0:00:13.250,0:00:15.877
A todos nos gusta aprender cosas.

0:00:16.698,0:00:18.612
A algunos les gusta aprender un idioma,

0:00:20.722,0:00:25.144
a otros aprender instrumentos musicales[br]y a otros un deporte nuevo.

0:00:26.664,0:00:28.999
Y a todos hay cosas[br]que no nos gusta aprender,

0:00:28.999,0:00:30.575
pero nos encantaría saber,

0:00:31.245,0:00:34.049
A mí, por ejemplo, me encantaría[br]saber tocar la guitarra,

0:00:34.309,0:00:36.812
pero no me da ganas de tomar ninguna clase.

0:00:37.122,0:00:39.360
Quizás también aprender chino ya que[br]está.

0:00:40.500,0:00:42.617
En verdad, ¿a quién no le gustaría[br]poder aprender

0:00:42.617,0:00:46.544
cualquier cosa que queramos[br]con el mínimo esfuerzo posible?

0:00:47.134,0:00:50.779
Bueno, no los quiero entusiasmar mucho,[br]porque hoy no tengo la receta mágica.

0:00:51.159,0:00:53.416
Sin embargo, lo que sabemos[br]sobre el cerebro

0:00:53.416,0:00:55.874
está cambiando a una velocidad increíble.

0:00:56.244,0:00:58.252
Todavía nos falta bastante[br]para poder aprender

0:00:58.252,0:01:01.599
las claves del aprendizaje,[br]pero hoy les quiero contar

0:01:01.599,0:01:04.232
cómo estamos avanzando en este camino.

0:01:05.712,0:01:07.528
Yo estudié ingeniería electrónica

0:01:07.528,0:01:11.243
y lo que más me interesaba, era[br]el área de inteligencia artificial

0:01:11.243,0:01:15.561
y de cómo crear máquinas inteligentes[br]que puedan aprender cosas por sí solas.

0:01:17.051,0:01:19.259
Después me empezó a interesar[br]cómo nosotros, los humanos,

0:01:19.259,0:01:21.948
y los animales aprendemos.

0:01:22.318,0:01:26.276
Ahí me pasé a estudiar neurociencias[br]y aprendí a medir actividad neuronal

0:01:26.276,0:01:32.215
y a entrenar animales de laboratorio:[br]ratones, monos y estudiantes.

0:01:32.325,0:01:35.660
(Risas)

0:01:35.850,0:01:40.098
Ahora, la tarea de un neurocientífico[br]no es nada sencilla.

0:01:40.918,0:01:45.831
De hecho, el cerebro es el aparato[br]más complejo e inteligente que conocemos.

0:01:46.881,0:01:51.643
Está compuesto por 80 000 millones[br]de neuronas, como unas de estas.

0:01:53.483,0:01:56.345
Para peor, cada neurona recibe,

0:01:56.345,0:01:59.698
en promedio, hasta 10 000 conexiones[br]de otras neuronas.

0:02:01.138,0:02:05.121
Esto es como si cada uno de Uds.[br]pudiese escuchar al mismo tiempo

0:02:05.121,0:02:09.553
y ser influenciado por toda la gente[br]presente hoy en TEDxRíodelaPlata.

0:02:12.293,0:02:15.545
Cuando aprendemos algo,[br]nuestros cerebros cambian

0:02:15.655,0:02:17.382
y cambian físicamente.

0:02:18.102,0:02:21.826
Aunque ustedes no se dan cuenta,[br]su cerebro está cambiando ahora mismo.

0:02:22.856,0:02:24.276
¿Qué quiere decir esto?

0:02:24.276,0:02:26.816
Quiere decir que nuestro cerebro,

0:02:26.816,0:02:30.030
cuando aprendemos,[br]genera nuevas conexiones.

0:02:30.560,0:02:33.999
Hay neuronas que se empiezan[br]a conectar con otras neuronas.

0:02:34.299,0:02:35.609
Y algunas de estas conexiones

0:02:35.609,0:02:38.628
se hacen más fuertes[br]o se hacen más débiles.

