Daniel Wolpert: skutečný důvod, proč máme mozek

Jsem neurovědec. A v neurovědě čelíme mnoha složitým otázkám ohledně mozku. Já bych ale rád začal tou nejjednoduší otázkou, kterou si každý z vás už někdy v životě měl položit, jelikož se jedná o zásadní otázku, pokud chceme porozumět funkci mozku. A ta otázka zní, proč my a další živočichové máme mozek? Některé živočišné druhy naší planety mozek nemají, takže chceme-li zjistit, k čemu mozek slouží, přemýšlejme, proč se nám mozek vyvinul. Tak tedy, bylo by pochopitelné, kdybyste ho měli, abyste vnímali svět nebo abyste přemýšleli, ale to je velký omyl. Pokud si o tom alespoň chvilku popřemýšlíte, bude naprosto zřejmé, proč mozek máme. Mozek máme z jednoho jediného důvodu: abychom mohli vyvíjet přizpůsobivé, složité pohyby. Jiný důvod, proč mít mozek, neexistuje. Zvažte to a dáte mi za pravdu. Pohyb je jediný způsob, kterým můžete ovlivnit svět kolem sebe. Vlastně ne tak docela - je tu ještě pocení. Ale kromě této výjimky se všechno ostatní děje skrze stahování svalů.

Vezměte si komunikaci - řeč, gesta, psaní, znakovou řeč -- všechno to zprostředkovávají stahy vašich svalů. Takže je velmi důležité mít na paměti, že smyslové, paměťové a kognitivní procesy jsou všechny důležité, nicméně důležité jsou jenom proto, aby buď poháněly nebo potlačovaly budoucí pohyb. Žádná evoluční výhoda nemůže plynout z toho, že jste si uchovali vzpomínky z dětství nebo z vnímání barvy růže, neovlivní-li to váš budoucí pohyb později v životě.

Pro ty, kteří této argumentaci nevěří: máme na naší planetě stromy a trávy, a ty mozek nemají, rozhodujícím důkazem je však tento živočich -- prostý pláštěnec. Primitivní živočich, má nervový systém, před dospělostí plave sem a tam oceánem, až jednou přijde chvíle, kdy se usadí na kameni. A jakmile se na té skále usadí (kterou už nikdy neopustí), stráví svůj vlastní mozek a nervstvo jako potravu. Takže jakmile se nepotřebujete hýbat, nepotřebujete luxus, jakým je mozek. A tento živočich často slouží jako analogie k proměně univerzitních profesorů po získání definitivy - ale to bychom mluvili o něčem jiném.

(Potlesk)

Jsem tedy pohybový šovinista. Jsem přesvědčen, že pohyb je tou nejdůležitější funkcí mozku -- nevěřte nikomu, kdo vám bude tvrdit, že tomu tak není. Nuže tedy, je-li pohyb tak důležitý, jak se nám daří rozumět tomu, jak mozek řídí pohyb? Odpověd zní: mizerně; jedná se o zapeklitý problém. Abych posoudili, jak se nám v této věci daří, zamysleme se nad tím, jak se nám daří sestavovat stroje, které umí dělat to, co umí lidé.

Vezměte si třeba šachovou partii. Jak se nám daří určovat, kam kterou figurku posunout? Postavíte-li zde Garyho Kasparova - není-li zrovna ve vězení - proti počítači Deep Blue od IBM, pak odpověď zní, že Deep Blue občas vyhraje. A pokud by Deep Blue hrál proti komukoliv v této místnosti, vyhrál by podle mne pokaždé. Tento problém je vyřešen. A co takhle problém spočívající v tom, jak zvednout šachovou figurku, obratně s ní zacházet a položit ji zpátky na šachovnici? Srovnáte-li pětileté dítě s nejlepšími roboty dnešní doby co do zručnosti, výsledek je jasný: dítě s přehledem vyhraje. Nemá žádnou opravdovou konkurenci.

Nuže tedy, proč je ten vrchní problém tak snadný a ten spodní problém tak složitý? Jedním z důvodů je, že velice chytré pětileté dítě by přišlo na algoritmus k tomu vrchnímu problému -- zvažte všechny možné tahy až do konce partie a vyberty ty, které vám umožní vyhrát. Jedná se tedy o velice jednoduchý algoritmus. Pravda, možných tahů je velmi mnoho, ale s pomocí ohromných počítačů můžeme aproximovat a přiblížit se optimálnímu řešení. Když ale přijde na zručnost, není ani jasné, jaký algoritmus máte řešit, abyste zručnosti dosáhli. A jak uvidíme, musíte jak vnímat, tak působit na svět, a to obnáší řadu problémů.

