ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com
TEDxUIUC

Christoph Adami: Finding life we can't imagine

Christoph Adami: Encontrar vida que não conseguimos imaginar

Filmed:
652,149 views

Como é que procuramos vida alienígena se não se assemelha nada à vida que conhecemos? Na TEDxUIUC Christoph Adami mostra como usa a sua pesquisa sobre vida artificial -- programas de computador que se auto-replicam -- para encontrar uma assinatura, um 'biomarcador', que esteja livre dos nossos preconceitos sobre o que é a vida.
- Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio

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

00:15
So I have a strangeestranho careercarreira.
0
0
2000
Tenho uma carreira estranha.
00:17
I know it because people come up to me, like colleaguescolegas,
1
2000
3000
Sei disso porque há pessoas que me abordam, como colegas,
00:20
and say, "ChrisChris, you have a strangeestranho careercarreira."
2
5000
2000
e me dizem, "Chris, tens uma carreira estranha."
00:22
(LaughterRiso)
3
7000
2000
(Risos)
00:24
And I can see theirdeles pointponto,
4
9000
2000
E percebo o que querem dizer,
00:26
because I startedcomeçado my careercarreira
5
11000
2000
porque comecei a minha carreira
00:28
as a theoreticalteórico nuclearnuclear physicistfísico.
6
13000
2000
como um físico nuclear teórico.
00:30
And I was thinkingpensando about quarksquarks and gluonsglúons
7
15000
2000
E andava a pensar sobre quarks e gluões
00:32
and heavypesado ioníon collisionscolisões,
8
17000
2000
e colisões de iões pesados,
00:34
and I was only 14 yearsanos oldvelho.
9
19000
2000
e tinha apenas 14 anos.
00:36
No, no, I wasn'tnão foi 14 yearsanos oldvelho.
10
21000
3000
Não, não, não tinha 14 anos.
00:40
But after that,
11
25000
2000
Mas depois disso,
00:42
I actuallyna realidade had my ownpróprio lablaboratório
12
27000
2000
na verdade tinha o meu próprio laboratório
00:44
in the computationalcomputacional neuroscienceneurociência departmentdepartamento,
13
29000
2000
no departamento de neurociência computacional,
00:46
and I wasn'tnão foi doing any neuroscienceneurociência.
14
31000
2000
e não estava a fazer nenhuma neurociência.
00:48
LaterMais tarde, I would work on evolutionaryevolutivo geneticsgenética,
15
33000
3000
Mais tarde, trabalharia em genética evolucionária,
00:51
and I would work on systemssistemas biologybiologia.
16
36000
2000
e em biologia de sistemas.
00:53
But I'm going to tell you about something elseoutro todayhoje.
17
38000
3000
Mas vou falar-vos sobre outra coisa, hoje.
00:56
I'm going to tell you
18
41000
2000
Vou falar-vos
00:58
about how I learnedaprendido something about life.
19
43000
2000
sobre como aprendi algo sobre a vida.
01:00
And I was actuallyna realidade a rocketfoguete scientistcientista.
20
45000
4000
E eu era mesmo um cientista de foguetões.
01:04
I wasn'tnão foi really a rocketfoguete scientistcientista,
21
49000
2000
Na verdade não era um cientista de foguetões
01:06
but I was workingtrabalhando
22
51000
2000
mas estava a trabalhar
01:08
at the JetJato PropulsionPropulsão LaboratoryLaboratório
23
53000
2000
no Jet Propulsion Laboratory
01:10
in sunnyensolarado CaliforniaCalifórnia where it's warmcaloroso;
24
55000
3000
na solarenga California onde faz calor;
01:13
whereasenquanto que now I'm in the mid-WestCentro-Oeste,
25
58000
2000
ao passo que agora estou no Midwest,
01:15
and it's coldfrio.
26
60000
2000
e faz frio.
01:17
But it was an excitingemocionante experienceexperiência.
27
62000
3000
Mas foi uma experiência entusiasmante.
01:20
One day a NASANASA managerGerente comesvem into my officeescritório,
28
65000
3000
Um dia um gestor da NASA entra no meu escritório,
01:23
sitssenta down and saysdiz,
29
68000
3000
senta-se e diz,
01:26
"Can you please tell us,
30
71000
2000
"Pode dizer-nos por favor,
01:28
how do we look for life outsidelado de fora EarthTerra?"
31
73000
2000
como é que procuramos vida fora da Terra?"
01:30
And that cameveio as a surprisesurpresa to me,
32
75000
2000
E isso foi uma surpresa para mim,
01:32
because I was actuallyna realidade hiredcontratado
33
77000
2000
porque eu tinha sido contratado, realmente,
01:34
to work on quantumquantum computationcomputação.
34
79000
2000
para trabalhar em computação quântica.
01:36
YetAinda, I had a very good answerresponda.
35
81000
2000
No entanto, eu tinha uma muito boa resposta.
01:38
I said, "I have no ideaidéia."
36
83000
3000
Disse, "Não faço ideia."
01:41
And he told me, "BiosignaturesBiosignatures,
37
86000
3000
E ele disse-me, "Bioassinaturas,
01:44
we need to look for a biosignaturebio-assinatura."
38
89000
2000
precisamos de procurar por uma bioassinatura."
01:46
And I said, "What is that?"
39
91000
2000
E eu disse, "O que é que é isso?"
01:48
And he said, "It's any measurablemensurável phenomenonfenômeno
40
93000
2000
E ele disse, "É qualquer fenómeno mensurável
01:50
that allowspermite us to indicateindicar
41
95000
2000
que nos permita indicar
01:52
the presencepresença of life."
42
97000
2000
a presença de vida."
01:54
And I said, "Really?
43
99000
2000
E eu disse, "A sério?
01:56
Because isn't that easyfácil?
44
101000
2000
É que, isso é fácil, não é?
01:58
I mean, we have life.
45
103000
2000
Quer dizer, temos vida.
02:00
Can't you applyAplique a definitiondefinição,
46
105000
2000
Não podem aplicar uma definição,
02:02
like for exampleexemplo, a SupremeSupremo Court-likeTribunal, como definitiondefinição of life?"
47
107000
4000
por exemplo, uma definição do tipo das do Supremo Tribunal?"
02:06
And then I thought about it a little bitpouco, and I said,
48
111000
2000
E então pensei sobre isso um bocado, e disse,
02:08
"Well, is it really that easyfácil?
49
113000
2000
"Bem, é mesmo fácil, não?
02:10
Because, yes, if you see something like this,
50
115000
3000
Porque, sim, se virem algo assim,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
então tudo bem, vamos chamar-lhe vida --
02:15
no doubtdúvida about it.
52
120000
2000
não há dúvidas.
02:17
But here'saqui está something."
53
122000
2000
Mas há uma coisa."
02:19
And he goesvai, "Right, that's life too. I know that."
54
124000
3000
E ele diz, "Certo, isso também é vida. Eu sei."
02:22
ExceptExceto, if you think life is alsoAlém disso defineddefiniram
55
127000
2000
Excepto se pensares que a vida também se define
02:24
by things that diemorrer,
56
129000
2000
por coisas que morrem,
02:26
you're not in lucksorte with this thing,
57
131000
2000
não vais ter sorte com esta coisa,
02:28
because that's actuallyna realidade a very strangeestranho organismorganismo.
