Ik ben een neurowetenschapper. In de neurowetenschappen, hebben we te maken met vele moeilijke vragen over het brein. Maar ik wil beginnen met de eenvoudigste vraag, iets dat je je op een bepaald punt in je leven echt moet hebben afgevraagd. Het een fundamentele vraag als we de functie van de hersenen willen begrijpen. De vraag is: waarom hebben wij en andere dieren hersenen? Niet alle soorten op onze planeet hebben hersenen, dus als we willen weten waarvoor hersenen dienen, moeten we bedenken waarom we ze ontwikkeld hebben. Nu kan je redeneren dat we ze hebben om de wereld waar te nemen of om te denken. Dat is helemaal verkeerd. Als je langere tijd over deze vraag nadenkt, is het volkomen duidelijk waarom we een brein hebben. We hebben een brein om één reden en één reden alleen: om gepaste en complexe bewegingen te kunnen maken. Er is geen andere reden om een brein te hebben. Denk er eens over na. Beweging is de enige manier waarop je invloed hebt op de wereld om je heen. Dat is niet helemaal waar. Er is een andere manier en dat is door te zweten. Maar afgezien van dat, gebeurt alles door samentrekkingen van de spieren.

Denk aan communicatie - spraak, gebaren, schrijven, gebarentaal - het gebeurt allemaal via samentrekkingen van je spieren. Het is echt belangrijk om te onthouden dat het zintuiglijke, het geheugen en cognitieve processen allemaal belangrijk zijn, maar ze zijn alleen van belang om toekomstige bewegingen ofwel aan te sturen of te onderdrukken Er is geen evolutionair voordeel aan herinneringen uit de kindertijd of het waarnemen van de kleur van een roos als het geen invloed heeft op de manier waarop je je later beweegt.

Voor degenen die dit argument niet geloven: we hebben op onze planeet bomen en gras zonder hersenen. Het sluitende bewijs is dit dier hier: de bescheiden zakpijp. Een rudimentair dier met een zenuwstelsel, zwemt in zijn jeugd in de oceaan rond. Op een bepaald punt in zijn leven, nestelt het zich op een rots. Het eerste wat het doet nadat het zich op die rots vastzet, die het nooit verlaat, is zijn eigen hersenen en zenuwstelsel als voedsel verteren. Dus zodra je niet hoeft te bewegen, heb je de luxe van die hersenen niet nodig. Dit dier wordt vaak genomen als analogie met wat er aan de universiteiten gebeurt als professoren benoemd worden, maar dat is een ander onderwerp.

(Applaus)

Dus ik ben een bewegingschauvinist. Ik denk dat beweging de belangrijkste functie van de hersenen is en laat niemand je vertellen dat het niet waar is. Als beweging zo belangrijk is, hoe goed begrijpen we hoe de hersenen beweging controleren? Heel erg slecht, het is een heel moeilijk probleem. Een manier om te zien hoe goed we het doen, is door na te denken over hoe goed we zijn in het bouwen van machines die kunnen doen wat mensen kunnen.

Denk aan het schaakspel. Hoe goed zijn we in het bepalen van welk stuk verplaatst moet worden en waarheen? Neem Gary Kasparov, als hij niet in de gevangenis zit, tegen Deep Blue van IBM, Het antwoord is: Deep Blue van IBM zal zo nu en dan winnen. Ik denk dat als Deep Blue tegen iemand in deze zaal zou spelen, hij elke keer zou winnen. Dat probleem is opgelost. Hoe zit het met het probleem van het oppakken van een schaakstuk, het handig manipuleren en het weer neerzetten op het bord? Als je de handigheid van een vijfjarig kind vergelijkt met de beste robot van vandaag, is het antwoord eenvoudig: het kind wint gemakkelijk. Het is geen match.

Waarom is het eerste probleem zo gemakkelijk en het laatste probleem zo moeilijk? Een reden is dat een zeer slimme vijfjarige je het algoritme voor dat probleem zou kunnen vertellen: kijk naar alle mogelijke zetten op het einde van het spel en kies voor die ene waardoor je wint. Het is dus een zeer eenvoudig algoritme. Natuurlijk zijn er andere zetten, maar met enorme computers komen we dicht bij de optimale oplossing. Als het gaat om behendigheid is het zelfs niet duidelijk welk algoritme je moet oplossen. Je moet de wereld zowel waarnemen als erop reageren. Dat geeft een hoop problemen.

