Sebastian Seung: I am my connectome

Sebastian Seung:Konektomum neyse oyum.

247,777 views ・ 2010-09-28

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Emre Sevinc Gözden geçirme: Sancak Gülgen
00:17
We live in in a remarkable time,
0
17260
3000
Kayda değer bir dönemde yaşıyoruz,
00:20
the age of genomics.
1
20260
3000
genom bilimi çağı.
00:23
Your genome is the entire sequence of your DNA.
2
23260
3000
Genomunuz DNAnızın tüm dizisidir.
00:26
Your sequence and mine are slightly different.
3
26260
3000
Sizin diziniz ile benimki biraz farklıdır.
00:29
That's why we look different.
4
29260
2000
Bu yüzden farklı görünüyoruz.
00:31
I've got brown eyes;
5
31260
2000
Benim gözlerim kahverengi.
00:33
you might have blue or gray.
6
33260
3000
Sizinki mavi ya da gri olabilir.
00:36
But it's not just skin-deep.
7
36260
2000
Ama bu sadece yüzeydeki şeylerle ilgili değil.
00:38
The headlines tell us
8
38260
2000
Manşetlere göre
00:40
that genes can give us scary diseases,
9
40260
3000
genler bize korkunç hastalıklar verebilir,
00:43
maybe even shape our personality,
10
43260
3000
hatta belki kişiliğimizi şekillendirebilir
00:46
or give us mental disorders.
11
46260
3000
veya bize akıl hastalıkları verebilir.
00:49
Our genes seem to have
12
49260
3000
Görünen o ki genlerimiz
00:52
awesome power over our destinies.
13
52260
3000
kaderimiz üzerinde büyük bir güce sahip.
00:56
And yet, I would like to think
14
56260
3000
Buna rağmen ben genlerimden fazlası
00:59
that I am more than my genes.
15
59260
3000
olduğumu düşünmeyi terchi ederim.
01:04
What do you guys think?
16
64260
2000
Siz ne düşünüyorsunuz?
01:06
Are you more than your genes?
17
66260
3000
Genlerinizden daha fazlası mısınız?
01:09
(Audience: Yes.) Yes?
18
69260
2000
(Seyirciler: Evet.) Evet?
01:13
I think some people agree with me.
19
73260
2000
Galiba bazı insanlar bana katılıyor.
01:15
I think we should make a statement.
20
75260
2000
Sanırım bu iddiayı dile getirmeliyiz.
01:17
I think we should say it all together.
21
77260
2000
Bence bunu hep birlikte söylemeliyiz.
01:20
All right: "I'm more than my genes" -- all together.
22
80260
3000
Pekala: "Ben genlerimden daha fazlasıyım" -- hep beraber.
01:23
Everybody: I am more than my genes.
23
83260
4000
Herkes: Ben genlerimden daha fazlasıyım.
01:27
(Cheering)
24
87260
2000
(Neşeli)
01:30
Sebastian Seung: What am I?
25
90260
2000
Sebastian Seung: Ben neyim?
01:32
(Laughter)
26
92260
3000
(Gülüşmeler)
01:35
I am my connectome.
27
95260
3000
Konektomum neyse ben oyum.
01:40
Now, since you guys are really great,
28
100260
2000
Şimdi, siz harika insanlar olduğunuza göre
01:42
maybe you can humor me and say this all together too.
29
102260
2000
belki beni eğlendirebilir ve bunu da hep birlikte söyleyebilirsiniz.
01:44
(Laughter)
30
104260
2000
(Gülüşmeler)
01:46
Right. All together now.
31
106260
2000
Pekala. Şimdi hep birlikte.
01:48
Everybody: I am my connectome.
32
108260
3000
Herkes: Konektomum neyse ben oyum.
01:53
SS: That sounded great.
33
113260
2000
SS: Bu harikaydı.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
115260
2000
O kadar harikasınız ki, konektom nedir bilmediğiniz halde
01:57
and you're willing to play along with me.
35
117260
2000
bana eşlik ediyorsunuz.
01:59
I could just go home now.
36
119260
3000
Ben de şimdi eve gidebilirim.
02:02
Well, so far only one connectome is known,
37
122260
3000
Pekala, şimdiye dek sadece tek bir konektom biliniyor
02:05
that of this tiny worm.
38
125260
3000
ve o da bu minik kurtçuğa ait.
02:08
Its modest nervous system
39
128260
2000
Onun basit sinir sistemi
02:10
consists of just 300 neurons.
40
130260
2000
sadece 300 nörondan ibaret.
02:12
And in the 1970s and '80s,
41
132260
2000
1970ler ve 80lerde,
02:14
a team of scientists
42
134260
2000
bir grup bilim insanı
02:16
mapped all 7,000 connections
43
136260
2000
bu nöronlar arasındaki 7000 bağlantının
02:18
between the neurons.
44
138260
2000
haritasını çıkardı.
02:21
In this diagram, every node is a neuron,
45
141260
2000
Bu diyagramda her nokta bir nörondur
02:23
and every line is a connection.
46
143260
2000
ve her çizgi de bir bağlantı.
02:25
This is the connectome
47
145260
2000
Bu C. elegans kurtçuğunun
02:27
of the worm C. elegans.
48
147260
4000
konektomudur.
02:31
Your connectome is far more complex than this
49
151260
3000
Sizin konektomunuz bundan çok daha karmaşıktır
02:34
because your brain
50
154260
2000
çünkü sizin beyninizde
02:36
contains 100 billion neurons
51
156260
2000
100 milyar nöron ve
02:38
and 10,000 times as many connections.
52
158260
3000
bundan 10.000 kat daha çok bağlantı vardır.
