TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil: Wie Technologie uns verändern wird
Filmed:
Readability: 5.3
2,876,494 views
Erfinder, Unternehmer und Visionär Ray Kurzweil erklärt ausgiebig und mit fundierten Details, warum wir in den 2020ern das menschliche Gehirn entschlüsselt haben werden und unser Bewusstsein von Nanorobotern gesteuert sein wird.
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
Es ist großartig hier zu sein.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Wir haben viel gehört über die Möglichkeiten von Technologie, und ihre Tücken.
00:30
I've been quite interested in both.
2
6000
2000
Ich bin an beidem sehr interessiert.
00:32
If we could convert 0.03 percent
3
8000
4000
Wenn wir 0,03 Prozent des Sonnenlichts, das auf die Erde trifft,
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
in Energie umwandeln könnten,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
könnten wir unseren projizierten Bedarf von 2030 decken.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Wir schaffen das heutzutage nicht, weil Solarmodule
00:46
expensive and very inefficient.
7
22000
2000
schwer, teuer und ineffizient sind.
00:48
There are nano-engineered designs,
8
24000
3000
Es gibt Nanotechnologie-Entwicklungen,
00:51
which at least have been analyzed theoretically,
9
27000
2000
die zumindest theoretisch belegen,
00:53
that show the potential to be very lightweight,
10
29000
2000
das sie potentiell sehr leicht,
00:55
very inexpensive, very efficient,
11
31000
2000
sehr günstig und sehr effizient sein können,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
und wir könnten in der Lage sein, unseren Energiebedarf auf diese erneuerbare Art zu decken.
01:01
Nano-engineered fuel cells
13
37000
2000
Nano-entwickelte Energiezellen könnten
01:03
could provide the energy where it's needed.
14
39000
3000
die Energie dort zur Verfügung stellen, wo sie gebraucht wird.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Das ist eine wichtige Entwicklungstendenz, nämlich die Dezentralisierung,
01:08
moving from centralized nuclear power plants and
16
44000
3000
weg von zentralisierten Atomkraftwerken und
01:11
liquid natural gas tankers
17
47000
2000
Flüssiggas-Tankschiffen,
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
zu dezentralen Rohstoffen, die umweltfreundlicher,
01:17
a lot more efficient
19
53000
3000
sehr viel effizienter
01:20
and capable and safe from disruption.
20
56000
4000
und unanfällig und sicher gegen Unterbrechungen sind.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono hat sehr eloquent beschrieben,
01:26
that we have the tools, for the first time,
22
62000
4000
dass wir zum ersten Mal in der Geschichte in der Lage sind,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
uns uralten Problemen wie Krankheit und Armut zuzuwenden.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
Die meisten Regionen der Welt bewegen sich in diese Richtung.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
Im Jahr 1990 lebten in Ostasien und in der Pazifikregion
01:42
there were 500 million people living in poverty --
26
78000
2000
500 Millionen Menschen in Armut –
01:44
that number now is under 200 million.
27
80000
3000
diese Zahl ist jetzt unter 200 Millionen.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
Die Weltbank projiziert, dass es bis 2011 unter 20 Millionen sein werden,
01:50
which is a reduction of 95 percent.
29
86000
3000
was ein Rückgang von 95 Prozent ist.
01:53
I did enjoy Bono's comment
30
89000
3000
Mir hat Bonos Kommentar gefallen,
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
in dem er das Haight-Ashbury Viertel mit dem Silicon-Valley verbindet.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Da ich selbst aus der High-Tech-Gemeinde von Massachusetts stamme,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
weise ich darauf hin, dass auch wir in den 1960ern Hippies waren,
02:08
although we hung around Harvard Square.
34
104000
3000
obwohl wir am Harvard Square rumhingen.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Doch wir haben das Potenzial, Krankheit und Armut zu bezwingen,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
und ich werde über diese Aspekte sprechen, falls wir den Willen dazu haben.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly hat über die Beschleunigung der Technologie gesprochen.
02:22
That's been a strong interest of mine,
38
118000
3000
Dies ist ein großes Interessensgebiet von mir,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
und ein Thema, das ich über etwa 30 Jahre entwickelt habe.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Ich erkannte, dass meine Technologien sinnvoll sein mussten, wenn ich ein Projekt beendet hatte.
02:33
That invariably, the world was a different place
41
129000
3000
Dass die Welt ausnahmslos verändert war,
02:36
when I would introduce a technology.
42
132000
2000
nachdem ich eine Technologie eingeführt hatte.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Und dass die meisten Innovationen nicht scheitern,
02:40
not because the R&D department can't get it to work --
44
136000
3000
weil die Entwicklungsabteilungen sie nicht zum Laufen bekommen –
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
wenn man die meisten Geschäftspläne betrachtet, sind sie erfolgreich,
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
soweit sie die Chance haben das herzustellen, was sie geplant hatten –
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
und 90 Prozent oder mehr dieser Projekte scheitern, weil die zeitliche Planung schlecht war –
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
da nicht alle Erfolgsfaktoren im richtigen Moment zur Verfügung standen.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
So wurde ich ein begeisterter Student von Technologietrends
03:00
and track where technology would be at different points in time,
50
156000
3000
und verfolge, wo Technologie sich an verschiedenen Punkten der Zeit befindet,
03:03
and began to build the mathematical models of that.
51
159000
3000
und begann die mathematischen Modelle dazu zu entwickeln.
03:06
It's kind of taken on a life of its own.
52
162000
2000
Das hat sich irgendwie verselbstständigt.
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Ich habe ein Gruppe von 10 Personen, die mit mir Daten über
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
Schlüsselmaßnahmen von Entwicklungen aus verschiedenen Bereichen sammeln, und wir entwickeln Modelle.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Leute sagen, nun, man kann die Zukunft nicht vorhersagen.
03:19
And if you ask me,
56
175000
2000
Und wenn ich gefragt werde,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
wird der Preis der Google-Aktie in drei Jahren höher oder niedriger sein als heute,
03:24
that's very hard to say.
58
180000
2000
dann ist das recht schwer zu sagen.
