ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com
TED2014

Ray Kurzweil: Get ready for hybrid thinking

ری کورزویل: برای تفکر پیوندی آماده باشید

Filmed:
3,548,296 views

دویست میلیون سال پیش، نیاکان پستاندار ما ویژگی جدیدی از مغز را توسعه دادند: نئوکورتکس. این بافت که به اندازه ی تمبر است (و دور مغزی به اندازه ی گردو پیچیده شده) کلید انسانیت ماست. اکنون، ری کورزویل آینده نگرپیشنهاد می کند که ما باید آماده ی جهشی بزرگ در قدرت مغز باشیم، هنگامی که به قدرت محاسبات در ابر دست می یابیم.
- 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

Double-click the English transcript below to play the video.

00:12
Let me tell you a storyداستان.
0
988
2316
اجازه بدید داستانی رو براتون تعریف کنم
00:15
It goesمی رود back 200 millionمیلیون yearsسالها.
1
3304
1799
که به ۲۰۰ میلیون سال پیش برمی گرده.
00:17
It's a storyداستان of the neocortexneocortex,
2
5103
1984
داستانی درباره ی نئوکورتس؛
00:19
whichکه meansبه معنای "newجدید rindچرک."
3
7087
1974
که به معنای "قشر جدید" است.
00:21
So in these earlyزود mammalsپستانداران,
4
9061
2431
بنابراین در پستانداران ابتدایی؛
00:23
because only mammalsپستانداران have a neocortexneocortex,
5
11492
2055
چون فقط پستانداران نئوکورتکس دارند؛
00:25
rodent-likeمانند جوندگان creaturesموجودات.
6
13547
1664
موجوداتی مثل جوندگان،
00:27
It was the sizeاندازه of a postageپست الکترونیکی stampمهر and just as thinلاغر,
7
15211
3579
نئوکورتکس به اندازه ی یک تمبر و باریکی آن بود،
00:30
and was a thinلاغر coveringپوشش around
8
18790
1439
و نقش یک پوشش نازک را اطراف مغز آنها
00:32
theirخودشان walnut-sizedگردو اندازه brainمغز,
9
20229
2264
که به اندازه ی یک گردو بود ایفا می کرد.
00:34
but it was capableقادر به of a newجدید typeتایپ کنید of thinkingفكر كردن.
10
22493
3701
با این حال قادر به نوع جدیدی از تفکر بود.
00:38
Ratherنسبتا than the fixedدرست شد behaviorsرفتار
11
26194
1567
به جای رفتارهای ثابتی که
00:39
that non-mammalianغیر پستاندار animalsحیوانات have,
12
27761
1992
حیوانات غیر پستاندار داشتند،
00:41
it could inventاختراع کردن newجدید behaviorsرفتار.
13
29753
2692
می توانست رفتارهای جدیدی به وجود آورد.
00:44
So a mouseموش is escapingفرار کن a predatorشکارچی,
14
32445
2553
بنابراین وقتی موشی در حال فرار از یک شکارچی بوده،
00:46
its pathمسیر is blockedمسدود,
15
34998
1540
و می بینید مسیرش بسته است،
00:48
it'llآن خواهد شد try to inventاختراع کردن a newجدید solutionراه حل.
16
36538
2129
سعی می کند راه حل جدیدی ابداع کند.
00:50
That mayممکن است work, it mayممکن است not,
17
38667
1266
که ممکن است فایده داشته باشد و یا خیر.
00:51
but if it does, it will rememberیاد آوردن that
18
39933
1910
اما اگر فایده داشته باشد، موش آن را به خاطر می سپارد
00:53
and have a newجدید behaviorرفتار,
19
41843
1292
و از آن به بعد یک رفتار جدید دارد
00:55
and that can actuallyدر واقع spreadانتشار دادن virallyویروسی
20
43135
1457
که می تواند مانند یک ویروس
00:56
throughاز طریق the restباقی مانده of the communityجامعه.
21
44592
2195
در جامعه ی موش ها پخش شود.
00:58
Anotherیکی دیگر mouseموش watchingتماشا کردن this could say,
22
46787
1609
موش دیگری که شاهد این جریان است می گوید:
01:00
"Hey, that was prettyبسیار cleverباهوش, going around that rockسنگ,"
23
48396
2704
" هی، این خیلی هوشمندانه ست که اون سنگ رو دور بزنیم."
01:03
and it could adoptاتخاذ کردن a newجدید behaviorرفتار as well.
24
51100
3725
و او هم همان رفتار جدید را در پیش می گیرد.
01:06
Non-mammalianغیر پستاندار animalsحیوانات
25
54825
1717
حیوانات غیر پستاندار
01:08
couldn'tنمی توانستم do any of those things.
26
56542
1713
نمی توانند هیچ کدام از این کارها را انجام دهند.
01:10
They had fixedدرست شد behaviorsرفتار.
27
58255
1215
آنها رفتارهای ثابتی دارند.
01:11
Now they could learnیاد گرفتن a newجدید behaviorرفتار
28
59470
1331
آن موجودات می توانستند رفتارهای جدیدی بیاموزند،
01:12
but not in the courseدوره of one lifetimeطول عمر.
