TED2005
Ray Kurzweil: The accelerating power of technology
레이 커츠웨일 - 기술이 어떻게 우리를 변화시킬 것인가
Filmed:
Readability: 5.3
2,876,494 views
발명가이자 사업가 그리고 비져너리인 레이 커츠웨일이, 왜 2010년대까지는 우리가 인간 두뇌를 리버스 엔지니어링(이미 존재하는 것을 역추적해 새로운 것을 만들거나 유지하는 공학)을 통해 이해하고, 초미세 로봇이 우리의 의식 세계를 조정하게 될지에 대해서 풍부하고 근거있는 자세한 내용을 설명합니다.
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.
00:24
Well, it's great to be here.
0
0
1000
네, 여기에 오게 되서 반갑습니다.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
우리는 기술의 약속과 위험에 대해서 많이 들어 왔습니다.
00:30
I've been quite interested in both.
2
6000
2000
저는 양쪽 모두에 매우 관심이 많았습니다.
00:32
If we could convert 0.03 percent
3
8000
4000
만약에 우리가 지구에 도달하는 햇빛의
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
0.03 퍼센트만 에너지로 바꿀 수 있으면,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
2030년까지 예상되는 모든 에너지 수요를 감당할 수 있을 것입니다.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
지금은 그게 불가능한데요,
00:46
expensive and very inefficient.
7
22000
2000
태양 전지판이 무겁고 비싸고 비효율적이기 때문입니다.
00:48
There are nano-engineered designs,
8
24000
3000
나노 공학을 이용한 방식도 있는데요,
00:51
which at least have been analyzed theoretically,
9
27000
2000
최소한 이론적으로 분석한 결과에서는,♪
00:53
that show the potential to be very lightweight,
10
29000
2000
아주 가볍고, 저렴하며 효율적으로
00:55
very inexpensive, very efficient,
11
31000
2000
만들 수 있는 가능성을 보여줍니다.
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
그리고, 이 재생 가능한 방식으로 모든 우리의 에너지 수요를 충족시킬 수 있을 겁니다.
01:01
Nano-engineered fuel cells
13
37000
2000
나노 공학으로 만든 연료 전지는
01:03
could provide the energy where it's needed.
14
39000
3000
에너지가 필요한 곳에 이를 공급할 수 있습니다.
01:06
That's a key trend, which is decentralization,
15
42000
2000
그게 주요 트렌드입니다. 분산화죠.
01:08
moving from centralized nuclear power plants and
16
44000
3000
한곳에 집중된 원자력 발전소나
01:11
liquid natural gas tankers
17
47000
2000
액화 천연가스 운반 차량에서
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
분산된 자원을 이용하면, 보다 환경 친화적이고
01:17
a lot more efficient
19
53000
3000
훨씬 더 효율적이며
01:20
and capable and safe from disruption.
20
56000
4000
더 유용하고 파괴로부터 안전합니다.
01:24
Bono spoke very eloquently,
21
60000
2000
보노가 잘 말해줬듯이,
01:26
that we have the tools, for the first time,
22
62000
4000
사상 처음으로 우리가 갖게된 이 도구를 이용해서,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
수세대에 걸쳐온 질병과 가난의 문제에 대응할 수 있습니다.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
세계의 대부분의 지역이 그 방향으로 움직이고 있습니다.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
1990년에는, 동아시아와 태평양 지역에,
01:42
there were 500 million people living in poverty --
26
78000
2000
5억명 정도의 사람들이 가난속에 살고 있었습니다.
01:44
that number now is under 200 million.
27
80000
3000
지금은 그 숫자가 2억명 미만입니다.€
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
세계 은행의 예측에 따르면, 2011년까지 2천만명으로 줄어 든다고 합니다.
01:50
which is a reduction of 95 percent.
29
86000
3000
이는 95퍼센트가 감소한 것입니다.
01:53
I did enjoy Bono's comment
30
89000
3000
보노가 한 이야기 가운데
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
하이트-애쉬버리와 실리콘 밸리를 빗댄 이야기가 재미있었습니다.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
제 스스로가 메사추세츠의 하이테크 업계 출신으로서,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
우리 역시도 1960년대에는 히피였다는 점을 강조하고 싶습니다.
02:08
although we hung around Harvard Square.
34
104000
3000
비록 하바드 스퀘어 근처였습니다만.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
하여튼, 우리는 질병과 가난을 극복할 수 있는 가능성이 있습니다.
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
우리의 의지가 있다면 말이죠. 그에 관해서 이야기를 하고자 합니다.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
케빈 켈리가 기술의 가속에 대해서 이야기 했습니다.
02:22
That's been a strong interest of mine,
38
118000
3000
그건 제 주요 관심사이기도 합니다.
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
그리고 제가 약 30년간 발전시켜온 주제입니다.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
제가 깨달은 것은, 프로젝트가 끝났을때 제 기술이 의미가 있어야 한다는 거였습니다.
02:33
That invariably, the world was a different place
41
129000
3000
그리고, 틀림없이, 제가 기술을 소개했을때,
02:36
when I would introduce a technology.
42
132000
2000
세상은 다른 곳일 거라는 것이죠.
02:38
And, I noticed that most inventions fail,
43
134000
2000
또한가지는, 대부분의 발명이 실패하는 것은,
02:40
not because the R&D department can't get it to work --
44
136000
3000
연구 개발 부서에서 이를 실현시킬 수가 없어서가 아니라는 것입니다.
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
거의 대부분의 비지니스 계획을 보면,
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
처음 계획대로 만들 기회가 주어진다면, 성공할 것입니다.
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
90퍼센트나 그 이상의 프로젝트가 실패하는 것은 타이밍이 틀렸기 때문입니다
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
실현에 필요한 모든 요소들이 적절한 시점에 준비되지 않았기 때문이죠.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
그래서 저는 기술의 트렌드에 대해서 열심히 공부하기 시작했습니다,
03:00
and track where technology would be at different points in time,
50
156000
3000
기술이 시간에 걸쳐서 어떤 위치에 있게 되는지를 추적했습니다.
03:03
and began to build the mathematical models of that.
51
159000
3000
그리고 이를 위한 수학적인 모델을 만들기 시작했습니다.
03:06
It's kind of taken on a life of its own.
52
162000
2000
이 작업은 그 스스로 생명을 갖기 시작했습니다.
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
10명의 사람들이 저와 함께 일하면서 데이터를 모으고 있습니다.