02:41
There's a diagram like this for your brain,
53
161260
2000
Sizin beyniniz için de bunun gibi bir diyagram var
02:43
but there's no way it would fit on this slide.
54
163260
3000
ama onu bu ekrana sığdıramam.
02:47
Your connectome contains one million times more connections
55
167260
3000
Sizin konektomunuzdaki bağlantı sayısı genomunuzdaki harflerden
02:50
than your genome has letters.
56
170260
3000
bir milyon kat daha fazladır.
02:53
That's a lot of information.
57
173260
2000
Bu epey çok bilgi demektir.
02:55
What's in that information?
58
175260
3000
Peki bu bilginin anlamı ne?
02:59
We don't know for sure, but there are theories.
59
179260
3000
Tam olarak bilmiyoruz ama bazı teoriler var.
03:02
Since the 19th century, neuroscientists have speculated
60
182260
3000
19. yüzyıldan beri nörobilimciler çeşitli şeyler düşündüler,
03:05
that maybe your memories --
61
185260
2000
belki de hafızalarınız --
03:07
the information that makes you, you --
62
187260
2000
yani sizi siz yapan bilgiler --
03:09
maybe your memories are stored
63
189260
2000
beyinleriniz arasındaki bağlantılarda
03:11
in the connections between your brain's neurons.
64
191260
2000
depolanmaktadır.
03:15
And perhaps other aspects of your personal identity --
65
195260
2000
Ve belki kişisel kimliğinizin diğer noktaları da --
03:17
maybe your personality and your intellect --
66
197260
3000
belki de kişiliğiniz ve düşünce dünyanız --
03:20
maybe they're also encoded
67
200260
2000
belki bunlar da
03:22
in the connections between your neurons.
68
202260
3000
nöronlarınız arasındaki bağlantılarla kodlanmıştır.
03:26
And so now you can see why I proposed this hypothesis:
69
206260
3000
Ve şimdi benim neden şu hipotezi ortaya attığımı görebilirsiniz sanırım:
03:29
I am my connectome.
70
209260
3000
Konektomum neyse ben oyum.
03:32
I didn't ask you to chant it because it's true;
71
212260
3000
Bu doğru olduğu için istemedim bunu hep bir ağızdan söylemenizi.
03:35
I just want you to remember it.
72
215260
2000
Sadece hatırlamanızı istiyorum.
03:37
And in fact, we don't know if this hypothesis is correct,
73
217260
2000
Aslında bu hipotez doğru mu bilmiyoruz
03:39
because we have never had technologies
74
219260
2000
çünkü bunu test edebilecek kadar güçlü
03:41
powerful enough to test it.
75
221260
2000
teknolojimiz hiç olmamıştı.
03:44
Finding that worm connectome
76
224260
3000
O kurtçuğun konektomunu bulmak
03:47
took over a dozen years of tedious labor.
77
227260
3000
12 yıldan daha uzun süre boyunca çok ciddi emek gerektirdi.
03:50
And to find the connectomes of brains more like our own,
78
230260
3000
Ve bizimki gibi beyinlerin konektoumunu bulmak için
03:53
we need more sophisticated technologies, that are automated,
79
233260
3000
konektomları bulmamızı hızlandıracak
03:56
that will speed up the process of finding connectomes.
80
236260
3000
daha sofistike ve otomatik teknolojilere ihtiyacımız var.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
239260
3000
Önümüzdeki birkaç dakika boyunca size şu anda benim ve çalışma arkadaşlarımın
04:02
which are currently under development
82
242260
2000
laboratuvarlarında geliştirilmekte olan
04:04
in my lab and the labs of my collaborators.
83
244260
3000
teknolojilerden bahsedeceğim.
04:08
Now you've probably seen pictures of neurons before.
84
248260
3000
Muhtemelen daha önce nöron resimleri görmüşsünüzdür.
04:11
You can recognize them instantly
85
251260
2000
Onları fantastik şekillerine bakarak
04:13
by their fantastic shapes.
86
253260
3000
hemen tanıyabilirsiniz.
04:16
They extend long and delicate branches,
87
256260
3000
Uzun ve ince dallar boyunca uzanırlar,
04:19
and in short, they look like trees.
88
259260
3000
kısaca ağaçlara benzerler.
04:22
But this is just a single neuron.
89
262260
3000
Ama bu sadece tek bir nöron.
04:25
In order to find connectomes,
90
265260
2000
Konektomları bulabilmek için
04:27
we have to see all the neurons at the same time.
91
267260
3000
tüm nöronları aynı anda görmemiz gerekiyor.
04:30
So let's meet Bobby Kasthuri,
92
270260
2000
Bu yüzden Bobby Kasthuri ile tanışalım,
04:32
who works in the laboratory of Jeff Lichtman
93
272260
2000
kendisi Harvard Üniversitesi'nde Jeff Lichtman'ın laboratuvarında
04:34
at Harvard University.
94
274260
2000
çalışıyor.
04:36
Bobby is holding fantastically thin slices
95
276260
2000
Bobby fare beyninin çok ince
04:38
of a mouse brain.
96
278260
2000
dilimlerini tutuyor.
04:40
And we're zooming in by a factor of 100,000 times
97
280260
3000
Ve 100.000 kere büyütüyoruz
04:44
to obtain the resolution,
98
284260
2000
ki tüm nöronların dallarını
04:46
so that we can see the branches of neurons all at the same time.
99
286260
3000
aynı zamanda görebilelim.
04:50
Except, you still may not really recognize them,
100
290260
3000
Ancak yine de onları seçemiyor olabilirsiniz
04:53
and that's because we have to work in three dimensions.
101
293260
3000
çünkü bunun için üç boyutta çalışmamız gerekiyor.