03:26
Will WiMax CDMA G3
59
182000
3000
Wird "WiMax CDMA G3" in drei Jahren
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
der Standard zur kabellosen Datenübertragung sein? Das ist schwer zu sagen.
03:31
But if you ask me, what will it cost
61
187000
2000
Aber wenn man mich fragt, was werden 2010 die Kosten
03:33
for one MIPS of computing in 2010,
62
189000
3000
von einer MIPS (Millionen Befehle pro Sekunde) an Berechnungen sein,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
oder 2012 die Kosten der Sequenzierung eines Basenpaars von DNA,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
oder 2014 die Kosten eines Megabytes an Daten kabellos zu versenden,
03:43
it turns out that those are very predictable.
65
199000
3000
stellt sich heraus, dass all dies sehr vorhersagbar ist.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Es sind bemerkenswert geschmeidige Exponentialkurven,
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
welche die Preis-Performanz, Kapazität und Bandbreite lenken.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Und ich werde Ihnen ein kleines Beispiel dazu geben.
03:53
but there's really a theoretical reason
69
209000
2000
Aber es gibt tatsächlich eine theoretische Begründung dafür,
03:55
why technology develops in an exponential fashion.
70
211000
5000
warum Technologie sich in exponenzieller Weise entwickelt.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
Die meisten Menschen stellen sich die Zukunft als etwas Lineares vor.
04:02
They think they're going to continue
72
218000
2000
Sie glauben, sie führen die Entwicklung
04:04
to develop a problem
73
220000
2000
eines Problems
04:06
or address a problem using today's tools,
74
222000
3000
oder die Lösung des Problems mit heutigen Werkzeugen fort,
04:09
at today's pace of progress,
75
225000
2000
mit der heutigen Geschwindigkeit,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
und ziehen dieses exponentielle Wachstum nicht in Betracht.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
Das Menschliche Genom Projekt war 1990 kontrovers.
04:18
We had our best Ph.D. students,
78
234000
2000
Wir hatten die besten Doktoranden,
04:20
our most advanced equipment around the world,
79
236000
2000
die fortschrittlichste Ausrüstung der Welt,
04:22
we got 1/10,000th of the project done,
80
238000
2000
wir hatten ein Zehntausendstel des Projekts fertiggestellt,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
und wie sollten wir das in 15 Jahren schaffen?
04:26
And 10 years into the project,
82
242000
3000
Als das Projekt 10 Jahre fortgeschritten war, waren die Skeptiker
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
weiterhin verbreitet und sagten, "Ihr steckt 2/3 im Projekt,
04:32
and you've managed to only sequence
84
248000
2000
aber ihr habt bisher nur eine kleine
04:34
a very tiny percentage of the whole genome."
85
250000
3000
Prozentzahl des gesamten Genoms sequenziert."
04:37
But it's the nature of exponential growth
86
253000
2000
Aber es ist die Eigenart von exponentiellem Wachstum,
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
das es förmlich explodiert, wenn die Kurve einmal ansteigt.
04:41
Most of the project was done in the last
88
257000
2000
Der Großteil des Projekts wurde in
04:43
few years of the project.
89
259000
2000
den letzten wenigen Jahren erreicht.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Es hat 15 Jahre gedauert, um HIV zu sequenzieren.
04:47
we sequenced SARS in 31 days.
91
263000
2000
Wir haben SARS in 31 Tagen sequenziert.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Wir erreichen also das Potential, diese Probleme zu überwinden.
04:53
I'm going to show you just a few examples
93
269000
2000
Ich werde Ihnen an ein paar Beispielen zeigen,
04:55
of how pervasive this phenomena is.
94
271000
3000
wie überzeugend dieses Phänomen ist.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
Der tatsächliche Paradigmen-Wechsel, die Rate neue Ideen zu adaptieren,
05:02
is doubling every decade, according to our models.
96
278000
3000
verdoppelt sich jedes Jahrzent. Das zeigen unsere Modelle.
05:05
These are all logarithmic graphs,
97
281000
3000
Dies sind alles logarithmische Graphen,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
das heißt, auf jeder Stufe multiplizieren sich die repräsentierten Werte mit dem Faktor 10 oder 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Wir brauchten ein halbes Jahrhundert, um das Telefon anzunehmen,
05:14
the first virtual-reality technology.
100
290000
3000
die erste virtuelle Realitätstechnologie.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Mobiltelefone waren in etwa acht Jahren angenommen.
05:19
If you put different communication technologies
102
295000
3000
Wenn Sie verschiedene Kommunikations-Technologien
05:22
on this logarithmic graph,
103
298000
2000
auf diesem logarithmischen Graphen darstellen, sieht man,
05:24
television, radio, telephone
104
300000
2000
dass Fernsehen, Radio und Telefon
05:26
were adopted in decades.
105
302000
2000
in Jahrzehnten angenommen wurden.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Aktuelle Technologien – wie der PC, das Internet, Mobiltelefone –
05:31
were under a decade.
107
307000
2000
lagen unter einem Jahrzehnt.
05:33
Now this is an interesting chart,
108
309000
2000
Dies ist eine interessante Grafik,
05:35
and this really gets at the fundamental reason why
109
311000
2000
und sie verdeutlicht wirklich den fundamentalen Grund,
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
warum sich ein evolutionärer Prozess – und Biologie und Technologie sind beides evolutionäre Prozesse –
05:41
accelerate.
111
317000
2000
beschleunigt.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Sie verstärken sich durch Wechselwirkung – sie erzeugen eine Fähigkeit,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
die dann genutzt wird, um die nächste Innovationsstufe hervorzubringen.
05:49
So the first step in biological evolution,
114
325000
3000
Der erste Schritt der biologischen Evolution,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
die Evolution der DNA – tatsächlich kam die RNA zuerst –
05:54
took billions of years,
116
330000
2000
brauchte Milliarden von Jahren,
05:56
but then evolution used that information-processing backbone
117
332000
3000
aber dann nutzte die Evolution dieses informationsverarbeitende Rückgrat,
05:59
to bring on the next stage.
