Daniel Wolpert: The real reason for brains

Daniel Wolpert: Beynimizin gerçek varoluş sebebi

Çeviri: Ayca Bayraktaroglu Gözden geçirme: Meric Aydonat

I'm a neuroscientist.

Ben bir sinirbilimciyim.

And in neuroscience,

Ve sinirbiliminde,

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

beyin hakkında birçok zor soru ile başa çıkmak zorundayız.

But I want to start with the easiest question

Fakat ben en kolayı ile başlamak istiyorum.

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

Bu soru hayatınızın bir noktasında kendinize sormak zorunda kalacağınız cinsten.

because it's a fundamental question

Çünkü, beyin fonksiyonlarını anlamak için

if we want to understand brain function.

bu çok temel bir soru.

And that is, why do we and other animals

Biz insanlar ve hayvanlar

have brains?

neden bir beyine sahibiz?

Not all species on our planet have brains,

Gezegenimizdeki her turun bir beyni yok.

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

yani eğer beyinlerimizin ne işe yaradığını bilmek istiyorsak

let's think about why we evolved one.

gelin beynin neden evrildiğini düşünelim.

Now you may reason that we have one

Şimdi şunu ileri sürebilirsiniz;

to perceive the world or to think,

dünyayı algılamak veya düşünmek için.

and that's completely wrong.

Ve bu tamamiyle yanlış.

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

Bu soruyu bir süre düşündüğünüzde,

it's blindingly obvious why we have a brain.

neden beyne sahip olduğumuz apaçık ortada.

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

Sadece ve sadece tek bir neden için bir beynimiz var;

and that's to produce adaptable and complex movements.

uyumlu ve karmaşık hareketler üretmek için.

There is no other reason to have a brain.

Bundan başka bir sebep yok.

Think about it.

Bir düşünsenize.

Movement is the only way you have

Etrafınızda dönen dünyaya etki etmenin

of affecting the world around you.

tek yolu hareket etmek.

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

Aslında bu tam anlamıyla doğru değil. Başka bir yolu daha var, terlemek.

But apart from that,

Ama bunun dışında,

everything else goes through contractions of muscles.

diğer herşey kasların kasılmasıyla gerçekleşiyor.

So think about communication --

İletişimi bir düşünün --

speech, gestures, writing, sign language --

konuşma, jestler, yazma, işaret dili --

they're all mediated through contractions of your muscles.

bunların hepsi kasların kasılmasıyla gerçekleşiyor.

So it's really important to remember

Şunu hatırlamakta yarar var

that sensory, memory and cognitive processes are all important,

duyusal, bilişsel ve hafızaya dair süreçlerin hepsi önemli,

but they're only important

ancak onlar sadece

to either drive or suppress future movements.

ilerki hareketleri başlatmak veya bastırmak için önemli.

There can be no evolutionary advantage

Daha sonra nasıl hareket edeceğinizi etkilemiyorsa

to laying down memories of childhood

çocukluk anılarını hafızanızda tutmanın

or perceiving the color of a rose

ya da bir gülün rengini algılamanın

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

evrimsel açıdan hiç bir avantajı yoktur.

Now for those who don't believe this argument,

Bu argümana inanmayanlar için,

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

gezegenimizde otların ve ağaçların beyinleri yok,

but the clinching evidence is this animal here --

ama burada tezimizi destekleyici kanıt şu hayvan--

the humble sea squirt.

denizüzümü.

Rudimentary animal, has a nervous system,

İlkel bir hayvan, sınır sistemi var,

swims around in the ocean in its juvenile life.

Yavruyken okyanusta ordan oraya yüzer.

And at some point of its life,

Ve hayatının bir noktasında,

it implants on a rock.

bir kayaya yerleşir.

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

Ve bir daha ayrılmayacağı o kayaya yapıştığında yaptığı ilk iş,

is to digest its own brain and nervous system

beynini ve sinir sistemini, yiyecek olarak

for food.

tüketmektir.

So once you don't need to move,

Yani hareket etmeye ihtiyacınız yoksa,

you don't need the luxury of that brain.

bir beyne sahip olma lüksüne de ihtiyacınız yoktur.

And this animal is often taken

Ve bu arada birçok kişi

as an analogy to what happens at universities

üniversitelerde kadrosunu almış olan

when professors get tenure,

profesörleri bu hayvana benzetir,

but that's a different subject.

ama bu tabii ki başka bir konu.

(Applause)

(Alkışlar)

So I am a movement chauvinist.

Yani ben bir hareket şovenistiyim.

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

Hareket etmenin beynimizin en önemli fonksiyonu olduğuna inanıyorum --

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

kimsenin size bunun yanlış olduğunu söylemesine izin vermeyin.

Now if movement is so important,

Şimdi eğer hareket çok önemli ise,

how well are we doing

beynin hareketi nasıl kontrol ettiğini

understanding how the brain controls movement?

ne kadar iyi anlayabiliyoruz?

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

Ve cevap şu ki bu konuda oldukça zayıfız; bu çok zor bir problem.

But we can look at how well we're doing

Ama aslında bunu ne kadar anlamış olduğumuzu

by thinking about how well we're doing building machines

insanların yapabildiklerini yapabilen makineleri inşa etmekte ne kadar

which can do what humans can do.

iyi olduğumuza bakarak görebiliriz.