04:56
If we take many images of many slices of the brain
102
296260
2000
Eğer beyin dilimlerinin pek çok görüntüsünü alıp
04:58
and stack them up,
103
298260
2000
üst üste yerleştirirsek
05:00
we get a three-dimensional image.
104
300260
2000
üç boyutlu bir görüntü elde ederiz.
05:02
And still, you may not see the branches.
105
302260
2000
Yine de belki dalları göremeyebilirsiniz.
05:04
So we start at the top,
106
304260
2000
Bu yüzden tepeden başlayıp
05:06
and we color in the cross-section of one branch in red,
107
306260
3000
bir dalın kesitini kırmızı ile renklendiriyoruz
05:09
and we do that for the next slice
108
309260
2000
ve bunu bir sonraki dilim için yapıyoruz
05:11
and for the next slice.
109
311260
2000
ve bir sonraki dilim için de.
05:13
And we keep on doing that,
110
313260
2000
Ve bunu dilim dilim
05:15
slice after slice.
111
315260
3000
yapmayı sürdürüyoruz.
05:18
If we continue through the entire stack,
112
318260
2000
Eğer tüm yığın boyunca devam edersek
05:20
we can reconstruct the three-dimensional shape
113
320260
3000
bir nöronun dalının küçük bir parçasının
05:23
of a small fragment of a branch of a neuron.
114
323260
3000
üç boyutlu şeklini yeniden oluşturabiliriz.
05:26
And we can do that for another neuron in green.
115
326260
2000
Ve bunu bir başka nöron için yeşil renk kullanarak yapabiliriz.
05:28
And you can see that the green neuron touches the red neuron
116
328260
2000
Ve yeşil nöron ile kırmızı nöronun iki noktada
05:30
at two locations,
117
330260
2000
temas ettiklerini görebilirsiniz,
05:32
and these are what are called synapses.
118
332260
2000
bu oluşuma sinaps denir.
05:34
Let's zoom in on one synapse,
119
334260
2000
Bir sinapsa yakından bakalım.
05:36
and keep your eyes on the interior of the green neuron.
120
336260
3000
Ve gözlerimizi de yeşil nöronun içinden ayırmayalım.
05:39
You should see small circles --
121
339260
2000
Küçük çemberleri görebiliyor olmalısınız.
05:41
these are called vesicles.
122
341260
3000
Bunlara kesecik denir.
05:44
They contain a molecule know as a neurotransmitter.
123
344260
3000
İçlerinde nörotransmiter olarak bilinen bir molekül vardır.
05:47
And so when the green neuron wants to communicate,
124
347260
2000
Yeşil nöron iletişim kurmak istediğinde,
05:49
it wants to send a message to the red neuron,
125
349260
2000
kırmızı nörona bir mesaj göndermek istediğinde,
05:51
it spits out neurotransmitter.
126
351260
3000
dışarı nörotransmiter salgılar.
05:54
At the synapse, the two neurons
127
354260
2000
Sinaps bölgesinde iki nöronun
05:56
are said to be connected
128
356260
2000
tıpkı telefonda konuşan iki arkadaş gibi
05:58
like two friends talking on the telephone.
129
358260
3000
bağlantılı olduğu söylenir.
06:02
So you see how to find a synapse.
130
362260
2000
Artık bir sinapsı nasıl bulabileceğinizi biliyorsunuz.
06:04
How can we find an entire connectome?
131
364260
3000
Peki ama tüm bir konektomu nasıl bulabiliriz?
06:07
Well, we take this three-dimensional stack of images
132
367260
3000
Bu üç boyutlu görüntü yığıtını alıyor
06:10
and treat it as a gigantic three-dimensional coloring book.
133
370260
3000
ve kocaman, üç boyutlu boyama kitabıymış gibi hareket ediyoruz.
06:13
We color every neuron in, in a different color,
134
373260
3000
Her nöronu farklı bir renge boyuyor,
06:16
and then we look through all of the images,
135
376260
2000
ve sonra görüntülerin içinden bakıp
06:18
find the synapses
136
378260
2000
sinapsları buluyor
06:20
and note the colors of the two neurons involved in each synapse.
137
380260
3000
ve sinapsta kesişen iki nöronun rengini not ediyoruz.
06:23
If we can do that throughout all the images,
138
383260
3000
Bunu tüm görüntüler için yapabilirsek
06:26
we could find a connectome.
139
386260
2000
bir konektom bulabiliriz.
06:29
Now, at this point,
140
389260
2000
Şimdi bu aşamada,
06:31
you've learned the basics of neurons and synapses.
141
391260
2000
nöronlar ve sinapsların temellerini öğrendiniz.
06:33
And so I think we're ready to tackle
142
393260
2000
Ve sanırım nörobilimdeki en en önemli
06:35
one of the most important questions in neuroscience:
143
395260
3000
soru ile uğraşmaya hazırsınız:
06:39
how are the brains of men and women different?
144
399260
3000
erkek beyni ile kadın beyni arasındaki fark nedir?
06:42
(Laughter)
145
402260
2000
(Gülüşmeler)
06:44
According to this self-help book,
146
404260
2000
Bu kişisel gelişim kitabına göre,
06:46
guys brains are like waffles;
147
406260
2000
erkeklerin beyni waffle gibidir,
06:48
they keep their lives compartmentalized in boxes.
148
408260
3000
hayatlarını çeşitli kutulara bölünmüş olarak geçirirler.
06:51
Girls' brains are like spaghetti;
149
411260
3000
Kadın beyinleri ise spagetti gibidir,
06:54
everything in their life is connected to everything else.
150
414260
3000
hayatlarındaki her şey diğer her şey ile bağlantılıdır.
06:57
(Laughter)
151
417260
2000
(Gülüşmeler)
06:59
You guys are laughing,
152
419260
2000
Gülüyorsunuz ama
07:01
but you know, this book changed my life.
