TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: Mi lesz a következő nagy tudományos áttörés?
Filmed:
Readability: 4.3
1,571,528 views
A történelem során mindig a gondolkodás ösztökélte a gyönyörű és forradalmi tudományt, hogy teljesen új univerzumokat tárjon föl számunkra. "Nem arról a tudományról beszélek, amely tipegve halad" – mondja Eric Haseltine. "Arról beszélek, amelyik hatalmasakat szökell." Szenvedélyes előadásában Haseltine az intellektuális tevékenység határára visz el bennünket két gondolat erejéig: az egyik már történelmet írt, a másik csodálatra méltó becsvággyal (és többek egészséges adag kétkedésével) az emberiség legnagyobb kérdéseinek mélyére ás.
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Double-click the English transcript below to play the video.
00:12
Tonight, I'm going to share with you
my passion for science.
my passion for science.
0
920
3616
Ma este a tudományhoz fűződő
szenvedélyemről kívánok beszélni.
szenvedélyemről kívánok beszélni.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
Nem arról a tudományról,
amely tipegve halad,
amely tipegve halad,
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
hanem arról, amelyik hatalmasakat szökell.
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
Darwinról és Einsteinről beszélek,
00:27
I'm talking revolutionary science
that turns the world on its head.
that turns the world on its head.
4
15280
3600
a forradalmi tudományra gondolok,
amely fölforgatja a világot.
amely fölforgatja a világot.
00:31
In a moment, I'm going to talk
about two ideas that might do this.
about two ideas that might do this.
5
19440
3400
Rögtön két gondolatot említek,
amelyek erre képesek lehetnek.
amelyek erre képesek lehetnek.
00:35
I say "might"
6
23800
1216
Azt mondom: "lehetnek",
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
mert a forradalmi gondolatok
zömmel eleve tévesek,
zömmel eleve tévesek,
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
s még a helyeseknek is csak ritkán van meg
00:42
that we want them to have.
9
30320
1696
az elvárható hatásuk.
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Hogy értsék, miért pont
e két gondolatot választottam,
e két gondolatot választottam,
00:46
I'm going to start with a mystery.
11
34560
1680
egy rejtéllyel kezdem.
00:48
1847, Vienna, Austria.
12
36840
3080
1847, Bécs, Ausztria.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Semmelweis Ignác mogorva,
rögeszmésen lelkiismeretes orvos volt.
rögeszmésen lelkiismeretes orvos volt.
00:56
who ran two maternity clinics.
14
44720
1856
Két szülőotthont vezetett.
00:58
They were identical except for one thing.
15
46600
2440
Egyformák voltak, egyvalamit kivéve.
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
Az egyik otthonban az anyák
háromszor többen haltak meg
háromszor többen haltak meg
01:04
three times more often
at one of the clinics than at the other.
at one of the clinics than at the other.
17
52400
3560
szülés után a magas gyermekágyi láztól,
mint a másikban.
mint a másikban.
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Hogy kiderítse, miben áll a különbség oka,
01:11
Semmelweis looked at everything he could.
19
59560
2016
Semmelweis mindent számba vett.
01:13
Sanitation? No.
20
61600
1736
Talán a higiénia? Nem!
01:15
Medical procedures? No.
21
63360
2000
Az orvosi beavatkozások? Nem!
01:18
Air flow? No.
22
66000
1920
A légáramlat? Nem!
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
A rejtély nem oszlott, mígnem
történetesen épp ő boncolta föl
történetesen épp ő boncolta föl
egy szikétől kapott fertőzésben
elhalt orvostársát.
elhalt orvostársát.
01:24
who died of an infected scalpel cut.
24
72080
2000
01:26
The doctor's symptoms were identical
to those of the mothers who were dying.
to those of the mothers who were dying.
25
74760
3776
Az orvos tünetei megegyeztek
az elhunyt anyákéival.
az elhunyt anyákéival.
01:30
How was that possible?
26
78560
1376
Hogy lehet ez?