29
60801
2576
اما نه در یک دوره ی حیات،
01:15
In the courseدوره of maybe a thousandهزار lifetimesطول عمر,
30
63377
1767
بلکه شاید در طول هزاران دوره زندگی
01:17
it could evolveتکامل یابد a newجدید fixedدرست شد behaviorرفتار.
31
65144
3330
که شامل یک رفتار ثابت جدید می شد.
01:20
That was perfectlyکاملا okay 200 millionمیلیون yearsسالها agoپیش.
32
68474
3377
دویست میلیون سال پیش این کاملاً خوب بود.
01:23
The environmentمحیط changedتغییر کرد very slowlyبه آرامی.
33
71851
1981
محیط زیست بسیار آرام تغییر می کرد
01:25
It could take 10,000 yearsسالها for there to be
34
73832
1554
ممکن بود ده هزار سال طول بکشد تا
01:27
a significantقابل توجه environmentalمحیطی changeتغییر دادن,
35
75386
2092
یک تغییر محیط زیستی قابل توجه انجام شود
01:29
and duringدر حین that periodدوره زمانی of time
36
77478
1382
و در این دوره ی زمانی،
01:30
it would evolveتکامل یابد a newجدید behaviorرفتار.
37
78860
2929
ممکن بود رفتار جدیدی نیز تکامل پیدا کند.
01:33
Now that wentرفتی alongدر امتداد fine,
38
81789
1521
تا اینجا همه چیز خوب پیش می رفت،
01:35
but then something happenedاتفاق افتاد.
39
83310
1704
اما ناگهان اتفاقی رخ داد.
01:37
Sixty-fiveشصت و پنج millionمیلیون yearsسالها agoپیش,
40
85014
2246
شصت و پنج میلیون سال پیش
01:39
there was a suddenناگهانی, violentخشن
changeتغییر دادن to the environmentمحیط.
41
87260
2615
تغییری ناگهانی و خشونت آمیز در محیط زیست اتفاق افتاد.
01:41
We call it the Cretaceousکرتاسه extinctionانقراض eventرویداد.
42
89875
3505
ما آن را رویداد انقراض کرتاسه می نامیم.
01:45
That's when the dinosaursدایناسورها wentرفتی extinctمنقرض شده,
43
93380
2293
به همین دلیل بود که دایناسورها منقرض شدند.
01:47
that's when 75 percentدرصد of the
44
95673
3449
آن موقع بود که ۷۵ درصد از
01:51
animalحیوانات and plantگیاه speciesگونه ها wentرفتی extinctمنقرض شده,
45
99122
2746
حیوانات و گونه های گیاهی منقرض شدند.
01:53
and that's when mammalsپستانداران
46
101868
1745
و در آن زمان پستانداران
01:55
overtookغافلگیر شد theirخودشان ecologicalاکولوژیکی nicheموقعیت مناسب، جایگاه,
47
103613
2152
از شرایط اقلیمی پیشی گرفتند
01:57
and to anthropomorphizeانتیپومورفیزید, biologicalبیولوژیکی evolutionسیر تکاملی said,
48
105765
3654
و به تکامل بیولوژیکی و تغییرشکل دهنده گفتند:
02:01
"Hmmهام, this neocortexneocortex is prettyبسیار good stuffچیز,"
49
109419
2025
" هممم، این نئوکورتکس خیلی چیز خوبیه."
02:03
and it beganآغاز شد to growرشد it.
50
111444
1793
و شروع به رشد دادن آن کردند.
02:05
And mammalsپستانداران got biggerبزرگتر,
51
113237
1342
پستانداران بزرگتر شدند،
02:06
theirخودشان brainsمغز got biggerبزرگتر at an even fasterسریعتر paceسرعت,
52
114579
2915
مغزشان به سرعت بزرگتر شد،
02:09
and the neocortexneocortex got biggerبزرگتر even fasterسریعتر than that
53
117494
3807
و نئوکورتکس از آن هم سریعتر رشد کرد
02:13
and developedتوسعه یافته these distinctiveمتمایز ridgesرگه ها and foldsبرابر است
54
121301
2929
و این چین خوردگی های مشخص را توسعه داد تا
02:16
basicallyاساسا to increaseافزایش دادن its surfaceسطح areaمنطقه.
55
124230
2881
سطح خود را افزایش دهد.
02:19
If you tookگرفت the humanانسان neocortexneocortex
56
127111
1819
اگر نئوکورتکس یک انسان را بگیرید
02:20
and stretchedکشش it out,
57
128930
1301
و آن را باز کنید،
02:22
it's about the sizeاندازه of a tableجدول napkinدستمال سفره,
58
130231
1713
به اندازه ی یک دستمال سفره خواهد بود،
02:23
and it's still a thinلاغر structureساختار.
59
131944
1306
و هنوز هم ساختار نازکی دارد،
02:25
It's about the thicknessضخامت of a tableجدول napkinدستمال سفره.
60
133250
1980
که به نازکی همان دستمال سفره است.
