Daniel Wolpert: The real reason for brains

Translator: Nuchapong Wongrajit Reviewer: Pathumjit Atikomkamalasai

I'm a neuroscientist.

ผมเป็นนักประสาทวิทยาศาสตร์

And in neuroscience,

และในสาขาประสาทวิทยาศาสตร์

we have to deal with many difficult questions about the brain.

เราต้องรับมือกับคำถามยากๆ มากมาย เกี่ยวกับสมอง

But I want to start with the easiest question

แต่ผมอยากเริ่มที่คำถามที่ง่ายที่สุด

and the question you really should have all asked yourselves at some point in your life,

และเป็นคำถามที่คุณทุกคน ควรได้เคยถามตัวเอง ณ จุดใดจุดหนึ่งในชีวิต

because it's a fundamental question

เพราะคำถามนี้เป็นรากฐาน

if we want to understand brain function.

หากเราต้องการเข้าใจการทำงานของสมอง

And that is, why do we and other animals

และคำถามนั้นคือ ทำไมเราและสัตว์อื่น ๆ

have brains?

จึงมีสมอง?

Not all species on our planet have brains,

ไม่ใช่ทุกสายพันธุ์บนโลกนี้จะมีสมอง

so if we want to know what the brain is for,

ดังนั้นถ้าเราอยากรู้ว่า สมองมีไว้ทำอะไร

let's think about why we evolved one.

ลองคิดว่า เราพัฒนามันขึ้นมาทำไม

Now you may reason that we have one

คุณอาจให้เหตุผลว่า เรามีสมอง

to perceive the world or to think,

ไว้รับรู้โลก หรือไว้คิด

and that's completely wrong.

แต่ผิดโดยสิ้นเชิง

If you think about this question for any length of time,

ถ้าคุณใช้เวลาคิดหาคำตอบสักพัก

it's blindingly obvious why we have a brain.

มันชัดเจนแจ่มแจ้งว่า เรามีสมองไว้ทำไม

We have a brain for one reason and one reason only,

เรามีสมองไว้ด้วยเหตุผลเดียว เหตุผลเดียวเท่านั้น

and that's to produce adaptable and complex movements.

ซึ่งก็คือ เพื่อสร้างการเคลื่อนไหว ที่ปรับได้ และซับซ้อน

There is no other reason to have a brain.

ไม่มีเหตุผลอื่น สำหรับการมีสมอง

Think about it.

คิดดูดี ๆ

Movement is the only way you have

การเคลื่อนไหวเป็นวิธีเดียว ที่คุณใช้

of affecting the world around you.

ตอบโต้กับโลกรอบตัวคุณ

Now that's not quite true. There's one other way, and that's through sweating.

ก็ไม่เชิง ยังมีอีกวิธี คือการขับเหงื่อ

But apart from that,

แต่นอกนั้นแล้ว

everything else goes through contractions of muscles.

ทุกอย่างมาจากการหดตัวของกล้ามเนื้อ

So think about communication --

ลองคิดถึง การสื่อสาร

speech, gestures, writing, sign language --

การพูด ท่าทาง การเขียน ภาษามือ

they're all mediated through contractions of your muscles.

ล้วนต้องอาศัยการหดตัวของกล้ามเนื้อ

So it's really important to remember

ดังนั้นเราพึงต้องตระหนักว่า

that sensory, memory and cognitive processes are all important,

กระบวนการรับรู้ จดจำ และความคิด ซึ่งล้วนสำคัญ

but they're only important

แต่ก็มีความสำคัญเพียงเพื่อ

to either drive or suppress future movements.

สร้างความต้องการ หรือยับยั้งการเคลื่อนไหวในอนาคต

There can be no evolutionary advantage

ไม่มีข้อได้เปรียบเชิงวิวัฒนาการ

to laying down memories of childhood

ที่จะเก็บความทรงจำวัยเด็กไว้

or perceiving the color of a rose

หรือรับรู้สีของกุหลาบ

if it doesn't affect the way you're going to move later in life.

ถ้ามันไม่มีผลต่อวิธีการเคลื่อนไหวของเรา ในภายหลัง

Now for those who don't believe this argument,

ทีนี้ สำหรับคนที่ไม่เชื่อเรื่องนี้

we have trees and grass on our planet without the brain,

เรามีต้นไม้ต้นหญ้าบนโลก ซึ่งไร้สมอง

but the clinching evidence is this animal here --

แต่หลักฐานชี้ขาดคือสัตว์ชนิดนี้

the humble sea squirt.

เพรียงหัวหอม แสนธรรมดา

Rudimentary animal, has a nervous system,

สัตว์ขั้นพื้นฐาน ที่มีระบบประสาท

swims around in the ocean in its juvenile life.

ซึ่งว่ายไปทั่วมหาสมุทร ตอนยังเด็ก

And at some point of its life,

และ ณ จุดหนึ่งของชีวิต

it implants on a rock.

มันจะเกาะติดอยู่กับก้อนหิน

And the first thing it does in implanting on that rock, which it never leaves,

และสิ่งแรกที่มันทำ ตอนเกาะติดกับหิน และไม่ไปไหนอีก

is to digest its own brain and nervous system

คือย่อยสมองและระบบประสาท

for food.

กินเป็นอาหาร

So once you don't need to move,

เมื่อไม่จำเป็นต้องเคลื่อนที่

you don't need the luxury of that brain.

ก็ไม่จำเป็นต้องมีของฟุ่มเฟือยอย่างสมอง

And this animal is often taken

และสัตว์ชนิดนี้ชอบถูกใช้

as an analogy to what happens at universities

เทียบกับเรื่องที่เกิดตามมหาวิทยาลัย

when professors get tenure,

ตอนที่ศาสตราจารย์ได้ตำแหน่งถาวรแล้ว

but that's a different subject.

แต่นั่นเป็นคนละประเด็น

(Applause)

(เสียงปรบมือ)

So I am a movement chauvinist.

ผมเป็นพวกคลั่งการเคลื่อนไหว

I believe movement is the most important function of the brain --

ผมเชื่อว่าการเคลื่อนไหว เป็นหน้าที่สำคัญที่สุดของสมอง

don't let anyone tell you that it's not true.

อย่าให้ใครมาบอกคุณ ว่ามันไม่จริงเชียว

Now if movement is so important,

งั้นถ้าการเคลื่อนไหวสำคัญขนาดนั้น

how well are we doing

เราเข้าใจวิธีการที่

understanding how the brain controls movement?

สมองควบคุมการเคลื่อนไหวดีแค่ไหน

And the answer is we're doing extremely poorly; it's a very hard problem.

คำตอบคือ แย่มาก ๆ นี่เป็นปัญหาที่ยากมาก ๆ

But we can look at how well we're doing

เราสามารถดูว่าเราเข้าใจดีแค่ไหน

by thinking about how well we're doing building machines

โดยดูว่าเราสร้างเครื่องจักรให้ทำ

which can do what humans can do.

สิ่งที่มนุษย์ทำได้ ได้ดีแค่ไหน

Think about the game of chess.

ลองคิดถึง การแข่งหมากรุก

How well are we doing determining what piece to move where?

เราตัดสินใจว่าจะเคลื่อนหมากอย่างไร ได้ดีแค่ไหน?

