Pawan Sinha on how brains learn to see

Pawan Sinha ile Beyinlerin görmeyi öğrenmesi üzerine

64,774 views ・ 2010-02-25

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Isil Arican Gözden geçirme: Ayşe Demirel
00:15
If you are a blind child in India,
0
15260
4000
Eğer Hindistan'da kör bir çocuksanız,
00:19
you will very likely have to contend with
1
19260
3000
muhtemen en az iki kötü haberle
00:22
at least two big pieces of bad news.
2
22260
3000
baş etmek zorunda kalırsınız.
00:25
The first bad news
3
25260
2000
Kötü haberlerin ilki
00:27
is that the chances of getting treatment
4
27260
3000
tedavi olma ihtimalinin
00:30
are extremely slim to none,
5
30260
3000
oldukça az, hatta imkansız olduğudur,
00:33
and that's because most of the blindness
6
33260
2000
çünkü bu ülkedeki çoğu
00:35
alleviation programs in the country
7
35260
2000
körlük tedavi programı
00:37
are focused on adults,
8
37260
2000
yetişkinlere odaklanmış durumda,
00:39
and there are very, very few hospitals
9
39260
3000
ve çocukları tedavi edecek donanımdaki
00:42
that are actually equipped to treat children.
10
42260
3000
hastane sayısı çok az.
00:46
In fact, if you were to be treated,
11
46260
4000
Aslında, olur da tedavi edilirseniz
00:51
you might well end up being treated
12
51260
3000
Rajahastan'daki bu vakada olduğu gibi
00:54
by a person who has no medical credentials
13
54260
3000
sizi tedavi eden kişinin tıbbi eğitim almamış biri
00:57
as this case from Rajasthan illustrates.
14
57260
3000
olma ihtimali oldukça yüksek.
01:00
This is a three-year-old orphan girl
15
60260
2000
Üş yaşındaki bu yetim kız çocuğu
01:02
who had cataracts.
16
62260
2000
katarakt hastası idi.
01:04
So, her caretakers took her
17
64260
2000
Bu nedenle, bakıcıları onu
01:06
to the village medicine man,
18
66260
2000
köyün sihirbaz hekimi'ne (medicine man) götürdüler,
01:08
and instead of suggesting to the caretakers
19
68260
3000
sihirbaz hekim de bakıcılara
01:11
that the girl be taken to a hospital,
20
71260
3000
bu bebeği hastaneye götürmelerini önermek yerine
01:14
the person decided to burn her abdomen
21
74260
2000
bebeğin içine giren kötü ruhları kovmak için
01:16
with red-hot iron bars
22
76260
2000
göbeğini kızgın demir çubuklarla
01:18
to drive out the demons.
23
78260
2000
dağlamayı tercih etti.
01:20
The second piece of bad news
24
80260
3000
İkinci kötü haber ise
01:23
will be delivered to you
25
83260
2000
size nöroscientist'ler tarafından
01:25
by neuroscientists, who will tell you
26
85260
3000
verilecektir, onlar size
01:28
that if you are older than four or five years of age,
27
88260
3000
eğer dört ya da beş yaşından büyükseniz
01:31
that even if you have your eye corrected,
28
91260
3000
gözünüz tedavi edilse bile,
01:34
the chances of your brain learning how to see
29
94260
3000
beyninizin görmeyi öğrenme ihtimalinin
01:37
are very, very slim --
30
97260
2000
çok ama çok zayıf olduğunu söyleyecekler.
01:39
again, slim or none.
31
99260
3000
Tekrar ediyorum, çok zayıf ya da yok.
01:42
So when I heard these two things,
32
102260
2000
Bu iki şeyi duyduğumda
01:44
it troubled me deeply,
33
104260
2000
hem kişisel hem de
01:46
both because of personal reasons
34
106260
2000
bilimsel nedenlerden ötürü
01:48
and scientific reasons.
35
108260
2000
oldukça endişelenmiştim.
01:50
So let me first start with the personal reason.
36
110260
3000
Önce izin verirseniz kişisel nedenlerle başlayayım.
01:53
It'll sound corny, but it's sincere.
37
113260
3000
Size klişe gelebilir, ama samimiyim.
01:56
That's my son, Darius.
38
116260
2000
Bu benim oğlum, Darius.
01:58
As a new father,
39
118260
2000
Yeni bir baba olarak
02:00
I have a qualitatively different sense
40
120260
4000
bebeklerin ne kadar narin oldukları
02:04
of just how delicate babies are,
41
124260
3000
onlara karşı olan yükümlülüklerimiz,
02:07
what our obligations are towards them
42
127260
3000
ve bir çocuğa karşı hissedebileceğimiz sevgi miktarı
02:10
and how much love
43
130260
2000
hakkında oldukça farklı
02:12
we can feel towards a child.
44
132260
3000
bir bakış açım var.
02:15
I would move heaven and earth
45
135260
2000
Darius'un tedavi olması için
02:17
in order to get treatment for Darius,
46
137260
3000
yeri, göğü altüst ederdim.
02:20
and for me to be told
47
140260
2000
Ve benim için
02:22
that there might be other Dariuses
48
142260
2000
tedavi olamayacak diğer Darius'ların
02:24
who are not getting treatment,
49
144260
2000
mevcut olması
02:26
that's just viscerally wrong.
50
146260
3000
duygusal olarak kabul edilemez.
02:29
So that's the personal reason.
