1,842,515 views • 19:59

Ich bin Neurowissenschaftler. Und in der Neurowissenschaft beschäftigen wir uns mit vielen schwierigen Fragen zum Gehirn. Aber ich beginne mit der einfachsten Frage, die Sie sich alle einmal in Ihrem Leben gestellt haben sollten, denn es ist eine fundamentale Frage, wenn wir die Funktionsweise des Gehirns verstehen wollen. Sprich, warum haben wir und andere Tiere ein Gehirn? Nicht alle Spezies auf unserem Planeten haben Gehirne, wenn wir also wissen wollen, wozu das Gehirn da ist, sollten wir überlegen, warum wir eines ausgebildet haben. Jetzt können Sie argumentieren, dass wir eines haben, um die Welt wahrzunehmen und zu denken, aber das ist komplett falsch. Wenn Sie eine zeitlang über diese Frage nachdenken, ist es offensichtlich, warum wir ein Gehirn haben. Wir haben aus einem einzigem Grund ein Gehirn, nämlich um anpassungsfähige, komplexe Bewegungen auszuführen. Es gibt keine anderen Grund, warum wir ein Gehirn haben. Denken Sie mal drüber nach. Bewegung ist Ihre einzige Möglichkeit, die Welt um Sie herum zu beeinflussen. Nun, das stimmt nicht ganz. Sie können das auch durch Schwitzen machen. Aber abgesehen davon läuft alles über Muskelkontraktionen.

Denken Sie an Kommunikation – Sprache, Gesten, Schreiben, Gebärdensprache – sie werden alle über Ihre Muskelkontraktionen übertragen. Daher ist es wichtig, darauf hinzuweisen, dass Sinnes-, Gedächtnis- und Erkenntnisprozesse alle wichtig sind, aber sie sind nur wichtig, um zukünftige Bewegungen zu erzeugen oder zu unterdrücken. Es gibt keinen evolutionären Vorteil, Kindheitserinnerungen zu speichern oder die Farbe einer Rose wahrzunehmen, wenn es nicht die Art beeinflusst, wie man sich später im Leben bewegt.

Für alle, die diesem Argument nicht vertrauen, es gibt Bäume und Gräser auf unserem Planeten ohne Gehirn, aber der entscheidende Beleg ist dieses Tier hier – die bescheidene Seescheide. Ein rudimentäres Tier, mit einem Nervensystem, das in seiner Jugend im Ozean umherschwimmt. Und zu einer bestimmten Zeit seines Lebens siedeln sie sich auf Felsen an. Und beim Ansiedeln auf dem Felsen, wo sie immer bleiben wird, verdaut sie als erstes ihr eigenes Gehirn und Nervensystem als Nahrung. Sobald man sich nicht mehr bewegen muss, braucht man den Luxus eines Gehirns nicht mehr. Und diese Tier wird oft als Analogie für das genommen, was an den Universitäten passiert, wenn Professoren ihre Festanstellung erhalten, aber das ist ein anderes Thema.

(Applaus)

Ich bin also ein Bewegungs-Chauvinist. Ich bin überzeugt, dass Bewegung die wichtigste Gehirnfunktion ist – lassen Sie sich von niemandem erzählen, dass das nicht stimmt. Wenn Bewegung nun so wichtig ist, wie gut sind wir darin, zu verstehen, wie das Gehirn Bewegung kontrolliert? Und wir sind sehr schlecht darin; es ist ein sehr schwieriges Problem. Aber wir können uns ansehen, wie gut wir darin sind, indem wir darüber nachdenken, wie gut wir Maschinen bauen, die das tun können, was Menschen tun können.

Denken Sie ans Schachspielen. Wie gut können wir bestimmen, welche Figur wir wohin ziehen müssen? Wenn man Gary Kasparov hier angreift, wenn er nicht im Gefängnis ist, gegen IBMs Deep Blue, dann wird IBM Deep Blue gelegentlich gewinnen. Und wenn IBMs Deep Blue gegen alle hier im Raum spielen würde, würde es jedesmal gewinnen. Das Problem ist gelöst. Aber was ist mit dem Problem, eine Schachfigur zu nehmen, sie geschickt zu manipulieren und sie wieder zurückzustellen? Wenn man die Geschicklichkeit eines 5-jährigen Kindes mit der der besten Roboter vergleicht, ist die Antwort einfach: Das Kind gewinnt mit Leichtigkeit. Es gibt überhaupt keine Konkurrenz.