153
421260
2000
bu kitap hayatımı değiştirdi.
07:03
(Laughter)
154
423260
2000
(Gülüşmeler)
07:07
But seriously, what's wrong with this?
155
427260
3000
Ciddiyim ben, bunda sorun ne?
07:10
You already know enough to tell me -- what's wrong with this statement?
156
430260
3000
Sorunun ne olduğunu söyleyecek kadar bilginiz var artık. Bu cümlede sorun ne?
07:20
It doesn't matter whether you're a guy or girl,
157
440260
3000
Kadın ya da erkek fark etmez,
07:23
everyone's brains are like spaghetti.
158
443260
3000
herkesin beyni spagetti gibidir.
07:26
Or maybe really, really fine capellini with branches.
159
446260
3000
Ya da belki gerçekten, gerçekten de dalları olan ince capellini gibi.
07:30
Just as one strand of spaghetti
160
450260
2000
Nasıl ki bir spagetti teli
07:32
contacts many other strands on your plate,
161
452260
3000
tabağınızdaki diğer pek çok tele dokunuyorsa
07:35
one neuron touches many other neurons
162
455260
2000
bir nöron da başka pek çok nörona
07:37
through their entangled branches.
163
457260
2000
dalları aracılığı ile temas eder.
07:39
One neuron can be connected to so many other neurons,
164
459260
3000
Bir nöron pek çok bşaka noktalara temas edebilir
07:42
because there can be synapses
165
462260
2000
çünkü bu temas noktalarında
07:44
at these points of contact.
166
464260
3000
sinapslar olabilir.
07:49
By now, you might have sort of lost perspective
167
469260
3000
Şu anda bu beyin dokusundan oluşan kübün büyüklüğü konusunda
07:52
on how large this cube of brain tissue actually is.
168
472260
3000
kafanız biraz karışmış olabilir.
07:55
And so let's do a series of comparisons to show you.
169
475260
3000
O yüzden birkaç karşılaştırma yapalım.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
478260
3000
Size göstereyim. Bu çok ince. Bir kenarı sadece altı mikron kalınlığında.
08:03
So, here's how it stacks up against an entire neuron.
171
483260
3000
Ve işte tüm nörona kıyasla nasıl olduğu
08:06
And you can tell that, really, only the smallest fragments of branches
172
486260
3000
Şimdi görebiliyorsunuz, bu kübün içinde
08:09
are contained inside this cube.
173
489260
3000
sadece dalların en küçük kısmı var.
08:12
And a neuron, well, that's smaller than brain.
174
492260
3000
Ve bir nöron, tabii ki beyinden küçüktür.
08:17
And that's just a mouse brain --
175
497260
2000
Ve bu sadece bir fare beyni.
08:21
it's a lot smaller than a human brain.
176
501260
3000
İnsan beyninden çok daha küçük.
08:25
So when show my friends this,
177
505260
2000
Bunu arkadaşlarıma gösterdiğimde
08:27
sometimes they've told me,
178
507260
2000
bazen bana şöyle diyorlar,
08:29
"You know, Sebastian, you should just give up.
179
509260
3000
"Sebastian, vazgeçmelisin.
08:32
Neuroscience is hopeless."
180
512260
2000
Nörobilim ümitsiz vaka."
08:34
Because if you look at a brain with your naked eye,
181
514260
2000
Çünkü beyne çıplak gözle bakarsanız,
08:36
you don't really see how complex it is,
182
516260
2000
ne kadar karmaşık olduğunu görmezsiniz,
08:38
but when you use a microscope,
183
518260
2000
ama mikroskop kullanırsanız,
08:40
finally the hidden complexity is revealed.
184
520260
3000
saklı karmaşıklı açığa çıkar.
08:45
In the 17th century,
185
525260
2000
17. yüzyılda
08:47
the mathematician and philosopher, Blaise Pascal,
186
527260
2000
matematiçi ve filozof Blaise Pascal,
08:49
wrote of his dread of the infinite,
187
529260
3000
uzayın büyüklüğü üzerine düşünürken
08:52
his feeling of insignificance
188
532260
2000
sonzuzluk korkusu ve
08:54
at contemplating the vast reaches of outer space.
189
534260
3000
kendini ne kadar önemsiz hissetiği üzerine yazmıştır.
08:59
And, as a scientist,
190
539260
2000
Ve ben bir bilimadamı olarak
09:01
I'm not supposed to talk about my feelings --
191
541260
3000
duygularımdan bahsetmemeliyim.
09:04
too much information, professor.
192
544260
2000
Çok fazla bilgi, profesör.
09:06
(Laughter)
193
546260
2000
(Gülüşmeler).
09:08
But may I?
194
548260
2000
Fakat bahsedebilir miyim?
09:10
(Laughter)
195
550260
2000
(Gülüşmeler)
09:12
(Applause)
196
552260
2000
(Alkış)
09:14
I feel curiosity,
197
554260
2000
Merak hissediyorum,
09:16
and I feel wonder,
198
556260
2000
ve hayranlık duyuyorum
09:18
but at times I have also felt despair.
199
558260
3000
ama bazen de ümitsiz hissediyorum.
09:22
Why did I choose to study
200
562260
2000
Neden bu kadar muazzam karmaşık olan
09:24
this organ that is so awesome in its complexity
201
564260
3000
ve hatta belki sonsuz karmaşıklığa sahip olan
09:27
that it might well be infinite?
202
567260
2000
bu organ üzerine çalışmayı seçtim?
09:29
It's absurd.
203
569260
2000
Bu çok saçma.
09:31
How could we even dare to think
204
571260
2000
Nasıl olur da tüm bunları anlayabileceğimizi
09:33
that we might ever understand this?