51
149260
2000
İşte bu kişisel neden.
02:31
Scientific reason is that this notion
52
151260
3000
Bilimsel neden ise nörolojik açıdan
02:34
from neuroscience of critical periods --
53
154260
2000
tanımlanan bu kritik zaman dilimleri
02:36
that if the brain is older
54
156260
3000
yani, eğer beyin dört ya da beş
02:39
than four or five years of age,
55
159260
2000
yaından daha büyükse
02:41
it loses its ability to learn --
56
161260
2000
öğrenme yetisini kaybediyor.
02:43
that doesn't sit well with me,
57
163260
2000
Bu fikir benim aklıma tam yatmıyor,
02:45
because I don't think that idea
58
165260
2000
çünkü inanıyorum ki bu fikir
02:47
has been tested adequately.
59
167260
3000
tam olarak test edilmedi.
02:50
The birth of the idea is from
60
170260
2000
Bu fikir, Harvard'dan iki araştırmacının
02:52
David Hubel and Torsten Wiesel's work,
61
172260
2000
David Hubel ve Torsten Wiesel'in
02:54
two researchers who were at Harvard,
62
174260
2000
çalışmalarına dayanıyor.
02:56
and they got the Nobel Prize in 1981
63
176260
3000
Bu araştırmacılar 1981 yılında
02:59
for their studies of visual physiology,
64
179260
2000
görsel fizyoloji alanındaki çok güzel
03:01
which are remarkably beautiful studies,
65
181260
2000
bir çalışma ile Nobel Ödülü kazandılar,
03:03
but I believe some of their work
66
183260
2000
ama inanıyorum ki çalışmalarının bir kısmı
03:05
has been extrapolated
67
185260
2000
insanlar üzerine
03:07
into the human domain prematurely.
68
187260
2000
gereğinden erken uyarlandı.
03:09
So, they did their work with kittens,
69
189260
2000
Aslınd çalışmalarını kedi yavruları ile
03:11
with different kinds of deprivation regiments,
70
191260
2000
farklı yoksunluk grupları oluşturarak yürütmüşlerdi.
03:13
and those studies,
71
193260
2000
Altmışlı yıllarda yapılan
03:15
which date back to the '60s,
72
195260
2000
bu çalışmalar
03:17
are now being applied to human children.
73
197260
3000
şimdi insan bebeklerine uyarlanıyor.
03:20
So I felt that I needed to do two things.
74
200260
3000
Bu nedenle iki şey yapma ihtiyacı hissettim.
03:23
One: provide care
75
203260
3000
Bir: Halen tedaviden
03:26
to children who are currently
76
206260
2000
yoksun olan çocuklara
03:28
being deprived of treatment.
77
208260
2000
tıbbi bakım sağlamak.
03:30
That's the humanitarian mission.
78
210260
2000
Bu insani bir görev.
03:32
And the scientific mission would be
79
212260
2000
Bilimsel görev ise
03:34
to test the limits
80
214260
2000
görsel plastisitenin limitlerini
03:36
of visual plasticity.
81
216260
2000
test etmek.
03:38
And these two missions, as you can tell,
82
218260
3000
tahmin edersiniz ki, bu iki görev
03:41
thread together perfectly. One adds to the other;
83
221260
3000
çok iyi bir şekilde kaynaştı, biri diğerini destekliyor.
03:44
in fact, one would be impossible without the other.
84
224260
3000
Aslında, biri olmadan diğerini başarmak imkansız.
03:49
So, to implement
85
229260
2000
Bu nedenle, bu ikiz görevleri
03:51
these twin missions,
86
231260
2000
yerine getirmek için
03:53
a few years ago, I launched Project Prakash.
87
233260
3000
bundan birkaç yıl önce Prakash Projesini başlattım.
03:56
Prakash, as many of you know,
88
236260
2000
Belki bilirsiniz, Prakash kelimesi
03:58
is the Sanskrit word for light,
89
238260
2000
Sanskritçe'de IŞIK anlamına geliyor,
04:00
and the idea is that
90
240260
2000
amacımız, bu çocukların
04:02
in bringing light into the lives of children,
91
242260
3000
yaşantılarına ışık katarken
04:05
we also have a chance
92
245260
2000
aynı zamanda nörolojinin
04:07
of shedding light on some of the
93
247260
2000
en derin gizemlerine de
04:09
deepest mysteries of neuroscience.
94
249260
3000
ışık tutmak.
04:12
And the logo -- even though it looks extremely Irish,
95
252260
3000
Logomuz ise, her ne kadar İrlanda kökenli gibi
04:15
it's actually derived from
96
255260
2000
görünse de, aslında
04:17
the Indian symbol of Diya, an earthen lamp.
97
257260
4000
çömlekten bir kandil olan bir Hint Sembolü: Diya.
04:21
The Prakash, the overall effort
98
261260
3000
Prakash Projeindeki çalışmalar
04:24
has three components:
99
264260
2000
üç bileşenden oluşuyor,
04:26
outreach, to identify children in need of care;
100
266260
4000
tedavi ihtiyacı olan çocuklara ulaşmak ve tanımlamak,
04:30
medical treatment; and in subsequent study.
101
270260
3000
tedavi etmek ve takip eden araştırmalar.
04:33
And I want to show you a short video clip
102
273260
3000
Şimdi size ilk iki bileşeni gösteren
04:36
that illustrates the first two components of this work.