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
여러 다양한 분야의 기술에 대한 중요한 척도들을 모아서 모델을 만들고 있습니다.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
사람들이 말하기를, 미래를 예측할 수는 없다고 합니다.
03:19
And if you ask me,
56
175000
2000
만약에 저한테 물어보시는 질문이,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
구글의 주가가 3년후에 오를것 같냐 내릴것 같냐라는 것이라면,
03:24
that's very hard to say.
58
180000
2000
그건 답하기 매우 힘들 겁니다.
03:26
Will WiMax CDMA G3
59
182000
3000
혹은 와이맥스 CDMA G3가
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
3년후에 무선 표준이 될거냐고 묻는다면, 예측하기 힘들겠죠.
03:31
But if you ask me, what will it cost
61
187000
2000
하지만 만약에 질문의 종류가
03:33
for one MIPS of computing in 2010,
62
189000
3000
2010년에 1 MIPS의 컴퓨팅의 가격이 얼마나 할것인지,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
혹은 2012년에 DNA의 기본 쌍의 염기서열을 결정하는데 드는 가격이나,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
혹은 2014년에 무선으로 1 메가바이트의 데이터를 보내는데 드는 가격이라면,
03:43
it turns out that those are very predictable.
65
199000
3000
그런 것들은 예측이 가능하다는 것입니다.
03:46
There are remarkably smooth exponential curves
66
202000
2000
가격대 성능이나 용량 혹은 대역폭을 결정하는
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
아주 부드러운 지수 곡선이 있습니다.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
제가 이제 이에 관한 작은 샘플을 하나 보여 드리겠습니다.
03:53
but there's really a theoretical reason
69
209000
2000
왜 기술의 진보가 지수적인 방식인지에 대한
03:55
why technology develops in an exponential fashion.
70
211000
5000
이론적인 설명이 있습니다.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
많은 사람들이, 미래에 대해 생각할때 선형적으로 생각합니다.
04:02
They think they're going to continue
72
218000
2000
즉, 사람들이 지속적으로
04:04
to develop a problem
73
220000
2000
문제를 만들어 내거나
04:06
or address a problem using today's tools,
74
222000
3000
혹은 오늘날의 도구를 이용해서 문제에 대처하고,
04:09
at today's pace of progress,
75
225000
2000
오늘날의 속도로 진전이 이루어 질거라고 생각하죠.
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
그러면서 이 지수적인 성장을 고려하지 못합니다.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
1990년에 게놈 프로젝트에 대해서 논란이 많았습니다.
04:18
We had our best Ph.D. students,
78
234000
2000
우리는 가장 뛰어난 박사 과정 학생들이 있었고,
04:20
our most advanced equipment around the world,
79
236000
2000
세계에서 가장 진보된 장비들이 있었지만,
04:22
we got 1/10,000th of the project done,
80
238000
2000
전체 프로젝트의 만분의 1밖에 끝내지 못했었습니다,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
그러니, 어떻게 이 일을 15년만에 끝낼 수 있겠습니까?
04:26
And 10 years into the project,
82
242000
3000
그리고, 10년간 프로젝트를 진행했는데,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
회의론은 여전히 강했습니다 - "프로젝트 기간의 3분의 2가 지났는데,
04:32
and you've managed to only sequence
84
248000
2000
당신들은, 이제 겨우 전체 게놈의
04:34
a very tiny percentage of the whole genome."
85
250000
3000
아주 극히 일부분의 염기 서열밖에 밝혀내지 못했다."
04:37
But it's the nature of exponential growth
86
253000
2000
하지만, 그건 지수 성장의 특징입니다.
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
즉, 한번 커브의 변곡점에 이르면, 폭발적으로 성장하죠.
04:41
Most of the project was done in the last
88
257000
2000
프로젝트의 거의 대부분은,
04:43
few years of the project.
89
259000
2000
프로젝트 기간의 마지막 몇년간에 이루어 졌습니다.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
HIV 염기서열을 밝히는데 15년 걸렸는데,
04:47
we sequenced SARS in 31 days.
91
263000
2000
SARS는 31일만에 해 냈습니다.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
따라서, 우리는 이런 문제들을 극복할 가능성을 얻고 있습니다.
04:53
I'm going to show you just a few examples
93
269000
2000
이제 몇가지 예를 보여 드리겠습니다.
04:55
of how pervasive this phenomena is.
94
271000
3000
이 현상이 얼마나 흔히 관찰할 수 있는지요.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
패러다임 전환의 확률이나, 새로운 아이디어의 채용률은,
05:02
is doubling every decade, according to our models.
96
278000
3000
우리 모델에 따르며, 매 10년마다 두배로 증가합니다.
05:05
These are all logarithmic graphs,
97
281000
3000
이들은 모두 로그 함수 그래프입니다.
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
따라서, 레벨이 하나씩 올라갈수록 10배에서 100배씩 증가하는 겁니다.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
전화기가 보급되는데 50년 걸렸습니다.
05:14
the first virtual-reality technology.
100
290000
3000
최초의 가상 현실 기술이었죠.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
휴대폰의 경우 약 8년 걸렸습니다.
05:19
If you put different communication technologies
102
295000
3000
다른 통신 기술을
05:22
on this logarithmic graph,
103
298000
2000
이 로그 그래프에 적용하면,
05:24
television, radio, telephone
104
300000
2000
텔레비전이나 라디오, 전화 등은
05:26
were adopted in decades.
105
302000
2000
몇십년에 걸쳐 도입되었습니다.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
PC나 웹, 휴대폰 등의 최신 기술은,
05:31
were under a decade.
107
307000
2000
10년이 걸리지 않았습니다.
05:33
Now this is an interesting chart,
108
309000
2000
자, 이제 이건 흥미로운 차트입니다.
05:35
and this really gets at the fundamental reason why
109
311000
2000
그리고 이를 보면 진화의과정에 본질적인 이유를 알수있죠,
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
즉 생물학이나 기술 분야 모두 진화 과정이라고 볼 수 있는데,
05:41
accelerate.
111
317000
2000
가속되는 특성인지 알 수 있죠.
05:43
They work through interaction -- they create a capability,
112
319000
3000
이들은 상호 작용을 합니다 - 어떤 기능을 만들죠,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
그리고 그 기능을 이용해서 다음 단계로 진행합니다.