205
573260
3000
düşünmeye cesaret edebiliyoruz?
09:38
And yet, I persist in this quixotic endeavor.
206
578260
3000
Yine de bu Don Kişotvari çabada ısrar ediyorum.
09:41
And indeed, these days I harbor new hopes.
207
581260
3000
Ve gerçekten de bugünlerde yeni ümitlerim var.
09:45
Someday,
208
585260
2000
Bir gün gelecek,
09:47
a fleet of microscopes will capture
209
587260
2000
bir mikroskop ordusu
09:49
every neuron and every synapse
210
589260
2000
çok büyük bir görüntü veri tabanı içindeki
09:51
in a vast database of images.
211
591260
3000
her nöronu ve her sinapsı tespit edecek.
09:54
And some day, artificially intelligent supercomputers
212
594260
3000
Ve bir gün gelecek, yapay zeka ile donanmış süperbilgisayarlar
09:57
will analyze the images without human assistance
213
597260
3000
tüm bu görüntüleri bir konektom olarak özetleyebilmek için
10:00
to summarize them in a connectome.
214
600260
3000
insanlardan yardım almadan analiz edebilecek
10:04
I do not know, but I hope that I will live to see that day,
215
604260
3000
Emin değilim ama o günleri görecek kadar yaşayacağımı umuyorum.
10:08
because finding an entire human connectome
216
608260
2000
Çünkü tüm bir insan konektomunu bulmak
10:10
is one of the greatest technological challenges of all time.
217
610260
3000
tüm zamanların en büyük teknolojik meydan okumalarından biri.
10:13
It will take the work of generations to succeed.
218
613260
3000
Başarmak için nesillerce çaba gerekecek.
10:17
At the present time, my collaborators and I,
219
617260
3000
Şu anda benim ve çalışma arkadaşlarımın
10:20
what we're aiming for is much more modest --
220
620260
2000
varmaya çalıştığı şey çok daha alçakgönüllü bir hedef;
10:22
just to find partial connectomes
221
622260
2000
sadece insan ve fare beynindeki küçük ve kısmi
10:24
of tiny chunks of mouse and human brain.
222
624260
3000
konektom parçalarını bulmaya çalışmak.
10:27
But even that will be enough for the first tests of this hypothesis
223
627260
3000
Ama bu kadarı bile
10:30
that I am my connectome.
224
630260
3000
konektomum neyse oyum hipotezini test etmeye başlamak için yeterli.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
635260
3000
Şimdilik izin verin sizi bu hipotezin akla yatkın olduğuna ikna etmeye çalışayım,
10:38
that it's actually worth taking seriously.
226
638260
3000
gerçekten peşinden gitmeye değer bir hipotez olduğuna.
10:42
As you grow during childhood
227
642260
2000
Çocukluğunuz süresince büyürken
10:44
and age during adulthood,
228
644260
3000
ve yetişkinliğiniz süresince yaşlanırken
10:47
your personal identity changes slowly.
229
647260
3000
kişisel kimliğiniz yavaş yavaş değişir.
10:50
Likewise, every connectome
230
650260
2000
Benzer şekilde her konektom da
10:52
changes over time.
231
652260
2000
zaman içinde değişir.
10:55
What kinds of changes happen?
232
655260
2000
Ne tür değişiklikler olur?
10:57
Well, neurons, like trees,
233
657260
2000
Nöronlar da tıpkı ağaçlar gibi
10:59
can grow new branches,
234
659260
2000
yeni dallar çıkarabilir
11:01
and they can lose old ones.
235
661260
3000
ve eskilerini kaybedebilir.
11:04
Synapses can be created,
236
664260
3000
Sinapslar oluşabilir
11:07
and they can be eliminated.
237
667260
3000
ya da yok olabilir.
11:10
And synapses can grow larger,
238
670260
2000
Sinapslar büyüyebilir
11:12
and they can grow smaller.
239
672260
3000
ya da küçülebilir.
11:15
Second question:
240
675260
2000
İkinci soru:
11:17
what causes these changes?
241
677260
3000
Bu değişimlere ne yol açar?
11:20
Well, it's true.
242
680260
2000
Belli bir dereceye kadar
11:22
To some extent, they are programmed by your genes.
243
682260
3000
genlerimiz tarafından programlandıkları doğrudur.
11:25
But that's not the whole story,
244
685260
2000
Faka bu, hikayenin tamamı değildir
11:27
because there are signals, electrical signals,
245
687260
2000
çünkü nöronların dalları boyunca iletilen
11:29
that travel along the branches of neurons
246
689260
2000
ve bir daldan diğerine atlayan
11:31
and chemical signals
247
691260
2000
elektriksel ve kimyasal
11:33
that jump across from branch to branch.
248
693260
2000
sinyaller vardır.
11:35
These signals are called neural activity.
249
695260
3000
Bu sinyallere sinirsel (nöral) etkinlik denir.
11:38
And there's a lot of evidence
250
698260
2000
Ve sinirsel etkinliğin
11:40
that neural activity
251
700260
3000
düşüncelerimizi, duygularımızı ve algılarımızı,
11:43
is encoding our thoughts, feelings and perceptions,
252
703260
3000
zihinsel deneyimimizi kodladığına dair
11:46
our mental experiences.
253
706260
2000
pek çok delil var.
11:48
And there's a lot of evidence that neural activity
254
708260
3000
Ve yine pek çok delil
11:51
can cause your connections to change.
255
711260
3000
sinirsel etkinliğin bağlantıları değiştirebildiğine işaret ediyor.
11:54
And if you put those two facts together,
256
714260
3000
Şimdi bu iki bilgiyi bir araya getirirseniz
11:57
it means that your experiences
257
717260
2000
deneyimlerinizin
11:59
can change your connectome.
