TED2009
Ray Kurzweil: A university for the coming singularity
Ray Kurzweil: Eine Universität für die kommende Singularität
Filmed:
Readability: 4.9
1,025,725 views
Ray Kurzweils aktuellste Graphiken zeigen, dass sich Technologien in einem Höllentempo entwickeln - unabhängig von Rezessionen. Er enthüllt sein neuestes Projekt, die Singularity University, um die kommenden Technologien zum Wohl der Menschheit zu erforschen.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:13
Information technology grows in an exponential manner.
0
1000
3000
Die Informationstechnologie wächst in exponentieller Weise.
00:16
It's not linear. And our intuition is linear.
1
4000
4000
Sie ist nicht linear. Unsere Intuition ist jedoch linear geprägt.
00:20
When we walked through the savanna a thousand years ago
2
8000
2000
Als wir vor 1000 Jahren durch die Savanne zogen,
00:22
we made linear predictions where that animal would be,
3
10000
2000
machten wir lineare Voraussagen, wo das Tier sein würde.
00:24
and that worked fine. It's hardwired in our brains.
4
12000
3000
Das funktionierte wunderbar. Es ist fest verdrahtet in unseren Gehirnen.
00:27
But the pace of exponential growth
5
15000
3000
Aber die Geschwindigkeit von exponentiellem Wachstum
00:30
is really what describes information technologies.
6
18000
3000
ist, was Informationstechnologien tatsächlich beschreibt.
00:33
And it's not just computation.
7
21000
3000
Und es geht nicht nur um Rechenleistung.
00:36
There is a big difference between linear and exponential growth.
8
24000
2000
Es gibt einen entscheidenden Unterschied zwischen linearem und exponentiellem Wachstum.
00:38
If I take 30 steps linearly -- one, two, three, four, five --
9
26000
4000
Wenn ich 30 Schritte in linearer Weise gehe - eins, zwei, drei, vier, fünf,
00:42
I get to 30.
10
30000
2000
komme ich zu 30.
00:44
If I take 30 steps exponentially -- two, four, eight, 16 --
11
32000
3000
Wenn ich 30 Schritte in exponentieller Weise gehe - zwei, vier, acht, 16,
00:47
I get to a billion.
12
35000
2000
komme ich zu einer Milliarde.
00:49
It makes a huge difference.
13
37000
2000
Es macht einen riesigen Unterschied.
00:51
And that really describes information technology.
14
39000
2000
Und genau das beschreibt die Informationstechnologie.
00:53
When I was a student at MIT,
15
41000
2000
Als ich Student am MIT war,
00:55
we all shared one computer that took up a whole building.
16
43000
2000
teilten wir uns alle einen einzigen Computer, der ein gesamtes Gebäude einnahm.
00:57
The computer in your cellphone today is a million times cheaper,
17
45000
3000
Der Computer in Ihrem heutigen Handy ist eine Million mal billiger,
01:00
a million times smaller,
18
48000
2000
eine Million mal kleiner
01:02
a thousand times more powerful.
19
50000
2000
und tausendmal leistungsstärker.
01:04
That's a billion-fold increase in capability per dollar
20
52000
3000
Das entspricht einer milliardenfachen Leistungssteigerung pro Dollar,
01:07
that we've actually experienced since I was a student.
21
55000
2000
die wir seit meiner Zeit als Student bis heute erlebt haben.
01:09
And we're going to do it again in the next 25 years.
22
57000
3000
Und wir werden es in den kommenden 25 Jahren nochmals erleben.
01:12
Information technology progresses
23
60000
2000
Die Informationstechnologie entwickelt sich
01:14
through a series of S-curves
24
62000
2000
in Form von S-Kurven,
01:16
where each one is a different paradigm.
25
64000
2000
wobei jede ein unterschiedliches Paradigma darstellt.
01:18
So people say, "What's going to happen when Moore's Law comes to an end?"
26
66000
3000
So mancher wird sagen: "Was wird passieren, wenn Moores Gesetz an seine Grenzen stößt?"
01:21
Which will happen around 2020.
27
69000
2000
Was voraussichtlich ca. 2020 passieren wird.
01:23
We'll then go to the next paradigm.
28
71000
2000
Wir werden dann zum nächsten Paradigma übergehen.