0:02:40.904,0:02:43.236
¿Cómo podemos estudiar[br]qué pasa en el cerebro

0:02:43.236,0:02:45.152
cuando aprendemos algo nuevo?

0:02:45.572,0:02:48.940
Bueno, necesitamos una manera[br]de poder medir actividad neuronal

0:02:49.010,0:02:50.724
de manera muy precisa.

0:02:51.364,0:02:53.859
Pero lo más difícil[br]es que tenemos que seguir

0:02:53.929,0:02:57.799
exactamente las mismas neuronas por[br]todos los días que dura un aprendizaje.

0:02:58.309,0:03:01.628
Esto es algo que hasta hace[br]muy poco no podíamos hacer.

0:03:03.678,0:03:05.762
La nueva tecnología[br]que nos permite hacer esto

0:03:05.762,0:03:07.683
se llama microscopía de dos fotones

0:03:08.383,0:03:10.906
y nos ha abierto el panorama[br]para que podamos estudiar

0:03:10.906,0:03:12.783
qué pasa en el cerebro cuando aprende.

0:03:14.163,0:03:21.009
En este video les estoy mostrando[br]las neuronas respondiendo.

0:03:21.429,0:03:25.030
Esos relampagueos son neuronas activas.

0:03:25.580,0:03:28.821
Esos destellos de luz,[br]cuando son más intensos,

0:03:28.961,0:03:33.079
indican que la neurona está cada vez[br]más activa y respondiendo más.

0:03:33.909,0:03:35.921
Gran parte de mi tarea[br]como neurocientífico

0:03:36.341,0:03:41.304
es tratar de relacionar[br]cómo esa intensidad de cada neurona

0:03:41.594,0:03:44.157
se relaciona con el[br]comportamiento de un animal.

0:03:45.387,0:03:49.181
Estos microscopios nos permiten ver[br]estas mismas neuronas

0:03:49.231,0:03:51.880
que estoy mostrando acá durante semanas.

0:03:51.950,0:03:53.356
Las mismas, las mismas.

0:03:55.996,0:03:58.876
Esto nos abrió el panorama[br]para que podamos estudiar

0:03:58.876,0:04:01.226
qué pasa en un cerebro por primera vez.

0:04:02.046,0:04:03.206
¿Y cómo podemos hacer esto?

0:04:03.206,0:04:05.603
¿Cómo podemos estudiar[br]cómo un animal aprende?

0:04:05.898,0:04:08.384
Bueno, tenemos que agarrar[br]un animal de laboratorio

0:04:08.574,0:04:10.537
y enseñarle algo que no sabía[br]

0:04:11.397,0:04:13.977
mientras, al mismo tiempo, [br]medimos sus neuronas

0:04:14.207,0:04:16.527
cómo van cambiando a medida que aprenden.

0:04:19.107,0:04:22.518
Bueno, les voy a contar cómo [br]hicimos esto en el laboratorio.

0:04:23.194,0:04:26.877
Nosotros agarramos un ratón[br]y le enseñamos a que detecte

0:04:26.877,0:04:29.849
la posición de un objeto[br]usando los bigotes.

0:04:30.329,0:04:32.427
Uds. se deben preguntar:[br]¿por qué los bigotes?

0:04:32.747,0:04:35.242
Bueno, los ratones son animales nocturnos

0:04:35.502,0:04:37.472
y, encima, no ven muy bien,

0:04:37.602,0:04:40.284
así que usan los bigotes[br]para navegar en su entorno.

0:04:41.494,0:04:44.369
Para ellos, los bigotes,[br]son como nuestros propios dedos.

0:04:45.269,0:04:49.642
Acá en el video les voy a mostrar[br]cómo un ratón resuelve esta tarea.

0:04:50.492,0:04:53.955
Ese palito negro que ven que aparece[br]es el objeto que tienen que detectar.

0:04:54.345,0:04:57.711
Y el ratón empieza a mover los bigotes[br]como loco para tratar de ubicarlo.

