TED2016
Riccardo Sabatini: How to read the genome and build a human being
Riccardo Sabatini: Cách đọc gen và tạo nên con người
Filmed:
Readability: 3.6
1,834,677 views
Những bí mật, căn bệnh và vẻ đẹp tất cả được viết trong gen của con người, toàn bộ lời hướng dẫn về gen cần để tạo ra một con người. Bây giờ, với tư cacsha là một nhà khoa học và chủ doanh nghiệp Riccaardo Sabatini cho chúng ta thấy, chúng ta có khả năng để đọc những mật mã phức tạp đó, đoán về cân nặng, màu mắt, độ tuổi thậm chí là về cấu trúc khuôn mặt, tất cả chỉ từ một lọ máu nhỏ. Ngay bây giờ, Sabatini cho biết, sự hiểu biết mới về gen sẽ cho phép chúng ta tự chữa trị hóa những căn bệnh như ung thư. chúng ta có sức mạnh để thay đổi cuộc đời như chúng ta biết. và chúng ta sử dụng nó như thế nào?
Riccardo Sabatini - Scientist, entrepreneur
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio
Riccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions. Full bio
Double-click the English transcript below to play the video.
00:12
For the next 16 minutes,
I'm going to take you on a journey
I'm going to take you on a journey
0
612
2762
Trong 16 phút tới,
tôi sẽ đưa bạn tới một cuộc hành trình
tôi sẽ đưa bạn tới một cuộc hành trình
00:15
that is probably
the biggest dream of humanity:
the biggest dream of humanity:
1
3398
3086
đó thực sự là một giấc mộng lớn
của nhân loại:
của nhân loại:
00:18
to understand the code of life.
2
6508
2015
để hiểu về mã của sự sống.
00:21
So for me, everything started
many, many years ago
many, many years ago
3
9072
2743
Với tôi, mọi thứ bắt đầu từ
nhiều, nhiều năm về trước
nhiều, nhiều năm về trước
00:23
when I met the first 3D printer.
4
11839
2723
khi lần đầu tiên tôi thấy máy in 3D.
00:26
The concept was fascinating.
5
14586
1674
Khái niệm thật là quyến rũ.
00:28
A 3D printer needs three elements:
6
16284
2022
Một máy in 3D cần ba nguyên tố:
00:30
a bit of information, some
raw material, some energy,
raw material, some energy,
7
18330
4134
một ít thông tin, ít nguyên liệu thô
và ít năng lượng,
và ít năng lượng,
00:34
and it can produce any object
that was not there before.
that was not there before.
8
22488
3334
từ đó nó có thể tạo ra bất thứ vật gì
chưa từng có trước đó.
chưa từng có trước đó.
00:38
I was doing physics,
I was coming back home
I was coming back home
9
26517
2137
Tôi làm bên y học,
tôi đã trở về nhà
tôi đã trở về nhà
00:40
and I realized that I actually
always knew a 3D printer.
always knew a 3D printer.
10
28678
3438
và nhận ra rằng tôi thực sự
đã biết về máy in 3D.
đã biết về máy in 3D.
00:44
And everyone does.
11
32140
1336
Tất cả mọi người đều hiểu.
00:45
It was my mom.
12
33500
1158
Đó là mẹ tôi.
00:46
(Laughter)
13
34682
1001
(cười)
00:47
My mom takes three elements:
14
35707
2414
Mẹ tôi lấy ba nguyên tố:
00:50
a bit of information, which is between
my father and my mom in this case,
my father and my mom in this case,
15
38145
3973
một vài thông tin, ở đây ý là
thông tin giữa ba và mẹ tôi,
thông tin giữa ba và mẹ tôi,
00:54
raw elements and energy
in the same media, that is food,
in the same media, that is food,
16
42142
4157
nguyên liệu thô và năng lượng giống như
công cụ vậy, đó là thức ăn
công cụ vậy, đó là thức ăn
00:58
and after several months, produces me.
17
46323
2508
và sau vài tháng, tạo ra tôi.
01:00
And I was not existent before.
18
48855
1812
và tôi chưa từng tồn tại trước đó.
01:02
So apart from the shock of my mom
discovering that she was a 3D printer,
discovering that she was a 3D printer,
19
50691
3762
Vì vậy cú sốc về mẹ tôi là
phát hiện ra bà ấy là một máy in 3D
phát hiện ra bà ấy là một máy in 3D
01:06
I immediately got mesmerized
by that piece,
by that piece,
20
54477
4738
ngay lập tức tôi bị thôi miên
về ý nghĩ ấy,
về ý nghĩ ấy,
01:11
the first one, the information.
21
59239
1717
Trước tiên là về thông tin.
01:12
What amount of information does it take
22
60980
2251
bao nhiêu lượng thông tin
quá trình đó cần
quá trình đó cần
01:15
to build and assemble a human?
23
63255
1936
để tạo nên một con người?
01:17
Is it much? Is it little?
24
65215
1574
nó nhiều hay ít?
01:18
How many thumb drives can you fill?
25
66813
2180
Bao nhiêu ngón tay bạn có thể dùng
để tạo nên?
để tạo nên?
01:21
Well, I was studying physics
at the beginning
at the beginning
26
69017
2624
Vâng, khi tôi bắt đầu nghiên cứu về y
01:23
and I took this approximation of a human
as a gigantic Lego piece.
as a gigantic Lego piece.
27
71665
5597
tôi đã mường tượng con người
như là mảnh ghép Lego khổng lồ.
như là mảnh ghép Lego khổng lồ.
01:29
So, imagine that the building
blocks are little atoms
blocks are little atoms
28
77286
3785
Hãy tưởng tượng rằng những khối xây dựng
là những mảnh ghép nhỏ
là những mảnh ghép nhỏ
01:33
and there is a hydrogen here,
a carbon here, a nitrogen here.
a carbon here, a nitrogen here.
29
81095
4653
và khí hydro ở đây, khí các-bon ở đây,
và khí ni-tơ thì ở đây.
và khí ni-tơ thì ở đây.
