TED2005
Ray Kurzweil: The accelerating power of technology
Рей Кърцвейл, как технологиите ще ни трансформират
Filmed:
Readability: 5.3
2,876,494 views
Изобретателя, предприемач и мечтател Рей Кърцвейл ни обяснява с изобилие от подробни детайли защо от 2020 ние ще преобразуваме човешкия мозък и наноботи ще действат върху човешкото съзнание.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:24
Well, it's great to be here.
0
0
1000
Чудесно е да бъда тук.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Вече чухме много за обещанията на технологията и за рисковете.
00:30
I've been quite interested in both.
2
6000
2000
Бях достатъчно заинтересован и от двете.
00:32
If we could convert 0.03 percent
3
8000
4000
Ако можехме да превърнем 0,03 процента
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
от слънчевата светлина, която пада на Земята, в енергия,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
ще можем да задоволим всичките си нужди до 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Сега не можем да направим това, защото слънчевите панели са тежки,
00:46
expensive and very inefficient.
7
22000
2000
скъпи и много неефективни.
00:48
There are nano-engineered designs,
8
24000
3000
Съществуват дизайни от нано-инженерството,
00:51
which at least have been analyzed theoretically,
9
27000
2000
които най-малкото са били анализирани теоритично,
00:53
that show the potential to be very lightweight,
10
29000
2000
които показват потенциала да са много леки,
00:55
very inexpensive, very efficient,
11
31000
2000
много евтини, много ефикасни,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
и ще можем да задоволим всички наши нужди от енергия по този обновяващ се начин.
01:01
Nano-engineered fuel cells
13
37000
2000
Горивни клетки от нано-инженерството
01:03
could provide the energy where it's needed.
14
39000
3000
могат да доставят енергия там, където има нужда.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Това е основната тенденция, децентрализацията,
01:08
moving from centralized nuclear power plants and
16
44000
3000
преминаването от централизирани ядрени централи
01:11
liquid natural gas tankers
17
47000
2000
и танкери с течен природен газ,
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
до децентрализирани ресурси, които са по-благоприятни за околната среда,
01:17
a lot more efficient
19
53000
3000
и много по-ефикасни,
01:20
and capable and safe from disruption.
20
56000
4000
с капацитет и сигурност, що се отнася до смущенията.
01:24
Bono spoke very eloquently,
21
60000
2000
Боно говори много красноречиво,
01:26
that we have the tools, for the first time,
22
62000
4000
за това, че за пръв път имаме средствата,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
за да решим вековните проблеми на болестите и бедността.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
По-голяма част от регионите в света вървят в тази посока.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
През 1990 в Източна Азия и в района на Тихия океан,
01:42
there were 500 million people living in poverty --
26
78000
2000
имаше 500 милиона човека, които живееха в бедност --
01:44
that number now is under 200 million.
27
80000
3000
днес те са под 200 милиона.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
Световната банка предполага, че през 2011 ще бъдат под 20 милиона,
01:50
which is a reduction of 95 percent.
29
86000
3000
което води до намаление с 95%.
01:53
I did enjoy Bono's comment
30
89000
3000
Хареса ми коментара на Боно
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
за свързването на Хейт-Ашбъри със Силиконовата долина.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Идвайки от една общност на високи технологии в Масачузетс
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
ще подчертая, че през 60-те бяхме хипита,
02:08
although we hung around Harvard Square.
34
104000
3000
въпреки, че се събирахме около Харвард Скуер.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Но ние имаме потенциала да преодолеем болестите и бедността,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
и ще говоря по тези теми ако имате желание.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Кевин Кели говори за ускоряването на технологиите.
02:22
That's been a strong interest of mine,
38
118000
3000
Това много ме интересува
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
и е една тема която съм развивал в продължение на 30 години.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Дадох си сметка, че моите технологии имат смисъл при завършване на проекта.
02:33
That invariably, the world was a different place
41
129000
3000
Че светът неизменно ще бъде по-различно място,
02:36
when I would introduce a technology.
42
132000
2000
когато се приложи дадена технология.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Дадох си сметка, че повечето изобретения се провалят,
02:40
not because the R&D department can't get it to work --
44
136000
3000
не защото отдела за изследвания не може да ги накара да действат --
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
ако наблюдавате повечето работни планове, повечето от тях успяват
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
ако им се даде възможност да построят това, което искат, те ще го направят,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
но 90% от тези проекти ще се провалят, защото времето не е подходящо --
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
не всички фактори, които обещават успех са налични когато е нужно.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Ето защо аз се превърнах в един пламенен студент в технологичните тенденции,
03:00
and track where technology would be at different points in time,
50
156000
3000
и проследявах кога технологията ще бъде в различни етапи от време,
03:03
and began to build the mathematical models of that.
51
159000
3000
започнах да създавам математически модели за това.
03:06
It's kind of taken on a life of its own.
52
162000
2000
Това по някакъв начин пое по собствен път,
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Имам група от 10 души, които работят заедно с мен, събирайки информация
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
за ключовите мерки на технологията в различни области и създадохме модели.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Ще чуете хората да казват, че не може да се предскаже бъдещето.
