Read Montague: What we're learning from 5,000 brains

Read Montague: 5000 beyinden öğrendiklerimiz

46,909 views ・ 2012-09-24

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Çeviri: Diba Szamosi Gözden geçirme: Hulya Uzun
00:15
Other people. Everyone is interested in other people.
1
15734
2809
Diğer insanlar. Herkes diğer insanlar ile ilgilenir.
00:18
Everyone has relationships with other people,
2
18543
2123
Herkesin diğer insanlar ile ilişkileri vardır
00:20
and they're interested in these relationships
3
20666
1592
ve bu ilişkilerle ilgilenmeleri için
00:22
for a variety of reasons.
4
22258
1855
çeşitli sebepleri vardır.
00:24
Good relationships, bad relationships,
5
24113
2012
İyi ilişkiler, kötü ilişkiler,
00:26
annoying relationships, agnostic relationships,
6
26125
3146
can sıkıcı ilişkiler, kuşkucu ilişkiler,
00:29
and what I'm going to do is focus on the central piece
7
29271
3424
ve şimdi yapacağım şey etkileşimin iletişime giden
00:32
of an interaction that goes on in a relationship.
8
32695
3303
merkezi kısmına odaklanmak.
00:35
So I'm going to take as inspiration the fact that we're all
9
35998
2336
Diğer insanlarla etkileşimde ilgileniğimiz unsuru
00:38
interested in interacting with other people,
10
38334
2425
ilham olarak alacağım.
00:40
I'm going to completely strip it of all its complicating features,
11
40759
3832
bütün komplike özelliklerinden sıyırıp
00:44
and I'm going to turn that object, that simplified object,
12
44591
3894
bu sadeleştirilmiş objeyi
00:48
into a scientific probe, and provide the early stages,
13
48485
4150
bir bilimsel araştırmaya dönüştüreceğim. aynı anda etkileşime geçtikleri sırada
00:52
embryonic stages of new insights into what happens
14
52635
2449
iki beyine ne olduğu ile ilgili yeni anlayışın
00:55
in two brains while they simultaneously interact.
15
55084
3650
erken safhalarını, embriyonik safhalarını sağlayacağım.
00:58
But before I do that, let me tell you a couple of things
16
58734
2293
Fakat bunu yapmadan önce, bunu mümkün kılan
01:01
that made this possible.
17
61027
1699
bir çift şey söylememe izin verin.
01:02
The first is we can now eavesdrop safely
18
62726
2781
Birincisi biz artık emniyetli bir şekilde
01:05
on healthy brain activity.
19
65507
2711
sağlıklı beyin aktivitesine kulak misafiri olabiliyoruz.
01:08
Without needles and radioactivity,
20
68218
2577
İğnesiz ve radyoaktivitesiz,
01:10
without any kind of clinical reason, we can go down the street
21
70795
2863
herhangi bir klinik işlem olmadan, Manyetik rezonans görüntüleme
01:13
and record from your friends' and neighbors' brains
22
73658
3127
isimli bir metod kullanarak, caddeye çıkıp
01:16
while they do a variety of cognitive tasks, and we use
23
76785
2538
çeşitli zihinsel faaliyetler yaparken
01:19
a method called functional magnetic resonance imaging.
24
79323
3734
arkadaşlarınızın ve komşularınızın beyinlerinden kayıt alabiliriz.
01:23
You've probably all read about it or heard about in some
25
83057
2325
Sizler muhtemelen bunun canlı örnekleri ile ilgili birşeyler
01:25
incarnation. Let me give you a two-sentence version of it.
26
85382
4378
okumuş veya duymuşsunuzdur. Size iki cümlelik bir örneğini vereyim.
01:29
So we've all heard of MRIs. MRIs use magnetic fields
27
89760
3484
Hepimiz MRI cihazlarını duymuşuzdur. MRI cihazları manyetik alanlar ve
01:33
and radio waves and they take snapshots of your brain
28
93244
2029
radyo dalgaları kullanır ve sizin beyninizin,
01:35
or your knee or your stomach,
29
95273
2361
dizinizin veya midenizin
01:37
grayscale images that are frozen in time.
30
97634
2045
siyah beyaz anlık görüntülerini çeker.
01:39
In the 1990s, it was discovered you could use
31
99679
2321
1990'larda aynı makineleri farklı modda
01:42
the same machines in a different mode,
32
102000
2659
kullanabileceğiniz keşfedildi
01:44
and in that mode, you could make microscopic blood flow
33
104659
2346
ve bu modda beyinden bağımsız olarak
01:47
movies from hundreds of thousands of sites independently in the brain.
34
107005
3300
yüzbinlerce mikroskobik kan akışı filmi çekebiliyorsunuz.
