TED2014
Ray Kurzweil: Get ready for hybrid thinking
Ray Kurzweil: Připravte se na hybridní mysl
Filmed:
Readability: 4.4
3,548,296 views
Před dvěma sty miliony let se u našich savčích předků vyvinula nová část mozku: mozková kůra. Tento kus tkáně o velikosti poštovní známky kolem mozku velikosti vlašského ořechu je klíčem k tomu, čím se lidstvo stalo. Futurista Ray Kurzweil navrhuje, abychom se připravili na další velký skok ve výkonnosti mozku, jakmile se dostaneme k výpočetní síle v cloudu.
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.
00:12
Let me tell you a story.
0
988
2316
Dovolte mi povědět vám příběh.
00:15
It goes back 200 million years.
1
3304
1799
Odehrál se před 200 miliony let.
00:17
It's a story of the neocortex,
2
5103
1984
Je to příběh o neokortexu,
00:19
which means "new rind."
3
7087
1974
což znamená „nová kůra".
00:21
So in these early mammals,
4
9061
2431
V hlavní roli vystupují první savci
00:23
because only mammals have a neocortex,
5
11492
2055
v mnohém podobní hlodavcům,
00:25
rodent-like creatures.
6
13547
1664
neboť pouze savci mají neokortex.
00:27
It was the size of a postage stamp and just as thin,
7
15211
3579
Jejich neokortex měl plochu
i tloušťku poštovní známky
i tloušťku poštovní známky
00:30
and was a thin covering around
8
18790
1439
a obaloval mozek
00:32
their walnut-sized brain,
9
20229
2264
velikosti vlašského ořechu.
00:34
but it was capable of a new type of thinking.
10
22493
3701
Navzdory tomu tento mozek
přinášel nový typ myšlení.
přinášel nový typ myšlení.
00:38
Rather than the fixed behaviors
11
26194
1567
Narozdíl od pudového chování,
00:39
that non-mammalian animals have,
12
27761
1992
které nalezneme mezi nesavčími zvířaty,
00:41
it could invent new behaviors.
13
29753
2692
umožňovala tato mysl vývoj nového chování.
00:44
So a mouse is escaping a predator,
14
32445
2553
Takže když myš utíká před dravcem
00:46
its path is blocked,
15
34998
1540
a narazí na překážku,
00:48
it'll try to invent a new solution.
16
36538
2129
pokusí se přijít s řešením.
00:50
That may work, it may not,
17
38667
1266
To buď funguje, nebo ne.
00:51
but if it does, it will remember that
18
39933
1910
A pokud funguje, myš si jej zapamatuje
00:53
and have a new behavior,
19
41843
1292
a bude jej nadále využívat,
00:55
and that can actually spread virally
20
43135
1457
což se lavinovitě rozšíří
00:56
through the rest of the community.
21
44592
2195
napříč komunitou myší.
Protože jiná myš, která
to viděla si řekne:
to viděla si řekne:
00:58
Another mouse watching this could say,
22
46787
1609
01:00
"Hey, that was pretty clever, going around that rock,"
23
48396
2704
„Páni, to bylo vážně chytrý
oběhnout ten kámen,"
oběhnout ten kámen,"
01:03
and it could adopt a new behavior as well.
24
51100
3725
a začne se chovat obdobně.
01:06
Non-mammalian animals
25
54825
1717
Živočichové jiní než savci
01:08
couldn't do any of those things.
26
56542
1713
tuto schopnost postrádají.
01:10
They had fixed behaviors.
27
58255
1215
Jejich chování je pudové.
01:11
Now they could learn a new behavior
28
59470
1331
Nové chování si sice osvojí,
01:12
but not in the course of one lifetime.
29
60801
2576
nikoli však v průběhu jednoho života.
01:15
In the course of maybe a thousand lifetimes,
30
63377
1767
Trvá jim to klidně i tisíce životů
01:17
it could evolve a new fixed behavior.
31
65144
3330
než se vyvine jako nové pudové chování.
01:20
That was perfectly okay 200 million years ago.
32
68474
3377
Před 200 miliony let to bohatě stačilo.
01:23
The environment changed very slowly.