Nyní vám předvedu ukázku špičkové robotiky. Velká část robotiky je velmi působivá, ale manipulační robotika je zatím v raném středověku. Tak tohle je výsledek doktorandského projektu z jednoho z nejlepších ústavů robotiky. Student naučil robota nalít vodu do sklenice: složitý problém - voda totiž šplouchá - ale dokáže to. Ale co do hbitosti má k člověku velice daleko. Pokud by ale ten robot měl provést jiný úkol, máte vystaráno na další tříletý doktorandský program. Vůbec se nám nedaří zobecňovat z jednoho robotického úkolu na druhý.

Můžeme to však porovnat se špičkovým výkonem u lidí. Nyní vám ukážu Emily Foxovou, jak vytváří světový rekord ve vršení kelímků. Americké části publika bude tento sport důvěrně známý. Jedná se o středoškolskou sportovní disciplínu, v níž na sebe střídavě vršíte a odebíráte 12 kelímků, a to na čas a v předepsaném pořadí. A zde ji vidíme na nezrychlených záběrech, jak vytváří světový rekord. (Smích) (Potlesk) A má z toho docela velkou radost. Nemá ani ponětí, co probíhá uvnitř jejího mozku, když tohle dělá, a právě to bychom rádi věděli.

Takže v naší skupině se snažíme zpětným postupem zjistit, jak člověk řídí pohyb. Zní to jako jednoduchý úkol. Pošlete dolů příkaz - a svaly se stáhnou, vaše ruka nebo tělo se pohne a vy dostanete smyslovou zpětnou vazbu - ze zraku, kůže, svalstva a tak dále. Potíž vězí v tom, že tyto signály nejsou tak krásné, jak byste si přáli. Takže jedním z důvodů, proč je řízení pohybu tak složité, je například to, že smyslovou zpětnou vazbu narušuje šum, Šumem nemám ale na mysli zvuk, nýbrž význam používaný v inženýrství a neurovědě, tedy náhodný šum narušující signál. Takže za starých časů, před digitalizací rozhlasu, když jste si ladili stanici a slyšeli jste "crrcckkk" na stanici, kterou jste chtěli poslouchat, tak to byl šum. Obecněji vzato je ale šum něco, co ruší signál.

Když si třeba dáte ruku pod stůl a snažíte se ji najít druhou rukou, stává se, že ji o několik centimetrů minete - kvůli šumu rušícímu zpětnou vazbu od smyslů. Obdobně, když graficky znázorníte motorické nebo pohybové výstupy, je tam nesmírné množství šumu. Zapomeňte na pokusy trefit se šipkou do černého - prostě miřte na stejný bod pořád dokola. Dostanete široké rozpětí výsledků kvůli variabilitě pohybu. Ba co víc, vnější svět nebo dotyčný úkon je nejasný a zároveň proměnlivý. Čajová konvice může být plná nebo prázdná; mění se v závislosti na čase. Takže fungujeme v jakési smyslově pohybově úkonové polévce z šumu.

Ten šum je ale tak silný, že společnost si cení nesmírně vysoko těch z nás, kteří umí potlačovat důsledky šumu. Takže máte-li to štěstí, že umíte uhodit dlouhou kovovou tyčí do bílého míčku tak, aby spadl do díry vzdálené několik set metrů, naše společnost vás ráda odmění stovkami miliónů dolarů.

Nuže tedy, chci vás přesvědčit, že mozek také vynakládá velkou snahu, aby potlačil záporné důsledky takovéhoto šumu a variability. K tomu používá jistou vztažnou soustavu - velmi oblíbenou ve statistice a strojovém učení posledních padesáti let - která se nazývá bayesovská teorie rozhodování. A nedávno se stala sjednocujícím vysvětlením toho, jak se mozek vypořádává s neurčitostí. Její podstata tkví v tom, že činíme dedukce a pak jednáme.