02:27
But it has so manyبسیاری convolutionsپیچش and ridgesرگه ها
61
135230
2497
با این وجود دارای شیارها و پیچ خوردگی های فراوانی ست
02:29
it's now 80 percentدرصد of our brainمغز,
62
137727
3075
که در حال حاضر ۸۰ درصد مغز ما را شامل می شود
02:32
and that's where we do our thinkingفكر كردن,
63
140802
2461
و آنجا قسمتی است که ما تفکر می کنیم
02:35
and it's the great sublimatorتهدید کننده.
64
143263
1761
و ضمناً یک تبدیل کننده ی بزرگ است.
02:37
We still have that oldقدیمی brainمغز
65
145024
1114
ما هنوز آن مغز قدیمی را داریم
02:38
that providesفراهم می کند our basicپایه ای drivesدرایوها and motivationsانگیزه ها,
66
146138
2764
که مُحرِّک ها و انگیزه های ما را فراهم می کند.
02:40
but I mayممکن است have a driveراندن for conquestفتح,
67
148902
2716
ممکن است من محرکی برای پیروزی داشته باشم
02:43
and that'llکه میگه be sublimatedمتعادل شده by the neocortexneocortex
68
151618
2715
در این صورت نئوکورتکس آن را تبدیل می کند و به شکلِ
02:46
into writingنوشتن a poemشعر or inventingاختراع an appبرنامه
69
154333
2909
نوشتن یک شعر، یا ساخت یک برنامه،
02:49
or givingدادن a TEDTED Talk,
70
157242
1509
و یا سخنرانی TED در می آورد.
02:50
and it's really the neocortexneocortex that's where
71
158751
3622
و این واقعاً همان کاری است که
02:54
the actionعمل is.
72
162373
1968
نئوکورتکس انجام می دهد.
02:56
Fiftyپنجاه yearsسالها agoپیش, I wroteنوشت a paperکاغذ
73
164341
1717
پنجاه سال پیش من مقاله ای نوشتم درباره ی اینکه
02:58
describingتوصیف how I thought the brainمغز workedکار کرد,
74
166058
1918
مغز چطور عمل می کند،
02:59
and I describedشرح داده شده it as a seriesسلسله of modulesماژول ها.
75
167976
3199
و آن را به صورت مجموعه ای از ماژول ها توصیف کردم.
03:03
Eachهر یک moduleماژول could do things with a patternالگو.
76
171175
2128
هر ماژول می تواند کارهایی را با الگویی مشخص انجام دهد.
03:05
It could learnیاد گرفتن a patternالگو. It could rememberیاد آوردن a patternالگو.
77
173303
2746
می تواند الگویی را بیاموزد. می تواند الگویی را به خاطر بسپارد.
03:08
It could implementپیاده سازی a patternالگو.
78
176049
1407
می تواند الگویی را اجرا کند.
03:09
And these modulesماژول ها were organizedسازمان یافته است in hierarchiesسلسله مراتب,
79
177456
2679
و این ماژول ها در سلسله مراتب هایی سازماندهی شدند،
03:12
and we createdایجاد شده that hierarchyسلسله مراتب with our ownخودت thinkingفكر كردن.
80
180135
2954
و ما این سلسله مراتب را با تفکر خودمان به وجود آوردیم.
03:15
And there was actuallyدر واقع very little to go on
81
183089
3333
در واقع پنجاه سال پیش چیزهای بسیار کوچکی وجود داشت
03:18
50 yearsسالها agoپیش.
82
186422
1562
که ادامه دهیم.
03:19
It led me to meetملاقات Presidentرئيس جمهور Johnsonجانسون.
83
187984
2115
این کار باعث شد پرزیدنت جانسون را ملاقات کنم.
03:22
I've been thinkingفكر كردن about this for 50 yearsسالها,
84
190099
2173
من در این باره پنجاه سال فکر کردم،
03:24
and a yearسال and a halfنیم agoپیش I cameآمد out with the bookکتاب
85
192272
2828
و یک سال و نیم پیش کتابی منتشر کردم با نامِ
03:27
"How To Createايجاد كردن A Mindذهن,"
86
195100
1265
" چگونه یک ذهن ایجاد کنیم "
03:28
whichکه has the sameیکسان thesisپایان نامه,
87
196365
1613
که مبحثی مشابه دارد.
03:29
but now there's a plethoraکثیف of evidenceشواهد.
88
197978
2812
در حال حاضر شواهد زیادی موجود است.
03:32
The amountمیزان of dataداده ها we're gettingگرفتن about the brainمغز
89
200790
1814
میزان اطلاعاتی که ما از علوم اعصاب درباره ی مغز به دست می آوریم
03:34
from neuroscienceعلوم اعصاب is doublingدو برابر شدن everyهرکدام yearسال.
90
202604
2203
هرسال دوبرابر می شود.
03:36
Spatialفضایی resolutionوضوح of brainscanningمغز استخوان of all typesانواع
91
204807
2654
وضوح فضایی ِ اسکن مغز از همه ی انواع
03:39
is doublingدو برابر شدن everyهرکدام yearسال.