05:49
So the first step in biological evolution,
114
325000
3000
따라서, 생물학적인 진화에서 첫 단계는,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
DNA의 진화인데 - 사실은 RNA가 먼저입니다만,
05:54
took billions of years,
116
330000
2000
이는 몇십억년이 걸렸습니다,
05:56
but then evolution used that information-processing backbone
117
332000
3000
하지만 진화의 과정은 그 정보 처리 배경을 바탕으로
05:59
to bring on the next stage.
118
335000
2000
다음 단계로 진행하죠.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
따라서, 모든 동물들의 신체 구조가 진화했던 캄브리안의 대폭발 시기는,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
천만년 밖에 걸리지 않았습니다. 200배가 빨라진 겁니다.
06:08
And then evolution used those body plans
121
344000
2000
그리고, 진화는 다시 그 신체 구조를 이용해서,
06:10
to evolve higher cognitive functions,
122
346000
2000
보다 인지 기능이 강화되도록 진화합니다.
06:12
and biological evolution kept accelerating.
123
348000
2000
그렇게 생물학적 진화는 계속 속도가 빨라지죠.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
이것은 진화 과정의 고유의 특성입니다.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
따라서 최초로 기술을 만드는 종인 호모 사피엔스는,
06:20
the species that combined a cognitive function
126
356000
2000
인지적인 기능을
06:22
with an opposable appendage --
127
358000
2000
마주댈 수 있는 수족과 결합해서,
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
참, 그리고, 침팬지는 마주보게 하기가 어려운 엄지를 갖고 있습니다만,
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
인류는 꽉 쥘수 있는 손과 정밀한 운동 능력으로,
06:30
and fine motor coordination,
130
366000
2000
우리 주변의 환경을 조작할 수 있게 된겁니다.
06:32
and use our mental models to actually change the world
131
368000
2000
또한 우리의 정신 모델을 이용해서 세상을 바꾸고,
06:34
and bring on technology.
132
370000
2000
기술을 탄생 시켰습니다.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
하지만 어쨌거나, 우리 인류의 진화는 수십만년이 걸렸고,
06:39
and then working through interaction,
134
375000
2000
상호 작용을 통해서,
06:41
evolution used, essentially,
135
377000
2000
진화는 결국은,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
기술을 만드는 종을 이용해 다음 단계로 진보했고,
06:46
which were the first steps in technological evolution.
137
382000
3000
그게 기술적 진화의 첫 단계가 된거죠.
06:49
And the first step took tens of thousands of years --
138
385000
3000
그리고 첫 단계는 수만년이 걸렸는데,©
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
돌로 만든 도구나, 불, 바퀴 등의 기술 진화가 계속 빨라졌죠.
06:55
We always used then the latest generation of technology
140
391000
2000
우리는 항상, 당시에 가장 최신의 기술을 이용해서
06:57
to create the next generation.
141
393000
2000
다음 세대의 기술을 만들어냅니다.
06:59
Printing press took a century to be adopted;
142
395000
2000
인쇄 출판물은 백년에 걸쳐 보급 되었습니다.
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
첫 컴퓨터는 종이와 펜을 이용해 설계했지만 지금은 컴퓨터를 이용합니다.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
그리고 우리는 이 과정을 지속적으로 가속화합니다.
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
이제 이 선형 그래프를 보면, 마치 모든 것이 방금 일어난 일처럼 보입니다.
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
하지만 어떤 분은 말하길, "음, 커츠웨일씨가 그래프 위의
07:17
that fall on that straight line."
147
413000
2000
일직선상에 점들을 찍었구나"라고 하겠죠.
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
그래서 저명한 분들로부터 15개의 리스트를 받았습니다,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
브리태니커 백과사전이나, 자연사 박물과, 칼 세이건의 우주 달력 (Cosmic Calendar) 등을 참고했습니다.
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
이 분들은 특별히 제 논리를 도와주기 위해 일한 분들은 아니죠.
07:29
these were just lists in reference works,
151
425000
2000
이것은 단순히 참조한 작업들의 리스트일 뿐입니다.
07:31
and I think that's what they thought the key events were
152
427000
3000
제 생각에는, 그분들도 생태적인 진화나 기술적인 진화에 대해,
07:34
in biological evolution and technological evolution.
153
430000
3000
이런 식으로 생각을 한 것 같습니다.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
다시 봐도, 역시 마찬가지의 직선이 보입니다. 선이 약간씩 굵어지는데요,
07:40
because people do have disagreements, what the key points are,
155
436000
3000
사람마다 견해차이가 있기 때문입니다. 중요한 포인트들에 대해서요,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
농경이 언제 시작했는지에 대한 견해차이도 있고,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
캄브리안 대폭발이 얼마나 오래 지속되었는지에 대한 견해차도 있습니다.
07:48
But you see a very clear trend.
158
444000
2000
하지만, 매우 분명한 경향을 볼 수 있습니다.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
기본적이고 의미 있는 이 진화 과정의 가속 현상이 있는 거죠.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
정보 기술 분야에서는 그 기능과, 가격대 성능 그리고 대역폭이
08:00
every year.
161
456000
2000
매년 두배씩 증가합니다.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
그것은, 아주 확실한 지수 성장의 발현입니다.
08:06
A personal experience, when I was at MIT --
163
462000
2000
제가 MIT에 있을때의 개인적인 경험입니다만,
08:08
computer taking up about the size of this room,
164
464000
2000
컴퓨터의 크기가 이 방의 크기정도 됐었는데,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
현재 여러분의 전화기에 있는 컴퓨터보다도 성능이 못했습니다.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
하지만, 이 지수 성장을 잘 보여주는 무어의 법칙은,
08:19
is just one example of many, because it's basically
167
475000
2000
여러가지 예들 가운데 하나일 뿐입니다. 왜냐하면
08:21
a property of the evolutionary process of technology.
168
477000
5000
이것은 기술 진화 과정의 기본적인 특징이기 때문입니다.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
만약에 제가 49개의 유명한 컴퓨터를 이 로그 그래프에 올려놓으면,
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
근데, 로그 그래프에서 직선은 지수 성장을 의미합니다만,
08:33
that's another exponential.
171
489000
2000
역시 또다른 지수 함수를 볼 수 있습니다.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
1900년에는 컴퓨팅의 가격 성능비를 두배 올리는데 3년 걸렸습니다.
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
중간에는 2년이 걸렸고, 지금은 매년 두배로 증가합니다.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
이건, 다섯가지 서로 다른 패러다임을 통한 지수 성장입니다.
08:45
Moore's Law was just the last part of that,
175
501000
2000
무어의 법칙은 그 마지막 부분이었을 뿐입니다.