Aber warum ist die obere Frage so einfach und die untere so schwer? Ein Grund ist, dass ein sehr schlauer 5-Jähriger Ihnen den Algorithmus für das obere Problem nennen könnte – sich alle möglichen Züge bis zum Ende des Spiels anzusehen und den zu wählen, der einen gewinnen lässt. Es ist also ein sehr einfacher Algorithmus. Es gibt natürlich andere Züge, aber mit gewaltigen Computern nähern wir uns der optimalen Lösung. Wenn es um Finger Geschicklichkeit geht, ist nicht mal klar, welchen Algorithmus man lösen muss, um geschickt zu sein. Man muss die Welt also sowohl wahrnehmen als auch darauf einwirken, was viele Probleme erzeugt.

Aber lassen Sie mich Ihnen die neuste Robotertechnik zeigen. Ein großer Teil der Robotertechnik ist sehr beeindruckend, aber die Manipulation durch Roboter steckt noch in den Kinderschuhen. Dies ist das Ergebnis eines Promotionsvorhabens von einem der besten Institute für Robotik. Der Student hat diesem Roboter beigebracht, Wasser in ein Glas zu füllen. Das ist schwierig, da das Wasser herumspritzt, aber er bekommt es hin. Aber es ist kaum mit der Beweglichkeit eines Menschen vergleichbar. Wenn Sie jetzt aber wollen, dass der Roboter etwas anderes macht, ist das ein weiteres 3-jähriges Doktorandenprojekt. Man kann in der Robotik überhaupt nicht von einer Aufgabe zur anderen generalisieren.

Jetzt können wir das mit der Spitze des menschlichem Leistungsvermögen vergleichen. Daher zeige ich Ihnen Emily Fox, wie sie den Weltrekord für Becherstapeln aufstellt. Die Amerikaner im Publikum wissen sicher alles über das Becherstapeln. Es ist ein Highschool-Sport, bei dem man 12 Becher stapeln und entstapeln muss, gegen die Uhr und in einer bestimmten Reihenfolge. Und hier sieht man wie sie den Weltrekord in Echtzeit schafft. (Lachen) (Applaus) Und sie ist ziemlich glücklich. Wir haben keine Ahnung, was in ihrem Gehirn passiert, wenn sie das macht. Aber wir wüssten das gerne.

Was wir in meiner Gruppe versuchen, ist, zu rekonstruieren, wie Menschen Bewegung kontrollieren. Es klingt wie ein einfaches Problem. Man sendet einen Befehl, der eine Muskelkontraktion auslöst. Ihr Arm oder Körper bewegt sich und man erhält eine sensorische Rückmeldung mittels Sehen, Haut, Muskeln, usw. Das Problem ist, dass es nicht die schönen Signale sind, wie man sich das vorstellt. Die Steuerung der Bewegung wird etwa dadurch erschwert, dass die sensorische Rückmeldung extrem rauscht. Mit Rauschen ist kein Laut gemeint. Wir verwenden es in der ingenieur- und neurowissenschaftlichen Bedeutung. Gemeint ist ein Zufallsrauschen, das ein Signal beschädigt. Wenn man früher, vor dem digitalen Radio, den Radiosender einstellte und "krrckkk" auf dem gewünschten Sender hörte, das war dieses Rauschen. Ganz allgemein stört so ein Rauschen das Signal.

Wenn Sie etwa Ihre Hand unter den Tisch tun und versuchen, sie mit der anderen Hand zu lokalisieren, können Sie ein paar Zentimeter daneben liegen, wegen dem Rauschen der sensorischen Rückmeldung. Ungefähr so als wenn Sie Motorleistung in Bewegungsleistung geben, das ist sehr geräuschvoll. Versuchen Sie erst gar nicht mitten ins Ziel zu treffen, zielen Sie einfach immer wieder auf die gleiche Stelle. Sie verfügen über ein große Spanne infolge der Variabilität der Bewegung. Und mehr als das, die Außenwelt, oder die Aufgabe, ist mehrdeutig und variabel. Die Teekanne könnte voll oder leer sein. Das ändert sich im Lauf der Zeit. Wir arbeiten also in einer richtigen Rausch-Suppe von sensorischen Bewegungsaufgaben.