If you pit Garry Kasparov here, when he's not in jail,

ถ้าเราให้ แกรรี คาสปารอฟ ตอนเขาไม่ติดคุก

against IBM's Deep Blue,

มาแข่งกับ ดีปบลู (Deep Blue) ของไอบีเอ็ม

well the answer is IBM's Deep Blue will occasionally win.

คำตอบคือ ดีปบลู ของไอบีเอ็ม จะชนะเป็นบางครั้ง

And I think if IBM's Deep Blue played anyone in this room, it would win every time.

และถ้าเอา ดีปบลู ของไอบีเอ็ม มาแข่งกับคนในห้องนี้ มันจะชนะทุกครั้ง

That problem is solved.

ปัญหานี้ได้คำตอบแล้ว

What about the problem

แล้วอีกปัญหานึงละ

of picking up a chess piece,

การหยิบตัวหมากขึ้นมา

dexterously manipulating it and putting it back down on the board?

เคลื่อนย้ายอย่างคล่องแคล่ว และวางกลับลงกระดาน

If you put a five year-old child's dexterity against the best robots of today,

ถ้าเอาความคล่องแคล่วของเด็กห้าขวบ เทียบกับหุ่นยนต์ที่ดีที่สุดตอนนี้

the answer is simple:

ตอบได้ง่าย ๆ เลยว่า

the child wins easily.

เด็กชนะสบาย ๆ

There's no competition at all.

ไม่มีความสูสีเลย

Now why is that top problem so easy

ทำไมปัญหาบนถึงง่ายดาย

and the bottom problem so hard?

และปัญหาล่างถึงยากนัก

One reason is a very smart five year-old

เหตุผลนึงคือ เด็กห้าขวบที่ฉลาดมาก ๆ

could tell you the algorithm for that top problem --

ก็สามารถบอกขั้นตอนวิธีแก้ปัญหาบนได้

look at all possible moves to the end of the game

คือดูที่วิธีเดินหมากที่เป็นไปได้ทั้งหมด ไปจนจบกระดาน

and choose the one that makes you win.

แล้วเลือกวิธีที่จะทำให้ชนะ

So it's a very simple algorithm.

มันเป็นขั้นตอนวิธีที่เรียบง่ายมาก ๆ

Now of course there are other moves,

แน่นอน มีวิธีเดินแบบอื่นอีก

but with vast computers we approximate

แต่เราใช้คอมพิวเตอร์มหึมาประมาณค่า

and come close to the optimal solution.

และเข้าใกล้คำตอบที่ดีที่สุดได้

When it comes to being dexterous,

แต่พอเป็นความคล่องแคล่ว

it's not even clear what the algorithm is you have to solve to be dexterous.

ขั้นตอนวิธีสร้างความคล่องแคล่วเป็นอย่างไรก็ไม่ทราบ

And we'll see you have to both perceive and act on the world,

และเราทั้งต้องรับรู้ข้อมูล และลงมือกระทำไปด้วยอีก

which has a lot of problems.

มันมีปัญหามากมาย

But let me show you cutting-edge robotics.

ลองมาดูหุ่นยนต์ล้ำสมัยกัน

Now a lot of robotics is very impressive,

เดี๋ยวนี้มีหุ่นยนต์มากมายที่น่าทึ่ง

but manipulation robotics is really just in the dark ages.

แต่มือหุ่นยนต์สำหรับหยิบจับของ ยังตกอยู่ในยุคมืด

So this is the end of a Ph.D. project

นี่เป็นผลจากงานระดับปริญญาเอก

from one of the best robotics institutes.

จากสถาบันหุ่นยนต์ที่ดีที่สุดแห่งหนึ่ง

And the student has trained this robot

นักศึกษาได้ฝึกให้หุ่น

to pour this water into a glass.

เทน้ำใส่แก้ว

It's a hard problem because the water sloshes about, but it can do it.

มันเป็นโจทย์ที่ยาก เพราะน้ำกระฉอกได้ แต่มือหุ่นนี้ก็เทน้ำได้

But it doesn't do it with anything like the agility of a human.

แต่ไม่ได้ทำได้ด้วยความคล่องตัวแบบมนุษย์

Now if you want this robot to do a different task,

ทีนี้ ถ้าอยากให้หุ่นทำภารกิจอื่น

that's another three-year Ph.D. program.

นั่นก็จะเป็นงานปริญญาเอกสามปี อีกชิ้น

There is no generalization at all

เราสรุปเป็นรูปแบบทั่วไปไม่ได้เลย

from one task to another in robotics.

จากงานชิ้นต่าง ๆ ที่เราให้หุ่นทำ

Now we can compare this

เราสามารถเทียบกับ

to cutting-edge human performance.

สมรรถนะระดับสุดยอดของมนุษย์

So what I'm going to show you is Emily Fox

ผมจะให้คุณชม เอมิลี ฟอกซ์

winning the world record for cup stacking.

ทำสถิติโลกในการเรียงแก้ว

Now the Americans in the audience will know all about cup stacking.

ผู้ฟังชาวอเมริกันในที่นี้ คงรู้จักการเรียงแก้วดี

It's a high school sport

มันเป็นกีฬาระดับม.ปลาย

where you have 12 cups you have to stack and unstack

มีแก้วให้ 12 ใบ ให้เรียงและรื้อ

against the clock in a prescribed order.

แข่งกับเวลา ตามลำดับที่กำหนด

And this is her getting the world record in real time.

และนี่คือการสร้างสถิติโลก ตามเวลาจริง

(Laughter)

(เสียงหัวเราะ)

(Applause)

(เสียงปรบมือ)

And she's pretty happy.

เธอมีความสุขมาก

We have no idea what is going on inside her brain when she does that,

เราไม่รู้ว่ามีอะไรเกิดขึ้นในสมองเธอบ้าง ตอนเธอเรียงแก้ว

and that's what we'd like to know.

และนั่นคือสิ่งที่เราอยากรู้

So in my group, what we try to do

กลุ่มของผมจึงพยายาม

is reverse engineer how humans control movement.

ทำวิศวกรรมย้อนกลับ หาว่ามนุษย์ควบคุม การเคลื่อนไหวอย่างไร

And it sounds like an easy problem.

อาจฟังดูเป็นโจทย์ง่าย ๆ

You send a command down, it causes muscles to contract.

คุณส่งคำสั่งลงมา ทำให้กล้ามเนื้อหดตัว

Your arm or body moves,

แขนหรือร่างกายคุณขยับ

and you get sensory feedback from vision, from skin, from muscles and so on.

แล้วคุณได้ข้อมูลย้อนกลับจากประสาทสัมผัส จากตา จากผิวหนัง จากกล้ามเนื้อ และอื่น ๆ

The trouble is

ปัญหาคือ

these signals are not the beautiful signals you want them to be.

สัญญาณเหล่านี้ไม่สวยงามอย่างที่เราต้องการ

So one thing that makes controlling movement difficult

สิ่งที่ทำให้การควบคุมการเคลื่อนไหวเป็นเรื่องยาก

is, for example, sensory feedback is extremely noisy.

ก็เช่น การที่ข้อมูลย้อนกลับจากประสาทสัมผัส มีสัญญาณรบกวนมหาศาล

Now by noise, I do not mean sound.

สัญญาณรบกวนนี้ ผมไม่ได้หมายถึงเสียง

We use it in the engineering and neuroscience sense

ในทางวิศวกรรมและประสาทวิทยาศาสตร์

meaning a random noise corrupting a signal.