118
335000
2000
um die nächste Stufe hervorzubringen.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Die Kambrische Explosion, in der sich alle Körperpläne der Tiere entwickelten,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
brauchte nur 10 Millionen Jahre. Das war 200 mal schneller.
06:08
And then evolution used those body plans
121
344000
2000
Und dann nutzte die Evolution diese Körperpläne,
06:10
to evolve higher cognitive functions,
122
346000
2000
um höhere kognitive Fähigkeiten zu entwickeln,
06:12
and biological evolution kept accelerating.
123
348000
2000
und die biologische Evolution beschleunigte sich weiter.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
Es ist die inhärente Natur eines evolutionären Prozesses.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Der Homo Sapiens, die erste Technologie erschaffende Spezies,
06:20
the species that combined a cognitive function
126
356000
2000
war die Spezies, die kognitive Fähigkeit mit
06:22
with an opposable appendage --
127
358000
2000
opponierbaren Gliedmaßen kombinierte –
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
übrigens hat der Schimpanse nicht wirklich einen opponierbaren Daumen –
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
wir konnten tatsächlich unsere Umwelt mit einem kraftvollen Griff
06:30
and fine motor coordination,
130
366000
2000
und Feinmotorik manipulieren,
06:32
and use our mental models to actually change the world
131
368000
2000
und mit unseren mentalen Modellen konnten wir die Welt verändern
06:34
and bring on technology.
132
370000
2000
und Technologie hervorbringen.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Nun, die Evolution unserer Spezies brauchte hunderttausende von Jahren,
06:39
and then working through interaction,
134
375000
2000
und wegen dieser Wechselwirkung
06:41
evolution used, essentially,
135
377000
2000
nutzte die Evolution im Grunde
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
die Technologie erschaffende Spezies, um die nächste Stufe hervorzubringen,
06:46
which were the first steps in technological evolution.
137
382000
3000
was der erste Schritt in der technologischen Evolution war.
06:49
And the first step took tens of thousands of years --
138
385000
3000
Dieser erste Schritt brauchte zehntausend Jahre –
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
Steinwerkzeuge, Feuer, das Rad – es beschleunigte sich weiter.
06:55
We always used then the latest generation of technology
140
391000
2000
Wir nutzten immer die zu dem Zeitpunkt neuste Generation von Technologie,
06:57
to create the next generation.
141
393000
2000
um die nächste Generation zu erschaffen.
06:59
Printing press took a century to be adopted;
142
395000
2000
Die Buchdruckerei brauchte ein Jahrhundert, um sich zu verbreiten;
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
die ersten Computer wurden am Reißbrett entwickelt – heute benutzen wir dazu Computer.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
Und wir hatten eine kontinuierliche Beschleunigung dieses Prozesses.
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
Wenn man sich das auf einem linearen Graphen anschaut, sieht es so aus, als ob alles erst kürzlich passiert ist,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
aber einige Beobachter sagen, "Nun, Kurzweil platziert nur Punkte auf diesen Graphen,
07:17
that fall on that straight line."
147
413000
2000
die auf eine gerade Linie fallen."
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Also nahm ich 15 verschiedene Listen von wichtigen Denkern,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
wie die Encyclopedia Britannica, das Naturhistorische Museum, Carl Sagans Kosmischen Kalender,
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
und diese Leute wollten ja nicht mein Argument unterstützen,
07:29
these were just lists in reference works,
151
425000
2000
dies sind nur Listen von Referenzarbeiten,
07:31
and I think that's what they thought the key events were
152
427000
3000
und das ist, was sie als Schlüsselmomente
07:34
in biological evolution and technological evolution.
153
430000
3000
in biologischer und technologischer Evolution sehen.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
Und wie vorher bildet sich die gleiche gerade Linie. Es gibt eine kleine Verdickung der Linie,
07:40
because people do have disagreements, what the key points are,
155
436000
3000
weil Leute Meinungsverschiedenheiten darüber haben, was diese Schlüsselmomente sind,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
es gibt unterschiedliche Auffassungen, wann die Landwirtschaft begann
07:45
or how long the Cambrian Explosion took.
157
441000
3000
oder wie lange die Kambrische Explosion dauerte.
07:48
But you see a very clear trend.
158
444000
2000
Aber man sieht einen klaren Trend.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
Es gibt eine grundlegende, profunde Beschleunigung des evolutionären Prozesses.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Informationstechnologien verdoppeln Kapazität, Preis-Performanz und Bandbreite
08:00
every year.
161
456000
2000
jedes Jahr.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
Und das ist eine sehr tiefgreifende Explosion von exponentiellem Wachstum.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Eine persönliche Erfahrung, als ich am MIT war –
08:08
computer taking up about the size of this room,
164
464000
2000
Computer waren fast so groß wie dieser Raum hier
08:10
less powerful than the computer in your cell phone.
165
466000
5000
und weniger leistungstark als Ihr Mobiltelefon.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Moores Gesetz, das oft stellvertretend für exponentielles Wachstum angesehen wird,
08:19
is just one example of many, because it's basically
167
475000
2000
ist auch nur ein Beispiel von vielen, da es im Prinzip
08:21
a property of the evolutionary process of technology.
168
477000
5000
eine Eigenschaft des evolutionären Prozesses von Technologie darstellt.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Ich habe 49 berühmte Computer in diesen logarithmischen Graphen eingetragen –
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
und nochmal, eine gerade Linie im logarithmischen Graphen bedeutet exponentielles Wachstum –
08:33
that's another exponential.
171
489000
2000
dies ist ein weiterer exponentieller Verlauf.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
Wir brauchten drei Jahre, um die Preis-Performanz der Rechenleistung am Anfang des 20. Jahrhunderts zu verdoppeln,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
in der Mitte zwei Jahre, und nun verdoppeln wir sie jedes Jahr.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
Und dies zeigt exponentielles Wachstum durch fünf verschiedene Paradigmen.