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
Hogy kaphatta el a doktor úr
ugyanazt, amit a kismamák?
ugyanazt, amit a kismamák?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis végigkövette
az orvosnak a megbetegedése előtti
az orvosnak a megbetegedése előtti
01:38
right before he got sick,
29
86840
1256
minden egyes ténykedését,
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
és rádöbbent, hogy az orvos boncolt.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
Valami a sebbe kerülhetett,
amitől később meghalt?
amitől később meghalt?
01:48
With growing excitement,
32
96760
1776
Semmelweis egyre izgatottabban
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
kutatott bármi összefüggés után,
ami összeköthette
ami összeköthette
01:53
between dead bodies in the morgue
and dead mothers in his delivery room,
and dead mothers in his delivery room,
34
101400
5376
a hullaházban lévő holttesteket
s a szülőszobán lévő elhunyt anyákat.
s a szülőszobán lévő elhunyt anyákat.
01:58
and he found it.
35
106800
1600
Meg is találta.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Kiderült, hogy a magas halálozási
gyakoriságú kórházban
gyakoriságú kórházban
02:04
but not the others,
37
112200
1776
a hullaházban végzett boncolás után
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
az orvosok rögtön szülést vezettek,
de a másikban soha.
de a másikban soha.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
Vagy úgy!
A hullák szennyezték be az orvosok kezét,
A hullák szennyezték be az orvosok kezét,
és okozták az anyák halálát.
02:15
and killing his mothers.
40
123120
1240
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Elrendelte, hogy az orvosok
fertőtlenítsék a kezüket,
fertőtlenítsék a kezüket,
és a halálesetek megszűntek.
02:20
and the deaths stopped.
42
128320
2280
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
Dr. Semmelweis Ignác
fölfedezte a fertőző betegséget.
fölfedezte a fertőző betegséget.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
De korának orvosai őrültnek tartották,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
mert már több száz éve
az orvosszakma azt hirdette,
az orvosszakma azt hirdette,
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
hogy a betegséget a miazma nevű
bűzölgő kigőzölgések okozzák,
bűzölgő kigőzölgések okozzák,
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
nem pedig azok a föltételezett részecskék,
amelyek nem is láthatók.
amelyek nem is láthatók.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
20 év kellett hozzá,
amíg Louis Pasteur francia tudós
amíg Louis Pasteur francia tudós
02:49
to prove that Semmelweis was right.
49
157080
1960
be nem bizonyította Semmelweis igazát.
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur mezőgazdasági vegyészként
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
azt kutatta, miért romlik meg
oly gyakran a tej és a sör.
oly gyakran a tej és a sör.
02:58
He found that bacteria were the culprits.
52
166600
2440
Rájött, hogy a baktériumok a tettesek.
03:02
He also found that bacteria
could kill people in exactly the same way
could kill people in exactly the same way
53
170160
3856
Arra is rájött, hogy a baktériumok
embereket ugyanúgy ölhetnek,
embereket ugyanúgy ölhetnek,
03:06
that Semmelweis's patients were dying.
54
174040
2320
ahogy Semmelweis páciensei is meghaltak.
03:09
We now look at what I want
to talk about tonight, in two ideas.
to talk about tonight, in two ideas.
55
177120
4400
Vizsgáljuk meg mai témámat
két szempontból.
két szempontból.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
Egyfelől, Semmelweist mint forradalmárt.
03:18
He did it for two reasons.
57
186560
1256
Két okból is az volt.
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
Egyrészt, mert egy teljesen
új világot tárt föl számunkra.
új világot tárt föl számunkra.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
Az 1680-as évek óta
tudtunk a baktériumokról.
tudtunk a baktériumokról.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
De azt nem, hogy életeket oltanak ki.
03:29
And he also demolished fond ideas
that people kept close to their heart.
that people kept close to their heart.
61
197200
5056
Semmelweis szétzúzta a mások által
elfogultan dédelgetett elveket.
elfogultan dédelgetett elveket.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
A miazmák nem ölnek meg senkit,
a baktériumok ölnek.
a baktériumok ölnek.
03:38
So this brings me to the two ideas
I want to talk about tonight.