258
719260
3000
bağlantılarınızı değiştirdiği ortaya çıkar.
12:02
And that's why every connectome is unique,
259
722260
2000
İşte bu yüzden her konektom eşsizdir,
12:04
even those of genetically identical twins.
260
724260
3000
genetik olarak tıpatıp aynı olan ikizlerin konektomları bile.
12:08
The connectome is where nature meets nurture.
261
728260
3000
Konektom doğuştan gelen ile sonradan edinilen şeyin kesişmesidir.
12:12
And it might true
262
732260
2000
Ve belki de
12:14
that just the mere act of thinking
263
734260
2000
sadece düşünmek bile
12:16
can change your connectome --
264
736260
2000
konektomunuzu değiştirebilir;
12:18
an idea that you may find empowering.
265
738260
3000
bunu heyecan verici bulabilirsiniz.
12:24
What's in this picture?
266
744260
2000
Bu resimde ne var?
12:28
A cool and refreshing stream of water, you say.
267
748260
3000
Serin ve ferahlatıcı bir akarsu diyeceksiniz.
12:32
What else is in this picture?
268
752260
2000
Peki ama bu resimde başka ne var?
12:37
Do not forget that groove in the Earth
269
757260
2000
Akarsu yatağı denen ve toprakta bulunan
12:39
called the stream bed.
270
759260
3000
yarığı unutmayın.
12:42
Without it, the water would not know in which direction to flow.
271
762260
3000
O olmadan su hangi yönde akacağını bilemezdi.
12:45
And with the stream,
272
765260
2000
Ve akarsu ile
12:47
I would like to propose a metaphor
273
767260
2000
bir metafor önermek istiyorum,
12:49
for the relationship between neural activity
274
769260
2000
sinirsel etkinlik ile
12:51
and connectivity.
275
771260
2000
bağlantı arasında bir metafor.
12:54
Neural activity is constantly changing.
276
774260
3000
Sinirsel etkinlik sürekli değişir.
12:57
It's like the water of the stream; it never sits still.
277
777260
3000
Akıp giden su gibidir, asla olduğu gibi kalmaz.
13:00
The connections
278
780260
2000
Beynin sinir ağının
13:02
of the brain's neural network
279
782260
2000
bağlantıları ise
13:04
determines the pathways
280
784260
2000
sinirsel etkinliğin
13:06
along which neural activity flows.
281
786260
2000
hangi yöne doğru akacağını belirler.
13:08
And so the connectome is like bed of the stream;
282
788260
3000
Yani konektom bir tür akarsu yatağıdır.
13:13
but the metaphor is richer than that,
283
793260
3000
Ama metafor bundan daha zengindir.
13:16
because it's true that the stream bed
284
796260
3000
Çünkü akarsu yatağı
13:19
guides the flow of the water,
285
799260
2000
uzun süre boyunca
13:21
but over long timescales,
286
801260
2000
suyun akışını yönlendirir
13:23
the water also reshapes the bed of the stream.
287
803260
3000
ama su da akarsu yatağını yeniden şekillendirir.
13:26
And as I told you just now,
288
806260
2000
Az önce dediğim gibi
13:28
neural activity can change the connectome.
289
808260
3000
sinirsel etkinlik konektomu değiştirebilir.
13:33
And if you'll allow me to ascend
290
813260
2000
Ve eğer metaforun zirvesine
13:35
to metaphorical heights,
291
815260
3000
çıkmama izin verirseniz
13:38
I will remind you that neural activity
292
818260
3000
hatırlatmam gerekir ki sinirsel etkinlik
13:41
is the physical basis -- or so neuroscientists think --
293
821260
2000
nörobilimcilere göre düşüncelerin, duyguların ve algıların
13:43
of thoughts, feelings and perceptions.
294
823260
3000
temelidir.
13:46
And so we might even speak of
295
826260
2000
Dolayısı ile
13:48
the stream of consciousness.
296
828260
2000
bilinç akışından dahi bahsedebiliriz.
13:50
Neural activity is its water,
297
830260
3000
Sinirsel etkinlik su gibidir
13:53
and the connectome is its bed.
298
833260
3000
ve konektom da akarsu yatağıdır.
13:57
So let's return from the heights of metaphor
299
837260
2000
O halde metaforun zirvesinden
13:59
and return to science.
300
839260
2000
bilime geri dönelim.
14:01
Suppose our technologies for finding connectomes
301
841260
2000
Var sayalım ki konektom bulma teknolojimiz
14:03
actually work.
302
843260
2000
gerçekten de çalışıyor.
14:05
How will we go about testing the hypothesis
303
845260
2000
"Konektomum neyse oyum" hipotezini
14:07
"I am my connectome?"
304
847260
3000
nasıl test edeceğiz?
14:10
Well, I propose a direct test.
305
850260
3000
Ben doğrudan bir test öneriyorum.
14:13
Let us attempt
306
853260
2000
Konektomdan hafızamızı
14:15
to read out memories from connectomes.
307
855260
3000
okumaya çalışalım.
14:18
Consider the memory
308
858260
2000
Bir Beethoven sonatı çalan
14:20
of long temporal sequences of movements,
309
860260
3000
piyanistin hareketleri gibi uzun hareket dizilerinin
14:23
like a pianist playing a Beethoven sonata.
310
863260
3000
hafızasını düşünün.
14:26
According to a theory that dates back to the 19th century,
311
866260
3000
Geçmişi 19. yüzyıla kadar uzanan bir teoriye göre
14:29
such memories are stored
312
869260
2000
bu tür hatıralar
14:31
as chains of synaptic connections inside your brain.
313
871260
3000
beyninizde bir sinaptik bağlantılar zinciri olarak saklanır.