92
207461
2285
هرسال دوبرابر می شود.
03:41
We can now see insideداخل a livingزندگي كردن brainمغز
93
209746
1717
اکنون ما می توانیم درون یک مغز زنده را ببینیم،
03:43
and see individualفردی interneuralبین المللی connectionsارتباطات
94
211463
2870
و اتصالات اعصاب منفرد را شاهد باشیم.
03:46
connectingبرقراری ارتباط in realواقعی time, firingشلیک کردن in realواقعی time.
95
214333
2703
اتصال در زمان واقعی، شلیک در زمان واقعی است.
03:49
We can see your brainمغز createايجاد كردن your thoughtsاندیشه ها.
96
217036
2419
ما می توانیم مغز شما را در حالی که افکارتان را پدید می آورد ببینیم
03:51
We can see your thoughtsاندیشه ها createايجاد كردن your brainمغز,
97
219455
1575
می توانیم ببینیم که افکار شما مغز شما را پدید می آورد
03:53
whichکه is really keyکلیدی to how it worksآثار.
98
221030
1999
که واقعاً کلیدی برای فهمیدن نحوه ی کار آن است.
03:55
So let me describeتوصیف کردن brieflyبه طور خلاصه how it worksآثار.
99
223029
2219
اجازه بدید به طور خلاصه نحوه ی کار اون رو توضیح بدم.
03:57
I've actuallyدر واقع countedشمارش شده these modulesماژول ها.
100
225248
2275
من این ماژول ها رو شمرده ام.
03:59
We have about 300 millionمیلیون of them,
101
227523
2046
ما حدود ۳۰۰ میلیون ماژول داریم و
04:01
and we createايجاد كردن them in these hierarchiesسلسله مراتب.
102
229569
2229
آنها را در سلسله مراتب هایی میسازیم.
04:03
I'll give you a simpleساده exampleمثال.
103
231798
2082
مثال ساده ای براتون می زنم.
04:05
I've got a bunchدسته ای of modulesماژول ها
104
233880
2805
من تعداد زیادی ماژول دارم
04:08
that can recognizeتشخیص the crossbarکراکر to a capitalسرمایه، پایتخت A,
105
236685
3403
که می تونند خط افقی بین A بزرگ رو تشخیص بدهند.
04:12
and that's all they careاهميت دادن about.
106
240088
1914
و این تنها چیزی هست که بهش اهمیت می دهند.
04:14
A beautifulخوشگل songترانه can playبازی,
107
242002
1578
یک آهنگ زیبا که می تونیم بنوازیم،
04:15
a prettyبسیار girlدختر could walkراه رفتن by,
108
243580
1434
یک دختر زیبا که با اون قدم می زنیم،
04:17
they don't careاهميت دادن, but they see
a crossbarکراکر to a capitalسرمایه، پایتخت A,
109
245014
2846
اونها اهمیتی نمی دهند. بلکه فقط یک خط افقی بین A رو می بینند،
04:19
they get very excitedبرانگیخته and they say "crossbarکراکر,"
110
247860
3021
هیجان زده می شوند و می گویند: " خط افقی"
04:22
and they put out a highبالا probabilityاحتمال
111
250881
2112
و سپس با اطمینان زیاد پیامی را از طریق
04:24
on theirخودشان outputخروجی axonآکسون.
112
252993
1634
خروجی آکسون ارسال می کنند
04:26
That goesمی رود to the nextبعد levelسطح,
113
254627
1333
که به مرحله ی بعد می رود.
04:27
and these layersلایه های are organizedسازمان یافته است in conceptualمفهومی levelsسطوح.
114
255960
2750
این لایه ها در سطوح مفهومی سازماندهی شده اند و
04:30
Eachهر یک is more abstractچکیده than the nextبعد one,
115
258710
1856
هر لایه از دیگری انتزاعی تر است.
04:32
so the nextبعد one mightممکن say "capitalسرمایه، پایتخت A."
116
260566
2418
بنابراین لایه ی بعدی می گوید:« A بزرگ »
04:34
That goesمی رود up to a higherبالاتر
levelسطح that mightممکن say "Appleسیب."
117
262984
2891
سپس به لایه ی بالاتری می رود که می گوید:« Apple»
04:37
Informationاطلاعات flowsجریان دارد down alsoهمچنین.
118
265875
2167
اطلاعات به همین ترتیب پایین می روند.
04:40
If the appleسیب recognizerشناسایی has seenمشاهده گردید A-P-P-LAPPL,
119
268042
2936
اگر شناسنده کلمه ی Apple حروف A-P-P-L را ببیند،
04:42
it'llآن خواهد شد think to itselfخودش, "Hmmهام, I
think an E is probablyشاید likelyاحتمال دارد,"
120
270978
3219
با خود می گوید:« همم،فکر می کنم به احتمال زیاد جای یک E خالیه."
04:46
and it'llآن خواهد شد sendارسال a signalسیگنال down to all the E recognizersتشخیص دهندگان
121
274197
2564
و سپس سیگنالی به تمام شناسنده های E می فرستد
04:48
sayingگفت:, "Be on the lookoutمراقب باش for an E,
122
276761
1619
با این مضمون که:« به دنبال یک E باشید،
04:50
I think one mightممکن be comingآینده."
