ABOUT THE SPEAKER
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.

Why you should listen

A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.

Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.

More profile about the speaker
Juan Enriquez | Speaker | TED.com
TED2003

Juan Enriquez: The life code that will reshape the future

Juan Enriquez o genomice i naszej przyszłości

Filmed:
831,634 views

Odkrycia naukowe, jak zauważa futurysta Juan Enriquez, wymagają zmiany w kodzie. Nasza zdolność do rozwijania się także zależy od tego, jak opanujemy ten kod. Tutaj pojęcie to zostało odniesione do sfery genomiki.
- Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio

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

00:25
I'm supposeddomniemany to scareprzestraszyć you, because it's about fearstrach, right?
0
1000
3000
Powinienem was przestraszyć, bo chodzi o strach, prawda?
00:29
And you should be really afraidprzestraszony,
1
5000
2000
A wy powinniście się bać,
00:31
but not for the reasonspowody why you think you should be.
2
7000
2000
ale z innych powodów, niż myślicie.
00:34
You should be really afraidprzestraszony that --
3
10000
2000
Naprawdę powinniście się bać...
00:36
if we stickkij up the first slideślizgać się on this thing -- there we go -- that you're missingbrakujący out.
4
12000
4000
Pierwszy slajd... że coś wam umyka.
00:42
Because if you spendwydać this weektydzień thinkingmyślący about IraqIrak and
5
18000
4000
Bo jeśli przez ten tydzień myśleliście o Iraku,
00:46
thinkingmyślący about BushBush and thinkingmyślący about the stockZbiory marketrynek,
6
22000
4000
o Bushu i o giełdzie,
00:50
you're going to misstęsknić one of the greatestnajwiększy adventuresprzygody that we'vemamy ever been on.
7
26000
2000
umknie wam jedna z największych przygód.
00:53
And this is what this adventure'sAdventure really about.
8
29000
2000
A przygoda ta dotyczy
00:55
This is crystallizedkrystalizuje się DNADNA.
9
31000
4000
skrystalizowanego DNA.
00:59
EveryKażdy life formformularz on this planetplaneta -- everykażdy insectowad, everykażdy bacteriabakteria, everykażdy plantroślina,
10
35000
3000
Każda forma życia na tej planecie - owad, bakteria,
01:02
everykażdy animalzwierzę, everykażdy humanczłowiek, everykażdy politicianpolityk -- (LaughterŚmiech)
11
38000
3000
roślina, zwierzę, człowiek, polityk... (Śmiech)
01:07
is codedkodowane in that stuffrzeczy.
12
43000
2000
jest tak zakodowany.
01:09
And if you want to take a singlepojedynczy crystalkryształ of DNADNA, it lookswygląda like that.
13
45000
4000
To pojedynczy kryształ DNA.
01:13
And we're just beginningpoczątek to understandzrozumieć this stuffrzeczy.
14
49000
2000
Dopiero zaczynamy je rozumieć.
01:16
And this is the singlepojedynczy mostwiększość excitingekscytujący adventureprzygoda that we have ever been on.
15
52000
3000
To nasza najbardziej ekscytująca przygoda.
01:20
It's the singlepojedynczy greatestnajwiększy mappingmapowanie projectprojekt we'vemamy ever been on.
16
56000
3000
Nasz największy projekt mapowania genów.
01:23
If you think that the mappingmapowanie of America'sAmerica's madezrobiony a differenceróżnica,
17
59000
2000
Jeżeli sądzicie, że stworzenie mapy Ameryki,
01:25
or landinglądowanie on the moonksiężyc, or this other stuffrzeczy,
18
61000
3000
albo lądowanie na księżycu, coś zmieniły...
01:28
it's the mapmapa of ourselvesmy sami and the mapmapa of everykażdy plantroślina
19
64000
3000
To mapa nas samych i każdej rośliny,
01:31
and everykażdy insectowad and everykażdy bacteriabakteria that really makesczyni a differenceróżnica.
20
67000
3000
owada i bakterii jest tym, co wszystko zmienia.
01:34
And it's beginningpoczątek to tell us a lot about evolutionewolucja.
21
70000
3000
Wiele dowiadujemy się o ewolucji.
01:39
(LaughterŚmiech)
22
75000
4000
(Śmiech)
01:43
It turnsskręca out that what this stuffrzeczy is --
23
79000
2000
Okazuje się, że jest to...
01:45
and RichardRichard DawkinsDawkins has writtenpisemny about this --
24
81000
2000
Pisał o tym Richard Dawkins...
01:47
is, this is really a riverrzeka out of EdenEden.
25
83000
2000
To rzeka wypływająca z Edenu.
01:49
So, the 3.2 billionmiliard basebaza pairspary insidewewnątrz eachkażdy of your cellskomórki
26
85000
4000
3,2 miliarda par zasad w każdej waszej komórce
01:53
is really a historyhistoria of where you've been for the pastprzeszłość billionmiliard yearslat.
27
89000
3000
przedstawia waszą historię sprzed miliarda lat.
01:56
And we could startpoczątek datingrandki things,
28
92000
1000
Moglibyśmy zacząć datować,
01:57
and we could startpoczątek changingwymiana pieniędzy medicinelekarstwo and archeologyArcheologia.
29
93000
3000
zmieniać medycynę i archeologię.
02:01
It turnsskręca out that if you take the humanczłowiek speciesgatunki about 700 yearslat agotemu,
30
97000
3000
Okazuje się, że 700 lat temu biali Europejczycy
02:04
whitebiały EuropeansEuropejczycy divergedodbiega from blackczarny AfricansAfrykanie in a very significantznaczący way.
31
100000
3000
odbiegli od czarnoskórych Afrykanów.
02:07
WhiteBiały EuropeansEuropejczycy were subjectPrzedmiot to the plagueplaga.
32
103000
5000
Biali Europejczycy padali ofiarą dżumy.
02:13
And when they were subjectPrzedmiot to the plagueplaga, mostwiększość people didn't surviveprzetrwać,
33
109000
3000
Większość z nich nie przeżyła,
02:16
but those who survivedprzeżył had a mutationMutacja on the CCRCCR5 receptorchwytnik.
34
112000
4000
ale u ocalonych występowała mutacja receptora CCR5,
02:20
And that mutationMutacja was passedminęło on to theirich kidsdzieciaki
35
116000
2000
którą przekazali swoim dzieciom,
02:22
because they're the oneste that survivedprzeżył,
36
118000
2000
ponieważ to oni przetrwali.
02:24
so there was a great dealsprawa of populationpopulacja pressurenacisk.
37
120000
2000
Presja demograficzna była kluczowa.
02:26
In AfricaAfryka, because you didn't have these citiesmiasta,
38
122000
2000
W Afryce nie było takich miast,
02:28
you didn't have that CCRCCR5 populationpopulacja pressurenacisk mutationMutacja.
39
124000
3000
więc nie było mutacji CCR5 związanej z tą presją.
02:31
We can datedata it to 700 yearslat agotemu.
40
127000
3000
Stało to się 700 lat temu.
02:34
That is one of the reasonspowody why AIDSAIDS is ragingwściekły acrossprzez AfricaAfryka as fastszybki as it is,
41
130000
4000
Między innymi z tego powodu AIDS
02:38
and not as fastszybki acrossprzez EuropeEuropy.
42
134000
4000
rozprzestrzenia się szybciej w Afryce niż w Europie.
02:42
And we're beginningpoczątek to find these little things for malariamalaria,
43
138000
3000
Zaczynamy odnajdywać takie zależności dla malarii,
02:45
for sicklesierp cellkomórka, for cancersnowotwory.
44
141000
3000
anemii sierpowatej, raka.
02:49
And in the measurezmierzyć that we mapmapa ourselvesmy sami,
45
145000
2000
A zakres, w jakim mapujemy samych siebie
02:51
this is the singlepojedynczy greatestnajwiększy adventureprzygoda that we'lldobrze ever be on.
46
147000
2000
to dla nas największa przygoda.
02:53
And this FridayPiątek, I want you to pullCiągnąć out a really good bottlebutelka of winewino,
47
149000
4000
W ten piątek wyciągnijcie butelkę dobrego wina
02:57
and I want you to toasttoast these two people.
48
153000
2000
i wznieście toast za tych dwóch panów.
03:00
Because this FridayPiątek, 50 yearslat agotemu, WatsonWatson and CrickCrick founduznany the structureStruktura of DNADNA,