หมายถึงสัญญาณรบกวนอย่างสุ่ม ซึ่งทำให้สัญญาณหลักผิดเพี้ยนไป

So the old days before digital radio when you were tuning in your radio

สมัยก่อนจะมีวิทยุดิจิตอล ตอนเราหาสถานีวิทยุ

and you heard "crrcckkk" on the station you wanted to hear,

ที่เราอยากฟัง จะได้เสียง แคร่ก ๆ

that was the noise.

นั่นคือสัญญาณรบกวน

But more generally, this noise is something that corrupts the signal.

แต่กล่าวแบบกว้าง ๆ สัญญาณรบกวนคือสิ่งที่ทำให้ สัญญาณหลักผิดเพี้ยนไป

So for example, if you put your hand under a table

เช่น ถ้าคุณเอามือไว้ใต้โต๊ะ

and try to localize it with your other hand,

แล้วพยายามใช้มืออีกข้างชี้ตำแหน่งดู

you can be off by several centimeters

คุณอาจพลาดไปหลายเซนติเมตร

due to the noise in sensory feedback.

ก็เพราะสัญญาณรบกวนใน ข้อมูลย้อนกลับจากประสาทสัมผัส

Similarly, when you put motor output on movement output,

ทำนองเดียวกัน เมื่อคุณเอาข้อมูลสั่งการ รวมกับข้อมูลการเคลื่อนไหว

it's extremely noisy.

จะมีสัญญาณรบกวนมหาศาล

Forget about trying to hit the bull's eye in darts,

ไม่ต้องคิดจะปาลูกดอก เข้ากลางเป้าเลย

just aim for the same spot over and over again.

แค่เล็งให้ตรงจุดเดิมได้เรื่อย ๆ

You have a huge spread due to movement variability.

การเคลื่อนไหวก็แปรผัน แตกต่างกันไปได้มหาศาล

And more than that, the outside world, or task,

และยิ่งกว่านั้น โลกภายนอก หรือภารกิจ

is both ambiguous and variable.

ก็ทั้งไม่ชัดเจน และแปรผันได้

The teapot could be full, it could be empty.

กาน้ำชาอาจจะเต็ม อาจจะว่างเปล่า

It changes over time.

แต่ละครั้งไม่เหมือนกัน

So we work in a whole sensory movement task soup of noise.

เราจึงต้องเคลื่อนไหว ภายใต้สัญญาณรบกวนการรับรู้ เต็มไปหมด

Now this noise is so great

สัญญาณรบกวนมีมาก

that society places a huge premium

จนสังคมถึงกับตั้งรางวัล

on those of us who can reduce the consequences of noise.

ให้กับคนที่สามารถลดผลกระทบ จากสัญญาณรบกวนได้

So if you're lucky enough to be able to knock a small white ball

ถ้าคุณโชคดี ตีลูกบอลเล็ก ๆ ขาว ๆ

into a hole several hundred yards away using a long metal stick,

ลงหลุม ที่ห่างไปหลายร้อยหลา ด้วยแท่งเหล็กยาว ๆ ได้

our society will be willing to reward you

สังคมของเราก็เต็มใจมอบรางวัลให้คุณ

with hundreds of millions of dollars.

หลายร้อยล้านดอลลาร์

Now what I want to convince you of

ทีนี้ สิ่งที่ผมอยากให้คุณเชื่อตาม

is the brain also goes through a lot of effort

คือสมองใช้ความพยายามมหาศาล

to reduce the negative consequences

ที่จะลดผลกระทบเชิงลบ

of this sort of noise and variability.

ของสัญญาณรบกวน และการผันแปรเหล่านี้

And to do that, I'm going to tell you about a framework

และเพื่อการนั้น ผมจะเล่าให้คุณฟัง ถึงกรอบแนวคิด

which is very popular in statistics and machine learning of the last 50 years

ที่เป็นที่นิยมมาก ในสาขาสถิติ และการเรียนรู้ของเครื่องจักร ในช่วง 50 ปีหลังนี้

called Bayesian decision theory.

เรียกว่า ทฤษฎีการตัดสินใจเบเชียน

And it's more recently a unifying way

ซึ่งถัดมาเมื่อไม่นานมานี้ ได้เป็นวิธีรวม

to think about how the brain deals with uncertainty.

เวลาพิจารณาว่า สมองจัดการกับความไม่แน่นอนอย่างไร

And the fundamental idea is you want to make inferences and then take actions.

แนวคิดพื้นฐานคือ ทำการอนุมานก่อน แล้วค่อยกระทำจริง

So let's think about the inference.

ลองมาดูที่ การอนุมาน

You want to generate beliefs about the world.

คุณต้องการสร้างความเชื่อเกี่ยวกับโลก

So what are beliefs?

ความเชื่อหมายถึงอะไร?

Beliefs could be: where are my arms in space?

ความเชื่ออาจเช่น แขนของคุณอยู่ตรงไหน?

Am I looking at a cat or a fox?

ฉันกำลังจ้องดูแมว หรือจิ้งจอก?

But we're going to represent beliefs with probabilities.

แต่เราจะอธิบายความเชื่อ ด้วยความน่าจะเป็น

So we're going to represent a belief

เราจะอธิบายความเชื่อแต่ละเรื่อง

with a number between zero and one --

ด้วยตัวเลขระหว่าง ศูนย์ ถึง หนึ่ง

zero meaning I don't believe it at all, one means I'm absolutely certain.

ศูนย์ หมายถึง เราไม่เชื่อเลย หนึ่ง แปลว่า เรามั่นใจเต็มที่

And numbers in between give you the gray levels of uncertainty.

และตัวเลขที่อยู่ระหว่างนั้น บอกระดับความไม่มั่นใจ

And the key idea to Bayesian inference

และแนวคิดหลักสำหรับ การอนุมานเบเชียน

is you have two sources of information

คือ คุณมีแหล่งข้อมูลสองแหล่ง

from which to make your inference.

เพื่อใช้อนุมาน

You have data,

คุณมีข้อมูล

and data in neuroscience is sensory input.

และข้อมูลในทางประสาทวิทยาศาสตร์ หมายถึง ข้อมูลเข้าจากประสาทสัมผัส

So I have sensory input, which I can take in to make beliefs.

เรามีข้อมูลเข้าจากประสาทสัมผัส ซึ่งเอามาสร้างความเชื่อ

But there's another source of information, and that's effectively prior knowledge.

แต่ยังมีอีกแหล่งข้อมูล ซึ่งก็คือความรู้ที่เรามีอยู่ก่อนแล้ว

You accumulate knowledge throughout your life in memories.

เราสะสมความรู้ ตลอดทั้งชีวิต ไว้ในความทรงจำ

And the point about Bayesian decision theory

และประเด็นของทฤษฎีการตัดสินใจเบเชียน

is it gives you the mathematics

คือทฤษฎีบอกวิธีที่ดีที่สุด

of the optimal way to combine

ทางคณิตศาสตร์ที่จะผสาน

your prior knowledge with your sensory evidence

ความรู้เดิม กับหลักฐานจากประสาทสัมผัส

to generate new beliefs.

เพื่อผลิตความเชื่อใหม่

And I've put the formula up there.

และผมได้ให้สูตรไว้บนนั้น

I'm not going to explain what that formula is, but it's very beautiful.

