TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: Qual será a próxima revolução científica?
Filmed:
Readability: 4.3
1,571,528 views
Ao longo da história, a especulação tem impulsionado uma ciência bela e revolucionária, abrindo nossos olhos para universos inteiramente novos. "Não estou falando da ciência que engatinha como um bebê", diz Eric Haseltine. "Estou falando da ciência que anda a passos largos." Nesta palestra, Haseltine, de forma apaixonada, nos leva aos limites da corrida intelectual por novas ideias: uma que já fez história, e outra que está mergulhando numa das maiores questões da humanidade com admirável ambição (e uma saudável dose de ceticismo por parte de muitos).
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Double-click the English transcript below to play the video.
00:12
Tonight, I'm going to share with you
my passion for science.
my passion for science.
0
920
3616
Esta noite, vou compartilhar
com vocês minha paixão pela ciência.
com vocês minha paixão pela ciência.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
Não estou falando da ciência
que engatinha como um bebê.
que engatinha como um bebê.
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
Estou falando da ciência
que anda a passos largos.
que anda a passos largos.
Estou falando de Darwin,
estou falando de Einstein,
estou falando de Einstein,
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
00:27
I'm talking revolutionary science
that turns the world on its head.
that turns the world on its head.
4
15280
3600
estou falando da ciência revolucionária
que vira o mundo pelo avesso.
que vira o mundo pelo avesso.
00:31
In a moment, I'm going to talk
about two ideas that might do this.
about two ideas that might do this.
5
19440
3400
Hoje vou falar sobre duas ideias
que poderão fazer isso.
que poderão fazer isso.
00:35
I say "might"
6
23800
1216
Digo "poderão"
porque a maioria das ideias
revolucionárias está errada
revolucionárias está errada
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
e mesmo as certas dificilmente têm
o impacto que queremos que tenham.
o impacto que queremos que tenham.
00:42
that we want them to have.
9
30320
1696
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Para explicar por que escolhi
essas duas ideias,
essas duas ideias,
00:46
I'm going to start with a mystery.
11
34560
1680
vou começar com um mistério.
00:48
1847, Vienna, Austria.
12
36840
3080
Viena, Áustria, 1847.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Ignaz Semmelweis era um médico severo,
compulsivamente rigoroso,
compulsivamente rigoroso,
que dirigia duas maternidades.
00:56
who ran two maternity clinics.
14
44720
1856
00:58
They were identical except for one thing.
15
46600
2440
Elas eram idênticas, exceto por uma coisa.
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
Em uma das clínicas,
morriam três vezes mais mulheres
morriam três vezes mais mulheres
01:04
three times more often
at one of the clinics than at the other.
at one of the clinics than at the other.
17
52400
3560
logo após o parto, de febres altas.
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Tentando descobrir a diferença
que estava causando aquilo,
que estava causando aquilo,
01:11
Semmelweis looked at everything he could.
19
59560
2016
Semmelweis investigou tudo o que pôde.
01:13
Sanitation? No.
20
61600
1736
Saneamento? Não.
01:15
Medical procedures? No.
21
63360
2000
Procedimentos médicos? Não.
01:18
Air flow? No.
22
66000
1920
Ventilação? Não.
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
O quebra-cabeça permaneceu sem solução
até ele autopsiar um médico
até ele autopsiar um médico
que tinha morrido de um corte
de um bisturi infectado.
de um bisturi infectado.
01:24
who died of an infected scalpel cut.
24
72080
2000
01:26
The doctor's symptoms were identical
to those of the mothers who were dying.
to those of the mothers who were dying.
25
74760
3776
Os sintomas do médico eram idênticos
aos das mães que estavam morrendo.
aos das mães que estavam morrendo.
Como era possível?
01:30
How was that possible?
26
78560
1376
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
Como poderia um médico homem
ter a mesma coisa que as parturientes?
ter a mesma coisa que as parturientes?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis rastreou
tudo o que o médico tinha feito
tudo o que o médico tinha feito
01:38
right before he got sick,
29
86840
1256
antes de adoecer,
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
e descobriu que ele tinha
autopsiado um corpo.
autopsiado um corpo.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
Será que algo tinha entrado
no machucado e o matado?
no machucado e o matado?