49
156000
4000
50 lat temu Watson i Crick odkryli strukturę DNA.
03:04
and that is almostprawie as importantważny a datedata
50
160000
3000
Ta rocznica jest niemal tak ważna,
03:07
as the 12thth of FebruaryLutego when we first mappedmapowane ourselvesmy sami,
51
163000
3000
jak stworzenie pierwszej mapy naszego genomu,
03:10
but anywaytak czy inaczej, we'lldobrze get to that.
52
166000
2000
12 lutego, ale o tym później.
03:12
I thought we'dpoślubić talk about the newNowy zooogród zoologiczny.
53
168000
2000
Możemy pomówić o nowym Zoo.
03:14
So, all you guys have heardsłyszał about DNADNA, all the stuffrzeczy that DNADNA does,
54
170000
4000
Słyszeliście o DNA, o tym, co robi DNA,
03:18
but some of the stuffrzeczy we're discoveringodkrywanie is kinduprzejmy of niftyładne
55
174000
3000
ale niektóre z naszych odkryć są dość zmyślne,
03:21
because this turnsskręca out to be the singlepojedynczy mostwiększość abundantobfity speciesgatunki on the planetplaneta.
56
177000
5000
bo okazuje się, że jest to najliczniejszy gatunek na Ziemi.
03:26
If you think you're successfuludany or cockroacheskaraluchy are successfuludany,
57
182000
3000
Jeśli uważacie, że to nam albo karaluchom się poszczęściło...
03:29
it turnsskręca out that there's tendziesięć trillionkwintylion trillionkwintylion PleurococcusPleurococcus sittingposiedzenie out there.
58
185000
3000
Okazuje się, że jest dziesięć bilionów bilionów pierwotków.
03:32
And we didn't know that PleurococcusPleurococcus was out there,
59
188000
3000
A my nie wiedzieliśmy o istnieniu pierwotków,
03:35
whichktóry is partczęść of the reasonpowód
60
191000
1000
A my nie wiedzieliśmy o istnieniu pierwotków,
03:36
why this wholecały species-mappinggatunków mapowanie projectprojekt is so importantważny.
61
192000
5000
też dlatego projekt mapowania genomu jest tak ważny.
03:41
Because we're just beginningpoczątek to learnuczyć się
62
197000
2000
Bo dopiero zaczynamy uczyć się o tym,
03:43
where we cameoprawa ołowiana witrażu from and what we are.
63
199000
1000
skąd pochodzimy i czym jesteśmy.
03:45
And we're findingodkrycie amoebasAmeba like this. This is the amoebaAmeba dubiadubia.
64
201000
3000
Odkrywamy ameby, takie jak ta - amoeba dubia.
03:49
And the amoebaAmeba dubiadubia doesn't look like much,
65
205000
2000
Nie wygląda imponująco, ale...
03:51
exceptz wyjątkiem that eachkażdy of you has about 3.2 billionmiliard letterslisty,
66
207000
3000
Każdego z Was można opisać 3,2 miliardami "liter",
03:54
whichktóry is what makesczyni you you,
67
210000
2000
które determinują jacy jesteście,
03:56
as fardaleko as genegen codekod insidewewnątrz eachkażdy of your cellskomórki,
68
212000
3000
to kod genetyczny w każdej waszej komórce.
03:59
and this little amoebaAmeba whichktóry, you know,
69
215000
3000
Ta mała ameba,
04:02
sitssiedzi in waterwoda in hundredssetki and millionsmiliony and billionsmiliardy,
70
218000
2000
która siedzi w wodzie w miliardowych grupach,
04:05
turnsskręca out to have 620 billionmiliard basebaza pairspary of genegen codekod insidewewnątrz.
71
221000
6000
posiada 620 miliardów par zasad w DNA.
04:11
So, this little thingamajigThingamajig has a genomegenom
72
227000
3000
Więc takie małe ustrojstwo ma genom
04:14
that's 200 timesczasy the sizerozmiar of yoursTwój.
73
230000
2000
200 razy większy niż Wasz.
04:17
And if you're thinkingmyślący of efficientwydajny informationInformacja storageprzechowywanie mechanismsmechanizmy,
74
233000
3000
Jeśli myślimy o skutecznych mechanizmach przechowywania informacji,
04:21
it maymoże not turnskręcać out to be chipsfrytki.
75
237000
2000
nie muszą być to chipy.
04:24
It maymoże turnskręcać out to be something that lookswygląda a little like that amoebaAmeba.
76
240000
4000
Może być to coś, co przypomina taką amebę.
04:28
And, again, we're learninguczenie się from life and how life worksPrace.
77
244000
4000
Samo życie uczy nas tego jak funkcjonuje.
04:32
This funkyodjechany little thing: people didn't used to think
78
248000
4000
Zabawne, ale ludzie nie wierzyli,
04:36
that it was worthwartość takingnabierający samplespróbki out of nuclearjądrowy reactorsReaktory
79
252000
3000
że warto pobierać próbki z reaktorów atomowych
04:39
because it was dangerousniebezpieczny and, of coursekurs, nothing livedPerscyativestwo recyrodycyjcystwo recyrodycyjcystwo recyrodycyj there.
80
255000
3000
bo to niebezpieczne i nie ma tam życia.
04:42
And then finallywreszcie somebodyktoś pickeddoborowy up a microscopemikroskopu
81
258000
3000
Ale w końcu ktoś wziął mikroskop
04:45
and lookedspojrzał at the waterwoda that was sittingposiedzenie nextNastępny to the coresrdzenie.
82
261000
3000
i spojrzał na wodę znajdującą się w pobliżu rdzeni.
04:48
And sittingposiedzenie nextNastępny to that waterwoda in the coresrdzenie
83
264000
2000
A w wodzie obok rdzeni
04:50
was this little DeinococcusDeinococcus radioduransradiodurany, doing a backstrokestyl grzbietowy,
84
266000
3000
pływała bakteria Deinococcus radiodurans.
04:53
havingmający its chromosomeschromosomy blownnadęty apartniezależnie everykażdy day,
85
269000
2000
Jej chromosomy były rozrywane
04:55
sixsześć, sevensiedem timesczasy, restitchingrestitching them,
86
271000
3000
6-7 razy dziennie a ona je zszywała i żyła
04:58
livingżycie in about 200 timesczasy the radiationpromieniowanie that would killzabić you.
87
274000
2000
w promieniowaniu 200 silniejszym niż śmiertelne dla nas.
05:01
And by now you should be gettinguzyskiwanie a hintWskazówka as to how diverseróżnorodny
88
277000
3000
Teraz pomału zaczynacie rozumieć jak różnorodna,
05:04
and how importantważny and how interestingciekawy this journeypodróż into life is,
89
280000
2000
ważna i interesująca jest podróż wgłąb życia,
05:06
and how manywiele differentróżne life formsformularze there are,
90
282000
3000
jak wiele jest różnorodnych form życia
05:09
and how there can be differentróżne life formsformularze livingżycie in
91
285000
3000
i jak odmienne mogą one być
05:12
very differentróżne placesmiejsca, maybe even outsidena zewnątrz of this planetplaneta.
92
288000
3000
w różnych miejscach, może też poza naszą planetą.
05:16
Because if you can liverelacja na żywo in radiationpromieniowanie that lookswygląda like this,
93
292000
2000
Bo jeśli można żyć w takim promieniowaniu,
05:18
that bringsprzynosi up a wholecały seriesseria of interestingciekawy questionspytania.
94
294000
3000
nasuwa się szereg ciekawych pytań.
05:22
This little thingamajigThingamajig: we didn't know this thingamajigThingamajig existedistniały.
95
298000
3000
Takie małe coś: nie wiedzieliśmy, że istnieje.
05:26
We should have knownznany that this existedistniały
96
302000
2000
Powinniśmy byli to wiedzieć,
05:28
because this is the only bacteriabakteria that you can see to the nakednagi eyeoko.
97
304000
3000
bo to jedyna bakteria widoczna gołym okiem.
05:31
So, this thing is 0.75 millimetersmilimetry.
98
307000
3000
Ma średnicę 0.75 milimetra.
05:34
It liveszyje in a deepgłęboki trenchrów off the coastWybrzeże of NamibiaNamibia.
99
310000
2000
Żyje w głębokich rowach u wybrzeża Namibii.
05:37
And what you're looking at with this namibiensisnamibiensis
100
313000
2000
A ta namibiensis, którą widzicie,
05:39
is the biggestnajwiększy bacteriabakteria we'vemamy ever seenwidziany.
101
315000
2000