Dieses Rauschen ist so stark, dass die Gesellschaft eine große Prämie ausschreibt für jene, die die Konsequenzen dieses Rauschens reduzieren können. Wenn man also in der glücklichen Lage ist, einen kleinen weißen Ball mit einem Metallstab in ein mehrere hundert Meter entferntes Loch zu schlagen, ist unsere Gesellschaft bereit, einen mit einigen hundert Millionen Dollar zu belohnen.

Ich möchte Sie davon überzeugen, dass das Gehirn viele Anstrengungen unternimmt, um die negativen Konsequenzen von dieser Sorte von Rauschen und Variabilität zu reduzieren. Um das zu tun, erzähle ich Ihnen von einem System, das in der Statistik und beim maschinellen Lernen in den letzten 50 Jahren sehr beliebt ist, namens Bayesianische Entscheidungstheorie. Und in jüngster Zeit ist es ein vereinheitlichende Denkensart daüber, wie das Gehirn mit Ungewissheit umgeht. Die grundlegende Idee ist, dass man schlussfolgert und dann handelt.

Lassen Sie uns über das Rückschließen nachdenken. Sie wollen Vorstellungen über die Welt hervorrufen. Was sind das für Vorstellungen? Vorstellungen könnten sein: Wo sind meine Arme im Raum? Sehe ich eine Katze oder einen Fuchs? Aber wir stellen Vorstellungen als Wahrscheinlichkeiten dar. Wir verkörpern also eine Vorstellungen durch eine Nummer zwischen Null und Eins – Null heißt, ich glaube gar nicht daran, Eins, ich bin absolut sicher. Und die Nummern dazwischen zeigen die Grauwerte der Ungewissheit. Die Grundidee der bayesianischen Inferenz ist, dass man zwei Informationsquellen hat, aus denen sich die Schlussfolgerungen speisen. Es gibt die Daten, und Daten bedeuten in der Neurowissenschaft Sinnesreize. Es gibt also Sinnesreize, aus denen sich Ansichten ergeben können. Aber es gibt noch eine andere Informationsquelle, und das sind schließlich Vorkenntnisse. Man sammelt ein Leben lang Wissen im Gedächtnis. Und der Punkt bei der bayesianischen Entscheidungstheorie ist, dass man berechnen kann, wie man auf optimale Weise Ihr Vorwissen mit Ihren Sinneseindrücken kombiniert, um neue Ansichten zu erzeugen.

Ich habe die Formel hier oben aufgeführt. Ich werde die Formel nicht erklären, aber sie ist wunderschön. Sie zeigt wahre Schönheit und Erklärungskraft. Im Grunde sagt sie aus – und was man damit abschätzen will, dass die Wahrscheinlichkeit für verschiedene Überzeugungen basierend auf Ihren Sinneseindrücken. Lassen Sie mich Ihnen ein eingängiges Beispiel geben. Stellen Sie sich vor, Sie lernen Tennis spielen und Sie wollen entscheiden, wo der Ball aufschlagen wird, wenn er über das Netz auf einen zukommt. Es gibt zwei Informationsquellen, laut der Bayes-Regel. Es gibt sensorische Hinweise – man kann visuelle und auditive Information nutzen, und das kann einem sagen, dass es in dem roten Punkt landen wird. Aber Sie wissen, dass Ihre Sinne nicht perfekt sind, und daher kann man nicht genau vorhersagen, wo es landen wird, was durch diese rote Wolke gezeigt wird, die die Zahlen zwischen 0,5 und 0,1 darstellt.