01:25
And Moore's Law was not the first paradigm
29
73000
2000
Und Moores Gesetz war nicht das erste Paradigma,
01:27
to bring exponential growth to computing.
30
75000
2000
das zum exponentiellen Wachstum in der Computertechnologie führte.
01:29
The exponential growth of computing started
31
77000
2000
Das exponentielle Wachstum der Computertechnologie begann
01:31
decades before Gordon Moore was even born.
32
79000
2000
Jahrzehnte bevor Gordon Moore geboren war.
01:33
And it doesn't just apply to computation.
33
81000
4000
Und das trifft nicht nur auf die Computertechnologie zu.
01:37
It's really any technology where we can measure
34
85000
2000
Es betrifft tatsächlich jede Technologie, bei der wir
01:39
the underlying information properties.
35
87000
3000
die zugrundeliegenden Informationseigenschaften messen können.
01:42
Here we have 49 famous computers. I put them in a logarithmic graph.
36
90000
4000
Hier haben wir 49 berühmte Computer. Ich habe sie in einen logarithmischen Graphen eingebettet.
01:46
The logarithmic scale hides the scale of the increase,
37
94000
4000
Die logarithmische Skala verdeckt das Ausmaß des Anstiegs,
01:50
because this represents trillions-fold increase
38
98000
2000
da es sich um einen billionenfachen Zuwachs
01:52
since the 1890 census.
39
100000
3000
seit der Zählung 1890 handelt.
01:55
In 1950s they were shrinking vacuum tubes,
40
103000
2000
In den 1950ern verkleinerte man Vakuumröhren.
01:57
making them smaller and smaller. They finally hit a wall;
41
105000
3000
Man machte sie kleiner und kleiner bis man an eine Grenze stieß.
02:00
they couldn't shrink the vacuum tube any more and keep the vacuum.
42
108000
2000
Sie konnten die Vakuumröhre nicht weiter verkleinern und gleichzeitig das Vakuum halten.
02:02
And that was the end of the shrinking of vacuum tubes,
43
110000
3000
Und dies war das Ende der Miniaturisierung von Vakuumröhren.
02:05
but it was not the end of the exponential growth of computing.
44
113000
3000
Aber es war nicht das Ende des exponentiellen Wachstums der Computertechnologie.
02:08
We went to the fourth paradigm, transistors,
45
116000
2000
Wir kamen zum vierten Paradigma - Transistoren.
02:10
and finally integrated circuits.
46
118000
2000
Und schließlich zu integrierten Schaltkreisen.
02:12
When that comes to an end we'll go to the sixth paradigm;
47
120000
2000
Wenn dies zu Ende geht, werden wir zum sechsten Paradigma übergehen:
02:14
three-dimensional self-organizing molecular circuits.
48
122000
4000
dreidimensionale, selbstorganisierende molekulare Schaltkreise.
02:18
But what's even more amazing, really, than this
49
126000
3000
Aber noch viel erstaunlicher als
02:21
fantastic scale of progress,
50
129000
2000
diese fantastischen Fortschritte
02:23
is that -- look at how predictable this is.
51
131000
2000
ist, wie vorhersehbar sie sind.
02:25
I mean this went through thick and thin,
52
133000
2000
Ich meine, sie gingen durch Höhen und Tiefen,
02:27
through war and peace, through boom times and recessions.
53
135000
3000
durch Krieg und Frieden, durch Boom-Zeiten und Rezessionen.
02:30
The Great Depression made not a dent in this exponential progression.
54
138000
4000
Die Weltwirtschaftskrise hat keinen Einbruch in dieser exponentiellen Entwicklung hinterlassen.
02:34
We'll see the same thing in the economic recession we're having now.
55
142000
4000
Wir sehen dies auch in der jetzigen Rezession.
02:38
At least the exponential growth of information technology capability
56
146000
3000
Zumindest das exponentielle Wachstum der Leistungsfähigkeit in der Informationstechnologie
02:41
will continue unabated.
57
149000
3000
wird unvermindert andauern.
02:44
And I just updated these graphs.
58
152000
2000
Ich habe diese Diagramme neulich aktualisiert,
02:46
Because I had them through 2002 in my book, "The Singularity is Near."
59
154000
3000
da ich sie nur bis zum Jahr 2002 in meinem Buch "The Singularity is Near" hatte.
