Daniel Wolpert: The real reason for brains

Перекладач: Yermiichuk Dmitrii Утверджено: Ruslan Savchuk

I'm a neuroscientist.

Я невролог.

And in neuroscience,

І в області неврології,

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

ми маємо справу з багатьма важкими питаннями про мозок.

But I want to start with the easiest question

Але я хочу почати з самого простого запитання

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

і це питання ви всі повинні були задавали собі у якийсь момент у вашому житті,

because it's a fundamental question

тому що це фундаментальне питання

if we want to understand brain function.

якщо ми хочемо зрозуміти роботу мозку.

And that is, why do we and other animals

І ось це питання, чому ми і інші тварини

have brains?

маємо мозок?

Not all species on our planet have brains,

Не всі види на нашій планеті мають мозок,

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

тому, якщо ми хочемо знати навіщо потрібен мозок,

let's think about why we evolved one.

давайте подумаємо про те, чому ми еволюціонували.

Now you may reason that we have one

Ви можете подумати, що ми повинні

to perceive the world or to think,

були сприймати світ або думати,

and that's completely wrong.

і це абсолютно неправильно.

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

Якщо ви думаєте про це питання протягом певного часу,

it's blindingly obvious why we have a brain.

це стало очевидним, чому у нас є мозок.

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

У нас є мозок з однієї-єдиної причини,

and that's to produce adaptable and complex movements.

і це виробництво гнучких і складних рухів.

There is no other reason to have a brain.

Не існує ніякої іншої причини мати мозок.

Think about it.

Подумайте про це.

Movement is the only way you have

Рух це єдиний спосіб який у вас є

of affecting the world around you.

щоб впливати на світ навколо вас.

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

Тепер це не зовсім так. Є інша сторона - через потовиділення.

But apart from that,

Але, крім того,

everything else goes through contractions of muscles.

все інше йде через скорочення м'язів.

So think about communication --

Так що подумайте про зв'язок -

speech, gestures, writing, sign language --

мова, жести, письмо, мова жестів -

they're all mediated through contractions of your muscles.

всі вони опосередковані скороченнями м'язів.

So it's really important to remember

Так що дійсно важливо пам'ятати,

that sensory, memory and cognitive processes are all important,

що сенсорні процеси, процеси пам'яті і когнітивні процеси є важливими,

but they're only important

але вони тільки важливі

to either drive or suppress future movements.

для керування або придушення майбутнього руху.

There can be no evolutionary advantage

Там може і не бути ніяких еволюційних переваг

to laying down memories of childhood

для спогадів про дитинство

or perceiving the color of a rose

або сприйняття кольору троянди

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

якщо це не впливає на спосіб життя, який Ви виберете в майбутньому.

Now for those who don't believe this argument,

Тепер для тих, хто не вірить цьому аргументу,

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

у нас дерева і трава на нашій планеті без головного мозку,

but the clinching evidence is this animal here --

але остаточні докази це тварини -

the humble sea squirt.

скромні асцидії.

Rudimentary animal, has a nervous system,

Рудиментарні тварини, мають нервову систему,

swims around in the ocean in its juvenile life.

плавають в океані до повнолітнього життя.

And at some point of its life,

І в якийсь момент свого життя,

it implants on a rock.

вони відкладаються на скелях.

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

І перше, що вони роблять на скелі, яку вони ніколи не залишають,

is to digest its own brain and nervous system

це перетворююти свій мозок і нервову систему

for food.

для їжі.

So once you don't need to move,

Тому, як тільки вам не потрібно рухатися,

you don't need the luxury of that brain.

Вам не потрібна розкіш у вигляді головного мозку.

And this animal is often taken

І ця тварина часто приймається

as an analogy to what happens at universities

як аналогія того, що відбувається в університетах

when professors get tenure,

коли професори отримують посаду,

but that's a different subject.

але це вже інша тема.

(Applause)

(Оплески)

So I am a movement chauvinist.

Так що я шовініст руху.

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

Я вважаю, рух є найбільш важливою функцією мозку -

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

не дозволяйте нікому говорити вам, що це не так.

Now if movement is so important,

Тепер, якщо рух це так важливо,

how well are we doing

наскільки добре ми розуміємо

understanding how the brain controls movement?

те як мозок контролює рухи?

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

І відповідь - дуже погано, це дуже складна проблема.

But we can look at how well we're doing

Але ми можемо подивитися, як добре ми робимо

by thinking about how well we're doing building machines

, думаючи про те, як добре ми робимо будівельні машини

which can do what humans can do.

, які можуть робити те, що люди можуть зробити.