01:37
So in the first approximation,
30
85772
1571
Ở sự giống nhau đầu tiên,
01:39
if I can list the number of atoms
that compose a human being,
that compose a human being,
31
87367
4343
nếu tôi có thể kể ra số mảnh ghép
để tạo nên một con người,
để tạo nên một con người,
01:43
I can build it.
32
91734
1387
thì tôi có thể tạo nên nó.
01:45
Now, you can run some numbers
33
93145
2029
Bây giờ, bạn có thể chạy vài con số
01:47
and that happens to be
quite an astonishing number.
quite an astonishing number.
34
95198
3277
và điều xảy ra
thực sự là một con số ngạc nhiên.
thực sự là một con số ngạc nhiên.
01:50
So the number of atoms,
35
98499
2757
vì vậy con số về những mảnh ghép,
01:53
the file that I will save in my thumb
drive to assemble a little baby,
drive to assemble a little baby,
36
101280
4755
lượng thông tin nơi tay tôi
để tạo nên một em bé,
để tạo nên một em bé,
01:58
will actually fill an entire Titanic
of thumb drives --
of thumb drives --
37
106059
4667
tương tự như toàn bộ những ngón tay
để tạo nên con tàu Titanic vậy
để tạo nên con tàu Titanic vậy
02:02
multiplied 2,000 times.
38
110750
2718
phức tạp hơn gấp 2,000 lần.
02:05
This is the miracle of life.
39
113957
3401
Đó là điều diệu của sự sống
02:09
Every time you see from now on
a pregnant lady,
a pregnant lady,
40
117382
2612
Từ bây giờ bất kỳ khi nào bạn thấy
một phụ nữ mang thai
một phụ nữ mang thai
02:12
she's assembling the biggest
amount of information
amount of information
41
120018
2856
thì cô ấy đang tạo ra một lượng thông tin
lớn nhất
lớn nhất
02:14
that you will ever encounter.
42
122898
1556
mà bạn không thể đong đếm được.
02:16
Forget big data, forget
anything you heard of.
anything you heard of.
43
124478
2950
Quên đi khối lượng lớn dữ liệu,
quên bất kì chuyện gì bạn nghe
quên bất kì chuyện gì bạn nghe
02:19
This is the biggest amount
of information that exists.
of information that exists.
44
127452
2881
Đây là lượng thông tin lớn nhất tồn tại
02:22
(Applause)
45
130357
3833
(hoan nghênh)
02:26
But nature, fortunately, is much smarter
than a young physicist,
than a young physicist,
46
134214
4644
May mắn thay, tạo hóa luôn khôn khéo hơn
một nhà vật lý trẻ,
một nhà vật lý trẻ,
02:30
and in four billion years, managed
to pack this information
to pack this information
47
138882
3576
và trong bốn tỷ năm,
đã điều khiển để gói gém thông tin này
đã điều khiển để gói gém thông tin này
02:34
in a small crystal we call DNA.
48
142482
2705
trong một tinh thể nhỏ bé
mà chúng ta gọi là DNA.
mà chúng ta gọi là DNA.
02:37
We met it for the first time in 1950
when Rosalind Franklin,
when Rosalind Franklin,
49
145605
4312
Lần đầu tiên chúng ta biết tới nó
vào năm 1950 khi mà Rosalind Franklin,
vào năm 1950 khi mà Rosalind Franklin,
02:41
an amazing scientist, a woman,
50
149941
1556
một nữ khoa học tuyệt vời
02:43
took a picture of it.
51
151521
1389
đã chụp một bức ảnh về nó.
02:44
But it took us more than 40 years
to finally poke inside a human cell,
to finally poke inside a human cell,
52
152934
5188
nhưng nó khiến chúng ta mất hơn 40 năm
để chạm vào bên trong tế bào con người,
để chạm vào bên trong tế bào con người,
02:50
take out this crystal,
53
158146
1602
đưa tinh thể này ra,
02:51
unroll it, and read it for the first time.
54
159772
3080
mở nó ra,
và lần đầu tiên nghiên cứu về nó.
và lần đầu tiên nghiên cứu về nó.
02:55
The code comes out to be
a fairly simple alphabet,
a fairly simple alphabet,
55
163615
3241
Mật mã xuất hiện hoàn toàn
bảng chữ cái đơn giản,
bảng chữ cái đơn giản,
02:58
four letters: A, T, C and G.
56
166880
3772
bốn chữ cái là: A, T, C và G.
03:02
And to build a human,
you need three billion of them.
you need three billion of them.
57
170676
3490
Và để tạo nên một con người,
bạn cần phải có ba tỷ các chữ cái đó.
bạn cần phải có ba tỷ các chữ cái đó.
03:06
Three billion.
58
174933
1179
ba tỷ.
03:08
How many are three billion?
59
176136
1579
Ba tỷ là bao nhiêu?
03:09
It doesn't really make
any sense as a number, right?
any sense as a number, right?
60
177739
2762
Nó hoàn toàn không có nghĩa như là
một con số, phải không?
một con số, phải không?
03:12
So I was thinking how
I could explain myself better
I could explain myself better
61
180525
4085
Vì vậy tôi nghĩ sao tôi có thể giải thích
bản thân mình rõ hơn
bản thân mình rõ hơn
03:16
about how big and enormous this code is.
62
184634
3050
về sự to lớn và khổng lồ về mật mã này.
03:19
But there is -- I mean,
I'm going to have some help,
I'm going to have some help,
63
187708
3054
Nhưng thưc sự... ý tôi là
tôi có vài sự giúp đỡ,
tôi có vài sự giúp đỡ,
03:22
and the best person to help me
introduce the code
introduce the code
64
190786
3227
người tốt nhất có thể giúp tôi
giới thiệu về mật mã đó
giới thiệu về mật mã đó
03:26
is actually the first man
to sequence it, Dr. Craig Venter.
to sequence it, Dr. Craig Venter.