01:48
With growing excitement,
32
96760
1776
Cada vez mais empolgado,
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
Semmelweis procurou
alguma possível relação
alguma possível relação
01:53
between dead bodies in the morgue
and dead mothers in his delivery room,
and dead mothers in his delivery room,
34
101400
5376
entre os cadáveres no necrotério
e as mães mortas na sala de parto,
e as mães mortas na sala de parto,
01:58
and he found it.
35
106800
1600
e acabou descobrindo.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Acontece que, no hospital
com altas taxas de mortalidade,
com altas taxas de mortalidade,
02:04
but not the others,
37
112200
1776
mas não no outro,
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
os médicos faziam partos imediatamente
após autopsiarem corpos no necrotério.
após autopsiarem corpos no necrotério.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
Ahá! Os cadáveres estavam
contaminando as mãos dos médicos
contaminando as mãos dos médicos
02:15
and killing his mothers.
40
123120
1240
e matando suas parturientes.
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Assim, ele determinou
que os médicos esterilizassem as mãos,
que os médicos esterilizassem as mãos,
02:20
and the deaths stopped.
42
128320
2280
e as mortes pararam.
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
Dr. Ignaz Semmelweis tinha acabado
de descobrir a doença infecciosa.
de descobrir a doença infecciosa.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
Mas os médicos daquele tempo
achavam que ele estava louco,
achavam que ele estava louco,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
pois sabiam, e já por centenas de anos,
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
que os gases ou vapores fétidos
chamados miasmas causavam doenças,
chamados miasmas causavam doenças,
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
e não aquelas partículas hipotéticas
que não conseguiam ver.
que não conseguiam ver.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
Levou-se 20 anos
para o francês Louis Pasteur
para o francês Louis Pasteur
02:49
to prove that Semmelweis was right.
49
157080
1960
provar que Semmelweis estava certo.
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur era um agroquímico
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
que tentava descobrir por que o leite
e a cerveja estragavam tão facilmente.
e a cerveja estragavam tão facilmente.
02:58
He found that bacteria were the culprits.
52
166600
2440
E descobriu que a culpa era das bactérias.
03:02
He also found that bacteria
could kill people in exactly the same way
could kill people in exactly the same way
53
170160
3856
Ele também descobriu que elas podiam
matar as pessoas exatamente da mesma forma
matar as pessoas exatamente da mesma forma
03:06
that Semmelweis's patients were dying.
54
174040
2320
que as pacientes de Semmelweis
estavam morrendo.
estavam morrendo.
03:09
We now look at what I want
to talk about tonight, in two ideas.
to talk about tonight, in two ideas.
55
177120
4400
Agora vamos para o assunto
desta noite, em duas ideias.
desta noite, em duas ideias.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
Vimos que Semmelweis
foi um revolucionário.
foi um revolucionário.
03:18
He did it for two reasons.
57
186560
1256
E por duas razões.
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
Primeiro, ele abriu nossos olhos
para um mundo completamente novo.
para um mundo completamente novo.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
Conhecíamos as bactérias
desde a década de 1680.
desde a década de 1680.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
Só não sabíamos que elas matavam pessoas.
03:29
And he also demolished fond ideas
that people kept close to their heart.
that people kept close to their heart.
61
197200
5056
E ele também estraçalhou ideias
que eram caras às pessoas.
que eram caras às pessoas.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
Miasmas não matavam pessoas;
bactérias matavam pessoas.
bactérias matavam pessoas.
03:38
So this brings me to the two ideas
I want to talk about tonight.
I want to talk about tonight.
63
206080
3336
Assim, isso me traz às duas ideias
sobre as quais quero falar hoje.
sobre as quais quero falar hoje.
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
Uma abriu nossos olhos
para um universo completamente novo,
para um universo completamente novo,
03:44
and the other attacks long-held beliefs.