Think about the game of chess.

Подумайте про гру в шахи.

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

Наскільки добре ми робимо вибір того, де має бути фігура?

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

Якщо ви посадите тут Гаррі Каспарова

against IBM's Deep Blue,

проти Deep Blue компанії IBM,

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

то Deep Blue від компанії IBM буде час від часу перемагати.

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

І я думаю, якби IBM Deep Blue грав із кимось у цій кімнаті, він би перемагав щоразу.

That problem is solved.

Ця проблема буде вирішена.

What about the problem

А як щодо проблеми

of picking up a chess piece,

рухів шахової фігури,

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

спритно маніпулювати і повертати її назад на доску?

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

Якщо ви співставите спритність п'ятирічної дитини проти кращих роботів на сьогоднішній день

the answer is simple:

відповідь проста:

the child wins easily.

дитина переможе легко.

There's no competition at all.

Там немає конкуренції взагалі.

Now why is that top problem so easy

Тепер, чому перша проблема така проста

and the bottom problem so hard?

та друга така складна?

One reason is a very smart five year-old

Однією з причин є дуже розумне п'ятирічне дитя

could tell you the algorithm for that top problem --

міг би розповісти вам алгоритм для вирішення першої проблеми -

look at all possible moves to the end of the game

подивитися на всі можливі ходи до кінця гри

and choose the one that makes you win.

і вибрати той, який зробить вас переможцем.

So it's a very simple algorithm.

Так що це дуже простий алгоритм.

Now of course there are other moves,

Тепер, звичайно є й інші кроки,

but with vast computers we approximate

але з величезними комп'ютерами ми апроксимуємо

and come close to the optimal solution.

і стаємо ближчими до оптимального рішення.

When it comes to being dexterous,

Коли справа доходить до кмітливості,

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

тоді навіть не ясно, який алгоритм ви повинні вирішити, щоб бути кмітливим.

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

І ми побачимо, що ви повинні як сприймати так і діяти у світі,

which has a lot of problems.

який має багато проблем.

But let me show you cutting-edge robotics.

Але дозвольте мені показати вам передових роботів.

Now a lot of robotics is very impressive,

Зараз багато роботів дуже вражає,

but manipulation robotics is really just in the dark ages.

але роботи які можуть маніпулювати були іще в темні століття.

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

Так що це кінець докторьского проекту

from one of the best robotics institutes.

від одного з кращих інститутів робототехніки.

And the student has trained this robot

І студент тренував робота

to pour this water into a glass.

наливати воду у склянку.

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

Це складна проблема, тому що вода хлюпає, але він може це зробити.

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

Але він не робить це із гнучкісттю людини.

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

Тепер, якщо ви хочете щоб робот робив інші завдання,

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

це іще три роки докторської програми.

There is no generalization at all

Не існує узагальнення

from one task to another in robotics.

від одного завдання до іншого в області робототехніки.

Now we can compare this

Тепер ми можемо порівняти це

to cutting-edge human performance.

зі найсучасніших людських можливостей.

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

Так що я збираюся показати Вам, Емілі Фокс

winning the world record for cup stacking.

переможця світового рекорду по складанню стаканів.

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

Тепер американці в аудиторії будуть знати все про складання стаканів.

It's a high school sport

Це висока спортивна школа

where you have 12 cups you have to stack and unstack

де у вас є 12 чашок і ви повинні скласти і розкласти їх

against the clock in a prescribed order.

за встановлений час.

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

І це її світовий рекорд в реальному часі.

(Laughter)

(сміх)

(Applause)

(оплески)

And she's pretty happy.

І вона дуже щаслива.

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

Ми поняття не маємо, що відбувається в її мозку, коли вона робить це,

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

і це те що ми хотіли б знати.

So in my group, what we try to do

Так у моїй групі, те, що ми намагаємося зробити

is reverse engineer how humans control movement.

є зворотне проектування, як люди управляють рухом.

And it sounds like an easy problem.

І це звучить як легке завдання.

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

Ви посилаєте команду вниз, це змушує м'язи скорочуватися.

Your arm or body moves,

Ваші руки або тіло рухається,

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

і ви отримуєте сенсорний зворотний зв'язок від бачення, зі шкіри, з м'язів і так далі.

The trouble is

Біда в тому,

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

що ці сигнали не красиві сигнали якими ви хотіли щоб вони були.

So one thing that makes controlling movement difficult

Так одна річ, яка робить управління рухом важким

is, for example, sensory feedback is extremely noisy.

є, наприклад, сенсорний зворотній зв'язок який дуже шумний.