to największa bakteria, jaką widzieliśmy.
05:41
So, it's about the sizerozmiar of a little periodokres on a sentencezdanie.
102
317000
3000
Ma wielkość mniej więcej kropki w zdaniu.
05:45
Again, we didn't know this thing was there threetrzy yearslat agotemu.
103
321000
4000
3 lata temu nie wiedzieliśmy o jej istnieniu.
05:49
We're just beginningpoczątek this journeypodróż of life in the newNowy zooogród zoologiczny.
104
325000
3000
Dopiero zaczynamy podróż przez życie w nowym Zoo.
05:53
This is a really odddziwny one. This is FerroplasmaFerroplasma.
105
329000
3000
Ferroplasma też jest osobliwa.
05:57
The reasonpowód why FerroplasmaFerroplasma is interestingciekawy is because it eatszjada ironżelazo,
106
333000
3000
Żywi się żelazem,
06:01
liveszyje insidewewnątrz the equivalentrównowartość of batterybateria acidkwas,
107
337000
3000
żyje w środowisku podobnym do kwasu w bateriach
06:05
and excreteswydala sulfurickwas siarkowy acidkwas.
108
341000
2000
i wydala kwas siarkowy.
06:09
So, when you think of odddziwny life formsformularze,
109
345000
2000
Gdy więc myślicie o osobliwych formach życia,
06:11
when you think of what it takes to liverelacja na żywo,
110
347000
3000
i o tym, co jest potrzebne do życia,
06:15
it turnsskręca out this is a very efficientwydajny life formformularz,
111
351000
2000
okazuje się, że to jest bardzo wydajna forma życia,
06:17
and they call it an archaeaarchaea. ArchaeaArchaea meansznaczy "the ancientstarożytny oneste."
112
353000
4000
nazywa się arachea, co znaczy "prastare".
06:21
And the reasonpowód why they're ancientstarożytny is because this thing cameoprawa ołowiana witrażu up
113
357000
4000
Są prastare, bo pojawiły się,
06:25
when this planetplaneta was coveredpokryty
114
361000
2000
gdy Ziemia była pokryta substancjami jak kwas siarkowy
06:27
by things like sulfurickwas siarkowy acidkwas in batteriesbaterie,
115
363000
1000
gdy Ziemia była pokryta substancjami jak kwas siarkowy
06:28
and it was eatingjedzenie ironżelazo when the earthZiemia was partczęść of a meltedstopiony corerdzeń.
116
364000
4000
i żywiły się żelazem, gdy Ziemia była częścią stopionego rdzenia.
06:33
So, it's not just dogspsy and catskoty and whaleswieloryby and dolphinsDelfiny
117
369000
4000
Więc nie tylko psy, koty, wieloryby czy delfiny
06:37
that you should be awareświadomy of and interestedzainteresowany in on this little journeypodróż.
118
373000
4000
powinny przykuwać uwagę i zainteresowanie.
06:41
Your fearstrach should be that you are not,
119
377000
3000
Powinniście się bać tego,
06:44
that you're payingintratny attentionUwaga to stuffrzeczy whichktóry is temporalczasowy.
120
380000
3000
że zwracacie uwagę tylko na rzeczy przejściowe.
06:47
I mean, GeorgeGeorge BushBush -- he's going to be goneodszedł, alrightw porządku? Life isn't.
121
383000
5000
Taki George Bush - kiedyś odejdzie. A życie nie.
06:53
WhetherCzy the humansludzie surviveprzetrwać or don't surviveprzetrwać,
122
389000
3000
Bez względu na to, czy ludzie przetrwają,
06:56
these things are going to be livingżycie on this planetplaneta or other planetsplanety.
123
392000
3000
te istoty będą żyć na tej planecie lub na innych planetach.
06:59
And it's just beginningpoczątek to understandzrozumieć this codekod of DNADNA
124
395000
4000
A to dopiero pierwszy krok w zrozumieniu kodu DNA,
07:03
that's really the mostwiększość excitingekscytujący intellectualintelektualny adventureprzygoda
125
399000
3000
co jest najbardziej ekscytującą przygodą intelektualną
07:06
that we'vemamy ever been on.
126
402000
3000
jakiej jesteśmy częścią.
07:09
And you can do strangedziwne things with this stuffrzeczy. This is a babydziecko garGAR.
127
405000
4000
Możemy robić z tym dziwne rzeczy. To mały gaur.
07:13
ConservationOchrony groupGrupa getsdostaje togetherRazem,
128
409000
2000
Grupa ekologów zbiera się
07:15
triespróbuje to figurepostać out how to breedrasa an animalzwierzę that's almostprawie extinctwyginąć.
129
411000
4000
i próbuje umożliwić rozmnażanie niemal wymarłym zwierzętom.
07:20
They can't do it naturallynaturalnie, so what they do with this thing is
130
416000
3000
Nie można tego zrobić w sposób naturalny,
07:23
they take a spoonłyżka, take some cellskomórki out of an adultdorosły gar'sGAR mouthusta, codekod,
131
419000
5000
więc biorą łyżkę, pobierają kilka komórek z pyska dorosłego gaura
07:29
take the cellskomórki from that and insertwstawić it into a fertilizedzapłodnione cow'skrowie eggjajko,
132
425000
4000
i przenoszą te komórki do zapłodnionej komórki jajowej krowy,
07:34
reprogramprzeprogramować cow'skrowie eggjajko -- differentróżne genegen codekod.
133
430000
3000
przeprogramowują komórkę krowy - inny kod genetyczny.
07:38
When you do that, the cowkrowa givesdaje birthnarodziny to a garGAR.
134
434000
4000
Potem krowa rodzi gaura.
07:43
We are now experimentingeksperymentować with bongosbongosy, pandaspandy, elimselims, SumatranSumatrzański tigersTygrysy,
135
439000
6000
Teraz eksperymentujemy z bongo, pandami, antylopami oreas, tygrysami sumatrzańskimi,
07:49
and the AustraliansAustralijczycy -- blessbłogosławić theirich heartskiery --
136
445000
3000
a poczciwi Australijczycy bawią się tym.
07:52
are playinggra with these things.
137
448000
1000
a poczciwi Australijczycy bawią się tym.
07:53
Now, the last of these things diedzmarły in SeptemberWrześnia 1936.
138
449000
4000
Ostatni osobnik zdechł we wrześniu 1936 roku.
07:57
These are TasmanianTasmański tigersTygrysy. The last knownznany one diedzmarły at the HobartHobart ZooOgród zoologiczny.
139
453000
4000
To tygrysy tasmańskie. Ostatni zdechł w Hobart Zoo.
08:01
But it turnsskręca out that as we learnuczyć się more about genegen codekod
140
457000
3000
Okazuje się jednak, że poznając kod genetyczny
08:04
and how to reprogramprzeprogramować speciesgatunki,
141
460000
2000
i sposób przeprogramowywania gatunków
08:06
we maymoże be ablezdolny to closeblisko the genegen gapsluki in deterioratepogorszeniu DNADNA.
142
462000
5000
możemy wypełniać luki genów w zniszczonym DNA.
08:11
And when we learnuczyć się how to closeblisko the genegen gapsluki,
143
467000
3000
A kiedy dowiemy się, jak wypełniać luki genów,
08:14
then we can put a fullpełny stringstrunowy of DNADNA togetherRazem.
144
470000
2000
będziemy mogli złożyć całą nić DNA.
08:17
And if we do that, and insertwstawić this into a fertilizedzapłodnione wolf'swilka eggjajko,
145
473000
4000
Jeżeli to zrobimy i umieścimy ją w zapłodnionej komórce jajowej wilczycy,
08:22
we maymoże give birthnarodziny to an animalzwierzę
146
478000
2000
możemy doprowadzić do narodzin zwierzęcia,
08:24
that hasn'tnie ma walkedchodził the earthZiemia sinceod 1936.
147
480000
2000
które nie występuje na ziemi od 1936 roku.
08:27
And then you can startpoczątek going back furtherdalej,
148
483000
2000
Potem możemy pójść jeszcze dalej
08:29
and you can startpoczątek thinkingmyślący about dodosDodos,
149
485000
2000
i zacząć myśleć o ptakach dodo
08:32
and you can think about other speciesgatunki.
150
488000
1000
i o innych gatunkach.
08:34
And in other placesmiejsca, like MarylandMaryland, they're tryingpróbować to figurepostać out
151
490000
3000
Gdzie indziej, np. w Maryland, próbuje się ustalić,
08:37
what the primordialpierwotny ancestorprzodek is.
152
493000
2000
kto był naszym pierwotnym przodkiem.
08:39
Because eachkażdy of us containszawiera our entireCały genegen codekod