02:49
So we updated them,
60
157000
2000
Wir haben sie also aktualisiert,
02:51
so I could present it here, to 2007.
61
159000
3000
so dass ich sie nun bis zum Jahr 2007 zeigen kann.
02:54
And I was asked, "Well aren't you nervous?
62
162000
2000
Und ich wurde gefragt: "Sind Sie nicht nervös?
02:56
Maybe it kind of didn't stay on this exponential progression."
63
164000
4000
Vielleicht gibt es nun Abweichungen von der exponentiellen Entwicklung?"
03:00
I was a little nervous
64
168000
2000
Ich war ein wenig nervös.
03:02
because maybe the data wouldn't be right,
65
170000
2000
Vielleicht weil die Zahlen nicht richtig sein könnten.
03:04
but I've done this now for 30 years,
66
172000
2000
Aber ich mache das nun bereits seit 30 Jahren.
03:06
and it has stayed on this exponential progression.
67
174000
3000
Und es blieb immer bei dieser exponentiellen Entwicklung.
03:09
Look at this graph here.You could buy one transistor for a dollar in 1968.
68
177000
3000
Schauen Sie auf dieses Diagramm: 1968 konnten Sie einen Transistor für einen Dollar kaufen.
03:12
You can buy half a billion today,
69
180000
2000
Heute können Sie eine halbe Milliarde kaufen.
03:14
and they are actually better, because they are faster.
70
182000
2000
Und sie sind sogar besser, denn sie sind schneller.
03:16
But look at how predictable this is.
71
184000
2000
Aber schauen Sie, wie vorhersehbar dies ist.
03:18
And I'd say this knowledge is over-fitting to past data.
72
186000
3000
Und ich würde sagen, dass diese Erkenntnis mehr als den bisherigen Daten entspricht,
03:21
I've been making these forward-looking predictions for about 30 years.
73
189000
4000
nachdem ich diese zukunftsbezogenen Vorhersagen nun seit etwa 30 Jahren treffe.
03:25
And the cost of a transistor cycle,
74
193000
2000
Und die Kosten pro Transistorzyklus,
03:27
which is a measure of the price performance of electronics,
75
195000
2000
die ein Maß des Preis-/Leistungsverhältnisses von Elektronik sind,
03:29
comes down about every year.
76
197000
2000
sinken Jahr für Jahr.
03:31
That's a 50 percent deflation rate.
77
199000
2000
Das entspricht einer Deflationsrate von 50%.
03:33
And it's also true of other examples,
78
201000
2000
Und es gibt weitere Beispiele, für die das zutrifft,
03:35
like DNA data or brain data.
79
203000
2000
wie etwa für DNA- oder Gehirndaten.
03:37
But we more than make up for that.
80
205000
2000
Aber wir gleichen das mehr als aus:
03:39
We actually ship more than twice as much
81
207000
2000
Wir transportieren zurzeit sogar mehr als doppelt so viel
03:41
of every form of information technology.
82
209000
2000
von jeder Form von Informationstechnologie.
03:43
We've had 18 percent growth in constant dollars
83
211000
3000
Wir hatten eine 18%ige Steigerung bei einem konstanten Dollarsatz
03:46
in every form of information technology for the last half-century,
84
214000
3000
in jeder Form von Informationstechnologie innerhalb des letzten halben Jahrhunderts,
03:49
despite the fact that you can get twice as much of it each year.
85
217000
4000
trotz der Tatsache, dass man jedes Jahr doppelt so viel wie im Vorjahr erhält.
03:53
This is a completely different example.
86
221000
2000
Dies ist ein völlig anderes Beispiel.
03:55
This is not Moore's Law.
87
223000
2000
Dies ist nicht Moores Gesetz.
03:57
The amount of DNA data
88
225000
2000
Die Menge an DNA-Daten,
03:59
we've sequenced has doubled every year.
89
227000
2000
die wir entschlüsselt haben, hat sich jedes Jahr verdoppelt.
04:01
The cost has come down by half every year.
90
229000
3000
Die Kosten haben sich jedes Jahr halbiert.
04:04
And this has been a smooth progression
91
232000
2000
Und dies war eine gleichmäßige Entwicklung
04:06
since the beginning of the genome project.
92
234000
2000
seit dem Beginn des Genom-Projekts.