01:50
Okay, so what? In fact, the so what is, in the brain,
35
110305
3200
Tamam, ya sonra? Aslında beyindeki
01:53
changes in neural activity, the things that make your brain work,
36
113505
3832
sinirsel aktiviteyi değiştiren, beyninizin çalışmasını sağlayan,
01:57
the things that make your software work in your brain,
37
117337
2010
beyninizdeki yazılımın çalışmasını sağlayan şeyler,
01:59
are tightly correlated with changes in blood flow.
38
119347
2489
kan akışınızın değişimi ile sıkıca bağlantılıdır.
02:01
You make a blood flow movie, you have an independent
39
121836
1973
Bir kan akışı filmi yaparsınız, bağımsız
02:03
proxy of brain activity.
40
123809
2339
bir beyin aktivitesi yerine geçer.
02:06
This has literally revolutionized cognitive science.
41
126148
3034
Bu zihinsel bilim ile ilgili tam bir devrimdir.
02:09
Take any cognitive domain you want, memory,
42
129182
1991
İstediğiniz herhangi bir zihinsel alan seçin, Hafıza,
02:11
motor planning, thinking about your mother-in-law,
43
131173
2141
planlama yapmak, kaynananızı düşünmek,
02:13
getting angry at people, emotional response, it goes on and on,
44
133314
3715
insanlara kızmak, duygusal tepkiler vermek, devam eder gider,
02:17
put people into functional MRI devices, and
45
137029
3089
insanlar işlevsel MRI cihazlarına koyun ve
02:20
image how these kinds of variables map onto brain activity.
46
140118
3383
bu tür değişkenlerin beyin aktivitesi üzerinde meydana getirdiği değişiklikleri görüntüleyin.
02:23
It's in its early stages, and it's crude by some measures,
47
143501
2849
Bu onun ilk aşamalarıdır ve işlenmemiş bazı ölçümleridir
02:26
but in fact, 20 years ago, we were at nothing.
48
146350
2568
fakat aslında 20 yıl önce sıfır noktasındaydık.
02:28
You couldn't do people like this. You couldn't do healthy people.
49
148918
2359
İnsanları bu şekilde yapamazsınız. Sağlıklı insanları yapamazsınız.
02:31
That's caused a literal revolution, and it's opened us up
50
151277
2488
Bu tam bir devrime neden oldu ve bize
02:33
to a new experimental preparation. Neurobiologists,
51
153765
2818
yeni bir deneysel hazırlanma sağladı. Nörobiyologların
02:36
as you well know, have lots of experimental preps,
52
156583
3760
bildiğiniz üzere çok çeşitli denekleri var,
02:40
worms and rodents and fruit flies and things like this.
53
160343
3141
solucanlar, kemirgenler, meyve sinekleri ve bunlar gibi şeyler.
02:43
And now, we have a new experimental prep: human beings.
54
163484
3397
Ve şimdi, yeni bir deneğimiz var, insan.
02:46
We can now use human beings to study and model
55
166881
3761
Artık yazılımları üzerinde çalışabilme ve modelleme için
02:50
the software in human beings, and we have a few
56
170642
2950
insanları kullanabiliyoruz ve bir miktar
02:53
burgeoning biological measures.
57
173592
2835
filizlenen biyolojik ölçümlerimiz var.
02:56
Okay, let me give you one example of the kinds of experiments that people do,
58
176427
3887
Evet, size insanların yaptıkları deneyler ile ilgili bir örnek vereyim
03:00
and it's in the area of what you'd call valuation.
59
180314
2677
ve bu sizin değerlendirme dediğiniz alan içerisinde.
03:02
Valuation is just what you think it is, you know?
60
182991
2135
Bildiğiniz gibi değerlendirme düşündüğünüz şeydir.
03:05
If you went and you were valuing two companies against
61
185126
2804
Eğer iki şirketi birbiri ile karşılaştırırsanız
03:07
one another, you'd want to know which was more valuable.
62
187930
2736
hangisinin daha değerli olduğunu bilmek isteyeceksiniz.
03:10
Cultures discovered the key feature of valuation thousands of years ago.
63
190666
3879
Kültürler değerlendirmenin kilit özelliğini binlerce yıl önce keşfettiler.
03:14
If you want to compare oranges to windshields, what do you do?
64
194545
2690
Portakal ile araba ön camını karşılaştırmak isterseniz ne yaparsınız?
03:17
Well, you can't compare oranges to windshields.
65
197235
2356
Portakal ve araba ön camını karşılaştıramazsınız.
03:19
They're immiscible. They don't mix with one another.
66
199591
2255
Karıştırılamazlar. Birisi diğeri ile karışmaz.
03:21
So instead, you convert them to a common currency scale,
67
201846
2351
Bunun yerine siz onları ortak bir değer ölçüsüne çevirirsiniz.
03:24
put them on that scale, and value them accordingly.