Ik laat jullie de nieuwste robotica zien. Veel robotica is zeer indrukwekkend, maar met behendige robotica zitten we nog in de middeleeuwen. Dus dit is het einde van een doctoraatproject van een van de beste robotica-instituten. De student heeft deze robot getraind om water in een glas te gieten. Het is een moeilijk probleem omdat het water rondklotst, maar het lukt. Weliswaar niet met de handigheid van een mens. Als je wilt dat deze robot een andere taak uitvoert, betekent dat nog eens drie jaar doctoraatprogramma. Er is helemaal geen generalisatie van de ene taak naar de andere in robotica.

We kunnen dit vergelijken met de meest geavanceerde menselijke prestaties. Ik zal jullie Emily Fox laten zien. Zij heeft het wereldrecord bekerstapelen gewonnen. De Amerikanen hier in het publiek weten alles over bekerstapelen. Het is een middelbare schoolsport waarbij je 12 bekers moet stapelen en weer afbreken in een bepaalde tijd en een voorgeschreven volgorde Dit is haar wereldrecord in realtime. (Gelach) (Applaus) Ze is erg blij. We hebben geen idee wat er zich in haar hersenen afspeelt als ze bezig is. We zouden het graag willen weten.

In mijn groep, proberen we in detail te analyseren hoe mensen bewegingen beheersen. Het klinkt als een eenvoudig probleem. Je stuurt een commando dat de spieren doet samentrekken. Je arm of lichaam beweegt en je krijgt sensorische feedback van de ogen, de huid, spieren en ga zo maar door. Het probleem is dat deze signalen niet de mooie signalen zijn zoals je ze graag zou willen. Het beheersen van beweging wordt bemoeilijkt door bijvoorbeeld zeer 'luidruchtige' sensorische feedback. Met luidruchtig bedoel ik niet geluid. We gebruiken het in ingenieurs- en neurowetenschappen in de betekenis van onbestemde ruis die een signaal verstoort. Voordat digitale radio bestond, kon je, als je een zender zocht op je radio, 'crrcckkk' horen op de zender die je wilde horen. Dat was die ruis. Maar meer in het algemeen, deze ruis is iets dat het signaal stoort.

Bijvoorbeeld, als je je hand onder tafel houdt en die met je andere hand probeert te lokaliseren, kun je er enkele centimeters naast zitten vanwege de ruis in de sensorische feedback. Hetzelfde geldt als je motorische output doet volgen op een beweging: daar zit zeer veel ruis op. Vergeet om bij het darten de roos te raken. Richt gewoon telkens op dezelfde plek. Je hebt een grote spreiding door de bewegingsvariatie. Meer nog, de buitenwereld of de taak is zowel dubbelzinnig als variabel. De theepot kan vol zijn, hij kan leeg zijn. Het verandert in de tijd. We werken bij zintuiglijke bewegingstaken in een soep van lawaai.

De ruis is zo luid dat de maatschappij een enorme beloning geeft aan degene die de gevolgen van deze ruis kan verminderen. Dus als je het geluk hebt om een klein wit balletje enkele honderd meter verder in een gat te kunnen slaan met een lange metalen stok, zal onze maatschappij bereid zijn je te belonen met honderden miljoenen dollars.

Ik wil jullie ervan overtuigen dat het brein ook veel moeite doet om de negatieve gevolgen van dit soort lawaai en variabiliteit te beperken. Om dat te doen, ga ik jullie vertellen over een raamwerk dat erg populair is in de statistiek en het automatisch leren van de laatste 50 jaar. Het heet Bayesiaanse beslissingstheorie. Het is tegenwoordig de manier om na te denken over hoe het brein omgaat met onzekerheid. Het fundamentele idee is dat je conclusies wilt trekken en dan actie ondernemen.