08:45
Moore's Law was just the last part of that,
175
501000
2000
Moores Gesetz stellt nur das letzte Stück dar,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
in dem wir Transistoren auf einem integrierten Schaltkreis verkleinern,
08:50
but we had electro-mechanical calculators,
177
506000
3000
aber es gab elektro-mechanische Rechenmaschinen,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
relaisbasierte Computer, die den deutschen Enigma Code knackten,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
Vakuumdioden in den 50er Jahren prognostizierten die Wahl von Eisenhower,
08:59
discreet transistors used in the first space flights
180
515000
3000
einzeln verbaute Transistoren wurden in den ersten Weltraumflügen benutzt,
09:02
and then Moore's Law.
181
518000
2000
und schließlich Moores Gesetz.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Jedesmal, wenn einem Paradigma die Luft ausgeht,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
kam ein anderes Paradigma aus dem Nichts, um das exponentielle Wachstum fortzuführen.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Die Vakuumdioden wurden immer weiter verkleinert.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Dann stieß man an die Grenze. Sie konnten nicht weiter verkleinert werden und das Vakuum beibehalten.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Ein komplett neues Modell, Transistoren, erschien auf der Bildfläche.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
In der Tat, wenn wir das Ende der Linie für ein bestimmtes Modell sehen,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
erzeugt dies den Forschungsdruck um das neue Paradigma zu erschaffen.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
Und wir können das Ende von Moores Gesetz seit einiger Zeit vorhersagen –
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
die ersten Vorhersagen lauteten 2002, aktuell sagen sie 2022.
09:30
But by the teen years,
191
546000
3000
Aber ab den 2010er Jahren
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
werden die Ausmaße von Transistoren nur noch wenige Atome breit sein,
09:36
and we won't be able to shrink them any more.
193
552000
2000
und wir werden nicht mehr in der Lage sein, sie weiter zu verkleinern.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Das wird das Ende von Moores Gesetz sein, aber es wird nicht das Ende
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
des exponentiellen Wachstums von Rechenleistung darstellen, da Chips flach sind.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Wir leben in einer dreidimensionalen Welt; wir können also gut die dritte Dimension ausnutzen.
09:46
We will go into the third dimension
197
562000
2000
Wir werden die dritte Dimension einbeziehen,
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
und damit gab es schon allein in den letzten Jahren enormen Erfolg,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
um dreidimensionale, selbst-organisierende Molekular-Chips in Betrieb zu nehmen.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Wir werden diese fertig haben, lange bevor Moores Gesetz die Luft ausgeht.
10:02
Supercomputers -- same thing.
201
578000
2000
Supercomputer, genau das gleiche.
10:05
Processor performance on Intel chips,
202
581000
3000
Die Prozessorleistung von Intel-Chips,
10:08
the average price of a transistor --
203
584000
3000
der Durchschnittspreis eines Transistors –
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
im Jahr 1968 konnte man einen Transistor für einen Dollar kaufen.
10:14
You could buy 10 million in 2002.
205
590000
3000
Im Jahr 2002 konnte man dafür 10 Millionen kaufen.
10:17
It's pretty remarkable how smooth
206
593000
3000
Es ist wirklich bemerkenswert, was für ein glatter
10:20
an exponential process that is.
207
596000
2000
exponentieller Prozess das ist.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Man könnte denken, das ist das Ergebnis eines Laborversuchs,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
aber dies ist das Ergebnis von weltweitem, chaotischem Verhalten –
10:29
countries accusing each other of dumping products,
210
605000
2000
Länder beschuldigen sich gegenseitig der Produkt-Subventionierung,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
Börsengänge, Insolvenzen, Marketingprogramme.
10:33
You would think it would be a very erratic process,
212
609000
3000
Man könnte annehmen, dies sei ein sehr unsteter Prozess,
10:36
and you have a very smooth
213
612000
2000
aber man bekommt ein sehr geschmeidiges
10:38
outcome of this chaotic process.
214
614000
2000
Resultat aus diesem chaotischen Prozess.
10:40
Just as we can't predict
215
616000
2000
So wie wir nicht vorhersagen können,
10:42
what one molecule in a gas will do --
216
618000
2000
was ein einzelnes Molekül in einem Gas tun wird –
10:44
it's hopeless to predict a single molecule --
217
620000
3000
es ist hoffnungslos ein einzelnes Molekül exakt zu bestimmen –
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
können wir trotzdem die Eigenschaften das ganzen Gases
10:49
using thermodynamics, very accurately.
219
625000
3000
mit Hilfe der Thermodynamik sehr akkurat vorhersagen.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
Hier ist es dasselbe. Wir können nicht ein bestimmtes Projekt bestimmen,
10:55
but the result of this whole worldwide,
221
631000
2000
aber das Resultat dieser ganzen, weltweiten,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
chaotischen, unvorhersehbaren Aktivität des Wettbewerbs
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
und des evolutionären Prozesses von Technologie ist sehr vorhersehbar.
11:05
And we can predict these trends far into the future.
224
641000
3000
Und wir können diesen Trend weit in die Zukunft hinein vorhersagen.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
Im Gegensatz zu Gertrude Steins Rosen
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
ist es nicht der Fall: ein Transistor ist ein Transistor.
11:14
As we make them smaller and less expensive,
227
650000
2000
Wenn wir sie kleiner und günstiger machen,
11:16
the electrons have less distance to travel.
228
652000
2000
müssen die Elektronen kürzere Strecken zurücklegen.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Das macht sie schneller, und man erreicht das exponentielle Wachstum der Geschwindigkeit der Transistoren.
11:22
so the cost of a cycle of one transistor
230
658000
4000
Die Kosten für einen Zyklus eines Transistors
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
halbieren sich mit einer Rate von 1,1 Jahren.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Fügt man weitere Arten von Innovation und Prozessordesign hinzu,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
erreicht man jedes Jahr eine Verdopplung der Preis-Performanz der Rechenleistung.
11:36
And that's basically deflation --
234
672000
3000
Und das ist im Grunde Deflation –
11:39
50 percent deflation.
235
675000
2000
50% Deflation.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
Und das gilt nicht nur für Computer. Es gilt auch für die DNA-Sequenzierung.
11:44
it's true of brain scanning;
237
680000
2000
Es gilt auch für Gehirnscans.