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
트랜지스터를 작게 만든 IC(집적회로)에 대한 것이었죠.
08:50
but we had electro-mechanical calculators,
177
506000
3000
그 전에는 전기-기계적인 계산기가 있었죠.
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
독일의 암호 코드를 해독해냈던 릴레이 기반의 컴퓨터들이나,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
아이젠하워의 당선을 예측했던 1950년대의 진공관 컴퓨터들,
08:59
discreet transistors used in the first space flights
180
515000
3000
그리고 최초의 우주 비행에 사용되었던 개별 트랜지스터 컴퓨터에 이어,
09:02
and then Moore's Law.
181
518000
2000
무어의 법칙이 나온거죠.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
하나의 패러다임이 그 동력을 잃을때마다,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
또다른 패러다임이 등장해서 지수 성장을 지속시킵니다.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
진공관을 점점 작게 만들다가,
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
벽에 부딪혔습니다. 더 작게 만들면 진공을 유지할 수 없게 된거죠.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
이때 전혀 다른 패러다임인 트랜지스터가 갑자기 등장한겁니다.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
사실, 어떤 특정 패러다임의 끝부분을 보게 되면,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
다음 패러다임을 만들어내야할 압력이 연구 분야에 전해집니다.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
그리고, 우리가 무어의 법칙의 끝을 예상해왔기때문에,
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
그것도 꽤 오랫동안 - 처음에는 2002년이라고 하고 이제는 2022년이라고 합니다만.
09:30
But by the teen years,
191
546000
3000
하지만, 2010년대에는,
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
트랜지스터의 특성은 겨우 원자 몇개의 폭밖에 안될 것이고,
09:36
and we won't be able to shrink them any more.
193
552000
2000
그 이상으로 크기를 줄일 수는 없게 될겁니다.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
그건 무어의 법칙의 끝이 되는거죠, 하지만 그렇다고 해서
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
컴퓨팅의 지수 성장의 끝은 아닙니다, 칩들은 평평하거든요.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
우리는 삼차원의 세상에서 살고 있으니, 그 점을 이용할 수도 있겠죠.
09:46
We will go into the third dimension
197
562000
2000
삼차원의 방향으로 가게 될겁니다,
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
지난 몇년간 엄청난 진전이 있었습니다,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
삼차원의, 스스로 정렬하는 분자 회로를 동작시키는 작업 말이죠.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
무어의 법칙이 동력을 잃기 한참 전에 그 기술이 사용 가능해질 겁니다.
10:02
Supercomputers -- same thing.
201
578000
2000
수퍼 컴퓨터도 마찬가지 입니다.
10:05
Processor performance on Intel chips,
202
581000
3000
인텔 칩의 프로세서 성능이나,
10:08
the average price of a transistor --
203
584000
3000
트랜지스터의 평균 가격은,
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
1968년에는 1불이면 트랜지스터 하나를 살 수 있었는데요,
10:14
You could buy 10 million in 2002.
205
590000
3000
2002년에는 천만개를 살 수 있습니다.
10:17
It's pretty remarkable how smooth
206
593000
3000
생각해보면 정말 놀라운데요
10:20
an exponential process that is.
207
596000
2000
그 과정이 얼마나 부드러운 지수 과정이냐는 거죠.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
이건 마치 테이블에서 실험한 내용의 결과물처럼 보인다는 겁니다,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
하지만 이것은 세계적인 규모의 카오스적 행동의 결과물입니다.
10:29
countries accusing each other of dumping products,
210
605000
2000
각 나라가 제품을 덤핑하는 것을 비난하는 것에서,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
주식 시장 상장과 파산, 마케팅 프로그램들까지요.
10:33
You would think it would be a very erratic process,
212
609000
3000
이런 것은 아주 산만한 과정일 거라고 생각할겁니다,
10:36
and you have a very smooth
213
612000
2000
그런데 아주 부드러운 결과가
10:38
outcome of this chaotic process.
214
614000
2000
이런 혼란스런 과정에서 나온다는 거죠.
10:40
Just as we can't predict
215
616000
2000
우리가 예상하기 힘든 것이,
10:42
what one molecule in a gas will do --
216
618000
2000
가스 내의 하나의 분자가 어떻게 될지인데요,
10:44
it's hopeless to predict a single molecule --
217
620000
3000
단 한개의 분자의 행동을 예측하는 것은 거의 불가능하지만,
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
전체 가스의 특성은 예측 가능하다는 거죠,
10:49
using thermodynamics, very accurately.
219
625000
3000
열역학을 통해서 매우 정확하게 예측 가능합니다.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
같은 원리입니다. 우리는 개별 프로젝트의 미래를 예상할 수 없습니다,
10:55
but the result of this whole worldwide,
221
631000
2000
하지만 전 세계적인 규모의,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
혼란스럽고, 예측 불가능한 경쟁 구도의 결과나,
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
기술의 진화 과정은, 예측이 가능 합니다.
11:05
And we can predict these trends far into the future.
224
641000
3000
그리고 이런 경향을 한참 후의 미래까지 예측 가능합니다.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
거트루드 스타인의 장미와는 달리,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
트랜지스터는 그냥 트랜지스터가 아닙니다.
11:14
As we make them smaller and less expensive,
227
650000
2000
그것들을 더 작고 더 싸게 만들수록,
11:16
the electrons have less distance to travel.
228
652000
2000
전자들이 더 작은 거리를 이동하게 되죠.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
따라서 더 빠르게 되니까, 트랜지스터의 속도에 지수함수적 성장이 가능하고,
11:22
so the cost of a cycle of one transistor
230
658000
4000
하나의 트랜지스터의 사이클의 가격이,
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
1.1년의 반감기를 갖는 정도로 내려왔습니다.
11:29
You add other forms of innovation and processor design,
232
665000
3000
다른 형태의 혁신과 프로세서 설계를 추가하면,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
매년 가격 대비 성능이 두배로 증가하게 되는 겁니다.
11:36
And that's basically deflation --
234
672000
3000
그건 기본적으로 디플레이션입니다.
11:39
50 percent deflation.
235
675000
2000
50퍼센트의 감축이죠.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
컴퓨터만의 이야기는 아닙니다. DNA 염기서열을 밝히는 것도 그렇습니다.
11:44
it's true of brain scanning;
237
680000
2000
뇌 스캐닝도 마찬가지고,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
월드와이드 웹도 마찬가지입니다. 우리가 정량화 시킬 수 있는 것은 모두 해당되죠.