I want to talk about tonight.
63
206080
3336
Ebből két gondolat adódik,
róluk szeretnék ma beszélni.
róluk szeretnék ma beszélni.
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
Az egyikük teljesen
új univerzumot tárt szemünk elé,
új univerzumot tárt szemünk elé,
03:44
and the other attacks long-held beliefs.
65
212280
3976
a másik meg tartós hiedelmeket támad.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
Dr. Eric Betzig fizikussal kezdem,
03:50
He's a physicist who has opened our eyes
to an entirely new world
to an entirely new world
67
218240
3896
aki teljesen új világot tárt elénk
03:54
by violating the laws of physics.
68
222160
1880
a fizikai törvények megsértése révén.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig igazi lázadó.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Kilépett a nagynevű Bell Laboratóriumból,
04:01
inventing new microscopes for biology
71
229480
2256
ahol új biológiai mikroszkópokat
fejlesztett ki,
fejlesztett ki,
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
de úgy érezte, hogy a kutatók
a zseniális fölfedezéseit
a zseniális fölfedezéseit
04:08
and doing lousy work with them.
73
236120
1520
hitvány célokra használják.
04:10
So he became a househusband,
74
238880
3040
Otthonülő férj lett,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
de aziránti szenvedélye
megmaradt, hogy rájöjjön,
megmaradt, hogy rájöjjön,
04:17
how to get microscopes
to see finer and finer details
to see finer and finer details
76
245960
2896
hogyan láthatna mikroszkópon át
egyre apróbb részleteket,
egyre apróbb részleteket,
04:20
than had ever been seen before
or ever could be seen.
or ever could be seen.
77
248880
2477
amiket még senki sem látott,
mert lehetetlen volt meglátni.
mert lehetetlen volt meglátni.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Ha meg akarjuk érteni a sejtműködést,
a rák természetét,
a rák természetét,
04:28
and how cancer works,
79
256440
1495
s hogy a gombostűfejnél
150-szer kisebb valami
150-szer kisebb valami
04:29
and how something
150th the size of a head of a pin
150th the size of a head of a pin
80
257959
5417
hogyan viheti ezt a különös dolgot véghez,
04:35
can do all these amazing things,
81
263400
2136
hogyan keletkezik a fehérje,
04:37
like make proteins
82
265560
1576
04:39
and move charges around
83
267160
1896
hogyan keringenek a töltések,
és sok más érdekességet,
04:41
and all of those things.
84
269080
1280
– ezekhez ez kell.
04:43
There's just one problem.
85
271400
1680
Ez csak az egyik bökkenő.
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
A másik az ún. fizikai törvény,
04:49
and part of the law of physics
is the thing called the diffraction limit.
is the thing called the diffraction limit.
87
277040
3456
annak is az a része, amelynek a neve
diffrakciós felbontási határ.
diffrakciós felbontási határ.
04:52
The diffraction limit is kind of like
when you go to a doctor's office,
when you go to a doctor's office,
88
280520
3376
A diffrakciós határ valami olyasmi,
mint amikor a szemorvosi rendelőben
mint amikor a szemorvosi rendelőben
04:55
you can only see so far down,
no matter how good glasses you have.
no matter how good glasses you have.
89
283920
3136
csak egy bizonyos sorig látunk,
bármilyen jó szemüvegünk legyen is.
bármilyen jó szemüvegünk legyen is.
04:59
This was a so-called impossible problem.
90
287080
3376
Ez volt az ún. lehetetlenségi probléma.
05:02
But one of Betzig's friends
figured out how to take a tiny molecule
figured out how to take a tiny molecule
91
290480
3176
De Betzig barátja rájött, hogyan vehetők
rá az apró, az addig még
rá az apró, az addig még
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
a legjobb mikroszkópban
sem látható molekulák
sem látható molekulák
05:08
and get it to light up and fluoresce.
93
296120
2136
a fölvillanásra és a fluoreszkálásra.
05:10
"Aha!" Betzig said.
94
298280
2496
"Ez az!" – kiáltott föl Betzig.