68
204197
2706
İkisinide bu ölçeğe koyarız ve buna göre değerlendiririz.
03:26
Well, your brain has to do something just like that as well,
69
206903
3436
Beyninizin de buna benzer birşey yapması gerekir
03:30
and we're now beginning to understand and identify
70
210339
2488
biz artık değerlemeye tabi tuttuğumuz
03:32
brain systems involved in valuation,
71
212827
2137
beyin sistemlerini anlayıp tanımlayabiliyoruz,
03:34
and one of them includes a neurotransmitter system
72
214964
2632
bunlardan bir tanesi hücreleri beyinsapında bulunan
03:37
whose cells are located in your brainstem
73
217596
2632
nörotransmitter sistemi kapsayan
03:40
and deliver the chemical dopamine to the rest of your brain.
74
220228
3175
ve dopamin kimyasalını beynin geri kalanına gönderendir.
03:43
I won't go through the details of it, but that's an important
75
223403
2442
Bunun detaylarına girmeyeceğim, fakat bu önemli bir
03:45
discovery, and we know a good bit about that now,
76
225845
2157
keşif ve bizim bunun hakkında bir parça bilgimiz var,
03:48
and it's just a small piece of it, but it's important because
77
228002
2230
sadece küçük bir parçası fakat bu önemli çünkü
03:50
those are the neurons that you would lose if you had Parkinson's disease,
78
230232
3275
bunlar Parkinson hastalığına yakalanmanız durumunda kaybedeceğiniz nöronlar,
03:53
and they're also the neurons that are hijacked by literally
79
233507
2016
ve bunlar aynı zamanda uyuşturucu bağımlılığı
03:55
every drug of abuse, and that makes sense.
80
235523
2232
tarafından gaspedilen nöronlar, ve bunun bir anlamı var.
03:57
Drugs of abuse would come in, and they would change
81
237755
2336
Uyuşturucu bağımlılığı gelir ve sizin
04:00
the way you value the world. They change the way
82
240091
1789
dünyayı değerlendirme şeklinizi değiştirir.
04:01
you value the symbols associated with your drug of choice,
83
241880
3199
sembollere, bakış açınız ile ilişkilendirerek anlamlar yüklersiniz
04:05
and they make you value that over everything else.
84
245079
2514
ve onlar sizin bunu herşeyin üzerinde yapmanızı sağlarlar.
04:07
Here's the key feature though. These neurons are also
85
247593
3021
Anahtar özellik şu. Bu nöronlar sizin
04:10
involved in the way you can assign value to literally abstract ideas,
86
250614
3501
tamamen soyut fikirlere atayabileceğiniz değerleri engeller
04:14
and I put some symbols up here that we assign value to
87
254115
2041
buraya çeşitli sebeplerden dolayı değer verdiğimiz
04:16
for various reasons.
88
256156
2720
bir takım semboller koydum.
04:18
We have a behavioral superpower in our brain,
89
258876
2689
Beynimizde davranışsal olarak çok güçlüyüzdür
04:21
and it at least in part involves dopamine.
90
261565
1753
ve en azından bir kısmı dopamin ile ilgilidir.
04:23
We can deny every instinct we have for survival for an idea,
91
263318
4189
Bir fikrin ayakta kalması için, bütün içgüdülerimizi reddedebiliriz,
04:27
for a mere idea. No other species can do that.
92
267507
4005
önemsiz bir fikir için. Başka hiçbir canlı türü bunu yapamaz.
04:31
In 1997, the cult Heaven's Gate committed mass suicide
93
271512
3606
1997 yılında "cennetin Kapısı" tarikatı o sıralarda görülebilen
04:35
predicated on the idea that there was a spaceship
94
275118
2215
Hale-Bopp kuyrukluyıldızının kuyruğunun arkasına
04:37
hiding in the tail of the then-visible comet Hale-Bopp
95
277333
3785
saklanan bir uzaygemisinin kendilerini bir sonraki seviyeye
04:41
waiting to take them to the next level. It was an incredibly tragic event.
96
281118
4272
götürmek için beklediği düşüncesi ile toplu intihar eylemi gerçekleştirdi.
04:45
More than two thirds of them had college degrees.
97
285390
3485
Üçte ikisinden fazlası üniversite mezunuydular.
04:48
But the point here is they were able to deny their instincts for survival
98
288875
3723
Buradaki ana nokta kendilerini kurtarmak için koyulanla
04:52
using exactly the same systems that were put there
99
292598
2866
tamamen benzer bir sistemi kullanan hayatta kalma
04:55
to make them survive. That's a lot of control, okay?
100
295464
4042
içgüdülerini reddedebilmeleriydi. Bu çok büyük bir hakimiyet değil mi?