33
71851
1981
Prostředí se tehdy měnilo velmi pomalu.
01:25
It could take 10,000 years for there to be
34
73832
1554
Mohlo trvat i deset tisíc let,
01:27
a significant environmental change,
35
75386
2092
než k nějaké výraznější změně došlo,
01:29
and during that period of time
36
77478
1382
takže v průběhu této doby
01:30
it would evolve a new behavior.
37
78860
2929
se nové chování mohlo vyvíjet.
01:33
Now that went along fine,
38
81789
1521
Fungovalo to tehdy dobře,
01:35
but then something happened.
39
83310
1704
ale pak se něco přihodilo.
01:37
Sixty-five million years ago,
40
85014
2246
Před 65 miliony let
01:39
there was a sudden, violent
change to the environment.
change to the environment.
41
87260
2615
došlo k náhlé, násilné změně prostředí.
01:41
We call it the Cretaceous extinction event.
42
89875
3505
Nazýváme ji vymírání na konci křídy.
01:45
That's when the dinosaurs went extinct,
43
93380
2293
Jde o období, kdy vyhynuli dinosauři.
01:47
that's when 75 percent of the
44
95673
3449
Zaniklo tehdy 75 procent
01:51
animal and plant species went extinct,
45
99122
2746
živočišných a rostlinných druhů.
01:53
and that's when mammals
46
101868
1745
V této době zaplnili savci
01:55
overtook their ecological niche,
47
103613
2152
tuto vzniklou ekologickou mezeru.
01:57
and to anthropomorphize, biological evolution said,
48
105765
3654
Abychom použili lidský příměr,
biologická evoluce řekla:
biologická evoluce řekla:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
109419
2025
„Hm, tahle mozková kůra je fajn věc,"
02:03
and it began to grow it.
50
111444
1793
a začala ji rozvíjet.
02:05
And mammals got bigger,
51
113237
1342
A savci se zvětšovali
02:06
their brains got bigger at an even faster pace,
52
114579
2915
a společně s nimi i jejich mozky,
ty dokonce ještě rychleji,
ty dokonce ještě rychleji,
02:09
and the neocortex got bigger even faster than that
53
117494
3807
takže se přirozeně
zvětšovala i mozková kůra.
zvětšovala i mozková kůra.
02:13
and developed these distinctive ridges and folds
54
121301
2929
Vyvinuly se v ní tyto
jasně viditelné rýhy a záhyby,
jasně viditelné rýhy a záhyby,
02:16
basically to increase its surface area.
55
124230
2881
zejména z toho důvodu,
aby zvětšily povrch.
aby zvětšily povrch.
02:19
If you took the human neocortex
56
127111
1819
Kdybyste vzali lidskou mozkovou kůru
02:20
and stretched it out,
57
128930
1301
a roztáhli ji,
02:22
it's about the size of a table napkin,
58
130231
1713
byla by velká asi jako ubrousek
02:23
and it's still a thin structure.
59
131944
1306
a stejně tak tenká.
02:25
It's about the thickness of a table napkin.
60
133250
1980
Má tloušťku zhruba jako stolní ubrousek.
02:27
But it has so many convolutions and ridges
61
135230
2497
Ale díky těm mnoha závitům a záhybům
02:29
it's now 80 percent of our brain,
62
137727
3075
tvoří 80 procent celého mozku.
02:32
and that's where we do our thinking,
63
140802
2461
Právě v této části
se odehrává naše myšlení.
se odehrává naše myšlení.
02:35
and it's the great sublimator.
64
143263
1761
Je to i skvělý sublimátor.
02:37
We still have that old brain
65
145024
1114
I nadále máme ten starý mozek,
02:38
that provides our basic drives and motivations,
66
146138
2764
který nám poskytuje
základní pudy a motivace,
základní pudy a motivace,
02:40
but I may have a drive for conquest,
67
148902
2716
ale například naši touhu dobývat
02:43
and that'll be sublimated by the neocortex
68
151618
2715
dokáže naše mozková kůra přetvořit do
02:46
into writing a poem or inventing an app
69
154333
2909
podoby básně nebo z ní vytvořit aplikaci
02:49
or giving a TED Talk,
70
157242
1509
nebo přednášku pro TED.