58
133000
2000
porque na verdade é um organismo muito estranho.
02:30
It growscresce up into the adultadulto stageetapa like that
59
135000
2000
Desenvolve-se até à idade adulta dessa forma
02:32
and then goesvai throughatravés a BenjaminBenjamin ButtonBotão phasefase,
60
137000
3000
e depois passa por uma fase Benjamin Button,
02:35
and actuallyna realidade goesvai backwardspara trás and backwardspara trás
61
140000
2000
e na verdade retrocede e retrocede
02:37
untilaté it's like a little embryoembrião again,
62
142000
2000
até ser como um embrião de novo,
02:39
and then actuallyna realidade growscresce back up, and back down and back up -- sortordenar of yo-yoyo-yo --
63
144000
3000
e então desenvolve-se de novo, e retrocede e desenvolve-se -- como um iôiô --
02:42
and it never diesmorre.
64
147000
2000
e nunca morre.
02:44
So it's actuallyna realidade life,
65
149000
2000
Então, de facto é vida,
02:46
but it's actuallyna realidade not
66
151000
2000
mas na realidade não é
02:48
as we thought life would be.
67
153000
3000
como nós pensávamos que a vida seria.
02:51
And then you see something like that.
68
156000
2000
E então vemos algo assim.
02:53
And he was like, "My God, what kindtipo of a life formFormato is that?"
69
158000
2000
E ele, "Meu Deus, que tipo de forma de vida é esse?"
02:55
AnyoneQualquer um know?
70
160000
2000
Alguém sabe?
02:57
It's actuallyna realidade not life, it's a crystalcristal.
71
162000
3000
Na verdade não é vida, é um cristal.
03:00
So onceuma vez you startcomeçar looking and looking
72
165000
2000
Então, assim que começamos a olhar e olhar
03:02
at smallermenor and smallermenor things --
73
167000
2000
para coisas mais e mais pequenas --
03:04
so this particularespecial personpessoa
74
169000
2000
então, esta pessoa em particular
03:06
wroteescrevi a wholetodo articleartigo and said, "Hey, these are bacteriabactérias."
75
171000
3000
escreveu um artigo inteiro e disse, "Ei, isto são bactérias."
03:09
ExceptExceto, if you look a little bitpouco closermais perto,
76
174000
2000
Só que, se olharmos um pouco mais de perto,
03:11
you see, in factfacto, that this thing is way too smallpequeno to be anything like that.
77
176000
3000
vemos, de facto, que isto é pequeno demais para ser algo assim.
03:14
So he was convincedconvencido,
78
179000
2000
Ele ficou convencido,
03:16
but, in factfacto, mosta maioria people aren'tnão são.
79
181000
2000
mas, de facto, a maioria das pessoas não estão.
03:18
And then, of coursecurso,
80
183000
2000
E depois, é claro,
03:20
NASANASA alsoAlém disso had a biggrande announcementanúncio,
81
185000
2000
a NASA fez também um grande anúncio público,
03:22
and PresidentPresidente ClintonClinton gavedeu a presspressione conferenceconferência,
82
187000
2000
e o Presidente Clinton deu uma conferência de imprensa,
03:24
about this amazingsurpreendente discoverydescoberta
83
189000
2000
sobre esta descoberta espantosa
03:26
of life in a MartianMarciano meteoritemeteorito.
84
191000
3000
de vida num meteorito marciano.
03:29
ExceptExceto that nowadayshoje em dia, it's heavilyfortemente disputeddisputado.
85
194000
4000
Só que hoje em dia, é amplamente disputado.
03:33
If you take the lessonlição of all these picturesAs fotos,
86
198000
3000
Se tirarmos a lição de todas estas imagens,
03:36
then you realizeperceber, well actuallyna realidade maybe it's not that easyfácil.
87
201000
2000
então apercebemo-nos, bem na verdade talvez não seja assim tão fácil.
03:38
Maybe I do need
88
203000
2000
Talvez eu precise mesmo
03:40
a definitiondefinição of life
89
205000
2000
de uma definição de vida
03:42
in orderordem to make that kindtipo of distinctiondistinção.
90
207000
2000
para poder fazer aquele tipo de distinção.
03:44
So can life be defineddefiniram?
91
209000
2000
Então, pode a vida ser definida?
03:46
Well how would you go about it?
92
211000
2000
Bem, como abordariam a questão?
03:48
Well of coursecurso,
93
213000
2000
Bem, é claro,
03:50
you'dvocê gostaria go to EncyclopediaLivre BritannicaBritannica and openaberto at L.
94
215000
2000
iriam à Enciclopédia Britânica, até à letra V.
03:52
No, of coursecurso you don't do that; you put it somewherealgum lugar in GoogleGoogle.
95
217000
3000
Não, claro que não fariam isso; iriam antes ao Google.
03:55
And then you mightpoderia get something.
96
220000
3000
E então talvez obtivessem algo.
03:58
And what you mightpoderia get --
97
223000
2000
E o que talvez obtivessem --
04:00
and anything that actuallyna realidade refersrefere to things that we are used to,
98
225000
2000
e algo que realmente se referisse a coisas a que estamos habituados,
04:02
you throwlançar away.
99
227000
2000
deitaríamos fora.
04:04
And then you mightpoderia come up with something like this.
100
229000
2000
E depois talvez chegassem a algo como isto.
04:06
And it saysdiz something complicatedcomplicado
101
231000
2000
E isto diz algo complicado
04:08
with lots and lots of conceptsconceitos.
102
233000
2000
com montes e montes de conceitos.
04:10
Who on EarthTerra would writeEscreva something
103
235000
2000
Quem é que, à face da Terra, escreveria algo
04:12
as convolutedcheio de pompa and complexcomplexo
104
237000
2000
tão retorcido e complexo
04:14
and inanefútil?
105
239000
3000
e inepto?
04:17
Oh, it's actuallyna realidade a really, really, importantimportante setconjunto of conceptsconceitos.
106
242000
4000
Oh, trata-se, na verdade, de um conjunto de conceitos muito, muito importantes.
04:21
So I'm highlightingdestacando just a fewpoucos wordspalavras
107
246000
3000
Por isso, ao realçar apenas algumas palavras
04:24
and sayingdizendo definitionsdefinições like that
108
249000
2000
e dizer que definições assim
04:26
relycontar com on things that are not basedSediada
109
251000
2000
dependem de coisas que não se baseiam
04:28
on aminoamino acidsácidos or leavessai
110
253000
3000
em aminoácidos ou folhas
04:31
or anything that we are used to,
111
256000
2000
ou qualquer coisa a que estejamos habituados,
04:33
but in factfacto on processesprocessos only.
112
258000
2000
mas, de facto, apenas em processos.
04:35
And if you take a look at that,
113
260000
2000
E se dermos uma olhadela,
04:37
this was actuallyna realidade in a booklivro that I wroteescrevi that dealspromoções with artificialartificial life.
114
262000
3000
isto estava num livro que escrevi que lida com vida artificial.
04:40
And that explainsexplica why
115
265000
2000
E que explica porque é que
04:42
that NASANASA managerGerente was actuallyna realidade in my officeescritório to begininício with.
116
267000
3000
aquele gestor da NASA foi parar ao meu escritório.
