TED2008
Susan Blackmore: Memes and "temes"
Η Σούζαν Μπλάκμορ για τα μιμίδια και τα "τιμίδια"
Filmed:
Readability: 3.8
882,044 views
Η Σούζαν Μπλάκμορ μελετά τα μιμίδια: ιδέες που αυτοαναπαράγονται, από εγκέφαλο σε εγκέφαλο, σαν ιοί. Δημιουργεί ένα λαμπρό νέο επιχείρημα: Η ανθρωπότητα γέννησε ένα νέο είδος μιμιδίων, τα τιμίδια, τα οποία διαδίδονται μέσω της τεχνολογίας - και εφευρίσκουν τρόπους για να διατηρηθούν εν ζωή.
Susan Blackmore - Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Double-click the English transcript below to play the video.
00:18
Cultural evolution is a dangerous child
0
0
3000
Η πολιτιστική επανάσταση είναι για κάθε είδος, ένα επικίνδυνο παιδί
00:21
for any species to let loose on its planet.
1
3000
3000
να αφεθεί ελεύθερο στον πλανήτη του.
00:24
By the time you realize what's happening, the child is a toddler,
2
6000
4000
Μέχρι να συνειδητοποιήσεις τι συμβαίνει, το παιδί είναι νήπιο,
00:28
up and causing havoc, and it's too late to put it back.
3
10000
6000
σπέρνει τον όλεθρο και είναι αργά για να το αποσύρεις.
00:34
We humans are Earth's Pandoran species.
4
16000
3000
Εμείς οι άνθρωποι, είμαστε η Πανδώρα της Γης.
00:37
We're the ones who let the second replicator out of its box,
5
19000
5000
Είμαστε αυτοί που ελευθέρωσαν τον δεύτερο αντιγραφέα από το κουτί του,
00:42
and we can't push it back in.
6
24000
2000
και δε μπορούμε να τον χώσουμε ξανά μέσα.
00:44
We're seeing the consequences all around us.
7
26000
3000
Βλέπουμε τις συνέπειες γύρω μας.
00:48
Now that, I suggest, is the view that
8
30000
4000
Eισηγούμαι ότι αυτή η θεώρηση προκύπτει
00:52
comes out of taking memetics seriously.
9
34000
2000
αντιμετωπίζοντας τη Μιμητική Μηχανική με σοβαρότητα.
00:54
And it gives us a new way of thinking about
10
36000
2000
Mας δίνει έναν νέο τρόπο σκέψης
00:56
not only what's going on on our planet,
11
38000
2000
όχι μόνο για όσα συμβαίνουν στον πλανήτη μας,
00:58
but what might be going on elsewhere in the cosmos.
12
40000
3000
αλλά για ό,τι μπορεί να συμβαίνει αλλού στο σύμπαν.
01:01
So first of all, I'd like to say something about memetics
13
43000
3000
Θα ήθελα πρώτα να πω δυο πράγματα για τη Μιμητική Μηχανική
01:04
and the theory of memes,
14
46000
2000
και τη θεωρία των μιμιδίων,
01:06
and secondly, how this might answer questions about who's out there,
15
48000
5000
κι έπειτα, πώς αυτό μπορεί να απαντήσει ερωτήματα για το ποιος βρίσκεται εκεί έξω,
01:11
if indeed anyone is.
16
53000
3000
εάν πράγματι υπάρχει κανείς.
01:14
So, memetics:
17
56000
2000
Η Μιμητική Μηχανική.
01:16
memetics is founded on the principle of Universal Darwinism.
18
58000
4000
Στηρίχθηκε στην αρχή του παγκόσμιου Δαρβινισμού.
01:20
Darwin had this amazing idea.
19
62000
3000
Ο Δαρβίνος είχε αυτή την εξαιρετική ιδέα.
01:23
Indeed, some people say
20
65000
2000
Πράγματι, κάποιοι λένε
01:25
it's the best idea anybody ever had.
21
67000
3000
ότι είναι η καλύτερη ιδέα που σκέφτηκε ποτέ κανείς.
01:28
Isn't that a wonderful thought, that there could be such a thing
22
70000
4000
Δεν είναι υπέροχη σκέψη αυτή, ότι θα μπορούσε να υπάρχει κάτι
01:32
as a best idea anybody ever had?
23
74000
2000
όπως η καλύτερη ιδέα που θα μπορούσε κάποιος να σκεφτεί;
01:34
Do you think there could?
24
76000
1000
Πιστεύετε πως θα μπορούσε να υπάρχει;
01:35
Audience: No.
25
77000
1000
Κοινό: Όχι.
01:36
(Laughter)
26
78000
1000
(Γέλια)
01:37
Susan Blackmore: Someone says no, very loudly, from over there.
27
79000
2000
Κάποιος λέει πολύ δυνατά όχι από εκεί πέρα.
01:39
Well, I say yes, and if there is, I give the prize to Darwin.
28
81000
4000
Εγώ λέω ναι, κι αν υπάρχει, δίνω το βραβείο στον Δαρβίνο.
01:43
Why?
29
85000
2000
Γιατί;
01:45
Because the idea was so simple,
30
87000
3000
Επειδή η ιδέα ήταν τόσο απλή,
01:48
and yet it explains all design in the universe.
31
90000
6000
αλλά εξηγεί κάθε σχέδιο μέσα στο σύμπαν.
01:54
I would say not just biological design,
32
96000
2000
Θα έλεγα όχι μόνο βιολογικό σχέδιο,
01:56
but all of the design that we think of as human design.
33
98000
2000
αλλά κάθε σχέδιο που σκεπτόμαστε σαν ανθρώπινο.
01:58
It's all just the same thing happening.