Now by noise, I do not mean sound.

Під шумом, я не маю на увазі звук.

We use it in the engineering and neuroscience sense

Ми використовуємо його в інженерному і нейронаучному сенсі

meaning a random noise corrupting a signal.

мається на увазі випадковий шум що псує сигнал.

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

В ті старі дні до цифрового радіо, коли ви налаштували руками ваше радіо

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

а ви чули "шшшшшшш" замість станції, яку Ви хотіли б почути,

that was the noise.

це був шум.

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

Але в цілому, цей шум є те, що псує сигнал.

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

Так, наприклад, якщо ви кладете руку під стіл

and try to localize it with your other hand,

і намагаються локалізувати її з іншого боку другою рукою,

you can be off by several centimeters

Ви можете промахнутись на кілька сантиметрів

due to the noise in sensory feedback.

через шум у відчутті зворотного зв'язку.

Similarly, when you put motor output on movement output,

Аналогічним чином, коли ви за допомогою моторики м"язів рухаєтесь,

it's extremely noisy.

це дуже шумно.

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

Забудьте про спроби вражати яблочко в дартс,

just aim for the same spot over and over again.

ви тільки будете досягати того ж місця знову і знову.

You have a huge spread due to movement variability.

У вас є величезний діапазон варіантів через рухові мінливості.

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

і бідьше того зовнішній світ чи задачі

is both ambiguous and variable.

є одночасно двозначним і змінним.

The teapot could be full, it could be empty.

Чаша може бути повною, та може бути пустою.

It changes over time.

Це змінюється з часом.

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

Ми працюємо в цілій каші зашумлених завдань.

Now this noise is so great

Тепер цей шум настільки великий,

that society places a huge premium

що суспільство надає величезні премії

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

тим з нас, хто може зменшити наслідки шуму.

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

Так, якщо ти достатньо везучий, щоб бути здатним забити маленький білий мячик

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

в лузу за декілька сотень ярдів, використовуючи довгу металічну клюшку,

our society will be willing to reward you

наше суспільство бажатиме віддячити тобі

with hundreds of millions of dollars.

сотнями мільйонів доларів.

Now what I want to convince you of

Так в чому я хочу переконати вас

is the brain also goes through a lot of effort

це те, що мозок також проходить через багато зусиль

to reduce the negative consequences

щоб зменшити негативні наслідки

of this sort of noise and variability.

наприклад, шум та непостійність.

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

І щоб зробити це, я збираюсь розповісти про структуру

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

яка є дуже популярною в статистиці та штучному інтелекті протягом останніх 50 років

called Bayesian decision theory.

яка називається Баєсівська теорія прийняття рішень.

And it's more recently a unifying way

І це недавно стало обєднаним шляхом

to think about how the brain deals with uncertainty.

осмислення того, як мозок справляється з несподіваностями.

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

І основна ідея в тому, що ви хочете спочатку зробити висновок та потім виконати певні дії.

So let's think about the inference.

Тож давайте подумаємо про висновки.

You want to generate beliefs about the world.

Ви хочете зробити певні висновки про світ.

So what are beliefs?

Так що ж таке віра?

Beliefs could be: where are my arms in space?

Віра може бути у усвідомленні того де мої руки у просторі?

Am I looking at a cat or a fox?

Я дивлюсь на кота чи на лисицю?

But we're going to represent beliefs with probabilities.

Але ми збираємось співставити віру з ймовірністю.

So we're going to represent a belief

Тож ми представимо віру

with a number between zero and one --

як число між нулем і одиницею--

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

нуль значить, що я абсолютно не вірю, один значить, що я абсолютно переконаний.

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

І числа в проміжку дають вам рівні невпевненості.

And the key idea to Bayesian inference

І основна ідея Баєсівських висновків

is you have two sources of information

це те, що ви маєте два джереле інформації

from which to make your inference.

з яких ви можете зробити висновки.

You have data,

Ви маєте дані,

and data in neuroscience is sensory input.

і дані в області неврології подаються сенсорними шляхами.

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

Так що я маю сенсорні сигнали, які я можу приняти, щоб переконатися.

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

Але є й інше джерело інформації, і воно ефективніше-це попередній досвід.

You accumulate knowledge throughout your life in memories.

Ви накопичуєте досвід протягом усього життя у спогадах.

And the point about Bayesian decision theory

І суть Байєсівської теорії прийняття рішень у тому,

is it gives you the mathematics

що вона дає вам математичний

of the optimal way to combine

оптимальних спосіб об'єднати

your prior knowledge with your sensory evidence

ваш попередній досвід з сенсорними показниками

to generate new beliefs.