103
276260
3000
kısa bir video klip göstermek istiyorum.
04:41
This is an outreach station
104
281260
2000
Bu, körlere yönelik bir okulda
04:43
conducted at a school for the blind.
105
283260
3000
yaptığımız bir tarama.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
286260
5000
(Yazı: Çocukların çoğu kesin ve kalıcı bir şekilde kör)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
291260
5000
Pawan Sinha: Bu körlere yönelik bir okul olduğundan
04:56
many children have permanent conditions.
108
296260
2000
çoğu çocuğun körlüğü kalıcı.
04:58
That's a case of microphthalmos,
109
298260
3000
Bu bir mikroftalmi vakası, (mikroftalmi: az gelişmiş göz küresi)
05:01
which is malformed eyes,
110
301260
2000
yani bir göz malformasyonu
05:03
and that's a permanent condition;
111
303260
2000
ve kalıcı bir durum
05:05
it cannot be treated.
112
305260
2000
tedavisi yok.
05:07
That's an extreme of micropthalmos
113
307260
2000
Bu mikroftalmi'nin de ötesinde,
05:09
called enophthalmos.
114
309260
2000
enfotalmi. (enoftalmi: göz küresi yokluğu)
05:11
But, every so often, we come across children
115
311260
2000
Ama eninde sonunda az da olsa görme kalıntısı
05:13
who show some residual vision,
116
313260
3000
olan bir çocuğa rastladığımız oluyor,
05:16
and that is a very good sign
117
316260
3000
bu hastalığın tedavi edilebilir olduğunu gösteren
05:19
that the condition might actually be treatable.
118
319260
2000
iyi bir işaret olabilir.
05:21
So, after that screening, we bring the children to the hospital.
119
321260
3000
Taramanın ardından, bu çocukları hastaneye getiriyoruz.
05:24
That's the hospital we're working with in Delhi,
120
324260
2000
Delhi'de çalıştığımız hastane bu,
05:26
the Schroff Charity Eye Hospital.
121
326260
3000
Schorff Göz Vakıf Hastanesi
05:29
It has a very well-equipped
122
329260
2000
Çok iyi donanımı olan
05:31
pediatric ophthalmic center,
123
331260
3000
bir pediatrik göz hastalıkları merkezi.
05:35
which was made possible in part
124
335260
2000
ki, Ronald McDonald vakfının katıları
05:37
by a gift from the Ronald McDonald charity.
125
337260
4000
ile kuruldu, Yani aslında
05:41
So, eating burgers actually helps.
126
341260
3000
hamburger yemek bazen faydalı olabiliyor.
05:45
(Text: Such examinations allow us to improve
127
345260
2000
(Yazı: Bu tip muayeneler, pek çok çocuğun
05:47
eye-health in many children, and ...
128
347260
2000
göz sağlığını iyileştirmemize yarıyor, ve...
05:54
... help us find children who can participate in Project Prakash.)
129
354260
3000
Project Prakash'a katılabilecek uygunlukta çocukları bulmamızı sağlıyor.
05:57
PS: So, as I zoom in to the eyes of this child,
130
357260
2000
PS: Şimdi, bu çocuğun gözlerine zoom yaptığımda
05:59
you will see the cause of his blindness.
131
359260
3000
körlük nedenini görebilirsiniz.
06:03
The whites that you see in the middle of his pupils
132
363260
3000
Gözbebekleri ortasındaki beyazlıklar
06:06
are congenital cataracts,
133
366260
3000
doğumsal kataraktlar,
06:09
so opacities of the lens.
134
369260
2000
yani göz merceğindeki opasiteler.
06:11
In our eyes, the lens is clear,
135
371260
3000
Gözlerimizeki lens saydamdır,
06:14
but in this child, the lens has become opaque,
136
374260
2000
ama bu çocuğun kensi opak,
06:16
and therefore he can't see the world.
137
376260
3000
bu nedenle etrafı göremiyor.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
379260
3000
Bu çocuk tedavi edildi. Gözün resimlerini göreceksiniz.
06:22
Here's the eye with the opaque lens,
139
382260
2000
İşte opak lensi olan göz
06:24
the opaque lens extracted
140
384260
2000
opak lens çıkarılıyor
06:26
and an acrylic lens inserted.
141
386260
3000
ve yerine akrilik lens yerleştiriliyor.
06:29
And here's the same child
142
389260
2000
Ve bu da aynı çocuk
06:31
three weeks post-operation,
143
391260
3000
amliyattan iki hafta sonra
06:34
with the right eye open.
144
394260
3000
sağ gözü açık.
06:40
(Applause)
145
400260
6000
(Alkışlar)
06:46
Thank you.
146
406260
2000
Teşekkürler.
06:48
So, even from that little clip, you can begin to get the sense
147
408260
3000
Bu kısacık klipte de gördüğünüz gibi
06:51
that recovery is possible,
148
411260
2000
görme yetisinin yeniden kazanılması mümkün.
06:53
and we have now
149
413260
2000
Şu anda
06:55
provided treatment to over 200 children,
150
415260
3000
200'den fazla çocuğu tedavi etmiş durumdayız
06:58
and the story repeats itself.
151
418260
2000
ve hikaye her seferinde yeninden yaşanıyor.
07:00
After treatment, the child
152
420260
2000
Tedaviyi takiben, çocuk
07:02
gains significant functionality.
153
422260
3000
kayda değer bir işlevsellik kazanıyor.