Diese Information ist für den aktuellen Wurf verfügbar, aber ist gibt eine weitere Informationsquelle, die nicht für den aktuellen Wurf verfügbar ist, sondern nur durch wiederholte Erfahrung beim Tennisspiel, und diese besagt, dass der Ball nicht mit gleicher Wahrscheinlichkeit während des Spiels im Spielfeld aufschlägt. Wenn Sie gegen einen sehr guten Gegner spielen, können sie sich im grünen Bereich verteilen, was der A-priori-Verteilung entspricht, dadurch haben Sie es schwer zurückzuschlagen. Beide Informationsquellen beinhalten wichtige Informationen. Und was die Bayes-Regel aussagt, ist, dass man die Anzahl im Roten mit der Anzahl im Grünen multiplizieren sollte, um die Anzahl der Gelben zu erhalten, die die Ellipsen aufweisen, und das ist meine Überzeugung. Es ist der optimale Weg, Information zu kombinieren.

Ich würde Ihnen das alles nicht erzählen, wenn wir nicht vor einigen Jahren gezeigt hätten, dass Menschen genau das tun, wenn sie neue Bewegungsabläufe lernen. Und das bedeutet, dass wir wirklich bayesianische Inferenz-Maschinen sind. Im Leben lernen wir etwas über die Statistiken der Welt und speichern das, aber wir lernen auch, wie unruhig unser Sinnesapparat ist, und dann kombinieren wir diese in echter bayesianischer Manier.

Ein Schlüssel für das Bayesianische ist dieser Teil der Formel. Dieser Teil besagt im Grunde, dass ich die Wahrscheinlichkeit vorhersagen muss für verschiedene sensorische Rückmeldungen, angesichts meiner Überzeugungen. Das bedeutet, dass ich Vorhersagen über die Zukunft machen muss. Und ich möchte Sie davon überzeugen, dass das Gehirn Vorhersagen über die zukünftige sensorische Rückmeldung macht. Und außerdem ändert es grundlegend Ihre Wahrnehmung durch das, was Sie tun. Um das zu tun, erzähle ich Ihnen, wie das Gehirn mit Sinnesreizen umgeht. Sie schicken einen Befehl raus und Sie erhalten eine sensorische Rückmeldung, und diese Information wird von der Physik Ihres Körpers und Ihres Sinnesapparates beeinflusst.

Aber stellen Sie sich vor, Sie schauen in das Gehirn. Und hier sind wir im Gehirn. Sie haben vielleicht einen kleinen Prädiktor, einen neuralen Simulator, von der Physik Ihres Körpers und Ihrer Sinne. Wenn Sie also einen Bewegungsbefehl senden, zapfen Sie eine Kopie davon ab und lassen sie in Ihrem neuralen Simulator laufen, um die sensorischen Folgen Ihrer Handlungen vorherzusehen. Wenn ich also die Ketchup-Flasche schüttle, erhalte ich ein echte sensorische Rückmeldung als Zeitfunktion Und wenn ich einen guten Prädiktor habe, sagt er genau das voraus.

Warum ich mir diese Mühe mache? Ich erhalte doch sowieso diese Rückmeldung. Es gibt gute Gründe dafür. Angenommen ich schüttle gerade die Ketchup-Flasche und jemand kommt auf mich zu und klopft für mich auf die Unterseite. Nun erhalte ich eine zusätzliche Quelle von Sinnesinformationen durch diese äußere Einwirkung. Also habe ich zwei Quellen. Sie klopfen darauf und ich schüttle sie, aber aus Sicht meiner Sinne wird beides in einer Informationsquelle zusammengefasst.

Nun gibt es einen guten Grund dafür zu glauben, dass Sie in der Lage sein wollen externe von internen Vorgängen zu unterscheiden. Denn externe Ereignisse sind viel verhaltensrelevanter als alles zu fühlen, was in meinem Körper passiert. Ein Weg das nachzuvollziehen ist, die Vorhersage zu vergleichen – die auf den Bewegungsbefehlen basiert – mit der Wirklichkeit. Und die Abweichung sollte hoffentlich extern sein. Wenn ich also durch die Welt gehe, treffe ich Vorhersagen darüber, was eintreffen sollte, abzüglich der Abweichungen. Alles Übrige ist für mich extern.