03:19
And if you ask me,
56
175000
2000
И ако ме попитат,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
ще се вдигне или ще падне цената на Гугъл през следващите 3 години?
03:24
that's very hard to say.
58
180000
2000
Това е много трудно да се каже.
03:26
Will WiMax CDMA G3
59
182000
3000
Дали WiMax CDMA G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
ще е безжичния стандарт през следващите три години? Много е трудно да се каже.
03:31
But if you ask me, what will it cost
61
187000
2000
Но ако ме попитате колко ще струва
03:33
for one MIPS of computing in 2010,
62
189000
3000
един милион инструкции за секунда изчисления през 2010,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
или цената за секвентиране на базова двойка ДНК през 2012,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
или цената за изпращане на 1 мегабайт от данни чрез безжична връзка през 2014,
03:43
it turns out that those are very predictable.
65
199000
3000
се оказва, че това е много предвидимо.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Има забележително гладки експоненциални криви,
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
които управляват изложената цена, капацитет и трафик.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
И сега ще ви покажа една малка демонстрация на това,
03:53
but there's really a theoretical reason
69
209000
2000
въпреки, че съществува една теоретична причина
03:55
why technology develops in an exponential fashion.
70
211000
5000
защо технологията се развива на експоненциален принцип.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
А много хора, когато мислят за бъдещето го разглеждат по линеен начин.
04:02
They think they're going to continue
72
218000
2000
Мислят, че ще продължават
04:04
to develop a problem
73
220000
2000
да развиват проблем,
04:06
or address a problem using today's tools,
74
222000
3000
или решават даден проблем, използвайки съвременни методи,
04:09
at today's pace of progress,
75
225000
2000
с настоящата скорост на прогреса,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
и се провалят в това, да вземат под внимание това експоненциално развитие.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
Проекта на генома беше един спорен проект през 1990.
04:18
We had our best Ph.D. students,
78
234000
2000
Имахме най-добрите докторанти,
04:20
our most advanced equipment around the world,
79
236000
2000
най-развитото оборудване в света,
04:22
we got 1/10,000th of the project done,
80
238000
2000
в целия свят, и завършихме една десетохилядна част от проекта,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
тогава как ще можем да го завършим за 15 години?
04:26
And 10 years into the project,
82
242000
3000
И след 10 години
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
скептиците бяха все още силни -- казвайки, "Достигнахте до 2/3 от проекта
04:32
and you've managed to only sequence
84
248000
2000
и секвентирахте само
04:34
a very tiny percentage of the whole genome."
85
250000
3000
един малък процент от целия геном".
04:37
But it's the nature of exponential growth
86
253000
2000
Но това е природата на експоненциалното развитие,
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
така че след като достигне извиване на кривата, то избухва.
04:41
Most of the project was done in the last
88
257000
2000
Последната част от проекта беше осъществен през последните
04:43
few years of the project.
89
259000
2000
няколко години.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Отне ни 15 години да секвентираме ХИВ --
04:47
we sequenced SARS in 31 days.
91
263000
2000
а секвентирахме SARS само за 31 дни.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Затова печелим потенциала да решим тези проблеми.
04:53
I'm going to show you just a few examples
93
269000
2000
Ще ви покажа някои примери,
04:55
of how pervasive this phenomena is.
94
271000
3000
от които впечатляващ е следващия феномен.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
В сегашния темп на промяна на парадигмата, скоростта на промяна на новите идеи,
05:02
is doubling every decade, according to our models.
96
278000
3000
се удвоява на всеки 10 години, според нашия модел.
05:05
These are all logarithmic graphs,
97
281000
3000
Всичко това са логаритмични графики,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
така че колкото повече се изкачвате нагоре, като цяло умножавате по 10 или 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Отнело е половин век да се конструира телефона,
05:14
the first virtual-reality technology.
100
290000
3000
първата виртуална технология.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Мобилните телефони бяха усвоени за около 8 години.
05:19
If you put different communication technologies
102
295000
3000
Ако поставим различни технологии за комуникация
05:22
on this logarithmic graph,
103
298000
2000
на тази логаритмична графика,
05:24
television, radio, telephone
104
300000
2000
телевизора, радиото, телефона
05:26
were adopted in decades.
105
302000
2000
им трябваше десетилетия за да бъдат усвоени.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Най-новите технологии като компютрите, уеб страниците, мобилните телефони --
05:31
were under a decade.
107
307000
2000
бяха усвоени за по малко от едно десетилетие.
05:33
Now this is an interesting chart,
108
309000
2000
Ето една интересна графика,
05:35
and this really gets at the fundamental reason why
109
311000
2000
която показва основната причина, поради която
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
един еволюционен процес каквито са биологията и технологиите
05:41
accelerate.
111
317000
2000
се ускорява.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Работят чрез взаимодействие -- създаване на капацитет,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
и след това този капацитет се използва за да се направи следващата стъпка.
05:49
So the first step in biological evolution,
114
325000
3000
Следователно първата стъпка в биологичната еволюция,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
еволюцията на ДНК, или по скоро на РНК,
05:54
took billions of years,
116
330000
2000
е отнело повече от милиард години,
05:56
but then evolution used that information-processing backbone
117
332000
3000
но след това еволюцията използва този стълб на обработка на информация,
05:59
to bring on the next stage.