153
495000
3000
W każdym z nas jest cały kod genetyczny,
08:42
of where we'vemamy been for the pastprzeszłość billionmiliard yearslat,
154
498000
3000
który mówi, gdzie byliśmy przez miliard lat,
08:45
because we'vemamy evolvedewoluował from that stuffrzeczy,
155
501000
2000
bo z tego właśnie wyewoluowaliśmy,
08:47
you can take that treedrzewo of life and collapsezawalić się it back,
156
503000
2000
możemy przewrócić drzewo życia
08:49
and in the measurezmierzyć that you learnuczyć się to reprogramprzeprogramować,
157
505000
3000
i jeśli nauczymy się przeprogramowywać,
08:52
maybe we'lldobrze give birthnarodziny to something
158
508000
2000
możemy dać życie czemuś
08:54
that is very closeblisko to the first primordialpierwotny oozemuł.
159
510000
2000
bardzo podobnemu do pierwotnej zupy.
08:56
And it's all comingprzyjście out of things that look like this.
160
512000
2000
A to wszystko pochodzi z czegoś takiego.
08:58
These are companiesfirmy that didn't exististnieć fivepięć yearslat agotemu.
161
514000
2000
Jeszcze pięć lat temu te firmy nie istniały.
09:00
HugeOgromne genegen sequencingsekwencjonowanie facilitiesudogodnienia the sizerozmiar of footballpiłka nożna fieldspola.
162
516000
4000
Potężne zakłady sekwencjonowania genów wielkości boiska.
09:04
Some are publicpubliczny. Some are privateprywatny.
163
520000
2000
Niektóre są publiczne, inne prywatne.
09:06
It takes about 5 billionmiliard dollarsdolarów to sequencesekwencja a humanczłowiek beingistota the first time.
164
522000
3000
Pierwsze sekwencjonowanie człowieka kosztowało 5 miliardów dolarów.
09:10
Takes about 3 millionmilion dollarsdolarów the seconddruga time.
165
526000
2000
Drugie - 3 miliony dolarów.
09:12
We will have a 1,000-dollar-dolar genomegenom withinw ciągu the nextNastępny fivepięć to eightosiem yearslat.
166
528000
4000
W ciągu następnych 5-8 lat będzie kosztować 1000 $.
09:16
That meansznaczy eachkażdy of you will containzawierać on a CDCD your entireCały genegen codekod.
167
532000
4000
Będziecie mogli zapisać na płycie CD swój kod genetyczny.
09:21
And it will be really boringnudny. It will readczytać like this.
168
537000
2000
Straszna nuda. Tak będzie wyglądać.
09:24
(LaughterŚmiech)
169
540000
2000
(Śmiech)
09:26
The really neatschludny thing about this stuffrzeczy is that's life.
170
542000
2000
Tak właśnie wygląda życie.
09:28
And Laurie'sLaurie's going to talk about this one a little bitkawałek.
171
544000
3000
Laurie trochę o tym opowie.
09:31
Because if you happenzdarzyć to find this one insidewewnątrz your bodyciało,
172
547000
2000
Bo jeśli znajdziecie to w swoim ciele,
09:33
you're in bigduży troublekłopot, because that's the sourceźródło codekod for EbolaEbola.
173
549000
2000
macie pecha, ponieważ to kod źródłowy Eboli.
09:37
That's one of the deadliestDeadliest diseaseschoroby knownznany to humansludzie.
174
553000
2000
Jednej z najbardziej zabójczych chorób nam znanych.
09:39
But plantsrośliny work the samepodobnie way and insectsowady work the samepodobnie way,
175
555000
2000
Ale tak samo funkcjonują rośliny i owady,
09:41
and this applejabłko worksPrace the samepodobnie way.
176
557000
2000
albo to jabłko.
09:43
This applejabłko is the samepodobnie thing as this floppydyskietki diskdysk.
177
559000
2000
To jabłko jest tym samym co ta dyskietka.
09:45
Because this thing codesKody oneste and zeroszer,
178
561000
2000
Bo tutaj koduje się zerami i jedynkami,
09:47
and this thing codesKody A, T, C, GsGS, and it sitssiedzi up there,
179
563000
2000
a to koduje A, T, C, G.
09:49
absorbingabsorbujących energyenergia on a treedrzewo, and one fine day
180
565000
3000
Wchłania energię na drzewie,
09:52
it has enoughdość energyenergia to say, executewykonać, and it goesidzie [thumpuderzenie]. Right?
181
568000
4000
aż ma jej tyle, żeby zacząć działać i... [bum].
09:56
(LaughterŚmiech)
182
572000
3000
(Śmiech)
09:59
And when it does that, pushespopycha a .EXEEXE, what it does is,
183
575000
4000
Kiedy uruchomi .EXE,
10:03
it executeswykonuje the first linelinia of codekod, whichktóry readsczyta just like that,
184
579000
3000
wykonuje pierwszą linię kodu, która wygląda tak:
10:06
AATCAGGGACCCAATCAGGGACCC, and that meansznaczy: make a rootkorzeń.
185
582000
3000
AATCAGGGACCC i oznacza: wytwórz korzeń.
10:09
NextNastępny linelinia of codekod: make a stemtrzon.
186
585000
2000
Następna linia kodu: wytwórz łodygę.
10:11
NextNastępny linelinia of codekod, TACGGGGTACGGGG: make a flowerkwiat that's whitebiały,
187
587000
3000
Następna linia, TACGGGG: wytwórz biały kwiat,
10:14
that bloomskwiaty in the springwiosna, that smellspachnie like this.
188
590000
3000
który kwitnie na wiosnę i pachnie właśnie tak.
10:17
In the measurezmierzyć that you have the codekod
189
593000
2000
Jeśli mamy już kod
10:19
and the measurezmierzyć that you readczytać it --
190
595000
3000
i umiemy go odczytać...
10:22
and, by the way, the first plantroślina was readczytać two yearslat agotemu;
191
598000
2000
Pierwsza roślina została odczytana dwa lata temu;
10:24
the first humanczłowiek was readczytać two yearslat agotemu;
192
600000
2000
pierwszy człowiek i owad,
10:26
the first insectowad was readczytać two yearslat agotemu.
193
602000
2000
też dwa lata temu.
10:28
The first thing that we ever readczytać was in 1995:
194
604000
3000
Pierwszego odczytu dokonaliśmy w 1995;
10:31
a little bacteriabakteria callednazywa HaemophilusPałeczka influenzaeinfluenzae.
195
607000
2000
u małej bakterii o nazwie Haemophilus influenzae.
10:34
In the measurezmierzyć that you have the sourceźródło codekod, as all of you know,
196
610000
3000
Jeżeli mamy kod źródłowy
10:37
you can changezmiana the sourceźródło codekod, and you can reprogramprzeprogramować life formsformularze
197
613000
2000
możemy go zmieniać i przeprogramowywać życie,
10:39
so that this little thingycienias becomesstaje się a vaccineszczepionka,
198
615000
2000
by takie małe coś stało się szczepionką,
10:41
or this little thingycienias startszaczyna się producingprodukujący biomaterialsbiomateriałów,
199
617000
3000
albo zaczęło wytwarzać biomateriały.
10:44
whichktóry is why DuPontDuPont is now growingrozwój a formformularz of polyesterpoliester
200
620000
3000
Firma DuPont hoduje w kukurydzy rodzaj poliestru,
10:47
that feelsczuje like silkjedwab in cornkukurydza.
201
623000
2000
który w dotyku jest podobny do jedwabiu.
10:50
This changeszmiany all ruleszasady. This is life, but we're reprogrammingprzeprogramowanie it.
202
626000
5000
To zmienia wszystkie zasady. Programujemy życie.
10:57
This is what you look like. This is one of your chromosomeschromosomy.
203
633000
4000
Tak wyglądacie. To jeden z waszych chromosomów.
11:01
And what you can do now is,
204
637000
2000
Możecie dokładnie opisać,
11:03
you can outlaynakładów exactlydokładnie what your chromosomechromosom is,
205
639000
3000
czym jest wasz chromosom
11:06
and what the genegen codekod on that chromosomechromosom is right here,
206
642000
3000
i jaki kod genetyczny się w nim znajduje
11:09
and what those genesgeny codekod for, and what animalszwierzęta they codekod againstprzeciwko,
207
645000
3000
i do czego służy i dla jakich zwierząt są kodowane,
11:12
and then you can tiewiązanie it to the literatureliteratura.
208
648000
2000
a potem można go powiązać z literaturą.
11:14