для створення нових вражень.

And I've put the formula up there.

І я задав формулу.

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

Я не збираюся пояснювати, що це за формула, але вона дуже красива.

And it has real beauty and real explanatory power.

Вона має справжню красу і пояснювальну силу.

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

І те, що вона дійсно говорить, і те, що ви хочете оцінити,

is the probability of different beliefs

є ймовірність різних відчуттів

given your sensory input.

які подаються сенсорною системою.

So let me give you an intuitive example.

Отже, дозвольте мені дати вам наочний приклад.

Imagine you're learning to play tennis

Уявіть, що ви вчитеся грати в теніс

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

і ви хочете вирішити де м'яч буде відскакувати

as it comes over the net towards you.

коли він летить до вас.

There are two sources of information

Є два джерела інформації

Bayes' rule tells you.

каже правило Баєсса.

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

Із сенсорних даних ви можете використовувати візуальну інформацію та слухову інформацію,

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

і що може сказати вам, що він збирається приземлитися там де червона пляма.

But you know that your senses are not perfect,

Але ви знаєте, що ваші відчуття не досконалі,

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

і, тому, є деяка похибка визанчення місця падіння його на землю

shown by that cloud of red,

показано червоною хмарою,

representing numbers between 0.5 and maybe 0.1.

представлено числами від 0,5 і можливо до 0,1.

That information is available in the current shot,

Ця інформація доступна на поточному слайді,

but there's another source of information

але є ще одне джерело інформації

not available on the current shot,

не доступне на поточному слайді,

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

але тільки шляхом досвіду в грі в теніс,

and that's that the ball doesn't bounce

і ось чому м'яч не стрибає

with equal probability over the court during the match.

з рівною імовірністю на корт під час матчу.

If you're playing against a very good opponent,

Якщо ви граєте проти дуже хорошого суперника,

they may distribute it in that green area,

вони можуть поширювати його там де зелена зона,

which is the prior distribution,

який до розподілу,

making it hard for you to return.

робить його важким для вас, щоб повернутися.

Now both these sources of information carry important information.

Зараз обидва ці джерела інформації несуть важливу інформацію.

And what Bayes' rule says

І що правило Байеса говорить

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

чи це те, що я повинен помножити імовірність червоного на зелений

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

, щоб отримати імовірність жовтого

and that's my belief.

і це є мій погляд.

So it's the optimal way of combining information.

Так що це оптимальний спосіб об'єднання інформації.

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

Тепер я не сказав би Вам все це, якщо це не було б ще кілька років тому,

we showed this is exactly what people do

ми показали, це саме те, що роблять люди

when they learn new movement skills.

коли вони пізнають нові навички руху.

And what it means

І що це означає

is we really are Bayesian inference machines.

що ми є насправді Байєсовською машиною виведення?

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

Рухаючись, ми дізнаємося про статистику в світі і накопичуємо її,

but we also learn

але ми також дізнаємося

about how noisy our own sensory apparatus is,

про шуми у сенсорних апаратах,

and then combine those

, а потім об'єднуємо їх

in a real Bayesian way.

в реальний Байєсовський спосіб.

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

Тепер ключову роль байєсівської теорії є ця частина формули.

And what this part really says

І те, що ця частина дійсно говорить

is I have to predict the probability

так це що у мене є, щоб передбачити ймовірність

of different sensory feedbacks

різних сенсорних зворотних зв'язків

given my beliefs.

отриманих моїми відчуттями.

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

Так що це насправді означає, що я повинен робити прогнози на майбутнє.

And I want to convince you the brain does make predictions

І я хочу переконати вас у тому, що мозок робить прогнози

of the sensory feedback it's going to get.

сенсорної сиситеми, а саме того, що вона збирається отримати.

And moreover, it profoundly changes your perceptions

І більше того, це глибоко змінює ваше сприйняття

by what you do.

того, що ви робите.

And to do that, I'll tell you

А для цього, я вам розповім

about how the brain deals with sensory input.

про те, як мозок контактує із сенсорною системою.

So you send a command out,

Таким чином, ви відправляєте команду,

you get sensory feedback back,

та отримуєте відповіть від сенсорної системи,

and that transformation is governed

і це перетворення регулюється

by the physics of your body and your sensory apparatus.

фізичноми можливостями вашого тіла і вашим сенсорним апаратом.

But you can imagine looking inside the brain.

Але ви можете собі уявити, заглянувши всередину мозку.

And here's inside the brain.

А ось всередині мозку.