11:48
we have hundreds of different measurements
239
684000
3000
수백 가지의 다양한 측정 방법이 있습니다.
11:51
of different, information-related measurements --
240
687000
3000
정보 관련된 여러가지 측정 방식들입니다.
11:54
capacity, adoption rates --
241
690000
2000
용량이나 도입률 같은 것이죠.
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
그것들은 기본적으로 12,13, 15개월마다 두배로 증가합니다.
11:59
depending on what you're looking at.
243
695000
2000
뭘 보느냐에 따라서요.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
가격 성능의 경우엔, 50입니다 - 40에서 50퍼센트의 감소율을 보입니다.
12:06
And economists have actually started worrying about that.
245
702000
2000
경제학자들은 그에 대해서 걱정하기 시작했습니다.
12:08
We had deflation during the Depression,
246
704000
2000
대 공황 기간에 디플레이션을 경험했습니다,
12:10
but that was collapse of the money supply,
247
706000
2000
하지만 그것은 통화 공급의 붕괴였죠,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
소비자 신뢰도의 붕괴이니, 전혀 다른 현상입니다.
12:15
This is due to greater productivity,
249
711000
2000
이것은 생산성 형상에 의한 것입니다,
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
하지만 경제학자들은 말하죠, "계속 그렇게 지속해 나갈수는 없을 겁니다."
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
50퍼센트의 디플레이션이 생기면, 사람들은 생산량을 증가시켜서
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
30 혹은 40퍼센트 더 만들겠죠, 하지만 계속 그럴 수는 없습니다.
12:25
But what we're actually seeing is that
253
721000
2000
하지만 우리가 실제로 관찰한 바에 따르면
12:27
we actually more than keep up with it.
254
723000
2000
그저 지속하는 수준 이상입니다.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
우리는 달러 기준으로 연평균 28퍼센트의 성장률을 기록해왔습니다.
12:32
in information technology over the last 50 years.
256
728000
3000
지난 50년간 정보 기술 분야에서요.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
말하자면, 10년전에 아이팟을 만불에 만들지는 않았다는 겁니다.
12:39
As the price performance makes new applications feasible,
258
735000
3000
가격 성능비가 새로운 어플리케이션을 가능하도록 만들면서,
12:42
new applications come to the market.
259
738000
2000
새로운 어플리케이션들이 시장에 나타나는 겁니다.
12:44
And this is a very widespread phenomena.
260
740000
3000
이것은 아주 널리 퍼진 현상입니다.
12:47
Magnetic data storage --
261
743000
2000
자기 방식의 데이터 저장매체는,
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
무어의 법칙이 아닙니다, 이건 자화소의 크기를 줄이는 것입니다,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
다른 엔지이어들과 다른 회사들이지만, 같은 지수 성장 과정입니다.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
중요한 혁신은 우리 자신의 생태학을 이해한다는 점입니다,
13:00
in these information terms.
265
756000
2000
이런 정보적인 관점에서요.
13:02
We're understanding the software programs
266
758000
2000
우리 몸을 작동시키는 소프트웨어 프로그램을
13:04
that make our body run.
267
760000
2000
이해하고 있다는 것입니다.
13:06
These were evolved in very different times --
268
762000
2000
이는 매우 다른 시대에 진화해왔습니다.
13:08
we'd like to actually change those programs.
269
764000
2000
그런 프로그램들을 바꾸고 싶은 겁니다.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
지방성 인슐린 수용체 유전자라고 불리우는 작은 소프트웨어 프로그램이,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
명령하길, "모든 칼로리를 저장해라,
13:14
because the next hunting season may not work out so well."
272
770000
4000
왜냐하면 다음 사냥철에 결과가 좋지 않을 수도 있으니."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
그것은 수만년 전의 종을 위한 것이었습니다.
13:21
We'd like to actually turn that program off.
274
777000
3000
우리는 그 프로그램을 끄고자 합니다.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
동물 실험을 했는데, 실험쥐들이 아주 게걸스럽게 먹었음에도 불구하고,
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
여전히 살이찌지 않았고, 그에 따라서 건강도 유지를 했습니다.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
당뇨병에도 걸리지 않았고, 심장병도 얻지 않았습니다.
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
20퍼센트 더 장수했고, 칼로리 제약을 하지 않으면서도
13:35
without the restriction.
279
791000
2000
그 이점을 얻었습니다.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
네 다섯 군데의 제약 회사가 이점을 알게 되었고,
13:40
felt that would be
281
796000
3000
이를 상용화하면
13:43
interesting drug for the human market,
282
799000
3000
사람들 대상으로 흥미로운 약이 될 것으로 생각했습니다.
13:46
and that's just one of the 30,000 genes
283
802000
2000
그리고 이것은 우리의 생화학에 영향을 주는 3만개 유전자 가운데,
13:48
that affect our biochemistry.
284
804000
3000
단지 하나일 뿐입니다.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
우리의 진화로 인해서, 이제 더이상 사람들의 관심을,
13:54
at the age of most people at this conference, like myself,
286
810000
3000
저를 포함해서, 이 회의장에 계신 대부분의 분들의 나이대에 대해서,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
훨씬 더 오래 산다는 것이 큰 이익이 아닌것이, 귀중한 자원을 모두 소모해 버리고 있기 때문입니다.
14:01
which were better deployed towards the children
288
817000
1000
아이들과 아이들을 돌보는 사람들에게 사용되는 것이
14:02
and those caring for them.
289
818000
2000
훨씬 더 낫거든요.
14:04
So, life -- long lifespans --
290
820000
2000
따라서, 장수한다는 것은,
14:06
like, that is to say, much more than 30 --
291
822000
2000
뭐 예를 들어서, 30년보다 훨씬 더 길게 사는 것은,
14:08
weren't selected for,
292
824000
3000
선택되지 않았습니다만,
14:11
but we are learning to actually manipulate
293
827000
3000
하지만 우리는 이런 조작 방법을 배우고 있으며,
14:14
and change these software programs
294
830000
2000
이 소프트웨어 프로그램들을 바꾸는 것이,
14:16
through the biotechnology revolution.
295
832000
2000
생물 공학의 발전을 통해서 가능하게 되는 겁니다.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
예를 들어서, 우리는 RNA 간섭을 통해서 유전자를 억제시킬 수 있습니다.
14:22
There are exciting new forms of gene therapy
297
838000
2000
아주 흥미로운 유전자 치료의 새로운 방식들이 있는데요,
14:24
that overcome the problem of placing the genetic material
298
840000
2000
이를 통해서 유전 물질의 배치 문제를 극복할 수 있습니다.