Think about the game of chess.

Satrancı bir düşünün.

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

Hangi taş ile nereye hamle yapacağımıza karar vermekte ne kadar iyiyiz?

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

Eğer Gary Kasparov burada olsaydı, hapiste olmadığı zaman,

against IBM's Deep Blue,

ve IBM Deep Blue'ya karşı oynasaydı,

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

IBM Deep Blue zaman zaman kazanırdı.

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

Ve bence IBM Deep Blue bu salonda kimle oynarsa oynasın her seferinde kazanırdı.

That problem is solved.

O sorun çözüldü.

What about the problem

Peki ya bir satranç taşını

of picking up a chess piece,

tutup kaldırma,

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

ve onu ustalıkla hareket ettirip tahtaya geri koyma konusuna ne demeli?

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

Eğer beş yaşında ki bir çocuğun el yeteneğini alıp günümüzün en iyi robotuyla karşılaştırırsak,

the answer is simple:

cevabımız çok kolay olurdu:

the child wins easily.

Çocuk kolayca kazanır.

There's no competition at all.

Bir rekabet söz konusu bile değildir.

Now why is that top problem so easy

Peki neden bu ilk problemimiz çok kolay da

and the bottom problem so hard?

sonraki problemimiz çok zor?

One reason is a very smart five year-old

Bir sebebi, 5 yaşında çok zeki bir çocuk

could tell you the algorithm for that top problem --

oyunun olası hamlelerine bakarak

look at all possible moves to the end of the game

size ilk problemin algoritmasını söyleyebilir

and choose the one that makes you win.

ve size oyunu kazandıracak hamleyi seçebilir.

So it's a very simple algorithm.

Yani bu çok basit bir algoritma.

Now of course there are other moves,

Şimdi tabii ki başka hamleler de var,

but with vast computers we approximate

ama gelişmiş bilgisayarlarla tahmin yürütüp

and come close to the optimal solution.

optimal sonuca yaklaşıyoruz.

When it comes to being dexterous,

Halbuki iş el becerisine gelince,

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

el becerisine sahip olmak için nasıl bir algoritma çözmek gerektiği bile değil.

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

Ve göreceğiz ki, dünyada bir çok problemi aynı anda hem algılayıp

which has a lot of problems.

hem de harekete geçmek zorundasınız.

But let me show you cutting-edge robotics.

Ama şimdi size son teknoloji robotları göstereyim.

Now a lot of robotics is very impressive,

Günümüzde robotlar çok etkileyiciler,

but manipulation robotics is really just in the dark ages.

ama elini hareket ettiren robotlar hala karanlık çağlarda.

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

İşte bu bir doktora projesinin sonucu,

from one of the best robotics institutes.

en iyi robot enstitülerinden birinden alınma.

And the student has trained this robot

Ve öğrenci bu robota

to pour this water into a glass.

bardağa su doldurmayı öğretti.

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

Bu zor bir problem çünkü su her yere dökülüyor, ama bunu yapabilir.

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

Ama yaptığı iş hiç bir şekilde insan elinin becerikliliğini yakalayamayacak.

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

Şimdi eğer bu robotun zor bir görev yapmasını isterseniz,

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

bu yıllık başka bir doktora programı demektir.

There is no generalization at all

Robotlarda görevden göreve geçerken

from one task to another in robotics.

genelleme yapamazsınız.

Now we can compare this

Şimdi bunu en üst düzeyde

to cutting-edge human performance.

insanoğlunun performansıyla kıyaslayabiliriz.

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

Size Emily Fox'u göstereceğim.

winning the world record for cup stacking.

Fincan istiflemede dünya rekorunun sahibi.

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

Şimdi Amerikalı dinleyiciler fincan istifleme ile ilgili

It's a high school sport

herşeyi bilecek.

where you have 12 cups you have to stack and unstack

Bu bir lise sporudur. 12 fincanı belirlenmiş bir sırayla

against the clock in a prescribed order.

zamana karşı dizip sonra kaldırıyorsunuz.

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

Ve bu Emily dünya rekorunu elde ettiği zaman.

(Laughter)

(Kahkahalar)

(Applause)

(Alkışlar)

And she's pretty happy.

Ve oldukça mutlu.

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

Onun bunu yaparken beyninde neler olduğu hakkında hiçbir fikrimiz yok,

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

keşke bilebilseydik.

So in my group, what we try to do

Bu yüzden grubumla yapmaya çalıştığımız

is reverse engineer how humans control movement.

tersine mühendislikle insanların hareket kontrolünü çözmek.

And it sounds like an easy problem.

Ve bu kulağa kolaymış gibi geliyor.

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

Bir talimat gönderirsiniz, kasların kasılmasına sebep olur.

Your arm or body moves,

Kolunuz veya vücudunuz hareket eder.

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

ve gözleriniz, teniniz, kaslarınız vb. sayesinde duyusal geri dönüş alırsınız.

The trouble is

Sorun şu ki;

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

bu sinyaller istediğiniz gibi güzel değiller.

So one thing that makes controlling movement difficult

Hareket kontrolünü çok zor kılan şeylerden biri de

is, for example, sensory feedback is extremely noisy.

duyusal geri dönüşün çok gürültülü olması.