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
Und für das Internet. Für alles was wir quantifizieren können,
11:48
we have hundreds of different measurements
239
684000
3000
mit hunderten verschiedenen Messwerten,
11:51
of different, information-related measurements --
240
687000
3000
verschiedenen informationsbedingten Messwerten –
11:54
capacity, adoption rates --
241
690000
2000
Kapazität, Annahmeraten –
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
diese verdoppeln sich im Grunde alle 12, 13, 15 Monate,
11:59
depending on what you're looking at.
243
695000
2000
abhängig davon, was man genau betrachtet.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
Was die Preis-Performanz betrifft, gibt es eine Deflationsrate von 40% bis 50%.
12:06
And economists have actually started worrying about that.
245
702000
2000
Und Volkswirtschaftler haben tatsächlich angefangen, sich darüber zu sorgen.
12:08
We had deflation during the Depression,
246
704000
2000
Wir hatten Deflation während der Wirtschaftskrise,
12:10
but that was collapse of the money supply,
247
706000
2000
die wirklich ein Kollaps der Geldversorgung war,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
und einen Kollaps des Verbrauchervertrauens, was ein komplett anderes Phänomen darstellt.
12:15
This is due to greater productivity,
249
711000
2000
Dies ist aufgrund einer höheren Produktivität,
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
und der Volkswirt sagt, "Aber es ist unmöglich, damit mithalten zu können.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Wenn man 50% Deflation hat, können die Menschen ihr Volumen
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
30%, 40% erhöhen, aber sie können nicht mithalten."
12:25
But what we're actually seeing is that
253
721000
2000
Aber was wir tatsächlich sehen, ist, dass wir
12:27
we actually more than keep up with it.
254
723000
2000
sogar mehr als nur mithalten.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Über die letzten 50 Jahre hatten wir in der Informations-Technologie
12:32
in information technology over the last 50 years.
256
728000
3000
pro Jahr 28% zusammengefasstes Wachstum in Dollar.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Die Leute haben ja vor 10 Jahren nicht iPods für 10.000 Dollar gebaut.
12:39
As the price performance makes new applications feasible,
258
735000
3000
Wenn die Preis-Performanz neue Anwendungen erlaubt,
12:42
new applications come to the market.
259
738000
2000
kommen neue Anwendungen auf den Markt.
12:44
And this is a very widespread phenomena.
260
740000
3000
Und das ist ein weit verbreitetes Phänomen.
12:47
Magnetic data storage --
261
743000
2000
Magnetische Datenspeicherung –
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
das ist nicht das Mooresche Gesetz – verkleinert die magnetischen Datenpunkte.
12:52
different engineers, different companies, same exponential process.
263
748000
4000
Verscheidene Entwickler, verschiedene Firmen, aber der gleiche exponentielle Prozess.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Eine wichige Revulotion ist, dass wir anfangen, unsere eigene Biologie
13:00
in these information terms.
265
756000
2000
in Bezug auf die Informationen zu verstehen.
13:02
We're understanding the software programs
266
758000
2000
Wir verstehen die Software-Programme, die
13:04
that make our body run.
267
760000
2000
unsere Körper steuern.
13:06
These were evolved in very different times --
268
762000
2000
Diese entwickelten sich zu einer sehr verschiedenen Zeit –
13:08
we'd like to actually change those programs.
269
764000
2000
wir würden diese Programme eigentlich gern ändern können.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Eines dieser kleinen Software-Programme, das Fett-Insulin-Rezeptor-Gen,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
besagt im Grunde, "Lass uns jede Kalorie behalten,
13:14
because the next hunting season may not work out so well."
272
770000
4000
weil die nächste Jagdsaison nicht so gut ausfallen könnte."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
Das war vor zehntausenden von Jahren zum Vorteil der Spezies.
13:21
We'd like to actually turn that program off.
274
777000
3000
Nun würden wir das Programm gerne abschalten.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Es wurde in Tierversuchen erprobt, und die Mäuse aßen gefräßig
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
und blieben doch schlank und hatten die gesundheitlichen Vorteile des Schlankseins.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
Sie entwickelten keine Diabetes, bekamen keine Herzkrankheiten,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
sie lebten 20% länger, sie hatten die gesundheitlichen Vorteile einer kalorischen Begrenzung
13:35
without the restriction.
279
791000
2000
ohne die Einschränkungen.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Vier oder fünf Pharmakonzerne sind darauf aufmerksam geworden
13:40
felt that would be
281
796000
3000
und sind der Meinung, dass dies ein
13:43
interesting drug for the human market,
282
799000
3000
interessantes Medikament für den menschlichen Markt sei,
13:46
and that's just one of the 30,000 genes
283
802000
2000
und das ist nur eins der 30.000 Gene,
13:48
that affect our biochemistry.
284
804000
3000
die unsere Biochemie beeinflussen.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Wir entwickelten uns in einer Ära, in der es nicht zum Vorteil war, dass die Menschen –
13:54
at the age of most people at this conference, like myself,
286
810000
3000
etwa im gleichen Alter wie die meisten Teilnehmer dieser Konferenz, so wie ich –
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
viel länger lebten, da wir die wertvollen Ressourcen verbrauchten,
14:01
which were better deployed towards the children
288
817000
1000
statt sie besser den Kindern zur Verfügung zu stellen,
14:02
and those caring for them.
289
818000
2000
und denjenigen, die sich um sie kümmern.
14:04
So, life -- long lifespans --
290
820000
2000
Eine Lebenszeit – lange Lebenszeit –
14:06
like, that is to say, much more than 30 --
291
822000
2000
von deutlich mehr als 30 Jahren –
14:08
weren't selected for,
292
824000
3000
wurde nicht selektiert,
14:11
but we are learning to actually manipulate
293
827000
3000
aber wir lernen tatsächlich, diese Software-Programme
14:14
and change these software programs
294
830000
2000
zu manipulieren und zu verändern
14:16
through the biotechnology revolution.
295
832000
2000
durch die biotechnologische Revolution.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Zum Beispiel können wir jetzt Gene durch RNA-Interferenz blockieren.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Es gibt spannende neue Formen der Gen-Therapie,
14:24
that overcome the problem of placing the genetic material
298
840000
2000
die das Problem überwinden, das genetische Material
14:26
in the right place on the chromosome.