123
278380
1556
فکر می کنم به زودی بیاد"
04:51
The E recognizersتشخیص دهندگان will lowerپایین تر theirخودشان thresholdآستانه
124
279936
2843
شناسنده های E متمرکز خواهند شد
04:54
and they see some sloppyدرهم و برهم
thing, could be an E.
125
282779
1945
و یک چیز نامفهومی که می تواند E باشد را می بینند.
04:56
Ordinarilyبه طور معمول you wouldn'tنمی خواهم think so,
126
284724
1490
در حالت عادی شما به این شکل فکر نمی کنید،
04:58
but we're expectingمنتظر an E, it's good enoughکافی,
127
286214
2009
اما ما انتظار یک E را داریم، که به اندازه ی کافی خوب است،
05:00
and yeah, I've seenمشاهده گردید an E, and then appleسیب saysمی گوید,
128
288223
1817
و بله، من یک E را دیدم، آن موقع شناسنده apple می گوید:
05:02
"Yeah, I've seenمشاهده گردید an Appleسیب."
129
290040
1728
«آره، من Apple رو دیدم.»
05:03
Go up anotherیکی دیگر fiveپنج levelsسطوح,
130
291768
1746
پنج سطح بالاتر می رویم،
05:05
and you're now at a prettyبسیار highبالا levelسطح
131
293514
1353
و حال شما در مرتبه ی بالای
05:06
of this hierarchyسلسله مراتب,
132
294867
1569
این سلسله مراتب هستید،
05:08
and stretchکش آمدن down into the differentناهمسان sensesاحساسات,
133
296436
2353
که به چندین حس تقسیم می شود
05:10
and you mayممکن است have a moduleماژول
that seesمی بیند a certainمسلم - قطعی fabricپارچه,
134
298789
2655
و ممکن است ماژولی داشته باشید که یک پارچه ی خاص را ببیند،
05:13
hearsمیشن a certainمسلم - قطعی voiceصدای qualityکیفیت,
smellsبوی a certainمسلم - قطعی perfumeعطر,
135
301444
2844
صدای خاصی را بشنود و عصر خاصی را حس کند
05:16
and will say, "My wifeهمسر has enteredوارد شد the roomاتاق."
136
304288
2513
و سپس بگوید:« همسرم وارد اتاق شد.»
05:18
Go up anotherیکی دیگر 10 levelsسطوح, and now you're at
137
306801
1895
ده مرتبه بالاتر بروید، و آنگاه
05:20
a very highبالا levelسطح.
138
308696
1160
در بالاترین مرتبه هستید.
05:21
You're probablyشاید in the frontalجلو cortexقشر,
139
309856
1937
احتمالاً به قشر قدامی (پیشانی) رسیدید
05:23
and you'llشما خواهید بود have modulesماژول ها that say, "That was ironicعجیب و غریب.
140
311793
3767
و ماژول هایی در آنجا دارید که می گویند:« این خنده داره،
05:27
That's funnyخنده دار. She's prettyبسیار."
141
315560
2370
این جالبه. او زن زیباییه.»
05:29
You mightممکن think that those are more sophisticatedپیچیده,
142
317930
2105
ممکن است فکر کنید که اینها خیلی پیچیده هستند،
05:32
but actuallyدر واقع what's more complicatedبغرنج
143
320035
1506
اما آنچه واقعا پیچیده است،
05:33
is the hierarchyسلسله مراتب beneathدر زیر them.
144
321541
2669
سلسله مراتب زیر آنهاست.
05:36
There was a 16-year-oldساله girlدختر, she had brainمغز surgeryعمل جراحي,
145
324210
2620
دختر 16 ساله ای هست که یک بار جراحی مغز داشته،
05:38
and she was consciousآگاهانه because the surgeonsجراحان
146
326830
2051
و او هنگام جراحی هوشیار بود زیرا جراحان
05:40
wanted to talk to her.
147
328881
1537
می خواستند با او حرف بزنند.
05:42
You can do that because there's no painدرد receptorsگیرنده ها
148
330418
1822
شما می توانید این کار را انجام دهید چون هیچ گیرنده ی دردی
05:44
in the brainمغز.
149
332240
1038
در مغز وجود ندارد.
05:45
And wheneverهر زمان که they stimulatedتحریک شده particularخاص,
150
333278
1800
و هنگامی که آنها نقاط بسیار کوچکی از نئوکورتکس او را
05:47
very smallکوچک pointsنکته ها on her neocortexneocortex,
151
335078
2463
تحریک می کردند،
05:49
shownنشان داده شده here in redقرمز, she would laughخنده.
152
337541
2665
که در اینجا با رنگ قرمز نشان داده شده، آن دختر می خندید.