118
335000
2000
за да премине към следващото ниво.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Така по време на Камбрийската експлозия, когато всички животински видове се развиваха,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
продължи само 10 милиона години. Беше 200 пъти по-бърза.
06:08
And then evolution used those body plans
121
344000
2000
И тогава еволюцията използва тези телесни планове,
06:10
to evolve higher cognitive functions,
122
346000
2000
за да развие по-съвършени когнитивни функции,
06:12
and biological evolution kept accelerating.
123
348000
2000
и биологичната еволюция продължи да се ускорява.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
Това е наследствената природа на еволюциония процес.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Така че Хомо сапиенс, първият вид създаващ технологии,
06:20
the species that combined a cognitive function
126
356000
2000
видовете, които комбинират познавателна функция
06:22
with an opposable appendage --
127
358000
2000
с противоположен издатък – палеца и между другото,
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
шимпанзетата наистина нямат много добър противоположен палец --
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
за да можем да манипулираме нещата около нас и да ги хващаме добре
06:30
and fine motor coordination,
130
366000
2000
трябва да имаме добра двигателна координация,
06:32
and use our mental models to actually change the world
131
368000
2000
и да използваме нашите умствени възможности, за да променяме света
06:34
and bring on technology.
132
370000
2000
и да развиваме технологиите.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Но въпреки това за еволюцията на видовете бяха необходими стотци хиляди години,
06:39
and then working through interaction,
134
375000
2000
и след това работейки чрез взаимодействие,
06:41
evolution used, essentially,
135
377000
2000
еволюцията използва, основно,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
технологията, за да създаде видове, които да постави на следващото ниво,
06:46
which were the first steps in technological evolution.
137
382000
3000
което бяха първите стъпки на технологичната еволюция.
06:49
And the first step took tens of thousands of years --
138
385000
3000
И първите стъпки бяха направени в продължение на десетки хиляди години --
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
каменни сечива, огъня и колелото продължиха да се развиват.
06:55
We always used then the latest generation of technology
140
391000
2000
Винаги използваме последното поколение технологии,
06:57
to create the next generation.
141
393000
2000
за да създадем следващото поколение.
06:59
Printing press took a century to be adopted;
142
395000
2000
На пресата и трябваше един век да бъде приложена,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
дизайна на първите компютри беше направен с лист и химикал -- днес използваме компютри.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
И имаме непрекъснато ускоряване на този процес.
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
Между другото, ако гледате тази линейна графика, изглежда че всичко се случва сега,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
но един наблюдател казва, "Добре, Кърцвейл само поставя точки върху тази графика,
07:17
that fall on that straight line."
147
413000
2000
които се разполагат по тази права линия“.
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Това съдържа 15 различни списъци на известни мислители,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
като Енциклопедия Британика, Природо-научния музей, Космическия календар на Карл Сейгън,
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
и тези хора не се опитваха да изразят моята гледна точка,
07:29
these were just lists in reference works,
151
425000
2000
това са просто списъци от справочни материали.
07:31
and I think that's what they thought the key events were
152
427000
3000
И аз мисля че това е, което те мислят за основните събития
07:34
in biological evolution and technological evolution.
153
430000
3000
в биологичната и технологична еволюция.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
И отново формира същата права линия. И част от линията е удебелена,
07:40
because people do have disagreements, what the key points are,
155
436000
3000
защото някои от хората са в противоречие спрямо основни точки,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
има различни виждания за това кога започва да се развива земеделието,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
или кога -- и колко време е продължила камбрийската експлозия.
07:48
But you see a very clear trend.
158
444000
2000
Но виждате много ясна тенденция.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
Същесвува едно същесвено ускоряване на еволюционнния процес.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Информационите технологии ускоряват двойно капацитета си, цената на производителност, честотен диапазон
08:00
every year.
161
456000
2000
всяка година.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
И това е много съществена експлозия на експоненциален растеж.
08:06
A personal experience, when I was at MIT --
163
462000
2000
От личен опит, когато работех в MIT --
08:08
computer taking up about the size of this room,
164
464000
2000
компютъра имаше размерите на тази стая,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
но беше по-малко мощен от вашите мобилни телефони.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Но Закона на Мур, който много често се индентифицира с този експонинциален растеж
08:19
is just one example of many, because it's basically
167
475000
2000
е един от многото примери, защото е част от
08:21
a property of the evolutionary process of technology.
168
477000
5000
еволюциония процес на технологиите.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Ако ние -- поставих 49 известни компютри в тази логаритмична графика --
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
между другото, права линия в логаритмична графика е експоненциален растеж --
08:33
that's another exponential.
171
489000
2000
това е друг експоненциален.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
Трябваха ни три години за да увеличим двойно ценовата производителност на компютрите през 1990,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
две години по средата, сега всяка година я увеличаваме двойно.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
И това е експоненциален растеж чрез пет различни примери.