04:45
Because the ideaidéia was that, with conceptsconceitos like that,
117
270000
3000
Porque a ideia era que, com conceitos destes,
04:48
maybe we can actuallyna realidade manufacturefabricação
118
273000
2000
talvez possamos de facto fabricar
04:50
a formFormato of life.
119
275000
2000
uma forma de vida.
04:52
And so if you go and askpergunte yourselfvocê mesmo,
120
277000
3000
E se vos perguntardes a vós mesmos,
04:55
"What on EarthTerra is artificialartificial life?",
121
280000
2000
"Mas o que é a vida artificial?",
04:57
let me give you a whirlwindredemoinho de vento tourTour
122
282000
2000
deixem-me guiar-vos numa visita relâmpago
04:59
of how all this stuffcoisa cameveio about.
123
284000
2000
à história de como tudo isto aconteceu.
05:01
And it startedcomeçado out quitebastante a while agoatrás
124
286000
3000
E tudo começou há algum tempo atrás
05:04
when someonealguém wroteescrevi
125
289000
2000
quando alguém escreveu
05:06
one of the first successfulbem sucedido computercomputador virusesvírus.
126
291000
2000
um dos primeiros vírus de computador bem sucedidos.
05:08
And for those of you who aren'tnão são oldvelho enoughsuficiente,
127
293000
3000
E para aqueles de entre vós que não são suficientemente velhos,
05:11
you have no ideaidéia how this infectioninfecção was workingtrabalhando --
128
296000
3000
não tendes ideia de como esta infecção funcionava --
05:14
namelynomeadamente, throughatravés these floppydisquete disksdiscos.
129
299000
2000
concretamente, através destas disquetes.
05:16
But the interestinginteressante thing about these computercomputador virusvírus infectionsinfecções
130
301000
3000
Mas o que é interessante acerca das infecções destes vírus de computador
05:19
was that, if you look at the ratetaxa
131
304000
2000
é que, se olharmos para a taxa
05:21
at whichqual the infectioninfecção workedtrabalhou,
132
306000
2000
a que a infecção avançava,
05:23
they showexposição this spikyespetado behaviorcomportamento
133
308000
2000
aparece este comportamento com picos
05:25
that you're used to from a flugripe virusvírus.
134
310000
3000
a que estamos acostumados num vírus da gripe.
05:28
And it is in factfacto duevencimento to this armsbraços racecorrida
135
313000
2000
E é de facto devido a esta corrida ao armamento
05:30
betweenentre hackershackers and operatingoperativo systemsistema designersdesigners
136
315000
3000
entre hackers e designers de sistemas operativos
05:33
that things go back and forthadiante.
137
318000
2000
que as coisas avançam e retrocedem.
05:35
And the resultresultado is kindtipo of a treeárvore of life
138
320000
2000
E o resultado é uma espécie de árvore da vida
05:37
of these virusesvírus,
139
322000
2000
destes vírus,
05:39
a phylogenyfilogenia that looksparece very much
140
324000
3000
uma filogenia que se parece muito com
05:42
like the typetipo of life that we're used to, at leastpelo menos on the viralviral levelnível.
141
327000
3000
o tipo de vida a que estamos habituados, pelos menos ao nível dos vírus.
05:45
So is that life? Not as farlonge as I'm concernedpreocupado.
142
330000
3000
Então, trata-se de vida? Quanto a mim, não.
05:48
Why? Because these things don't evolveevoluir by themselvessi mesmos.
143
333000
3000
Porquê? Porque estas coisas não evoluem por si mesmas.
05:51
In factfacto, they have hackershackers writingescrevendo them.
144
336000
2000
De facto, têm hackers a escrevê-las.
05:53
But the ideaidéia was takenocupado very quicklyrapidamente a little bitpouco furthermais distante
145
338000
4000
Mas a ideia foi rapidamente levada um pouco mais longe
05:57
when a scientistcientista workingtrabalhando at the ScientificCientífica InstituteInstituto decideddecidiu,
146
342000
3000
quando um cientista a trabalhar no Instituto Científico decidiu,
06:00
"Why don't we try to packagepacote these little virusesvírus
147
345000
3000
"Porque não tentamos embalar estes pequenos vírus
06:03
in artificialartificial worldsos mundos insidedentro of the computercomputador
148
348000
2000
em mundos artificiais dentro do computador
06:05
and let them evolveevoluir?"
149
350000
2000
e os deixamos evoluir?"
06:07
And this was SteenSteen RasmussenRasmussen.
150
352000
2000
Foi Steen Rasmussen.
06:09
And he designedprojetado this systemsistema, but it really didn't work,
151
354000
2000
E ele desenhou este sistema, que realmente não funcionou,
06:11
because his virusesvírus were constantlyconstantemente destroyingdestruindo eachcada other.
152
356000
3000
porque os vírus estavam constantemente a destruir-se uns aos outros.
06:14
But there was anotheroutro scientistcientista who had been watchingassistindo this, an ecologistecologista.
153
359000
3000
Mas houve outro cientista que tinha estado a observar isto, um ecologista.
06:17
And he wentfoi home and saysdiz, "I know how to fixconsertar this."
154
362000
3000
E ele foi para casa e disse, "Sei como resolver isto."
06:20
And he wroteescrevi the TierraTierra systemsistema,
155
365000
2000
E escreveu o sistema Tierra,
06:22
and, in my booklivro, is in factfacto one of the first
156
367000
3000
e, no meu livro, é de facto um dos primeiros
06:25
trulyverdadeiramente artificialartificial livingvivo systemssistemas --
157
370000
2000
verdadeiros sistemas vivos artificiais --
06:27
exceptexceto for the factfacto that these programsprogramas didn't really growcrescer in complexitycomplexidade.
158
372000
3000
excepto pelo facto que aqueles programas não se desenvolveram realmente em complexidade.
06:30
So havingtendo seenvisto this work, workedtrabalhou a little bitpouco on this,
159
375000
3000
Então, tendo visto o seu trabalho, e trabalhado um pouco nisto,
06:33
this is where I cameveio in.
160
378000
2000
foi aqui que eu entrei.
06:35
And I decideddecidiu to createcrio a systemsistema
161
380000
2000
E decidi criar um sistema
06:37
that has all the propertiespropriedades that are necessarynecessário
162
382000
2000
que tem todas as propriedades necessárias
06:39
to see the evolutionevolução of complexitycomplexidade,
163
384000
3000
para vermos a evolução da complexidade,
06:42
more and more complexcomplexo problemsproblemas constantlyconstantemente evolvingevoluindo.
164
387000
3000
problemas mais e mais complexos constantemente evoluindo.
06:45
And of coursecurso, sinceDesde a I really don't know how to writeEscreva codecódigo, I had help in this.
165
390000
3000
E claro, já que eu não sei realmente escrever código, tive ajuda.
06:48
I had two undergraduatecursos de graduação studentsalunos
166
393000
2000
Tive dois estudantes universitários
06:50
at CaliforniaCalifórnia InstituteInstituto of TechnologyTecnologia that workedtrabalhou with me.
167
395000
3000
do California Institute of Technology a trabalhar comigo.
06:53
That's CharlesCharles OffriaOffria on the left, TitusTito BrownBrown on the right.
168
398000
3000
Este é o Charles Offria, à esquerda, e o Titus Brown, à direita.