And in the measurezmierzyć that you can do that, you can go home todaydzisiaj,
209
650000
3000
Możecie dziś pójść do domu
11:17
and get on the InternetInternet, and accessdostęp
210
653000
2000
i wejść przez Internet do biblioteki życia,
11:19
the world'srecyrodycyjstwo diecystwo recyrodycyjstwo diecystwo recy sektorcy biggestnajwiększy publicpubliczny librarybiblioteka, whichktóry is a librarybiblioteka of life.
211
655000
3000
największej na świecie biblioteki publicznej,
11:23
And you can do some prettyładny strangedziwne things
212
659000
2000
Możecie zrobić parę dość dziwnych rzeczy,
11:25
because in the samepodobnie way as you can reprogramprzeprogramować this applejabłko,
213
661000
2000
ponieważ tak samo, jak z jabłkiem Cliff Tabin,
11:28
if you go to CliffUrwisko Tabin'sTabin's lablaboratorium at the HarvardHarvard MedicalMedyczne SchoolSzkoła,
214
664000
2000
w laboratorium Harvard Medical School,
11:31
he's reprogrammingprzeprogramowanie chickenkurczak embryoszarodków to growrosnąć more wingsskrzydełka.
215
667000
4000
przeprogramowuje embriony kurcząt by miały więcej skrzydeł.
11:37
Why would CliffUrwisko be doing that? He doesn't have a restaurantrestauracja.
216
673000
3000
Dlaczego Cliff miałby to robić? Nie prowadzi restauracji.
11:40
(LaughterŚmiech)
217
676000
1000
(Śmiech)
11:42
The reasonpowód why he's reprogrammingprzeprogramowanie that animalzwierzę to have more wingsskrzydełka
218
678000
3000
Przeprogramowuje je, by miały więcej skrzydeł
11:45
is because when you used to playgrać with lizardsjaszczurki as a little childdziecko,
219
681000
3000
ponieważ, jeśli bawiliście się jaszczurkami w dzieciństwie,
11:48
and you pickeddoborowy up the lizardJaszczurka, sometimesczasami the tailogon fellspadł off, but it regrewodrosły.
220
684000
4000
i braliście ją do ręki odpadał jej ogon, ale potem odrastał.
11:52
Not so in humanczłowiek beingsIstoty:
221
688000
3000
U ludzi tak się nie dzieje:
11:55
you cutciąć off an armramię, you cutciąć off a legnogi -- it doesn't regrowodrastać.
222
691000
3000
odetniesz rękę, odetniesz nogę - ale ona nie odrośnie.
11:58
But because eachkażdy of your cellskomórki containszawiera your entireCały genegen codekod,
223
694000
4000
Ale ponieważ każda wasza komórka zawiera całe DNA,
12:03
eachkażdy cellkomórka can be reprogrammedprzeprogramować, if we don't stop stemtrzon cellkomórka researchBadania
224
699000
4000
każda może zostać przeprogramowana, o ile nie zaprzestaniemy
12:07
and if we don't stop genomicgenomowego researchBadania,
225
703000
2000
badań nad komórkami macierzystymi i genomiką
12:09
to expresswyrazić differentróżne bodyciało functionsFunkcje.
226
705000
3000
w celu wyrażenia różnych funkcji organizmu.
12:13
And in the measurezmierzyć that we learnuczyć się how chickenskurczaki growrosnąć wingsskrzydełka,
227
709000
3000
Jeżeli dowiemy się jak kurczętom wyrastają skrzydła
12:16
and what the programprogram is for those cellskomórki to differentiaterozróżniać,
228
712000
2000
i jaki program w tych komórkach dokonuje rozróznienia
12:18
one of the things we're going to be ablezdolny to do
229
714000
3000
będziemy w stanie, między innymi,
12:21
is to stop undifferentiatedniezróżnicowane cellskomórki, whichktóry you know as cancernowotwór,
230
717000
3000
zatrzymać komórki niezróżnicowane, czyli raka.
12:25
and one of the things we're going to learnuczyć się how to do
231
721000
2000
Jedną z rzeczy, której zamierzamy się nauczyć
12:27
is how to reprogramprzeprogramować cellskomórki like stemtrzon cellskomórki
232
723000
3000
jest programowanie komórek, np. macierzystych
12:30
in suchtaki a way that they expresswyrazić bonekość, stomachżołądek, skinskóra, pancreastrzustki.
233
726000
6000
aby mogły wytwarzać kości, żołądek, skórę, trzustkę.
12:37
And you are likelyprawdopodobne to be wanderingwędrówki around -- and your childrendzieci --
234
733000
3000
Już niedługo razem z dziećmi będziecie mogli sobie chodzić
12:40
on regrownregenerować bodyciało partsCzęści in a reasonablerozsądny periodokres of time,
235
736000
3000
na odrośniętych kończynach
12:44
in some placesmiejsca in the worldświat where they don't stop the researchBadania.
236
740000
3000
tam, gdzie badania nie zostaną zatrzymane.
12:49
How'sJak w this stuffrzeczy work? If eachkażdy of you differsróżni się
237
745000
5000
Jak to działa? Każdy z was różni się
12:54
from the personosoba nextNastępny to you by one in a thousandtysiąc, but only threetrzy percentprocent codesKody,
238
750000
3000
od osoby obok o jedną tysięczną ale tylko w 3% kodu,
12:57
whichktóry meansznaczy it's only one in a thousandtysiąc timesczasy threetrzy percentprocent,
239
753000
2000
to oznacza jedną tysięczną razy 3%
12:59
very smallmały differencesróżnice in expressionwyrażenie and punctuationznaki interpunkcyjne
240
755000
3000
bardzo niewielkie różnice w wyrażeniach i interpunkcji
13:02
can make a significantznaczący differenceróżnica. Take a simpleprosty declarativedeklaracyjne sentencezdanie.
241
758000
3000
mogą robić znaczącą różnicę. Zdanie orzekające.
13:07
(LaughterŚmiech)
242
763000
2000
(Śmiech)
13:09
Right?
243
765000
1000
No nie?
13:10
That's perfectlydoskonale clearjasny. So, menmężczyźni readczytać that sentencezdanie,
244
766000
4000
To oczywiste. Mężczyźni czytając to zdanie
13:14
and they look at that sentencezdanie, and they readczytać this.
245
770000
2000
widzą to.
13:22
Okay?
246
778000
1000
OK?
13:23
Now, womenkobiety look at that sentencezdanie and they say, uh-uhuh-uh, wrongźle.
247
779000
4000
A kobiety patrzą na to zdanie i mówią "nie, nie, błąd".
13:27
This is the way it should be seenwidziany.
248
783000
2000
Tak należy na to patrzeć.
13:31
(LaughterŚmiech)
249
787000
8000
(Śmiech)
13:39
That's what your genesgeny are doing.
250
795000
1000
Tak właśnie działają wasze geny.
13:40
That's why you differróżnić się from this personosoba over here by one in a thousandtysiąc.
251
796000
5000
Różnicie się od tego mężczyzny o jedną tysięczną.
13:45
Right? But, you know, he's reasonablyracjonalnie good looking, but...
252
801000
3000
Jest całkiem przystojny, ale...
13:48
I won'tprzyzwyczajenie go there.
253
804000
2000
Tu się zatrzymam.
13:51
You can do this stuffrzeczy even withoutbez changingwymiana pieniędzy the punctuationznaki interpunkcyjne.
254
807000
3000
Można tak robić nawet bez zmiany interpunkcji.
13:55
You can look at this, right?
255
811000
4000
Można spojrzeć na to, prawda?
13:59
And they look at the worldświat a little differentlyróżnie.
256
815000
2000
Oni patrzą na świat trochę inaczej.
14:01
They look at the samepodobnie worldświat and they say...
257
817000
2000
Patrzą na ten sam świat i mówią...
14:03
(LaughterŚmiech)
258
819000
6000
(Śmiech)
14:09
That's how the samepodobnie genegen codekod -- that's why you have 30,000 genesgeny,
259
825000
4000
Tak samo jest z DNA - dlatego macie 30 tys. genów,
14:13
micemyszy have 30,000 genesgeny, husbandsmężów have 30,000 genesgeny.
260
829000
3000
myszy mają 30 tys. genów, mężowie mają 30 tys. genów.
14:16
MiceMyszy and menmężczyźni are the samepodobnie. WivesŻony know that, but anywaytak czy inaczej.
261
832000
3000
Myszy i mężczyźni są tacy sami. Żony to wiedzą.
14:20
You can make very smallmały changeszmiany in genegen codekod
262
836000
2000
Można wprowadzać małe zmiany w kodzie genetycznym
14:22
and get really differentróżne outcomeswyniki,
263
838000
2000