14:35
Because, if the first neurons in the chain are activated,
314
875260
3000
Çünkü zincirdeki ilk nöronlar etkin hale getirilirse
14:38
through their synapses they send messages to the second neurons, which are activated,
315
878260
3000
sinapsları boyunca bu etkinliği diğer nöronlara iletirler
14:41
and so on down the line,
316
881260
2000
ve bu işlem tıpkı devrilen domino taşları gibi
14:43
like a chain of falling dominoes.
317
883260
2000
peşi sıra devam eder.
14:45
And this sequence of neural activation
318
885260
2000
Ve bu sinirsel etkinlik dizisinin
14:47
is hypothesized to be the neural basis
319
887260
3000
o fiziksel hareket dizisinin
14:50
of those sequence of movements.
320
890260
2000
temeli olduğu düşünülür.
14:52
So one way of trying to test the theory
321
892260
2000
Bu yüzden teoriyi test etmenin yollarından biri
14:54
is to look for such chains
322
894260
2000
konektomlar içinde
14:56
inside connectomes.
323
896260
2000
bu tür zincirleri aramaktır.
14:58
But it won't be easy, because they're not going to look like this.
324
898260
3000
Ama bu kolay olmayacak çünkü onlar buna benzemeyecek.
15:01
They're going to be scrambled up.
325
901260
2000
Karman çorman halde olacaklar.
15:03
So we'll have to use our computers
326
903260
2000
Bu yüzden biz de bilgisayarlarımızı
15:05
to try to unscramble the chain.
327
905260
3000
kullanacağız o karmaşık zinciri çözmek için.
15:08
And if we can do that,
328
908260
2000
Ve eğer bunu yapabilirsek
15:10
the sequence of the neurons we recover from that unscrambling
329
910260
3000
o karmaşık diziden elde ettiğimiz nöron dizisi
15:13
will be a prediction of the pattern of neural activity
330
913260
3000
biz o hareketleri hatırlarken beynimizde gerçekleşen
15:16
that is replayed in the brain during memory recall.
331
916260
3000
sinirsel etkinliğin örüntüsünün bir tahmini olacak.
15:19
And if that were successful,
332
919260
2000
Ve eğer bu başarılı olursa
15:21
that would be the first example of reading a memory from a connectome.
333
921260
3000
bir konektomdan hafızayı okumanın ilk örneği olacak.
15:28
(Laughter)
334
928260
2000
(Gülüşmeler)
15:30
What a mess --
335
930260
2000
Ne karmaşa ama.
15:33
have you ever tried to wire up a system
336
933260
2000
Hiç bu kadar karmaşık bir sistem
15:35
as complex as this?
337
935260
2000
kurmaya çalıştınız mı?
15:37
I hope not.
338
937260
2000
Umarım denememişsinizdir.
15:39
But if you have, you know it's very easy to make a mistake.
339
939260
3000
Ama eğer denediyseniz hata yapmanın ne kadar kolay olduğunu bilirsiniz.
15:45
The branches of neurons are like the wires of the brain.
340
945260
2000
Nöronların dalları beynin kabloları gibidir.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
947260
4000
Beyninizdeki kabloların uzunluğunu tahmin edebilir misiniz?
15:54
I'll give you a hint. It's a big number.
342
954260
2000
İpucu vereyim. Epey büyük bir sayı.
15:56
(Laughter)
343
956260
2000
(Gülüşmeler)
15:59
I estimate, millions of miles,
344
959260
3000
Tahminen milyonlarca kilometre.
16:02
all packed in your skull.
345
962260
3000
Hepsi de kafatasınızın içinde.
16:05
And if you appreciate that number,
346
965260
2000
Ve eğer bu sayıyı takdir ederseniz,
16:07
you can easily see
347
967260
2000
beyindeki kabloların yanlış bağlanması için
16:09
there is huge potential for mis-wiring of the brain.
348
969260
2000
epey potansiyel olduğunu görürsünüz.
16:11
And indeed, the popular press loves headlines like,
349
971260
3000
Ve gerçekten de basında şu tür manşetleri severler
16:14
"Anorexic brains are wired differently,"
350
974260
2000
"Anoreksi hastası olanların beynindeki bağlantılar farklı,"
16:16
or "Autistic brains are wired differently."
351
976260
2000
veya "Otistik beyinlerdeki bağlantılar farklı."
16:18
These are plausible claims,
352
978260
2000
Bunlar akla yatkın iddialar
16:20
but in truth,
353
980260
2000
ama aslında
16:22
we can't see the brain's wiring clearly enough
354
982260
2000
bunların doğru olup olmadığını söyleyebilecek kadar
16:24
to tell if these are really true.
355
984260
2000
iyi göremiyoruz beynin içindeki bağlantıları.
16:26
And so the technologies for seeing connectomes
356
986260
3000
Bir gün konektomları görme teknolojileri
16:29
will allow us to finally
357
989260
2000
nihayet beyindeki yanlış bağlantıları
16:31
read mis-wiring of the brain,
358
991260
2000
okumamıza izin verecek
16:33
to see mental disorders in connectomes.
359
993260
3000
ve böylece konektomlardaki zihinsel hastalıkları görebileceğiz.
16:40
Sometimes the best way to test a hypothesis
360
1000260
3000
Belki de bir hipotezi test etmenin en iyi yolu
16:43
is to consider its most extreme implication.
361
1003260
3000
onun en uç noktadaki sonucuna bakmaktır.
16:46
Philosophers know this game very well.
362
1006260
3000
Felsefeciler bu oyunu iyi bilir.
16:50
If you believe that I am my connectome,
363
1010260
3000
Eğer ben ve konektomum aynı şeydir diye inanırsanız,
16:53
I think you must also accept the idea
364
1013260
3000
Ölümün sizin konektomunuzun
16:56
that death is the destruction
365
1016260
2000
yok olması anlamına geleceğini de
16:58
of your connectome.