65
212280
3976
e a outra ataca crenças antigas.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
Vamos começar com Dr. Eric Betzig.
03:50
He's a physicist who has opened our eyes
to an entirely new world
to an entirely new world
67
218240
3896
Ele é um físico que abriu nossos olhos
para um mundo inteiramente novo
para um mundo inteiramente novo
03:54
by violating the laws of physics.
68
222160
1880
ao violar as leis da física.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig é um verdadeiro rebelde.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Ele largou um emprego
no respeitado Bell Laboratory,
no respeitado Bell Laboratory,
04:01
inventing new microscopes for biology
71
229480
2256
onde inventava microscópios
para a biologia,
para a biologia,
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
porque achou que os cientistas
pegavam suas brilhantes invenções
pegavam suas brilhantes invenções
04:08
and doing lousy work with them.
73
236120
1520
e faziam um péssimo trabalho com elas.
04:10
So he became a househusband,
74
238880
3040
Então, ele se tornou um homem do lar,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
mas nunca perdeu sua paixão por descobrir
04:17
how to get microscopes
to see finer and finer details
to see finer and finer details
76
245960
2896
como conseguir microscópios
que vissem cada vez mais detalhes
que vissem cada vez mais detalhes
04:20
than had ever been seen before
or ever could be seen.
or ever could be seen.
77
248880
2477
que nunca tinham sido vistos antes
ou jamais poderiam ser vistos.
ou jamais poderiam ser vistos.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Isso é crucial para entendermos
como as células funcionam,
como as células funcionam,
04:28
and how cancer works,
79
256440
1495
e como o câncer funciona,
04:29
and how something
150th the size of a head of a pin
150th the size of a head of a pin
80
257959
5417
e como algo 150 vezes menor
do que uma cabeça de alfinete
do que uma cabeça de alfinete
04:35
can do all these amazing things,
81
263400
2136
pode fazer todas essas coisas incríveis,
04:37
like make proteins
82
265560
1576
como produzir proteínas
04:39
and move charges around
83
267160
1896
e mover cargas,
04:41
and all of those things.
84
269080
1280
e essas coisas todas.
04:43
There's just one problem.
85
271400
1680
Porém, há um problema.
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
Existem as leis da física,
04:49
and part of the law of physics
is the thing called the diffraction limit.
is the thing called the diffraction limit.
87
277040
3456
e uma das leis da física
é o chamado limite da difração.
é o chamado limite da difração.
O limite da difração é meio
quando você vai ao oftalmologista
quando você vai ao oftalmologista
04:52
The diffraction limit is kind of like
when you go to a doctor's office,
when you go to a doctor's office,
88
280520
3376
e consegue ler até um certo ponto,
não importa a qualidade dos seus óculos.
não importa a qualidade dos seus óculos.
04:55
you can only see so far down,
no matter how good glasses you have.
no matter how good glasses you have.
89
283920
3136
Esse era considerado um problema
impossível de ser resolvido.
impossível de ser resolvido.
04:59
This was a so-called impossible problem.
90
287080
3376
05:02
But one of Betzig's friends
figured out how to take a tiny molecule
figured out how to take a tiny molecule
91
290480
3176
Mas um dos amigos de Betzig descobriu
como pegar uma molécula minúscula,
como pegar uma molécula minúscula,
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
menor do que o melhor
microscópio conseguia ver,
microscópio conseguia ver,
05:08
and get it to light up and fluoresce.
93
296120
2136
e fazê-la acender e fluorescer.
05:10
"Aha!" Betzig said.
94
298280
2496
"Ahá!" Betzig falou.
05:12
"I think maybe the laws of physics
are not so unbreakable after all."
are not so unbreakable after all."
95
300800
4696
"Penso que talvez as leis da física
não sejam tão incontornáveis assim."
não sejam tão incontornáveis assim."
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Assim, ele colocou um microscópio
na sala da casa do seu amigo.
na sala da casa do seu amigo.
05:22
He had no laboratory.
97
310400
1816
Ele não tinha laboratório.