06:56
They are now actuallyna realidade respectablerespeitável professorsprofessores
169
401000
3000
Agora são, na verdade, respeitáveis professores
06:59
at MichiganMichigan StateEstado UniversityUniversidade,
170
404000
2000
na Michigan State University,
07:01
but I can assureassegurar you, back in the day,
171
406000
2000
mas posso assegurar-vos que, naqueles tempos,
07:03
we were not a respectablerespeitável teamequipe.
172
408000
2000
não éramos uma equipa respeitável.
07:05
And I'm really happyfeliz that no photofoto survivessobrevive
173
410000
2000
E sinto-me muito feliz que nenhuma foto sobreviva
07:07
of the threetrês of us anywherequalquer lugar closefechar togetherjuntos.
174
412000
3000
dos três juntos seja onde for.
07:10
But what is this systemsistema like?
175
415000
2000
Mas como é este sistema?
07:12
Well I can't really go into the detailsdetalhes,
176
417000
3000
Bem, na verdade não posso entrar em detalhes,
07:15
but what you see here is some of the entrailsentranhas.
177
420000
2000
mas o que vêm aqui são algumas das entranhas.
07:17
But what I wanted to focusfoco on
178
422000
2000
Mas aquilo que queria focar
07:19
is this typetipo of populationpopulação structureestrutura.
179
424000
2000
é este tipo de estrutura de população.
07:21
There's about 10,000 programsprogramas sittingsentado here.
180
426000
3000
Estão aqui cerca de 10.000 programas aqui.
07:24
And all differentdiferente strainsestirpes are coloredcolori in differentdiferente colorscores.
181
429000
3000
E todas as diferentes estirpes têm diferentes cores.
07:27
And as you see here, there are groupsgrupos that are growingcrescendo on toptopo of eachcada other,
182
432000
3000
E como podem ver aqui, há grupos que estão a crescer em cima uns dos outros,
07:30
because they are spreadingespalhando.
183
435000
2000
porque se estão a espalhar.
07:32
Any time there is a programprograma
184
437000
2000
Sempre que um programa
07:34
that's better at survivingsobrevivendo in this worldmundo,
185
439000
2000
é melhor a sobreviver neste mundo,
07:36
duevencimento to whatevertanto faz mutationmutação it has acquiredadquiriu,
186
441000
2000
devido a alguma mutação que tenha adquirido,
07:38
it is going to spreadespalhar over the othersoutras and drivedirigir the othersoutras to extinctionextinção.
187
443000
3000
vai-se espalhar sobre os outros e levá-los à extinção.
07:41
So I'm going to showexposição you a moviefilme where you're going to see that kindtipo of dynamicdinâmico.
188
446000
3000
Então vou mostrar-vos um filme onde vão ver esse tipo de dinâmica.
07:44
And these kindstipos of experimentsexperiências are startedcomeçado
189
449000
3000
E estes tipos de experiências são iniciadas
07:47
with programsprogramas that we wroteescrevi ourselvesnós mesmos.
190
452000
2000
com programas que nós próprios escrevemos.
07:49
We writeEscreva our ownpróprio stuffcoisa, replicatereplicar it,
191
454000
2000
Escrevemos o nosso próprio material, replicamo-lo,
07:51
and are very proudorgulhoso of ourselvesnós mesmos.
192
456000
2000
e temos muito orgulho em nós próprios.
07:53
And we put them in, and what you see immediatelyimediatamente
193
458000
3000
E pomo-los lá dentro, e o que se vê imediatamente
07:56
is that there are wavesondas and wavesondas of innovationinovação.
194
461000
3000
é que há ondas e ondas de inovação.
07:59
By the way, this is highlyaltamente acceleratedacelerado,
195
464000
2000
A propósito, isto está muito acelerado,
08:01
so it's like a thousandmil generationsgerações a secondsegundo.
196
466000
2000
por isso é como mil gerações por segundo.
08:03
But immediatelyimediatamente the systemsistema goesvai like,
197
468000
2000
Mas imediatamente o sistema fica tipo,
08:05
"What kindtipo of dumbburro piecepeça of codecódigo was this?
198
470000
2000
"Que raio de pedaço de código estúpido era aquele?
08:07
This can be improvedmelhorado uponsobre in so manymuitos waysmaneiras
199
472000
2000
Isto pode ser melhorado de tantas maneiras
08:09
so quicklyrapidamente."
200
474000
2000
tão depressa."
08:11
So you see wavesondas of newNovo typestipos
201
476000
2000
Então vê-se ondas de novos tipos
08:13
takinglevando over the other typestipos.
202
478000
2000
dominando os outros tipos.
08:15
And this typetipo of activityatividade goesvai on for quitebastante awhilepor algum tempo,
203
480000
3000
E este tipo de actividade prolonga-se por bastante tempo,
08:18
untilaté the maina Principal easyfácil things have been acquiredadquiriu by these programsprogramas.
204
483000
4000
até que as principais coisas mais fáceis já foram adquiridas por estes programas.
08:22
And then you see sortordenar of like a stasisestase comingchegando on
205
487000
4000
E então vê-se uma espécie de estase a acontecer
08:26
where the systemsistema essentiallyessencialmente waitsEspera
206
491000
2000
em que o sistema basicamente espera
08:28
for a newNovo typetipo of innovationinovação, like this one,
207
493000
3000
por um novo tipo de inovação, como este,
08:31
whichqual is going to spreadespalhar
208
496000
2000
que se irá espalhar
08:33
over all the other innovationsinovações that were before
209
498000
2000
sobre todas as anteriores inovações
08:35
and is erasingapagando the genesgenes that it had before,
210
500000
3000
e irá apagar os genes que havia anteriormente,
08:38
untilaté a newNovo typetipo of highersuperior levelnível of complexitycomplexidade has been achievedalcançado.
211
503000
4000
até que um novo tipo de nível mais elevado de complexidade tenha sido alcançado.
08:42
And this processprocesso goesvai on and on and on.
212
507000
3000
E este processo continua e continua e continua.
08:45
So what we see here
213
510000
2000
Então, o que vemos aqui
08:47
is a systemsistema that livesvidas
214
512000
2000
é um sistema que vive
08:49
in very much the way we're used to life [going.]
215
514000
2000
muito da forma a que estamos habituados a ver a vida.
08:51
But what the NASANASA people had askedperguntei me really
216
516000
4000
Mas aquilo que o pessoal da NASA me perguntou realmente
08:55
was, "Do these guys
217
520000
2000
foi, "Estes tipos
08:57
have a biosignaturebio-assinatura?
218
522000
2000
têm uma bioassinatura?
08:59
Can we measurea medida this typetipo of life?
219
524000
2000
Podemos medir este tipo de vida?
09:01
Because if we can,
220
526000
2000
Porque se pudermos,
09:03
maybe we have a chancechance of actuallyna realidade discoveringdescobrindo life somewherealgum lugar elseoutro
221
528000
3000
talvez tenhamos uma hipótese de realmente descobrirmos vida noutro lugar
09:06
withoutsem beingser biasedtendencioso
222
531000
2000
sem estarmos a ser parciais
09:08
by things like aminoamino acidsácidos."
223
533000
2000
em coisas como os aminoácidos."
09:10
So I said, "Well, perhapspossivelmente we should constructconstruir
224
535000
3000
Então eu disse, "Bem, talvez possamos construir
09:13
a biosignaturebio-assinatura
225
538000
2000
uma bioassinatura
09:15
basedSediada on life as a universaluniversal processprocesso.