Now by noise, I do not mean sound.

Buradaki gürültü derken sesi kastetmiyorum.

We use it in the engineering and neuroscience sense

Bu deyimi mühendislik ve nöroloji alanlarında

meaning a random noise corrupting a signal.

sinyali bozan rasgele bir sesten bahsederken kullanıyoruz.

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

Dijital radyodan önce radyoda kanal ararken

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

dinlemek istediğiniz kanalın frekansında hışırtılı sesler duyardınız,

that was the noise.

bu bahsettiğim gürültüdür.

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

Ama genel anlamda, bu gürültü sinyali bozan bir şeydir.

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

Örneğin, elinizi masanın altına koyduğunuz zaman

and try to localize it with your other hand,

ve diğer elinizle eşleştirmek istediğinizde,

you can be off by several centimeters

bir kaç santimetre ile kaçırabilirsiniz,

due to the noise in sensory feedback.

duyusal geri dönüşteki gürültü nedeniyle.

Similarly, when you put motor output on movement output,

Aynı şekilde, motor çıktısını hareket çıktısının üstüne koyarsanız,

it's extremely noisy.

çok gürültülü olacaktır.

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

Dartlarda onikiden vurmayı unutun,

just aim for the same spot over and over again.

sadece aynı noktayı sürekli hedefleyin

You have a huge spread due to movement variability.

Hareket çeşitliliğinizden dolayı geniş bir alan seçeneğiniz vardır.

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

Bunun da ötesinde, gerçek dünya ya da görev

is both ambiguous and variable.

hem bilinmez hem de çok çeşitlidir.

The teapot could be full, it could be empty.

Demlik dolu olabilir, boş da olabilir.

It changes over time.

Zamanla değişir.

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

Yani bütün duyusal hareket görevlerimizi gürültü altında yapıyoruz.

Now this noise is so great

Şimdi, bu gürültü öylesine büyük ki

that society places a huge premium

toplum bu gürültünün sonuçlarını

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

en aza düşüren kişileri ödüllendirmektedir.

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

Yani eğer küçük beyaz bir topu uzun bir metal sopayla

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

metrelerce uzaklıktaki bir deliğe sokacak kadar şanslıysanız

our society will be willing to reward you

toplumumuz sizi yüzlerce milyon dolarla

with hundreds of millions of dollars.

ödüllendirmeye hazırdır.

Now what I want to convince you of

Şimdi sizi ikna etmek istediğim nokta şu:

is the brain also goes through a lot of effort

Beyin bu gürültü ve çeşitliliğin

to reduce the negative consequences

olumsuz sonuçlarını azaltmak için

of this sort of noise and variability.

çok fazla çaba sarfetmektedir.

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

Bunu yapmak için, son elli yılın istatistik ve mekanik öğretilerinde

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

çok popüler olan, Bayes karar teorisi adı verilen

called Bayesian decision theory.

bir karar verme sistemini anlatacağım.

And it's more recently a unifying way

Ve bu son zamanlarda

to think about how the brain deals with uncertainty.

beynin belirsizliklerle nasıl başettiğini anlamada birleştirici bir yol.

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

Temelde yatan fikir şu, önce çıkarımlar yapıyor ve sonra harekete geçiyorsunuz.

So let's think about the inference.

O zaman çıkarımları düşünelim.

You want to generate beliefs about the world.

Dünyaya dair bazı inançlar geliştirmek istersiniz.

So what are beliefs?

Bu inançlar nelerdir?

Beliefs could be: where are my arms in space?

İnançlar şu şekilde olabilir: boşlukta kollarım nerede?

Am I looking at a cat or a fox?

Bir kediye mi yoksa bir tilkiye mi bakıyorum?

But we're going to represent beliefs with probabilities.

Ama şimdi inançları olasılık ile sunacağız.

So we're going to represent a belief

Yani inancı 0 ile 1 arasında bir numarayla

with a number between zero and one --

temsil edelim --

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

0 hiç inanmıyorum, 1 kesinlikle inanıyorum demek olsun.

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

Ve aradaki numaralar size olasılığın gri seviyelerini verecektir.

And the key idea to Bayesian inference

Bayes çıkarımının temel fikri ise

is you have two sources of information

iki bilgi kaynağına sahip olduğumuzdur

from which to make your inference.

ve bunlardan çıkarımınızı yaparsınız.

You have data,

Veriniz var,

and data in neuroscience is sensory input.

ve nörolojide veri duyusal girdidir.

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

Yani, inanca dönüştürebileceğim duyusal girdilerim var.

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

Ancak diğer bir bilgi kaynağı daha var, daha etkili ve öncelikli bir bilgi.

You accumulate knowledge throughout your life in memories.

Hayatınızda anılarla birlikte bilgiyi de biriktirirsiniz.

And the point about Bayesian decision theory

Ve Bayes karar teorisinin altında yatan budur;

is it gives you the mathematics

duyusal verilerinizi

of the optimal way to combine

önceki bilgilerinizle harmanlayarak

your prior knowledge with your sensory evidence

yeni inançlar üretmenizi sağlayacak ideal yöntemin

to generate new beliefs.

matematiğini verir.

And I've put the formula up there.

Ve formülü bir kenara bıraktım.