Zamysleme se tedy nad dedukcemi. Cílem je vytvářet si představy o skutečnosti. Jaké představy? Například: kde se v prostoru nacházejí mé ruce? Dívám se na kočku nebo na lišku? Ale my budeme představy vyjadřovat pravděpodobnostmi. Představu tedy vyjádříme číslem mezi nulou a jedničkou - nula znamená "vůbec tomu nevěřím", jednička pak "jsem si zcela jist". A čísla mezi vyjadřují ony šedé mezistupně nejistoty. Klíčovým konceptem v bayesovské dedukci je to, že máte dva zdroje informací, na nichž stavíte svou dedukci. Máte údaje - a údaje v neurovědě, to jsou vstupní údaje od smyslů. Tyto smyslové vstupy mohu přijmout - a vytvořit představy. Máme ale další zdroj informací, a tím je již získané poznání. Celý svůj život hromadíte poznání v podobě vzpomínek. A podstatou bayesovské teorie rozhodování je, že vám umožňuje matematicky zpracovat optimální způsob, jak spojit již získané poznání se svědectvím smyslů a vytvářet tak nové představy.

Ten vzorec jsem vám promítl: nebudu jej ale vysvětlovat. Je však velice krásný. Má v sobě opravdovou krásu a opravdovou objasňující sílu. To, co vlastně říká, a to, co chceme odhadnout, je pravděpodobnost jednotlivých představ, vycházíme-li ze vstupních údajů od smyslů. Dám vám intuitivní příklad. Představte si, že se učíte hrát tenis a chcete vydedukovat, kde se odrazí míček letítící k vám přes síť. Máme dva zdroje informací, jak nám říká Bayesovo pravidlo. Máme smyslové poznatky - můžeme využít zrakových a sluchových údajů a usoudit tak, že míček dopadne na to červené místo. Ale jak víte, smysly nejsou dokonalé, takže čelíme jisté variabilitě v tom, kam míček dopadne - znázorněné onou červenou skvrnou představující čísla mezi 0,5 a zhruba tak 0,1.

Tyto informance jsou k dispozici při této ráně, ale existuje jiný zdroj informací, které při této ráně k dispozici nejsou a ke kterým se dostaneme jen opakovaným prožitkem tenisového utkání: díky němu víme, že míček během utkání nedopadá se stejnou pravděpodobností po celém kurtu. Máte-li opravdu schopného protihráče, může míčky rozmísťovat po té zelené ploše, která představuje předchozí distribuci a kde je pro vás těžší je vrátit. Oba tyto informační zdroje poskytují důležité údaje. A podle Bayesova pravidla máme vynásobit červená čísla zelenými čísly, abychom dostali čísla žlutá, k nimž patří ty elipsy, a to je pak moje představa. A to je optimální způsob, jak spojovat informace.

Tohle všechno bych vám neříkal, kdybychom před několika lety nedokázali, že přesně tohle lidé dělají, když se učí novým pohybovým dovednostem. A to znamená, že jsme vlastně bayesovské dedukční stroje. Chodíme po světě a zaznamenáváme si statistické údaje - také ale poznáváme, kolik je v našem smyslovém aparátu šumu - a pak je spojujeme skutečně bayesovským způsobem.

Důležitým prvkem bayesovského přístupu je tato část vzorce. A ta část ve skutečnosti znamená, že musím předpovědět pravděpodobnost různých zpětnovazebných údajů od smyslů, vycházeje ze svých představ. Vlastně to znamená, že musím předpovídat budoucnost. A já vás chci přesvědčit, že mozek opravdu předpovídá, jakou zpětnou vazbu od smyslů dostane. Ba co víc, zásadně mění vaše vnímání podle toho, co děláte. A proto vám povím o tom, jak náš mozek zachází se vstupními údaji od smyslů. Tak tedy, když vyšlete příkaz, dostanete zpětnou vazbu od smyslů, a tato transformace se řídí fyzikálními vlastnostmi vašeho těla a vašeho smyslového ústrojí.

Můžete si ale představit, že nahlížete do mozku - a tady máme vnitřek mozku znázorněn. Možná tam je jakýsi malý ukazatel, neurální simulátor toho, jak se budou podle fyzikálních zákonů chovat vaše tělo a smysly. Takže když vyšlete dolů příkaz k pohybu, odeberete také jeho kopii necháte ji projet vaším neurálním simulátorem, abyste tak předpověděli smyslové důsledky svého jednání. Takže zatímco třepu touto lahví s kečupem, dostávám pravou zpětnou vazbu od smyslů jako funkci času ve spodní řadě. A mám-li dobrý simulátor, bude jeho přepověď totožná.