14:26
in the right place on the chromosome.
299
842000
2000
염색체 내의 올바를 자리를 찾아주는 겁니다.
14:28
There's actually a -- for the first time now,
300
844000
3000
이제 처음으로, 인간 대상으로, 유전자 치료를 통해
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
폐 고혈압을 치료하는 임상 실험이 진행되는데요,
14:34
a fatal disease -- using gene therapy.
302
850000
3000
이는 아주 치명적인 질병이거든요.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
따라서, 우리는 유전자 조작 아기들을 갖는 정도가 아니라, 유전자 조작 세대를 갖게 될겁니다.
14:40
And this technology is also accelerating.
304
856000
3000
그리고 이 기술 역시 가속화하고 있습니다.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
1990년에는 유전자 기본쌍에 10불 정도 했는데,
14:46
then a penny in 2000.
306
862000
2000
2000년에는 1센트였고,
14:48
It's now under a 10th of a cent.
307
864000
2000
이제는 10분의 1센트 이하입니다.
14:50
The amount of genetic data --
308
866000
2000
유전 데이터의 양은,
14:52
basically this shows that smooth exponential growth
309
868000
3000
역시 부드러운 지수 성장을 보이는데,
14:55
doubled every year,
310
871000
2000
매년 두배씩 늘어났습니다.
14:57
enabling the genome project to be completed.
311
873000
3000
그래서 게놈 프로젝트가 완료될 수 있었죠.
15:00
Another major revolution: the communications revolution.
312
876000
3000
또다른 주요 혁신은, 통신 분야에서 입니다.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
가격 성능, 대역폭 등 통신의 용량은 여러가지 다른 방식으로 측정 됩니다.
15:08
wired, wireless is growing exponentially.
314
884000
3000
유선, 무선 모두 지수적으로 성장하고 있습니다.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
인터넷은 그 기능이 두배씩 성장해왔고 지속적으로 성장하고 있습니다.
15:14
measured many different ways.
316
890000
2000
여러가지 방식으로 측정했을때도요.
15:16
This is based on the number of hosts.
317
892000
2000
이건 호스트 컴퓨터의 숫자에 근거한 것입니다.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
축소화 - 우리는 기술의 크기를 줄여가고 있습니다.
15:20
at an exponential rate,
319
896000
2000
지수 함수적인 비율로 말이죠.
15:22
both wired and wireless.
320
898000
2000
유선과 무선 모두를 포함합니다.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
이것들은 에릭 드렉슬러의 책에서 온 디자인 들입니다,
15:28
which we're now showing are feasible
322
904000
2000
구현 가능하다고 보여주고 있는거죠,
15:30
with super-computing simulations,
323
906000
2000
수퍼 컴퓨터를 통한 시뮬레이션을 통해서요,
15:32
where actually there are scientists building
324
908000
2000
과학자들의 빌딩이 있는 곳입니다.
15:34
molecule-scale robots.
325
910000
2000
분자 규모의 로봇들이구요.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
어떤 것은 놀라울 정도로 인간과 유사하게 걷는 것도 있습니다.
15:38
that's built out of molecules.
327
914000
3000
분자들을 이용해서 만들어졌죠.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
실험적인 수준에서 뭔가를 해내는 작은 기계들이 있습니다.
15:45
The most exciting opportunity
329
921000
3000
가장 흥미로운 기회는,
15:48
is actually to go inside the human body
330
924000
2000
실제로 사람의 인체내에 들어가는 것입니다.
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
그리고 치료나 진단 기능을 수행하는 겁니다.
15:53
And this is less futuristic than it may sound.
332
929000
2000
이는 생각하시는 것보다 그리 미래적인 이야기만은 아닙니다.
15:55
These things have already been done in animals.
333
931000
2000
이것들은 이미 동물 실험이 진행되었습니다.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
타입 1 당뇨병을 치료하는 나노 공학 장치가 있습니다. 이 장치는 혈구 크기입니다.
16:01
They put tens of thousands of these
335
937000
2000
이런 장치들을 수만개를 혈구들 속에
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
넣는겁니다, 쥐를 대상으로 실험했는데요,
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
통제된 방식으로 인슐린을 배출 시킵니다.
16:07
and actually cures type 1 diabetes.
338
943000
2000
그리고 타입 1 당뇨병을 치료하죠.
16:09
What you're watching is a design
339
945000
3000
지금 보시는 것은
16:12
of a robotic red blood cell,
340
948000
2000
로봇 적혈구의 디자인인데,
16:14
and it does bring up the issue that our biology
341
950000
2000
우리의 생물학의 수준이,
16:16
is actually very sub-optimal,
342
952000
2000
그리 최적화되지는 않았다는 논란을 야기하는데요,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
그 복잡함이 놀랍긴 하지만,
16:21
Once we understand its principles of operation,
344
957000
3000
일단 이 동작의 원리를 이해하게 되면,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
그리고 생물학의 리버스 엔지니어링의 속도가 점차 빨라지게 되면,
16:28
we can actually design these things to be
346
964000
2000
이런 장치들을 잘 설계해서,
16:30
thousands of times more capable.
347
966000
2000
수천배 더 많은 일을 할 수 있게 만들 수 있습니다.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
로버트 프라이타스에 의해 설계된 호흡세포의 분석에 따르면,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
이 로봇으로 여러분의 적혈구의 10퍼센트만 교체해도,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
숨을 한번도 쉬지 않고 15분간 올림픽 수준의 달리기를 할 수 있다고 합니다.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
수영장 아래 바닥에 4시간 동안 앉아 있을 수도 있게 됩니다.
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
따라서, "여보, 나 수영장에 가 있을게"라는 것은 전혀 다른 의미를 갖게 될 겁니다.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
우리가 올림픽 경기에서 뭘 하게 될지 생각해봐도 재미있을 겁니다.
16:52
Presumably we'll ban them,
354
988000
2000
아마도 우리는 이를 금지하겠죠,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
하지만, 그러면 아마도 고등학교 체육관에 있는 학생들이,
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
올림픽 대표선수들보다 더 뛰어난 결과를 쉽게 내게 될겁니다.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
프라이타스는 로봇 백혈구의 디자인을 갖고 있습니다.
17:04
These are 2020-circa scenarios,
358
1000000
4000
이는 2020년대 정도의 시나리오입니다.