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

Formülün ne olduğunu açıklamayacağım, ama çok güzel bir şey.

And it has real beauty and real explanatory power.

Gerçek bir güzelliği ve açıklayıcı bir gücü var.

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

Aslında söylediği ve sizin hesaplamak istediğiniz şey,

is the probability of different beliefs

duyusal girdileriniz doğrultusunda

given your sensory input.

farklı inançların oluşma olasılığıdır.

So let me give you an intuitive example.

Durun size sezgiyle ilgili bir örnek vereyim.

Imagine you're learning to play tennis

Tenis oynamayı öğrendiğinizi düşünün

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

top filenin üstünden size doğru geldiği zaman

as it comes over the net towards you.

topun nerede sekeceğine karar vermek istiyorsunuz.

There are two sources of information

Burada 2 farklı bilgi kaynağı var.

Bayes' rule tells you.

Bayes'in kuralı size şunu söyler.

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

Duyusal veri var -- görsel ve işitsel bilginizi kullanabilirsiniz.

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

ve bunlar size topun kırmızı noktaya düşeceğini söyleyebilir.

But you know that your senses are not perfect,

Ama biliyorsunuz ki hisleriniz kusursuz değil,

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

bu yüzden topun yere düşeceği çeşitli noktalar mevcut,

shown by that cloud of red,

kırmızı bulut bunları göstermekte,

representing numbers between 0.5 and maybe 0.1.

0.5 veya 0.1 arası sayılarla ifade edebiliriz.

That information is available in the current shot,

Bu bilgi o anki vuruş için geçerli,

but there's another source of information

ancak o anki vuruş için geçerli olmayan

not available on the current shot,

başka bir bilgi kaynağı daha var.

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

ancak bu yalnızca sürekli tenis oynayanlar için geçerli bir kaynak,

and that's that the ball doesn't bounce

Ve bu da topun maç esnasında kortta

with equal probability over the court during the match.

eşit olasılıklarla sekmediğidir.

If you're playing against a very good opponent,

Eğer çok iyi bir rakibe karşı oynuyorsanız,

they may distribute it in that green area,

topu o yeşil alana gönderebilir ,

which is the prior distribution,

ki bu sizin topu karşılamızı

making it hard for you to return.

zorlaştıracaktır öncelikli alandır.

Now both these sources of information carry important information.

Şimdi iki bilgi kaynağı da önemli veriler içeriyor.

And what Bayes' rule says

Ve Bayes'in kuralına göre

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

kırmızıdaki sayılarla yeşildekileri çarpmam gerekir, bu şekilde

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

sarı rengin üzerindeki, elipsleri içeren sayıları elde ederim

and that's my belief.

bu da benim inancımı oluşturur.

So it's the optimal way of combining information.

İşte bu bilgileri birleştirmenin en ideal yöntemidir.

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

Şimdi birkaç yıl önce insanların yeni hareketler

we showed this is exactly what people do

öğrendiklerinde ne yaptıklarını göstermiş

when they learn new movement skills.

olmasaydık bugün size bunları söylemezdim.

And what it means

Bu şu demek,

is we really are Bayesian inference machines.

Biz gerçekten Bayes çıkarım makineleriyiz.

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

Yaşadıkça, dünyanın istatistiğini öğrenip değerlendirmeye alıyoruz,

but we also learn

kendi duyu organlarımızın

about how noisy our own sensory apparatus is,

ne kadar gürültülü olduğunu da öğreniyoruz,

and then combine those

sonra bunları gerçek bir

in a real Bayesian way.

Bayes tekniğiyle birleştiriyoruz.

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

Bayes'in önemli bir kısmı formülün bu bölümünde gizli.

And what this part really says

Ve bu bölümün dediği şey

is I have to predict the probability

inançlarım doğrultusunda

of different sensory feedbacks

geri dönüşlerin farklı olasılıklarını

given my beliefs.

tahmin etmem gerektiği.

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

Bu gerçekten gelecek ile ilgili tahminler yapmamı zorunlu kılıyor.

And I want to convince you the brain does make predictions

Ve sizi beynin tahmin yaptığına ikna etmek istiyorum,

of the sensory feedback it's going to get.

alacağı duyusal geri dönüşün önceden tahmini.

And moreover, it profoundly changes your perceptions

Dahası, algılarınızı yaptıklarınızla derinlemesine

by what you do.

değiştiriyor.

And to do that, I'll tell you

Bunu yapabilmek için

about how the brain deals with sensory input.

beynin duyusal girdilerle nasıl başettiğini anlatacağım.

So you send a command out,

Bir talimat gönderiyorsunuz

you get sensory feedback back,

duyusal geri dönüş alıyorsunuz,

and that transformation is governed

ve bu dönüşüm vücut fiziği

by the physics of your body and your sensory apparatus.

ve duyu araçlarınız tarafından yönetiliyor.

But you can imagine looking inside the brain.

Ama beynin içine baktığınızı düşünün.

And here's inside the brain.

İşte beynin içi.

You might have a little predictor, a neural simulator,

Ufak bir tahmin ediciye, vücut fiziği ve duyuların

of the physics of your body and your senses.

sinirsel bir simülatörüne sahip olabilirsiniz.