07:05
In fact, the story holds true
154
425260
3000
Aslında, birkaç yıldır görsel uyarıdan
07:08
even if you have a person who got sight
155
428260
2000
yoksun bir kişi için bile
07:10
after several years of deprivation.
156
430260
2000
sonuçlar aynı.
07:12
We did a paper a few years ago
157
432260
2000
Birkaç yıl önce, burada
07:14
about this woman that you see on the right, SRD,
158
434260
4000
sağda gördüğünüz kadın hakkında bir yayın yaptık, SRD,
07:18
and she got her sight late in life,
159
438260
2000
o, görme yetisini yaşantısının ileri yıllarında yeniden kavuştu
07:20
and her vision is remarkable at this age.
160
440260
4000
ve görüşü yaşına göre gayet iyi idi.
07:24
I should add a tragic postscript to this --
161
444260
3000
Hikayenin trajik sonunu da paylaşacak olursam
07:27
she died two years ago
162
447260
2000
ne yazık ki birkaç yıl önce
07:29
in a bus accident.
163
449260
2000
bir otobüs kazasında öldü.
07:31
So, hers is just a truly inspiring story --
164
451260
4000
Gördüğünüz gibi onun hikayesi ilham verici,
07:35
unknown, but inspiring story.
165
455260
3000
bilinmeyen ama ilham verici bir hikaye.
07:38
So when we started finding these results,
166
458260
2000
Tahmin edersiniz ki, bu sonuçlara ulaşmamız
07:40
as you might imagine, it created quite a bit of stir
167
460260
3000
bilimsel ve popüler medyada epey bir
07:43
in the scientific and the popular press.
168
463260
3000
harekete neden oldu.
07:46
Here's an article in Nature
169
466260
2000
İşte Nature dergisinden bir makale,
07:48
that profiled this work,
170
468260
2000
bu çalışmadan bahsediyor.
07:50
and another one in Time.
171
470260
2000
Time dergisinde yer alan bir başka makale.
07:52
So, we were fairly convinced -- we are convinced --
172
472260
2000
Biz, uzamış görsel yoksunluğa rağmen
07:54
that recovery is feasible,
173
474260
2000
tedavinin mümkün olduğu
07:56
despite extended visual deprivation.
174
476260
3000
konusunda oldukça ikna olduk.
07:59
The next obvious question to ask:
175
479260
2000
Elbette ki soracağınız bir sonraki sorunun
08:01
What is the process of recovery?
176
481260
3000
"iyileşme süreci nedir?" olması gerekir.
08:04
So, the way we study that is,
177
484260
3000
Bunu şu şekilde araştırıyoruz,
08:07
let's say we find a child who has light sensitivity.
178
487260
2000
diyelim ki ışığa duyarlı bir çocuk var
08:09
The child is provided treatment,
179
489260
2000
onu tedavi ediyoruz.
08:11
and I want to stress that the treatment
180
491260
2000
bu arada bu tedavi sürecinin tamamen
08:13
is completely unconditional;
181
493260
2000
koşulsuz olduğunu belirtmek isterim.
08:15
there is no quid pro quo.
182
495260
2000
Karşılık verme esasına dayalı değil.
08:17
We treat many more children then we actually work with.
183
497260
3000
Çalışmamıza dahil olan çocuk sayısından çok daha fazlasını tedavi ediyoruz.
08:20
Every child who needs treatment is treated.
184
500260
3000
Tedaviye ihtiyacı olan her çocuğu tedavi ediyoruz.
08:23
After treatment, about every week,
185
503260
2000
Tedaviyi takiben, her hafta
08:25
we run the child
186
505260
2000
çalışmaya katılan çocuğu
08:27
on a battery of simple visual tests
187
507260
3000
görsel yetilerinin ne kadar geliştiğini
08:30
in order to see how their visual skills
188
510260
2000
görmek için bir grup basit
08:32
are coming on line.
189
512260
2000
testten geçiriyoruz.
08:34
And we try to do this for as long as possible.
190
514260
3000
Bunu mümkün olduğu kadar uzun zaman sürdürmeye çalışıyoruz.
08:37
This arc of development
191
517260
2000
Bu gelişim eğrisi
08:39
gives us unprecedented
192
519260
2000
görme yetisinin ne şekilde
08:41
and extremely valuable information
193
521260
2000
üst üste gelişen parçalardan oluştuğu
08:43
about how the scaffolding of vision
194
523260
2000
bize emsali görülmemiş derecede önemli
08:45
gets set up.
195
525260
2000
bilgiler veriyor.
08:47
What might be the causal connections
196
527260
2000
Erken gelişen yetilerle
08:49
between the early developing skills
197
529260
2000
daha sonra gelişimini tamamlayanlar arasında
08:51
and the later developing ones?
198
531260
2000
ne gibi rastgele bağlantılar mevcut?
08:53
And we've used this general approach to study
199
533260
2000
Pekçok farklı görme yetkinliğini incelerken
08:55
many different visual proficiencies,
200
535260
3000
çalışmaya bu açıdan baktık.
08:58
but I want to highlight one particular one,
201
538260
4000
Ancak bir tanesinin altını çizmek istiyorum,
09:02
and that is image parsing into objects.
202
542260
3000
ki bu görüntülerin nesnelere dönüşmesi üzerine.