0:04:58.131,0:05:01.154
El objeto puede aparecer[br]en diferentes posiciones.

0:05:01.644,0:05:03.433
Ahora, lo que necesitamos[br]es que el ratón nos diga

0:05:04.593,0:05:06.316
dónde estaba el objeto.

0:05:06.516,0:05:07.991
¿Cómo le pudimos enseñar eso?

0:05:07.991,0:05:10.822
Bueno, le enseñamos[br]a que utilice la lengua

0:05:10.822,0:05:13.109
para decirnos si lo había detectado o no.

0:05:13.569,0:05:15.899
El experimento, en concreto, era así,

0:05:15.899,0:05:18.490
el objeto podía estar en dos posiciones:

0:05:18.850,0:05:21.368
cerca del rostro o lejos del rostro.

0:05:21.568,0:05:24.437
Si estaba cerca, [br]tenían que sacar la lengua

0:05:24.587,0:05:27.507
y si estaba lejos, la tenían[br]que dejar guardada.

0:05:27.807,0:05:30.691
Y todo esto lo resolvían[br]en completa oscuridad.

0:05:31.211,0:05:33.300
Lo más loco de todo es que al ratón

0:05:33.300,0:05:35.069
no le dimos ninguna instrucción[br]en particular.

0:05:35.159,0:05:37.790
Lo único que le dimos es un premio[br]si lo hacía correctamente.

0:05:37.940,0:05:41.012
Y de a poco, el ratón pudo ir aprendiendo.

0:05:43.092,0:05:47.753
Ahora, cuando empezamos la tarea,[br]el ratón no entendía nada.

0:05:48.043,0:05:51.405
Así que trataba de hacer[br]cualquier cosa a ver si la pegaba.

0:05:51.665,0:05:53.628
Al principio, movía los bigotes como loco

0:05:53.748,0:05:56.812
buscando si estaba el palito o no,[br]no le importaba nada.

0:05:56.992,0:06:01.146
Después se cansaban[br]y dejaban de responder por todo el día,

0:06:01.146,0:06:03.023
no había manera de motivarlos.

0:06:03.723,0:06:05.622
Y a veces, cuando estaban motivados,

0:06:05.642,0:06:07.209
se volvían a motivar de vuelta,

0:06:07.309,0:06:09.015
se la jugaban y sacaban la lengua[br]todo el tiempo

0:06:09.015,0:06:10.941
a ver si sacaban algún premio de garrón.

0:06:11.021,0:06:13.326
(Risas)

0:06:14.166,0:06:16.553
Y mientras medíamos las neuronas,[br]vimos exactamente lo mismo:

0:06:16.753,0:06:20.812
las neuronas en caos total,[br]muy difícil de entender qué hacían.

0:06:21.402,0:06:23.149
Pero a medida que[br]el animal iba aprendiendo,

0:06:23.479,0:06:26.479
el comportamiento se hacía[br]cada vez más consistente.

0:06:27.299,0:06:30.684
Esperaban ver que[br]el objeto se posicionaba,

0:06:30.954,0:06:34.868
recién ahí movían los bigotes[br]y lo buscaban con mucho cuidado.

0:06:35.348,0:06:39.319
Una vez que lo detectaban,[br]recién ahí, nos daban su respuesta.

0:06:41.279,0:06:44.768
Y las neuronas también[br]empezaron a ser mucho más ordenadas.

0:06:45.268,0:06:46.753
Se dividían la tarea.

0:06:47.003,0:06:48.616
Había neuronas que[br]aprendían a responder

0:06:48.616,0:06:50.308
sólo cuando movía los bigotes.

0:06:50.618,0:06:53.394
Otro grupo que respondía[br]cuando contactaba el objeto.

0:06:54.044,0:06:57.235
Y otro tanto que respondía[br]cuando el ratón sacaba la lengua.

0:06:59.035,0:07:01.104
¿Qué aprendimos de este experimento?

0:07:01.664,0:07:03.558
Aprendimos que el aprendizaje

0:07:03.958,0:07:07.767
es una tarea cooperativa a nivel neuronal.