65
194037
3522
chính là người đầu tiên
dẫn tới dãy số đó, Tiến sĩ Craig Venter.
dẫn tới dãy số đó, Tiến sĩ Craig Venter.
03:29
So welcome onstage, Dr. Craig Venter.
66
197583
3390
Chào mừng tiến sĩ Craig Venter
đến với sân khấu.
đến với sân khấu.
03:32
(Applause)
67
200997
6931
(hoan nghênh)
03:39
Not the man in the flesh,
68
207952
2256
không phải là người đàn ông
bằng da bằng thịt,
bằng da bằng thịt,
03:43
but for the first time in history,
69
211448
2345
nhưng lần đầu tiên trong lịch sử
03:45
this is the genome of a specific human,
70
213817
3462
đó là loại gen đặc trung của loài người,
03:49
printed page-by-page, letter-by-letter:
71
217303
3760
được in ra từng trang, từng chữ một:
03:53
262,000 pages of information,
72
221087
3996
262,000 trang tài liệu
03:57
450 kilograms, shipped
from the United States to Canada
from the United States to Canada
73
225107
4364
nặng 450 ký, được chuyển từ Mỹ sang Canada
04:01
thanks to Bruno Bowden,
Lulu.com, a start-up, did everything.
Lulu.com, a start-up, did everything.
74
229495
4843
cảm ơn Bruno Bowden, Lulu.com,
một khởi đầu, và làm mọi thứ.
một khởi đầu, và làm mọi thứ.
04:06
It was an amazing feat.
75
234362
1463
Một kỳ công đáng kinh ngạc
04:07
But this is the visual perception
of what is the code of life.
of what is the code of life.
76
235849
4297
Tuy nhiên đó chỉ là nhận thức thị giác
về Mã của sự sống là gì.
về Mã của sự sống là gì.
04:12
And now, for the first time,
I can do something fun.
I can do something fun.
77
240170
2478
Và bây giờ, đầu tiên,
tôi làm chút gì đó vui vui.
tôi làm chút gì đó vui vui.
04:14
I can actually poke inside it and read.
78
242672
2547
tôi có thể lật bên trong một quyển
và đọc
và đọc
04:17
So let me take an interesting
book ... like this one.
book ... like this one.
79
245243
4625
hãy để tôi lấy một quyển thú vị nào
...như quyển này.
...như quyển này.
04:25
I have an annotation;
it's a fairly big book.
it's a fairly big book.
80
253077
2534
chú giải nhé,
nó thực sự là quyển quan trọng.
nó thực sự là quyển quan trọng.
04:27
So just to let you see
what is the code of life.
what is the code of life.
81
255635
3727
Để tôi nói bạn biết
thế nào là mã của sự sống.
thế nào là mã của sự sống.
04:32
Thousands and thousands and thousands
82
260566
3391
Hàng ngàn, hàng ngàn và hàng ngàn
04:35
and millions of letters.
83
263981
2670
và hàng tỷ các ký tự.
04:38
And they apparently make sense.
84
266675
2396
Nó rõ ràng có nghĩa.
04:41
Let's get to a specific part.
85
269095
1757
để lật đến phần đặc trưng nào
04:43
Let me read it to you:
86
271571
1362
Để tôi đọc cho bạn:
04:44
(Laughter)
87
272957
1021
(cười)
04:46
"AAG, AAT, ATA."
88
274002
4006
"AAG, AAT, ATA."
04:50
To you it sounds like mute letters,
89
278965
2067
Với bạn đó chỉ là những chữ cái câm,
04:53
but this sequence gives
the color of the eyes to Craig.
the color of the eyes to Craig.
90
281056
4041
nhưng dãy chữ cái này nói lên màu mắt
đối với Craig.
đối với Craig.
04:57
I'll show you another part of the book.
91
285633
1932
tôi sẽ cho bạn xem
phần khác của cuốn sách
phần khác của cuốn sách
04:59
This is actually a little
more complicated.
more complicated.
92
287589
2094
Nó chỉ mới là một chút
phức tạp.
phức tạp.
05:02
Chromosome 14, book 132:
93
290983
2647
Nhiễm sắc 14, sách 1132:
05:05
(Laughter)
94
293654
2090
(cười)
05:07
As you might expect.
95
295768
1277
Như bạn có thể tưởng tượng
05:09
(Laughter)
96
297069
3466
(cười)
05:14
"ATT, CTT, GATT."
97
302857
4507
"ATT,CTT,GTT"
05:20
This human is lucky,
98
308329
1687
Đó là một người may mắn,
05:22
because if you miss just
two letters in this position --
two letters in this position --
99
310040
4517
bởi vì nếu bạn thiếu chỉ 2 chữ cái
trong dãy đó
trong dãy đó
05:26
two letters of our three billion --
100
314581
1877
2 chữ cái trong 3 tỷ chữ cái
05:28
he will be condemned
to a terrible disease:
to a terrible disease:
101
316482
2019
anh ta sẽ mắc một căn bệnh ghê gớm:
05:30
cystic fibrosis.
102
318525
1440
chứng sơ hóa u nang.
05:31
We have no cure for it,
we don't know how to solve it,
we don't know how to solve it,
103
319989
3413
Căn bệnh chúng ta không có thuốc chữa,
không biết cách cứu chạy,
không biết cách cứu chạy,
05:35
and it's just two letters
of difference from what we are.
of difference from what we are.
104
323426
3755
chỉ là 2 chữ cái của sự khác nhau
quyết định cái gì là chúng ta.
quyết định cái gì là chúng ta.
05:39
A wonderful book, a mighty book,
105
327585
2705
Một quyển sách tuyệt vời,
một quyển sách vĩ đại
một quyển sách vĩ đại
05:43
a mighty book that helped me understand
106
331115
1998
một quyển sách vĩ đại đã giúp tôi hiểu
05:45
and show you something quite remarkable.
107
333137
2753
và cho bạn thấy vài điều rất phi thường.