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
하지만 들리는 것처럼 그렇게 미래적인 이야기만도 아닙니다.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
혈구 크기의 장치를 만드는 것에 대한 네개의 주요 컨퍼런스가 있습니다,
17:14
there are many experiments in animals.
361
1010000
2000
동물 실험도 활발하게 행해지고 있습니다.
17:16
There's actually one going into human trial,
362
1012000
2000
인간 대상의 실험도 한건 진행중입니다.
17:18
so this is feasible technology.
363
1014000
3000
따라서 이것은 실현 가능한 기술입니다.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
다시 컴퓨팅의 지수함수적인 성장을 살펴보면,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
천달러 정도의 컴퓨팅 능력은 현재 곤충과 쥐의 뇌 사이 정도에 있습니다.
17:27
It will intersect human intelligence
366
1023000
3000
이것은 곧 인간의 지능 대비,
17:30
in terms of capacity in the 2020s,
367
1026000
3000
용량 면에서 2020년대 정도에 비슷해 질겁니다,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
하지만 그건 공식의 하드웨어적인 측면일겁니다.
17:35
Where will we get the software?
369
1031000
2000
소프트웨어는 어디에서 구해야 할까요?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
우리가 인간의 두뇌의 내부를 볼 수 있다는 것이 밝혀졌습니다,
17:39
and in fact not surprisingly,
371
1035000
2000
그리고, 사실 그리 놀랍지도 않지만,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
뇌 스캐닝의 공간적인 그리고 시간적인 해상도는 매년 두배씩 증가하고 있습니다.
17:45
And with the new generation of scanning tools,
373
1041000
2000
새로운 세대의 스캐닝 도구를 이용하면,
17:47
for the first time we can actually see
374
1043000
2000
사상 처음으로 우리는 실제로
17:49
individual inter-neural fibers
375
1045000
2000
개별적인 신경 섬유를 관찰할 수 있습니다.
17:51
and see them processing and signaling in real time --
376
1047000
3000
그리고 그것들이 실시간으로 신호를 처리하는 것을 확인할 수 있습니다.
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
그러면 이제 문제는, 데이터는 구했다 치고,
17:56
but can we understand it?
378
1052000
2000
우리가 과연 이를 이해할 수 있냐는 겁니다.
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
더그 호프스태터는, 아마도 우리의 지성이라는 것은
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
우리의 지성을 이해할만큼 훌륭하지 못하지 않나 의심합니다,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
그리고 만약에 우리가 더 똑똑하다면, 우리의 뇌는 그만큼 더 복잡할 것입니다,
18:07
and we'd never catch up to it.
382
1063000
2000
그리고 우리는 결코 이를 따라잡지 못할 거라는 거죠.
18:10
It turns out that we can understand it.
383
1066000
3000
그런데 우리가 이를 이해할 수 있다는 것이 밝혀졌습니다.
18:13
This is a block diagram of
384
1069000
3000
이것은 블록 다이어그램인데요
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
인간의 청각 피질을 시뮬레이션하는 모델입니다
18:20
that actually works quite well --
386
1076000
2000
실제로도 잘 동작하는데요,
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
심리음향 테스트를 적용해보면, 사람의 청각과 아주 유사한 결과를 보여줍니다.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
소뇌의 시뮬레이션도 있는데요,
18:29
that's more than half the neurons in the brain --
389
1085000
2000
이것은 뇌에 있는 신경세포의 절반이 넘는 양입니다만,
18:31
again, works very similarly to human skill formation.
390
1087000
3000
이것도, 인간의 기능이 만들어지는 것과 아주 유사하게 동작합니다.
18:35
This is at an early stage, but you can show
391
1091000
3000
이건 아직 초기 단계입니다만, 이를 통해서
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
뇌에 대한 정보의 양이 지수적으로 증가함에 따라서,
18:41
and the exponential improvement
393
1097000
2000
그리고 뇌 스캐닝 해상도의
18:43
in the resolution of brain scanning,
394
1099000
2000
지수적인 발전에 따라,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
인간의 뇌를 리버스 엔지니어링 할 수 있게 될 것이라는 겁니다.
18:48
by the 2020s.
396
1104000
2000
2020년대 까지는요.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
뇌의 약 15개의 부분에 대한 꽤 정교한 모델과 시뮬레이션을 갖고 있습니다.
18:53
out of the several hundred.
398
1109000
3000
전체 수백 군데 가운데 그정도죠.
18:56
All of this is driving
399
1112000
2000
이 모든 것은 지수적으로 진행합니다 --
18:58
exponentially growing economic progress.
400
1114000
2000
지수적으로 성장하는 경제적인 발전이죠.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
우리는 시간당 노동 생산성을 30달러에서 150달러로 올렸습니다.
19:05
of labor in the last 50 years.
402
1121000
2000
지난 50년 동안에 말이죠.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
전자 상거래는 지수적으로 성장해왔습니다. 현재는 1조 달러 규모입니다.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
그러면 궁금해 하시겠죠, 흠, 거품이 한번 꺼진적이 있지 않았었나?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
그게 바로 엄격한 자본 시장의 현상입니다.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
월 스트리트는 이것이 아주 혁명적인 기술이라는 것을 알았습니다. 사실이 그랬고요.
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
하지만 6개월 후에, 이것이 모든 비지니스 모델을 혁신적으로 바꾸지 못하자,
19:21
they figured, well, that was wrong,
408
1137000
2000
사람들은, 잘못 생각했다는 것을 알았죠.
19:23
and then we had this bust.
409
1139000
2000
그리고 나서 거품의 붕괴가 온겁니다.
19:26
All right, this is a technology
410
1142000
2000
자, 이건 하나의 기술입니다.
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
우리가 진보시킨 기술의 일부를 이용해서 만든 것입니다.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
이건 휴대폰의 일상적인 기능이 될겁니다.
19:35
It would be able to translate from one language to another.
413
1151000
2000
하나의 언어에서 다른 언어로 번역을 할 수 있게 될겁니다.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
이제 몇가지 시나리오를 설명하면서 마무리를 하겠습니다.
19:49
By 2010 computers will disappear.
415
1165000
3000
2010년까지는, 컴퓨터가 사라질 겁니다.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
그것들은 매우 작아져서, 우리 옷이나 환경에 스며들게 될겁니다.
19:56
Images will be written directly to our retina,
417
1172000
2000
화상이 우리 망막에 직접 쓰여질 것입니다.