You might have a little predictor, a neural simulator,

Можливо, вам доведеться трохи розповісти про нейронний симулятор,

of the physics of your body and your senses.

фізики вашого тіла і ваших відчуттів.

So as you send a movement command down,

Отже, якщо ви відправили команду переміщення вниз,

you tap a copy of that off

як ви натиснете на копію, що поза

and run it into your neural simulator

і запустити його в своєму нейронному симуляторі

to anticipate the sensory consequences of your actions.

для передбачення сенсорних наслідків ваших дій.

So as I shake this ketchup bottle,

Як тільки я потрушу цю пляшку кетчупу,

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

я отримую віддачу сенсорної системи, як функцію часу в нижньому ряду.

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

І якщо у мене є хороший провісник, вона пророкує те ж саме.

Well why would I bother doing that?

Ну чому я повинен турбуватися роблячи це?

I'm going to get the same feedback anyway.

Я збираюся отримати ту ж віддачу у будь-якому випадку.

Well there's good reasons.

Що ж, є вагомі причини.

Imagine, as I shake the ketchup bottle,

Уявіть собі, як я трясу пляшку кетчупу,

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

хтось дуже по-доброму до мене підходить і стукає мене в спину.

Now I get an extra source of sensory information

Тепер я отримую додаткове джерело сенсорної інформації

due to that external act.

завдяки зовнішньому акту.

So I get two sources.

Так я отримую два джерела.

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

Ваш стук передався на неї, і я потрусив її,

but from my senses' point of view,

але з точки зору моїх відчуттів,

that is combined together into one source of information.

це є об'єднання інформації в одне джерело.

Now there's good reason to believe

Тепер є всі підстави вважати,

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

що ви хотіли б мати можливість розрізняти зовнішні події від внутрішніх подій.

Because external events are actually much more behaviorally relevant

Тому що зовнішні події набагато більше відповідають за поведінку

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

а потім відчувати все, що відбувається всередині мого тіла.

So one way to reconstruct that

Так один із способів для відновлення цього

is to compare the prediction --

це порівняти пророкування -

which is only based on your movement commands --

яке базується тільки на основі вашої взаємодії -

with the reality.

з реальністю.

Any discrepancy should hopefully be external.

Будь-яка невідповідність, повина бути зовнішня.

So as I go around the world,

Так, як я йду по всьому світу,

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

Я роблю прогнози про те, що я повинен отримати, віднімаючи їх.

Everything left over is external to me.

Все, що залишилося є зовнішнім для мене.

What evidence is there for this?

Які є докази цього?

Well there's one very clear example

Є один дуже яскравий приклад

where a sensation generated by myself feels very different

де власні відчуття дуже різні

then if generated by another person.

аніж у іншої людини.

And so we decided the most obvious place to start

І тому ми вирішили що набільш очевидне місце для початку

was with tickling.

був лоскіт.

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

Це було відомо протягом довгого часу, ви не можете полоскотати себе

as well as other people can.

так як інші люди.

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

Але це насправді не було показано, тому що у вас є нейроний симулятор,

simulating your own body

симулюючий власне тіло

and subtracting off that sense.

і віднімає те відчуття.

So we can bring the experiments of the 21st century

Так що ми можемо провести експерименти 21-го століття

by applying robotic technologies to this problem.

із застосуванням робо-технологій до цієї проблеми.

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

І по суті, те, що у нас є, якісь палиці з однієї сторони додається до робота,

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

і вони будуть рухатися вперед і назад.

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

І тоді ми будемо відстежувати, що з комп'ютером

and use it to control another robot,

і використовувати його для керування іншим роботом,

which is going to tickle their palm with another stick.

, яка збирається лоскотати свої долоні іншого палицею.

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

І тоді ми будемо просити їх оцінити купу речей

including ticklishness.

в тому числі делікатність.

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

Я покажу вам, тільки одну частину нашого дослідження.

And here I've taken away the robots,

І ось я взяв від роботів,

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

але люди рухають їх правою рукою синусоидально назад і вперед.

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

І ми повторим для іншої сторони, з тимчасовою затримкою.

Either no time delay,

Або немає часу затримки,

in which case light would just tickle your palm,

У цьому випадку світло буде просто лоскотати ваші долоні,

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

або затримка в дві десятих три десятих секунди.

So the important point here

Тому важливим моментом тут

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

є права рука що завжди робить одне і те ж - синусоїдальний рух.

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

Лівою рукою завжди є теж саме і синусоїдально лоскоче.

All we're playing with is a tempo causality.

Все, із чим ми граємо з причиною темпу.