05:48
Every one of you -- what makes
me, me and you, you --
me, me and you, you --
108
336480
4435
Mỗi người chúng ta, điều gì đã tạo nên tôi
tôi và bạn, bạn
tôi và bạn, bạn
05:52
is just about five million of these,
109
340939
2954
chỉ là khoảng 5 tỷ chữ cái,
05:55
half a book.
110
343917
1228
một nửa quyển sách này.
05:58
For the rest,
111
346015
1663
Phần còn lại,
05:59
we are all absolutely identical.
112
347702
2562
chúng ta hoàn toàn đồng nhất.
06:03
Five hundred pages
is the miracle of life that you are.
is the miracle of life that you are.
113
351008
4018
500 trang sách điều kỳ diệu của cuộc sống
mà bạn đang sở hữu
mà bạn đang sở hữu
06:07
The rest, we all share it.
114
355050
2531
Phần còn lại, tất cả chúng ta đều chia sẻ.
06:09
So think about that again
when we think that we are different.
when we think that we are different.
115
357605
2909
Nghĩ đến nó một lần nữa
khi chúng ta nghĩ chúng ta khác nhau.
khi chúng ta nghĩ chúng ta khác nhau.
06:12
This is the amount that we share.
116
360538
2221
Đó là giá trị mà chúng ta chia sẻ.
06:15
So now that I have your attention,
117
363441
3429
Đến bây giờ
khi tôi có được sự chú ý từ bạn,
khi tôi có được sự chú ý từ bạn,
06:18
the next question is:
118
366894
1359
câu hỏi tiếp theo là:
06:20
How do I read it?
119
368277
1151
Tôi đọc nó bằng cách nào
06:21
How do I make sense out of it?
120
369452
1509
Sao tôi biết chúng có nghĩa gì?
06:23
Well, for however good you can be
at assembling Swedish furniture,
at assembling Swedish furniture,
121
371409
4240
Vâng, tuy bạn có thể giỏi về
trang bị của người Thụy Điển
trang bị của người Thụy Điển
06:27
this instruction manual
is nothing you can crack in your life.
is nothing you can crack in your life.
122
375673
3563
Sách hướng dẫn này không là gì cả
bạn có thể khoác lát trong đời bạn.
bạn có thể khoác lát trong đời bạn.
06:31
(Laughter)
123
379260
1603
(cười)
06:32
And so, in 2014, two famous TEDsters,
124
380887
3112
Và cho đến năm 2014,
hai nhà diễn giả TED nổi tiếng
hai nhà diễn giả TED nổi tiếng
06:36
Peter Diamandis and Craig Venter himself,
125
384023
2540
Peter Diamandis và Craig Venter,
06:38
decided to assemble a new company.
126
386587
1927
quyết định để nhóm họp một công ty mới.
06:40
Human Longevity was born,
127
388538
1412
Tuổi thọ người được sinh ra,
06:41
with one mission:
128
389974
1370
với một sứ mệnh:
06:43
trying everything we can try
129
391368
1861
thử nghiệm mọi thứ chúng ta có thể thử
06:45
and learning everything
we can learn from these books,
we can learn from these books,
130
393253
2759
và nghiên cứu mọi thứ chúng ta
có thể từ những quyển sách này
có thể từ những quyển sách này
06:48
with one target --
131
396036
1705
với một mục tiêu:
06:50
making real the dream
of personalized medicine,
of personalized medicine,
132
398862
2801
khiến giấc mơ về y học cá nhân hóa
thành hiện thực
thành hiện thực
06:53
understanding what things
should be done to have better health
should be done to have better health
133
401687
3767
am hiểu những việc gì nên làm
để có sức khỏe tốt hơn
để có sức khỏe tốt hơn
06:57
and what are the secrets in these books.
134
405478
2283
và bí mật trong những quyển sách này
là gì?
là gì?
07:00
An amazing team, 40 data scientists
and many, many more people,
and many, many more people,
135
408329
4250
1 nhóm nghiên cứu, 20 nhà khoa học dữ liệu
nhiều và nhiều người khác nữa,
nhiều và nhiều người khác nữa,
07:04
a pleasure to work with.
136
412603
1350
thích thú làm việc cùng nhau
07:05
The concept is actually very simple.
137
413977
2253
Quan niệm vô cùng đơn giản.
07:08
We're going to use a technology
called machine learning.
called machine learning.
138
416254
3158
Chúng ta sử dụng công nghệ
được gọi là máy học.
được gọi là máy học.
07:11
On one side, we have genomes --
thousands of them.
thousands of them.
139
419436
4539
Một mặt, chúng ta có hàng ngàn gen.
07:15
On the other side, we collected
the biggest database of human beings:
the biggest database of human beings:
140
423999
3997
Mặt khác, chúng ta thu thập dữ liệu
của loài người:
của loài người:
07:20
phenotypes, 3D scan, NMR --
everything you can think of.
everything you can think of.
141
428020
4296
kiểu hình, máy quét, máy NMR,
mọi thứ bạn có thể nghĩ ra.
mọi thứ bạn có thể nghĩ ra.
07:24
Inside there, on these two opposite sides,
142
432340
2899
Trong đó, ở hai mặt đối nghịch,
07:27
there is the secret of translation.
143
435263
2442
đó là bí mặt về chuyển dịch.
07:29
And in the middle, we build a machine.
144
437729
2472
Và ở chính giữa, chúng ta dựng nên
cái máy.
cái máy.
07:32
We build a machine
and we train a machine --
and we train a machine --
145
440801
2385
Ta tạo dựng nên cái máy
và chúng ta vận hành nó
và chúng ta vận hành nó
07:35
well, not exactly one machine,
many, many machines --
many, many machines --
146
443210
3210
vâng, chính xác không phải là 1 cái máy
mà là nhiều, nhiều cái máy
mà là nhiều, nhiều cái máy
07:38
to try to understand and translate
the genome in a phenotype.
the genome in a phenotype.
147
446444
4544
để cố gắng hiểu và chuyển dịch gen thành
loại kiểu hình.
loại kiểu hình.
07:43
What are those letters,
and what do they do?
and what do they do?