04:59
One thing that I've left out of this narrative
101
299506
2089
Bu hikayenin dışında tuttuğum en belirli şey
05:01
is the obvious thing, which is the focus of the rest of my
102
301595
2234
ki kısa konuşmamın geri kalanının tamamını oluşturuyor,
05:03
little talk, and that is other people.
103
303829
2159
bu diğer insanlar.
05:05
These same valuation systems are redeployed
104
305988
2996
Bu benzer değerleme sistemleri diğer insanlarla olan
05:08
when we're valuing interactions with other people.
105
308984
2492
etkileşimleri değerlendirdiğimiz zaman yeniden düzenlenir.
05:11
So this same dopamine system that gets addicted to drugs,
106
311476
3271
Yani bu, ilaçlara bağlı benzer dopamin sistemi,
05:14
that makes you freeze when you get Parkinson's disease,
107
314747
2524
Parkinson hastalığına yakalandığınızda sizi dondurur,
05:17
that contributes to various forms of psychosis,
108
317271
3077
farklı biçimlerde akıl hastalıklarına katkıda bulunur,
05:20
is also redeployed to value interactions with other people
109
320348
3920
ayrıca insanlarla ilişkileri değerlendirmemizi yeniden düzenler.
05:24
and to assign value to gestures that you do
110
324268
2896
ve başkaları ile etkileşim halindeyken
05:27
when you're interacting with somebody else.
111
327164
2574
yaptığınız jestlere değer katar.
05:29
Let me give you an example of this.
112
329738
2577
Bunun bir örneğini vereyim.
05:32
You bring to the table such enormous processing power
113
332315
2967
Bu alanda zorluklara rağmen farkettiğiniz çok büyük işlem gücü
05:35
in this domain that you hardly even notice it.
114
335282
2624
ile ilgili bir fikir öne sürüyorsunuz.
05:37
Let me just give you a few examples. So here's a baby.
115
337906
1467
Birkaç örnek vereyim. Bu bir bebek.
05:39
She's three months old. She still poops in her diapers and she can't do calculus.
116
339373
3730
O üç aylık. hala bezine yapıyor ve hesap yapamıyor.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
117
343103
3353
O benimle ilgilidir. Birisi onun burada ekranda olmasından çok memnun olacak.
05:46
You can cover up one of her eyes, and you can still read
118
346456
2376
Gözlerinden birisini örtebilirsiniz ve hala diğer gözünden
05:48
something in the other eye, and I see sort of curiosity
119
348832
2755
bir anlam çıkarabilirsiniz,bir gözünde merak görüyorum,
05:51
in one eye, I see maybe a little bit of surprise in the other.
120
351587
3597
diğerinde belki bir miktar şaşırma.
05:55
Here's a couple. They're sharing a moment together,
121
355184
3179
Bir çift. Birlikte bir an paylaşıyorlar
05:58
and we've even done an experiment where you can cut out
122
358363
1318
hatta bu karenin herhangi bir parçasını
05:59
different pieces of this frame and you can still see
123
359681
3007
kesip çıkarttığımız halde hala paylaştıklarını göreceğimiz bir deney bile yapmıştık.
06:02
that they're sharing it. They're sharing it sort of in parallel.
124
362688
2504
Onlar benzer şekilde paylaşıyorlar.
06:05
Now, the elements of the scene also communicate this
125
365192
2463
Bu görüntünün unsurları da bize bunu anlatıyorlar
06:07
to us, but you can read it straight off their faces,
126
367655
2235
fakat siz bunu dosdoğru yüzlerinden okuyabilirsiniz,
06:09
and if you compare their faces to normal faces, it would be a very subtle cue.
127
369890
3503
onların yüzlerini normal yüzlerle karşılaştırırsanız bu fazla göze batmayan bir belirtidir.
06:13
Here's another couple. He's projecting out at us,
128
373393
3347
İşte başka bir çift. erkek bizle ilgileniyor,
06:16
and she's clearly projecting, you know,
129
376740
2888
ve bayan ise açıkça, gördüğünüz gibi,
06:19
love and admiration at him.
130
379628
2263
sevgi ve hayranlık ile onunla.
06:21
Here's another couple. (Laughter)
131
381891
3635
İşte başka bir çift. (Kahkaha)
06:25
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
132
385526
5150
Soldakinde sevgi ve hayranlık görmediğimi düşünüyorum.(Kahkaha)
06:30
In fact, I know this is his sister, and you can just see
133
390676
2560
Aslında, ben onun kız kardeşi olduğunu biliyorum ve siz onun
06:33
him saying, "Okay, we're doing this for the camera,
134
393236
2513
"Tamam biz bunu kamera için yapıyoruz,
06:35
and then afterwards you steal my candy and you punch me in the face." (Laughter)
135
395749
5702
"daha sonra sen benim şekerlemelerimi alacaksın ve suratıma bir yumruk atacaksın." (Kahkaha)
06:41
He'll kill me for showing that.