0:07:08.100,0:07:11.578
Necesitan que muchas neuronas[br]hagan exactamente lo mismo.

0:07:11.718,0:07:14.743
Porque un día pueden desaparecer[br]y dejar de responder.

0:07:15.323,0:07:17.429
Que las neuronas[br]hagan exactamente lo mismo,

0:07:17.429,0:07:19.084
que muchas neuronas[br]hagan exactamente lo mismo,

0:07:19.084,0:07:21.249
hace que el aprendizaje sea robusto

0:07:21.249,0:07:24.021
y no dependa tanto[br]de neuronas individuales.

0:07:24.761,0:07:28.339
Si una neurona se muere, [br]hay otra que puede salir al rescate.

0:07:31.329,0:07:32.843
También, lo que descubrimos es que,

0:07:32.843,0:07:36.479
si bien el aprendizaje es muy flexible[br]y las neuronas van cambiando

0:07:36.479,0:07:40.986
a medida que vamos aprendiendo,[br]esta flexibilidad tiene límites.

0:07:41.476,0:07:42.886
¿Qué quiere decir esto?

0:07:42.886,0:07:46.762
Quiere decir que en el cerebro[br]hay una estructura prearmada

0:07:46.822,0:07:48.439
que, a veces, no puede cambiar.

0:07:48.699,0:07:51.579
Por ejemplo, la neurona que respondía[br]al movimiento de los bigotes

0:07:51.709,0:07:53.821
siempre hacía exactamente lo mismo:

0:07:54.161,0:07:56.569
por más aprendizaje que hacía,[br]no pasaba a ser nunca

0:07:56.569,0:07:59.469
una neurona que respondía[br]al contacto con el objeto.

0:07:59.999,0:08:04.809
Cada neurona respetaba su propia tarea[br]y su propio sindicato.

0:08:05.779,0:08:10.554
Ahora, ya sabemos cómo funciona[br]un cerebro, aproximadamente,

0:08:10.694,0:08:12.638
cuando el ratón sabe algo.

0:08:13.268,0:08:16.572
Estamos más cerca de plantearnos[br]el gran desafío:

0:08:17.602,0:08:20.192
¿Podríamos agarrar un ratoncito nuevo

0:08:20.422,0:08:25.385
y, artificialmente, modificarle[br]la actividad neuronal de tal manera

0:08:25.505,0:08:28.878
que cuando lo pongamos en una tarea[br]ya lo sepa hacer de una?

0:08:30.318,0:08:33.821
Es decir, ¿podemos esculpir[br]la actividad neuronal

0:08:33.821,0:08:35.892
mientras el ratón está pancho y relajado,

0:08:36.391,0:08:39.871
y que la primera vez que le pongamos[br]una tarea ya la sepa hacer de una?

0:08:41.241,0:08:43.746
Bueno, esto todavía[br]es bastante ambicioso,

0:08:43.817,0:08:46.189
pero estamos en el camino[br]de lograr hacer esto.

0:08:47.009,0:08:49.233
Entonces, en el laboratorio[br]nos planteamos hacer algo

0:08:49.233,0:08:50.670
un poquito más sencillo:

0:08:51.010,0:08:54.630
¿Podemos agarrar una neurona,[br]una sola neurona de todo el cerebro

0:08:54.790,0:08:57.646
y enseñarle a hacer algo[br]que nosotros queremos?

0:08:58.586,0:09:00.548
Les voy a contar lo que hicimos.

0:09:01.738,0:09:04.030
Agarramos y le dimos una señal al ratón,

0:09:04.110,0:09:07.308
que el tiempo empezaba a correr[br]y lo que tenían que hacer

0:09:07.408,0:09:11.638
era incrementar la actividad[br]de esa neurona hasta un objetivo

0:09:12.358,0:09:15.135
y si lo hacían recibían un premio.

0:09:16.765,0:09:18.340
¿Y cómo hacíamos esto?