226
540000
3000
baseada na vida como um processo universal.
09:18
In factfacto, it should perhapspossivelmente make use
227
543000
2000
De facto, talvez possa usar
09:20
of the conceptsconceitos that I developeddesenvolvido
228
545000
2000
os conceitos que eu desenvolvi
09:22
just in orderordem to sortordenar of capturecapturar
229
547000
2000
para poder captar
09:24
what a simplesimples livingvivo systemsistema mightpoderia be."
230
549000
2000
o que um sistema vivo simples poderia ser."
09:26
And the thing I cameveio up with --
231
551000
2000
E aquilo a que eu cheguei --
09:28
I have to first give you an introductionintrodução about the ideaidéia,
232
553000
4000
primeiro tenho de fazer uma introdução sobre a ideia,
09:32
and maybe that would be a meaningsignificado detectordetector de,
233
557000
3000
e talvez isso sirva como um detector de significado,
09:35
ratherem vez than a life detectordetector de.
234
560000
3000
em vez de um detector de vida.
09:38
And the way we would do that --
235
563000
2000
E a forma de conseguirmos fazer isso --
09:40
I would like to find out how I can distinguishdistinguir
236
565000
2000
gostaria de descobrir como posso distinguir
09:42
texttexto that was writtenescrito by a millionmilhão monkeysmacacos,
237
567000
2000
texto que foi escrito por um milhão de macacos,
09:44
as opposedopôs-se to texttexto that [is] in our bookslivros.
238
569000
3000
do texto que está nos nossos livros.
09:47
And I would like to do it in suchtal a way
239
572000
2000
E gostaria de o fazer de tal forma que
09:49
that I don't actuallyna realidade have to be ablecapaz to readler the languagelíngua,
240
574000
2000
que não fosse realmente necessário ler a linguagem,
09:51
because I'm sure I won'tnão vai be ablecapaz to.
241
576000
2000
porque tenho a certeza que não ia ser capaz de o fazer.
09:53
As long as I know that there's some sortordenar of alphabetalfabeto.
242
578000
2000
Desde que saiba que existe algum tipo de alfabeto.
09:55
So here would be a frequencyfreqüência plotenredo
243
580000
3000
Então aqui estaria um gráfico de frequência
09:58
of how oftenfrequentemente you find
244
583000
2000
de quão frequentemente se encontraria
10:00
eachcada of the 26 letterscartas of the alphabetalfabeto
245
585000
2000
cada uma das 26 letras do alfabeto
10:02
in a texttexto writtenescrito by randomaleatória monkeysmacacos.
246
587000
3000
num texto escrito por macacos aleatórios.
10:05
And obviouslyobviamente eachcada of these letterscartas
247
590000
2000
E obviamente cada uma dessas letras
10:07
comesvem off about roughlymais ou menos equallyigualmente frequentfreqüente.
248
592000
2000
surge com uma frequência aproximadamente igual.
10:09
But if you now look at the samemesmo distributiondistribuição in EnglishInglês textstextos,
249
594000
4000
Mas se agora olharmos para a mesma distribuição em textos de Inglês,
10:13
it looksparece like that.
250
598000
2000
é este o gráfico.
10:15
And I'm tellingdizendo you, this is very robustrobusto acrossatravés EnglishInglês textstextos.
251
600000
3000
E digo-vos, este resultado é bastante consistente nos vários textos de Inglês.
10:18
And if I look at FrenchFrancês textstextos, it looksparece a little bitpouco differentdiferente,
252
603000
2000
E se olhar para textos de Francês, tem um aspecto ligeiramente diferente,
10:20
or ItalianItaliano or GermanAlemão.
253
605000
2000
ou para Italiano, ou Alemão.
10:22
They all have theirdeles ownpróprio typetipo of frequencyfreqüência distributiondistribuição,
254
607000
3000
Todas têm o seu próprio tipo de frequência de distribuição,
10:25
but it's robustrobusto.
255
610000
2000
mas é consistente.
10:27
It doesn't matterimportam whetherse it writesescreve about politicspolítica or about scienceCiência.
256
612000
3000
Não importa se o texto é sobre política ou ciência.
10:30
It doesn't matterimportam whetherse it's a poempoema
257
615000
3000
Não importa se é um poema
10:33
or whetherse it's a mathematicalmatemático texttexto.
258
618000
3000
ou se é um texto matemático.
10:36
It's a robustrobusto signatureassinatura,
259
621000
2000
É uma assinatura consistente,
10:38
and it's very stableestável.
260
623000
2000
e é bastante estável.
10:40
As long as our bookslivros are writtenescrito in EnglishInglês --
261
625000
2000
Desde que os nossos livros sejam escritos em Inglês --
10:42
because people are rewritingreescrevendo them and recopyingrecopying them --
262
627000
3000
porque as pessoas os estão a reescrever e recopiar --
10:45
it's going to be there.
263
630000
2000
estará lá.
10:47
So that inspiredinspirado me to think about,
264
632000
2000
Então isso inspirou-me a pensar sobre,
10:49
well, what if I try to use this ideaidéia
265
634000
3000
bem, e se eu tentar usar esta ideia
10:52
in orderordem, not to detectdetectar randomaleatória textstextos
266
637000
2000
não para detectar textos aleatórios,
10:54
from textstextos with meaningsignificado,
267
639000
2000
de textos com significado,
10:56
but ratherem vez detectdetectar the factfacto that there is meaningsignificado
268
641000
4000
mas antes detectar o facto de que existe significado
11:00
in the biomoleculesbiomoléculas that make up life.
269
645000
2000
nas biomoléculas que constituem a vida.
11:02
But first I have to askpergunte:
270
647000
2000
Mas primeiro tenho de perguntar:
11:04
what are these buildingconstrução blocksblocos, like the alphabetalfabeto, elementselementos that I showedmostrou you?
271
649000
3000
o que são estes elementos constituintes, como o alfabeto, estes elementos que vos mostrei?
11:07
Well it turnsgira out, we have manymuitos differentdiferente alternativesalternativas
272
652000
3000
Bem, acontece que temos muitas alternativas diferentes
11:10
for suchtal a setconjunto of buildingconstrução blocksblocos.
273
655000
2000
para este conjunto de elementos constituintes.
11:12
We could use aminoamino acidsácidos,
274
657000
2000
Podemos usar aminoácidos,
11:14
we could use nucleicácidos nucleicos acidsácidos, carboxyliccarboxílico acidsácidos, fattygordos acidsácidos.
275
659000
3000
podemos usar ácidos nucleicos, ácidos carboxílicos, ácidos gordos.
11:17
In factfacto, chemistry'sdo química extremelyextremamente richrico, and our bodycorpo usesusa a lot of them.
276
662000
3000
De facto, a química é extremamente rica, e o nosso corpo usa uma grande quantidade dela.
11:20
So that we actuallyna realidade, to testteste this ideaidéia,
277
665000
3000
Então, para testar esta ideia,
11:23
first tooktomou a look at aminoamino acidsácidos and some other carboxyliccarboxílico acidsácidos.
278
668000
3000
primeiro demos uma olhadela aos aminoácidos e alguns outros ácidos carboxílicos.
11:26
And here'saqui está the resultresultado.
279
671000
2000
E aqui está o resultado.