136
401451
2106
Bunu gösterdiğim için beni öldürecek.
06:43
All right, so what does this mean?
137
403557
2797
Tamam, Peki bu ne demek?
06:46
It means we bring an enormous amount of processing power to the problem.
138
406354
3350
Bu, bizim soruna çok büyük miktarda işlem gücü getirdiğimiz anlamına gelir.
06:49
It engages deep systems in our brain, in dopaminergic
139
409704
3648
Beynimizin derin sistemlerine bağlıdır,
06:53
systems that are there to make you chase sex, food and salt.
140
413352
2818
seks, yemek ve tuz peşinde koşan dopaminerjik sistemlerine.
06:56
They keep you alive. It gives them the pie, it gives
141
416170
2894
Sizi canlı tutarlar. cenneti verir,
06:59
that kind of a behavioral punch which we've called a superpower.
142
419064
2904
süpergüç diye adlandırdığımız bir tür davranışsal güç verir.
07:01
So how can we take that and arrange a kind of staged
143
421968
3654
Bunu nasıl ele alabiliriz, sosyal etkileşimin bir aşaması
07:05
social interaction and turn that into a scientific probe?
144
425622
2698
olarak düzenleyebiliriz ve bilimsel bir araştırmaya dönüştürebiliriz.
07:08
And the short answer is games.
145
428320
2691
Kısa cevap oyunlardır.
07:11
Economic games. So what we do is we go into two areas.
146
431011
4404
Ekonomik oyunlar. Yani yaptığımız 2 alanı incelemektir.
07:15
One area is called experimental economics. The other area is called behavioral economics.
147
435415
3336
Bir alan deneysel ekonomi olarak adlandırılır. diğer alan ise davranışsal ekonomi olarak adlandırılır.
07:18
And we steal their games. And we contrive them to our own purposes.
148
438751
4078
Biz onların oyunlarını çalarız. Ve kendi amaçlarımıza uydururuz.
07:22
So this shows you one particular game called an ultimatum game.
149
442829
2967
Bu size ultimatom oyunu olarak adlandırılan belirli bir oyunu görterir.
07:25
Red person is given a hundred dollars and can offer
150
445796
1845
Kırmızı adama 100 dolar verilmiştir ve
07:27
a split to blue. Let's say red wants to keep 70,
151
447641
3723
maviye bir paylaşım teklif edebilir.Kırmızının 70'i kendisine saklayıp
07:31
and offers blue 30. So he offers a 70-30 split with blue.
152
451364
4086
maviye 30 teklif ettiğini farzedelim. Yani maviyle 70-30 bir paylaşım teklif ediyor.
07:35
Control passes to blue, and blue says, "I accept it,"
153
455450
2851
Kontrol maviye geçtiğinde mavi "Kabul ediyorum" diyor
07:38
in which case he'd get the money, or blue says,
154
458301
1956
ve bu durumda parayı alıyor veya
07:40
"I reject it," in which case no one gets anything. Okay?
155
460257
4307
"Kabul etmiyorum" diyor ve bu durumda kimse hiçbirşey alamıyor. Tamam mı?
07:44
So a rational choice economist would say, well,
156
464564
3392
Yani oransal seçimler ile ilgili ekonomistler
07:47
you should take all non-zero offers.
157
467956
2056
sıfır olmayan bütün teklifleri kabul edin diyeceklerdir.
07:50
What do people do? People are indifferent at an 80-20 split.
158
470012
3762
İnsanlar ne yapar. İnsanlar 80-20 paylaşımlara kayıtsız kalırlar.
07:53
At 80-20, it's a coin flip whether you accept that or not.
159
473774
3524
80-20 kabul edip etmeyeceğiniz bir yazı turadır.
07:57
Why is that? You know, because you're pissed off.
160
477298
2891
Neden böyledir? Bilirsiniz. çünkü sinirlisinizdir.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
161
480189
3609
Kızmışsınızdır. Bu adil olmayan bir tekliftir, ve siz adil olmayan bir teklifin ne olduğunu bilirsiniz.
08:03
This is the kind of game done by my lab and many around the world.
162
483798
2704
Bu benim labaratuarım ve dünyadaki birçokları tarafından yapılan bir oyundur.
08:06
That just gives you an example of the kind of thing that
163
486502
2544
Bu size bu oyunların araştırdığı türde bir örnek verir.
08:09
these games probe. The interesting thing is, these games
164
489046
3738
İlginç olan bu oyunlar sizden
08:12
require that you have a lot of cognitive apparatus on line.
165
492784
3707
bir sürü kavramsal cihazın doğrudan bağlantılı olmasını ister.
08:16
You have to be able to come to the table with a proper model of another person.