148
451362
3340
Những ký tự này là gì?
và chúng làm những gì?
và chúng làm những gì?
07:46
It's an approach that can
be used for everything,
be used for everything,
149
454726
2747
Đó là phương pháp tiếp cận cho mọi vấn đề,
07:49
but using it in genomics
is particularly complicated.
is particularly complicated.
150
457497
2993
tuy nhiên, sử dụng nó trong gen
thì thực sự phức tạp.
thì thực sự phức tạp.
07:52
Little by little we grew and we wanted
to build different challenges.
to build different challenges.
151
460514
3276
Từng chút một, chúng ta nuôi dưỡng để tạo
nên những thách thức khác.
nên những thách thức khác.
07:55
We started from the beginning,
from common traits.
from common traits.
152
463814
2732
Chúng ta bắt đầu từ sự mở màn,
từ những điểm chung.
từ những điểm chung.
07:58
Common traits are comfortable
because they are common,
because they are common,
153
466570
2603
Những điểm chung đó đều rất dễ chịu,
vì chúng là chung
vì chúng là chung
08:01
everyone has them.
154
469197
1184
Mọi người đều có chúng.
08:02
So we started to ask our questions:
155
470405
2494
Vậy nên chúng ta bắt đầu tự đặt vấn đề:
08:04
Can we predict height?
156
472923
1380
Ta có thể đoán ra chiều cao?
08:06
Can we read the books
and predict your height?
and predict your height?
157
474985
2177
Chúng ta có thể đọc sách
và đoán ra chiều cao của bạn
và đoán ra chiều cao của bạn
08:09
Well, we actually can,
158
477186
1151
Vâng, chúng ta có thể
08:10
with five centimeters of precision.
159
478361
1793
độ chính xác khoảng 5 cen ti mét
08:12
BMI is fairly connected to your lifestyle,
160
480178
3135
BMI được kết nối với phong cách sống
của bạn,
của bạn,
08:15
but we still can, we get in the ballpark,
eight kilograms of precision.
eight kilograms of precision.
161
483337
3864
nhưng ta vẫn có thể, ở trong sân bóng chày
độ chính xác khoảng 8 kg.
độ chính xác khoảng 8 kg.
08:19
Can we predict eye color?
162
487225
1231
Ta có thể đoán màu mắt không?
08:20
Yeah, we can.
163
488480
1158
Ta có thể.
08:21
Eighty percent accuracy.
164
489662
1324
Chính xác 80%.
08:23
Can we predict skin color?
165
491466
1858
Ta có thể đoán màu da không?
08:25
Yeah we can, 80 percent accuracy.
166
493348
2441
Vâng ta có thể
đúng 80%.
đúng 80%.
08:27
Can we predict age?
167
495813
1340
Ta có thể đoán tuổi thọ không
08:30
We can, because apparently,
the code changes during your life.
the code changes during your life.
168
498121
3739
Có thể, vì theo diện mạo mật mã
thay đổi trong suốt cuộc đời ta.
thay đổi trong suốt cuộc đời ta.
08:33
It gets shorter, you lose pieces,
it gets insertions.
it gets insertions.
169
501884
3282
Nó trở nên ngắn hơn, mất vài mảnh
hoặc là lồng ghép vào nhau.
hoặc là lồng ghép vào nhau.
08:37
We read the signals, and we make a model.
170
505190
2555
Chúng ta đọc được dấu hiệu đó,
và ta tạo nên mô hình.
và ta tạo nên mô hình.
08:40
Now, an interesting challenge:
171
508438
1475
Bây giờ, một thử thách thú vị:
08:41
Can we predict a human face?
172
509937
1729
Liệu ta có thể đoán được khuôn mặt?
08:45
It's a little complicated,
173
513014
1278
Nó thì phức tạp một chút,
08:46
because a human face is scattered
among millions of these letters.
among millions of these letters.
174
514316
3191
vì khuôn mặt con người bị phân tán
bởi hàng ngàn ký tự.
bởi hàng ngàn ký tự.
08:49
And a human face is not
a very well-defined object.
a very well-defined object.
175
517531
2629
Và nó là vật thể rất khó định dạng.
08:52
So, we had to build an entire tier of it
176
520184
2051
Nên ta phải tạo nó
thành một khối vẹn toàn.
thành một khối vẹn toàn.
08:54
to learn and teach
a machine what a face is,
a machine what a face is,
177
522259
2710
để học và dạy một cái máy
Khuôn mặt là cái gì,
Khuôn mặt là cái gì,
08:56
and embed and compress it.
178
524993
2037
và ấn định và đè nén nó.
08:59
And if you're comfortable
with machine learning,
with machine learning,
179
527054
2248
Và nếu bạn thấy thoải mái với
cái máy học,
cái máy học,
09:01
you understand what the challenge is here.
180
529326
2284
bạn sẽ hiểu thách thức ở đây là gì.
09:04
Now, after 15 years -- 15 years after
we read the first sequence --
we read the first sequence --
181
532108
5991
Bây giờ, sau 15 năm, 15 năm sau
ta sẽ đọc dãy số đầu tiên
ta sẽ đọc dãy số đầu tiên
09:10
this October, we started
to see some signals.
to see some signals.
182
538123
2902
tháng 10 năm nay, chúng tôi
bắt đầu thấy vài dấu hiệu.
bắt đầu thấy vài dấu hiệu.
09:13
And it was a very emotional moment.
183
541049
2455
Đó là một khoảnh khắc xúc động.
09:15
What you see here is a subject
coming in our lab.
coming in our lab.
184
543528
3745
Điều bạn thấy ở đây là chủ đề
chúng tôi đang thí nghiệm.
chúng tôi đang thí nghiệm.
09:19
This is a face for us.
185
547619
1928
Đó là khuôn mặt chúng ta.
09:21
So we take the real face of a subject,
we reduce the complexity,
we reduce the complexity,
186
549571
3631
chúng tôi tạo khuôn mặt thật của thực thể,
giảm bớt đi điều phức tạp.
giảm bớt đi điều phức tạp.