08:45
Moore's Law was just the last part of that,
175
501000
2000
Закона на Мус представява последната част от това,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
върху интегрална схема, където смалявахме транзистори,
08:50
but we had electro-mechanical calculators,
177
506000
3000
но имахме електро-механични калкулатори,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
компютри базирани на релета, които дешифрираха кода на немската Енигма,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
вакуумни тръби през 50-те предсказаха избирането на Айзенхауер,
08:59
discreet transistors used in the first space flights
180
515000
3000
дискретни транзистори, използвани в първите космически полети
09:02
and then Moore's Law.
181
518000
2000
и след това закона на Мур.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Всеки път когато една парадигма оставаше без гориво,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
се появяваше друга парадигма от тази празнота, за да продължи експоненциалния растеж.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Започнаха да намаляват вакуумните тръби, правейки ги все по-малки и по-малки.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Тук се стигна до задънена улица. Не можеха да породължават да ги намаляват и да поддържат вакуума.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Една напълно нова парадигма -- транзисторите се появиха изневиделица.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
Всъщност, когато стигнем края на определена парадигма,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
това създава натиск върху изследванията за създаване на следващата парадигма.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
И заради това предсказваме края на закона на Мур
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
от доста време -- първата прогноза казваше 2002, а сега 2022.
09:30
But by the teen years,
191
546000
3000
Но до десетина години
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
характеристиките на транзисторите ще бъдат няколко атома широки,
09:36
and we won't be able to shrink them any more.
193
552000
2000
и няма да можем повече да ги намаляваме.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Това ще е края на закона на Мур, но няма да е края
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
на експоненциалния растеж на компютрите, защото чиповете са плоски.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Живеем в триизмерен свят, така че можем да използваме третото измерение.
09:46
We will go into the third dimension
197
562000
2000
Ще отидем в третото измерение,
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
и има огромен прогрес, само през последните години,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
накарахме да заработят триизмерни молекули, които се самоорганизират.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Те ще бъдат готови много преди закона на Мур да остане без енергия.
10:02
Supercomputers -- same thing.
201
578000
2000
Със супер компютрите -- същото.
10:05
Processor performance on Intel chips,
202
581000
3000
Производителността на процесорите в чипове на Интел,
10:08
the average price of a transistor --
203
584000
3000
средната цена на един транзистор,
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
през 1968 можеше да се закупи един транзистор за един долар.
10:14
You could buy 10 million in 2002.
205
590000
3000
Можехте да закупите 10 милиона през 2002.
10:17
It's pretty remarkable how smooth
206
593000
3000
Забележително е колко е плавен
10:20
an exponential process that is.
207
596000
2000
този експоненциален процес.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Искам да кажа, че може би мислите, че това е резултат от някой настолен експеримент,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
но това е резултат от световното хаотично поведение --
10:29
countries accusing each other of dumping products,
210
605000
2000
страните се обвиняват взаимно за дъмпинг на продуктите,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
първичните публични предлагания, фалитите и маркетинговите програми.
10:33
You would think it would be a very erratic process,
212
609000
3000
Вие си мислите, че това е много хаотичен процес,
10:36
and you have a very smooth
213
612000
2000
и имате много гладък резултат
10:38
outcome of this chaotic process.
214
614000
2000
от този хаотичен процес.
10:40
Just as we can't predict
215
616000
2000
Както не може да предскажем
10:42
what one molecule in a gas will do --
216
618000
2000
какво ще направи една молекула в газ --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
безнадежно е да се прогнозира отделна молекула --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
но можем да прогнозираме състоянието на целия газ,
10:49
using thermodynamics, very accurately.
219
625000
3000
използвайки много точно термодинамиката.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
По същия начин и тук. Не можем да прогнозираме един отделен проект,
10:55
but the result of this whole worldwide,
221
631000
2000
но можем да прогнозираме резултата от тази широкомащабна -- световно разпространена
10:57
chaotic, unpredictable activity of competition
222
633000
5000
хаотична, непредсказуема дейност на конкуренция
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
и еволюциония процес на технологията е много предсказуем.
11:05
And we can predict these trends far into the future.
224
641000
3000
Можем да прогнозираме тези тенденции далече в бъдещето.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
За разлика от розите на Гертруд Щайн,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
случая не е в това, че транзистора е транзистор.
11:14
As we make them smaller and less expensive,
227
650000
2000
Докато ги правим по-малки и по-евтини,
11:16
the electrons have less distance to travel.
228
652000
2000
електроните трябва да изминават по-малки разстояния.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Те стават по-бързи, по този начин имате експоненциално развитие в бързината на транзисторите.
11:22
so the cost of a cycle of one transistor
230
658000
4000
така че цената на един цикъл от един транзистор
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
пада наполовина за 1,1 година.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Прибавете други форми на иновации и дизайн на процесора
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
и ще увеличите двойно ценовата производителност за изчисления всяка година.
11:36
And that's basically deflation --
234
672000
3000
И това по същество е дефлация --
11:39
50 percent deflation.
235
675000
2000
50% дефлация.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
И не са само компютрите. Това важи и за ДНК секвенирането,
11:44
it's true of brain scanning;
237
680000
2000
това важи и за скенограмите на мозъка,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
също е в сила и за световната мрежа. Искам да кажа, за всяко нещо, което можe да се изрази количествено,
11:48
we have hundreds of different measurements
239
684000
3000
имаме стотици различни мерни единици
11:51
of different, information-related measurements --
240
687000
3000
на различни мерки свързани с информацията --
11:54
capacity, adoption rates --
241
690000
2000
капацитет, нива на усвояване --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
и те се удвояват по същество на всеки 12, 13, или 15 месеца,
11:59
depending on what you're looking at.