ผมจะขอไม่อธิบายสูตร แต่มันสวยงามมาก

And it has real beauty and real explanatory power.

มีทั้งความงามที่แท้จริง และพลังในการอธิบายที่แท้จริง

And what it really says, and what you want to estimate,

สิ่งที่สูตรบอกเรา และสิ่งที่คุณอยากประมาณ

is the probability of different beliefs

คือความน่าจะเป็นของความเชื่อต่าง ๆ

given your sensory input.

เมื่อทราบข้อมูลเข้าจากประสาทสัมผัส

So let me give you an intuitive example.

ลองดูตัวอย่างสัญชาตญาณกัน

Imagine you're learning to play tennis

จินตนาการว่าคุณกำลังฝึกเล่นเทนนิส

and you want to decide where the ball is going to bounce

คุณต้องตัดสินใจว่าลูกเทนนิสเด้งไปตรงไหน

as it comes over the net towards you.

ขณะมันลอยข้ามเน็ตมาหาคุณ

There are two sources of information

มีแหล่งข้อมูลสองแหล่ง

Bayes' rule tells you.

ตามกฎของเบส์

There's sensory evidence -- you can use visual information auditory information,

หลักฐานจากประสาทสัมผัส คุณอาจใช้ข้อมูลภาพ ข้อมูลเสียง

and that might tell you it's going to land in that red spot.

ซึ่งอาจทำให้คุณคาดได้ว่า ลูกเทนนิสจะตกตรงจุดแดง

But you know that your senses are not perfect,

แต่คุณก็รู้ว่าประสาทรับรู้ของคุณไม่สมบูรณ์แบบ

and therefore there's some variability of where it's going to land

ดังนั้นจุดที่ลูกเทนนิสจะตก จึงมีความผันแปรได้บ้าง

shown by that cloud of red,

ในบริเวณพื้นที่สีแดง

representing numbers between 0.5 and maybe 0.1.

แทนด้วยตัวเลข 0.5 ถึงประมาณ 0.1

That information is available in the current shot,

ข้อมูลนี้ใช้ได้เฉพาะกับการหวดลูกนี้

but there's another source of information

แต่มีอีกแหล่งข้อมูล

not available on the current shot,

ที่ไม่ได้เฉพาะกับการหวดลูกนี้

but only available by repeated experience in the game of tennis,

แต่มาจากประสบการณ์ที่เจอซ้ำ ๆ ในการเล่นเทนนิส

and that's that the ball doesn't bounce

ที่ลูกเทนนิสไม่ได้กระดอน

with equal probability over the court during the match.

ด้วยความน่าจะเป็นเท่ากัน ทั้งสนาม ตลอดการแข่งขัน

If you're playing against a very good opponent,

ถ้าคุณกำลังแข่งกับคู่ต่อสู้ที่เก่งมาก

they may distribute it in that green area,

เขาอาจตีไปตกในบริเวณสีเขียว

which is the prior distribution,

ซึ่งเป็นการกระจายตัวหลัก

making it hard for you to return.

ทำให้คุณตีโต้กลับได้ยาก

Now both these sources of information carry important information.

ตอนนี้คุณได้ข้อมูลสำคัญจากแหล่งข้อมูลทั้งสอง

And what Bayes' rule says

และกฎของเบส์บอกให้

is that I should multiply the numbers on the red by the numbers on the green

คูณตัวเลขในบริเวณสีแดง กับบริเวณสีเขียว

to get the numbers of the yellow, which have the ellipses,

จะได้ตัวเลขในบริเวณสีเหลือง ที่มีวงรีอยู่

and that's my belief.

และนั่นคือความเชื่อ

So it's the optimal way of combining information.

นั่นคือวิธีที่ดีที่สุดในการผสานข้อมูล

Now I wouldn't tell you all this if it wasn't that a few years ago,

ผมคงไม่เอาเรื่องทั้งหมดนี้มาเล่า หากไม่ใช่เพราะ เมื่อไม่กี่ปีก่อน

we showed this is exactly what people do

เราได้แสดงให้เห็นว่า นี่เป็นสิ่งที่คนเราทำจริง ๆ

when they learn new movement skills.

เวลาเราเรียนรู้ทักษะการเคลื่อนที่ใหม่

And what it means

ซึ่งหมายความว่า

is we really are Bayesian inference machines.

แท้จริงแล้ว เราเป็นเครื่องอนุมานเบเชียน

As we go around, we learn about statistics of the world and lay that down,

ขณะดำรงชีวิต เราเรียนรู้สถิติของโลก และบันทึกจดจำไว้

but we also learn

แต่เรายังได้เรียนรู้

about how noisy our own sensory apparatus is,

ว่าอวัยวะรับสัมผัสของเรา มีสัญญาณรบกวนมากแค่ไหน

and then combine those

แล้วเราก็ผสานข้อมูลทั้งสอง

in a real Bayesian way.

ด้วยวิธีแบบเบเชียน

Now a key part to the Bayesian is this part of the formula.

ส่วนสำคัญในสูตรเบเชียนคือส่วนนี้

And what this part really says

ซึ่งส่วนนี้บอกว่า

is I have to predict the probability

ผมต้องทำนายความน่าจะเป็น

of different sensory feedbacks

ของข้อมูลย้อนกลับจากประสาทสัมผัสต่าง ๆ

given my beliefs.

ตามความเชื่อที่เรามี

So that really means I have to make predictions of the future.

ซึ่งแปลว่า เราต้องทำนายอนาคต

And I want to convince you the brain does make predictions

และผมอยากให้คุณเชื่อว่า สมองทำการทำนายจริง ๆ

of the sensory feedback it's going to get.

ว่าจะได้ข้อมูลย้อนกลับจากประสาทสัมผัสแบบไหน

And moreover, it profoundly changes your perceptions

และยิ่งไปกว่านั้น มันยังไปเปลี่ยนแปลง การรับรู้ของคุณอย่างลึกซึ้ง

by what you do.

ด้วยสิ่งที่คุณทำ

And to do that, I'll tell you

เพื่อการนั้น ผมจะเล่าให้คุณฟังว่า

about how the brain deals with sensory input.

สมองจัดการกับข้อมูลเข้าจากประสาทรับรู้อย่างไร

So you send a command out,

คุณส่งคำสั่งออกไป

you get sensory feedback back,

คุณได้ข้อมูลตอบกลับจากประสาทรับรู้

and that transformation is governed

และการแปลงสภาพนั้นขึ้นกับ

by the physics of your body and your sensory apparatus.

กายภาพของร่างกายคุณ กับอวัยวะรับสัมผัสของคุณ

But you can imagine looking inside the brain.

แต่เราสามารถจินตนาการภาพภายในสมอง

And here's inside the brain.

และนี่คือภายในสมอง

You might have a little predictor, a neural simulator,

คุณอาจมีตัวทำนาย ตัวจำลองเชิงประสาท

of the physics of your body and your senses.

ของกายภาพของร่างกาย และประสาทสัมผัสของคุณ

So as you send a movement command down,

เมื่อคุณส่งคำสั่งเคลื่อนไหวลงมา

you tap a copy of that off

ทำสำเนาแยกออกมา

and run it into your neural simulator

และส่งเข้าตัวจำลองเชิงประสาท

to anticipate the sensory consequences of your actions.