So as you send a movement command down,

Hareket emrini aşağıya gönderdiğiniz zaman

you tap a copy of that off

bu emrin bir kopyasını çıkarıyorsunuz,

and run it into your neural simulator

ve bunu, hareketlerinizin duyusal sonuçlarını

to anticipate the sensory consequences of your actions.

tahmin edebilmek için sinirsel simülatöre gönderiyorsunuz.

So as I shake this ketchup bottle,

Yani bu ketçap şişesini salladığımda

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

en alt sıradaki zamanın fonksiyonu olarak doğru bir duyusal dönüş alırım.

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

Eğer tahmin edicim iyiyse, aynı şeyi öngörecektir.

Well why would I bother doing that?

Peki ne diye bu zahmete katlanıyorum?

I'm going to get the same feedback anyway.

Zaten aynı geri dönüşümü alacağım.

Well there's good reasons.

Aslında geçerli sebepleri var.

Imagine, as I shake the ketchup bottle,

Düşünün ki bu ketçap şişesini sallarken,

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

biri yanıma gelip kibarca şişenin arkasına vuruyor.

Now I get an extra source of sensory information

Şimdi bu dış hareketten dolayı ekstra bir

due to that external act.

duyusal bilgi kaynağım oluverdi.

So I get two sources.

Yani iki kaynağım var.

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

Sen şişenin altına vuruyosun ben de sallıyorum,

but from my senses' point of view,

ama benim duyularıma göre

that is combined together into one source of information.

tüm bunlar tek bir bilgi kaynağında toplanıyor.

Now there's good reason to believe

Dış olaylarla iç hareketleri birbirinden

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

ayırabilmeyi istemek için çok iyi bir nedeniniz var

Because external events are actually much more behaviorally relevant

Çünkü dış kaynaklı olaylar, kendi vücudumda olup bitenleri

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

hissedebilmekten öte daha çok davranışsallıkla alakalıdır.

So one way to reconstruct that

Bunu yeniden kurabilmemizin bir yolu

is to compare the prediction --

öngörü ve tahminleri --

which is only based on your movement commands --

ki bu hareket emirlerinize dayanmaktadır --

with the reality.

gerçekle kıyaslamaktır.

Any discrepancy should hopefully be external.

Herhangi bir uyuşmazlığın dış kaynaklı olması gerekir.

So as I go around the world,

Dünyada geçirdiğim süre boyunca,

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

edinmem gerekenleri tahmin ediyor ve onları listeden siliyorum.

Everything left over is external to me.

Geri kalan herşey benim için dış kaynaklıdır.

What evidence is there for this?

Bunun kanıtları ne?

Well there's one very clear example

Aslında çok net bir örnek var,

where a sensation generated by myself feels very different

bu örnekte, kendi kendime ürettiğim bir his başka biri

then if generated by another person.

tarafından üretilenden daha farklı hissettiriyor.

And so we decided the most obvious place to start

Size en kesin örneği vererek başlayacağım:

was with tickling.

gıdıklanmak.

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

Uzun zamandır biliniyor ki, başkaları sizi gıdıklayabilirken

as well as other people can.

siz kendi kendinizi gıdıklayamazsınız

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

Ama bunun sizde varolan sinirsel simülatörde

simulating your own body

denenmiş ve

and subtracting off that sense.

listeden silinmiş olduğu söylenmez.

So we can bring the experiments of the 21st century

Bu probleme robot teknolojisini uygulayarak

by applying robotic technologies to this problem.

21. yüzyılın deneylerine ulaşabiliriz.

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

Elimizde bir robota bağlı olan bir çubuk var ve

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

bu çubuklar ileri-geri hareket ettirilecekler.

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

Sonra biz bunu bilgisayar yoluyla takip edip

and use it to control another robot,

başka bir robotu kontrol etmek için kullanacağız,

which is going to tickle their palm with another stick.

ve bu son robot başka bir çubukla avcun içini gıdıklayacak.

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

Ve sonra deneklerimiz gıdıklanmakla alakalı

including ticklishness.

bir kaç değerlendirme yapacaklar.

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

Size çalışmanın bir parçasını göstereyim.

And here I've taken away the robots,

Burada robotları aldık,

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

ama temel olarak denekler sağ kollarını ileri-geri hareket ettiriyorlar.

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

Bir zaman aralığından sonra bunu diğer kolla da yaptırdık.

Either no time delay,

Hiçbir zaman aralığı olmadan,

in which case light would just tickle your palm,

ya da saniyenin onda ikisi-onda üçü gibi zaman aralıklarında

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

sadece ışık avcunuzu gıdıklayabilir,

So the important point here

Buradaki önemli nokta

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

sağ kol her zaman aynı şeyi yapıyor -- sinüsoidal hareketini.

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

Sol el hep aynı ve sinüsoidal gıdıklamayı gerçekleştiriyor.

All we're playing with is a tempo causality.

Oynadığımız şey tamamiyle bir tempo nedensellik ilişkisi.

And as we go from naught to 0.1 second,

Ve sıfırdan 0.1 saniyeye geçtiğimizde

it becomes more ticklish.

daha gıdıklayıcı oluyor.