02:50
and it's really the neocortex that's where
71
158751
3622
Právě tyto proměny
02:54
the action is.
72
162373
1968
se odehrávají v mozkové kůře.
02:56
Fifty years ago, I wrote a paper
73
164341
1717
Před padesáti lety jsem napsal článek,
02:58
describing how I thought the brain worked,
74
166058
1918
v němž jsem shrnul své nápady,
jak mozek funguje,
jak mozek funguje,
02:59
and I described it as a series of modules.
75
167976
3199
hovořil jsem tehdy o sérii modulů.
03:03
Each module could do things with a pattern.
76
171175
2128
Každý modul funguje podle nějakého vzorce.
03:05
It could learn a pattern. It could remember a pattern.
77
173303
2746
Může se naučit nový vzorec,
může si zapamatovat vzorec.
může si zapamatovat vzorec.
03:08
It could implement a pattern.
78
176049
1407
Může podle vzorce jednat.
03:09
And these modules were organized in hierarchies,
79
177456
2679
Tyto moduly se organizují hierarchicky,
03:12
and we created that hierarchy with our own thinking.
80
180135
2954
přičemž hierarchii utváří naše myšlení.
03:15
And there was actually very little to go on
81
183089
3333
Před 50 lety se toho už moc dalšího
03:18
50 years ago.
82
186422
1562
vyzkoumat nedalo.
03:19
It led me to meet President Johnson.
83
187984
2115
Díky této teorii jsem
se seznámil s prezidentem Johnsonem.
se seznámil s prezidentem Johnsonem.
03:22
I've been thinking about this for 50 years,
84
190099
2173
Dalších padesát let
jsem o teorii přemýšlel
jsem o teorii přemýšlel
03:24
and a year and a half ago I came out with the book
85
192272
2828
a před půldruhým rokem jsem vydal knihu
03:27
"How To Create A Mind,"
86
195100
1265
s názvem:
„Jak vytvořit mysl."
„Jak vytvořit mysl."
03:28
which has the same thesis,
87
196365
1613
Vychází ze stejné teze,
03:29
but now there's a plethora of evidence.
88
197978
2812
ale je nyní doplněna o hromady důkazů.
03:32
The amount of data we're getting about the brain
89
200790
1814
Množství dat, které dnes o mozku máme,
03:34
from neuroscience is doubling every year.
90
202604
2203
se díky neurovědě každý rok
zdvojnásobí.
zdvojnásobí.
03:36
Spatial resolution of brainscanning of all types
91
204807
2654
Prostorové snímky mozku všeho druhu
03:39
is doubling every year.
92
207461
2285
přibývají dvojnásobně každý rok.
03:41
We can now see inside a living brain
93
209746
1717
Umíme se dívat do živého mozku,
03:43
and see individual interneural connections
94
211463
2870
vidíme tak jednotlivé spoje mezi neurony,
03:46
connecting in real time, firing in real time.
95
214333
2703
jak spolu komunikují v reálném čase.
03:49
We can see your brain create your thoughts.
96
217036
2419
Můžeme vidět,
jak váš mozek vytváří myšlenky.
jak váš mozek vytváří myšlenky.
03:51
We can see your thoughts create your brain,
97
219455
1575
Můžeme vidět,
jak vaše myšlenky vytváří váš mozek,
jak vaše myšlenky vytváří váš mozek,
03:53
which is really key to how it works.
98
221030
1999
protože tak to skutečně funguje.
03:55
So let me describe briefly how it works.
99
223029
2219
Dovolte mi stručně popsat tento proces.
03:57
I've actually counted these modules.
100
225248
2275
Vlastně jsem tyto moduly spočítal.
03:59
We have about 300 million of them,
101
227523
2046
Máme jich kolem 300 milionů
04:01
and we create them in these hierarchies.
102
229569
2229
a vytváříme je hierarchicky.
04:03
I'll give you a simple example.
103
231798
2082
Dám vám jednoduchý příklad.
04:05
I've got a bunch of modules
104
233880
2805
Představte si skupinu modulů,
04:08
that can recognize the crossbar to a capital A,
105
236685
3403
které umí rozpoznat
vodorovnou čárku písmene A,
vodorovnou čárku písmene A,
04:12
and that's all they care about.