243
695000
2000
в зависимост от това какво търсим.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
По отношение на цените, това е 50 -- 40 до 50 на сто дефлация.
12:06
And economists have actually started worrying about that.
245
702000
2000
И икономистите започнаха да се тревожат за това.
12:08
We had deflation during the Depression,
246
704000
2000
Имахме дефлация по време на Депресията,
12:10
but that was collapse of the money supply,
247
706000
2000
но това беше рухване на паричното предлагане,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
сриване на доверието на потребителите, едно съвсем различно явление.
12:15
This is due to greater productivity,
249
711000
2000
Това се дължи на по-голяма производителност,
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
но икономистите казват, "Няма начин, по който да сте в крак с това.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Ако има 50 на сто дефлация, хората могат да увеличат обема си
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
30 или 40%, но не може да продължат да го следват"
12:25
But what we're actually seeing is that
253
721000
2000
Но това, което всъщност виждаме,
12:27
we actually more than keep up with it.
254
723000
2000
че ние всъщност сме в крак с него.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Ние сме имали 28% среден растеж в долари за година,
12:32
in information technology over the last 50 years.
256
728000
3000
в информационните технологии през последните 50 години.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Имам предвид, хората не са създавали iPod-ове за 10,000 долара преди 10 години.
12:39
As the price performance makes new applications feasible,
258
735000
3000
Тъй като цените на предлагане отварят нови възможности,
12:42
new applications come to the market.
259
738000
2000
излизат нови видове на пазара.
12:44
And this is a very widespread phenomena.
260
740000
3000
И това е много широко разпространено явление.
12:47
Magnetic data storage --
261
743000
2000
Магнитно съхранение на данни --
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
то не е закона на Мур, това е намаляване на магнитни точки,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
различни инженери, различни компании, същият експоненциален процес.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Ключова революция е, че започваме да разбираме нашата биология
13:00
in these information terms.
265
756000
2000
с тези информационни термини.
13:02
We're understanding the software programs
266
758000
2000
Започваме да разбираме софтуерните програми,
13:04
that make our body run.
267
760000
2000
които карат нашето тяло да функционира.
13:06
These were evolved in very different times --
268
762000
2000
Те са се развили през много различни времена --
13:08
we'd like to actually change those programs.
269
764000
2000
искахме всъщност да променим тези програми.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Една малка програма, наречена генен рецептор на инсулина на мазнините,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
в основата си казва, "Запази всяка калория,
13:14
because the next hunting season may not work out so well."
272
770000
4000
защото следващия ловен сезон може да не толкова добър."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
Това е било в интерес на животинските видове преди десетки хиляди години.
13:21
We'd like to actually turn that program off.
274
777000
3000
В действителност бихме искали да изключим тази програма.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Изпробваха това при животни и мишките се хранеха безразборно,
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
и въпреки това останаха слаби и това беше от полза за здравето им.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
Нямаха диабет, нямаха сърдечни заболявания,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
живееха 20% повече, получиха здравните предимства от намаляване на
13:35
without the restriction.
279
791000
2000
калориите без ограниченията.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Четири или пет фармацефтични компании забелязаха това,
13:40
felt that would be
281
796000
3000
и почувстваха, че това би могло да е
13:43
interesting drug for the human market,
282
799000
3000
един интересен медикамент за хората,
13:46
and that's just one of the 30,000 genes
283
802000
2000
и това е само един от 30 000 гени,
13:48
that affect our biochemistry.
284
804000
3000
които оказват влияние на нашата биохимия.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Еволюирали сме в епоха, където не е било в интереса на хората,
13:54
at the age of most people at this conference, like myself,
286
810000
3000
на възраст на повечето от хората на тази конференция, като мен,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
да живят по-дълго, защото сме използвали ценни ресурси,
14:01
which were better deployed towards the children
288
817000
1000
които били по-добре предназначени за децата
14:02
and those caring for them.
289
818000
2000
и за онези, които се грижели за тях.
14:04
So, life -- long lifespans --
290
820000
2000
Така че продължителен живот,
14:06
like, that is to say, much more than 30 --
291
822000
2000
като, да речем, много повече от 30 години,
14:08
weren't selected for,
292
824000
3000
не е бил избиран,
14:11
but we are learning to actually manipulate
293
827000
3000
но ние се учим как да манипулираме
14:14
and change these software programs
294
830000
2000
и променим тези софтуерни програми,
14:16
through the biotechnology revolution.
295
832000
2000
чрез биотехнологичната еволюция.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Например, сега можем да забраняваме гени с намеса на РНК.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Има нови, многообещаващи форми на генетична терапия,
14:24
that overcome the problem of placing the genetic material
298
840000
2000
които преодоляват проблема с поставянето на генетичния материал
14:26
in the right place on the chromosome.
299
842000
2000
на точното място в хромозома.