04:08
And halfway through the project, skeptics said,
93
236000
2000
Zur Halbzeit des Projekts sagten Skeptiker:
04:10
"Well, this is not working out. You're halfway through the genome project
94
238000
3000
"Das wird nicht funktionieren. Die Hälfte des Genom-Projekts ist schon vorbei
04:13
and you've finished one percent of the project."
95
241000
2000
und Ihr habt erst ein Prozent abgeschlossen.
04:15
But that was really right on schedule.
96
243000
2000
Aber das Projekt war genau im Zeitplan.
04:17
Because if you double one percent seven more times,
97
245000
2000
Denn wenn man ein Prozent sieben mal verdoppelt,
04:19
which is exactly what happened,
98
247000
2000
was genau das ist, was passierte,
04:21
you get 100 percent. And the project was finished on time.
99
249000
3000
erhält man 100%. Und das Projekt wurde in der geplanten Zeit abgeschlossen.
04:24
Communication technologies:
100
252000
2000
Kommunikationstechnologien:
04:26
50 different ways to measure this,
101
254000
2000
Es gibt 50 verschiedene Arten das hier zu messen.
04:28
the number of bits being moved around, the size of the Internet.
102
256000
3000
Die Anzahl der Bits, die bewegt werden, die Größe des Internets.
04:31
But this has progressed at an exponential pace.
103
259000
2000
Aber es hat sich mit einer exponentiellen Geschwindigkeit entwickelt.
04:33
This is deeply democratizing.
104
261000
2000
Dies ist nachhaltig demokratisierend.
04:35
I wrote, over 20 years ago in "The Age of Intelligent Machines,"
105
263000
3000
Ich schrieb vor über 20 Jahren in "The Age of Intelligent Machines", dass
04:38
when the Soviet Union was going strong, that it would be swept away
106
266000
3000
wenn die Sowjetunion erstarken sollte, sie
04:41
by this growth of decentralized communication.
107
269000
4000
durch dieses Wachstum dezentraler Kommunikation weggefegt würde.
04:45
And we will have plenty of computation as we go through the 21st century
108
273000
3000
Und wir werden reichlich Rechenleistung in diesem Jahrhundert haben,
04:48
to do things like simulate regions of the human brain.
109
276000
4000
um z.B. Regionen des menschlichen Gehirns zu simulieren.
04:52
But where will we get the software?
110
280000
2000
Aber woher werden wir die Software erhalten?
04:54
Some critics say, "Oh, well software is stuck in the mud."
111
282000
3000
Einige Kritiker sagen: "Nun ja, die Software ist irgendwie hängen geblieben."
04:57
But we are learning more and more about the human brain.
112
285000
2000
Aber wir werden mehr und mehr über das menschliche Gehirn lernen.
04:59
Spatial resolution of brain scanning is doubling every year.
113
287000
3000
Die räumliche Auflösung von Gehirnscans verdoppelt sich jährlich.
05:02
The amount of data we're getting about the brain is doubling every year.
114
290000
3000
Die Datenmenge, die wir über das Gehirn erhalten, verdoppelt sich jährlich.
05:05
And we're showing that we can actually turn this data
115
293000
3000
Und wir können zeigen, dass wir diese Daten tatsächlich
05:08
into working models and simulations of brain regions.
116
296000
3000
für funktionierende Modelle und Simulationen von Hirnregionen nutzen können.
05:11
There is about 20 regions of the brain that have been modeled,
117
299000
2000
Es gibt etwa 20 Hirnregionen, die modelliert,
05:13
simulated and tested:
118
301000
2000
simuliert und getestet wurden:
05:15
the auditory cortex, regions of the visual cortex;
119
303000
3000
der auditorische Kortex, die Regionen des visuellen Kortex,
05:18
cerebellum, where we do our skill formation;
120
306000
2000
das Kleinhirn, mit dem wir Fähigkeiten bilden,
05:20
slices of the cerebral cortex, where we do our rational thinking.
121
308000
4000
Scheiben der Hirnrinde, in denen wir rational denken.
05:24
And all of this has fueled
122
312000
2000
Und all dies hat einen
05:26
an increase, very smooth and predictable, of productivity.
123
314000
3000
sehr gleichmäßigen und vorhersehbaren Anstieg an Produktivität vorangetrieben.