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Esse instrumento revolucionário
fazia diferentes moléculas de proteína
fazia diferentes moléculas de proteína
05:27
to light up in different colors,
99
315840
1560
brilharem em cores diferentes,
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
e, com um computador, ele foi capaz
de transformar borrões muito vagos
de transformar borrões muito vagos
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
em pontos bem nítidos,
produzindo imagens de clareza
sem precedentes e surpreendentes.
sem precedentes e surpreendentes.
05:41
For this work, last year,
102
329520
2296
Por esse trabalho, Eric Betzig
ganhou, em 2014, o Prêmio Nobel.
ganhou, em 2014, o Prêmio Nobel.
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
05:47
Why?
104
335360
1216
Por quê?
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
Porque agora podemos ver
com detalhes sem precedentes
com detalhes sem precedentes
05:52
things that we never had seen before,
106
340720
1816
coisas que nunca vimos antes,
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
e agora os médicos podem conhecer
melhor coisas como o câncer.
melhor coisas como o câncer.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
Mas acham que ele se deu por satisfeito?
06:01
No.
109
349600
1296
Não.
06:02
He wanted movies.
110
350920
1856
Ele queria filmes.
06:04
The problem was
111
352800
1216
O problema era
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
que mesmo os microscópios incríveis
inventados por ele eram muito vagarosos.
inventados por ele eram muito vagarosos.
06:10
So what did he do?
113
358040
1256
Então, o que ele fez?
06:11
He came up with a 200-year-old idea
114
359320
3576
Ele veio com uma ideia de 200 anos
06:14
called moiré patterns.
115
362920
1696
chamada padrão moiré.
06:16
So the way that works is
if you take two very, very fine patterns
if you take two very, very fine patterns
116
364640
3456
E que funciona assim:
se pegarmos dois padrões muito finos
se pegarmos dois padrões muito finos
06:20
and you move them across each other,
117
368120
1776
e movê-los um sobre o outro,
06:21
you will see a gross pattern
118
369920
3016
vamos enxergar um padrão bruto
06:24
that a microscope can see
119
372960
1480
que um microscópio pode ver,
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
mas que não poderia
ser visto de outra forma.
ser visto de outra forma.
06:29
So he applied this technique
to taking a really blurry image of a cell
to taking a really blurry image of a cell
121
377480
3296
Ele aplicou essa técnica pegando
uma imagem bem desfocada de uma célula
uma imagem bem desfocada de uma célula
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
e movendo padrões de luz
estruturados sobre ela
estruturados sobre ela
06:35
until this cell became crystal clear.
123
383400
2440
até a imagem da célula
se tornar bem nítida.
se tornar bem nítida.
06:38
And here is the result:
124
386840
2016
E eis aqui o resultado:
06:40
a mysterious new world,
125
388880
2736
um misterioso mundo novo,
06:43
full of strange things zipping around
126
391640
2136
cheio de coisas estranhas se mexendo,
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
fazendo coisas que não sabemos o que são.
(Risos)
06:49
But when we figure it out,
we'll have a better handle on life itself.
we'll have a better handle on life itself.
128
397600
3976
Mas, quando descobrirmos, teremos
um melhor conhecimento da própria vida.
um melhor conhecimento da própria vida.
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
Por exemplo, esses globos verdes aqui,
06:55
Those things are called clathrins.
130
403720
1680
o nome dessas coisas é clatrinas.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
São moléculas que protegem outras
moléculas enquanto se movem nas células.
moléculas enquanto se movem nas células.
07:00
as they move through a cell.
132
408400
1376
Infelizmente, os vírus algumas vezes
raptam-nas para infectar as células.
raptam-nas para infectar as células.
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Também veem-se coisas que lembram
pequenos vermes embaralhados se movendo.
pequenos vermes embaralhados se movendo.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
07:09
Those are actin molecules.
135
417280
2296
São moléculas de actina.
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
Infelizmente, os vírus
também escalam essas coisas
também escalam essas coisas
07:14
to get into the cell nucleus
137
422040
1456
para entrar no núcleo das células
para se replicarem e causarem doenças.
para se replicarem e causarem doenças.