106
240088
1914
což je to jediné, co je zajímá.
04:14
A beautiful song can play,
107
242002
1578
Může hrát příjemná hudba,
04:15
a pretty girl could walk by,
108
243580
1434
může jít kolem krásná dívka,
04:17
they don't care, but they see
a crossbar to a capital A,
a crossbar to a capital A,
109
245014
2846
nic z toho je nezajímá,
soustředí se jen na část písmene A
soustředí se jen na část písmene A
04:19
they get very excited and they say "crossbar,"
110
247860
3021
a jakmile na ni narazí, aktivují se
04:22
and they put out a high probability
111
250881
2112
a vyšlou signál
04:24
on their output axon.
112
252993
1634
svým výstupním axonem.
04:26
That goes to the next level,
113
254627
1333
Pokračuje to i o úroveň výš,
04:27
and these layers are organized in conceptual levels.
114
255960
2750
přičemž tyto vrstvy
se konceptuálně organizují.
se konceptuálně organizují.
04:30
Each is more abstract than the next one,
115
258710
1856
Každá z nich je
abstraktnější než předchozí,
abstraktnější než předchozí,
04:32
so the next one might say "capital A."
116
260566
2418
takže následující úroveň
může sledovat „písmeno A".
může sledovat „písmeno A".
04:34
That goes up to a higher
level that might say "Apple."
level that might say "Apple."
117
262984
2891
Pokračuje to dále k
vyšším úrovním, až třeba k „ALARM".
vyšším úrovním, až třeba k „ALARM".
Informace se ale šíří i shora dolů.
04:37
Information flows down also.
118
265875
2167
04:40
If the apple recognizer has seen A-P-P-L,
119
268042
2936
Pokud dotyčný modul narazí na A-L-A-R,
04:42
it'll think to itself, "Hmm, I
think an E is probably likely,"
think an E is probably likely,"
120
270978
3219
sám si domyslí:
„aha, zřejmě chybí M,"
„aha, zřejmě chybí M,"
04:46
and it'll send a signal down to all the E recognizers
121
274197
2564
a odešle signál dolů
ke všem modulům čekajícím na M
ke všem modulům čekajícím na M
04:48
saying, "Be on the lookout for an E,
122
276761
1619
se zprávou: „podívejte se po M,
04:50
I think one might be coming."
123
278380
1556
myslím, že jedno je na cestě."
04:51
The E recognizers will lower their threshold
124
279936
2843
Moduly pro M zvýší citlivost
04:54
and they see some sloppy
thing, could be an E.
thing, could be an E.
125
282779
1945
a v ne zcela zřetelném tvaru poznají M.
04:56
Ordinarily you wouldn't think so,
126
284724
1490
Běžně by jej nemusely poznat,
04:58
but we're expecting an E, it's good enough,
127
286214
2009
ale když ho očekávají, odchytí jej
05:00
and yeah, I've seen an E, and then apple says,
128
288223
1817
a uvidí v něm M,
takže modul pro ALARM
takže modul pro ALARM
05:02
"Yeah, I've seen an Apple."
129
290040
1728
může říct: „Vidím ALARM".
05:03
Go up another five levels,
130
291768
1746
Vyjděte výš o pět úrovní
05:05
and you're now at a pretty high level
131
293514
1353
a dostanete se na dost
05:06
of this hierarchy,
132
294867
1569
vysoký stupeň této hierarchie,
05:08
and stretch down into the different senses,
133
296436
2353
která se rozpíná napříč různými smysly,
05:10
and you may have a module
that sees a certain fabric,
that sees a certain fabric,
134
298789
2655
takže můžeme mít modul,
který pozná určitou tkaninu,
který pozná určitou tkaninu,
05:13
hears a certain voice quality,
smells a certain perfume,
smells a certain perfume,
135
301444
2844
rozezná určitý tón hlasu,
pozná nějakou vůni,
pozná nějakou vůni,
05:16
and will say, "My wife has entered the room."
136
304288
2513
a řekne: „Přišla moje žena."