166
496491
2928
Masaya bir başka insanın uygun bir modeli ile gelebilmelisiniz.
08:19
You have to be able to remember what you've done.
167
499419
3213
Neler yaptığınızı hatırlayabilmelisiniz.
08:22
You have to stand up in the moment to do that.
168
502632
1420
Bunu yaptığınız zamanda dayanabilmelisiniz.
08:24
Then you have to update your model based on the signals coming back,
169
504052
3350
Sonra geri gelen sinyallere göre modelinizi güncellemelisiniz,
08:27
and you have to do something that is interesting,
170
507402
2972
derin düşünce denemesi türünden
08:30
which is you have to do a kind of depth of thought assay.
171
510374
2597
ilginç birşeyler yapmalısınız.
08:32
That is, you have to decide what that other person expects of you.
172
512971
3333
Bu, diğer insanın sizden ne beklediğinize karar verme zorunluluğunuzdur.
08:36
You have to send signals to manage your image in their mind.
173
516304
2954
Onların zihinlerindeki imajınızı yönetmek için sinyaller göndermelisiniz.
08:39
Like a job interview. You sit across the desk from somebody,
174
519258
2853
Bir iş görüşmesi gibi. Bir masada birilerinin karşısında oturuyorsunuz,
08:42
they have some prior image of you,
175
522111
1369
onlarda size ait bir ön imaj vardır,
08:43
you send signals across the desk to move their image
176
523480
2751
masanın diğer tarafına onların sizin hakkınızdaki kanılarını
08:46
of you from one place to a place where you want it to be.
177
526231
3920
istediğiniz şekilde değiştirebilmek için sinyaller gönderirsiniz.
08:50
We're so good at this we don't really even notice it.
178
530151
3385
Bunu gerçekten farkedemesek bile bu konuda çok iyiyizdir.
08:53
These kinds of probes exploit it. Okay?
179
533536
3767
Bu tür araştırmalar bunu kullanır, değil mi?
08:57
In doing this, what we've discovered is that humans
180
537303
1807
Bunu yaparken keşfettiğimiz şey insanların
08:59
are literal canaries in social exchanges.
181
539110
2331
sosyal değişimlerde bağımlı kanaryalar gibi oldukları.
09:01
Canaries used to be used as kind of biosensors in mines.
182
541441
3397
Kanaryalar bir çeşit biosensör gibi madenlerde kullanılırlardı.
09:04
When methane built up, or carbon dioxide built up,
183
544838
3560
Metan arttığı zaman, karbon dioksit arttığı zaman,
09:08
or oxygen was diminished, the birds would swoon
184
548398
4186
oksijen azaldığı zaman kuşlar insanlardan önce bayılırlardı
09:12
before people would -- so it acted as an early warning system:
185
552584
2326
erken uyarı sistemi gibi davranırdı:
09:14
Hey, get out of the mine. Things aren't going so well.
186
554910
2980
Madenden dışarı çıkın. Birşeyler iyi gitmiyor.
09:17
People come to the table, and even these very blunt,
187
557890
2954
İnsanlar ve hatta bu açıksözlü sahnelenen sosyal etkileşimler
09:20
staged social interactions, and they, and there's just
188
560844
2990
masaya gelirler
09:23
numbers going back and forth between the people,
189
563834
3016
insanlar arasında sadece numaralar ileri geri gider gelir.
09:26
and they bring enormous sensitivities to it.
190
566850
2199
ve çok büyük hassasiyet getirirler.
09:29
So we realized we could exploit this, and in fact,
191
569049
2689
Bundan faydalanabileceğimizi fark ettik, hatta
09:31
as we've done that, and we've done this now in
192
571738
2556
biz bunu yaparken ve biz bunu şimdi
09:34
many thousands of people, I think on the order of
193
574294
2694
binlerce kişiye yaptık, Yaklaşık olarak
09:36
five or six thousand. We actually, to make this
194
576988
2165
beş veya altı bin civarında olduğunu düşünüyorum.
09:39
a biological probe, need bigger numbers than that,
195
579153
2224
Biz bunu bir biyolojik araştırma yapmak için aslında
09:41
remarkably so. But anyway,
196
581377
3674
bundan daha büyük dikkat çekici sayılara ihtiyacımız var.
09:45
patterns have emerged, and we've been able to take
197
585051
2004
Fakat nasılsa örnekler ortaya çıkmış ve
09:47
those patterns, convert them into mathematical models,
198
587055
3836
bu örnekleri alabiliyoruz, bunları matematiksel modellere dönüştürebiliyoruz,
09:50
and use those mathematical models to gain new insights
199
590891
2689
ve bu matematiksel modelleri yeni anlayışlar
09:53
into these exchanges. Okay, so what?
200
593580
2131
elde etmek için kullanırız. Tamam, ne olmuş yani?