09:25
because not everything is in your face --
187
553226
1970
Bởi vì không phải mội thứ
trên mặt bạn
trên mặt bạn
09:27
lots of features and defects
and asymmetries come from your life.
and asymmetries come from your life.
188
555220
3786
những nét đặc trưng và khuyết điểm,
sự bất cân đối đến với cuộc sống của bạn
sự bất cân đối đến với cuộc sống của bạn
09:31
We symmetrize the face,
and we run our algorithm.
and we run our algorithm.
189
559030
3469
chúng tôi đối xứng khuôn mặt
và cho chạy thuật toán.
và cho chạy thuật toán.
09:35
The results that I show you right now,
190
563245
1898
Bây giờ tôi chiếu cho bạn xem kết quả,
09:37
this is the prediction we have
from the blood.
from the blood.
191
565167
3372
Đây là dự đoán
chúng tôi lấy thử từ máu
chúng tôi lấy thử từ máu
09:41
(Applause)
192
569596
1524
(hoang nghênh)
09:43
Wait a second.
193
571144
1435
Đợi một chút.
09:44
In these seconds, your eyes are watching,
left and right, left and right,
left and right, left and right,
194
572603
4692
Trong giây phút này, mắt bạn đang nhìn
trái và phải, trái và phải,
trái và phải, trái và phải,
09:49
and your brain wants
those pictures to be identical.
those pictures to be identical.
195
577319
3930
và não bộ bạn muốn
những bức ảnh này được đồng nhất.
những bức ảnh này được đồng nhất.
09:53
So I ask you to do
another exercise, to be honest.
another exercise, to be honest.
196
581273
2446
Và tôi muốn bạn làm một bài tập khác
phải trung thực
phải trung thực
09:55
Please search for the differences,
197
583743
2287
hãy tìm sự khác nhau,
09:58
which are many.
198
586054
1361
cái nào nhiều.
09:59
The biggest amount of signal
comes from gender,
comes from gender,
199
587439
2603
Tổng số dấu hiệu lớn nhất là giớ tính,
10:02
then there is age, BMI,
the ethnicity component of a human.
the ethnicity component of a human.
200
590066
5201
sau đó là độ tuổi, BMI,
cấu thành sắc tộc của con người.
cấu thành sắc tộc của con người.
10:07
And scaling up over that signal
is much more complicated.
is much more complicated.
201
595291
3711
Tỷ lệ dựa vào những dấu hiệu đó
phức tạp hơn nhiều.
phức tạp hơn nhiều.
10:11
But what you see here,
even in the differences,
even in the differences,
202
599026
3250
Nhưng điều bạn thấy ở đây,
mặc dù là khác nhau,
mặc dù là khác nhau,
10:14
lets you understand
that we are in the right ballpark,
that we are in the right ballpark,
203
602300
3595
để bạn nhận thấy rằng
chúng ta đang ở vị trí đúng,
chúng ta đang ở vị trí đúng,
10:17
that we are getting closer.
204
605919
1348
rằng chúng ta
ngày gần nhau hơn
ngày gần nhau hơn
10:19
And it's already giving you some emotions.
205
607291
2349
Và điều đó tiếp cho bạn thêm cảm xúc.
10:21
This is another subject
that comes in place,
that comes in place,
206
609664
2703
Đây là một thực thể khác
theo thứ tự,
theo thứ tự,
10:24
and this is a prediction.
207
612391
1409
và đây là dự đoán.
10:25
A little smaller face, we didn't get
the complete cranial structure,
the complete cranial structure,
208
613824
4596
Khuôn mặt nhỏe hơn một chút,
chúng tôi không trình bày hoàn toàn hộp sọ
chúng tôi không trình bày hoàn toàn hộp sọ
10:30
but still, it's in the ballpark.
209
618444
2651
tuy nhiên, vẫn chính xác.
10:33
This is a subject that comes in our lab,
210
621634
2224
Đây là thực thể
trong phòng thí nghiệm của chúng tôi
trong phòng thí nghiệm của chúng tôi
10:35
and this is the prediction.
211
623882
1443
và đây là khuôn mặt dự đoán.
10:38
So these people have never been seen
in the training of the machine.
in the training of the machine.
212
626056
4676
Những người này chưa từng được
máy thử nghiệm thấy.
máy thử nghiệm thấy.
10:42
These are the so-called "held-out" set.
213
630756
2837
Điều đó được gọi là bộ "held out"
10:45
But these are people that you will
probably never believe.
probably never believe.
214
633617
3740
tuy nhiên đây là những người
bạn sẽ không bao giờ tin
bạn sẽ không bao giờ tin
10:49
We're publishing everything
in a scientific publication,
in a scientific publication,
215
637381
2676
chúng tôi công bố mọi thứ
trên sự xuất bản khoa học,
trên sự xuất bản khoa học,
10:52
you can read it.
216
640081
1151
bạn có thể đọc nó.
10:53
But since we are onstage,
Chris challenged me.
Chris challenged me.
217
641256
2344
Tuy nhiên, chúng ta đang trên sân khấu
Chris thách thức tôi.
Chris thách thức tôi.
10:55
I probably exposed myself
and tried to predict
and tried to predict
218
643624
3626
Giả sự tôi có thể thử đoán
10:59
someone that you might recognize.
219
647274
2831
một người nào đó bạn có thể nhận diện.
11:02
So, in this vial of blood --
and believe me, you have no idea
and believe me, you have no idea
220
650470
4425
Vậy nên, trong lọ máu nhỏ này,
và hãy tin tôi, bạn không hề biết
và hãy tin tôi, bạn không hề biết
11:06
what we had to do to have
this blood now, here --
this blood now, here --
221
654919
2880
ta phải làm gì để có lọ máu này
ngay bây giờ, đây
ngay bây giờ, đây
11:09
in this vial of blood is the amount
of biological information
of biological information
222
657823
3901
trong lọ máu nhỏ này
là thông tin về sinh học
là thông tin về sinh học
11:13
that we need to do a full genome sequence.