299
842000
2000
an die richtige Stelle im Chromosom zu platzieren.
14:28
There's actually a -- for the first time now,
300
844000
3000
Und zum allerersten Mal geht etwas
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
in den menschlichen Versuch, das tatsächlich Lungenhochdruck,
14:34
a fatal disease -- using gene therapy.
302
850000
3000
eine tödliche Krankheit, durch Gen-Therapie heilt.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Wir werden also nicht nur Designer-Babys bekommen, sondern auch Designer-Baby-Boomer.
14:40
And this technology is also accelerating.
304
856000
3000
Und diese Technologie beschleunigt sich genauso.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
Es kostete im Jahr 1990 10 Dollar pro Basenpaar,
14:46
then a penny in 2000.
306
862000
2000
dann, im Jahr 2000, einen Cent.
14:48
It's now under a 10th of a cent.
307
864000
2000
Und zur Zeit kostet es unter einem Zehntel Cent.
14:50
The amount of genetic data --
308
866000
2000
Die Masse an genetischen Daten –
14:52
basically this shows that smooth exponential growth
309
868000
3000
im Grunde zeigt dies das geschmeidige exponentielle Wachstum –
14:55
doubled every year,
310
871000
2000
verdoppelt sich jedes Jahr
14:57
enabling the genome project to be completed.
311
873000
3000
und hat damit ermöglicht, das Genom-Projekt abzuschließen.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Eine weitere große Revolution ist die Kommunikations-Revolution.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
Die Preis-Performanz, Bandbreite und Kapazität von Kommunikation wird auf vielen verschiedenen Arten gemessen;
15:08
wired, wireless is growing exponentially.
314
884000
3000
leitungsgebunde und drahtlose wachsen exponentiell.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
Das Internet hat sein Ausmaß bereits verdoppelt und führt dies fort,
15:14
measured many different ways.
316
890000
2000
gemessen mit verschiedenen Methoden.
15:16
This is based on the number of hosts.
317
892000
2000
Dies basiert auf der Anzahl der Anbieter.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Miniaturisierung – wir verkleinern die Größe der Technologie
15:20
at an exponential rate,
319
896000
2000
mit einer exponentiellen Rate,
15:22
both wired and wireless.
320
898000
2000
jeweils leitungsgebunden und drahtlos.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Dies sind einige Designs aus Eric Drexlers Buch –
15:28
which we're now showing are feasible
322
904000
2000
wir zeigen gerade, dass sie machbar sind,
15:30
with super-computing simulations,
323
906000
2000
mit Super-Computer-Simulationen,
15:32
where actually there are scientists building
324
908000
2000
es gibt tatsächlich Forscher, die
15:34
molecule-scale robots.
325
910000
2000
molekülgroße Robotor angefertigt haben.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Einer von diesen geht sogar
15:38
that's built out of molecules.
327
914000
3000
in menschen-ähnlicher Gangart, erbaut aus Molekülen.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Es gibt kleine Maschinen, die etwas auf einer experimentellen Stufe erledigen.
15:45
The most exciting opportunity
329
921000
3000
Die aufregendste Möglichkeit
15:48
is actually to go inside the human body
330
924000
2000
ist, wirklich in den menschlichen Körper hinein zu gehen
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
und therapeutische und diagnostische Dienste auszuführen.
15:53
And this is less futuristic than it may sound.
332
929000
2000
Und dies ist weniger futuristisch als es sich anhört.
15:55
These things have already been done in animals.
333
931000
2000
Diese Dinge sind schon an Tieren durchgeführt worden.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
Es gibt einen nano-entwickelten Apparat, der Typ-1 Diabetes heilt. Er ist so groß wie eine Blutzelle.
16:01
They put tens of thousands of these
335
937000
2000
Sie fügten zehntausende von denen
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
zum Blut hinzu – ein Versuch an Ratten –
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
und sie geben Insulin in kontrollierter Weise ab,
16:07
and actually cures type 1 diabetes.
338
943000
2000
und das heilt tatsächlich Typ-1 Diabetes.
16:09
What you're watching is a design
339
945000
3000
Was Sie hier sehen, ist ein Design
16:12
of a robotic red blood cell,
340
948000
2000
einer roten Roboter-Blutzelle,
16:14
and it does bring up the issue that our biology
341
950000
2000
und es verdeutlicht die Tatsache, dass unsere Biologie
16:16
is actually very sub-optimal,
342
952000
2000
eigentlich recht suboptimal ist,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
obwohl ihre Komplexität bemerkenswert ist.
16:21
Once we understand its principles of operation,
344
957000
3000
Wenn wir einmal die Prinzipien der Abläufe verstanden haben,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
und die Geschwindigkeit, mit der wir Biologie rückadaptieren, beschleunigt sich,
16:28
we can actually design these things to be
346
964000
2000
können wir wirklich diese Dinge entwickeln,
16:30
thousands of times more capable.
347
966000
2000
so dass sie tausendfach leistungsfähiger werden.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Diese von Rob Freitas entworfenen Respirozyten ermöglichen es,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
wenn man 10% des Blutes mit dieser künstlichen Version ersetzt,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
einen olympischen Sprint für 15 Minuten zu laufen, ohne Luft zu holen.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Sie können für 4 Stunden am Grund Ihres Schwimmbads sitzen –
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
und das "Schatz, ich bin im Pool." wird eine ganz neue Bedeutung haben.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Es wird interessant zu sehen sein, was wir mit den Olympischen Probeläufen machen.
16:52
Presumably we'll ban them,
354
988000
2000
Wahrscheinlich dürften Sie nicht antreten,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
aber dann haben wir das Schreckgespenst, dass Jugendliche in den Schul-Turnhallen
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
regelmäßig die Olympioniken schlagen werden.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas hat auch ein Design für eine weiße Roboter-Blutzelle.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Dies sind etwa 2020er Szenarios,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
aber sie sind nicht so futuristisch wie es klingt.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Es gibt vier wichtige Konferenzen über den Bau Blutzellen-großer Apparate;
17:14
there are many experiments in animals.