14:28
There's actually a -- for the first time now,
300
844000
3000
Има наистина за пръв път нещо,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
което е тествано върху хора, което лекува белодробна хипертония --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
една фатална болест, при която се използва генетична терапия.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Така че ние не само ще имаме бебета по дизайн, но и "бейби бумъри" по дизайн.
14:40
And this technology is also accelerating.
304
856000
3000
И тази технология също напредва.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
Струваше 10 долара за базова двойка през 1990,
14:46
then a penny in 2000.
306
862000
2000
след това един цент през 2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
Сега е по-малко от една десета от цента.
14:50
The amount of genetic data --
308
866000
2000
Количеството на генетични данни --
14:52
basically this shows that smooth exponential growth
309
868000
3000
в основни линии, тук е показано, че гладкия експоненциален растеж
14:55
doubled every year,
310
871000
2000
се е удвоявал всяка година,
14:57
enabling the genome project to be completed.
311
873000
3000
позволявайки на геномния проект да бъде завършен.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Друга голяма революция е тази на комуникациите.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
Връзката цена/качество, честотен диапазон, капацитета на комуникациите, изчислени по различни начини,
15:08
wired, wireless is growing exponentially.
314
884000
3000
кабелни, безжични, нарастват експоненциално.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
Интернет е удвоил своята мощ и продължава да го прави,
15:14
measured many different ways.
316
890000
2000
измерено по много различни начини.
15:16
This is based on the number of hosts.
317
892000
2000
Това е базирано на броя на хостовете.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Миниатюризация -- намаляваме големината на технологиите
15:20
at an exponential rate,
319
896000
2000
експоненциално,
15:22
both wired and wireless.
320
898000
2000
както кабелни така и безжични.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Има някои дизайни от книгата на Ерик Дрекслер --
15:28
which we're now showing are feasible
322
904000
2000
които сега показваме, че са осъществими
15:30
with super-computing simulations,
323
906000
2000
със симулации на суперкомпютри,
15:32
where actually there are scientists building
324
908000
2000
където всъщност има учени, които разработват
15:34
molecule-scale robots.
325
910000
2000
роботи с молекулярен размер.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Има един, който наистина върви със изненадващо наподобяваща човешка
15:38
that's built out of molecules.
327
914000
3000
стъпка, който е изграден от молекули.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Има малки съоръжения, които създават неща в експериментални фази.
15:45
The most exciting opportunity
329
921000
3000
Най-вълнуващата възможност
15:48
is actually to go inside the human body
330
924000
2000
е всъщност да можем да навлезем в човешкото тяло
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
и да реализираме терапевтични и диагностични функции.
15:53
And this is less futuristic than it may sound.
332
929000
2000
И това е по-малко футуристично, отколкото звучи.
15:55
These things have already been done in animals.
333
931000
2000
Тези неща са изпробвани върху животни.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
Има нано-устройство, което лекува захарен диабет. То е с размерите на едно червено кръвно телце.
16:01
They put tens of thousands of these
335
937000
2000
Поставили са десетки хиляди от тях
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
в червените кръвни телца -- изпробвали са това върху плъхове --
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
то позволява на инсулина да излиза по контролиран начин,
16:07
and actually cures type 1 diabetes.
338
943000
2000
и всъщност лекува захарен диабет.
16:09
What you're watching is a design
339
945000
3000
Вие наблюдавате дизайн
16:12
of a robotic red blood cell,
340
948000
2000
на роботизирано червено кръвно телце,
16:14
and it does bring up the issue that our biology
341
950000
2000
и това ни показва, че нашата биология
16:16
is actually very sub-optimal,
342
952000
2000
не е толкова оптимална,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
макар, че е забележителна по своята сложност.
16:21
Once we understand its principles of operation,
344
957000
3000
Веднъж разбрали нейните принципи на действие,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
и скороста, с която се прилага обратния инжинеринг, биологията напредва,
16:28
we can actually design these things to be
346
964000
2000
можем всъщност да проектираме тези неща, за да бъдат
16:30
thousands of times more capable.
347
966000
2000
хиляди пъти по-способни.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Анализ на този респиросайт /изкуствено червено кръвно телце/, който е проектиран от Роб Фрайтес,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
показва, че ако заменим 10% от нашите червени кръвни телца, с тези роботни версии,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
можем да направим олимпийски спринт за 15 минути без да дишаме.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Може да седите на дъното на вашия басейни в продължение на 4 часа,
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
тогава, "Скъпа, в басейна съм," ще предобие съвсем ново значение.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Интересно е да се види, какво ще правим по време на олимпийските квалификации.
16:52
Presumably we'll ban them,
354
988000
2000
Вероятно ще ги забраним,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
но тогава ще имаме набор от младежи в техните училищни салони,
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
които редовно се представят по-добре от олимпийските атлети.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Фрайтен има модел на робот на белите кръвни клетки.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Това са сценарии за около 2020 година.
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
но не са чак толкова футуристични, колкото звучат.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Има 4 важни конференции, посветени на изграждането на устройства, с големината на кръвна клетка,
17:14
there are many experiments in animals.
361
1010000
2000
има много експерименти с животни.