366
1018260
3000
kabul etmelisiniz.
17:02
I mention this because there are prophets today
367
1022260
3000
Bundan bahsediyorum çünkü
17:05
who claim that technology
368
1025260
3000
çünkü günümüzde teknolojinin
17:08
will fundamentally alter the human condition
369
1028260
3000
insanlık durumunu kökünden değiştireceğini
17:11
and perhaps even transform the human species.
370
1031260
3000
ve hatta belki de insanlık türünü dönüştüreceğini iddia eden peygamberler var.
17:14
One of their most cherished dreams
371
1034260
3000
En sevdikleri rüyalardan biri
17:17
is to cheat death
372
1037260
2000
'cryonics' olarak da bilinen yöntemle
17:19
by that practice known as cryonics.
373
1039260
2000
ölümü alt etmek.
17:21
If you pay 100,000 dollars,
374
1041260
2000
100.000 dolar öderseniz
17:23
you can arrange to have your body frozen after death
375
1043260
3000
bedeninizin ölümden sonra dondurulmasını
17:26
and stored in liquid nitrogen
376
1046260
2000
ve Arizona'daki depolarda bulunan şu tanklardan birinde
17:28
in one of these tanks in an Arizona warehouse,
377
1048260
2000
sıvı nitrojen içinde saklanmasını sağlayabilirsiniz.
17:30
awaiting a future civilization
378
1050260
2000
Böylece gelecekteki bir uygarlığın
17:32
that is advanced to resurrect you.
379
1052260
3000
sizi hayata döndürmesini bekleyebilirsiniz.
17:36
Should we ridicule the modern seekers of immortality,
380
1056260
2000
Ölümsüzlük peşinde koşan bu insanlarla
17:38
calling them fools?
381
1058260
2000
alay etmeli miyiz?
17:40
Or will they someday chuckle
382
1060260
2000
Yoksa bir gün mezarlarımız başında
17:42
over our graves?
383
1062260
2000
onlar mı bizimle dalga geçecek?
17:45
I don't know --
384
1065260
2000
Bilmiyorum.
17:47
I prefer to test their beliefs, scientifically.
385
1067260
3000
Onların inançlarını bilimsel olarak test etmeyi tercih edrim.
17:50
I propose that we attempt to find a connectome
386
1070260
2000
Dondurulmuş bir beynin
17:52
of a frozen brain.
387
1072260
2000
konektomunu bulalım.
17:54
We know that damage to the brain
388
1074260
2000
Ölümden sonra ve dondurma esnasında
17:56
occurs after death and during freezing.
389
1076260
2000
beyinde hasar oluştuğunu biliyoruz.
17:58
The question is: has that damage erased the connectome?
390
1078260
3000
Soru şu: bu hasar konektomu silmiş midir?
18:01
If it has, there is no way that any future civilization
391
1081260
3000
Eğer öyle ise gelecekteki bir uygarlığın
18:04
will be able to recover the memories of these frozen brains.
392
1084260
3000
donmuş beyinlerden hatıraları çıkarması mümkün olamaz.
18:07
Resurrection might succeed for the body,
393
1087260
2000
Beden hayata dönebilir
18:09
but not for the mind.
394
1089260
2000
ama zihin dönemez.
18:11
On the other hand, if the connectome is still intact,
395
1091260
3000
Diğer yandan eğer konektom korundu ise
18:14
we cannot ridicule the claims of cryonics so easily.
396
1094260
3000
cryonics ile uğraşanların iddialarıyla kolayca dalga geçemeyiz.
18:20
I've described a quest
397
1100260
2000
Size bir arayışı anlattım,
18:22
that begins in the world of the very small,
398
1102260
3000
çok küçük şeylerin dünyasından başlayan
18:25
and propels us to the world of the far future.
399
1105260
3000
ve bizi çok ileri geleceğin dünyasına doğru götüren bir arayış.
18:28
Connectomes will mark a turning point in human history.
400
1108260
3000
Konektomlar insanlık tarihinde bir dönüm noktası olacak.
18:32
As we evolved from our ape-like ancestors
401
1112260
2000
Afrika'nın ormanlarındaki
18:34
on the African savanna,
402
1114260
2000
maymun benzeri atalarımızdan evrim geçirirken
18:36
what distinguished us was our larger brains.
403
1116260
3000
bizi diğerlerinden ayıran büyük beyinlerimizdi.
18:40
We have used our brains to fashion
404
1120260
2000
Beyinlerimizi her seferinde
18:42
ever more amazing technologies.
405
1122260
3000
teknolojiler geliştirmek için kullandık.
18:45
Eventually, these technologies will become so powerful
406
1125260
3000
Bir gün bu teknolojiler o kadar güçlü olacak ki
18:48
that we will use them to know ourselves
407
1128260
3000
beynimizi bozup yeniden yaparak
18:51
by deconstructing and reconstructing
408
1131260
3000
kendimizi daha iyi tanımak için
18:54
our own brains.
409
1134260
3000
bu teknolojileri kullanacağız.
18:57
I believe that this voyage of self-discovery
410
1137260
3000
Bu kendini keşfediş yolculuğunun
19:00
is not just for scientists,
411
1140260
3000
sadece bilim insanları için değil
19:03
but for all of us.
412
1143260
2000
hepimiz için olduğunu düşünüyorum.
19:05
And I'm grateful for the opportunity to share this voyage with you today.
413
1145260
3000
Ve bugün bu yolculuğu sizinle paylaşma fırsatına kavuştuğum için minnetarım.
19:08
Thank you.
414
1148260
2000
Teşekkürler.
19:10
(Applause)
415
1150260
8000
(Alkış)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7