Dus laten we nadenken over de conclusie. Je wilt overtuigingen over de wereld ontwikkelen. Ja, wat zijn overtuigingen? Overtuigingen kunnen zijn: waar in de ruimte bevinden mijn armen zich? Kijk ik naar een kat of een vos? We gaan overtuigingen weergeven als waarschijnlijkheden. We geven een overtuiging weer door een getal tussen nul en één - nul betekent: ik geloof het helemaal niet, één betekent: ik ben absoluut zeker. Cijfers ertussen geven de grijswaarden van onzekerheid. Het uitgangspunt van Bayesiaanse conclusies zijn twee bronnen van informatie van waaruit je gevolgtrekkingen kunt maken. Je hebt gegevens en gegevens in neurowetenschappen zijn zintuiglijke input. Ik heb zintuiglijke input die ik kan gebruiken om overtuigingen te maken. Maar er is een andere bron van informatie, en dat is voorkennis. Tijdens je hele leven verzamel je kennis in herinneringen. De Bayesiaanse beslissingstheorie geeft je de wiskunde van de optimale manier om je voorkennis te combineren met je zintuiglijk bewijs om nieuwe opvattingen te creëren.

Ik zet de formule daar. Ik ga niet uitleggen wat die formule is, maar ze is erg mooi. Ze heeft echte schoonheid en echte verklarende kracht. Wat het werkelijk zegt en wat je wilt bepalen, is de waarschijnlijkheid van verschillende overtuigingen op basis van je zintuiglijke input. Laat me je een intuïtief voorbeeld geven. Stel je voor dat je leert tennissen en je wilt bepalen waar de bal gaat stuiteren als hij over het net naar je toekomt. Er zijn twee bronnen van informatie zegt Bayes' regel. Er is zintuiglijk bewijs - je kunt gebruik maken van visuele en auditieve informatie, die je kan vertellen dat de bal zal neerkomen op die rode vlek. Maar je weet dat je zintuigen niet perfect zijn en daarom is er enige variatie in waar de bal zal neerkomen. Dat wordt getoond door die rode wolk die cijfers weergeeft tussen 0,5 en misschien 0,1.

Die informatie is beschikbaar in deze slag, maar er is een andere informatiebron die op dit moment niet beschikbaar is. Ze wordt verkregen door vele keren tennis te spelen. De bal stuitert tijdens de wedstrijd niet met dezelfde waarschijnlijkheid over het veld. Als je speelt tegen een zeer goede tegenstander, kan deze de bal verspreiden over dat groene gebied, wat de voorafgaande verspreiding was, wat terugslaan lastig maakt. Beide informatiebronnen dragen belangrijke informatie. Bayes' regel zegt dat ik de nummers op het rood moet vermenigvuldigen met de nummers op het groen om de nummers van de gele ellipsen te verkrijgen. Dat is mijn overtuiging. Dus het is de optimale manier van combineren van informatie.

Ik vertel dit omdat we een paar jaar geleden aantoonden dat dit precies is wat mensen doen wanneer zij nieuwe bewegingsvaardigheden leren. Het betekent dat we echt Bayesiaanse beslissingsmachines zijn. Gaandeweg leren we de statistieken van de wereld en leggen die vast maar we leren ook hoe luidruchtig het eigen zintuiglijke apparaat is. Die gegevens combineren we op een echte Bayesiaanse manier.

Een belangrijk deel van de Bayesiaanse regel is dit deel van de formule. Dit deel zegt echt dat ik de waarschijnlijkheid moet voorspellen van verschillende zintuiglijke feedbacks op basis van mijn overtuigingen. Dat betekent eigenlijk dat ik de toekomst moet voorspellen. Ik wil jullie overtuigen dat de hersenen voorspellingen doen van zintuiglijke feedbacks die ze nog moeten ontvangen. Bovendien veranderen je waarnemingen ingrijpend door wat je doet. Daarom zal ik je vertellen hoe het brein omgaat met zintuiglijke input. Je stuurt een opdracht uit. Je krijgt sensorische feedback terug en die transformatie wordt beheerst door de fysica van je lichaam en je zintuiglijke apparaat.

Stel je de binnenkant van de hersenen voor. Hier zijn de hersenen. Misschien heb je een kleine voorspeller, een neurale simulator, van de fysica van je lichaam en je zintuigen. Dus als je een bewegingscommando naar beneden stuurt, maak je een kopie en voert het door je neurale simulator om te anticiperen op de sensorische consequenties van je daden. Als ik deze fles ketchup schud, krijg ik een ware sensorische feedback zoals de functie van de tijd in de onderste rij. Als ik een goede voorspeller heb, voorspelt die hetzelfde.