09:05
So, any image of the kind that you see on the left,
203
545260
2000
Şimdi, solda gördüğünüz resimler
09:07
be it a real image or a synthetic image,
204
547260
3000
ister gerçek ister sentetik resimler olsun
09:10
it's made up of little regions
205
550260
2000
orta sütunda görülen
09:12
that you see in the middle column,
206
552260
2000
farklı renklerdeki ve
09:14
regions of different colors, different luminances.
207
554260
3000
farklı aydınlıktaki küçük alanlardan oluşuyor.
09:17
The brain has this complex task
208
557260
3000
Beyin, bu alanların küçük parçalarını
09:20
of putting together, integrating,
209
560260
3000
bir araya koyup birleştirerek
09:23
subsets of these regions
210
563260
2000
bu küçük kümelelerden daha anlamlı olan
09:25
into something that's more meaningful,
211
565260
2000
sağ tarafta gördüğünüz
09:27
into what we would consider to be objects,
212
567260
2000
nesnelerin görüntüsünü ortaya çıkarmak gibi
09:29
as you see on the right.
213
569260
2000
karmaşık bir görev üstleniyor.
09:31
And nobody knows how this integration happens,
214
571260
2000
Kimse bu birleştirmenin nasıl olduğunu bilmiyor.
09:33
and that's the question we asked with Project Prakash.
215
573260
4000
Prakash projesi ile sorduğumuz soru bu aslında.
09:37
So, here's what happens
216
577260
2000
İşte, görüş yeteneği geri geldikten
09:39
very soon after the onset of sight.
217
579260
3000
hemen sonra olan şey bu.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
582260
3000
Burada sadece birkaç hafta önce görme yetisini geri kazanan birini görüyorsunuz,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
585260
3000
yanında deneyi yürüten ve
09:48
running the experiment with him.
220
588260
3000
MIT'den master öğrencisi Ethan Myers var.
09:51
His visual-motor coordination is quite poor,
221
591260
4000
Hastanın görsel-motor koordinasyonu oldukça zayıf,
09:55
but you get a general sense
222
595260
2000
ama parmağı ile takip etmeye
09:57
of what are the regions that he's trying to trace out.
223
597260
3000
çalıştığınız alanları fark ediyorsunuz.
10:00
If you show him real world images,
224
600260
2000
Eğer bu hastaya veya bu hastaya benzer diğerlerine
10:02
if you show others like him real world images,
225
602260
3000
gerçek hayata ait şekiller gösterirseniz
10:05
they are unable to recognize most of the objects
226
605260
2000
bu nesnelerin çoğunu tanıyamıyorlar
10:07
because the world to them is over-fragmented;
227
607260
3000
çünkü dünya onlar için aslında bir tür kolaj,
10:10
it's made up of a collage, a patchwork,
228
610260
3000
farklı renk ve ışıklardan oluşan bir nevi
10:13
of regions of different colors and luminances.
229
613260
2000
patchwork gibi duruyor.
10:15
And that's what's indicated in the green outlines.
230
615260
2000
Yeşil çizgilerde gösterilen bu.
10:17
When you ask them,
231
617260
2000
Onlara, nesnelerin adını bilemeseniz bile nesneleri parmakla gösterin
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
619260
3000
dendiğinde işaret ettikleri
10:22
these are the regions that they point to.
233
622260
2000
alanlar bunlar.
10:24
So the world is this complex
234
624260
2000
Yani dünya bu kompleks
10:26
patchwork of regions.
235
626260
2000
patchwork alanlarından oluşuyor.
10:28
Even the shadow on the ball
236
628260
2000
Topun üzerindeki gölge bile
10:30
becomes its own object.
237
630260
3000
ayrı bir nesne olarak algılanıyor.
10:33
Interestingly enough,
238
633260
2000
İlginç olan şu ki,
10:35
you give them a few months,
239
635260
2000
eğer birkaç ay beklerseniz
10:37
and this is what happens.
240
637260
3000
olan şu.
10:43
Doctor: How many are these?
241
643260
2000
Doktor: Burada kaç tane şekil var?
10:45
Patient: These are two things.
242
645260
2000
Hasta: İki şekil var.
10:47
Doctor: What are their shapes?
243
647260
2000
Doktor: Şekiller neler?
10:49
Patient: Their shapes ...
244
649260
2000
Hasta: Şekiller...
10:51
This one is a circle,
245
651260
3000
Bu daire,
10:54
and this
246
654260
2000
bu da
10:56
is a square.
247
656260
2000
bir kare.
10:58
PS: A very dramatic transformation has come about.
248
658260
3000
PS: Çok çarpıcı bir değişim olmuş durumda.
11:01
And the question is:
249
661260
2000
Soru şu:
11:03
What underlies this transformation?
250
663260
2000
bu değişimin altında yatan nedir?
11:05
It's a profound question,
251
665260
2000
Bu çok derin bir soru,
11:07
and what's even more amazing is how simple
252
667260
2000
ve şaşırtıcı olan şey de
11:09
the answer is.
253
669260
2000
ceabın çok basit olması.
11:11
The answer lies in motion
254
671260
2000
Cevap hareketlilikte yatıyor,
11:13
and that's what I want to show you in the next clip.
255
673260
3000
bunu size bir sonraki klipte göstereceğim.
11:18
Doctor: What shape do you see here?
256
678260
2000
Doktor: Burada hangi şekili görüyorsun?
11:20
Patient: I can't make it out.
257
680260
3000
Hasta: Ayırt edemiyorum.