And as we go from naught to 0.1 second,

І, як ми переходимо від нуля до 0,1 секунди,

it becomes more ticklish.

це стає все більш делікатним.

As you go from 0.1 to 0.2,

Як ви йдете від 0,1 до 0,2,

it becomes more ticklish at the end.

це стає все більш делікатні в кінці.

And by 0.2 of a second,

І на 0,2 секунді,

it's equivalently ticklish

це саме делікатне

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

для робота, який щойно вас лоскотав без вашого втручання.

So whatever is responsible for this cancellation

Не важливо що відповідає за скасування

is extremely tightly coupled with tempo causality.

але це надзвичайно щільно поєднано з причиною темпу.

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

І на основі цього прикладу, ми дійсно переконалися в області

that the brain's making precise predictions

що мозок приймає точні прогнози

and subtracting them off from the sensations.

і віднімає їх з відчуттів.

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

Тепер я повинен зізнатися, це найгірше дослідженнях в моїй лабораторії.

Because the tickle sensation on the palm comes and goes,

Бо відчуття лоскоту на долоні приходить і йде,

you need large numbers of subjects

вам потрібна велика кількість предметів

with these stars making them significant.

з цих зірок робить їх значущими.

So we were looking for a much more objective way

Так що ми шукали більш об'єктивно

to assess this phenomena.

Для оцінки цього явища.

And in the intervening years I had two daughters.

І за минулі роки в мене було дві дочки.

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

І ще одне, що ви помітите про дітей в задніх сидіннях автомобілів в далеких поїздках,

they get into fights --

вони потрапляють в бої -

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

, який почався з того що хтось робить щось для інших, а інші відповідають.

It quickly escalates.

Це швидко зростає.

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

І діти, як правило, потрапляють в бої в яких ескалються з точки зору сили.

Now when I screamed at my children to stop,

Тепер, коли я кричав на своїх дітей, щоб зупинити,

sometimes they would both say to me

Іноді вони обидві говорять мені:

the other person hit them harder.

інша особа, вдарила їх важче.

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

Тепер я знаю, мої діти не брешуть,

so I thought, as a neuroscientist,

таким чином я думав, як невролог,

it was important how I could explain

важливо, як я міг пояснити,

how they were telling inconsistent truths.

як вони говорили мені несумісну правду.

And we hypothesize based on the tickling study

І ми припускаємо, базуючись на дослідженні лоскоту

that when one child hits another,

, що, коли одна дитина ударяє іншу,

they generate the movement command.

вони виробляють команду руху.

They predict the sensory consequences and subtract it off.

Вони передбачають, сенсорні наслідки і віднімають їх.

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

Так що вони насправді думають, що вони ударили людину менш жорстко, ніж отримали -

rather like the tickling.

як лоскіт.

Whereas the passive recipient

У той час як пасивний отримувач

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

не робить передбачення і відчуває повний удар.

So if they retaliate with the same force,

Так, якщо вони у відповідь ударять з тією ж силою,

the first person will think it's been escalated.

Перша людина буде думати, що бійка загострилася.

So we decided to test this in the lab.

Тому ми вирішили перевірити це в лабораторії.

(Laughter)

(Сміх у залі)

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

Тепер ми не працюємо з дітьми, ми не працюємо з ударами,

but the concept is identical.

але суть залишається однаковим.

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

Ми беремо двох дорослих. Ми говоримо їм, що вони збираються грати в ігри.

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

Так ось вони сидять один навпроти одного.

And the game is very simple.

І гра дуже проста.

We started with a motor

Ми почали з двигуна

with a little lever, a little force transfuser.

з невеликим важілем, трохи передававшим силу.

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

І ми використовуємо цей двигун для застосування сили до пальців гравця

for three seconds and then it stops.

протягом трьох секунд, а потім зупиняємся.

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

І гравця було сказано, пам'ятайте досвід сили

and use your other finger

і використовуйте інший палець

to apply the same force

для застосовування тієї ж сили

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

до пальців через датчик сили - і вони це роблять.

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

І для другого гравця було сказано, пам'ятайте про досвід сили.

Use your other hand to apply the force back down.

Використовуйте іншу руку для застосування сили вниз.

And so they take it in turns

І вони по черзі

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

застосовували силу.

But critically,

Але важливо,

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

що вони ознайомлені з правилами гри в окремих кімнатах.

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

Так що вони не знають правил інших людей.

And what we've measured

І те, що ми вимірювали

is the force as a function of terms.

це сила, в залежності від умов.

And if we look at what we start with,

І якщо ми подивимося на те з чого ми починаємо,

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

четверть Ньютон там, кількість витків,

perfect would be that red line.