05:18
Go up another 10 levels, and now you're at
137
306801
1895
Vystoupejme o dalších deset úrovní
05:20
a very high level.
138
308696
1160
a budeme už hodně vysoko.
05:21
You're probably in the frontal cortex,
139
309856
1937
Nejspíš budeme už v kůře čelních laloků,
05:23
and you'll have modules that say, "That was ironic.
140
311793
3767
kde jsou moduly, které říkají:
„To byla ironie,
„To byla ironie,
05:27
That's funny. She's pretty."
141
315560
2370
To byla zábava. Je krásná."
05:29
You might think that those are more sophisticated,
142
317930
2105
Můžeme tyto moduly
nazvat sofistikovanějšími,
nazvat sofistikovanějšími,
05:32
but actually what's more complicated
143
320035
1506
i když jediná složitější věc
05:33
is the hierarchy beneath them.
144
321541
2669
je jejich pozice v hierarchii.
05:36
There was a 16-year-old girl, she had brain surgery,
145
324210
2620
Jedna 16letá dívka prodělala operaci mozku,
05:38
and she was conscious because the surgeons
146
326830
2051
během níž byla při vědomí,
protože chirurgové
protože chirurgové
05:40
wanted to talk to her.
147
328881
1537
s ní chtěli mluvit.
05:42
You can do that because there's no pain receptors
148
330418
1822
Je to možné proto, že v mozku nejsou
05:44
in the brain.
149
332240
1038
čidla bolesti.
05:45
And whenever they stimulated particular,
150
333278
1800
Kdykoli podráždili určitou část mozku,
05:47
very small points on her neocortex,
151
335078
2463
malou oblast v kůře,
05:49
shown here in red, she would laugh.
152
337541
2665
zde je vyznačená červeně,
zasmála se.
zasmála se.
05:52
So at first they thought they were triggering
153
340206
1440
Nejdřív si mysleli, že aktivovali
05:53
some kind of laugh reflex,
154
341646
1720
nějaký typ reflexního smíchu,
05:55
but no, they quickly realized they had found
155
343366
2519
ale rychle zjistili, že narazili na
05:57
the points in her neocortex that detect humor,
156
345885
3044
oblasti mozku, které reagují na humor
06:00
and she just found everything hilarious
157
348929
1969
a kdykoli tento bod podráždili,
06:02
whenever they stimulated these points.
158
350898
2437
dívce najednou přišlo všechno legrační.
06:05
"You guys are so funny just standing around,"
159
353335
1925
„Jste tak legrační, když tu stojíte,"
06:07
was the typical comment,
160
355260
1738
byla její obvyklá poznámka,
06:08
and they weren't funny,
161
356998
2302
i když oni legrační vůbec nebyli,
06:11
not while doing surgery.
162
359300
3247
určitě ne v průběhu operace.
06:14
So how are we doing today?
163
362547
4830
Takže jak jsme na tom dnes?
06:19
Well, computers are actually beginning to master
164
367377
3054
Počítače konečně začínají zpracovávat
06:22
human language with techniques
165
370431
2001
lidský jazyk způsobem,
06:24
that are similar to the neocortex.
166
372432
2867
jakým se zpracovává v neokortexu.
06:27
I actually described the algorithm,
167
375299
1514
Osobně jsem popsal algoritmus,
06:28
which is similar to something called
168
376813
2054
který se podobá něčemu, co nazýváme
06:30
a hierarchical hidden Markov model,
169
378867
2233
Markovův hierarchický skrytý model,
06:33
something I've worked on since the '90s.
170
381100
3241
na němž jsem pracoval od 90. let.
06:36
"Jeopardy" is a very broad natural language game,
171
384341
3238
Soutěž „Riskuj" je hra založená na jazyku
06:39
and Watson got a higher score
172
387579
1892
a počítač Watson v ní dosáhl lepšího
06:41
than the best two players combined.
173
389471
2000
výsledku než dva nejlepší hráči dohromady.
06:43
It got this query correct:
174
391471
2499
Odpověděl správně na tuto otázku:
06:45
"A long, tiresome speech
175
393970
2085
„Dlouhá a únavná řeč, kterou pronáší
06:48
delivered by a frothy pie topping,"
176
396055
2152
pěnová koláčová náplň."