11:28
Doctor: Now?
258
688260
2000
Doktor: Şimdi?
11:31
Patient: Triangle.
259
691260
2000
Hasta: Üçgen.
11:35
Doctor: How many things are these?
260
695260
3000
Doktor: Burada kaç şekil var?
11:48
Now, how many things are these?
261
708260
3000
Şimdi, burada kaç şekil var?
11:51
Patient: Two.
262
711260
2000
Hasta: İki.
11:53
Doctor: What are these things?
263
713260
2000
Doktor: Şekiller neler?
11:56
Patient: A square and a circle.
264
716260
2000
Hasta: Bir kare ve bir daire.
11:58
PS: And we see this pattern over and over again.
265
718260
3000
PS: Bu örneği tekar tekrar görüyoruz.
12:01
The one thing the visual system needs
266
721260
3000
Görme sisteminin dünyayı ayrıştırmak için
12:04
in order to begin parsing the world
267
724260
2000
ihtiyacı olan şey
12:06
is dynamic information.
268
726260
2000
hareketli bilgilerdir.
12:08
So the inference we are deriving from this,
269
728260
2000
Bundan ve benzer diğer deneylerde
12:10
and several such experiments,
270
730260
2000
çıkarmamız gereken sonuç şu,
12:12
is that dynamic information processing,
271
732260
2000
dinamik bilgi işleme ya da
12:14
or motion processing,
272
734260
2000
hareket işleme
12:16
serves as the bedrock for building
273
736260
2000
diğer karmaşık görsel süreçleri için
12:18
the rest of the complexity of visual processing;
274
738260
4000
bir temel oluşturmaktadır.
12:22
it leads to visual integration
275
742260
2000
Bu, görsel entegrasyon
12:24
and eventually to recognition.
276
744260
3000
ve sonunda da görsel tanımaya gider.
12:27
This simple idea has far reaching implications.
277
747260
3000
Bu basit fikrin uzun vadeli sonuçları var.
12:30
And let me just quickly mention two,
278
750260
3000
İki tanesinden bahsetmeme izin verin.
12:33
one, drawing from the domain of engineering,
279
753260
2000
Birincisi, mühendislik ve klinik alanlarından
12:35
and one from the clinic.
280
755260
2000
köken alıyor.
12:37
So, from the perspective of engineering,
281
757260
2000
Mühendislik açısından bakarsak
12:39
we can ask: Goven that we know
282
759260
3000
hareketin insan görme sistemi açısından
12:42
that motion is so important for the human visual system,
283
762260
2000
önemini göz önüne alarak bu yöntemi
12:44
can we use this as a recipe
284
764260
3000
bir insan tarafından
12:47
for constructing machine-based vision systems
285
767260
3000
programlanmaya ihtiyacı olmadan
12:50
that can learn on their own, that don't need to be programmed
286
770260
3000
kendi kendine öğrenen mekanik görme sistemleri
12:53
by a human programmer?
287
773260
2000
üretmede kullanabiliriz.
12:55
And that's what we're trying to do.
288
775260
2000
Yapmaya çalışığımız da bu.
12:57
I'm at MIT, at MIT you need to apply
289
777260
3000
Ben MIT'de çalışıyorum, MIT'de
13:00
whatever basic knowledge you gain.
290
780260
2000
öğrendiğiniz her bilgiyi uygulamaya koymanız gerekir.
13:02
So we are creating Dylan,
291
782260
2000
Bu nedenle
13:04
which is a computational system
292
784260
2000
bir bilgisayar sistemi olan Dylan'ı yarattık.
13:06
with an ambitious goal
293
786260
2000
iddialı bir hedefimiz var,
13:08
of taking in visual inputs
294
788260
2000
bir çocuğun yaptığı gibi
13:10
of the same kind that a human child would receive,
295
790260
3000
görsel verileri alıyor ve
13:13
and autonomously discovering:
296
793260
2000
kendi kendine görme alanındaki
13:15
What are the objects in this visual input?
297
795260
3000
nesnelerin ne olduğunu keşfediyor.
13:18
So, don't worry about the internals of Dylan.
298
798260
3000
Dylan'ın nasıl çalıştığının detaylarını boşverin,
13:21
Here, I'm just going to talk about
299
801260
3000
burada size Dylan'ı nasıl test ettiğimizi
13:24
how we test Dylan.
300
804260
2000
göstermek istiyorum.
13:26
The way we test Dylan is by giving it
301
806260
2000
Dylan'ı test etme yöntemimiz şöyle,
13:28
inputs, as I said, of the same kind
302
808260
3000
daha önce de söylediğim gibi, Prakash Projesindeki
13:31
that a baby, or a child in Project Prakash would get.
303
811260
3000
bir çocuğun veya bebeğe yaptığımız gibi, veri girdileriyle.
13:34
But for a long time we couldn't quite figure out:
304
814260
3000
En başta bu tip video verilerini ne şekilde
13:37
Wow can we get these kinds of video inputs?
305
817260
3000
elde edeceğimizi tam bilemedim.
13:41
So, I thought,
306
821260
2000
Sonra, Darius'u
13:43
could we have Darius
307
823260
2000
bizim bebek kameramanımız
13:45
serve as our babycam carrier,
308
825260
3000
olarak kullanma fikri aklıma geldi.
13:48
and that way get the inputs that we feed into Dylan?