ให้คาดการณ์ผลเชิงประสาทรับรู้ ที่จะตามมาจากการกระทำ

So as I shake this ketchup bottle,

ขณะที่ผมเขย่าขวดซอสมะเขือเทศ

I get some true sensory feedback as the function of time in the bottom row.

ผมได้รับข้อมูลย้อนกลับจริงจากประสาทสัมผัสมาส่วนหนึ่ง เทียบกับเวลา ในแถวล่าง

And if I've got a good predictor, it predicts the same thing.

และถ้าตัวทำนายของคุณดี มันก็จะทายได้ตรง

Well why would I bother doing that?

ทำไมเราต้องมานั่งทำอะไรพวกนี้ด้วย?

I'm going to get the same feedback anyway.

ยังไงก็ได้ข้อมูลย้อนกลับเดียวกันนี้อยู่ดี

Well there's good reasons.

มันมีเหตุผลดี ๆ อยู่

Imagine, as I shake the ketchup bottle,

ลองจินตนาการ ขณะผมกำลังเขย่าขวดซอสมะเขือเทศ

someone very kindly comes up to me and taps it on the back for me.

มีคนใจดีมาช่วยผมเคาะก้นขวดให้อีก

Now I get an extra source of sensory information

ตอนนี้ เรามีข้อมูลจากประสาทสัมผัสเพิ่มขึ้นมา

due to that external act.

จากการกระทำภายนอก

So I get two sources.

เรามีข้อมูลจากสองแหล่ง

I get you tapping on it, and I get me shaking it,

ผมมีคุณมาช่วยเคาะ และผมก็กำลังเขย่าขวดด้วย

but from my senses' point of view,

แต่จากมุมมองของประสาทสัมผัสของผม

that is combined together into one source of information.

ทั้งสองส่วนจะถูกรวมเป็นแหล่งข้อมูลเดียว

Now there's good reason to believe

มีเหตุผลที่ดีให้เราเชื่อ

that you would want to be able to distinguish external events from internal events.

ว่าทำไมเราถึงอยากจะแยกแยะเหตุการณ์ภายนอก จากเหตุการณ์ภายในให้ได้

Because external events are actually much more behaviorally relevant

เพราะเหตุการณ์ภายนอกจริง ๆ แล้วเกี่ยวข้องในเชิง พฤติกรรมมากกว่า

than feeling everything that's going on inside my body.

การรู้สึกถึงสิ่งต่าง ๆ ที่เกิดขึ้นภายในร่างกายอย่างมาก

So one way to reconstruct that

วิธีหนึ่งที่ทำได้คือ

is to compare the prediction --

เปรียบเทียบตัวทำนาย

which is only based on your movement commands --

ซึ่งอิงจากคำสั่งเคลื่อนไหว

with the reality.

กับความเป็นจริง

Any discrepancy should hopefully be external.

ส่วนที่ต่างกันควรจะต้องมาจากภายนอก

So as I go around the world,

ขณะที่ผมท่องไปทั่วโลก

I'm making predictions of what I should get, subtracting them off.

ผมก็ทำนายไปด้วย ว่าผมควรรู้สึกอย่างไร แล้วลบมันออก

Everything left over is external to me.

ส่วนที่เหลือทั้งหมด คือสิ่งที่มาจากภายนอกตัวผม

What evidence is there for this?

มีหลักฐานอะไรมาสนับสนุนเรื่องนี้บ้าง

Well there's one very clear example

มีตัวอย่างที่ชัดเจนอันหนึ่ง

where a sensation generated by myself feels very different

ที่ความรู้สึกที่เราสร้างต่างไปจาก

then if generated by another person.

ความรู้สึกที่คนอื่นสร้าง

And so we decided the most obvious place to start

เราจึงตัดสินใจว่าควรต้องเริ่มต้นที่

was with tickling.

การจั๊กจี้

It's been known for a long time, you can't tickle yourself

เรารู้กันมานมนานแล้วว่า เราจั๊กจี้ตัวเองไม่ได้

as well as other people can.

ต้องเป็นคนอื่นทำ

But it hasn't really been shown, it's because you have a neural simulator,

แต่ยังไม่เคยมีใครแสดงได้ว่า มันเป็นเพราะเรามี ตัวจำลองเชิงประสาท

simulating your own body

จำลองร่างกายขึ้นมา

and subtracting off that sense.

แล้วหักลบความรู้สึกนั้นออก

So we can bring the experiments of the 21st century

เราสามารถนำการทดลองยุคศตวรรษที่ 21

by applying robotic technologies to this problem.

ซึ่งใช้เทคโนโลยีหุ่นยนต์ มาตอบปัญหานี้

And in effect, what we have is some sort of stick in one hand attached to a robot,

ในมือข้างหนึ่งให้ถือแท่ง ซึ่งเชื่อมกับหุ่นยนต์

and they're going to move that back and forward.

และให้พวกเขาแกว่งไปมา

And then we're going to track that with a computer

และเราใช้คอมพิวเตอร์ติดตาม

and use it to control another robot,

และใช้ข้อมูลเอาไปควบคุมหุ่นอีกตัว

which is going to tickle their palm with another stick.

ให้จั๊กจี้ฝ่ามือของพวกเขาด้วยแท่งอีกแท่ง

And then we're going to ask them to rate a bunch of things

แล้วเราก็ให้พวกเขาประเมินค่าระดับต่าง ๆ

including ticklishness.

รวมถึงความจั๊กจี้

I'll show you just one part of our study.

ผมจะให้คุณชมเพียงส่วนหนึ่ง ของการวิจัยของพวกเรา

And here I've taken away the robots,

ตรงนี้ผมเอารูปหุ่นยนต์ออกไป

but basically people move with their right arm sinusoidally back and forward.

คนขยับแขนขวาไปมาเป็นคลื่น

And we replay that to the other hand with a time delay.

แล้วเราขยับแท่งตามนั้น บนมืออีกข้าง โดยมีการหน่วงเวลา

Either no time delay,

อาจไม่หน่วงเวลาเลย

in which case light would just tickle your palm,

ซึ่งก็เหมือนคุณจั๊กจี้มือตัวเอง

or with a time delay of two-tenths of three-tenths of a second.

หรือมีการหน่วงเวลาไป 0.1, 0.2, หรือ 0.3 วินาที

So the important point here

ประเด็นสำคัญคือ

is the right hand always does the same things -- sinusoidal movement.

มือขวาเคลื่อนเหมือนเดิมตลอด เป็นคลื่น

The left hand always is the same and puts sinusoidal tickle.

มือซ้ายก็ทำเหมือนเดิมตลอด คือถูกจั๊กจี้เป็นคลื่น

All we're playing with is a tempo causality.

สิ่งที่เราเล่นอยู่คือแค่ ลำดับจังหวะเหตุ-ผล

And as we go from naught to 0.1 second,

ถ้าเราปรับจากศูนย์ไปเป็น 0.1 วินาที

it becomes more ticklish.

จะทำให้รู้สึกจั๊กจี้มากขึ้น

As you go from 0.1 to 0.2,

จาก 0.1 ไป 0.2

it becomes more ticklish at the end.

ก็ยิ่งจั๊กจี้มากขึ้นไปเรื่อย ๆ

And by 0.2 of a second,

และที่ 0.2 วินาที

it's equivalently ticklish

จะจั๊กจี้เท่ากับ

to the robot that just tickled you without you doing anything.