0:09:18.390,0:09:20.951
Bueno, lo que hacíamos, y que acá[br]lo pueden ver en la línea verde,

0:09:20.951,0:09:25.254
es enseñarle al ratón que esa neurona[br]tenía que incrementar esa actividad

0:09:25.254,0:09:28.234
hasta llegar a un objetivo, [br]que es ese pico que ven,

0:09:28.374,0:09:30.410
y ahí recibía un premio.

0:09:30.830,0:09:34.557
Para ayudar a la neurona,[br]le dábamos un sonido.

0:09:35.187,0:09:38.096
Un sonido más grave que le decía[br]si estaba lejos del objetivo

0:09:38.406,0:09:41.175
y un sonido más agudo[br]cuando estaba más cerca.

0:09:41.795,0:09:46.310
De la misma manera que el ratón[br]con sus bigotes, al principio,

0:09:46.390,0:09:49.326
el ratón no sabía qué hacer mucho[br]para cambiar la actividad neuronal.

0:09:49.766,0:09:52.612
Por insistir entre la asociación,[br]el objetivo

0:09:52.812,0:09:54.644
-- incrementar la actividad neuronal --

0:09:54.644,0:09:58.566
y el premio, la neurona aprendía[br]a responder cada vez más rápido.

0:10:00.526,0:10:03.754
Si bien, esto fue agarrar una sola neurona,

0:10:04.114,0:10:06.751
esto es el primer paso[br]para que en algún momento

0:10:07.201,0:10:12.873
podamos incorporar conocimiento[br]artificial en cerebros.

0:10:14.063,0:10:16.463
También, lo que aprendimos[br]de este experimento

0:10:17.303,0:10:19.496
es que para que la neurona aprenda,

0:10:19.496,0:10:22.609
lo único que tuvimos que darle[br]era información de su estado,

0:10:23.039,0:10:25.870
decirle qué tan lejos estaba[br]de un objetivo

0:10:25.870,0:10:27.392
y darle un premio si lo lograba.

0:10:28.592,0:10:30.967
Básicamente, para enseñar[br]a esta neurona,

0:10:30.967,0:10:32.619
no hicimos nada muy diferente[br]de lo que hacemos

0:10:32.619,0:10:34.999
cuando nosotros aprendemos algo:

0:10:35.439,0:10:39.474
practicar mucho, que alguien[br]nos diga si las cosas están bien o mal

0:10:39.694,0:10:42.124
y recibir, eventualmente,[br]un premio si lo hacemos bien.

0:10:44.044,0:10:46.845
Espero haberlos convencido,[br]por ahora, de que el cerebro

0:10:46.845,0:10:50.552
es enormemente flexible[br]y que nuestros circuitos neuronales

0:10:50.552,0:10:52.861
pueden cambiar en cualquier momento.

0:10:54.901,0:10:59.146
Gracias a esto es que podemos[br]aprender a usar un montón de herramientas

0:10:59.146,0:11:02.499
casi como si fuesen extensiones[br]de nuestro cuerpo.

0:11:04.499,0:11:07.756
Si sabés tocar la guitarra[br]es porque en tu cerebro

0:11:07.756,0:11:10.408
hay circuitos que saben[br]qué movimientos de los dedos hacer

0:11:10.408,0:11:12.541
para obtener cada nota.

0:11:13.641,0:11:15.143
Para tu cerebro, al fin y al cabo,

0:11:15.143,0:11:18.081
no es tan diferente tu mano[br]que una herramienta.

0:11:19.661,0:11:23.156
Ahora, si para tu cerebro[br]no es tan diferente

0:11:23.156,0:11:27.859
aprender a controlar tu brazo[br]que una herramienta,

0:11:27.859,0:11:30.575
¿quiere decir que nos podríamos[br]agregar nuevos periféricos?

0:11:31.285,0:11:35.760
Por ejemplo, ¿podríamos agregarnos[br]un módulo, un chip,

0:11:36.450,0:11:39.100
que nos permita controlar un brazo robótico?