17:16
There's actually one going into human trial,
362
1012000
2000
В действителност има един, който се тества върху хора,
17:18
so this is feasible technology.
363
1014000
3000
така че технологията е осъществима.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Ако се върнем към експоненциалното развитие при компютрите,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1000 долара от изчисления е сега някъде между мозъка на едно насекомо и една мишка.
17:27
It will intersect human intelligence
366
1023000
3000
Ще достигне човешкия интелект
17:30
in terms of capacity in the 2020s,
367
1026000
3000
по отношение на обем през 2020,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
но тава е хардуерната част от уравнението.
17:35
Where will we get the software?
369
1031000
2000
Къде да отрием софтуера?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Ами, оказва се че можем да надникнем в човешкия мозък,
17:39
and in fact not surprisingly,
371
1035000
2000
и всъщност не е изненадващо, че
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
пространствената и темпоралната резолюция на сканирането на мозъка се удвоява всяка година.
17:45
And with the new generation of scanning tools,
373
1041000
2000
С новото поколение средства за сканиране,
17:47
for the first time we can actually see
374
1043000
2000
за пръв път можем наистина да видим
17:49
individual inter-neural fibers
375
1045000
2000
индивидуални интерневронни влакна,
17:51
and see them processing and signaling in real time --
376
1047000
3000
и да се наблюдават по време на обработка и предаване в реално време
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
но тогава въпросът е, "Добре сега можем да получим тези данни,
17:56
but can we understand it?
378
1052000
2000
но дали можем да ги разберем?"
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Дъг Хофщадер се пита, ами, може би нашата интелигентност
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
не е толкова гениална, за да можем да разберем нашия интелект,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
и ако ние бяхме по-умни, следователно и мозъците ни ще са по-сложни,
18:07
and we'd never catch up to it.
382
1063000
2000
и никога няма да можем да ги разберем.
18:10
It turns out that we can understand it.
383
1066000
3000
Но всъщност можем да ги разберем.
18:13
This is a block diagram of
384
1069000
3000
Това е блок диаграма
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
на един модел и симулация на одиторната кора на човешкия мозък,
18:20
that actually works quite well --
386
1076000
2000
която действа добре,
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
и при психоакустични тестове резултатите са много близки до тези на слуховите възприятия на човека.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Ето още една симулация на малкия мозък.
18:29
that's more than half the neurons in the brain --
389
1085000
2000
Това са повече от половината неврони, които са намират в мозъка.
18:31
again, works very similarly to human skill formation.
390
1087000
3000
Отново работи много подобно на образувание на човешките умения.
18:35
This is at an early stage, but you can show
391
1091000
3000
Това е много ранен етап, но въпреки това може да се покаже,
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
че с експоненциалния растеж на количеството от информация за мозъка
18:41
and the exponential improvement
393
1097000
2000
и експоненциалното подобрение
18:43
in the resolution of brain scanning,
394
1099000
2000
в резолюцията на скениране на мозъка,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
ние ще успеем да приложим обратно конструиране на човешкия мозък
18:48
by the 2020s.
396
1104000
2000
до 2020.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Ние вече имаме много добри модели и симулации в почти 15 региона
18:53
out of the several hundred.
398
1109000
3000
от няколко стотин.
18:56
All of this is driving
399
1112000
2000
Това всичко расте експоненциално,
18:58
exponentially growing economic progress.
400
1114000
2000
експонециално растящ икономически прогрес.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Продуктивността нарастна от 30 долара до 150 долара за час
19:05
of labor in the last 50 years.
402
1121000
2000
труд през последните 50 години.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
Електрония бизнес нараства екпоненциално. Сега е достигнал до трилион долара
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Сигурно се питате, ами, нямаше ли някакъв икономически балон?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
Това беше един феномен на капиталовия пазар.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Уол Стрийт разбра, че това е революционна технология, каквато наистина бе,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
на след 6 месеца, когато не беше променила всички бизнес модели,
19:21
they figured, well, that was wrong,
408
1137000
2000
си казаха: " Добре, сбъркахме"
19:23
and then we had this bust.
409
1139000
2000
и след това стана тази експлозия.
19:26
All right, this is a technology
410
1142000
2000
Добре, това е технология, която изградихме,
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
използвайки някои от технологиите, с които сме въвлечени.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Това ще бъде рутинно приложение в мобилен телефон.
19:35
It would be able to translate from one language to another.
413
1151000
2000
Ще може да превежда от един език на друг.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Позволете ми да завърша с няколко сценария.
19:49
By 2010 computers will disappear.
415
1165000
3000
До 2010 компютрите ще изчезнат.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Ще са толкова малки, че ще могат да бъдат вградени в дрехите ни и в заобикалящата ни среда.