Waarom zou ik daar moeite voor doen? Ik krijg toch dezelfde feedback. Wel, er zijn redenen. Stel je voor, terwijl ik de fles ketchup schud, komt iemand vriendelijk naar me toe en tikt hem voor mij op de bodem. Nu krijg ik een extra bron zintuiglijke informatie door een externe handeling. Ik heb twee bronnen. Jij tikt erop en ik schud ermee, maar vanuit het oogpunt van mijn zintuigen, worden die gecombineerd tot één bron van informatie.

Er is een goede reden om te geloven dat je in staat wilt zijn om onderscheid te maken tussen externe en interne gebeurtenissen. Omdat externe gebeurtenissen eigenlijk gedragsmatig veel relevanter zijn dan voeling te krijgen met wat er in mijn lichaam gebeurt. Een manier om dat te reconstrueren is de voorspelling, die alleen gebaseerd is op je bewegingscommando's, met de werkelijkheid te vergelijken. Enige discrepantie zal hopelijk extern zijn. Terwijl ik mij verplaats in de wereld, maak ik voorspellingen van wat ik kan verwachten, en trek ze af. Alles wat overblijft, is extern voor mij.

Welk bewijs is er hiervoor? Er is een heel duidelijk voorbeeld waar een door mijzelf opgewekte sensatie heel anders voelt dan als ze door een andere persoon wordt veroorzaakt. We besloten op de meest evidente plaats te beginnen: kietelen. Iedereen weet dat je jezelf niet kunt kietelen maar andere mensen wel. Maar het is niet echt aangetoond. Het is omdat je een neurale simulator hebt, die je eigen lichaam simuleert en dat gevoel aftrekt. In de 21ste eeuw experimenteren wij met robottechnologie om dit probleem op te lossen. We hebben in een hand een soort stok verbonden met een robot. Die bewegen we heen en weer. Dat volgen we met een computer en gebruiken deze om een andere robot te besturen die hun palm zal kietelen met een andere stok. Dan vragen we om een hoop dingen te waarderen, inbegrepen hoeveel het kietelt.

Ik zal je een deel van onze studie laten zien. Hier heb ik de robots weggenomen. Eigenlijk bewegen mensen met hun rechterarm sinusvormig heen en weer. We herhalen dat voor de andere hand met een vertraging. Ofwel zonder vertraging waarbij enkel licht je handpalm prikkelt, of met een vertraging van twee-tiende of drie-tiende van een seconde. Het belangrijkste punt hier is dat de rechterhand altijd dezelfde sinusvormige beweging maakt. De linkerhand blijft altijd hetzelfde en kietelt sinusvormig. We spelen met de tempo-causaliteit. Als we gaan van nul naar 0,1 seconden, kietelt het meer. Als je gaat van 0,1 tot 0,2, kietelt het meer aan het eind. Op 0,2 van een seconde kietelt het evenveel voor de robot die jou net kietelde zonder dat je iets deed. Wat ook verantwoordelijk is voor deze annulatie is zeer nauw verbonden met tempo-causaliteit. Op basis van deze illustratie geraakten we in het veld echt overtuigd dat de hersenen nauwkeurige voorspellingen maken en ze aftrekken van de sensaties.

Ik moet toegeven dat dit de ergste studies zijn die mijn lab ooit heeft uitgevoerd. Omdat de kietelsensatie op de handpalm komt en gaat, heb je een groot aantal proefpersonen met deze sterren nodig waardoor ze significant worden. We gingen dus op zoek naar een meer objectieve manier om dit fenomeen te beoordelen. In de tussenliggende jaren kreeg ik twee dochters. Wat je ziet bij kinderen op de achterbank van auto’s tijdens lange ritten ... ze vechten. Het begint met de ene die iets doet aan de ander en die andere slaat terug. Het escaleert snel. Kinderen geraken regelmatig in gevechten waarbij het geweld escaleert. Als ik schreeuwde tegen hen om te stoppen, zeiden ze beiden dat de andere persoon harder sloeg dan zijzelf.