Počítač odpověděl:
Počítač odpověděl:
06:50
and it quickly responded,
"What is a meringue harangue?"
"What is a meringue harangue?"
177
398207
2796
„Sněhová pusinka dává kázání,"
(anglická říkanka).
(anglická říkanka).
06:53
And Jennings and the other guy didn't get that.
178
401003
2635
Jennings a další soutěžící
to vůbec nepochopili.
to vůbec nepochopili.
06:55
It's a pretty sophisticated example of
179
403638
1926
Je to velmi komplikovaný příklad toho,
06:57
computers actually understanding human language,
180
405564
1914
že počítače rozumí lidskému jazyku.
06:59
and it actually got its knowledge by reading
181
407478
1652
Watson získal své znalosti čtením
07:01
Wikipedia and several other encyclopedias.
182
409130
3785
Wikipedie a dalších encyklopedií.
07:04
Five to 10 years from now,
183
412915
2133
Za pět až deset let
07:07
search engines will actually be based on
184
415048
2184
nebudou vyhledávače prostě hledat
07:09
not just looking for combinations of words and links
185
417232
2794
kombinace slov a odkazů,
07:12
but actually understanding,
186
420026
1914
ale budou skutečně rozumět.
07:13
reading for understanding the billions of pages
187
421940
2411
Budou číst miliardy stránek
07:16
on the web and in books.
188
424351
2733
na internetu i v knížkách.
07:19
So you'll be walking along, and Google will pop up
189
427084
2616
Takže půjdete kolem počítače,
vyskočí Google a řekne:
vyskočí Google a řekne:
07:21
and say, "You know, Mary, you expressed concern
190
429700
3081
„Vzpomínáš si, Mary, jak jsi mi vyjádřila
07:24
to me a month ago that your glutathione supplement
191
432781
3019
před měsícem znepokojení,
že Tvá dávka glutathionu
že Tvá dávka glutathionu
07:27
wasn't getting past the blood-brain barrier.
192
435800
2231
neprostoupila hematoencefalickou bariérou?
07:30
Well, new research just came out 13 seconds ago
193
438031
2593
Před 13 sekundami vyšel nový výzkum,
07:32
that shows a whole new approach to that
194
440624
1711
který nabízí zcela nový přístup
07:34
and a new way to take glutathione.
195
442335
1993
v užívání glutathionu.
07:36
Let me summarize it for you."
196
444328
2562
Shrnu Ti jej."
07:38
Twenty years from now, we'll have nanobots,
197
446890
3684
Ode dneška za 20 let
budeme mít nanoroboty,
budeme mít nanoroboty,
07:42
because another exponential trend
198
450574
1627
které přinese další exponenciální
07:44
is the shrinking of technology.
199
452201
1615
trend, kterým je miniaturizace.
07:45
They'll go into our brain
200
453816
2370
Tyto nanoroboty se kapilárami
07:48
through the capillaries
201
456186
1703
dostanou do našeho mozku,
07:49
and basically connect our neocortex
202
457889
2477
kde propojí naši mozkovou kůru
07:52
to a synthetic neocortex in the cloud
203
460366
3185
se syntetickou kůrou, která bude v cloudu,
07:55
providing an extension of our neocortex.
204
463551
3591
čímž rozšíří schopnosti našeho neokortexu.
07:59
Now today, I mean,
205
467142
1578
V současnosti máte počítač
08:00
you have a computer in your phone,
206
468720
1530
třeba ve svém telefonu,
08:02
but if you need 10,000 computers for a few seconds
207
470250
2754
ale pokud potřebujete
na pár sekund 10 tisíc počítačů
na pár sekund 10 tisíc počítačů
08:05
to do a complex search,
208
473004
1495
ke složitému vyhledávání,
08:06
you can access that for a second or two in the cloud.
209
474499
3396
můžete se k nim
na pár sekund připojit v cloudu.
na pár sekund připojit v cloudu.
08:09
In the 2030s, if you need some extra neocortex,
210
477895
3095
Když budete v roce 2030
potřebovat výkonnější mozek,
potřebovat výkonnější mozek,
08:12
you'll be able to connect to that in the cloud
211
480990
2273
připojíte se k němu v cloudu,
08:15
directly from your brain.