11:28
Here is, in factfacto, what you get
280
673000
3000
Aqui está, de facto, o que se obtém
11:31
if you, for exampleexemplo, look at the distributiondistribuição of aminoamino acidsácidos
281
676000
3000
se, por exemplo, se olhar para a distribuição dos aminoácidos
11:34
on a cometcometa or in interstellarinterestelar spaceespaço
282
679000
3000
num cometa ou no espaço interestrelar
11:37
or, in factfacto, in a laboratorylaboratório,
283
682000
2000
ou, de facto, num laboratório,
11:39
where you madefeito very sure that in your primordialprimordial soupsopa
284
684000
2000
em que se assegurou que na nossa sopa primordial
11:41
that there is not livingvivo stuffcoisa in there.
285
686000
2000
não existe lá nada vivo.
11:43
What you find is mostlyna maioria das vezes glycineglicina and then alaninealanina
286
688000
3000
O que se descobre é sobretudo glicina e depois alanina
11:46
and there's some tracevestígio elementselementos of the other onesuns.
287
691000
3000
e existem alguns vestígios de outros elementos.
11:49
That is alsoAlém disso very robustrobusto --
288
694000
3000
Isto é também muito consistente --
11:52
what you find in systemssistemas like EarthTerra
289
697000
3000
o que se encontra em sistemas como a Terra
11:55
where there are aminoamino acidsácidos,
290
700000
2000
em que existem aminoácidos,
11:57
but there is no life.
291
702000
2000
mas não existe vida.
11:59
But supposesuponha you take some dirtsujeira
292
704000
2000
Mas imaginem que pegam num pouco de terra
12:01
and digescavação throughatravés it
293
706000
2000
e escavam através dela
12:03
and then put it into these spectrometersEspectrómetros de,
294
708000
3000
e depois colocam estes espectrómetros,
12:06
because there's bacteriabactérias all over the placeLugar, colocar;
295
711000
2000
porque há bactérias por toda a parte;
12:08
or you take wateragua anywherequalquer lugar on EarthTerra,
296
713000
2000
ou que recolhem água em qualquer lugar na Terra,
12:10
because it's teamingunindo with life,
297
715000
2000
porque está a fervilhar de vida,
12:12
and you make the samemesmo analysisanálise;
298
717000
2000
e fazem a mesma análise;
12:14
the spectrumespectro looksparece completelycompletamente differentdiferente.
299
719000
2000
o espectro parece completamente diferente.
12:16
Of coursecurso, there is still glycineglicina and alaninealanina,
300
721000
4000
Claro, há na mesma glicina e alanina,
12:20
but in factfacto, there are these heavypesado elementselementos, these heavypesado aminoamino acidsácidos,
301
725000
3000
mas de facto, este são elementos pesados, estes aminoácidos pesados,
12:23
that are beingser producedproduzido
302
728000
2000
estão a ser produzidos
12:25
because these are valuablevalioso to the organismorganismo.
303
730000
2000
porque são valiosos para o organismo.
12:27
And some other onesuns
304
732000
2000
E alguns outros
12:29
that are not used in the setconjunto of 20,
305
734000
2000
que não são usados no conjunto de 20,
12:31
they will not appearaparecer at all
306
736000
2000
não aparecerão de todo
12:33
in any typetipo of concentrationconcentração.
307
738000
2000
em nenhum tipo de concentração.
12:35
So this alsoAlém disso turnsgira out to be extremelyextremamente robustrobusto.
308
740000
2000
Isto também se revela extremamente consistente.
12:37
It doesn't matterimportam what kindtipo of sedimentsedimento you're usingusando to grindgrau de moagem up,
309
742000
3000
Não importa que tipo de sedimento se usa para raspar,
12:40
whetherse it's bacteriabactérias or any other plantsplantas or animalsanimais.
310
745000
3000
seja bactérias ou quaisquer plantas ou animais.
12:43
AnywhereEm qualquer lugar there's life,
311
748000
2000
Onde quer que haja vida,
12:45
you're going to have this distributiondistribuição,
312
750000
2000
iremos ter esta distribuição,
12:47
as opposedopôs-se to that distributiondistribuição.
313
752000
2000
por oposição àquela distribuição.
12:49
And it is detectabledetectável not just in aminoamino acidsácidos.
314
754000
3000
E é detectável não apenas em aminoácidos.
12:52
Now you could askpergunte:
315
757000
2000
Agora podem perguntar:
12:54
well, what about these AvidiansAvidians?
316
759000
2000
bem, e quanto aos Avidianos?
12:56
The AvidiansAvidians beingser the denizenshabitantes of this computercomputador worldmundo
317
761000
4000
Os Avidianos são os habitantes ("denizens") deste mundo de computador
13:00
where they are perfectlyperfeitamente happyfeliz replicatingreplicando and growingcrescendo in complexitycomplexidade.
318
765000
3000
onde são perfeitamente felizes replicando-se e desenvolvendo-se em complexidade.
13:03
So this is the distributiondistribuição that you get
319
768000
3000
Então esta é a distribuição que se obtém
13:06
if, in factfacto, there is no life.
320
771000
2000
se, de facto, não houver vida.
13:08
They have about 28 of these instructionsinstruções.
321
773000
3000
Eles têm cerca de 28 destas instruções.
13:11
And if you have a systemsistema where they're beingser replacedsubstituído one by the other,
322
776000
3000
E se tivermos um sistema em que eles são substituídos uns pelos outros,
13:14
it's like the monkeysmacacos writingescrevendo on a typewritermáquina de escrever.
323
779000
2000
é como os macacos a escrever numa máquina de escrever.
13:16
EachCada of these instructionsinstruções appearsaparece
324
781000
3000
Cada uma destas instruções surge
13:19
with roughlymais ou menos the equaligual frequencyfreqüência.
325
784000
3000
com frequência aproximadamente igual.
13:22
But if you now take a setconjunto of replicatingreplicando guys
326
787000
4000
Mas se agora tomarmos um conjunto de tipos em replicação
13:26
like in the videovídeo that you saw,
327
791000
2000
como no vídeo que viram,
13:28
it looksparece like this.
328
793000
2000
tem este aspecto.
13:30
So there are some instructionsinstruções
329
795000
2000
Então aqui estão algumas instruções
13:32
that are extremelyextremamente valuablevalioso to these organismsorganismos,
330
797000
2000
que são extremamente valiosas para estes organismos,
13:34
and theirdeles frequencyfreqüência is going to be highAlto.
331
799000
3000
e a sua frequência vai ser alta.
13:37
And there's actuallyna realidade some instructionsinstruções
332
802000
2000
E há na verdade algumas instruções
13:39
that you only use onceuma vez, if ever.
333
804000
2000
que apenas se usa uma vez, ou nem isso.
13:41
So they are eitherou poisonousvenenoso
334
806000
2000
As instruções ou são venenosas
13:43
or really should be used at lessMenos of a levelnível than randomaleatória.
335
808000
4000
ou devem realmente ser usadas a menos de um nível abaixo de aleatório.
13:47
In this casecaso, the frequencyfreqüência is lowermais baixo.
336
812000
3000
Neste caso, a frequência é mais baixa.
13:50
And so now we can see, is that really a robustrobusto signatureassinatura?
337
815000
3000
E agora podemos ver, é esta realmente uma assinatura consistente?