223
661748
2277
chúng tôi cần phải
hoàn thành toàn chuỗi gen.
hoàn thành toàn chuỗi gen.
11:16
We just need this amount.
224
664049
2070
Chúng tôi cần con số này.
11:18
We ran this sequence,
and I'm going to do it with you.
and I'm going to do it with you.
225
666528
3205
Chúng tôi cho chạy thử chuỗi này,
và tôi sẽ làm cùng bạn.
và tôi sẽ làm cùng bạn.
11:21
And we start to layer up
all the understanding we have.
all the understanding we have.
226
669757
3979
Chúng ta bắt đầu từ lớp biểu bì
tất cả hiểu biết chúng ta có.
tất cả hiểu biết chúng ta có.
11:25
In the vial of blood,
we predicted he's a male.
we predicted he's a male.
227
673760
3350
Trong lọ máu nhỏ,
chúng tôi đoán anh ấy là nam.
chúng tôi đoán anh ấy là nam.
11:29
And the subject is a male.
228
677134
1364
Và vật thể là nam.
11:30
We predict that he's a meter and 76 cm.
229
678996
2438
chúng tôi đoán cao một mét bảy sáu,
11:33
The subject is a meter and 77 cm.
230
681458
2392
Vật thể cao một mét bảy bảy.
11:35
So, we predicted that he's 76;
the subject is 82.
the subject is 82.
231
683874
4110
Chúng tôi đoán anh ấy 76,
vật thể là 82.
vật thể là 82.
11:40
We predict his age, 38.
232
688701
2632
Chúng tôi đoán tuổi là 38.
11:43
The subject is 35.
233
691357
1904
Vật thể là 35.
11:45
We predict his eye color.
234
693851
2124
Chúng tôi đoán màu mắt.
11:48
Too dark.
235
696824
1211
khá tối.
11:50
We predict his skin color.
236
698059
1555
Chúng tôi đoán màu da của anh ta
11:52
We are almost there.
237
700026
1410
đây là dự đoán của chúng tôi.
11:53
That's his face.
238
701899
1373
và đây là khuôn mặt anh ấy.
11:57
Now, the reveal moment:
239
705172
3269
Bây giờ, giây phút khám phá:
12:00
the subject is this person.
240
708465
1770
người này là vật thể.
12:02
(Laughter)
241
710259
1935
(cười)
12:04
And I did it intentionally.
242
712218
2058
Và tôi cố tình làm điều đó.
12:06
I am a very particular
and peculiar ethnicity.
and peculiar ethnicity.
243
714300
3692
Tôi thật cá biệt
và tính cách sắc tộc khác biệt.
và tính cách sắc tộc khác biệt.
12:10
Southern European, Italians --
they never fit in models.
they never fit in models.
244
718016
2950
Phía nam Châu Âu, Ý,
họ chưa bao giờ có mẫu này
họ chưa bao giờ có mẫu này
12:12
And it's particular -- that ethnicity
is a complex corner case for our model.
is a complex corner case for our model.
245
720990
5130
và điều đó là khác biệt, sắc tộc
là chỗ phức tạp cho hình mẫu với chúng tôi
là chỗ phức tạp cho hình mẫu với chúng tôi
12:18
But there is another point.
246
726144
1509
Nhưng đây là điểm khác.
12:19
So, one of the things that we use
a lot to recognize people
a lot to recognize people
247
727677
3477
một điều chúng tôi dùng để
nhận biết con người
nhận biết con người
12:23
will never be written in the genome.
248
731178
1722
chưa bao giờ được ghi trong gen.
12:24
It's our free will, it's how I look.
249
732924
2317
đó là tự do của chúng ta sẽ là,
đó là cách chúng ta nhìn nhận
đó là cách chúng ta nhìn nhận
12:27
Not my haircut in this case,
but my beard cut.
but my beard cut.
250
735265
3229
Trong trường hợp này, không phải
là kiểu tóc mà là kiểu râu của tôi.
là kiểu tóc mà là kiểu râu của tôi.
12:30
So I'm going to show you, I'm going to,
in this case, transfer it --
in this case, transfer it --
251
738518
3553
tôi sẽ cho bạn thấy, tôi sẽ
trong trường hợp này, chuyển dịch nó
trong trường hợp này, chuyển dịch nó
12:34
and this is nothing more
than Photoshop, no modeling --
than Photoshop, no modeling --
252
742095
2765
nó không là gì ngoài photoshop,
không hình mẫu
không hình mẫu
12:36
the beard on the subject.
253
744884
1713
và râu ở trên vật thể.
12:38
And immediately, we get
much, much better in the feeling.
much, much better in the feeling.
254
746621
3472
tất nhiên, chúng tôi làm nhiều hơn,
nhiều hơn trong cảm giác.
nhiều hơn trong cảm giác.
12:42
So, why do we do this?
255
750955
2709
Tại sao chúng tôi làm điều đó?
12:47
We certainly don't do it
for predicting height
for predicting height
256
755938
5140
chắc chắn là không phải vì chiều cao
12:53
or taking a beautiful picture
out of your blood.
out of your blood.
257
761102
2372
hay là tạo nên bức hình đẹp về
máu huyết của bạn.
máu huyết của bạn.
12:56
We do it because the same technology
and the same approach,
and the same approach,
258
764390
4018
Chúng tôi làm nó vì cùng công nghệ
và cùng phương pháp,
và cùng phương pháp,
13:00
the machine learning of this code,
259
768432
2520
máy học về mật mã này
13:02
is helping us to understand how we work,
260
770976
3137
giúp chúng ta hiểu
về cách chúng ta làm việc,
về cách chúng ta làm việc,
13:06
how your body works,
261
774137
1486
cách cơ thể ta hoạt động,
13:07
how your body ages,
262
775647
1665
cách cơ thể ta trưởng thành
13:09
how disease generates in your body,
263
777336
2769
cách mà mầm bệnh nảy nở
trong cơ thể chúng ta,
trong cơ thể chúng ta,
13:12
how your cancer grows and develops,
264
780129
2972
cách mà bệnh ung thư lớn lên và phát triển
13:15
how drugs work
265
783125
1783
cách mà dược phẩm trị liệu
13:16
and if they work on your body.