Ik weet toevallig dat mijn kinderen niet liegen, dus ik dacht, als neurowetenschapper, dat het belangrijk was een verklaring te vinden waarom ze elk iets anders vertelden. We maakten een hypothese op basis van de kietelstudie: wanneer het ene kind het andere slaat, commanderen zijzelf de beweging. Ze voorspellen de sensorische gevolgen en trekken ze af. Ze denken dat ze de persoon minder hard raken dan in werkelijkheid - een beetje zoals het kietelen. De passieve ontvanger echter maakt deze voorspelling niet en voelt de klap in zijn volle kracht. Als ze terugslaan met dezelfde kracht, zal de eerste persoon denken dat het geëscaleerd is.

We besloten dit te testen in het lab. (Gelach) We werken niet met kinderen en niet met slaan, maar het concept is identiek. We gebruiken twee volwassenen. We vertellen hen dat ze een spel gaan spelen. Hier is speler één en speler twee. Ze zitten tegenover elkaar. Het spel is zeer eenvoudig. We begonnen met een motor met een kleine hefboom die de kracht overbrengt. We gebruiken deze motor om kracht uit te oefenen op de vingers van speler één gedurende drie seconden en dan stoppen we. De speler wordt gevraagd de kracht die hij ervaren heeft te onthouden en zijn andere vinger te gebruiken om dezelfde kracht uit te oefenen op de vinger van speler twee via de hefboom - en dat doen ze. Speler twee wordt dan gevraagd de kracht die hij ervaren heeft te onthouden en met zijn andere hand diezelfde kracht op de ander uit te oefenen. Dit doen ze om de beurt bij de ander op basis van de kracht die zij zelf ervaren hebben.

Maar belangrijk: ze werden geïnformeerd over de regels van het spel in aparte kamers. Ze kennen dus de regels van de andere persoon niet. We maten of de kracht overeenstemde met de regels. Als we kijken naar waarmee we beginnen: een kwart van een Newton, een aantal keren, dan zou de rode lijn perfect zijn. We zien in alle onderzochte paren, 70 procent escalatie van kracht bij elke beurt. Het suggereert, als je dit doet - op basis van deze studie en andere die we gedaan hebben - dat de hersenen de sensorische consequenties uitwissen en de geproduceerde kracht onderschat. Het toont opnieuw dat de hersenen voorspellingen maken en de regels fundamenteel veranderen. We hebben gevolgtrekkingen gemaakt, we hebben voorspellingen gedaan, nu moeten we de acties ondernemen. Bayes’ regel zegt: op basis van mijn overtuigingen moet de actie in zekere zin optimaal zijn.

We hebben echter een probleem. Taken zijn symbolisch: ik wil drinken, ik wil dansen - maar het bewegingssysteem moet 600 spieren aanspannen in een bepaalde volgorde. Er is een grote kloof tussen de taak en het bewegingssysteem. Het zou kunnen overbrugd worden op oneindig veel verschillende manieren. Denk aan een beweging van punt naar punt. Ik kan deze twee paden kiezen uit een oneindig aantal paden. Na het kiezen van een bepaald pad, kan ik mijn hand op dat pad houden met het gewricht in oneindig veel verschillende standen. Ik kan mijn arm in veel verschillende standen houden ofwel zeer stijf of heel ontspannen. Ik moet een enorm aantal keuzes maken. Het blijkt dat we extreem stereotiep zijn. We bewegen allemaal op vrijwel dezelfde manier.

We zijn zelfs zo stereotiep, dat onze hersenen specifieke neurale circuits hebben om deze stereotypering te decoderen. Als ik wat puntjes neem en ze in beweging zet met biologische beweging, zouden je hersencircuits onmiddellijk begrijpen wat er gaande is. Dit is een hoop bewegende punten. Je zult weten wat deze persoon doet, of hij blij, verdrietig, oud, jong is - een enorme hoeveelheid informatie. Als deze punten auto’s zouden zijn op een racecircuit, zou je absoluut geen idee hebben wat er aan de hand is.