i uzyskać bardzo różne wyniki,
14:26
even with the samepodobnie stringstrunowy of letterslisty.
264
842000
2000
nawet z tym samym ciągiem liter.
14:30
That's what your genesgeny are doing everykażdy day.
265
846000
2000
To właśnie robią codziennie wasze geny.
14:33
That's why sometimesczasami a person'sosoby genesgeny
266
849000
2000
Dlatego czasami geny człowieka
14:35
don't have to changezmiana a lot to get cancernowotwór.
267
851000
2000
nie muszą się zbytnio zmieniać, by wywołać raka.
14:41
These little chippieschippies, these things are the sizerozmiar of a creditkredyt cardkarta.
268
857000
4000
Te małe chipy są wielkości karty kredytowej.
14:46
They will testtest any one of you for 60,000 geneticgenetyczny conditionswarunki.
269
862000
2000
Sprawdzą każdą z możliwych chorób genetycznych.
14:49
That bringsprzynosi up questionspytania of privacyPrywatność and insurabilitypodlegalności
270
865000
3000
Nasuwa się więc pytanie o prywatność i ubezpieczenie etc.,
14:52
and all kindsrodzaje of stuffrzeczy, but it alsorównież allowspozwala us to startpoczątek going after diseaseschoroby,
271
868000
2000
ale pozwala to także prześledzić choroby,
14:55
because if you runbiegać a personosoba who has leukemiabiałaczka throughprzez something like this,
272
871000
3000
ponieważ osoba, która ma białaczkę
14:59
it turnsskręca out that threetrzy diseaseschoroby with
273
875000
2000
może mieć jedną z trzech chorób
15:01
completelycałkowicie similarpodobny clinicalkliniczny syndromeszespoły
274
877000
4000
z identycznymi syndromami klinicznymi.
15:05
are completelycałkowicie differentróżne diseaseschoroby.
275
881000
2000
To całkowicie różne choroby.
15:07
Because in ALL leukemiabiałaczka, that setzestaw of genesgeny over there over-expressesnadmierne wyraża.
276
883000
3000
We WSZYSTKICH odmianach białaczki ten zestaw genów powoduje nadekspresję.
15:10
In MLLMLL, it's the middleśrodkowy setzestaw of genesgeny,
277
886000
2000
W MLL jest to środkowy zestaw genów,
15:12
and in AMLAML, it's the bottomDolny setzestaw of genesgeny.
278
888000
2000
w AML - dolny zestaw genów.
15:14
And if one of those particularszczególny things is expressingwyrażający in your bodyciało,
279
890000
5000
A jeśli jedna z tych rzeczy wytwarza się w waszym organizmie,
15:19
then you take GleevecGleevec and you're curedwyleczyć.
280
895000
2000
bierzecie Gleevec i jesteście zdrowi.
15:22
If it is not expressingwyrażający in your bodyciało,
281
898000
2000
Jeśli nie wytwarza się w waszym organizmie,
15:24
if you don't have one of those typestypy --
282
900000
2000
jeśli nie cierpicie na któryś z tych typów...
15:26
a particularszczególny one of those typestypy -- don't take GleevecGleevec.
283
902000
3000
Na jeden konkretny... nie bierzcie Gleevec.
15:29
It won'tprzyzwyczajenie do anything for you.
284
905000
1000
Nie pomoże wam.
15:31
SameTym samym thing with ReceptinReceptin if you've got breastpierś cancernowotwór.
285
907000
2000
Tak samo z Receptinem, jeśli macie raka piersi.
15:34
Don't have an HER-JEJ-2 receptorchwytnik? Don't take ReceptinReceptin.
286
910000
3000
Nie macie receptora HER-2? Nie bierzcie Receptinu.
15:37
ChangesZmiany the natureNatura of medicinelekarstwo. ChangesZmiany the predictionsprognozy of medicinelekarstwo.
287
913000
4000
To zmienia charakter i prognozy medycyny.
15:41
ChangesZmiany the way medicinelekarstwo worksPrace.
288
917000
2000
To zmienia sposób, w jaki działa medycyna.
15:43
The greatestnajwiększy repositorymagazyn of knowledgewiedza, umiejętności when mostwiększość of us wentposzedł to collegeSzkoła Wyższa
289
919000
3000
Kiedyś największą skarbnicą wiedzy
15:46
was this thing, and it turnsskręca out that
290
922000
2000
był ten budynek.
15:48
this is not so importantważny any more.
291
924000
2000
To się zmieniło.
15:50
The U.S. LibraryBiblioteka of CongressKongres, in termswarunki of its printedwydrukowane volumeTom of datadane,
292
926000
4000
Amerykańska Biblioteka Kongresu, posiada mniej
15:54
containszawiera lessmniej datadane than is comingprzyjście out of a good genomicsgenomika companyfirma
293
930000
4000
danych na papierze niż dobra firma zajmująca się genomiką
15:58
everykażdy monthmiesiąc on a compoundzłożony basispodstawa.
294
934000
3000
wytwarza łącznie w miesiącu.
16:01
Let me say that again: A singlepojedynczy genomicsgenomika companyfirma
295
937000
3000
Powtórzę jeszcze raz. Pojedyncza firma genomiczna
16:04
generatesgeneruje more datadane in a monthmiesiąc, on a compoundzłożony basispodstawa,
296
940000
3000
generuje łącznie większą ilość danych w miesiącu
16:07
than is in the printedwydrukowane collectionskolekcje of the LibraryBiblioteka of CongressKongres.
297
943000
3000
niż ilość wydrukowanych danych w zbiorach Biblioteki Kongresu.
16:11
This is what's been poweringZasilanie the U.S. economygospodarka. It's Moore'sMoore'a LawPrawa.
298
947000
4000
Prawo Moore'a napędzało gospodarkę USA.
16:15
So, all of you know that the pricecena of computerskomputery halvespołówki everykażdy 18 monthsmiesiące
299
951000
5000
Cena komputerów spada o połowę co 18 miesięcy,
16:20
and the powermoc doublesdebel, right?
300
956000
2000
a moc się podwaja, prawda?
16:22
ExceptZ wyjątkiem that when you laykłaść that sidebok by sidebok with the speedprędkość
301
958000
4000
Tyle tylko, że gdy zestawicie to z prędkością,
16:26
with whichktóry genegen data'sdane firmy beingistota depositedzłożone in GenBankGenBank,
302
962000
3000
z jaką dane o genach są składowane w GenBank...
16:29
Moore'sMoore'a LawPrawa is right here: it's the blueniebieski linelinia.
303
965000
4000
Prawo Moore'a jest tutaj: to ta niebieska linia.
16:34
This is on a loglog scaleskala, and that's what superexponentialsuperexponential growthwzrost meansznaczy.
304
970000
4000
Na skali logarytmicznej to wzrost superwykładniczy.
16:38
This is going to pushPchać computerskomputery to have to growrosnąć fasterszybciej
305
974000
4000
To zmusi komputery do rozwoju w szybszym tempie
16:42
than they'veoni been growingrozwój, because so fardaleko,
306
978000
2000
niż obecnie, ponieważ dotychczas
16:44
there haven'tnie mam been applicationsAplikacje that have been requiredwymagany
307
980000
3000
nie pojawiały się zastosowania wymagające
16:47
that need to go fasterszybciej than Moore'sMoore'a LawPrawa. This stuffrzeczy does.
308
983000
3000
prędkości powyżej Prawa Moore'a. A to tego wymaga.
16:50
And here'soto jest an interestingciekawy mapmapa.
309
986000
2000
Oto ciekawa mapa.
16:52
This is a mapmapa whichktóry was finishedskończone at the HarvardHarvard BusinessBiznes SchoolSzkoła.
310
988000
4000
Mapa wykonana w Harvard Businees School.
16:56
One of the really interestingciekawy questionspytania is, if all this data'sdane firmy freewolny,
311
992000
3000
Nasuwa się ciekawe pytanie: jeśli te dane są darmowe,
16:59
who'skto jest usingza pomocą it? This is the greatestnajwiększy publicpubliczny librarybiblioteka in the worldświat.
312
995000
4000
kto ich używa? To największa biblioteka publiczna na świecie.
17:03
Well, it turnsskręca out that there's about 27 trillionkwintylion bitsbity
313
999000
3000
Okazuje się, że około 27 miliardów bitów
17:06
movingw ruchu insidewewnątrz from the UnitedStany Zjednoczone StatesPaństwa to the UnitedStany Zjednoczone StatesPaństwa;
314
1002000
3000
podróżuje po całych Stanach Zjednoczonych,
17:09