361
1010000
2000
es gibt viele Experimente an Tieren.
17:16
There's actually one going into human trial,
362
1012000
2000
Und es gibt bereits einen, der in den menschlichen Feldversuch geht.
17:18
so this is feasible technology.
363
1014000
3000
Das ist also machbare Technologie.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Um auf unser exponentielles Wachstum von Rechenleistung zurückzukommen:
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1.000 Dollar an Rechenleistung entsprechen zur Zeit etwa dem Gehirn eines Insekts oder dem einer Maus.
17:27
It will intersect human intelligence
366
1023000
3000
Dies wird sich mit der Kapazität der menschlichen Intelligenz
17:30
in terms of capacity in the 2020s,
367
1026000
3000
etwa in den 2020ern überschneiden.
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
Aber das betrachtet nur die Hardware dieser Gleichung.
17:35
Where will we get the software?
369
1031000
2000
Woher bekommen wir die Software?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Nun, es stellt sich heraus, dass wir in das menschliche Hirn schauen können,
17:39
and in fact not surprisingly,
371
1035000
2000
und wenig überraschend ist die Tatsache,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
dass sich die örtliche und zeitliche Auflösung der Hirnabtastung jedes Jahr verdoppelt.
17:45
And with the new generation of scanning tools,
373
1041000
2000
Und mit der neuen Generation von Abtast-Geräten
17:47
for the first time we can actually see
374
1043000
2000
können wir zum ersten Mal wirklich einzelne
17:49
individual inter-neural fibers
375
1045000
2000
inter-neurale Fasern sehen
17:51
and see them processing and signaling in real time --
376
1047000
3000
und in Echtzeit betrachten wie sie verarbeiten und signalisieren –
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
aber dann stellt sich die Frage, OK, wir können diese Daten heute erfassen,
17:56
but can we understand it?
378
1052000
2000
aber können wir sie verstehen?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstadter fragt sich, nun, vielleicht ist unsere Intelligenz
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
einfach nicht groß genug, um unsere Intelligenz zu verstehen,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
und wenn wir klüger wären, dann wäre unser Gehirn noch komplizierter,
18:07
and we'd never catch up to it.
382
1063000
2000
und wir könnten nie mithalten.
18:10
It turns out that we can understand it.
383
1066000
3000
Es stellt sich heraus, dass wir es verstehen können.
18:13
This is a block diagram of
384
1069000
3000
Dies ist ein Blockdiagramm eines Modells
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
und einer Simulation des menschlichen auditiven Kortex,
18:20
that actually works quite well --
386
1076000
2000
das wirklich sehr gute Resultate liefert, wenn man
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
psychoakustische Tests anwendet und mit der menschlichen auditiven Wahrnehmung vergleicht.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Hier ist eine weitere Simulation des Kleinhirns –
18:29
that's more than half the neurons in the brain --
389
1085000
2000
es besteht aus der Hälfte der Nervenzellen des Gehirns –
18:31
again, works very similarly to human skill formation.
390
1087000
3000
und auch dort funktioniert es sehr ähnlich wie bei der Fähigkeitsentwicklung des Menschen.
18:35
This is at an early stage, but you can show
391
1091000
3000
Wir sind an einem frühen Punkt, aber man kann zeigen,
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
dass mit dem exponentiellen Wachstum der Masse an Informationen über das Gehirn
18:41
and the exponential improvement
393
1097000
2000
und der exponentiellen Verbesserungen
18:43
in the resolution of brain scanning,
394
1099000
2000
in der Auflösung der Hirnabtastung,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
wir das menschliche Gehirn bis zu den 2020ern erfolgreich
18:48
by the 2020s.
396
1104000
2000
nachgebaut haben werden.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Wir haben schon sehr gute Modelle und Simulationen von 15
18:53
out of the several hundred.
398
1109000
3000
von den mehreren hundert Regionen.
18:56
All of this is driving
399
1112000
2000
All dies treibt
18:58
exponentially growing economic progress.
400
1114000
2000
den wirtschaftlichen Fortschritt exponentiell voran.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Unsere Produktivität stieg von 30 Dollar auf 150 Dollar pro Arbeitsstunde
19:05
of labor in the last 50 years.
402
1121000
2000
in den letzten 50 Jahren.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
Der elektronische Handel wächst exponentiell. Er umfasst zur Zeit eine Billion Dollar.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Sie mögen sich wundern, aber war da nicht ein Boom und eine geplatzte Blase?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
Das war ein reines Phänomen des Kapitalmarkts.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Die Wall-Street merkte, dass es eine revolutionäre Technologie war, denn das war es,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
aber nach sechs Monaten, nachdem es nicht alle Geschäftsmodelle revolutioniert hatte,
19:21
they figured, well, that was wrong,
408
1137000
2000
dachten sie sich, nun, da ist etwas falsch,
19:23
and then we had this bust.
409
1139000
2000
und dann hatten wir die geplatzte Blase.
19:26
All right, this is a technology
410
1142000
2000
Also gut, das ist eine Technologie,
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
die wir aus anderen Technologien, in die wir involviert sind, zusammengesetzt haben.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Dies wird ein Standardmerkmal in einem Mobiltelefon.
19:35
It would be able to translate from one language to another.
413
1151000
2000
Es wird in der Lage sein, von einer Sprache in eine andere zu übersetzen.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Lassen Sie mich einfach mit ein paar Szenarien enden.
19:49
By 2010 computers will disappear.
415
1165000
3000
Bis 2010 werden Computer verschwinden.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Sie werden so klein sein, dass sie in unsere Kleidung und unser Umfeld eingebettet sind.