212
483263
1648
a to přímo svým mozkem.
08:16
So I'm walking along and I say,
213
484911
1543
Takže si například řeknu:
08:18
"Oh, there's Chris Anderson.
214
486454
1363
„Á, tady jde Chris Anderson,
08:19
He's coming my way.
215
487817
1525
jde mi vstříc,
08:21
I'd better think of something clever to say.
216
489342
2335
měl bych vymyslet,
co inteligentního mu řeknu.
co inteligentního mu řeknu.
08:23
I've got three seconds.
217
491677
1524
Mám na to 3 sekundy.
08:25
My 300 million modules in my neocortex
218
493201
3097
300 milionů modulů v mém neokortexu
08:28
isn't going to cut it.
219
496298
1240
to nestihne.
08:29
I need a billion more."
220
497538
1246
Potřebuju další miliardu."
08:30
I'll be able to access that in the cloud.
221
498784
3323
K té se dostanu v cloudu.
08:34
And our thinking, then, will be a hybrid
222
502107
2812
Naše mysl se stane hybridní,
08:36
of biological and non-biological thinking,
223
504919
3522
spojením biologického a nebiologického,
08:40
but the non-biological portion
224
508441
1898
přičemž ta nebiologická část
08:42
is subject to my law of accelerating returns.
225
510339
2682
podléhá zrychlujícím se trendům.
08:45
It will grow exponentially.
226
513021
2239
Poroste exponenciálně.
08:47
And remember what happens
227
515260
2016
Pamatujete si, co se stalo,
08:49
the last time we expanded our neocortex?
228
517276
2645
když se naše mozková kůra
zvětšila posledně?
zvětšila posledně?
08:51
That was two million years ago
229
519921
1426
To bylo před 2 miliony let,
08:53
when we became humanoids
230
521347
1236
když se z nás stali humanoidi
08:54
and developed these large foreheads.
231
522583
1594
s těmito vysokými čely.
08:56
Other primates have a slanted brow.
232
524177
2583
Ostatní primáti mají zkosené hlavy.
08:58
They don't have the frontal cortex.
233
526760
1745
Nemají kůru čelních laloků.
09:00
But the frontal cortex is not
really qualitatively different.
really qualitatively different.
234
528505
3685
Kůra čelních laloků
se ale neliší od kůry jiných laloků.
se ale neliší od kůry jiných laloků.
09:04
It's a quantitative expansion of neocortex,
235
532190
2743
Jde jen o kvantitativní rozšíření kůry,
09:06
but that additional quantity of thinking
236
534933
2703
ale toto dodatečné množství mysli
09:09
was the enabling factor for us to take
237
537636
1779
byl rozhodující faktor, který umožnil
09:11
a qualitative leap and invent language
238
539415
3346
kvalitativní skok a vynález jazyka,
09:14
and art and science and technology
239
542761
1967
umění, přinesl vědu a techniku
09:16
and TED conferences.
240
544728
1454
a konference TED.
09:18
No other species has done that.
241
546182
2131
Žádný jiný druh tohoto nedosáhl.
09:20
And so, over the next few decades,
242
548313
2075
A za pár let tohle
09:22
we're going to do it again.
243
550388
1760
uděláme znovu.
09:24
We're going to again expand our neocortex,
244
552148
2274
Znovu zvětšíme svůj neokortex,
09:26
only this time we won't be limited
245
554422
1756
ale tentokrát už nebudeme omezeni
09:28
by a fixed architecture of enclosure.
246
556178
4280
pevnou hranicí naší lebky.
09:32
It'll be expanded without limit.
247
560458
3304
Rozšíření bude moci být neomezené.
09:35
That additional quantity will again
248
563762
2243
Přidané množství bude znovu
09:38
be the enabling factor for another qualitative leap
249
566005
3005
rozhodujícím faktorem v dalším obřím skoku
09:41
in culture and technology.
250
569010
1635
naší kultury a techniky.
09:42
Thank you very much.
251
570645
2054
Mnohokrát vám děkuji.
09:44
(Applause)
252
572699
3086
(Potlesk)
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