13:53
I can tell you indeedde fato it is,
338
818000
2000
Posso dizer-vos que na verdade é,
13:55
because this typetipo of spectrumespectro, just like what you've seenvisto in bookslivros,
339
820000
3000
porque neste tipo de espectro, tal como o que viram nos livros,
13:58
and just like what you've seenvisto in aminoamino acidsácidos,
340
823000
2000
e tal como o que viram nos aminoácidos,
14:00
it doesn't really matterimportam how you changemudança the environmentmeio Ambiente, it's very robustrobusto;
341
825000
3000
não importa realmente como se muda o meio ambiente, é muito consistente;
14:03
it's going to reflectrefletir the environmentmeio Ambiente.
342
828000
2000
vai reflectir o meio ambiente.
14:05
So I'm going to showexposição you now a little experimentexperimentar that we did.
343
830000
2000
Vou então mostrar-vos agora uma pequena experiência que fizemos.
14:07
And I have to explainexplicar to you,
344
832000
2000
E tenho de vos explicar,
14:09
the toptopo of this graphgráfico
345
834000
2000
a parte de cima deste gráfico
14:11
showsmostra you that frequencyfreqüência distributiondistribuição that I talkedfalou about.
346
836000
3000
mostra aquela distribuição da frequência de que falei.
14:14
Here, in factfacto, that's the lifelesssem vida environmentmeio Ambiente
347
839000
3000
Daqui, de facto, trata-se do meio ambiente sem vida
14:17
where eachcada instructioninstrução occursocorre
348
842000
2000
em que cada instrução ocorre
14:19
at an equaligual frequencyfreqüência.
349
844000
2000
com frequências iguais.
14:21
And belowabaixo there, I showexposição, in factfacto,
350
846000
3000
E aqui em baixo, mostro, de facto,
14:24
the mutationmutação ratetaxa in the environmentmeio Ambiente.
351
849000
3000
o taxa de mutação no meio ambiente.
14:27
And I'm startinginiciando this at a mutationmutação ratetaxa that is so highAlto
352
852000
3000
E começo por uma taxa de mutação tão alta
14:30
that, even if you would dropsolta
353
855000
2000
que, mesmo se introduzíssemos
14:32
a replicatingreplicando programprograma
354
857000
2000
um programa de replicação
14:34
that would otherwisede outra forma happilyfelizes para sempre growcrescer up
355
859000
2000
que de outra forma se desenvolveria alegremente
14:36
to fillencher the entireinteira worldmundo,
356
861000
2000
até preencher o mundo inteiro,
14:38
if you dropsolta it in, it getsobtém mutateduma mutação to deathmorte immediatelyimediatamente.
357
863000
4000
se o introduzíssemos, sofreria uma mutação e morreria imediatamente.
14:42
So there is no life possiblepossível
358
867000
2000
Então, não há vida possível
14:44
at that typetipo of mutationmutação ratetaxa.
359
869000
3000
a este nível de taxa de mutação.
14:47
But then I'm going to slowlylentamente turnvirar down the heatcalor, so to speakfalar,
360
872000
4000
Mas agora vou lentamente descer a temperatura, por assim dizer,
14:51
and then there's this viabilityviabilidade thresholdlimite
361
876000
2000
e então há este limiar de viabilidade
14:53
where now it would be possiblepossível
362
878000
2000
em que agora seria possível
14:55
for a replicatorReplicator to actuallyna realidade liveviver.
363
880000
2000
a um replicador realmente viver.
14:57
And indeedde fato, we're going to be droppingdeixar cair these guys
364
882000
3000
E na verdade, iremos introduzir estes tipos
15:00
into that soupsopa all the time.
365
885000
2000
naquela sopa a toda a hora.
15:02
So let's see what that looksparece like.
366
887000
2000
Então vamos ver qual o aspecto disso.
15:04
So first, nothing, nothing, nothing.
367
889000
3000
Primeiro, nada, nada, nada.
15:07
Too hotquente, too hotquente.
368
892000
2000
Muito quente, muito quente.
15:09
Now the viabilityviabilidade thresholdlimite is reachedatingiu,
369
894000
3000
Agora o limiar de viabilidade é atingido,
15:12
and the frequencyfreqüência distributiondistribuição
370
897000
2000
e a distribuição da frequência
15:14
has dramaticallydramaticamente changedmudou and, in factfacto, stabilizesestabiliza o.
371
899000
3000
mudou dramaticamente e, de facto, estabiliza.
15:17
And now what I did there
372
902000
2000
E agora o que eu fiz foi,
15:19
is, I was beingser nastydesagradável, I just turnedvirou up the heatcalor again and again.
373
904000
3000
estava a ser mauzinho, voltei a aumentar a temperatura uma e outra vez.
15:22
And of coursecurso, it reachesatinge the viabilityviabilidade thresholdlimite.
374
907000
3000
E claro, atinge o limiar da viabilidade.
15:25
And I'm just showingmostrando this to you again because it's so nicebom.
375
910000
3000
E estou a mostrar-vos isto de novo porque é tão lindo.
15:28
You hitacertar the viabilityviabilidade thresholdlimite.
376
913000
2000
Acerta-se no limiar da viabilidade.
15:30
The distributiondistribuição changesalterar to "alivevivo!"
377
915000
2000
A distribuição muda para "vivo!"
15:32
And then, onceuma vez you hitacertar the thresholdlimite
378
917000
3000
E então, assim que se acerta no limiar
15:35
where the mutationmutação ratetaxa is so highAlto
379
920000
2000
em que a taxa de mutação é tão alta
15:37
that you cannotnão podes self-reproduceauto reproduzir,
380
922000
2000
que não é possível a auto-reprodução,
15:39
you cannotnão podes copycópia de the informationem formação
381
924000
3000
não se pode copiar a informação
15:42
forwardprogressivo to your offspringdescendência
382
927000
2000
e passá-la à descendência
15:44
withoutsem makingfazer so manymuitos mistakeserros
383
929000
2000
sem fazer tantos erros que
15:46
that your abilityhabilidade to replicatereplicar vanishesdesaparece.
384
931000
3000
a capacidade de replicar-se desaparece.
15:49
And then that signatureassinatura is lostperdido.
385
934000
3000
E então a assinatura perde-se.
15:52
What do we learnaprender from that?
386
937000
2000
O que aprendemos com isto?
15:54
Well, I think we learnaprender a numbernúmero of things from that.
387
939000
4000
Bem, penso que aprendemos vários coisas com isto.
15:58
One of them is,
388
943000
2000
Uma delas é que,
16:00
if we are ablecapaz to think about life
389
945000
3000
se somos capazes de pensar sobre a vida
16:03
in abstractabstrato termstermos --
390
948000
2000
em termos abstractos --
16:05
and we're not talkingfalando about things like plantsplantas,
391
950000
2000
e não estamos a falar de coisas como as plantas,
16:07
and we're not talkingfalando about aminoamino acidsácidos,
392
952000
2000
e não estamos a falar de aminoácidos,
16:09
and we're not talkingfalando about bacteriabactérias,
393
954000
2000
e não estamos a falar de bactérias,
16:11
but we think in termstermos of processesprocessos --
394
956000
2000
mas pensamos em termos de processos --
16:13
then we could startcomeçar to think about life,
395
958000
3000
então poderemos começar a pensar sobre a vida,
16:16
not as something that is so specialespecial to EarthTerra,
396
961000
2000
não como algo assim tão especial na Terra,
16:18
but that, in factfacto, could existexistir anywherequalquer lugar.