about 4.6 trillionkwintylion is going over to those EuropeanEuropejski countrieskraje;
315
1005000
4000
ok. 4,6 miliarda przechodzi do krajów Europy,
17:13
about 5.5's„s going to JapanJaponia; there's almostprawie no communicationkomunikacja
316
1009000
3000
ok. 5,5 do Japonii; nie ma prawie żadnej komunikacji
17:16
betweenpomiędzy JapanJaponia, and nobodynikt elsejeszcze is literateliterat in this stuffrzeczy.
317
1012000
4000
między Japonią i nikt nie jest kompetentny w tych sprawach.
17:20
It's freewolny. No one'sswoje readingczytanie it. They're focusingskupienie on the warwojna;
318
1016000
5000
To jest darmowe. Nikt tego nie czyta. Wszyscy skupiają się na wojnie,
17:25
they're focusingskupienie on BushBush; they're not interestedzainteresowany in life.
319
1021000
2000
na Bushu, nie interesuje ich życie.
17:28
So, this is what a newNowy mapmapa of the worldświat lookswygląda like.
320
1024000
2000
Więc nowa mapa świata wygląda tak.
17:31
That is the genomicallygenomically literateliterat worldświat. And that is a problemproblem.
321
1027000
6000
Oto genomicznie wykształcony świat. I w tym cały problem.
17:37
In factfakt, it's not a genomicallygenomically literateliterat worldświat.
322
1033000
2000
Właściwie to nie jest genomicznie wykształcony świat.
17:39
You can breakprzerwa this out by statesstany.
323
1035000
2000
Można to rozdzielić na stany.
17:41
And you can watch statesstany risewzrost and fallspadek dependingw zależności on
324
1037000
2000
Można obejrzeć jak ich pozycja się zmienia
17:43
theirich abilityzdolność to speakmówić a languagejęzyk of life,
325
1039000
2000
w zależności od ich opanowania języka życia.
17:45
and you can watch NewNowy YorkYork fallspadek off a cliffUrwisko,
326
1041000
2000
Widzicie jak Nowy Jork upada z hukiem
17:47
and you can watch NewNowy JerseyJersey fallspadek off a cliffUrwisko,
327
1043000
2000
i tak samo z New Jersey.
17:49
and you can watch the risewzrost of the newNowy empiresimperia of intelligenceinteligencja.
328
1045000
3000
Widzimy powstanie nowych imperiów inteligencji.
17:53
And you can breakprzerwa it out by countiespowiaty, because it's specifickonkretny countiespowiaty.
329
1049000
3000
Podzielmy to według konkretnych okręgów...
17:56
And if you want to get more specifickonkretny,
330
1052000
2000
A jeśli chcemy więcej konkretów,
17:58
it's actuallytak właściwie specifickonkretny zipzamek błyskawiczny codesKody.
331
1054000
2000
mamy konkretne kody pocztowe.
18:00
(LaughterŚmiech)
332
1056000
2000
(Śmiech)
18:02
So, you want to know where life is happeningwydarzenie?
333
1058000
3000
Więc chcecie wiedzieć gdzie toczy się życie?
18:05
Well, in SouthernPołudniowej CaliforniaCalifornia it's happeningwydarzenie in 92121. And that's it.
334
1061000
5000
W Południowej Kalifornii toczy się ono w 92121. To tyle.
18:11
And that's the triangletrójkąt betweenpomiędzy SalkSalka, ScrippsScripps, UCSDUCSD,
335
1067000
5000
A to jest trójkąt łączący Salk, Scripps i UCSD.
18:16
and it's callednazywa TorreyTorrey PinesSosny RoadDrogi.
336
1072000
2000
Nazywa się Torrey Pines Road.
18:18
That meansznaczy you don't need to be a bigduży nationnaród to be successfuludany;
337
1074000
3000
Nie trzeba być wielkim narodem, by odnieść sukces;
18:21
it meansznaczy you don't need a lot of people to be successfuludany;
338
1077000
2000
nie trzeba też do tego wielu ludzi;
18:23
and it meansznaczy you can moveruszaj się mostwiększość of the wealthbogactwo of a countrykraj
339
1079000
3000
można przemieścić większość bogactw kraju
18:26
in about threetrzy or fourcztery carefullyostrożnie pickeddoborowy 747s.
340
1082000
3000
w trzech-czterech starannie dobranych samolotach 747.
18:30
SameTym samym thing in MassachusettsMassachusetts. LooksWygląda more spreadrozpiętość out but --
341
1086000
4000
Tak samo jest w Massachusetts. Wygląda to na większe, ale...
18:34
oh, by the way, the oneste that are the samepodobnie colorkolor are contiguousciągłe.
342
1090000
3000
przy okazji, tereny sąsiednie oznaczono tym samym kolorem.
18:38
What's the netnetto effectefekt of this?
343
1094000
2000
Jaki jest tego wynik netto?
18:40
In an agriculturalrolniczy societyspołeczeństwo, the differenceróżnica betweenpomiędzy
344
1096000
2000
W społeczeństwie rolniczym różnica między
18:42
the richestnajbogatszy and the poorestnajbiedniejszy,
345
1098000
1000
najbogatszymi a najbiedniejszymi
18:44
the mostwiększość productiveproduktywny and the leastnajmniej productiveproduktywny, was fivepięć to one. Why?
346
1100000
4000
najbardziej i najmniej produktywnymi wynosi pięć do jednego
18:48
Because in agriculturerolnictwo, if you had 10 kidsdzieciaki
347
1104000
2000
Ponieważ w rolnictwie, jeśli miało się dziesięcioro dzieci
18:50
and you growrosnąć up a little bitkawałek earlierwcześniej and you work a little bitkawałek hardertrudniejsze,
348
1106000
3000
i dorastało się wcześniej i pracowało się ciężej,
18:53
you could produceprodukować about fivepięć timesczasy more wealthbogactwo, on averageśredni,
349
1109000
2000
można było wyprodukować 5 razy więcej zasobów niż sąsiad.
18:55
than your neighborsąsiad.
350
1111000
1000
można było wyprodukować 5 razy więcej zasobów niż sąsiad.
18:57
In a knowledgewiedza, umiejętności societyspołeczeństwo, that numbernumer is now 427 to 1.
351
1113000
3000
W społeczeństwie wiedzy ta liczba wynosi 427 do 1.
19:01
It really matterssprawy if you're literateliterat, not just in readingczytanie and writingpisanie
352
1117000
4000
Ważne jest, czy jest się wykształconym nie tylko
19:05
in EnglishAngielski and FrenchFrancuski and GermanNiemiecki,
353
1121000
2000
w języku angielskim, francuskim czy niemieckim,
19:07
but in MicrosoftMicrosoft and LinuxLinux and AppleApple.
354
1123000
2000
ale też w Microsofcie, Linuksie i Apple.
19:10
And very soonwkrótce it's going to mattermateria if you're literateliterat in life codekod.
355
1126000
4000
Wkrótce trzeba będzie się znać na kodzie życia.
19:14
So, if there is something you should fearstrach,
356
1130000
2000
Jeśli więc czegoś powinniście się obawiać,
19:16
it's that you're not keepingkonserwacja your eyeoko on the ballpiłka.
357
1132000
3000
to jest to fakt, że nie skupiacie się na celu.
19:19
Because it really matterssprawy who speaksmówi life.
358
1135000
2000
Ważne jest, kto mówi językiem życia.
19:22
That's why nationsnarody risewzrost and fallspadek.
359
1138000
2000
Dlatego narody wznoszą się i upadają.
19:25
And it turnsskręca out that if you wentposzedł back to the 1870s,
360
1141000
3000
Okazuje się, że w latach 70-tych XIX wieku
19:28
the mostwiększość productiveproduktywny nationnaród on earthZiemia was AustraliaAustralia, perza personosoba.
361
1144000
3000
najbardziej produktywnym krajem świata na osobę była Australia.
19:31
And NewNowy ZealandZelandia was way up there. And then the U.S. cameoprawa ołowiana witrażu in about 1950,
362
1147000
3000
Nowa Zelandia była tutaj. A potem USA trafiły tu ok. 1950 r.,
19:34
and then SwitzerlandSzwajcaria about 1973, and then the U.S. got back on topTop --
363
1150000
3000
potem, ok. 1973 r. Szwajcaria, aż USA wróciły na szczyt...
19:38
beatbić up theirich chocolatesczekoladki and cuckooKukułka clocksZegary.
364
1154000
2000
Pokonały ich czekoladę i zegary z kukułką.
19:42
And todaydzisiaj, of coursekurs, you all know that the mostwiększość productiveproduktywny nationnaród
365
1158000
3000