Waarom bewegen we op deze specifieke manieren? Laat ons nadenken over wat er werkelijk gebeurt. Misschien bewegen we niet allemaal op precies dezelfde manier. Misschien is er variatie in de populatie. Misschien hebben degenen die zich beter bewegen dan anderen meer kans om hun kinderen mee te nemen in de volgende generatie. In evolutionaire termen worden bewegingen beter. Misschien worden bewegingen tijdens het leven beter door te leren.

Wat is goed of slecht aan een beweging? Stel je voor dat ik deze bal wil onderscheppen. Er zijn twee mogelijke paden naar de bal. Als ik het linkerpad kies, kan ik de benodigde kracht van mijn spieren berekenen als een functie van de tijd. Maar er wordt ruis toegevoegd. Ik krijg op basis van deze mooie, gladde, gewenste kracht een zeer luidruchtige versie. Als ik dezelfde opdracht vele malen herhaal, krijg ik telkens een andere luidruchtige versie omdat de ruis telkens verandert. Wat ik jullie hier kan laten zien, is hoe de variabiliteit van de beweging zich zal ontwikkelen als ik deze manier kies. Als ik kies voor een andere manier van bewegen - aan de rechterkant bijvoorbeeld - dan zal ik een andere opdracht en andere ruis krijgen in een luidruchtig systeem, erg ingewikkeld. We kunnen enkel zeker zijn dat de variabiliteit anders zal zijn. Als ik beweeg op deze manier, eindig ik met een kleinere variabiliteit over vele bewegingen. Als ik moet kiezen tussen deze twee, zou ik de rechtse kiezen, omdat die minder variabel is.

Het fundamentele idee is dat je je bewegingen wilt plannen om zo de negatieve gevolgen van de ruis te minimaliseren. Een intuïtie om te ontwikkelen, is dat de hoeveelheid ruis of variabiliteit die ik hier toon groter wordt als de kracht toeneemt. Je wilt dus in principe grote krachten vermijden. We hebben laten zien dat we op deze basis een enorme hoeveelheid gegevens kunnen verklaren - dat mensen hun bewegingen juist plannen om de negatieve gevolgen van ruis te minimaliseren.

Ik hoop dat ik jullie overtuigd heb dat de hersenen er zijn en evolueerden om bewegingen te controleren. Het is een intellectuele uitdaging om te begrijpen hoe we dat doen. Maar het is ook relevant voor ziekte en revalidatie. Er zijn veel ziekten die beweging aantasten. Als we begrijpen hoe we bewegingen beheersen, kunnen we dit hopelijk toepassen op robottechnologie. Tot slot, wil ik jullie eraan herinneren, dat als je dieren dingen ziet doen die simpel lijken, de reële complexiteit van wat er in hun hersenen omgaat echt heel spectaculair is.

Heel hartelijk bedankt.

(Applaus)

Chris Anderson: snelle vraag voor je, Dan. Dus je bent een bewegings - (DW chauvinist.) - chauvinist. Betekent dit dat je denkt dat de andere functies van de hersenen: dromen, het verlangen, de verliefdheid en al deze dingen - een soort bijverschijnsel zijn, een ongelukje?

DW: Nee, nee, eigenlijk denk ik dat ze allemaal belangrijk zijn om de juiste beweging en gedrag te produceren om de voortplanting te bevorderen. Ik denk dat mensen die gevoel of het geheugen bestuderen zonder te beseffen waarom je herinneringen van de kindertijd vastlegt. Het feit dat we de meeste jeugdherinneringen vergeten, bijvoorbeeld, is waarschijnlijk goed, omdat het geen effect heeft op onze latere bewegingen. Je moet alleen maar dingen onthouden die echt effect hebben op bewegen.

CA: Jij denkt dus dat mensen die nadenken over de hersenen en bewustzijn in het algemeen, echt inzicht zouden verwerven als ze kunnen bepalen waar beweging een rol speelt?

DW: Mensen hebben bijvoorbeeld ontdekt dat het bestuderen van het gezichtsvermogen zonder zich te realiseren waarom je kan zien, een vergissing is. Je moet het gezichtsvermogen bestuderen in het besef hoe het bewegingssysteem het gezichtsvermogen zal gebruiken. En het gebruikt het heel anders als je er op die manier over nadenkt.

CA: Dat was heel fascinerend. Heel erg bedankt.

(Applaus)