05:52
So at first they thought they were triggeringراه اندازی
153
340206
1440
به همین دلیل آنها ابتدا فکر کردند که
05:53
some kindنوع of laughخنده reflexرفلکس,
154
341646
1720
نوعی از واکنش خنده را تحریک کردند
05:55
but no, they quicklyبه سرعت realizedمتوجه شدم they had foundپیدا شد
155
343366
2519
اما اینطور نبود. آنها به سرعت فهمیدند که
05:57
the pointsنکته ها in her neocortexneocortex that detectتشخیص humorشوخ طبعی,
156
345885
3044
نقطه ای را در مغز او پیدا کردند که طنز را تشخیص می دهد
06:00
and she just foundپیدا شد everything hilariousخنده دار
157
348929
1969
و وقتی جراحان این نقطه را تحریک می کردند،
06:02
wheneverهر زمان که they stimulatedتحریک شده these pointsنکته ها.
158
350898
2437
آن دختر همه چیز را خنده دار می دید.
06:05
"You guys are so funnyخنده دار just standingایستاده around,"
159
353335
1925
" شما آقایون که اونجا ایستادید خیلی خنده دار هستید"
06:07
was the typicalمعمول commentاظهار نظر,
160
355260
1738
این نظر معمولی او بود،
06:08
and they weren'tنبودند funnyخنده دار,
161
356998
2302
اما آنها خنده دار نبودند،
06:11
not while doing surgeryعمل جراحي.
162
359300
3247
نه هنگام جراحی.
06:14
So how are we doing todayامروز?
163
362547
4830
پس امروزه ما چطور عمل می کنیم؟
06:19
Well, computersکامپیوترها are actuallyدر واقع beginningشروع to masterاستاد
164
367377
3054
خب، کامپیوترها در حال یادگیری زبان انسان
06:22
humanانسان languageزبان with techniquesتکنیک
165
370431
2001
به کمک تکنیک هایی هستند
06:24
that are similarمشابه to the neocortexneocortex.
166
372432
2867
که مشابه نئوکورتکس می باشند.
06:27
I actuallyدر واقع describedشرح داده شده the algorithmالگوریتم,
167
375299
1514
من الگوریتم آن را توضیح دادم،
06:28
whichکه is similarمشابه to something calledبه نام
168
376813
2054
که مشابه چیزی است که
06:30
a hierarchicalسلسله مراتبی hiddenپنهان Markovمارکوف modelمدل,
169
378867
2233
مدل سلسله مراتبی پنهان مارکوف نامیده می شود،
06:33
something I've workedکار کرد on sinceاز آنجا که the '90s.
170
381100
3241
چیزی که من از ۱۹۹۰ روی آن کار می کنم.
06:36
"Jeopardyریشخند" is a very broadوسیع naturalطبیعی است languageزبان gameبازی,
171
384341
3238
"جئوپاردی" یک بازی بسیار گسترده ی زبان طبیعی است
06:39
and Watsonواتسون got a higherبالاتر scoreنمره
172
387579
1892
و واتسون( کامپیوتر شرکت کننده در بازی ) بیشترین امتیاز را
06:41
than the bestبهترین two playersبازیکنان combinedترکیب شده.
173
389471
2000
در مقابل دو نفر از بهترین بازیکنان به دست آورد.
06:43
It got this queryپرس و جو correctدرست:
174
391471
2499
کامپیوتر توانست این سوال را دریافت کند:
06:45
"A long, tiresomeخسته کننده speechسخنرانی - گفتار
175
393970
2085
" یک سخنرانی طولانی و خسته‌کننده
06:48
deliveredتحویل داده شده by a frothyکثیف pieپای toppingبالا بردن,"
176
396055
2152
توسط یک کیک کرِم‌دار هوس‌انگیز "
06:50
and it quicklyبه سرعت respondedپاسخ داد,
"What is a meringueبی رحمانه harangueاذیت کردن?"
177
398207
2796
و به سرعت پاسخ داد:« خامه ناطق دیگر چیست؟»
06:53
And Jenningsجنینگز and the other guy didn't get that.
178
401003
2635
و جِنینگ و شرکت کننده ی دیگر نتوانستند به جواب برسند.
06:55
It's a prettyبسیار sophisticatedپیچیده exampleمثال of
179
403638
1926
این یک مثال کاملا پیچیده از این است که
06:57
computersکامپیوترها actuallyدر واقع understandingدرك كردن humanانسان languageزبان,
180
405564
1914
کامپیوترها زبان انسان را درک می کنند
06:59
and it actuallyدر واقع got its knowledgeدانش by readingخواندن
181
407478
1652
و دانش آن را با خواندن ویکی پدیا
07:01
Wikipediaویکیپدیا and severalچند other encyclopediasدایره المعارف.
182
409130
3785
و دانشنامه های دیگر به دست می آوردند.
07:04
Fiveپنج to 10 yearsسالها from now,
183
412915
2133
پنج یا ده سال بعد،
07:07
searchجستجو کردن enginesموتورها will actuallyدر واقع be basedمستقر on
184
415048
2184
موتورهای جستجو دیگر فقط به دنبال لینک ها
07:09
not just looking for combinationsترکیبات of wordsکلمات and linksلینک ها
185
417232
2794
و ترکیب های یک کلمه نمی گردند،
07:12
but actuallyدر واقع understandingدرك كردن,
186
420026
1914
بلکه واقعاً درک می کنند.