ідеально було б, що червоною лінією.

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

А що ми бачимо у всіх парах суб'єктів це -

a 70 percent escalation in force

70 відсотків ескалації в силу

on each go.

на кожному ходу.

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

Так що насправді передбачає, коли ви робите це -

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

на основі цього дослідження та інших, що ми зробили -

that the brain is canceling the sensory consequences

що мозок зводить нанівець сенсорні наслідки

and underestimating the force it's producing.

та недооцінка сили це виробляє.

So it re-shows the brain makes predictions

Так він ще раз показує, мозок робить передбачення

and fundamentally changes the precepts.

і принципово змінює заповіді.

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

Таким чином, ми зробили висновки, що ми зробили прогнози,

now we have to generate actions.

Тепер ми повинні генерувати дії.

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

І що правила Байеса говорить, це, враховуючи мої переконання,

the action should in some sense be optimal.

дії повинні в деякому сенсі бути оптимальним.

But we've got a problem.

Але у нас є проблеми.

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

Завдання є символічними - Я хочу пити, я хочу танцювати -

but the movement system has to contract 600 muscles

але рухова система повинна задіяти 600 м'язів

in a particular sequence.

в певній послідовності.

And there's a big gap

Є велика різниця

between the task and the movement system.

між завданням і руховою системою.

So it could be bridged in infinitely many different ways.

Так що можуть бути подолані нескінченно багатьма різними способами.

So think about just a point to point movement.

Так що думайте про лише точки до точки руху.

I could choose these two paths

Я можу вибрати ці два шляхи

out of an infinite number of paths.

з нескінченної кількості шляхів.

Having chosen a particular path,

Вибравши особливий шлях,

I can hold my hand on that path

я можу тримати руку на пульсі цього шляху

as infinitely many different joint configurations.

як нескінченно багато різних спільних конфігурацій.

And I can hold my arm in a particular joint configuration

І я можу тримати руку на пульсі виключної спільної конфігурації

either very stiff or very relaxed.

або дуже жорстко або дуже розслаблено.

So I have a huge amount of choice to make.

Так що в мене величезний вибір.

Now it turns out, we are extremely stereotypical.

Тепер виявляється, що ми дуже стереотипні.

We all move the same way pretty much.

Ми всі рухаємося так само, досить багато.

And so it turns out we're so stereotypical,

І так виходить, що ми такі стереотипні,

our brains have got dedicated neural circuitry

наш мозок отримав виділену нервову систему

to decode this stereotyping.

для декодування цих стереотипів.

So if I take some dots

Так що, якщо я візьму деякі точки

and set them in motion with biological motion,

і поставлю їх в рух з біологічними рухом,

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

Схема вашого мозку зрозуміє миттєво, що відбувається.

Now this is a bunch of dots moving.

Тепер це купа точок рухається.

You will know what this person is doing,

Ви будете знати, що ця людина робить,

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

чи щаслива, сумна, стара, молода - величезна кількість інформації.

If these dots were cars going on a racing circuit,

Якби ці точки були автомобілями, що рухаються на гоночній трасі,

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

Ви абсолютно не знали б, що відбувається.

So why is it

Так чому це ж так

that we move the particular ways we do?

що ми рухаємося по окремому шляху?

Well let's think about what really happens.

Ну давайте подумаємо про те, що відбувається насправді.

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

Може бути, ми не всі спокійно рухаємось таким же чином.

Maybe there's variation in the population.

Може бути, є відмінності у складі населення.

And maybe those who move better than others

А може бути, є ті, хто рухаються краще, ніж інші

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

отримали більше шансів мати своїх дітей в наступному поколінні.

So in evolutionary scales, movements get better.

Таким чином, в еволюційному масштабі, рух стає краще.

And perhaps in life, movements get better through learning.

І, можливо, в житті, рух стає кращим через навчання.

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

Так що ж про рух, що добре це чи погано?

Imagine I want to intercept this ball.

Уявіть собі, я хочу перехопити цей м'яч.

Here are two possible paths to that ball.

Тут можливі два шляхи до цього м'ячу.

Well if I choose the left-hand path,

Ну, якщо я візьму шлях лівої руки,

I can work out the forces required

я можу працювати з необхідною силою

in one of my muscles as a function of time.

в одному з моїх м'язів, як функція часу.

But there's noise added to this.

Але є шум доданий до цього.

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

Так що я насправді отримав, засноване на цій прекрасній, гладкоій, бажаній силі,

is a very noisy version.

є дуже гучна версія.