05:12
"I think maybe the laws of physics
are not so unbreakable after all."
are not so unbreakable after all."
95
300800
4696
"Talán a fizikai törvények
nem is olyan megdönthetetlenek!"
nem is olyan megdönthetetlenek!"
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Összerakott egy mikroszkópot
barátja nappalijában.
barátja nappalijában.
05:22
He had no laboratory.
97
310400
1816
Laborja ugyanis nem volt.
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Ezen a forradalmi eszközön
különböző színekben
különböző színekben
villantak föl a fehérjemolekulák,
05:27
to light up in different colors,
99
315840
1560
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
és számítógéppel Betzig a homályos pacákat
nagyon határozott pontokká változtatta,
nagyon határozott pontokká változtatta,
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
s példa nélküli, megdöbbentően
éles képeket állított elő.
éles képeket állított elő.
05:41
For this work, last year,
102
329520
2296
Ezért a munkájáért 2014-ben
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
Eric Betzig Nobel-díjat kapott.
05:47
Why?
104
335360
1216
Miért?
Mert most már példa nélküli
részletességgel láthatunk olyan tárgyakat,
részletességgel láthatunk olyan tárgyakat,
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
05:52
things that we never had seen before,
106
340720
1816
amelyeket korábban soha,
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
és most az orvosok pl.
a rákot is jobban kezelhetik.
a rákot is jobban kezelhetik.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
Mit gondolnak, Betzig
nyugton ült a babérjain?
nyugton ült a babérjain?
06:01
No.
109
349600
1296
Nem.
06:02
He wanted movies.
110
350920
1856
Mozizni akart.
06:04
The problem was
111
352800
1216
Az volt a nehézség,
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
hogy még az általa föltalált zseniális
mikroszkóp is túl lassú volt hozzá.
mikroszkóp is túl lassú volt hozzá.
06:10
So what did he do?
113
358040
1256
Mit tett?
06:11
He came up with a 200-year-old idea
114
359320
3576
Egy 200 éves jelenséget használt föl,
06:14
called moiré patterns.
115
362920
1696
amelyet moiré mintázatnak neveznek.
06:16
So the way that works is
if you take two very, very fine patterns
if you take two very, very fine patterns
116
364640
3456
A jelenség így működik: vegyünk két
egyforma nagyon apró mintázatot,
egyforma nagyon apró mintázatot,
06:20
and you move them across each other,
117
368120
1776
és helyezzük őket egymásra.
06:21
you will see a gross pattern
118
369920
3016
Az eredő mintázat látható
06:24
that a microscope can see
119
372960
1480
a mikroszkópon keresztül,
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
de másként nem látható.
06:29
So he applied this technique
to taking a really blurry image of a cell
to taking a really blurry image of a cell
121
377480
3296
Betzig e technológiával a sejt
nagyon elmosódott képére addig
nagyon elmosódott képére addig
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
vetített sok rendezett fénymintázatot,
06:35
until this cell became crystal clear.
123
383400
2440
amíg a sejt képe kristálytiszta nem lett.
06:38
And here is the result:
124
386840
2016
Íme az eredmény.
06:40
a mysterious new world,
125
388880
2736
Rejtelmes, kavargó világ,
06:43
full of strange things zipping around
126
391640
2136
telve különös dolgokkal,
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
s amelyben érthetetlen dolgok történnek.
06:49
But when we figure it out,
we'll have a better handle on life itself.
we'll have a better handle on life itself.
128
397600
3976
De amikor tisztába jövünk vele,
maga az életünk is könnyebbé válik.
maga az életünk is könnyebbé válik.
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
Látják azokat a zöld hólyagocskákat?
06:55
Those things are called clathrins.
130
403720
1680
Ezeket klatrinoknak hívják.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
Olyan molekulák, amelyek más
molekulákat védenek,
molekulákat védenek,
miközben áthaladnak a sejten.
07:00
as they move through a cell.