Tak proč to tedy vůbec dělám? Stejně dostanu zpětnou vazbu, která je totožná. Tak tedy - existují dobré důvody. Představte si, že jak tak třepu onou lahví s kečupem, tak někdo ochotně přistoupí a poklepe mi na dno lahve. Teď mám další zdroj smyslových informací kvůli tomuto vnějšímu působení. Mám tedy dva zdroje: vás, který na to klepete, a mě, který tím třepu. ale z pohledu mých smyslů je to sloučeno do jediného informačního zdroje.

Máme pádný důvod k tomu se domnívat, že byste chtěli být schopni rozeznat vnější události od vnitřních. To proto, že vnější události mají větší dopad na chování, než schopnost rozeznat vše, co se děje v mém těle. Jedním způsobem, jak to rekonstruovat, je porovnat předpověď -- která vychází pouze z vašich pohybových příkazů -- s tím, co se ve skutečnosti stane. Případná nesrovnalost by měla být dána - doufejme - vnějším vlivem. Takže jak tak chodím po světě, předpovídám, co by se mělo stát - a odečítám to. A to, co zbude, to je vůči mně vnější.

Jaké jsou pro to důkazy? Tak tedy, existuje jeden velmi jednoznačný příklad toho, kde můj pocit, který vyvolám já, se velice liší od pocitu vyvolaného někým jiným. Usoudili jsme, že nejvhodnější by bylo začít lechtáním. Jak je už dlouho známo, člověk sám sebe nemůže lechtat tak dobře, jak to dokáže někdo jiný. Nebylo ale ještě dokázáno, že za tím stojí neurální simulátor, simulující činnost našeho těla a odečítající příslušné pocity. My ale můžeme tyto pokusy přivést do 21. století a při řešení využít robotických technologií. To v praxi znamená, že někdo jednou rukou drží tyčku připojenou k robotu - a tou tyčkou hýbe sem a tam. Tento pohyb sledujeme v počítači a pomocí něho řídíme druhého robota, který toho člověka lechtá na dlani jinou tyčkou. A po tom člověku pak chceme, aby vyhodnotil řadu věcí, mezi nimiž je lechtivost.

Ukážu vám jen část naší studie. Tady už nevidíte roboty, v podstatě ale nejde o nic jiného, než že ten člověk hýbe pravou rukou sem a tam po jakési sinusoidě. A tento pohyb převádíme na druhou ruku, ale s prodlevou. Buď s nulovou prodlevou, v kterémžto případě pravá ruka lechtá dlaň přímo, nebo s prodlevou 1/10, 2/10 nebo 3/10 vteřiny. Zde je důležité připomenout, že pravá ruka vykonává pořád totéž - sinusoidní pohyb. Levá ruka také pořád dělá totéž a vyvolává sinusoidní lechtivost. Hrajeme si pouze a jenom s časovou kauzalitou. A jak prodlevu zvyšujeme z nuly na 0,1 vteřiny, lechtivost roste. A když pak prodlevu zvyšujeme z 0,1 na 0,2 vteřiny, lechtivost stále roste. A než prodleva dosáhne 0,2 vteřiny, lechtivost je stejná, jako když vás robot lechtá sám, aniž vy byste cokoliv dělal. Cokoliv tedy zapříčiňuje ono rušení musí být nesmírně pevně spojeno s časovou kauzalitou. Tato a další studie nás badatele z tohoto oboru přesvědčily, že mozek činí přesné předpovědi a odečítá je od vjemů.

Musím přiznat, že to byly ty nejobtížnější studie v historii naší laboratoře. Protože lechtivost dlaně kolísá, potřebujete značný počet subjektů, abyste získali statisticky signifikantní výsledky. Takže jsme hledali daleko objektivnější způsob, jak tento jev vyhodnotit. No a mezitím se mi narodily dvě dcery. Děti, když sedí na zadních sedadlech auta při dlouhých jízdách, se začnou prát, jak si všimnete -- začne to tím, že jeden něco druhému provede, a ten mu to oplatí. A situace se kvapem hrotí. A dětské rvačky se často stupňují co do použité síly. Když na své děti zařvu, aby toho nechaly, tak mi někdy obě řekly, že ta druhá ji praštila silněji.