So if I pick the same command through many times,

Так що, якщо я обиру ту ж команду за багато разів,

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

Я отримаю різні гучні версії кожен раз, тому що шум щоразу змінюється.

So what I can show you here

Так що я хочу показати вам

is how the variability of the movement will evolve

це те, як різноманіття рухів еволюціонуватиме,

if I choose that way.

якщо я виберу той шлях.

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

Якщо я виберу інший шлях руху - на право наприклад -

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

тоді у мене буде інша команда, інший звук,

playing through a noisy system, very complicated.

що звучатиме через звукову систему, дуже складно.

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

Все, в чому ми можемо бути впевнені, це різноманітність є різною.

If I move in this particular way,

Якщо я рухатимусь в цьому певному русі,

I end up with a smaller variability across many movements.

Я в результаті менше мінливості в багатьох рухах.

So if I have to choose between those two,

Так що, якщо мені доведеться вибирати між цими двома,

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

Я б вибрав правий, тому що він менш мінливий.

And the fundamental idea

І основна ідея

is you want to plan your movements

що ви хочете планувати ваші рухи

so as to minimize the negative consequence of the noise.

так, щоб мінімізувати негативні наслідки шуму.

And one intuition to get

І інтуїція, щоб отримати

is actually the amount of noise or variability I show here

насправді кількість шуму або мінливості, що я показую тут

gets bigger as the force gets bigger.

стає все більше, як сила стає більше.

So you want to avoid big forces as one principle.

Отже, ви хочете уникнути великих сил, як одного принципу.

So we've shown that using this,

Отже, ми показали, що використовуючи це

we can explain a huge amount of data --

можна пояснити величезну кількість даних -

that exactly people are going about their lives planning movements

що саме люди збираються протягом їхнього життя, планування руху

so as to minimize negative consequences of noise.

таким чином, щоб мінімізувати негативні наслідки шуму.

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

Тому я сподіваюся, мені вдалося переконати вас, що мозок є

and evolved to control movement.

і еволюціонував, щоб контролювати рух.

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

І це інтелектуальний виклик, щоб зрозуміти, як ми робимо це.

But it's also relevant

Але це також має відношення

for disease and rehabilitation.

до хвороби і реабілітації.

There are many diseases which effect movement.

Є багато захворювань, які впливають на рух.

And hopefully if we understand how we control movement,

І, сподіваюся, якщо ми розуміємо, як ми контролюємо рух,

we can apply that to robotic technology.

ми можемо застосувати це до робототехніки.

And finally, I want to remind you,

І, нарешті, я хочу нагадати вам,

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

коли ви бачите тварин, які роблять те, що виглядає дуже простими задачами,

the actual complexity of what is going on inside their brain

фактична складність того, що відбувається всередині їхнього мозку

is really quite dramatic.

дійсно досить драматична.

Thank you very much.

Велике спасибі.

(Applause)

(Оплески)

Chris Anderson: Quick question for you, Dan.

Кріс Андерсон: Швидке питання до Вас, Дан.

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

Значить, ви рух -: шовініст - (DW шовініст.).

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

Чи означає це, що ви думаєте, що інші речі, про які думає наш мозок є про -

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

мріяти, скучання, закоханість і всі ці речі -

are a kind of side show, an accident?

є свого роду сторонні випадки, випадковості?

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

DW: Ні, ні, насправді я думаю, що вони всі важливі

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

щоб рухатись вірно, щоб отримати відтворення в кінці.

So I think people who study sensation or memory

Так що я думаю, що люди, які вивчають відчуття або пам'ять

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

не розуміючи, чому ви викликаєте спогади про дитинство.

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

Те, що ми забуваємо більшу частину нашого дитинства, наприклад,

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

напевно це здорово, тому що це не впливає на наші рухи в подальшому житті.

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

Вам потрібно тільки памятати ті речі, які дійсно впливатимуть на рухи.

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

CA: Тобто ви думаєте, що люди, які думають про мозок, і свідомість у цілому,

could get real insight

могли б отримати реальну картину

by saying, where does movement play in this game?

говорячи: Де ж рухи грають в цю гру?

DW: So people have found out for example

DW: Таким чином, люди виявили, наприклад,

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

що вивчення зору за відсутності розуміння, що у вас є бачення

is a mistake.

є помилкою.

You have to study vision with the realization

Ви повинні вивчити зір з розумінням

of how the movement system is going to use vision.

того, як рухова система буде використовувати зір.

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

І вона використовує його дуже по-різному, коли ви думаєте про це таким чином.

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

CA: Ну, що було дуже захоплююче. Спасибі велике.

(Applause)

(Оплески)