09:55
Well, the so what is, that's a really nice behavioral measure,
201
595711
3313
Yani bu gerçekten güzel bir davranışsal ölçüm
09:59
the economic games bring to us notions of optimal play.
202
599024
3319
ekonomik oyunlar bize en uygun oyun kavramını kazandırırlar.
10:02
We can compute that during the game.
203
602343
2484
Bunu oyun sırasında hesaplayabiliriz.
10:04
And we can use that to sort of carve up the behavior.
204
604827
2953
Bunu bir nevi davranışa üstün gelmek için kullanabiliriz.
10:07
Here's the cool thing. Six or seven years ago,
205
607780
4330
Şimdi en harika olanı. Altı veya yedi yıl önce
10:12
we developed a team. It was at the time in Houston, Texas.
206
612110
2550
bir takım geliştirdik. O zamanlar Houston Teksas'taydı.
10:14
It's now in Virginia and London. And we built software
207
614660
3394
Şimdi Virginia ve Londra'da. İnternet üzerinden
10:18
that'll link functional magnetic resonance imaging devices
208
618054
3207
kullanımda olan manyetik rezonans görüntüleme cihazlarını
10:21
up over the Internet. I guess we've done up to six machines
209
621261
4035
balğlayan bir yazılım ürettik. Bir seferde 6 makinayı bağladığımızı tahmine ediyorum
10:25
at a time, but let's just focus on two.
210
625296
1981
ama gelin 2 tane üzerine odaklanalım.
10:27
So it synchronizes machines anywhere in the world.
211
627277
3058
Yani dünyanın herhangi bir yerindeki makineleri senkronize edebiliyor.
10:30
We synchronize the machines, set them into these
212
630335
3169
Makineleri senkronize ederiz,
10:33
staged social interactions, and we eavesdrop on both
213
633504
1983
bu sahnelenen sosyal etkileşime ayarlarız,
10:35
of the interacting brains. So for the first time,
214
635487
1666
etkileşim içindeki beyinleri gizlice dinleriz.
10:37
we don't have to look at just averages over single individuals,
215
637153
3607
İlk sefer için tekil bireylerin ortalamalarına bakmak zorunda değiliz
10:40
or have individuals playing computers, or try to make
216
640760
2897
veya bilgisayar oyunu oynamalarına göz yumabiliriz veya bu yolla
10:43
inferences that way. We can study individual dyads.
217
643657
2763
sonuç çıkarabiliriz. Birbirinden farklı 2 bireyi çalışabiliriz.
10:46
We can study the way that one person interacts with another person,
218
646420
2785
Bir kişinin diğeri ile etkileşim şeklini çalışabiliriz.
10:49
turn the numbers up, and start to gain new insights
219
649205
2564
sayıları arttırırız ve normal bilişsel sınırlar içerisinde
10:51
into the boundaries of normal cognition,
220
651769
2515
yeni anlayışlar elde ederiz,
10:54
but more importantly, we can put people with
221
654284
2732
fakat daha önemlisi, insanları
10:57
classically defined mental illnesses, or brain damage,
222
657016
3337
klasik olarak tanımlanmış zihinsel hastalıklar veya beyin hasarları
11:00
into these social interactions, and use these as probes of that.
223
660353
3551
ile sosyal etkileşimler içerisine koyarız, ve bunları bunun araştırması olarak kullanırız.
11:03
So we've started this effort. We've made a few hits,
224
663904
2350
yani biz bu çabaya başladık. birkaç küçük isabetimiz oldu,
11:06
a few, I think, embryonic discoveries.
225
666254
2449
bir kaç, başlangıç aşamasında keşifler.
11:08
We think there's a future to this. But it's our way
226
668703
2812
Bunda bir gelecek olduğunu düşünüyoruz.
11:11
of going in and redefining, with a new lexicon,
227
671515
2560
Bu yeniden tanımlamada veri sözlüğü ile,
11:14
a mathematical one actually, as opposed to the standard
228
674075
4022
daha matematiksel, bizim şimdiye kadar düşündüğümüz
11:18
ways that we think about mental illness,
229
678097
2578
standart zihinsel hastalıkların karşısında kendi yolumuz.
11:20
characterizing these diseases, by using the people
230
680675
2067
bu hastalıkları, insanları
11:22
as birds in the exchanges. That is, we exploit the fact
231
682742
3007
kuşların yerine koyarak tanımlıyoruz. Bu sağlıklı insanın
11:25
that the healthy partner, playing somebody with major depression,
232
685749
4244
büyük depresyonda birisi ile oynaması,
11:29
or playing somebody with autism spectrum disorder,
233
689993
2910
otizm hastalığı olan birisi ile oynaması,
11:32
or playing somebody with attention deficit hyperactivity disorder,
234
692903
3850
veya hiperaktif dikkat eksikliği hastalığı olan birisi ile oynaması durumunu kulandığımız durumdur.