07:13
readingخواندن for understandingدرك كردن the billionsمیلیاردها دلار of pagesصفحات
187
421940
2411
مطالعه برای درک میلیاردها صفحه
07:16
on the webوب and in booksکتاب ها.
188
424351
2733
در وب و در کتاب ها.
07:19
So you'llشما خواهید بود be walkingپیاده روی alongدر امتداد, and Googleگوگل will popپاپ up
189
427084
2616
بنابراین هنگامی که قدم می زنید، گوگل پنجره ای باز خواهد کرد
07:21
and say, "You know, Maryمريم, you expressedبیان concernنگرانی
190
429700
3081
و می گوید:«می دونی، مری، یک ماه پیش
07:24
to me a monthماه agoپیش that your glutathioneگلوتاتیون supplementمکمل
191
432781
3019
به من ابراز نگرانی کرده بودی که مکمل گلوتاتیون تو
07:27
wasn'tنبود gettingگرفتن pastگذشته the blood-brainخون مغزی barrierمانع.
192
435800
2231
به بافت های داخلی مغز نمیرسه.
07:30
Well, newجدید researchپژوهش just cameآمد out 13 secondsثانیه agoپیش
193
438031
2593
خب، تحقیقات جدیدی که همین سیزده ثانیه ی پیش منتشر شد
07:32
that showsنشان می دهد a wholeکل newجدید approachرویکرد to that
194
440624
1711
راه حلی برای رفع این مشکل
07:34
and a newجدید way to take glutathioneگلوتاتیون.
195
442335
1993
و روش جدیدی برای دریافت گلوتاتیون ارائه کرده.
07:36
Let me summarizeخلاصه کن it for you."
196
444328
2562
بذار خلاصه اش رو بگم.»
07:38
Twentyبیست yearsسالها from now, we'llخوب have nanobotsnanobots,
197
446890
3684
۲۰ سال بعد، ما نانوروبات ها را خواهیم داشت،
07:42
because anotherیکی دیگر exponentialنمایشی trendروند
198
450574
1627
چون یکی دیگر از روندهای رو به رشد،
07:44
is the shrinkingکوچک شدن of technologyتکنولوژی.
199
452201
1615
کوچکتر شدن تکنولوژی است.
07:45
They'llآنها خواهند go into our brainمغز
200
453816
2370
نانوروبات ها از طریق عروق
07:48
throughاز طریق the capillariesمویرگ ها
201
456186
1703
وارد مغز ما می شوند
07:49
and basicallyاساسا connectاتصال our neocortexneocortex
202
457889
2477
و نئوکورتکس ما را
07:52
to a syntheticمصنوعی neocortexneocortex in the cloudابر
203
460366
3185
به یک نئوکورتکس مصنوعی در ابر متصل می کنند
07:55
providingفراهم آوردن an extensionتوسعه of our neocortexneocortex.
204
463551
3591
که باعث گسترش نئوکورتکس ما می شود.
07:59
Now todayامروز, I mean,
205
467142
1578
می خواهم بگویم که امروزه
08:00
you have a computerکامپیوتر in your phoneتلفن,
206
468720
1530
شما کامپیوتری در تلفن خود دارید،
08:02
but if you need 10,000 computersکامپیوترها for a fewتعداد کمی secondsثانیه
207
470250
2754
اما اگر به ده هزار کامپیوتر تنها در چند ثانیه نیاز داشته باشید،
08:05
to do a complexپیچیده searchجستجو کردن,
208
473004
1495
تا یک جستجوی پیچیده را انجام دهید
08:06
you can accessدسترسی به that for a secondدومین or two in the cloudابر.
209
474499
3396
می توانید در عرض یک یا دو ثانیه در ابر به آن دسترسی پیدا کنید.
08:09
In the 2030s, if you need some extraاضافی neocortexneocortex,
210
477895
3095
در سال ۲۰۳۰ اگر به نئوکورتس اضافی احتیاج داشته باشید
08:12
you'llشما خواهید بود be ableتوانایی to connectاتصال to that in the cloudابر
211
480990
2273
می توانید مستقیماً از طریق مغز خود
08:15
directlyبه طور مستقیم from your brainمغز.
212
483263
1648
به آن که در ابر قرار دارد متصل شوید.
08:16
So I'm walkingپیاده روی alongدر امتداد and I say,
213
484911
1543
بنابراین من در حال قدم زدن هستم و می گویم:
08:18
"Oh, there's Chrisکریس Andersonاندرسون.
214
486454
1363
»" اوه، کریس اندرسون اینجاست.
08:19
He's comingآینده my way.
215
487817
1525
داره میاد سر راه من.
08:21
I'd better think of something cleverباهوش to say.
216
489342
2335
بهتره حرفی بزنم که هوشمندانه باشه.
08:23
I've got threeسه secondsثانیه.
217
491677
1524
سه ثانیه وقت دارم.