07:15
to replicate themselves and make you sick.
138
423520
2120
07:18
Now that we can look at movies
139
426240
1856
Agora que podemos ver os filmes
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
do que está realmente acontecendo
dentro de uma célula,
dentro de uma célula,
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
temos uma chance muito melhor
de curar doenças virais como a aids.
de curar doenças virais como a aids.
07:27
So when you look at a movie like this,
142
435680
1856
Por isso, quando vemos um filme assim,
07:29
it's very clear that Betzig has opened
our eyes to a completely new world.
our eyes to a completely new world.
143
437560
4000
fica claro que Betzig abriu nossos olhos
para um mundo completamente novo.
para um mundo completamente novo.
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
Mas ele não abalou nenhuma
crença que nos é cara.
crença que nos é cara.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Isso nos leva ao Dr. Aubrey de Grey,
07:42
at Cambridge.
146
450160
1200
de Cambridge.
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey sem dúvida faz os cientistas
se contorcerem com uma ideia interessante:
se contorcerem com uma ideia interessante:
07:48
we can be immortal.
148
456800
1376
podemos ser imortais.
07:50
We can beat aging.
149
458200
1616
Podemos vencer o envelhecimento.
A maioria dos cientistas acha
que ele é um excêntrico.
que ele é um excêntrico.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
(Risos)
07:55
Any Biology 101 student knows
151
463320
3296
Qualquer aluno de biologia básica sabe
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
que envelhecer é uma consequência
inevitável da vida.
inevitável da vida.
08:02
For example, when we eat,
153
470680
2096
Por exemplo, quando comemos,
08:04
we take in food and we metabolize it,
154
472800
1856
ingerimos o alimento e o metabolizamos,
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
e isso libera os chamados radicais livres.
Já devem ter ouvido falar deles.
08:09
You might have heard of those.
156
477080
1456
08:10
Also known as oxygen ions,
157
478560
1936
Também conhecidos como íons de oxigênio,
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
eles se ligam ao nosso DNA,
provocam uma mutação
provocam uma mutação
08:14
and cause us to get old and lose our hair.
159
482920
2056
e causam o envelhecimento
e a perda do nosso cabelo.
e a perda do nosso cabelo.
08:17
(Laughter)
160
485000
1576
(Risos)
08:18
It's just like, no, it's exactly like
161
486600
2736
É simplesmente como,
não, é exatamente como
não, é exatamente como
08:21
oxygen binding to iron and making it rust.
162
489360
2176
o oxigênio se ligando ao ferro
e fazendo-o oxidar.
e fazendo-o oxidar.
08:23
So you age because you rust out.
163
491560
2456
Assim, envelhecemos porque enferrujamos.
08:26
(Laughter)
164
494040
2176
(Risos)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
Ah, e os cientistas também sabem
que há algo chamado imortalidade:
que há algo chamado imortalidade:
08:33
in cancer cells.
166
501360
1976
nas células cancerosas.
08:35
So if you stop aging,
167
503360
2296
Assim, se pararmos de envelhecer,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
vamos todos nos transformar
em tumores malignos gigantes ambulantes.
em tumores malignos gigantes ambulantes.
08:42
These are cherished beliefs,
but could de Grey be on to something?
but could de Grey be on to something?
169
510680
3160
Essas são crenças caras, mas será
que De Grey está no caminho certo?
que De Grey está no caminho certo?
08:47
I think he deserves a closer look.
170
515159
1657
Penso que ele merece mais atenção.
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
Antes de mais nada, é difícil
para mim vê-lo como um excêntrico.
para mim vê-lo como um excêntrico.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Sim, ele começou a vida como cientista
da computação, e não como biólogo,
da computação, e não como biólogo,
08:54
not a biologist,
173
522360
1496
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
mas ele conseguiu um PhD
em biologia em Cambridge
em biologia em Cambridge
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
e publicou alguns trabalhos
muito significativos
muito significativos
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
sobre o DNA mitocondrial
e montes de outras coisas.
e montes de outras coisas.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
Em segundo lugar, ele organizou
uma fundação antienvelhecimento
uma fundação antienvelhecimento
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
que identificou sete causas
diferentes do envelhecimento.
diferentes do envelhecimento.