266
784932
2314
và nếu chúng hoạt động
trong cơ thể chúng ta.
trong cơ thể chúng ta.
13:19
This is a huge challenge.
267
787713
1667
Đó là một thử thách lớn.
13:21
This is a challenge that we share
268
789894
1638
Đó là thách thức
ta cần chia sẻ
ta cần chia sẻ
13:23
with thousands of other
researchers around the world.
researchers around the world.
269
791556
2579
cùng với hàng ngàn nhà nghiên cứu
trên toàn thế giới.
trên toàn thế giới.
13:26
It's called personalized medicine.
270
794159
2222
Đó được gọi là
y học cá nhân hóa.
y học cá nhân hóa.
13:29
It's the ability to move
from a statistical approach
from a statistical approach
271
797125
3460
Đó là khả năng di chuyển
từ phương pháp thống kê
từ phương pháp thống kê
13:32
where you're a dot in the ocean,
272
800609
2032
nơi bạn là một chấm nhỏ trên đại dương
13:34
to a personalized approach,
273
802665
1813
đến phương pháp cá nhân hóa,
13:36
where we read all these books
274
804502
2185
nơi chúng ta đọc hết những quyển sách này
13:38
and we get an understanding
of exactly how you are.
of exactly how you are.
275
806711
2864
và ta có thể hiểu chính xác
ta là như thế nào.
ta là như thế nào.
13:42
But it is a particularly
complicated challenge,
complicated challenge,
276
810260
3362
Đó thật sự là một thách thức phức tạp,
13:45
because of all these books, as of today,
277
813646
3998
bởi vì những quyển sách này
cho đến hôm nay
cho đến hôm nay
13:49
we just know probably two percent:
278
817668
2642
chúng ta thực sự chỉ biết được 2%
13:53
four books of more than 175.
279
821027
3653
bốn quyển sách trong hơn 175 quyển.
13:58
And this is not the topic of my talk,
280
826021
3206
Và đó không phải là chủ đề bài nói của tôi
14:02
because we will learn more.
281
830145
2598
vì chúng ta sẽ học nhiều hơn.
14:05
There are the best minds
in the world on this topic.
in the world on this topic.
282
833378
2669
Có những bộ trí óc tốt nhất
về chủ đề này trên thế giới.
về chủ đề này trên thế giới.
14:09
The prediction will get better,
283
837048
1834
Sự đoán sẽ tốt hơn
14:10
the model will get more precise.
284
838906
2253
hình mẫu sẽ chính xác hơn.
14:13
And the more we learn,
285
841183
1858
và chúng ta học hỏi càng nhiều,
14:15
the more we will
be confronted with decisions
be confronted with decisions
286
843065
4830
chúng ta sẽ chạm trán với những quyết định
14:19
that we never had to face before
287
847919
3021
mà ta chưa hề đối mặt trước đây
14:22
about life,
288
850964
1435
về cuộc sống,
14:24
about death,
289
852423
1674
về cái chết,
14:26
about parenting.
290
854121
1603
về việc nuối nấng con cái.
14:32
So, we are touching the very
inner detail on how life works.
inner detail on how life works.
291
860626
4746
vì vậy, ta tiếp cận với từng chi tiết nhỏ
về cách cuộc sống diễn ra
về cách cuộc sống diễn ra
14:38
And it's a revolution
that cannot be confined
that cannot be confined
292
866118
3158
và đó là cuộc cách mạng
không thể định nghĩa được
không thể định nghĩa được
14:41
in the domain of science or technology.
293
869300
2659
trong phạm vi của
khoa học và công nghệ.
khoa học và công nghệ.
14:44
This must be a global conversation.
294
872960
2244
Đó phải là cuộc bàn luận của toàn thế giới
14:47
We must start to think of the future
we're building as a humanity.
we're building as a humanity.
295
875798
5217
Chúng ta phải bắt đầu nghĩ đến tương lai
mà ta đang tạo dựng như một côn người.
mà ta đang tạo dựng như một côn người.
14:53
We need to interact with creatives,
with artists, with philosophers,
with artists, with philosophers,
296
881039
4064
Chúng ta cần tương tác với sự sáng tạo,
với các họa sĩ, các nhà triết học,
với các họa sĩ, các nhà triết học,
14:57
with politicians.
297
885127
1510
với các chính trị gia.
14:58
Everyone is involved,
298
886661
1158
Bao gồm tất cả mọi người
14:59
because it's the future of our species.
299
887843
2825
bởi đó là tương lai của loài chúng ta
15:03
Without fear, but with the understanding
300
891273
3968
không sợ hãi, với hiểu biết rằng
15:07
that the decisions
that we make in the next year
that we make in the next year
301
895265
3871
là quyết định
chúng ta thực hiện trong năm tới
chúng ta thực hiện trong năm tới
15:11
will change the course of history forever.
302
899160
3789
sẽ thay đổi quá trình lịch sử mãi mãi.
15:15
Thank you.
303
903732
1160
Xin cảm ơn,
15:16
(Applause)
304
904916
10159
(hoang nghênh)
ABOUT THE SPEAKER
Riccardo Sabatini - Scientist, entrepreneurRiccardo Sabatini applies his expertise in numerical modeling and data to projects ranging from material science to computational genomics and food market predictions.
Why you should listen
Data scientist Riccardo Sabatini harnesses numerical methods for a surprising variety of fields, from material science research to the study of food commodities (as a past director of the EU research project FoodCAST). His most recent research centers on computational genomics and how to crack the code of life.
In addition to his data research, Sabatini is deeply involved in education for entrepreneurs. He is the founder and co-director of the Quantum ESPRESSO Foundation, an advisor in several data-driven startups, and funder of The HUB Trieste, a social impact accelerator.
Riccardo Sabatini | Speaker | TED.com