As you go from 0.1 to 0.2,

0.1'den 0.2'ye gittiğinizde

it becomes more ticklish at the end.

sonunda daha da gıdıklayıcı oluyor

And by 0.2 of a second,

Ve bir saniyenin 0.2'sinde

it's equivalently ticklish

siz hiçbir şey yapmadan

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

sizi gıdıklayan robot için eşit gıdıklayıcılıkta oluyor.

So whatever is responsible for this cancellation

Yani bu iptalden ne sorumluysa

is extremely tightly coupled with tempo causality.

tempo nedenselliği ile sıkı bir ilişki içerisinde.

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

Bu örneğe dayalı olarak, kendimizi şuna inandırdık ki beyin

that the brain's making precise predictions

kesin tahminler yapıyor

and subtracting them off from the sensations.

ve bunları hislerden siliyor

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

Şimdi itiraf etmem gerekir ki bunlar labratuvarımın en kötü çalışmaları.

Because the tickle sensation on the palm comes and goes,

Çünkü avuçtaki gıdıklanma hissi gelir ve gider,

you need large numbers of subjects

çok sayıda deneğe ihtiyacınız vardır

with these stars making them significant.

ve bu yıldızlar onları önemli kılar.

So we were looking for a much more objective way

Bu nedenle çok daha nesnel bir yöntem arıyoruz

to assess this phenomena.

ki bu durumu değerlendirebilelim.

And in the intervening years I had two daughters.

Ve bu zaman zarfında iki tane kızım oldu.

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

Çocuklarınız arka koltukta iken uzun yolculuklara çıktığınızda şunu farkedersiniz,

they get into fights --

kavga ederler --

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

bu kavgalar birinin ötekine bir şey yapması ve diğerinin karşılık vermesi ile başlar,

It quickly escalates.

ve hemen kızışır.

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

Ve çocuklar güç gösterimi ile kızışan kavgalara girmeye eğilimlidirler.

Now when I screamed at my children to stop,

Çocuklarıma durmaları için bağırdığımda,

sometimes they would both say to me

bazen bana her ikisi de der ki

the other person hit them harder.

o bana daha sert vurdu.

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

Şunu biliyorum ki benim çocuklarım yalan söylemez,

so I thought, as a neuroscientist,

bu yüzden bir sinir bilimcisi olarak düşündüm ki,

it was important how I could explain

şunu açıklayabiliyor olmam önemliydi;

how they were telling inconsistent truths.

nasıl birbiri ile tutarsız gerçekler söyleyebiliyorlar.

And we hypothesize based on the tickling study

Ve gıdıklama çalışmasına dayanarak bir tez öne sürdük,

that when one child hits another,

buna göre bir çocuk diğerine vurduğunda,

they generate the movement command.

hareket emrini üretiyorlar.

They predict the sensory consequences and subtract it off.

Duyusal sonuçlarını tahmin ediyorlar ve çıkarıyorlar.

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

Bu yüzden de vurdukları kişiye daha az sert vurduklarını zannediyorlar --

rather like the tickling.

tıpkı gıdıklamada olduğu gibi.

Whereas the passive recipient

Ancak vuruşu hisseden pasif kişi

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

böyle bir tahmin yapmıyor ve vuruşu tamamiyle hissediyor.

So if they retaliate with the same force,

Yani eğer onlar hissettikleri güç ile karşılık verirlerse,

the first person will think it's been escalated.

ilk kişi vuruş gücünün arttığını sanıyor.

So we decided to test this in the lab.

Ve bunu labratuvarda test etmeye karar verdik

(Laughter)

(Gülüşmeler)

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

Tabii ki çocuklarla ya da birbirine vurmayı esas alarak çalışmıyoruz.

but the concept is identical.

ama kavram benzer.

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

İki yetişkin alıyoruz. Onlara bir oyun oynayacaklarını söylüyoruz.

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

Ve işte burda karşılıklı oturan birinci ve ikinci oyuncular.

And the game is very simple.

Ve oyun çok basit.

We started with a motor

Bir motor,

with a little lever, a little force transfuser.

ufak bir kaldıraç ve güç nakledici ile başladık.

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

Bu motoru birinci oyuncunun parmaklarına güç vermek için kullanıyoruz,

for three seconds and then it stops.

üç saniye sürüyor ve duruyor.

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

Ve bu oyuncuya deniyor ki bu gücün şiddetini hatırlayın

and use your other finger

ve diğer parmağınızı kullanarak

to apply the same force

aynı gücü

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

diğer oyuncunun parmağına bir güç nakledici aracılığıyla uygulayın -- ve yapıyorlar.

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

Ve ikinci oyuncuya bu gücü hatırlaması,

Use your other hand to apply the force back down.

diğer elini aynı gücü geri uygulamak için kullanması söyleniyor.

And so they take it in turns

Ve bu şekilde

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

hissettikleri gücü sırayla tekrar geri uyguluyorlar.

But critically,

Önemli bir detay,

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

oyuncular oyunun kuralları hakkında ayrı odalarda bilgilendiriliyorlar.

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

Yani dğer oyuncunun hangi kurallarla oynadığını bilmiyorlar.

And what we've measured

Ölçtüğümüz şu;

is the force as a function of terms.

her bir kadamedeki gücün şiddeti.