Welche Beweise gibt es dafür? Nun, es gibt ein sehr deutliches Beispiel, wo sich ein von mir erzeugter Sinneseindruck ganz anders anfühlt, als wenn er von einer anderen Person erzeugt worden wäre. Also entschieden wir, dass der naheliegendste Untersuchungsbereich das Kitzeln war. Es ist seit langem bekannt, dass man sich nicht selbst kitzeln kann, so wie andere das können. Aber man hat nicht nachgewiesen, dass das an dem neuralen Simulator liegt, der Ihren eigenen Körper simuliert und diesen Sinn abzieht. Wir nutzen Experimente des 21. Jahrhunderts, indem wir bei diesem Problem Robotertechnologien anwenden. Wir haben in einer Hand einen Stab, der mit einem Roboter verbunden ist, und sie werden ihn vor und zurück bewegen. Und dann verfolgen wir das mit dem Computer und nutzen das, um einen anderen Roboter zu steuern, der die Handfläche mit einem anderen Stab kitzelt. Und dann werden wir sie bitten, eine Reihe von Dinge zu bewerten, inklusive der Kitzelhaftigkeit.

Ich zeige Ihnen einen Teil unserer Studie. Und hier habe ich die Roboter entfernt, aber grundsätzlich bewegen die Leute ihren rechten Arm sinusförmig vor und zurück. Und wir übertragen das mit Zeitverzug auf die andere Hand. Sowohl ohne Zeitverzögerung, wo Licht nur Ihre Handfläche kitzelt, oder mit Zeitverzug von 2/10 oder 3/10 Sekunden. Der wichtigste Aspekt hierbei ist, dass die rechte Hand immer das Gleiche tut – in sinusförmiger Bewegung. Die linke Hand ist immer gleich und liefert ein sinusförmiges Kitzeln. Wir spielen nur mit einer Zeitkausalität. Und während wir von nichts zu 0,1 Sekunden kommen, wird es immer kitzliger. Wenn man von 0,1 auf 0,2 geht, wird es zum Ende immer kitzliger Und bei 0,2 Sekunden ist es genauso kitzlig, für den Roboter, der sie gerade gekitzelt hat, ohne irgendwas zu tun. Was immer daher für die Unterdrückung verantwortlich ist, ist sehr eng mit der Zeitkausalität verbunden. Und basierend auf dieser Veranschaulichung überzeugten wir uns selbst in diesem Bereich, dass das Gehirn präzise Vorhersagen macht und diese von den Sinneseindrücken abzieht.

Zugegeben sind das die schlechtesten Studien, die mein Labor je gemacht hat. Denn das Kitzelgefühl auf der Handfläche kommt und geht, man braucht ein große Anzahl von Versuchspersonen mit diesen Sternen, die sie bedeutsam machen. Daher suchten wir nach einem viel objektiveren Weg, um dieses Phänomen zu bewerten. Und in der Zwischenzeit bekam ich zwei Töchter. Und bei Kindern in Autorücksitzen fällt einem bei langen Reisen auf, dass sie Streit anfangen – das beginnt damit, dass einer dem anderen etwas antut und sich der andere rächt. Es eskaliert schnell. Und Kinder neigen dazu, in Streit zu geraten, der in Gewalt eskaliert. Wenn ich meine Kinder anschrie, dass sie aufhören sollten, sagten sie manchmal beide zu mir, dass der andere sie härter geschlagen hätte.

Nun weiß ich, dass meine Kinder nicht lügen, deshalb dachte ich als Neurowissenschaftler, dass es wichtig wäre ihnen zu erklären, dass sie widersprüchliche Wahrheiten erzählten. Und wir stellten auf Basis der Kitzel-Studie Hypothesen auf, dass wenn ein Kind ein anderes schlägt, sie einen Bewegungsbefehl erzeugen. Sie sagen die sensorischen Folgen voraus und zogen es ab. Also dachten sie tatsächlich, dass sie die Person weniger hart schlugen, als das der Fall war – so ähnlich wie beim Kitzeln. Während der passive Empfänger die Vorhersage nicht macht, und die volle Stärke fühlt. Wenn sie also mit gleicher Kraft Vergeltung üben, denkt die erste Person, dass es eskaliert ist.