ที่หุ่นยนต์จั๊กจี้ โดยที่คุณไม่ได้ทำอะไร

So whatever is responsible for this cancellation

ดังนั้นอะไรก็ตามที่ทำให้เกิดการหักล้างนี้ขึ้น

is extremely tightly coupled with tempo causality.

ต้องสัมพันธ์แนบแน่นกับ ลำดับจังหวะเหตุ-ผล

And based on this illustration, we really convinced ourselves in the field

และจากตัวอย่างนี้ ทำให้พวกเราในสาขานี้เชื่อว่า

that the brain's making precise predictions

สมองทำการทำนายที่แม่นยำ

and subtracting them off from the sensations.

และเอาไปหักลบจากความรู้สึก

Now I have to admit, these are the worst studies my lab has ever run.

ผมต้องยอมรับว่า นี่เป็นงานวิจัยที่แย่ทีสุดที่แล็บผมเคยทำมา

Because the tickle sensation on the palm comes and goes,

เพราะว่าความรู้สึกจั๊กจี้ที่มือ มาแล้วก็ไป

you need large numbers of subjects

ต้องใช้ผู้ทดลองจำนวนมาก

with these stars making them significant.

กับดอกจันเหล่านี้ เพื่อทำให้ค่ามีนัยสำคัญ

So we were looking for a much more objective way

เราจึงมองหาวิธีที่เป็นวัตถุวิสัยมากกว่านี้

to assess this phenomena.

ที่จะเข้าถึงปรากฏการณ์นี้

And in the intervening years I had two daughters.

ในระหว่างช่วงนั้น ผมมีลูกสาวสองคน

And one thing you notice about children in backseats of cars on long journeys,

สิ่งหนึ่งที่สังเกตได้ ขณะเด็ก ๆ นั่งเบาะหลังรถ เวลาเดินทางไกล ๆ

they get into fights --

เด็ก ๆ จะทะเลาะกัน

which started with one of them doing something to the other, the other retaliating.

คนหนึ่งจะทำอะไรสักอย่างกับอีกคน แล้วอีกคนก็เอาคืน

It quickly escalates.

ทำกันแรงขึ้นอย่างรวดเร็ว

And children tend to get into fights which escalate in terms of force.

เด็ก ๆ มักจะทะเลาะกัน และใช้กำลังกันแรงขึ้น

Now when I screamed at my children to stop,

พอผมร้องบอกให้เด็ก ๆ หยุด

sometimes they would both say to me

บางทีเด็ก ๆ ก็ต่างบอกว่า

the other person hit them harder.

อีกฝ่ายตีแรงกว่าก่อน

Now I happen to know my children don't lie,

เผอิญผมทราบว่าลูกไม่โกหก

so I thought, as a neuroscientist,

ผมจึงคิด ในฐานะนักประสาทวิทยาศาสตร์

it was important how I could explain

เป็นเรื่องสำคัญที่จะอธิบายว่า

how they were telling inconsistent truths.

ความจริงจากทั้งสองคนทำไมจึงขัดกัน

And we hypothesize based on the tickling study

เราตั้งสมมติฐานโดยอิงจากงานวิจัยจั๊กจี้

that when one child hits another,

ว่าเมื่อเด็กไปตีอีกคน

they generate the movement command.

เขาสร้างคำสั่งเคลื่อนที่

They predict the sensory consequences and subtract it off.

คนตีจะทำนายผลการรับรู้ที่จะตามมา และหักลบส่วนนั้นออก

So they actually think they've hit the person less hard than they have --

ดังนั้น เด็กที่ตีจึงคิดว่าตัวเองตีเบากว่าที่ได้ตีไปจริง ๆ

rather like the tickling.

คล้าย ๆ กับการจั๊กจี้

Whereas the passive recipient

ในขณะที่คนถูกตี

doesn't make the prediction, feels the full blow.

ไม่ได้สร้างคำทำนายไว้ จึงรู้สึกถูกตีเต็ม ๆ

So if they retaliate with the same force,

ถ้าเขาตีคืน ด้วยแรงที่เท่ากัน

the first person will think it's been escalated.

คนแรกจะคิดว่าถูกตีแรงขึ้น

So we decided to test this in the lab.

เราจึงตัดสินใจจะทดลองเรื่องนี้ในแล็บ

(Laughter)

(เสียงหัวเราะ)

Now we don't work with children, we don't work with hitting,

เราไม่ได้ทดลองกับเด็ก เราไม่ได้ใช้การตี

but the concept is identical.

แต่หลักคิดก็เหมือนกัน

We bring in two adults. We tell them they're going to play a game.

เราเอาผู้ใหญ่มาสองคน บอกว่าจะให้เล่นเกม

And so here's player one and player two sitting opposite to each other.

มีผู้เล่นหนึ่ง และผู้เล่นสอง นั่งประจันหน้ากัน

And the game is very simple.

เกมก็เรียบง่ายมาก

We started with a motor

เราเริ่มจากมอเตอร์

with a little lever, a little force transfuser.

ที่มีคานงัดอันเล็ก ๆ เป็นตัวส่งแรง

And we use this motor to apply force down to player one's fingers

เราใช้มอเตอร์นี้ ออกแรงกดนิ้วผู้เล่น

for three seconds and then it stops.

นานสามวินาที แล้วหยุด

And that player's been told, remember the experience of that force

เราบอกให้ผู้เล่นจำความรู้สึกที่ถูกแรงกด

and use your other finger

แล้วใช้อีกนิ้ว

to apply the same force

ออกแรงเท่ากัน

down to the other subject's finger through a force transfuser -- and they do that.

กดนิ้วผู้เล่นอีกคน ผ่านเครื่องส่งแรง และพวกเขาทำตามนั้น

And player two's been told, remember the experience of that force.

และเราบอกผู้เล่นสองให้จดจำความรู้สึกของแรงกด

Use your other hand to apply the force back down.

ใช้มืออีกข้างออกแรงกดกลับไป

And so they take it in turns

ให้สองคนสลับกัน

to apply the force they've just experienced back and forward.

ออกแรงตามที่รู้สึก กลับไปกลับมา

But critically,

ที่สำคัญคือ

they're briefed about the rules of the game in separate rooms.

สองคนนี้ฟังกฎของเกมตอนอยู่คนละห้องกัน

So they don't know the rules the other person's playing by.

พวกเขาไม่รู้กฎที่อีกฝ่ายต้องทำตาม

And what we've measured

และสิ่งที่เราวัดคือ

is the force as a function of terms.

แรงกดในแต่ละรอบ

And if we look at what we start with,

และถ้าเราดูที่แรงตอนเริ่ม

a quarter of a Newton there, a number of turns,

หนึ่งในสี่นิวตันตรงนี้ จำนวนรอบ

perfect would be that red line.

อุดมคติคือเส้นสีแดง

And what we see in all pairs of subjects is this --

สิ่งที่เราเห็นจากผู้ทดลองทุกคู่คือ

a 70 percent escalation in force

แรงกดเพิ่มขึ้น 70%

on each go.

ในแต่ละรอบ

So it really suggests, when you're doing this --

มันจึงชี้ว่า เมื่อเรากำลังกด

based on this study and others we've done --

โดยอิงจากงานวิจัยนี้ และชิ้นอื่น ๆ ที่เราได้ทำ

that the brain is canceling the sensory consequences

สมองจะหักล้างผลการรับรู้ที่ตามมา

and underestimating the force it's producing.