132
408400
1376
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Sajnos, a vírusok néha rajtuk keresztül
fertőznek meg sejteket.
fertőznek meg sejteket.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
Látják azokat a vonagló
hernyószerű micsodákat?
hernyószerű micsodákat?
07:09
Those are actin molecules.
135
417280
2296
Azok az aktinok.
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
Sajnos, a vírusok rajtuk keresztül is
07:14
to get into the cell nucleus
137
422040
1456
bejuthatnak a sejtmagba,
07:15
to replicate themselves and make you sick.
138
423520
2120
lemásolják magukat,
s megbetegítenek minket.
s megbetegítenek minket.
07:18
Now that we can look at movies
139
426240
1856
Most, hogy már lefilmezhetjük,
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
ami a sejt legbelsejében történik,
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
sokkal jobb az esélyünk az AIDS-féle
vírusos betegségek gyógyítására.
vírusos betegségek gyógyítására.
07:27
So when you look at a movie like this,
142
435680
1856
Amikor e filmeket nézzük, nem kétséges,
07:29
it's very clear that Betzig has opened
our eyes to a completely new world.
our eyes to a completely new world.
143
437560
4000
hogy Betzig egészen új világot tárt elénk,
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
noha senki dédelgetett hiedelmét
nem zúzta miszlikbe.
nem zúzta miszlikbe.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Ezért most utunk Dr. Aubrey de Greyhez,
07:42
at Cambridge.
146
450160
1200
Cambridge-be vezet.
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey megőrjítette tudóstársait
a merész gondolatával:
a merész gondolatával:
07:48
we can be immortal.
148
456800
1376
halhatatlanok lehetünk!
07:50
We can beat aging.
149
458200
1616
Leküzdhetjük az öregedést.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
Sok kutató őrültnek tartja.
07:55
Any Biology 101 student knows
151
463320
3296
Bármely biológushallgató tudja,
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
hogy az öregedés az élet velejárója.
08:02
For example, when we eat,
153
470680
2096
Ha pl. eszünk,
08:04
we take in food and we metabolize it,
154
472800
1856
az elfogyasztott ételt megemésztjük,
s az anyagcsere távozó termékei
az ún. szabad gyökök.
az ún. szabad gyökök.
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
08:09
You might have heard of those.
156
477080
1456
Talán már hallottak róluk.
08:10
Also known as oxygen ions,
157
478560
1936
Oxigénionokként is ismertek,
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
a DNS-ünhöz kötődve mutációra késztetik,
08:14
and cause us to get old and lose our hair.
159
482920
2056
ettől öregszünk és kopaszodunk.
08:17
(Laughter)
160
485000
1576
(Nevetés)
08:18
It's just like, no, it's exactly like
161
486600
2736
Hasonlít... nem, pontosan olyan,
mint mikor az oxigén
mint mikor az oxigén
08:21
oxygen binding to iron and making it rust.
162
489360
2176
a vashoz kötődik, s így a vas
megrozsdásodik.
megrozsdásodik.
08:23
So you age because you rust out.
163
491560
2456
Azért öregszünk, mert megrozsdásodunk.
08:26
(Laughter)
164
494040
2176
(Nevetés)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
Na, de a tudósok tudják,
hogy van halhatatlanság:
hogy van halhatatlanság:
08:33
in cancer cells.
166
501360
1976
a rákos sejtekben.
08:35
So if you stop aging,
167
503360
2296
Ha leáll az öregedésünk,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
egész valónk hatalmas járkáló
rosszindulatú daganattá változik.
rosszindulatú daganattá változik.
08:42
These are cherished beliefs,
but could de Grey be on to something?
but could de Grey be on to something?
169
510680
3160
Ezek a dédelgetett hiedelmek,
de talán de Grey rájött valamire?
de talán de Grey rájött valamire?
08:47
I think he deserves a closer look.
170
515159
1657
Érdemes jobban szemügyre venni.
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
Először, nehéz volt normálisnak tartanom.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Életét informatikusként, nem pedig
08:54
not a biologist,
173
522360
1496
biológusként kezdte.