397
963000
3000
mas algo que, de facto, poderia existir em qualquer lado.
16:21
Because it really only has to do
398
966000
2000
Porque realmente apenas tem a ver
16:23
with these conceptsconceitos of informationem formação,
399
968000
2000
com estes conceitos de informação,
16:25
of storingarmazenando informationem formação
400
970000
2000
de armazenamento de informação
16:27
withindentro physicalfisica substratessubstratos --
401
972000
2000
no interior de substratos --
16:29
anything: bitsbits, nucleicácidos nucleicos acidsácidos,
402
974000
2000
qualquer coisa: bits, ácidos nucleicos,
16:31
anything that's an alphabetalfabeto --
403
976000
2000
qualquer coisa que seja um alfabeto --
16:33
and make sure that there's some processprocesso
404
978000
2000
e o assegurar de que há algum tipo de processo
16:35
so that this informationem formação can be storedarmazenados
405
980000
2000
para que esta informação possa ser armazenada
16:37
for much longermais longo than you would expectEspero
406
982000
2000
por muito mais tempo do que poderíamos esperar
16:39
the time scalesescalas for the deteriorationdeterioração of informationem formação.
407
984000
4000
que fossem as escalas de tempo para a deterioração da informação.
16:43
And if you can do that,
408
988000
2000
E se o conseguirmos fazer,
16:45
then you have life.
409
990000
2000
então temos vida.
16:47
So the first thing that we learnaprender
410
992000
2000
Então a primeira coisa que aprendemos
16:49
is that it is possiblepossível to definedefinir life
411
994000
3000
é que é possível definir vida
16:52
in termstermos of processesprocessos alonesozinho,
412
997000
3000
exclusivamente em termos de processos,
16:55
withoutsem referringreferindo-se at all
413
1000000
2000
sem fazer qualquer referência
16:57
to the typetipo of things that we holdaguarde dearcaro,
414
1002000
2000
ao tipo de coisas que nos são caras,
16:59
as farlonge as the typetipo of life on EarthTerra is.
415
1004000
3000
no que toca ao tipo de vida na Terra.
17:02
And that in a sensesentido removesRemove us again,
416
1007000
3000
E isto, de certo modo, retira-nos de novo,
17:05
like all of our scientificcientífico discoveriesdescobertas, or manymuitos of them --
417
1010000
3000
como todas as nossas descobertas científicas, ou muitas delas --
17:08
it's this continuouscontínuo dethroningdestronando of man --
418
1013000
2000
é este contínuo destronamento do homem --
17:10
of how we think we're specialespecial because we're alivevivo.
419
1015000
3000
de como pensamos que somos especiais porque estamos vivos.
17:13
Well we can make life. We can make life in the computercomputador.
420
1018000
3000
Bem, conseguimos criar vida. Conseguimos criar vida no computador.
17:16
GrantedConcedida, it's limitedlimitado,
421
1021000
2000
Concedo, é limitada,
17:18
but we have learnedaprendido what it takes
422
1023000
3000
mas aprendemos o que é preciso
17:21
in orderordem to actuallyna realidade constructconstruir it.
423
1026000
2000
para realmente construí-la.
17:23
And onceuma vez we have that,
424
1028000
3000
E assim que temos isso,
17:26
then it is not suchtal a difficultdifícil tasktarefa anymorenão mais
425
1031000
3000
então deixa de ser uma tarefa tão difícil dizer,
17:29
to say, if we understandCompreendo the fundamentalfundamental processesprocessos
426
1034000
4000
se compreendermos os processos fundamentais
17:33
that do not referreferir to any particularespecial substratesubstrato,
427
1038000
3000
que não se referem a nenhum substrato em particular,
17:36
then we can go out
428
1041000
2000
então podemos ir
17:38
and try other worldsos mundos,
429
1043000
2000
e tentar outros mundos,
17:40
figurefigura out what kindtipo of chemicalquímico alphabetsalfabetos mightpoderia there be,
430
1045000
4000
descobrir que tipo de alfabetos químicos lá estarão,
17:44
figurefigura enoughsuficiente about the normalnormal chemistryquímica,
431
1049000
2000
descobrir o suficiente sobre a química normal,
17:46
the geochemistrygeoquímica of the planetplaneta,
432
1051000
3000
a geoquímica do planeta,
17:49
so that we know what this distributiondistribuição would look like
433
1054000
2000
para que saibamos como é que esta distribuição seria
17:51
in the absenceausência of life,
434
1056000
2000
na ausência de vida,
17:53
and then look for largeampla deviationsdesvios from this --
435
1058000
3000
e então procurar por grandes desvios a isso --
17:56
this thing stickingaderindo out, whichqual saysdiz,
436
1061000
3000
isto aqui a sobressair, que diz,
17:59
"This chemicalquímico really shouldn'tnão deveria be there."
437
1064000
2000
"Este químico não devia mesmo estar aqui."
18:01
Now we don't know that there's life then,
438
1066000
2000
Bem, não sabemos que há vida então,
18:03
but we could say,
439
1068000
2000
mas poderíamos dizer,
18:05
"Well at leastpelo menos I'm going to have to take a look very preciselyprecisamente at this chemicalquímico
440
1070000
3000
"Bem, ao menos vou ter de olhar com muita precisão para este químico
18:08
and see where it comesvem from."
441
1073000
2000
para ver de onde ele vem."
18:10
And that mightpoderia be our chancechance
442
1075000
2000
E essa talvez seja a nossa hipótese
18:12
of actuallyna realidade discoveringdescobrindo life
443
1077000
2000
de realmente descobrir vida
18:14
when we cannotnão podes visiblyvisivelmente see it.
444
1079000
2000
quando não a podemos observar visivelmente.
18:16
And so that's really the only take-homeleve pra casa messagemensagem
445
1081000
3000
E então essa é realmente a única mensagem para levarem para casa
18:19
that I have for you.
446
1084000
2000
que tenho para vós.
18:21
Life can be lessMenos mysteriousmisterioso
447
1086000
2000
A vida pode ser menos misteriosa
18:23
than we make it out to be
448
1088000
2000
do que aquilo que fazemos dela
18:25
when we try to think about how it would be on other planetsplanetas.
449
1090000
4000
quando tentamos pensar em como seria noutros planetas.
18:29
And if we removeremover the mysterymistério of life,
450
1094000
3000
E se removermos o mistério da vida,
18:32
then I think it is a little bitpouco easierMais fácil
451
1097000
3000
então penso que é um pouco mais fácil
18:35
for us to think about how we liveviver,
452
1100000
2000
para nós pensar acerca de como vivemos,
18:37
and how perhapspossivelmente we're not as specialespecial as we always think we are.
453
1102000
3000
e como talvez não sejamos tão especiais como sempre pensamos que somos.
18:40
And I'm going to leavesair you with that.
454
1105000
2000
E vou deixar-vos com isto.
18:42
And thank you very much.
455
1107000
2000
E muito obrigado.
18:44
(ApplauseAplausos)
456
1109000
2000
(Aplausos)
Translated by Nuno Miranda Ribeiro
Reviewed by Wanderley Jesus

▲Back to top

ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com