05:29
We've gone from 30 dollars to 130 dollars
124
317000
2000
Wir sind von 30 Dollar zu 130 Dollar gelangt -
05:31
in constant dollars in the value of an average hour of human labor,
125
319000
4000
bei konstantem Dollarsatz verglichen mit dem durchschnitllichen Stundensatz für menschliche Arbeit,
05:35
fueled by this information technology.
126
323000
3000
getrieben durch die Informationstechnologie.
05:38
And we're all concerned about energy and the environment.
127
326000
3000
Und wir sind alle besorgt über Energie und die Umwelt.
05:41
Well this is a logarithmic graph.
128
329000
2000
Dies ist ein logarithmischer Graph.
05:43
This represents a smooth doubling,
129
331000
2000
Er repräsentiert eine gleichmäßige Verdopplung
05:45
every two years, of the amount of solar energy we're creating,
130
333000
4000
alle zwei Jahre für die Menge an Sonnenenergie, die wir generieren.
05:49
particularly as we're now applying nanotechnology,
131
337000
2000
Zumal wir inzwischen Nanotechnologie anwenden,
05:51
a form of information technology, to solar panels.
132
339000
3000
eine Form von Informationstechnologie für Solarkollektoren.
05:54
And we're only eight doublings away
133
342000
2000
Und wir sind nur acht Verdopplungen entfernt
05:56
from it meeting 100 percent of our energy needs.
134
344000
2000
von dem Punkt, um 100% unseres Energiebedarfs zu decken.
05:58
And there is 10 thousand times more sunlight than we need.
135
346000
4000
Und es gibt zehntausendmal mehr Sonnenlicht als wir benötigen.
06:02
We ultimately will merge with this technology. It's already very close to us.
136
350000
5000
Wir werden letztlich mit diesen Technologien verschmelzen. Dieser Zeitpunkt ist bereits sehr nah.
06:07
When I was a student it was across campus, now it's in our pockets.
137
355000
3000
Als ich ein Student war, war es über den Campus ausgedehnt. Nun passt es in unsere Hosentaschen.
06:10
What used to take up a building now fits in our pockets.
138
358000
3000
Was damals ein ganzes Gebäude einnahm, passt nun in unsere Hosentaschen.
06:13
What now fits in our pockets would fit in a blood cell in 25 years.
139
361000
3000
Was nun in unsere Hosentaschen passt, wird in 25 Jahren in Blutzellen passen.
06:16
And we will begin to actually deeply influence
140
364000
4000
Und wir werden anfangen,
06:20
our health and our intelligence,
141
368000
2000
unsere Gesundheit und unsere Intelligenz damit zu beeinflussen,
06:22
as we get closer and closer to this technology.
142
370000
4000
je weiter wir uns diesen Technologien nähern.
06:26
Based on that we are announcing, here at TED,
143
374000
3000
Darauf basierend verkünden wir nun hier bei TED,
06:29
in true TED tradition, Singularity University.
144
377000
3000
in wahrer TED-Tradition, die Singularity University.
06:32
It's a new university
145
380000
2000
Es ist eine neue Universität,
06:34
that's founded by Peter Diamandis, who is here in the audience,
146
382000
2000
die von Peter Diamandis, der hier im Publikum sitzt,
06:36
and myself.
147
384000
2000
und mir gegründet wurde.
06:38
It's backed by NASA and Google,
148
386000
2000
Sie wird unterstützt von der NASA und Google
06:40
and other leaders in the high-tech and science community.
149
388000
4000
sowie weiteren führenden Köpfen der High-Tech- und Wissenschaftsgemeinschaft.
06:44
And our goal was to assemble the leaders,
150
392000
3000
Unser Ziel war es, die führenden Köpfe,
06:47
both teachers and students,
151
395000
2000
Lehrende und Studenten,
06:49
in these exponentially growing information technologies,
152
397000
2000
zu diesen exponentiell wachsenden Informationstechnologien
06:51
and their application.
153
399000
2000
und deren Anwendung zusammen zu bringen.
06:53
But Larry Page made an impassioned speech
154
401000
2000
Larry Page hat eine leidenschaftliche Rede
06:55
at our organizing meeting,
155
403000
2000
auf unserer Gründungsveranstaltung gehalten,
06:57
saying we should devote this study
156
405000
5000
in der er dafür plädierte,
07:02
to actually addressing some of the major challenges facing humanity.