And if we look at what we start with,

Ve başladığımız noktaya bakacak olursak,

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

bir Newton'ın çeyreği şiddetinde başlıyor, birkaç aşama sonra,

perfect would be that red line.

şu kırmızı noktaya ulaşıyor.

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

Ve bütün çiftlerde şunu gördük ki --

a 70 percent escalation in force

her oyuncu her seferinde gücü %70

on each go.

oranında arttırıyor.

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

Yani bu demek oluyor ki bunu yaparken --

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

bu ve yaptığımız diğer çalışmalara dayanarak --

that the brain is canceling the sensory consequences

beyin duyusal sonuçları iptal ediyor

and underestimating the force it's producing.

ve ürettiği gücün şiddetini hafife alıyor.

So it re-shows the brain makes predictions

Bu tekrar gösteriyor ki beyin tahminler yapar

and fundamentally changes the precepts.

ve temel hükümleri değiştiriyor.

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

Yani çıkarımlar yaptık, tahminler yaptık,

now we have to generate actions.

ve şimdi hareket üretmeliyiz.

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

Ve Bayes'in kuralı der ki, inançlarım doğrultusunda,

the action should in some sense be optimal.

hareket bir anlamda optimal olmalı.

But we've got a problem.

Ancak bir sorunumuz var.

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

Görevler semboliktir -- içmek istiyorum, dansetmek istiyorum --

but the movement system has to contract 600 muscles

ama hareket sistemi 600 kası belli aralıklarla

in a particular sequence.

kasmak zorundadır.

And there's a big gap

Ve görev ile hareket

between the task and the movement system.

sistemi arasında büyük bir boşluk bulunmaktadır.

So it could be bridged in infinitely many different ways.

Yani bu sonsuz sayıda farklı şekilde birleştirilebilir.

So think about just a point to point movement.

Yalnız bir noktadan diğer bir noktaya olan bir hareketi düşünün.

I could choose these two paths

Bu iki yolu

out of an infinite number of paths.

sınırsız sayıda yol arasından seçebilirim.

Having chosen a particular path,

Belirli bir yol seçtikten sonra,

I can hold my hand on that path

Elimi o yol üzerinde

as infinitely many different joint configurations.

sonsuz sayıda farklı eklem düzenlemeleri ile tutabilirim.

And I can hold my arm in a particular joint configuration

Ve kolumu belirli bir eklem düzenlemesi ile

either very stiff or very relaxed.

ya çok katı ya da gevşek tutabilirim.

So I have a huge amount of choice to make.

Yani inanılmaz derecede fazla seçeneğim var.

Now it turns out, we are extremely stereotypical.

Şimdi ortaya çıkıyor ki, bizler aşırı derecede stereotipik varlıklarız.

We all move the same way pretty much.

Genelde aynı yolu takip ederek hareket ediyoruz.

And so it turns out we're so stereotypical,

Sonuçta ne kadar standart olduğumuz ortaya çıkar,

our brains have got dedicated neural circuitry

beynimiz standart hareketi deşifre etmek için

to decode this stereotyping.

kendini sinirsel devreye adamıştır.

So if I take some dots

Yani birkaç nokta alır

and set them in motion with biological motion,

ve onları biyolojik hareketle ilişkilendirirsem,

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

beyninizin devresi hemen ne olduğunu algılayacaktır.

Now this is a bunch of dots moving.

Şimd burada hareket eden bir sürü nokta var.

You will know what this person is doing,

Ama bu insanın ne yaptığını anlarsınız.

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

mutlu mu, mutsuz mu, yaşlı mı, genç mi -- çok fazla bilgi.

If these dots were cars going on a racing circuit,

Eğer bu noktalar bir yarış devresindeki arabalar olsaydı,

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

ne olduğu hakkında hiçbir fikriniz olmazdı.

So why is it

O zaman neden

that we move the particular ways we do?

belli şekillerde hareket ediyoruz?

Well let's think about what really happens.

Şimdi aslında ne olduğu hakkında düşünelim.

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

Belki de tam olarak aynı şekilde hareket etmiyoruz.

Maybe there's variation in the population.

Belki de popülasyon içinde çeşitlilik var.

And maybe those who move better than others

Ve belki diğerlerinden daha iyi hareket edenler

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

çocuklarını sonraki nesillere taşımakta daha şanslı olacaklar.

So in evolutionary scales, movements get better.

Yani evrimsel boyutta, hareketler daha iyiye gider.

And perhaps in life, movements get better through learning.

Ve belki hayatta hareketler öğrenme aracılığıyla gelişir.

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

Peki bir harekete iyi ya da kötü derken neyi kastediyoruz?

Imagine I want to intercept this ball.

Düşünün ki ben bu topu durdurmak istiyorum.

Here are two possible paths to that ball.

Topa giden iki olası yol var.

Well if I choose the left-hand path,

Eğer sol elin yolunu seçersem,

I can work out the forces required

gerekli olan gücü zamanın bir fonksiyonu

in one of my muscles as a function of time.

olarak kaslarımdan birinde uygulayabilirim.

But there's noise added to this.

Ama buna eklenen bir gürültü var.

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

Yani aslında bu istediğim güzel ve akıcı hareketle elime geçen

is a very noisy version.

çok gürültülü bir versiyon.