No a já náhodou vím, že moje děti nelžou, takže jsem si řekl - jako neurovědec - že by mělo význam vysvětlit, jak je možné, že si jejich pravdivá sdělení navzájem odporují. Vycházejíce ze studie o lechtání jsme přišli s hypotézou, že když jedno dítě uhodí druhé, zadá pohybový příkaz. Předpoví smyslové následky a odečtou je. Takže si vlastně myslí, že druhého uděřil slaběji, než tomu skutečně bylo, poněkud jako u příkladu s lechtáním. Kdežto pasivní příjemce rány žádnou předpověď nečiní - a cítí náraz v plném rozsahu. Pokud mu ji oplatí stejnou silou, bude si ten první myslet, že došlo k eskalaci.

No a tak jsme se rozhodli vyzkoušet to v laboratoři. (Smích) S dětmi nepracujeme, s údery také ne - ale koncept je stejný. Přivedeme dva dospělé a řekneme jim, že si zahrají hru. Tady je hráč jedna a hráč dvě - sedí proti sobě. Hra je to velice prostá. Začali jsme s motorem, s malou páčkou - malým zesilovačem. Pomocí toho motorku vyvíjíme tlak na hráčovy prsty - tři vteřiny a dost. Tomu hráči jsme řekli, aby si zapamatoval pocit z toho tlaku a pak druhým prstem vyvinul tentýž tlak na prst svého protihráče pomocí zesilovače - což učiní. A hráči dvě jsme řekli, aby si zapamatoval pocit z onoho tlaku a druhou rukou ten tlak zopakoval. Takto se tedy střídají ve vyvíjení tlaku, který právě pocítili - tam a zpátky.

Klíčové je ale to, že jsme je poučili o pravidlech hry v oddělených místnostech. Takže neví, jakými pravidly se řídí protihráč. Při tomto pokusu jsme měřili sílu jako funkci počtu střídání. A podíváme-li se na první naměřenou hodnotu - čtvrt Newtonu... a počet střídání... ideálním výsledkem by byla ta červená čára. Co ale vidíme u každého páru subjektů je toto: 70 procentní stupňování síly při každém střídání. To opravdu svědčí o tom, že při této hře -- vycházíme zde z této a jiných studií, které jsme uskutečnili -- mozek odečítá smyslové následky a podhodnocuje sílu, kterou vyvíjí. Takže to skutečně dokazuje, že mozek činí předpovědi, a mění samu podstatu vnímání. Po dedukcích a předpovědích musí přijít samotné jednání. A tady bayesovo pravidlo říká, že vycházím-li ze svých představ, tak by jednání mělo být v jistém smyslu optimální.

Narážíme ale na překážku. Úkony jsou symbolické - chcí se napít, chci tancovat - ale pohybové ústrojí musí stáhnout 600 různých svalů v určitém sledu. Zeje tedy velký rozdíl mezi úkonem a pohybovým ústrojím. Způsobů, jak tento rozdíl překonat, je nekonečně mnoho. Vezměme si třeba obyčejný pohyb z bodu do bodu. Mohu zvolit tyto dvě dráhy - z nekonečného počtu možných drah. Jakmile jsem si zvolil konkrétní dráhu, mohu svou ruku na ní držet v nekonečném počtu různých kloubních konfigurací. A když si vyberu konkrétní kloubní konfiguraci, můžu v ní ruku držet velmi zaťatou nebo velmi uvolněnou. Takže si musím vybrat z ohromného množství možností. A jak se ukázalo, jsme velice stereotypní. Všichni děláme téměr totožné pohyby.

A jelikož jsme se ukázali býti tak stereotypními, naše mozky mají specializovaný neurální systém na dešifrování těchto stereotypů. Takže když vezmu pár teček a rozpohybuji je biologickým pohybem, tento neurální systém ve vašem mozku by okamžitě pochopil, o co se jedná. Tohle je shluk pohybujících se teček, ale vy poznáte, co ten člověk dělá, zda je spokojený, smutný, starý, mladý - ohromné množství informací. Ale kdyby tyto tečky představovaly auta na závodní dráze, neměli byste nejmenší tušení, co se děje.