19:56
Images will be written directly to our retina,
417
1172000
2000
Образите ще се изписват директно на ретината ни,
19:58
providing full-immersion virtual reality,
418
1174000
2000
ще можем да се потопим напълно във виртуалната реалност,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
увеличена реалистична реалност. Ще си общуваме с виртулни хора.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Но ако отидем в 2029, тези тенденции ще бъдат много по-развити,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
и трябва да оценим колко много промени,
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
в продължение на поколения технологии, които стават все по-бързи и по-бързи, ще достигнем до тази точка.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Казвам, че ще имаме едно експонетно развитие от 2 на 25
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
пъти повече по отношение на качество/цена, капацитет, честотен диапазон,
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
на тези технологии, което е доста забележително.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Ще бъдат хиляди пъти по-мощни, отколкото са днес.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Ще сме завършили обратния инжинеринг на човешкия мозък,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
1000 долара изчислителна мощ ще бъде много по-мощна,
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
отколкото човешкия мозък, по отношение на базисен, суров капацитет.
20:34
Computers will combine
430
1210000
2000
Компютрите ще съчетават
20:36
the subtle pan-recognition powers
431
1212000
2000
фините сили на разпознаване
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
на човешката интелигетност, с начини, при които машините вече са по-напреднали,
20:41
in terms of doing analytic thinking,
433
1217000
2000
по отношение на извършване на аналитична мисъл,
20:43
remembering billions of facts accurately.
434
1219000
2000
запомняне на милиарди факти акуратно.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Машините могат да споделят познанията си много бързо,
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
но това не е просто извънземно нашествие на интелигетни машини.
20:52
We are going to merge with our technology.
437
1228000
2000
Ние ще се слеем с нашата технология.
20:54
These nano-bots I mentioned
438
1230000
2000
Тези нано роботи, за които споменах,
20:56
will first be used for medical and health applications:
439
1232000
4000
първоначално ще бъдат използвани в медицината и здравеопазването,
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
за почистване на околната среда, подсигуряване на гориво -- мощни горивни клетки,
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
и за широко разпространени и децентрализирани слънчеви панели, и много други неща за околната среда.
21:08
But they'll also go inside our brain,
442
1244000
2000
Но също ще навлезат и в нашия мозък,
21:10
interact with our biological neurons.
443
1246000
2000
ще взаимодействат с нашите биологични неврони.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Демонстрирахме основните принципи, с които да постигнем това.
21:15
So, for example,
445
1251000
2000
Така, например,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
пълно потапяне във виртуална реалност откъм нервната система,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
нанороботите ще инхибират сигнали от нашите истински сетива,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
замествайки ги със сигнали, които получава нашия мозък,
21:25
if you were in the virtual environment,
449
1261000
2000
като че ли сме във виртуална среда,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
и ще се чувстваме, като че ли сме във виртуална среда.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Можем да отидем там с други хора и да имаме всякакъв вид преживявания,
21:31
with anyone involving all of the senses.
452
1267000
2000
с всекиго, включвайки всичките си сетива.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
Аз ги наричам "Лъчи на опит," които ще съберат целия поток от сетивен опит
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
в неврологични коралативи от своите емоции там, в интернет.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Можем да се включим и да преживеем това да сме друга личност.
21:43
But most importantly,
456
1279000
2000
Но най-важното,
21:45
it'll be a tremendous expansion
457
1281000
2000
ще бъде едно огромно разширяване
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
на човешката интелигентност, благодарение на това директно свързване с нашата технология,
21:51
which in some sense we're doing already.
459
1287000
2000
което по някакъв начин вече прилагаме.
21:53
We routinely do intellectual feats
460
1289000
2000
Ние редовно извършваме интелектуални подвизи,
21:55
that would be impossible without our technology.
461
1291000
2000
която нямаше да бъдат възможни без нашата технология
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
Продължителността на човешкия живот се увеличава. През 1800 г. беше 37 год
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
и с този вид биотехнологии, нанотехнологични революции,
22:05
this will move up very rapidly
464
1301000
2000
ще се увеличи още по-бързо
22:07
in the years ahead.
465
1303000
2000
през следващите години.
22:09
My main message is that progress in technology
466
1305000
4000
Моето основно послание е, че напредъкът в технологиите
22:13
is exponential, not linear.
467
1309000
3000
е експоненциален, а не праволинеен.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Много, дори учените, приемат линейния модел,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
и казват, "Ще минат стотици години,
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
преди да имаме саморепликиращи и сглобяващи се нано-технологии,
22:25
or artificial intelligence."
471
1321000
2000
или изкуствен интелект."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Ако наистина наблюдавате силата на експоненциалния растеж,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
ще видите, че тези неща ще са реалност много скоро.
22:33
And information technology is increasingly encompassing
474
1329000
3000
И информационните технологии все повече заемат значително място
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
в нашия живот, от музиката до промишлеността,
22:40
to our biology to our energy to materials.
476
1336000
4000
до биологията, до енергията и материалите.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
През 2020 ще можем да създадем почти всичко, което поискаме,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
от информацията, от евтините суровини,
22:49
using nano-technology.
479
1345000
3000
използвайки нано-технологии.
22:52
These are very powerful technologies.
480
1348000
2000
Това са много мощни технологии.
22:54
They both empower our promise and our peril.
481
1350000
4000
Те увеличават нашите обещания, както и нашите рискове.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Така че трябва да имаме волята, да ги прилагаме при решаване на правилните проблемите.
23:01
Thank you very much.
483
1357000
1000
Много ви благодаря.
23:02
(Applause)
484
1358000
1000
(Ръкопляскания)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com