Wir beschlossen also, das im Labor zu testen. (Lachen) Wir arbeiten aber nicht mit Kindern, wir arbeiten auch nicht mit Schlägen, aber das Konzept ist identisch. Wir nehmen zwei Erwachsene. Wir erzählen ihnen, dass sie ein Spiel spielen werden. Hier sitzen sich also Spieler Eins und Spieler Zwei einander gegenüber. Und das Spiel ist sehr einfach. Wir begannen mit einem Motor mit einem kleinen Hebel, und kleiner Kraftübertragung. Und wir nutzten diesen Motor, um Kraft auf die Finger des ersten Spielers zu leiten, 3 Sekunden lang und dann stoppt es. Und diesem Spieler wird gesagt, dass er die Erfahrung dieser Kraft abspeichern soll und seinen anderen Finger benutzen soll, um dieselbe Kraft mittels Kraftübertragung auf den Finger der anderen Versuchsperson anzuwenden – und sie tun das. Und dem zweiten Spieler wird gesagt, dass er sich an diese Erfahrung erinnern soll. Nutze die andere Hand und gib die Kraft nach unten zurück. Und sie wenden abwechselnd die Kraft, die sie gerade erlebten, hin und her an.

Aber entscheidend ist, sie wurden in getrennten Räumen über die Spielregeln informiert. Sie kannten also die Regeln nicht, nach denen die andere Person spielt. Und was wir gemessen haben, ist die Kraft als Begriffsfunktion. Und wenn wir uns anschauen, womit wir beginnen, ein Viertel Newton hier, eine Anzahl von Runden, wäre diese rote Linie perfekt. Und was wir bei all den Versuchspaaren sehen ist – eine 70%-Eskalation in der Kraft bei jedem Mal. Das weist wirklich darauf hin, dass wenn man das macht – basierend auf dieser und anderer von uns durchgeführten Studien – dass das Gehirn die sensorischen Folgen löscht und die Kraft unterschätzt, die es produziert. Das zeigt erneut, dass das Gehirn Vorhersagen macht und Regeln fundamental ändert. Wir haben also Schlussfolgerungen gezogen und Vorhersagen gemacht, jetzt müssen wir handeln. Und die Bayes-Regel besagt, bei gegebenen Vorstellungen, dass die Handlung in gewisser Hinsicht optimal sein sollte.

Aber wir haben ein Problem. Aufgaben sind symbolisch, – ich will trinken, ich will tanzen – aber das Bewegungssystem muss 600 Muskeln in einer bestimmten Abfolge kontrahieren. Und es gibt eine große Diskrepanz zwischen der Aufgabe und dem Bewegungssystem. Das könnte auf verschiedenste Weise überbrückt werden. Ich denke nur an eine Punkt-zu-Punkt-Bewegung. Ich könnte diese beiden Nervenbahnen aus einer unendlichen Zahl von Nervenbahnen wählen. Durch die Auswahl einer bestimmten Nervenbahn, kann ich meine Hand auf diese Nervenbahn legen, wie unendlich viele verschiedene Gelenkformationen. Und ich kann meinen Arm einer bestimmten Gelenkformation halten, entweder sehr steif oder sehr entspannt. Also muss ich jede Menge Entscheidungen treffen. Nun zeigt sich, dass wir extrem stereotypisch sind. Wir bewegen uns alle ziemlich gleich.

Und es zeigt sich, dass wir so stereotypisch sind, dass sich unsere Gehirne ganz der neuronalen Verschaltung widmen, um dieses Stereotypische zu dekodieren. Wenn ich nun ein paar Punkte nehme und sie in biologische Bewegung umsetze, wüssten Ihre Gehirnschaltkreise sofort, was abläuft. Dies ist ein Haufen sich bewegender Punkte. Sie wüssten, was diese Person macht, ob sie glücklich, traurig, alt, jung ist – riesige Informationsmengen. Wenn diese Punkte Autos auf einem Rennparcours wären, hätten Sie keine Ahnung was los ist.

Warum bewegen wir uns auf diese bestimmten Weisen? Lassen Sie uns überlegen, was wirklich passiert. Vielleicht bewegen wir uns nicht alle gleich. Es gibt vielleicht eine Variation in der Bevölkerung. Vielleicht haben die, die sich besser bewegen, eine größere Chance ihre Kinder in die nächste Generation zu bekommen. Auf evolutionären Maßstab wird Bewegung besser. Im Leben verbessert sich Bewegung vielleicht durch Übung.