309
828260
3000
Böylece Dylan'a besleyeceğimiz verileri elde etme yolunu bulduk.
13:51
So that's what we did.
310
831260
2000
Ve biz de bunu yaptık.
13:53
(Laughter)
311
833260
7000
(Gülüşmeler)
14:00
I had to have long conversations with my wife.
312
840260
3000
Karımla epey uzun konuşmalar yapmam gerekti.
14:03
(Laughter)
313
843260
5000
(Gülüşmeler)
14:08
In fact, Pam, if you're watching this,
314
848260
2000
Aslında Pam, eğer bunu izliyorsan
14:10
please forgive me.
315
850260
2000
beni affet.
14:13
So, we modified the optics of the camera
316
853260
4000
Sonra, bebeğin görme keskinliğini taklit etmek için
14:17
in order to mimic the baby's visual acuity.
317
857260
3000
kameranın optik düzeneğini değiştirdik.
14:20
As some of you might know,
318
860260
2000
Bazılarınızın bildiği gibi,
14:22
babyies are born pretty much legally blind.
319
862260
4000
bebekler neredeyse kördürler.
14:26
Their acuity -- our acuity is 20/20;
320
866260
3000
Bizim görme keskinliğimiz 20/20'dir,
14:29
babies' acuity is like 20/800,
321
869260
3000
bebeklerinki ise 20/800.
14:32
so they are looking at the world
322
872260
2000
bu nedenle dünyayı
14:34
in a very, very blurry fashion.
323
874260
3000
çok ama çok bulanık görürler.
14:37
Here's what a baby-cam video looks like.
324
877260
3000
İşte bir bebek kamerası videosu...
14:41
(Laughter)
325
881260
9000
(Kahkahalar)
14:50
(Applause)
326
890260
3000
(Alkışlar)
14:53
Thankfully, there isn't any audio
327
893260
2000
Neyse ki bu görüntüye eşlik eden
14:55
to go with this.
328
895260
3000
ses kaydımız yok.
14:58
What's amazing is that working with such
329
898260
2000
İnanılmaz olanı şu, bu şekilde yüksek oranda
15:00
highly degraded input,
330
900260
2000
bulanık bir veri girişi ile
15:02
the baby, very quickly, is able
331
902260
2000
bir bebek son derece hızlı bir şekilde
15:04
to discover meaning in such input.
332
904260
3000
bu verinin anlamını keşfedebilir.
15:07
But then two or three days afterward,
333
907260
2000
Bir iki gün içinde
15:09
babies begin to pay attention
334
909260
2000
bebekler kendi anne veya babalarının
15:11
to their mother's or their father's face.
335
911260
2000
yüzlerini tanıyarak tepki vermeye başlarlar.
15:13
How does that happen? We want Dylan to be able to do that,
336
913260
3000
Bu nasıl oluyor? Biz Dylan'ın da bunu başarmasını istiyoruz.
15:16
and using this mantra of motion,
337
916260
3000
Dylan, hareketle ilgili bu
15:19
Dylan actually can do that.
338
919260
2000
tekrarlar sonunda bunu yapabilir.
15:21
So, given that kind of video input,
339
921260
3000
Gördüğünüz gibi bir video verisine
15:24
with just about six or seven minutes worth of video,
340
924260
3000
ve altı-yedi dakikalık bir video sonunda
15:27
Dylan can begin to extract patterns
341
927260
3000
Dylan yülzer e dahil olmak üzere şekilleri
15:30
that include faces.
342
930260
3000
ayırt etmeye başladı.
15:33
So, it's an important demonstration
343
933260
2000
Bu, hareketin gücünü güstermesi açısından
15:35
of the power of motion.
344
935260
2000
çok önemli bir olay.
15:37
The clinical implication, it comes from the domain of autism.
345
937260
3000
Klinik uygulama alanı ise otizm ile ilgili.
15:40
Visual integration has been associated with autism
346
940260
2000
Bazı araştırmacılar görsel entegrasyon ile
15:42
by several researchers.
347
942260
2000
otizm arasında bir bağlantı buldular.
15:44
When we saw that, we asked:
348
944260
2000
Bunu görünce kendimize şunu sorduk:
15:46
Could the impairment in visual integration
349
946260
3000
Otizm'deki dinamik bilgi işleme eksikliğinin altında yatan
15:49
be the manifestation of something underneath,
350
949260
3000
daha derin sorunlar kendini
15:52
of dynamic information processing deficiencies in autism?
351
952260
3000
görsel entegrasyondaki kusur şeklinde gösterebilir mi?
15:55
Because, if that hypothesis were to be true,
352
955260
3000
Çünkü, eğer bu hipotez doğru ise,
15:58
it would have massive repercussions in our understanding
353
958260
3000
bu bize otizm ile ilgili farklı özelliklere
16:01
of what's causing the many different aspects
354
961260
2000
bakış açımızda ve anlayışımızda
16:03
of the autism phenotype.
355
963260
3000
yepyeni ufuklar açabilir.
16:06
What you're going to see are
356
966260
2000
Burada iki ayrı çocuğa ait
16:08
video clips of two children -- one neurotypical,
357
968260
3000
iki video var. Bunlardan biri nörolojik olarak normal,
16:11
one with autism, playing Pong.
358
971260
2000
diğeri ise otistik. Pong oynuyorlar.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
973260
3000
Çocuklar Pong oynarken oluşan göz hareketlerini takip ediyoruz.
16:16
In red are the eye movement traces.