และประมาณแรงที่ออกต่ำกว่าค่าจริง

So it re-shows the brain makes predictions

งานวิจัยนี้จึงแสดงให้เห็นอีกครั้งว่า สมองทำการทำนาย

and fundamentally changes the precepts.

และปรับเปลี่ยนกฎไปถึงรากฐาน

So we've made inferences, we've done predictions,

เราทำการอนุมาน ทำการทำนาย

now we have to generate actions.

ตอนนี้เราต้องลงมือกระทำ

And what Bayes' rule says is, given my beliefs,

และสิ่งที่กฎของเบส์กล่าวไว้คือ อิงจากความเชื่อ

the action should in some sense be optimal.

การกระทำควรเหมาะสมที่สุดในบางแง่

But we've got a problem.

แต่เรามีปัญหา

Tasks are symbolic -- I want to drink, I want to dance --

ภารกิจเป็นเชิงสัญลักษณ์ เราอยากดื่ม เราอยากเต้น

but the movement system has to contract 600 muscles

แต่ระบบการเคลื่อนไหวต้องหดกล้ามเนื้อ 600 มัด

in a particular sequence.

ตามลำดับที่ถูกต้อง

And there's a big gap

และยังมีช่องว่างเบ้อเร่อ

between the task and the movement system.

ระหว่างภารกิจ กับระบบการเคลื่อนไหว

So it could be bridged in infinitely many different ways.

ซึ่งอาจเชื่อมกันได้โดยวิธีที่แตกต่างกัน มากมายนับไม่ถ้วน

So think about just a point to point movement.

ลองคิดถึงแค่การเคลื่อนที่จากจุดหนึ่งไปอีกจุด

I could choose these two paths

ผมสามารถเลือกสองเส้นทางนี้

out of an infinite number of paths.

จากจำนวนเส้นทางเป็นอนันต์

Having chosen a particular path,

ถึงได้เลือกมาแล้วหนึ่งเส้นทาง

I can hold my hand on that path

ผมก็สามารถเคลื่อนมือไปตามทาง

as infinitely many different joint configurations.

ด้วยรูปแบบข้อต่อที่แตกต่างกันเป็นอนันต์

And I can hold my arm in a particular joint configuration

และผมยังสามารถจัดแขน ด้วยรูปแบบข้อต่อหนึ่ง

either very stiff or very relaxed.

ได้ทั้งแบบเกร็งมาก ๆ หรือปล่อยสบาย ๆ

So I have a huge amount of choice to make.

ดังนั้นผมจึงมีสิ่งที่ต้องเลือกมหาศาล

Now it turns out, we are extremely stereotypical.

ปรากฏว่าพวกเราเหมือนกันมาก

We all move the same way pretty much.

เราทุกคนขยับเคลื่อนไหวด้วยรูปแบบเดียวกัน

And so it turns out we're so stereotypical,

และพวกเราเหมือนกันมาก

our brains have got dedicated neural circuitry

สมองมีวงจรประสาทเฉพาะกิจ

to decode this stereotyping.

เพื่อถอดรหัสความเหมือนนี้

So if I take some dots

ถ้าเรามีจุดอยู่จำนวนหนึ่ง

and set them in motion with biological motion,

แล้วเราทำให้จุดพวกนี้ขยับ คล้ายกับสิ่งมีชีวิต

your brain's circuitry would understand instantly what's going on.

วงจรในสมองจะเข้าใจทันทีว่ากำลังเกิดอะไรขึ้น

Now this is a bunch of dots moving.

แค่จุดกลุ่มหนึ่งเคลื่อนที่

You will know what this person is doing,

คุณรู้ได้ว่าคนคนนี้กำลังทำอะไร

whether happy, sad, old, young -- a huge amount of information.

ดีใจ เสียใจ แก่ เด็ก ข้อมูลมหาศาล

If these dots were cars going on a racing circuit,

ถ้าจุดพวกนี้เป็นรถที่กำลังวิ่งในสนามแข่ง

you would have absolutely no idea what's going on.

คุณไม่มีทางดูออกเลยว่ากำลังมีอะไรเกิดขึ้น

So why is it

แล้วทำไม

that we move the particular ways we do?

เราจึงเคลื่อนไหวในรูปแบบเฉพาะที่เราทำอยู่

Well let's think about what really happens.

ลองคิดดูว่าจริง ๆ มีอะไรเกิดขึ้น

Maybe we don't all quite move the same way.

บางทีเราอาจจะไม่ได้เคลื่อนไหวเหมือนกันขนาดนั้น

Maybe there's variation in the population.

บางทีอาจจะมีความแปรผันในหมู่ประชากร

And maybe those who move better than others

และบางทีคนที่เคลื่อนไหวได้ดีกว่าคนอื่น ๆ

have got more chance of getting their children into the next generation.

อาจจะมีโอกาสมีลูกหลานเป็นรุ่นต่อ ๆ ไปสูงกว่า

So in evolutionary scales, movements get better.

ในระดับวิวัฒนาการ การเคลื่อนไหวดีขึ้นขึ้นเรื่อย ๆ

And perhaps in life, movements get better through learning.

และอาจจะในช่วงชีวิต เราเคลื่อนไหวได้ดีขึ้น ผ่านการเรียนรู้

So what is it about a movement which is good or bad?

แล้วการเคลื่อนไหวที่ดีกับไม่ดีมันเป็นอย่างไร

Imagine I want to intercept this ball.

ลองจินตนาการว่า คุณต้องการคว้าจับลูกบอลนี้

Here are two possible paths to that ball.

มีสองเส้นทางไปถึงลูกบอล

Well if I choose the left-hand path,

ถ้าผมเลือกเส้นทางซ้ายมือ

I can work out the forces required

ผมสามารถคำนวณหาแรงที่ต้องใช้

in one of my muscles as a function of time.

ในกล้ามเนื้อมัดหนึ่ง เทียบกับเวลา

But there's noise added to this.

แต่มันมีสัญญาณรบกวนแทรกเข้ามา

So what I actually get, based on this lovely, smooth, desired force,

ดังนั้นสิ่งที่ผมได้มาจริง ๆ โดยอิงจากแรงที่สวยงาม เป็นระเบียบ พึงปรารถนานี้

is a very noisy version.

คือชุดข้อมูลที่มีสัญญาณรบกวนสูงมาก

So if I pick the same command through many times,

ถ้าผมเลือกใช้คำสั่งเดิมหลาย ๆ ครั้ง

I will get a different noisy version each time, because noise changes each time.

ผมจะได้ชุดข้อมูล ที่มีสัญญาณรบกวนต่างกันไป ในแต่ละครั้ง เพราะมันเปลี่ยนไปทุกครั้ง

So what I can show you here

ผมแสดงให้คุณเห็นได้ว่า

is how the variability of the movement will evolve

ความแปรผันของการเคลื่อนไหวจะแปรเปลี่ยนไปอย่างไร

if I choose that way.

ถ้าผมเลือกวิธีนี้

If I choose a different way of moving -- on the right for example --

ถ้าผมเลือกวีธีเคลื่อนไหวอีกวิธี เช่นที่อยู่ทางขวา

then I'll have a different command, different noise,

ผมจะมีคำสั่งที่ต่างไป สัญญาณรบกวนที่ต่างไป

playing through a noisy system, very complicated.