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
De azért Cambridge-ben PhD
fokozatot szerzett biológiából,
fokozatot szerzett biológiából,
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
és jó pár fontos munkát jelentetett meg
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
a mitokondriális DNS-ről
s egy csomó mindenfélét.
s egy csomó mindenfélét.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
Másodszor, létrehozott
egy öregedésellenes alapítványt,
egy öregedésellenes alapítványt,
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
amely az öregedés 7 okát mutatta ki;
09:10
to me, that seem very plausible,
179
538320
2256
számomra mind kézenfekvő.
09:12
and he is hot in pursuit
of fixes for every single one of them.
of fixes for every single one of them.
180
540600
4136
Igyekszik mindegyiket elhárítani.
09:16
For example, one of the reasons we age
is that our mitochondrial DNA mutates,
is that our mitochondrial DNA mutates,
181
544760
5016
Az egyik ok a mitokondriális
DNS-ünk mutációja,
DNS-ünk mutációja,
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
öregszünk, s sejtjeink energiát vesztenek.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Úgy tartja, s meggyőzően bizonyította,
09:27
that using viruses we can do gene therapy,
184
555520
2536
hogy vírusokkal végzett
génterápiával lecserélhetjük
génterápiával lecserélhetjük
09:30
fix that DNA
185
558080
1656
azt a bizonyos DNS-t,
09:31
and rejuvenate our cells.
186
559760
1720
s megfiatalíthatjuk sejtjeinket.
09:35
One more thing.
187
563400
1336
Még valami.
09:36
We have an existent proof
188
564760
1856
Létező bizonyítékunk van rá,
09:38
that extreme longevity is possible.
189
566640
2720
hogy a rendkívül hosszú élet lehetséges.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
A simatűjű szálkásfenyő 5000 évig elél,
09:47
and some lobsters don't age at all.
191
575720
3800
bizonyos langusztafajok
egyáltalán nem öregszenek.
egyáltalán nem öregszenek.
09:52
Now, this doesn't mean that de Grey
is going to revolutionize our lifespans.
is going to revolutionize our lifespans.
192
580640
4336
Ez nem azt jelenti, hogy de Grey
forradalmasítja az élettartamunkat,
forradalmasítja az élettartamunkat,
09:57
I mean, after all, we're not trees,
and most of us are not lobsters.
and most of us are not lobsters.
193
585000
3816
hiszen nem vagyunk fák,
és többségünk nem languszta.
és többségünk nem languszta.
10:00
(Laughter)
194
588840
1216
(Nevetés)
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Vannak közöttünk azonban
Darwinok és Einsteinek;
Darwinok és Einsteinek;
10:07
and I'll tell you why.
196
595840
1376
megmondom, miért gondolom így.
10:09
Consider this:
197
597240
1200
Gondoljanak bele:
10:11
there are seven times more people
alive today than during Darwin's time.
alive today than during Darwin's time.
198
599160
5296
hétszer annyian élünk ma a Földön,
mint Darwin idejében.
mint Darwin idejében.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
Négyszer annyian, mint Einstein idejében.
10:19
When you consider
200
607960
1216
Ha számításba vesszük,
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
hogy a kutatók aránya a népességben
meredeken megnőtt,
meredeken megnőtt,
10:24
there are now seven million scientists.
202
612440
2376
most 7 millió kutató van.
10:26
I've got to believe, and I do believe,
that there's one of them out there
that there's one of them out there
203
614840
3440
Merem remélni, és biztos,
hogy egyikük az ismeretlenségben
hogy egyikük az ismeretlenségben
10:31
who is working right now in obscurity
204
619720
2336
most pont azon dolgozik,
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
hogy fölforgassa az életünket.
Nem tudom, ki hogy van vele,
de én már alig várom.
de én már alig várom.
10:36
but I can't wait to be rocked.
206
624520
1816
10:38
Thank you.
207
626360
1256
Köszönöm.
10:39
(Applause)
208
627640
6961
(Taps)
ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovatorEric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.
Why you should listen
Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.
In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.
In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.
Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.
Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.
Eric Haseltine | Speaker | TED.com