360
976260
3000
Kırmızı renkle görünenler göz hareketleri,
16:19
This is the neurotypical child, and what you see
361
979260
3000
bu nörolojik olarak normal olan çocuk, görüyorsunuz
16:22
is that the child is able to make cues
362
982260
2000
bu çocuk ekrandaki dinamik bilgiyi
16:24
of the dynamic information
363
984260
2000
topun nereye gideceğini tahmin etmek
16:26
to predict where the ball is going to go.
364
986260
2000
için kullanabiliyor.
16:28
Even before the ball gets to a place,
365
988260
3000
Daha top gittiği yere varmadan
16:31
the child is already looking there.
366
991260
3000
topun varacağı yeri tahmin edip oraya bakıyor.
16:34
Contrast this with a child
367
994260
2000
Aynı oyunu oynayan
16:36
with autism playing the same game.
368
996260
2000
otistik bir çocukla karşılaştıralım.
16:38
Instead of anticipating,
369
998260
2000
Bu çocuk topun yönünü öngörmek yerine
16:40
the child always follows where the ball has been.
370
1000260
3000
her zaman topun geçtiği yolu takip ediyor.
16:43
The efficiency of the use
371
1003260
2000
Otizm'de dinamik bilgiyi
16:45
of dynamic information
372
1005260
2000
kullanma etkinliği
16:47
seems to be significantly compromised in autism.
373
1007260
3000
ciddi anlamda azalmış gibi görünüyor.
16:51
So we are pursuing this line of work
374
1011260
3000
Şimdi bu konu ile ilgili çalışıyoruz ve
16:54
and hopefully we'll have
375
1014260
2000
umuyorum ki çok yakında
16:56
more results to report soon.
376
1016260
2000
daha fazla sonuca ulaşmış olacağız.
16:58
Looking ahead, if you think of this disk
377
1018260
3000
İleriye bakacak olursak, eğer bu daireyi
17:01
as representing all of the children
378
1021260
2000
şimdiye kadar tedavi ettiğimiz çocukların tamamı
17:03
we've treated so far,
379
1023260
2000
olarak düşünürseniz
17:05
this is the magnitude of the problem.
380
1025260
2000
sorunun büyüklüğü böyle bir şey.
17:07
The red dots are the children we have not treated.
381
1027260
3000
Kırmızı noktalar henüz tedavi etmediğimiz çocuklar.
17:10
So, there are many, many more children who need to be treated,
382
1030260
2000
Yani hala tedavi edilmesi gereken çok ama çok çocuk var,
17:12
and in order to expand the scope of the project,
383
1032260
3000
Bu projenin kapsamını genişletmek için
17:15
we are planning on launching
384
1035260
2000
içinde bu konuya adanmış bir çocuk hastanesi
17:17
The Prakash Center for Children,
385
1037260
2000
tedavi gören çocuklara yönelik bir okul
17:19
which will have a dedicated pediatric hospital,
386
1039260
3000
ve son teknolojiyi kullanan bir araştırma merkezi
17:22
a school for the children we are treating
387
1042260
2000
içeren bir merkez, Prakash Çocuk Merkezi
17:24
and also a cutting-edge research facility.
388
1044260
2000
kurmayı planlıyoruz.
17:26
The Prakash Center will integrate health care,
389
1046260
3000
Prakash Merkezi, sağlık hizmeti ile
17:29
education and research in a way
390
1049260
2000
eğitim ve araştırmayı bir şekilde entegre edecek
17:31
that truly creates the whole
391
1051260
2000
ve kendisini oluşturan parçaların toplamından
17:33
to be greater than the sum of the parts.
392
1053260
3000
çok daha büyük ve önemli bir yer olacak.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1056260
3000
Kısaca özetlemek gerekirse, Prakash kurulduktan sonraki
17:39
it's had an impact in multiple areas,
394
1059260
3000
beş yıl içinde basit nörolojik esneklikten ve
17:42
ranging from basic neuroscience
395
1062260
2000
beyinin öğrenmesinden tutun da,
17:44
plasticity and learning in the brain,
396
1064260
2000
otizm gibi klinik anlamı olan hiptozlere,
17:46
to clinically relevant hypotheses like in autism,
397
1066260
4000
otonom yapay görme sistemlerine
17:50
the development of autonomous machine vision systems,
398
1070260
3000
lisans ve lisansüstü öğrencilerin eğitimlerine
17:53
education of the undergraduate and graduate students,
399
1073260
3000
ve en önemlisi çocukluk çağına ait
17:56
and most importantly in the alleviation
400
1076260
2000
körlüğün tedavisine kadar pek çok alana
17:58
of childhood blindness.
401
1078260
2000
katkıda bulundu.
18:00
And for my students and I, it's been
402
1080260
2000
Bu süreç, ben ve öğrencilerim için
18:02
just a phenomenal experience
403
1082260
2000
olağandışı bir deneyim oldu
18:04
because we have gotten to do interesting research,
404
1084260
4000
çünkü ilginç bir konuda araştırma yaparken
18:08
while at the same time
405
1088260
2000
aynı anda
18:10
helping the many children that we have worked with.
406
1090260
2000
birlikte çalıştığımız pekçok çocuğa yardımcı olma şansımız oldu.
18:12
Thank you very much.
407
1092260
2000
Çok teşekkür ederim.
18:14
(Applause)
408
1094260
2000
(Alkışlar)
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