19:58
providing full-immersion virtual reality,
418
1174000
2000
완전한 몰입이 가능한 가상 현실이나,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
증강 현실이 가능하죠. 우리는 가상의 인물들과 어울리게 될겁니다.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
하지만 2029년에는, 이런 트렌드가 완전히 성숙하게 될겁니다,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
여러분이 알아야 하는 것은, 점점 빨라지고 있는 기술의 세대가
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
몇차례나 더 돌아가야 우리가 그 지점에 이르게 될 것이냐는 겁니다.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
즉, 2의 25승 만큼 증가한
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
가격 성능이나, 용량, 대역폭등이
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
이런 기술들에 예상되는데 엄청난 것이죠.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
오늘날에 비해서 수백만배 더 강력하게 될 겁니다.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
인간의 뇌에 대한 리버스 엔지니어링이 끝나있을 겁니다,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
컴퓨터의 경우, 1,000달러의 컴퓨팅 능력이,
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
순수하게 용량면에서 보면 인간의 두뇌보다 더 강력해 질겁니다.
20:34
Computers will combine
430
1210000
2000
컴퓨터를 이용하면
20:36
the subtle pan-recognition powers
431
1212000
2000
전체 상황을 파악하는 섬세한 인간의 지성과,
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
이미 기계가 더 뛰어난 능력을 보이는 부분들,
20:41
in terms of doing analytic thinking,
433
1217000
2000
예를 들어 분석적 사고나,
20:43
remembering billions of facts accurately.
434
1219000
2000
수십억가지 사실을 정확하게 기억하는 능력과 결합하게 될겁니다.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
기계는 그들의 지식을 매우 신속하게 공유할 수 있습니다.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
하지만, 이건 단순히 똑똑한 기계의 외부 침략이 아닙니다.
20:52
We are going to merge with our technology.
437
1228000
2000
우리의 기술과 결합시킬 겁니다.
20:54
These nano-bots I mentioned
438
1230000
2000
제가 말씀 드렸던, 나노 로봇들은,
20:56
will first be used for medical and health applications:
439
1232000
4000
처음에 의료나 건강 분야에 사용될 겁니다:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
환경을 정화한다거나, 강력한 연료 셀들을 제공한다거나.
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
환경 분야에서, 널리 분포 가능한 분산형 태양 전지 패널과 같은 것들이죠.
21:08
But they'll also go inside our brain,
442
1244000
2000
우리의 뇌 속으로도 들어오게 될겁니다,
21:10
interact with our biological neurons.
443
1246000
2000
우리의 생물학적 신경세포와 상호작용을 하는 거죠.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
이런 것이 가능하다는 핵심 원리를 이미 보여드린 바 있습니다.
21:15
So, for example,
445
1251000
2000
따라서, 예를 들어,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
신경 시스템 내부로부터의 완전 몰입형 가상 현실은,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
나노 로봇을 이용해서 실제 감각기관으로부터의 신호를 차단하고,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
가상의 환경에서 뇌가 받게되는,
21:25
if you were in the virtual environment,
449
1261000
2000
그런 신호로 대체하게 되는 거죠.
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
그러면 그 가상 환경에 있는 것처럼 느껴지게 될겁니다.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
다른 사람들과 같이 갈 수도 있고요, 어떤 종류의 경험도 가능합니다.
21:31
with anyone involving all of the senses.
452
1267000
2000
모든 감각과 관련해서 누구와도 함께 할 수 있습니다.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"경험 공유자들"이라고 저는 부릅니다만, 이들은 그들이 겪은
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
감정의 신경학적 상호작용에 대한 감각 경험을 인터넷에 올려놓을 겁니다.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
거기에 접속하면, 다른 사람이 된듯한 경험을 느낄 수 있는 거죠.
21:43
But most importantly,
456
1279000
2000
하지만 가장 중요한 것은,
21:45
it'll be a tremendous expansion
457
1281000
2000
거대한 확장이 될거라는 점입니다.
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
이 기술과 인간의 지성이 합쳐지게 됨으로써요,
21:51
which in some sense we're doing already.
459
1287000
2000
어떤 면에서 보면 이미 그렇게 하고 있습니다만.
21:53
We routinely do intellectual feats
460
1289000
2000
우리가 늘상 이루는 지적인 업적들은
21:55
that would be impossible without our technology.
461
1291000
2000
기술이 없이는 불가능 했을 겁니다.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
인간의 기대 수명은 늘어나고 있습니다. 1800년에는 37세였죠,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
이런 종류의 생물공학이나 나노 기술의 발전에 따라,
22:05
this will move up very rapidly
464
1301000
2000
아주 급격히 늘어나게 될겁니다.
22:07
in the years ahead.
465
1303000
2000
미래에는요.
22:09
My main message is that progress in technology
466
1305000
4000
제가 전하고자 하는 것은, 기술의 진보는,
22:13
is exponential, not linear.
467
1309000
3000
선형이 아니라 지수적이라는 것입니다.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
심지어는 과학자들까지 포함해서, 많은 사람들이 선형 모델을 생각합니다.
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
그래서 이렇게들 말하죠, "몇백년은 걸려야
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
스스로를 복제하는 나노 기술 조립과정이나
22:25
or artificial intelligence."
471
1321000
2000
인공 지능이 나오게 될거야." 라구요.
22:27
If you really look at the power of exponential growth,
472
1323000
3000
여러분이 진지하게 지수 성장의 힘을 본다면,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
이런 것들은 그리 먼 훗날 이야기가 아니라는 것을 알게 될겁니다.
22:33
And information technology is increasingly encompassing
474
1329000
3000
그리고 정보 기술의 영향력은 우리 삶의 모든 부분에서 점차 커지고 있어서,
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
음악이나 제품 생산에서,
22:40
to our biology to our energy to materials.
476
1336000
4000
생물학이나 에너지 혹은 재료에 영향을 줍니다.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
2020년대에는, 우리가 필요로 하는 거의 모든 것을 생산해낼 수 있게 될겁니다.
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
아주 저렴한 원재료에 있는 정보와
22:49
using nano-technology.
479
1345000
3000
나노 기술을 이용해서요.
22:52
These are very powerful technologies.
480
1348000
2000
이것들은 아주 강력한 기술입니다.
22:54
They both empower our promise and our peril.
481
1350000
4000
기회와 위기 모두에 힘을 실어줄 수 있죠.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
따라서 올바른 문제에 이들을 적용하고자 하는 의지가 있어야 합니다.
23:01
Thank you very much.
483
1357000
1000
감사합니다.
23:02
(Applause)
484
1358000
1000
(박수)
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