Proč se tedy pohybujeme pouze určitými způsoby? Tak tedy, zamysleme se nad tím, co se skutečně děje. Možná se všichni nepohybujeme úplně stejně. Možná je v populaci rozmanitost. A možná ti, kdo se dovedou pohybovat lépe než ostatní, mají větší šanci dostat své potomky do dalšího pokolení. Takže na evoluční stupnici se pohybové schopnosti zlepšují. A možná že se naše pohyby během života učením zlepšují.

Čím to tedy je, že nějaký pohyb je dobrý a jiný špatný? Představte si, že chci chytit tento míček. Tady vidíte dvě možné dráhy k tomu míčku. Zvolím-li tu nalevo, mohu přijít na to, jaké síly je třeba v tom kterém svalu v závislosti na čase. Nicméně do toho vstupuje také šum. Takže nakonec skončím, místo té krásné, hladké, kýžené síly, je tato šumem zamořená verze. Takže zvolím-li opakovaně tentýž příkaz, dostanu díky šumu pokaždé jinou verzi, jelikož šum je pokaždé jiný. Takže tady vám mohu ukázat, jak se ta variabilita pohybu bude vyvíjet, když si zvolím tuhle dráhu. Když si zvolím jinou dráhu - třeba tu napravo - tak to bude obnášet jiné příkazy, jiný šum, a jelikož se to vše odehrává v nelineárním systému, je to velice složité. Můžeme být jisti jedině tím, že ona variabilita bude odlišná. Zvolím-li tuto konkrétní dráhu, dostanu, napříč celou řadou jednotlivých pohybů, menší variabilitu. Takže pokud si musím vybrat mezi těmito dvěma, vybral bych si tu napravo, protože obnáší menší variabilitu.

Klíčovou myšlenkou je tedy to, že chcete rozvrhnout své pohyby tak, aby ony nepříznivé důsledky šumu byly co nejmenší. A jeden intuitivní vhled, který je třeba pochopit, je to, že množství šumu či variability, které zde ukazuji, je tím větší, čím větší je síla. Takže jednou zásadou je vyhnout se velkým silám. Takže jsme ukázali, že takto můžeme vysvětlit ohromné množství dat -- že, přesně takto, lidé ve svém praktickém životě plánují své pohyby tak, aby snížili na nejmenší míru nepříznivé důsledky šumu.

Doufám, že jsem vás přesvědčil, že mozek je důležitý a že se vyvinul proto, aby řídil pohyb. A porozumět tomu, jak to děláme, je intelektuální výzvou. Má to ale také význam u nemocí a rehabilitace. Mnohé nemoci ovlivňují pohyb. A doufejme, že když porozumíme tomu, jak řídíme pohyb, tak to budeme moci využít v robotické technologii. A závěrem bych vám chtěl připomenout, že když vidíte zvířata dělat něco, co vypadá velice jednoduše, tak ty složité procesy, které ve skutečnosti probíhají v jejich mozku, jsou opravdu naprosto úžasné.

Velice vám děkuji.

(Potlesk)

Chris Anderson: Měl bych pro tebe jeden rychlý dotaz, Dane. Takže ty jsi pohybový -- (DW: Šovinista) -- šovinista. Znamená to, že podle tebe ty další věci, které našim mozkům připisujeme - snění, toužení, zamilovávání se a všechny takovéto věci -- odvádějí pozornost od podstaty a jsou jen nahodilostmi?

DW: Ne, ne, naopak, myslím si, že jsou všechny důležité jako hnací síla správného pohybového chování vedoucího nakonec k rozmnožení. Takže podle mne lidé, kteří zkoumají smyslové vnímání nebo paměť, si neuvědomují, proč si uchováváme vzpomínky z dětství. Například to, že většinu svého dětství zapomeneme, je nejspíše v pořádku, protože to neovlivňuje naše pohyby později v životě. Potřebujete uchovávat jenom věci, které budou mít skutečný vliv na pohyb.

CA: Takže podle tebe lidé, kteří přemítají o mozku nebo obecně o vědomí, by mohli dosáhnout důležitých vhledů, pokud by si řekli, "jakou roli zde hraje pohyb?"

DW: Takhle lidé přišli například na to, že zkoumání zraku, aniž bychom si uvědomovali, k čemu zrak máme, je mylné. Při zkoumání zraku si musíte uvědomovat, jak pohybové ústrojí bude zrak využívat. A využívá ho docela jinak - jakmile o tom budete takto uvažovat.

CA: Tak tedy, tohle bylo zcela strhující. Opravdu ti velice děkuji.

(Potlesk)