09:10
to me, that seem very plausible,
179
538320
2256
Para mim, parecem bem plausíveis,
09:12
and he is hot in pursuit
of fixes for every single one of them.
of fixes for every single one of them.
180
540600
4136
e ele está firme na busca de solução
para cada uma delas.
para cada uma delas.
09:16
For example, one of the reasons we age
is that our mitochondrial DNA mutates,
is that our mitochondrial DNA mutates,
181
544760
5016
Por exemplo, uma das razões
para envelhecermos
para envelhecermos
é a mutação sofrida
pelo nosso DNA mitocondrial,
pelo nosso DNA mitocondrial,
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
e aí ficamos velhos,
e nossas células perdem energia.
e nossas células perdem energia.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Ele acredita, e tem
argumentos convincentes,
argumentos convincentes,
09:27
that using viruses we can do gene therapy,
184
555520
2536
que com o uso de vírus
podemos fazer terapia genética
podemos fazer terapia genética
09:30
fix that DNA
185
558080
1656
para consertar nosso DNA
09:31
and rejuvenate our cells.
186
559760
1720
e rejuvenescer nossas células.
09:35
One more thing.
187
563400
1336
Mais uma coisa.
09:36
We have an existent proof
188
564760
1856
Temos uma prova viva
09:38
that extreme longevity is possible.
189
566640
2720
de que a extrema longevidade é possível.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
O pinheiro da espécie Pinus Longaeva
vive mais de 5 mil anos.
vive mais de 5 mil anos.
09:47
and some lobsters don't age at all.
191
575720
3800
E algumas lagostas...
não envelhecem nunca.
(Risos)
09:52
Now, this doesn't mean that de Grey
is going to revolutionize our lifespans.
is going to revolutionize our lifespans.
192
580640
4336
Bem, isso não significa que de Grey
vai revolucionar a expectativa de vida.
vai revolucionar a expectativa de vida.
09:57
I mean, after all, we're not trees,
and most of us are not lobsters.
and most of us are not lobsters.
193
585000
3816
Quero dizer, afinal, não somos árvores,
e a maioria de nós não somos lagostas.
e a maioria de nós não somos lagostas.
10:00
(Laughter)
194
588840
1216
(Risos)
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Quero crer que existam
Darwins e Einsteins por aí,
Darwins e Einsteins por aí,
10:07
and I'll tell you why.
196
595840
1376
e vou lhes dizer por quê.
10:09
Consider this:
197
597240
1200
Raciocinem comigo:
10:11
there are seven times more people
alive today than during Darwin's time.
alive today than during Darwin's time.
198
599160
5296
há sete vezes mais pessoas hoje
do que no tempo do Darwin.
do que no tempo do Darwin.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
Há quatro vezes mais pessoas
hoje do que no tempo do Einstein.
hoje do que no tempo do Einstein.
10:19
When you consider
200
607960
1216
Quando consideramos
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
que a proporção de cientistas
na população disparou,
na população disparou,
10:24
there are now seven million scientists.
202
612440
2376
que existem hoje 7 milhões de cientistas,
10:26
I've got to believe, and I do believe,
that there's one of them out there
that there's one of them out there
203
614840
3440
quero crer, e acredito, que há um por aí
10:31
who is working right now in obscurity
204
619720
2336
trabalhando agora mesmo no anonimato
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
para sacudir nossas vidas
e, não sei vocês,
e, não sei vocês,
mas mal posso esperar
para ser sacudido.
para ser sacudido.
10:36
but I can't wait to be rocked.
206
624520
1816
10:38
Thank you.
207
626360
1256
Obrigado.
10:39
(Applause)
208
627640
6961
(Aplausos)
ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovatorEric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.
Why you should listen
Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.
In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.
In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.
Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.
Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.
Eric Haseltine | Speaker | TED.com