So if I pick the same command through many times,

Aynı emri bir çok defa verirsem,

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

Her seferinde farklı bir gürültülü versiyona ulaşırım, çünkü gürültüler değişir.

So what I can show you here

Yani size burada şunu gösterebilirim,

is how the variability of the movement will evolve

o yolu seçtiğimde hareketin çeşitliliği nasıl

if I choose that way.

evrilir.

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

Eğer hareket etmek için farklı bir yol seçersem -- örneğin sağ tarafta --

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

o zaman farklı emir, farklı gürültüler oluşacaktır,

playing through a noisy system, very complicated.

gürültülü bir sistemde oynamak oldukça karışıktır.

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

Emin olabileceğimiz tek şey çeşitlilik farklı olacaktır.

If I move in this particular way,

Eğer şu şekilde hareket edersem,

I end up with a smaller variability across many movements.

farklı hareket seçeneklerine kıyasla daha az bir çeşitliliğe ulaşırım.

So if I have to choose between those two,

Yabi bu ikisi arasında karar vermem gerekirse,

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

sağ tarafı tercih ederim çünkü orası daha az değişkendir.

And the fundamental idea

Ve temel fikir şu ki

is you want to plan your movements

hareketlerinizi planlamak istersiniz,

so as to minimize the negative consequence of the noise.

bu şekilde gürültünün olumsuz sonuçlarını azaltmaya çalışırsınız.

And one intuition to get

Ve elde edilen bir sezgi şudur,

is actually the amount of noise or variability I show here

burada gösterdiğim gürültünün miktarı ve çeşitliliği aslında

gets bigger as the force gets bigger.

güç büyüdükçe artar.

So you want to avoid big forces as one principle.

Yani kural olarak büyük güçlerden kaçınmaya çalışırsınız.

So we've shown that using this,

Bunu kullanarak şunu göstermiş oluyoruz ki

we can explain a huge amount of data --

çok sayıda veriyi açıklayabiliriz --

that exactly people are going about their lives planning movements

insanlar hayatları boyunca hareketlerini planlamaktadırlar,

so as to minimize negative consequences of noise.

böylelikle gürültünün olumsuz sonuçlarını azaltmayı amaçlarlar.

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

Umarım beynin orda olduğuna sizi ikna etmişimdir,

and evolved to control movement.

ve hareketlerimizi kontrol etmek için evrildiğine.

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

Ve bunu nasıl yaptığımız entellektüel bir meydan okumadır.

But it's also relevant

Ama aynı zamanda

for disease and rehabilitation.

hastalıklar ve rehabilatasyonla alakalıdır.

There are many diseases which effect movement.

Hareketi etkileyen çok sayıda hastalık vardır.

And hopefully if we understand how we control movement,

Umut ediyorum ki eğer hareketi nasıl kontrol ettiğimizi anlarsak,

we can apply that to robotic technology.

bunu robot teknolojisine yansıtabiliriz.

And finally, I want to remind you,

Ve son olarak size hatırlatmak istiyorum ki,

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

hayvanların çok basitmiş gibi gözüken görevleri yaparken gördüğünüzde,

the actual complexity of what is going on inside their brain

beyinlerinin içinde olanların karmaşıklığı

is really quite dramatic.

oldukça çarpıcıdır.

Thank you very much.

Çok teşekkür ederim.

(Applause)

(Alkışlar)

Chris Anderson: Quick question for you, Dan.

Chris Anderson: Dan, sana hızlı bir soru.

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

Yani sen bir hareket şovenistisin.

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

Bu şu mu demek oluyor, beynimizle ilgili olduğunu sandığımız diğer şeyler --

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

rüya görmek, bir şeyi arzulamak, aşık olmak ve bunun gibi birçok şey --

are a kind of side show, an accident?

asında bir yan ürün, birer kaza mı?

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

DW: Hayır, hayır, aslında bence onların tümü önemli,

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

bizi aynı hareketi yeniden üretebilmeye yönelik doğru davranışa yöneltirler.

So I think people who study sensation or memory

Yani inanıyorum ki his ve hafıza üzerine çalışan insanlar

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

bazen çocukluk anılarını neden sakladığımızı farketmezler.

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

Mesela çocukluğumuzun büyük bir kısmını unutmamız

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

olağandır, çünkü hayatımızın geri kalanındaki hareketlerimizi etkilemez

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

Sadece hareketlerinizi gerçekten etkileyecek şeyleri saklama ihtiyacı duyarsınız.

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

CA: Yani diyorsun ki beyin ve genel anlamda bilinç üzerinde düşünen insanlar

could get real insight

hareket bu oyunun neresinde

by saying, where does movement play in this game?

diye düşünerek derinleşebilirler?

DW: So people have found out for example

DW: Yani insanlar örneğin şunu bulmuştur

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

neden görme duyumuz olduğunu farketmeden görme duyusu üzerine çalışmak

is a mistake.

bir hatadır.

You have to study vision with the realization

Görme duyusunu hareket sistemimizin

of how the movement system is going to use vision.

onu nasıl kullanacağını düşünerek çalışmalısınız.

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

Ve bu şekilde düşündüğünde onu çok farklı kullandığını görebilirsiniz

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

CA: Evet, bu gerçekten etkileyiciydi. Çok teşekkür ederiz.

(Applause)

(Alkış)