11:36
we use that as a kind of biosensor, and then we use
235
696753
3219
bunu bir tür biosensör olarak kullanırız ve bu kişiyi
11:39
computer programs to model that person, and it gives us
236
699972
2644
modellemek için bilgisayar programları kullanırız ve bu bize
11:42
a kind of assay of this.
237
702616
2470
bunun bir tahlilini verir.
11:45
Early days, and we're just beginning, we're setting up sites
238
705086
2131
İlk zamanlar, başlangıçtaydık, dünyanın
11:47
around the world. Here are a few of our collaborating sites.
239
707217
3410
dört bir yanında siteler kuruyorduk. Bunlar birlikte çalıştığımız sitelerden bazıları.
11:50
The hub, ironically enough,
240
710627
2309
Dağıtım soketi yeterince ironik bir şekilde
11:52
is centered in little Roanoke, Virginia.
241
712936
2889
Roanoke Virginia'da kurulmuştu.
11:55
There's another hub in London, now, and the rest
242
715825
2269
Şimdi diğer bir dağıtım merkezi Londra'da. Geri kalanlar
11:58
are getting set up. We hope to give the data away
243
718094
4009
kuruluyorlar. Verileri başka bir platformda paylaşmayı umuyoruz.
12:02
at some stage. That's a complicated issue
244
722103
3673
Bunu dünyanın geri kalanında kullanılır hale getirmek
12:05
about making it available to the rest of the world.
245
725776
2994
komplike bir mesele.
12:08
But we're also studying just a small part
246
728770
1847
Biz aynı zamanda bizi insan olarak neyin ilginç
12:10
of what makes us interesting as human beings, and so
247
730617
2267
yaptığı konusunun bir kısmı üzerinde de çalışıyoruz.
12:12
I would invite other people who are interested in this
248
732884
2041
Bu konu ile ilgilenen herkesi
12:14
to ask us for the software, or even for guidance
249
734925
2569
bize bu yazılım ile ilgili sorular sormak ve bununla nasıl daha ileriye gidebileceğimiz
12:17
on how to move forward with that.
250
737494
2219
ile ilgili rehberlik yapmak üzere davet etmek istiyorum.
12:19
Let me leave you with one thought in closing.
251
739713
2341
Kapanışta sizinle bir düşüncemi daha paylaşmama izin verin.
12:22
The interesting thing about studying cognition
252
742054
1942
Kavrayış konusunda çalışma ile ilgili ilginç olan şey
12:23
has been that we've been limited, in a way.
253
743996
3732
kısıtlı olduğumuzdu, bir şekilde.
12:27
We just haven't had the tools to look at interacting brains
254
747728
2943
Simultane olarak etkileşim içinde olan beyinlere
12:30
simultaneously.
255
750671
1200
bakabilecek cihazlarımız yoktu.
12:31
The fact is, though, that even when we're alone,
256
751871
2470
Hakikat, yanlız olduğumuz zaman bile,
12:34
we're a profoundly social creature. We're not a solitary mind
257
754341
4111
son derece sosyal varlıklar olduğumuz. Bizler bizi dünyadaki
12:38
built out of properties that kept it alive in the world
258
758452
4373
diğer insanlardan bağımsız olarak hayatta tutan,
12:42
independent of other people. In fact, our minds
259
762825
3948
yalnız birer zihin değiliz. Hatta zihinlerimiz
12:46
depend on other people. They depend on other people,
260
766773
2870
diğer insanlara bağlıdır. Onlar diğer insanlara bağlıdır
12:49
and they're expressed in other people,
261
769643
1541
ve diğer insanlarla ifade edilirler.
12:51
so the notion of who you are, you often don't know
262
771184
3652
Yani kim olduğunuz kavramını
12:54
who you are until you see yourself in interaction with people
263
774836
2688
size yakın olan diğer insanlarla,
12:57
that are close to you, people that are enemies of you,
264
777524
2406
düşmanlarınızla, size kuşku ile yaklaşanlarla
12:59
people that are agnostic to you.
265
779930
2545
etkileşene kadar genellikle bilmezsiniz.
13:02
So this is the first sort of step into using that insight
266
782475
3776
Bu bir nevi bizi neyin insan yaptığı anlayışını kullanmaya
13:06
into what makes us human beings, turning it into a tool,
267
786251
3295
bir cihaza dönüştürüp, zihinsel hastalıklar ile ilgili yeni anlayışlar
13:09
and trying to gain new insights into mental illness.
268
789546
1978
elde etmeye çalışmak yönelik ilk adım
13:11
Thanks for having me. (Applause)
269
791524
3121
Beni dinlediğiniz için teşekkür ederim. (Alkış)
13:14
(Applause)
270
794645
3089
(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