Dziś wiemy, że najbardziej produktywnym krajem świata
19:45
on earthZiemia is LuxembourgLuksemburg, producingprodukujący about one thirdtrzeci more wealthbogactwo
366
1161000
3000
jest Luksemburg, produkujący o ok. jedną trzecią więcej zasobów
19:48
perza personosoba perza yearrok than AmericaAmeryka.
367
1164000
2000
na osobę rocznie niż Ameryka.
19:51
TinyMałe landlockedśródlądowych statestan. No oilolej. No diamondsdiamenty. No naturalnaturalny resourceszasoby.
368
1167000
4000
Mały kraj bez dostępu do morza, bez ropy, diamentów, zasobów naturalnych.
19:55
Just smartmądry people movingw ruchu bitsbity. DifferentRóżne ruleszasady.
369
1171000
5000
Tylko inteligentni i zaangażowani ludzie. Inne zasady.
20:01
Here'sTutaj jest differentialmechanizm różnicowy productivitywydajność ratesstawki.
370
1177000
3000
To różnice we wskaźnikach produktywności.
20:05
Here'sTutaj jest how manywiele people it takes to produceprodukować a singlepojedynczy U.S. patentpatent.
371
1181000
3000
Tylu ludzi potrzeba do produkcji jednego patentu USA.
20:08
So, about 3,000 AmericansAmerykanie, 6,000 KoreansKoreańczycy, 14,000 BritsBrytyjczycy,
372
1184000
4000
Czyli ok 3 tys. Amerykanów, 6 tys. Koreańczyków, 14 tys. Brytyjczyków,
20:12
790,000 ArgentinesArgentyńczycy. You want to know why Argentina'sArgentyna crashingupaść?
373
1188000
3000
790 tys. Argentyńczyków. Wiecie, dlaczego w Argentynie jest kryzys?
20:15
It's got nothing to do with inflationinflacja.
374
1191000
2000
To nie przez inflację.
20:17
It's got nothing to do with privatizationPrywatyzacja.
375
1193000
2000
To nie przez prywatyzację.
20:19
You can take a Harvard-educatedHarvard wykształconych IvyBluszcz LeagueLigi economistekonomista,
376
1195000
4000
Możecie powierzyć ekonomiście z Ivy League, po Harvardzie,
20:23
stickkij him in chargeopłata of ArgentinaArgentyna. He still crashesawarie the countrykraj
377
1199000
3000
kierowanie Argentyną. I tak doprowadziłby ten kraj do upadku,
20:26
because he doesn't understandzrozumieć how the ruleszasady have changedzmienione.
378
1202000
2000
ponieważ nie rozumie tego, jak zmieniły się zasady.
20:29
Oh, yeah, and it takes about 5.6 millionmilion IndiansIndianie.
379
1205000
3000
I trzeba jeszcze 5,6 mln Hindusów.
20:32
Well, watch what happensdzieje się to IndiaIndie.
380
1208000
2000
Popatrzcie, co dzieje się z Indiami.
20:34
IndiaIndie and ChinaChiny used to be 40 percentprocent of the globalświatowy economygospodarka
381
1210000
3000
Indie i Chiny stanowiły 40% globalnej gospodarki
20:37
just at the IndustrialPrzemysłowe RevolutionRewolucja, and they are now about 4.8 percentprocent.
382
1213000
5000
w okolicach rewolucji przemysłowej, a teraz stanowią ok. 4,8%.
20:42
Two billionmiliard people. One thirdtrzeci of the globalświatowy populationpopulacja producingprodukujący 5 percentprocent of the wealthbogactwo
383
1218000
4000
Dwa miliardy ludzi. Jedna trzecia całej populacji produkuje 5% zasobów,
20:46
because they didn't get this changezmiana,
384
1222000
3000
bo nie zrozumieli tej zmiany,
20:49
because they kepttrzymane treatingleczenie theirich people like serfschłopów
385
1225000
2000
bo ciągle traktowali swoich ludzi jak służących,
20:51
insteadzamiast of like shareholdersakcjonariuszy of a commonpospolity projectprojekt.
386
1227000
3000
a nie jak wspólników we wspólnym przedsięwzięciu.
20:55
They didn't keep the people who were educatedwykształcony.
387
1231000
3000
Nie zatrzymywali ludzi wykształconych.
20:58
They didn't fomentpodburzają the businessesbiznes. They didn't do the IPOsIPO.
388
1234000
2000
Nie pobudzali biznesu. Nie wprowadzali IPO.
21:01
SiliconKrzemu ValleyDolina did. And that's why they say
389
1237000
4000
W Dolinie Krzemowej było inaczej.
21:05
that SiliconKrzemu ValleyDolina has been powerednapędzany by ICsUdostępnianie połączenia internetowego.
390
1241000
2000
Dolina Krzemowa jest napędzana przez IC.
21:08
Not integratedzintegrowany circuitsobwody: IndiansIndianie and ChineseChiński.
391
1244000
3000
Nie układy scalone (integrated circuits),
21:11
(LaughterŚmiech)
392
1247000
4000
tylko Hindusów (Indians) i Chińczyków. (Śmiech)
21:15
Here'sTutaj jest what's happeningwydarzenie in the worldświat.
393
1251000
2000
Oto, co się dzieje ze światem.
21:17
It turnsskręca out that if you'dty byś goneodszedł to the U.N. in 1950,
394
1253000
3000
Gdy zakładano ONZ w 1950 r.,
21:20
when it was foundedzałożony, there were 50 countrieskraje in this worldświat.
395
1256000
2000
było w niej 50 krajów.
21:22
It turnsskręca out there's now about 192.
396
1258000
3000
Teraz to ok. 192 kraje.
21:25
CountryKraj after countrykraj is splittingpodział, secedingodłączenie, succeedingkolejny, failingw braku --
397
1261000
4000
Kraj po kraju przechodzi podział, rozłam, sukces, porażkę...
21:30
and it's all gettinguzyskiwanie very fragmentedfragmentowane. And this has not stoppedzatrzymany.
398
1266000
5000
Wszystko staje się bardzo rozdrobnione.
21:35
In the 1990s, these are sovereignsuwerenny statesstany
399
1271000
3000
To są suwerenne kraje z lat 90-tych XX wieku,
21:38
that did not exististnieć before 1990.
400
1274000
2000
które nie istniały przed 1990 r.
21:40
And this doesn't includezawierać fusionsFuzje or nameNazwa changeszmiany or changeszmiany in flagsflagi.
401
1276000
5000
Nie ujęto tu zjednoczeń, zmian nazw czy zmian flag.
21:45
We're generatinggenerowanie about 3.12 statesstany perza yearrok.
402
1281000
3000
Wytwarzamy rocznie ok. 3,12 kraju.
21:48
People are takingnabierający controlkontrola of theirich ownwłasny statesstany,
403
1284000
3000
Ludzie przejmują władzę nad własnymi krajami,
21:51
sometimesczasami for the better and sometimesczasami for the worsegorzej.
404
1287000
3000
czasami jest to zmiana na lepsze, czasami na gorsze.
21:54
And the really interestingciekawy thing is,
405
1290000
2000
Naprawdę ciekawą rzeczą jest to,
21:56
you and your kidsdzieciaki are empoweredwzmocniony to buildbudować great empiresimperia,
406
1292000
2000
że wy i nasze dzieci możecie budować wielkie imperia
21:58
and you don't need a lot to do it.
407
1294000
2000
i niewiele wam do tego trzeba.
22:00
(MusicMuzyka)
408
1296000
2000
(Muzyka)
22:02
And, givendany that the musicmuzyka is over, I was going to talk
409
1298000
3000
To sygnał muzyczny, a miałem jeszcze pomówić
22:05
about how you can use this to generateGenerować a lot of wealthbogactwo,
410
1301000
3000
o tym, jak można użyć tego do wytworzenia wielu bogactw
22:08
and how codekod worksPrace.
411
1304000
2000
i tego, jak działa kod.
22:10
ModeratorModerator: Two minutesminuty.
412
1306000
1000
Moderator: Dwie minuty.
22:11
(LaughterŚmiech)
413
1307000
2000
(Śmiech)
22:13
JuanJuan EnriquezEnriquez: No, I'm going to stop there and we'lldobrze do it nextNastępny yearrok
414
1309000
4000
Juan Enriques: Nie, skończę na tym i dokończymy za rok,
22:17
because I don't want to take any of Laurie'sLaurie's time.
415
1313000
2000
bo nie chcę zabierać czasu Lauriemu.
22:20
But thank you very much.
416
1316000
1000
Ale dziękuję bardzo.
Translated by Mateusz Pazdur
Reviewed by Kinga Skorupska

▲Back to top

ABOUT THE SPEAKER
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.

Why you should listen

A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.

Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.

More profile about the speaker
Juan Enriquez | Speaker | TED.com