08:25
My 300 millionمیلیون modulesماژول ها in my neocortexneocortex
218
493201
3097
۳۰۰ میلیون ماژول در نئوکورتکس من
08:28
isn't going to cutبرش it.
219
496298
1240
نمی توانند این کار رو انجام بدند.
08:29
I need a billionبیلیون more."
220
497538
1246
به یک میلیارد دیگراحتیاج دارم.»
08:30
I'll be ableتوانایی to accessدسترسی به that in the cloudابر.
221
498784
3323
و می توانم در ابر به آن دسترسی پیدا کنم.
08:34
And our thinkingفكر كردن, then, will be a hybridترکیبی
222
502107
2812
آن زمان تفکر ما، پیوندی از
08:36
of biologicalبیولوژیکی and non-biologicalغیر بیولوژیکی thinkingفكر كردن,
223
504919
3522
تفکر زیستی و غیرزیستی خواهد بود.
08:40
but the non-biologicalغیر بیولوژیکی portionبخشی
224
508441
1898
اما بخش غیر زیستی،
08:42
is subjectموضوع to my lawقانون of acceleratingتسریع returnsبازده.
225
510339
2682
موضوع قانون تغییرات شتابدار من است.
08:45
It will growرشد exponentiallyنمایی.
226
513021
2239
تغییرات به صورت نمایی رشد خواهند کرد.
08:47
And rememberیاد آوردن what happensاتفاق می افتد
227
515260
2016
و به یاد بیاورید آخرین باری که
08:49
the last time we expandedمنبسط our neocortexneocortex?
228
517276
2645
نئوکورتکس خود را گسترش دادیم چه اتفاقی افتاد.
08:51
That was two millionمیلیون yearsسالها agoپیش
229
519921
1426
دو میلیون سال پیش بود،
08:53
when we becameتبدیل شد humanoidsانسانها
230
521347
1236
وقتی انسان نماهایی شدیم،
08:54
and developedتوسعه یافته these largeبزرگ foreheadsپیشانی.
231
522583
1594
و این پیشانی بزرگ را گسترش دادیم.
08:56
Other primatesاولیها have a slantedلغزش browسوزش.
232
524177
2583
پستانداران دیگر یک ابروی مایل دارند.
08:58
They don't have the frontalجلو cortexقشر.
233
526760
1745
آنها فاقد قشر قدامی هستند.
09:00
But the frontalجلو cortexقشر is not
really qualitativelyکیفی differentناهمسان.
234
528505
3685
اما قشر قدامی واقعاً یک تفاوت کیفی به حساب نمی آید.
09:04
It's a quantitativeکمی expansionگسترش of neocortexneocortex,
235
532190
2743
بلکه گسترش کمّی نئوکورتکس است
09:06
but that additionalاضافی quantityکمیت of thinkingفكر كردن
236
534933
2703
اما این میزان اضافی تفکر
09:09
was the enablingرا قادر می سازد factorعامل for us to take
237
537636
1779
عاملی بود که ما را قادر ساخت
09:11
a qualitativeکیفی leapجهش and inventاختراع کردن languageزبان
238
539415
3346
جهشی برداریم و زبان ها،
09:14
and artهنر and scienceعلوم پایه and technologyتکنولوژی
239
542761
1967
هنر،علم، تکنولوژی
09:16
and TEDTED conferencesهمایش ها.
240
544728
1454
و کنفرانس TED را اختراع کنیم.
09:18
No other speciesگونه ها has doneانجام شده that.
241
546182
2131
هیچ گونه ی دیگری این کار را انجام نداده است.
09:20
And so, over the nextبعد fewتعداد کمی decadesچند دهه,
242
548313
2075
و در طول چند دهه ی دیگر،
09:22
we're going to do it again.
243
550388
1760
قصد داریم دوباره این کار را انجام دهیم.
09:24
We're going to again expandبسط دادن our neocortexneocortex,
244
552148
2274
قصد داریم بار دیگر نئوکورتکس خود را گسترش دهیم،
09:26
only this time we won'tنخواهد بود be limitedمحدود
245
554422
1756
اما این بار دیگر توسط چارچوبی از معماری ثابت
09:28
by a fixedدرست شد architectureمعماری of enclosureمحفظه.
246
556178
4280
محدود نخواهیم شد.
09:32
It'llاین خواهد شد be expandedمنبسط withoutبدون limitحد.
247
560458
3304
نئوکورتکس بدون محدودیت گسترش می یابد،
09:35
That additionalاضافی quantityکمیت will again
248
563762
2243
آن مقدار اضافی دوباره عاملی خواهد بود
09:38
be the enablingرا قادر می سازد factorعامل for anotherیکی دیگر qualitativeکیفی leapجهش
249
566005
3005
که به ما اجازه ی جهشی دیگر در
09:41
in cultureفرهنگ and technologyتکنولوژی.
250
569010
1635
فرهنگ و فناوری را خواهد داد.
09:42
Thank you very much.
251
570645
2054
خیلی ممنونم.
09:44
(Applauseتشویق و تمجید)
252
572699
3086
(تشویق)
Translated by Ahmad Mohammadzadeh
Reviewed by Leila Ataei

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com