0:11:39.460,0:11:44.152
O más loco, ¿algo que nos agregue[br]más capacidad de aprendizaje, más memoria,

0:11:44.452,0:11:48.365
que venga pre-cargado con idiomas,[br]chino en mi caso,

0:11:48.915,0:11:51.875
o que nos ayude a hacer[br]cálculos mentales mucho más rápido?

0:11:53.845,0:11:57.971
Aunque parezca de ciencia ficción,[br]estos hombres y mujeres ciborgs,

0:11:57.971,0:12:00.130
ya empiezan a estar entre nosotros.

0:12:01.700,0:12:04.077
En pacientes parapléjicos[br]se están empezando a hacer

0:12:04.087,0:12:07.874
implantes neuronales para que[br]los pacientes puedan controlar

0:12:07.874,0:12:11.839
un brazo robótico con su propio[br]cerebro y ganar independencia.

0:12:14.399,0:12:18.952
Estos implantes miden actividad[br]de unas pocas neuronas,

0:12:18.952,0:12:21.039
decodifican esa información

0:12:21.039,0:12:24.054
y controlan las articulaciones[br]de brazos robóticos.

0:12:24.744,0:12:27.294
De la misma manera que antes,[br]al principio el cerebro

0:12:27.294,0:12:32.081
no sabe cómo controlarlo,[br]pero mediante esfuerzo y práctica,

0:12:32.081,0:12:34.854
prueba y error, lo puede aprender.

0:12:35.914,0:12:40.517
Acá lo que ven es una paciente[br]con uno de estos implantes:

0:12:41.287,0:12:43.469
esa cajita que ven arriba de la cabeza.

0:12:43.969,0:12:48.097
Con su propio cerebro ella[br]está controlando ese brazo robótico.

0:12:49.307,0:12:52.659
Gracias a la enorme[br]flexibilidad del cerebro,

0:12:52.659,0:12:56.414
ella ha logrado cambiar[br]sus circuitos neuronales

0:12:56.414,0:12:59.488
de tal manera de controlar[br]ese brazo robótico de manera eficiente.

0:13:01.168,0:13:05.538
Con mucha práctica, los movimientos[br]se empiezan a hacer más naturales

0:13:06.098,0:13:09.108
y empiezan a ser parte[br]de su propio cuerpo.

0:13:09.378,0:13:14.755
Y, por primera vez, en muchos años,[br]la paciente puede lograr

0:13:14.755,0:13:17.161
tomar una bebida por su propia cuenta.

0:13:17.221,0:13:23.233
(Aplausos)

0:13:28.363,0:13:33.097
La sonrisa final de la paciente[br]nos hace acordar lo lindo

0:13:33.097,0:13:35.027
que es aprender algo nuevo[br]por primera vez.

0:13:36.887,0:13:39.502
Lograr hacer algo[br]que nos parecía imposible.

0:13:41.252,0:13:43.661
Lo vivimos, quizás, cuando de bebés[br]

0:13:43.661,0:13:47.161
nos salen las primeras palabras [br]y logramos caminar,

0:13:48.711,0:13:50.848
de niños cuando aprendemos a escribir

0:13:50.848,0:13:52.647
y, quizás, a jugar a la pelota,[br]

0:13:53.567,0:13:57.435
a los veinte y pico cuando estudiamos [br]una carrera, una profesión.

0:13:59.765,0:14:04.225
A veces de adulto ya no nos da tanto [br]la paciencia ni el tiempo, para aprender

0:14:05.670,0:14:10.394
pero si te da el bichito de la curiosidad[br]y querés aprender algo nuevo,

0:14:10.514,0:14:12.094
acordate lo lindo que es[br]

0:14:13.004,0:14:15.878
y no dudes que tu cerebro[br]está preparado para eso.

0:14:16.308,0:14:19.661
Porque, al fin y al cabo,[br]si una neurona puede aprender,

0:14:19.771,0:14:21.969
¿no van a poder 80 000 millones?

0:14:21.969,0:14:22.919
¡Gracias!

0:14:22.919,0:14:24.898
(Aplausos)