157
410000
4000
sich diesen großen Herausforderungen der Menschheit zu stellen.
07:06
And if we did that, then Google would back this.
158
414000
2000
Und wenn wir dies täten, würde Google es unterstützen.
07:08
And so that's what we've done.
159
416000
2000
Und das ist es, was wir getan haben.
07:10
The last third of the nine-week intensive summer session
160
418000
4000
Das letzte Drittel der intensiven, neunwöchigen Sommerveranstaltung
07:14
will be devoted to a group project to address
161
422000
2000
wird einer Gruppe von Projekten gewidmet sein, die sich
07:16
some major challenge of humanity.
162
424000
2000
mit einigen großen Herausforderungen der Menschheit befassen.
07:18
Like for example, applying the Internet,
163
426000
2000
Wie z.B. die Anwendung des Internets,
07:20
which is now ubiquitous, in the rural areas of China or in Africa,
164
428000
5000
das jetzt allgegenwärtig ist, auch in den ländlichen Regionen Chinas oder Afrikas,
07:25
to bringing health information
165
433000
2000
um Gesundheitsinformationen
07:27
to developing areas of the world.
166
435000
3000
in die Entwicklungsgebiete dieser Welt zu bringen.
07:30
And these projects will continue past these sessions,
167
438000
3000
Und diese Projekte werden nach diesen Veranstaltungen fortgesetzt werden,
07:33
using collaborative interactive communication.
168
441000
3000
unter Zuhilfenahme gemeinschaftlicher, interaktiver Kommunikation.
07:36
All the intellectual property that is created and taught
169
444000
4000
Das gesamte geistige Eigentum, das erschaffen und gelehrt wird,
07:40
will be online and available,
170
448000
2000
wird online zur Verfügung stehen
07:42
and developed online in a collaborative fashion.
171
450000
3000
und in gemeinschaftlicher Arbeit online weiterentwickelt werden.
07:45
Here is our founding meeting.
172
453000
2000
Dies ist unser Gründungstreffen.
07:47
But this is being announced today.
173
455000
2000
Aber dies wird heute bekannt gegeben:
07:49
It will be permanently headquartered in Silicon Valley,
174
457000
3000
es wird einen dauerhaften Sitz im Silicon Valley
07:52
at the NASA Ames research center.
175
460000
2000
am NASA Ames Research Center haben.
07:54
There are different programs for graduate students,
176
462000
2000
Es gibt verschiedene Programme für Absolventen
07:56
for executives at different companies.
177
464000
3000
und für Führungskräfte unterschiedlicher Firmen.
07:59
The first six tracks here -- artificial intelligence,
178
467000
2000
Die ersten sechs Studienrichtungen hier - künstliche Intelligenz,
08:01
advanced computing technologies, biotechnology, nanotechnology --
179
469000
3000
fortgeschrittene Computertechnologie, Biotechnologie, Nanotechnologie -
08:04
are the different core areas of information technology.
180
472000
4000
stellen die unterschiedlichen Kerngebiete der Informationstechnologie dar.
08:08
Then we are going to apply them to the other areas,
181
476000
2000
Danach werden wir sie in anderen Gebieten anwenden,
08:10
like energy, ecology,
182
478000
3000
wie Energie, Ökologie,
08:13
policy law and ethics, entrepreneurship,
183
481000
2000
Politik, Recht, Ethik und Unternehmertum,
08:15
so that people can bring these new technologies to the world.
184
483000
4000
so dass die Menschen diese neuen Technologien in die Welt tragen können.
08:19
So we're very appreciative of the support we've gotten
185
487000
5000
Wir sind sehr dankbar für die erhaltene Unterstützung,
08:24
from both the intellectual leaders, the high-tech leaders,
186
492000
2000
von führenden Intellektuellen und High-Tech-Köpfen,
08:26
particularly Google and NASA.
187
494000
2000
insbesondere von Google und der NASA.
08:28
This is an exciting new venture.
188
496000
2000
Dies ist ein aufregendes, neues Unterfangen.
08:30
And we invite you to participate. Thank you very much.
189
498000
3000
Und wir laden Sie ein, dabei mitzuwirken. Vielen Dank.
08:33
(Applause)
190
501000
3000
(Applaus)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com