Was ist an einer Bewegung gut oder schlecht? Angenommen ich will diesen Ball abfangen. Hier sind zwei mögliche Bahnen für den Ball. Wenn ich nun die Bahn linkerhand wähle, kann ich die nötigen Kräfte in einem meiner Muskel als Zeitfunktion berechnen. Aber hinzu kommt das Rauschen. Was ich also bezogen auf diese hübsche, sanfte, erwünschte Kraft tatsächlich erhalte, ist eine sehr geräuschvolle Version. Wenn man denselben Befehl mehrmals auswählt, erhält man jedes Mal ein andere Geräuschversion, denn das Rauschen ändert sich jedes Mal. Hier kann ich Ihnen zeigen, wie sich die Variabilität der Bewegung entwickelt, wenn ich diesen Weg wähle. Wenn ich mich anders bewege – rechts zum Beispiel – dann gibt es einen anderen Befehl, ein anderes Rauschen, das durch unser Lärmsystem läuft – ziemlich kompliziert. Wir wissen nur, dass die Variabilität unterschiedlich sein wird. Wenn ich mich auf diese Art bewege, erhalte ich eine geringere Variabilität über viele Bewegungen hinweg. Wenn ich mich zwischen diesen beiden entscheiden muss, würde ich das Rechte wählen, weil es weniger variabel ist.

Und der Grundgedanke ist, dass man seine Bewegungen so plant, dass die negativen Konsequenzen des Rauschens verringert werden. Und eine Intuition, um das zu erreichen, ist, dass die Menge an Rauschen oder Variabilität, größer wird, je größer die Kraft wird. Ein Prinzip ist es also große Kräfte zu vermeiden. Wir haben gezeigt, dass wir damit einen großen Teil der Daten erklären können – Menschen planen tatsächlich ihre Bewegungen ganz genau, um die negativen Folgen des Rauschens zu mindern.

Ich konnte Sie hoffentlich überzeugen, dass das Gehirn da ist und sich entwickelt hat, um Bewegung zu steuern. Es ist eine intellektuelle Herausforderung zu verstehen, wie wir das machen. Aber es ist auch relevant bei Krankheit und Rehabilitation. Es gibt viele Krankheiten, die Bewegung beeinflussen. Und wenn wir verstehen, wie wir Bewegung kontrollieren, können wir das hoffentlich auf Robotertechnik anwenden. Und abschließend will ich Sie daran erinnern, dass wenn Sie sehen, wie Tiere anscheinend einfache Aufgaben ausführen, die wahre Komplexität der Vorgänge in deren Gehirn wirklich ziemlich dramatisch ist.

Vielen Dank.

(Applaus)

Chris Anderson: Eine schnelle Frage für Sie, Dan. Sie sind also ein Bewegungs- – (DW: Chauvinist.) – chauvinist. Bedeutet dass, das Sie glauben, die anderen Dinge, zu denen Gehirne für uns dienen – Träumen, Sehnsucht, sich Verlieben und alle diese Sachen – sind nur ein Nebenschauplatz, ein Unfall?

DW: Nein, ich denke, dass sie alle wichtig sind, um das richtige Bewegungsverhalten zu steuern, um sich letztendlich fortzupflanzen. Menschen, die die Wahrnehmung oder Erinnerung untersuchen, ohne festzustellen, warum Erinnerungen an die Kindheit aufgezeichnet werden. Die Tatsache, dass wir etwa unsere Kindheit großteils vergessen, ist wohl ok, weil es unsere Bewegungen im späteren Leben nicht herbeiführt. Man muss nur Dinge speichern, die wirklich die Bewegung beeinflussen.

CA: Sie glauben also, dass Menschen, die über das Gehirn und das Bewusstsein allgemein nachdenken, einen echten Einblick erhalten, wenn sie sich fragen, wo Bewegung mitspielt?

DW: Die Leute haben etwa festgestellt, dass es ein Fehler ist, die Sehkraft zu untersuchen, ohne zu beachten, wofür sie da ist. Man muss das Sehvermögen mit der Erkenntnis untersuchen, wie das Bewegungssystem das Sehen nutzt. Und es gebraucht es ziemlich anders, sobald man einmal so darüber denkt.

CA: Das war ziemlich faszinierend. Vielen Dank.

(Applaus)