เล่นผ่านระบบสัญญาณรบกวน ยุ่งยากมาก

All we can be sure of is the variability will be different.

เรามั่นใจได้แค่ว่า การแปรผันจะต่างไป

If I move in this particular way,

ถ้าผมเคลื่อนไหวแบบนี้

I end up with a smaller variability across many movements.

แล้วได้การแปรผันต่ำกว่า เมื่อเคลื่อนไหวไปหลาย ๆ ครั้ง

So if I have to choose between those two,

ถ้าผมต้องเลือกระหว่างสองวิธีนี้

I would choose the right one because it's less variable.

ผมก็จะเลือกแบบขวา เพราะการแปรผันมันต่ำกว่า

And the fundamental idea

และแนวคิดพื้นฐานก็คือ

is you want to plan your movements

คุณต้องการวางแผนให้การเคลื่อนไหว

so as to minimize the negative consequence of the noise.

มีผลกระทบเชิงลบจากสัญญาณรบกวนต่ำที่สุด

And one intuition to get

และสามัญสำนึกหนึ่งที่ต้องเข้าใจคือ

is actually the amount of noise or variability I show here

จริง ๆ แล้วขนาดของสัญญาณรบกวน หรือการแปรผัน ที่ผมแสดงตรงนี้

gets bigger as the force gets bigger.

เพิ่มขึ้นตามแรงที่ใช้

So you want to avoid big forces as one principle.

ดังนั้นคุณควรเลี่ยงอย่าใช้แรงมาก ๆ ถือเป็นหลักข้อหนึ่ง

So we've shown that using this,

เราได้แสดงให้เห็นแล้วว่า โดยใช้เรื่องนี้

we can explain a huge amount of data --

เราสามารถอธิบายปริมาณข้อมูลมหาศาล

that exactly people are going about their lives planning movements

ว่าแท้จริงแล้ว คนเราดำเนินชีวิต โดยวางแผนการเคลื่อนไหว

so as to minimize negative consequences of noise.

เพื่อให้มีผลกระทบเชิงลบจากสัญญาณรบกวนต่ำที่สุด

So I hope I've convinced you the brain is there

ดังนั้น ผมหวังว่าผมได้ทำให้คุณเชื่อว่า สมองมีอยู่

and evolved to control movement.

และถูกวิวัฒนาการมาให้ควบคุมการเคลื่อนไหว

And it's an intellectual challenge to understand how we do that.

และเป็นเรื่องท้าทายสติปัญญา ที่จะทำความเข้าใจว่า เราทำมันได้อย่างไร

But it's also relevant

แต่มันก็เกี่ยวข้องกับ

for disease and rehabilitation.

การเจ็บป่วยและการฟื้นตัวด้วย

There are many diseases which effect movement.

มีหลายโรคที่ส่งผลต่อการเคลื่อนไหว

And hopefully if we understand how we control movement,

และหวังว่าถ้าเราเข้าใจว่าเราควบคุมการเคลื่อนไหวอย่างไร

we can apply that to robotic technology.

เราจะสามารถประยุกต์ใช้ความรู้นี้กับเทคโนโลยีหุ่นยนต์

And finally, I want to remind you,

และสุดท้ายนี้ ผมอยากให้คุณตระหนักว่า

when you see animals do what look like very simple tasks,

เมื่อคุณเห็นสัตว์ทำสิ่งที่ดูเป็นเรื่องง่ายดาย

the actual complexity of what is going on inside their brain

กระบวนการที่กำลังเกิดขึ้นในสมองนั้น

is really quite dramatic.

สุดแสนที่จะสลับซับซ้อน

Thank you very much.

ขอบคุณมากครับ

(Applause)

(เสียงปรบมือ)

Chris Anderson: Quick question for you, Dan.

คริส แอนเดอร์สัน (CS): คำถามสั้น ๆ สำหรับคุณ แดน

So you're a movement -- (DW: Chauvinist.) -- chauvinist.

คุณบอกว่าคุณเป็นพวก... (DW: พวกคลั่ง) พวกคลั่งการเคลื่อนไหว

Does that mean that you think that the other things we think our brains are about --

หมายความว่าคุณเชื่อว่าสิ่งอื่น ๆ ที่เราคิดว่าเกี่ยวข้องกับสมอง

the dreaming, the yearning, the falling in love and all these things --

การฝัน ความปรารถนา การตกหลุมรัก และเรื่องทำนองนี้ทั้งหมด

are a kind of side show, an accident?

เป็นแค่การแสดงประกอบ แค่อุบัติเหตุ?

DW: No, no, actually I think they're all important

DW: เปล่า ไม่ใช่ครับ จริง ๆ แล้วผมคิดว่าทั้งหมดนี้สำคัญ

to drive the right movement behavior to get reproduction in the end.

สำหรับการขับเคลื่อนพฤติกรรมการเคลื่อนไหวที่ถูกต้อง เพื่อนำไปสู่การสืบพันธุ์ในที่สุด

So I think people who study sensation or memory

ผมคิดว่าเราศึกษาเรื่องความรู้สึกหรือความจำ

without realizing why you're laying down memories of childhood.

โดยไม่ตระหนักว่า ทำไมเราถึงต้องบันทึก ความทรงจำวัยเด็กไว้

The fact that we forget most of our childhood, for example,

ตัวอย่างเช่น ข้อเท็จจริงที่ว่าเราลืมเรื่องวัยเด็กส่วนใหญ่

is probably fine, because it doesn't effect our movements later in life.

ก็น่าจะไม่แปลกอะไร เพราะมันไม่ส่งผลอะไรถึงการเคลื่อน ในชีวิตช่วงถัด ๆ มา

You only need to store things which are really going to effect movement.

คุณจำเป็นต้องเก็บเฉพาะสิ่งที่จะมีผลจริง ๆ ต่อการเคลื่อนไหวเท่านั้น

CA: So you think that people thinking about the brain, and consciousness generally,

CA: คุณคิดว่าคนที่ศึกษาเรื่องสมอง และสติสัมปชัญญะ โดยทั่วไป

could get real insight

สามารถเกิดความเข้าใจลึกซึ้งได้

by saying, where does movement play in this game?

โดยถามว่า การเคลื่อนไหวมีบทบาทสำคัญในจุดไหน?

DW: So people have found out for example

DW: เราได้พบว่า อย่างเช่น

that studying vision in the absence of realizing why you have vision

การศึกษาการมองเห็น โดยไม่ตระหนักว่า การมองเห็นมีไว้ทำไม

is a mistake.

เป็นเรื่องผิดพลาด

You have to study vision with the realization

คุณต้องศึกษาการมองเห็น พร้อมตระหนักว่า

of how the movement system is going to use vision.

ระบบการเคลื่อนไหวจะเอาการมองเห็นไปใช้อย่างไร

And it uses it very differently once you think about it that way.

และความเข้าใจจะต่างไปอย่างมาก เมื่อเราศึกษาเรื่องนี้จากมุมมองนี้

CA: Well that was quite fascinating. Thank you very much indeed.

CA: น่าสนใจมากทีเดียว ขอบคุณอย่างยิ่งครับ

(Applause)

(เสียงปรบมือ)