19:56
Images will be written directly to our retina,
417
1172000
2000
Bilder werden direkt auf unsere Retina projiziert werden,
19:58
providing full-immersion virtual reality,
418
1174000
2000
was voll-immersive, virtuelle Realitäten erlaubt,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
überlagerte, reale Realität. Wir werden mit virtuellen Personen interagieren.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Und im Jahr 2029 werden wir die volle Reife dieser Trends erreichen,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
und Sie müssen würdigen, wie oft sich die Schraube in der Form
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
von Technologie gedreht hat – schneller und schneller, wenn wir an diesen Punkt gelangen.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Wir werden zwei hoch 25 größere
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
Preis-Performanz, Kapazität und Bandbreite
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
dieser Technologien haben. Das ist wirklich phänomenal.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Sie werden Millionen Male leistungsfähiger sein als sie heute sind.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Wir werden das menschliche Gehirn vollständig nachgebildet haben,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
1.000 Dollar an Rechenleistung werden weit leistungsfähiger sein
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
als das menschliche Gehirn, was die reine Kapazität betrifft.
20:34
Computers will combine
430
1210000
2000
Dann vereinen Computer
20:36
the subtle pan-recognition powers
431
1212000
2000
die scharfsinnige Fähigkeit der Muster-Erkennung
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
der menschlichen Intelligenz mit den Bereichen, in denen die Maschinen uns bereits überlegen sind,
20:41
in terms of doing analytic thinking,
433
1217000
2000
was das analytische Denken betrifft
20:43
remembering billions of facts accurately.
434
1219000
2000
und die Fähigkeit sich Milliarden von Fakten akkurat zu merken.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Maschinen können ihr Wissen sehr schnell miteinander teilen.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
Aber das ist nicht einfach eine Invasion von außerirdischen, intelligenten Maschinen.
20:52
We are going to merge with our technology.
437
1228000
2000
Wir werden mit dieser Technologie verschmelzen.
20:54
These nano-bots I mentioned
438
1230000
2000
Die Nano-Roboter, die ich erwähnte,
20:56
will first be used for medical and health applications:
439
1232000
4000
werden erst für medizinische und gesundheitliche Anwendungen genutzt werden:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
Säuberung der Umwelt, Bereitstellung leistungsstarker Energiezellen
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
und weit verbreitete und dezentralisierte Solarmodule in der Umgebung.
21:08
But they'll also go inside our brain,
442
1244000
2000
Aber sie werden auch in unser Gehirn eindringen
21:10
interact with our biological neurons.
443
1246000
2000
und mit unseren biologischen Neuronen interagieren.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Wir haben die Kernprinzipien aufgezeigt, die dies zu ermöglichen.
21:15
So, for example,
445
1251000
2000
Zum Beispiel die vollständige
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
immersive, virtuelle Realität von innerhalb unseres Nervensystems,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
die Nano-Roboter, die die Signale Ihrer wahren Sinne blockieren,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
und mit den Signalen ersetzen, die Ihr Gehirn empfangen würde,
21:25
if you were in the virtual environment,
449
1261000
2000
wenn Sie in einer virtuellen Umgebung wären.
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
Und dann fühlt es sich so an, als ob Sie in der virtuellen Umgebung sind.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Sie können da mit anderen Personen hinein gehen, jede Art von Erfahrung erleben,
21:31
with anyone involving all of the senses.
452
1267000
2000
mit jeder möglichen Person und allen betroffenen Sinnen.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"Erfahrungs-Strahler", so nenne ich sie, werden den gesamten Fluss von Sinnes-Erfahrungen
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
der neurologischen Abbilder von diesen Emotionen ins Internet stellen.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Sie können sich einklinken und erfahren wie es ist, jemand anderes zu sein.
21:43
But most importantly,
456
1279000
2000
Aber am wichtigsten
21:45
it'll be a tremendous expansion
457
1281000
2000
wird die ernome Vergrößerung
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
an menschlicher Intelligenz durch diese direkte Vereinigung mit unserer Technologie sein,
21:51
which in some sense we're doing already.
459
1287000
2000
was wir im gewissen Maße jetzt schon machen.
21:53
We routinely do intellectual feats
460
1289000
2000
Routinemäßig erreichen wir intellektuelle Meisterleistungen,
21:55
that would be impossible without our technology.
461
1291000
2000
die ohne unsere Technologie unmöglich wären.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
Die menschliche Lebenserwartung verlängert sich. Sie betrug im Jahr 1800 37 Jahre,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
und mit dieser Art von Biotechnologie, nano-technologischen Revolutionen,
22:05
this will move up very rapidly
464
1301000
2000
wird sie in den kommenden Jahren
22:07
in the years ahead.
465
1303000
2000
rapide ansteigen.
22:09
My main message is that progress in technology
466
1305000
4000
Meine Hauptbotschaft ist, dass der Fortschritt von Technologie
22:13
is exponential, not linear.
467
1309000
3000
exponentiell ist, nicht linear.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Viele – sogar Wissenschaftler – unterstellen ein lineares Modell,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
und sie sagen: "Oh, das wird hunderte von Jahren dauern
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
bevor wir selbst-reproduzierende, nano-technologische Bauteile
22:25
or artificial intelligence."
471
1321000
2000
oder künstliche Intelligenz haben werden."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Wenn Sie wirklich die Leistungsfähigkeit von exponentiellem Wachstum betrachten,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
dann sehen Sie, dass diese Dinge recht bald zur Verfügung stehen werden.
22:33
And information technology is increasingly encompassing
474
1329000
3000
Und Informations-Technologie wird vermehrt unser gesamtes Leben
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
umfassen, von unserer Musik, unseren Produktionsstätten,
22:40
to our biology to our energy to materials.
476
1336000
4000
unserer Biologie und unserer Energie bis zu Materialien.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
Wir werden in den 2020ern mit Hilfe der Nano-Technologie in der Lage sein, fast alles,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
was wir brauchen, aus Informationen und sehr günstigen Rohstoffen
22:49
using nano-technology.
479
1345000
3000
herzustellen.
22:52
These are very powerful technologies.
480
1348000
2000
Dies sind sehr mächtige Technologien.
22:54
They both empower our promise and our peril.
481
1350000
4000
Sie können Segen und Tücken mit sich bringen.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Wir müssen also den Willen haben, sie auf die richtigen Probleme anzuwenden.
23:01
Thank you very much.
483
1357000
1000
Vielen Dank.
23:02
(Applause)
484
1358000
1000
(Applaus)
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