34
100000
2000
Συμβαίνει παντού το ίδιο πράγμα.
02:00
What did Darwin say?
35
102000
2000
Τι είπε ο Δαρβίνος;
02:02
I know you know the idea, natural selection,
36
104000
2000
Ξέρω ότι γνωρίζετε την ιδέα, φυσική επιλογή,
02:04
but let me just paraphrase "The Origin of Species," 1859,
37
106000
5000
αλλά επιτρέψτε μου να παραφράσω, την "Καταγωγή των Ειδών", 1859,
02:09
in a few sentences.
38
111000
2000
μέσα σε μερικές προτάσεις.
02:11
What Darwin said was something like this:
39
113000
3000
Αυτό που είπε ο Δαρβίνος, ήταν περίπου το εξής -
02:14
if you have creatures that vary, and that can't be doubted --
40
116000
4000
εάν έχεις πλάσματα που ποικίλουν, κι αυτό δε μπορεί να αμφισβητηθεί -
02:18
I've been to the Galapagos, and I've measured the size of the beaks
41
120000
3000
Βρέθηκα στα Γκαλαπάγκος και μέτρησα το μέγεθος των ραμφών
02:21
and the size of the turtle shells and so on, and so on.
42
123000
2000
και το μέγεθος των καβουκιών των χελωνών κτλ, κτλ.
02:23
And 100 pages later.
43
125000
2000
Και 100 σελίδες παρακάτω -
02:25
(Laughter)
44
127000
2000
(Γέλια)
02:27
And if there is a struggle for life,
45
129000
4000
Και αν υπάρχει αγώνας για ζωή,
02:31
such that nearly all of these creatures die --
46
133000
3000
τέτοιος που σχεδόν όλα αυτά τα πλάσματα πεθαίνουν -
02:34
and this can't be doubted, I've read Malthus
47
136000
3000
κι αυτό δε μπορεί να αμφισβητηθεί, έχω διαβάσει τον Μάλθους
02:37
and I've calculated how long it would take for elephants
48
139000
2000
και έχω υπολογίσει πόσο χρειάζεται στους ελέφαντες
02:39
to cover the whole world if they bred unrestricted, and so on and so on.
49
141000
3000
να καλύψουν ολόκληρο τον κόσμο εάν μεγάλωναν ανεξέλεγκτα, κτλ, κτλ.
02:42
And another 100 pages later.
50
144000
4000
Και άλλες 100 σελίδες παρακάτω.
02:46
And if the very few that survive pass onto their offspring
51
148000
5000
Και αν αυτοί οι λίγοι που επιβιώνουν περνούν στους απογόνους τους
02:51
whatever it was that helped them survive,
52
153000
3000
οτιδήποτε ήταν αυτό που τους βοήθησε να επιβιώσουν,
02:54
then those offspring must be better adapted
53
156000
2000
τότε αυτοί οι απόγονοι θα πρέπει να είναι καλύτερα προσαρμοσμένοι
02:56
to the circumstances in which all this happened
54
158000
2000
στις συνθήκες μέσα στις οποίες συνέβησαν όλ' αυτά
02:58
than their parents were.
55
160000
3000
απ' ό,τι οι γονείς τους.
03:01
You see the idea?
56
163000
2000
Βλέπετε την ιδέα;
03:03
If, if, if, then.
57
165000
2000
Εάν, εάν, εάν, τότε.
03:05
He had no concept of the idea of an algorithm,
58
167000
2000
Δεν είχε επίγνωση της ιδέας των αλγόριθμων.
03:07
but that's what he described in that book,
59
169000
3000
Αλλά αυτό περιέγραψε σε εκείνο το βιβλίο,
03:10
and this is what we now know as the evolutionary algorithm.
60
172000
3000
και αυτά γνωρίζουμε τώρα ως τον εξελικτικό αλγόριθμο.
03:13
The principle is you just need those three things --
61
175000
4000
Η αρχή είναι ότι χρειάζονται μόνο αυτά τα τρία πράγματα
03:17
variation, selection and heredity.
62
179000
3000
ποικιλομορφία, επιλογή και κληρονομικότητα.
03:20
And as Dan Dennett puts it, if you have those,
63
182000
4000
Κι όπως το θέτει ο Νταν Ντένετ, εάν έχεις αυτά
03:24
then you must get evolution.
64
186000
2000
τότε θα πρέπει να έχεις και εξέλιξη.
03:26
Or design out of chaos, without the aid of mind.
65
188000
5000
Ή σχέδιο μέσα από το χάος, χωρίς τη βοήθεια κάποιου νου.
03:31
There's one word I love on that slide.
66
193000
2000
Υπάρχει μια λέξη που λατρεύω σε αυτή την εικόνα.
03:33
What do you think my favorite word is?
67
195000
2000
Ποια νομίζετε πως είναι η αγαπημένη μου λέξη;
03:35
Audience: Chaos.
68
197000
1000
Κοινό: Χάος.
03:36
SB: Chaos? No. What? Mind? No.
69
198000
3000
Χάος; Όχι. Τι; Μυαλό; Όχι.
03:39
Audience: Without.
70
201000
1000
Κοινό: Χωρίς.
03:40
SB: No, not without.
71
202000
1000
Όχι, όχι "χωρίς".
03:41
(Laughter)
72
203000
1000
(Γέλια)
03:42
You try them all in order: Mmm...?
73
204000
2000
Τις δοκιμάζετε με τη σειρά: Μμμμ...;
03:44
Audience: Must.
74
206000
1000
Κοινό: Πρέπει.
03:45
SB: Must, at must. Must, must.
75
207000
4000
Πρέπει, στο πρέπει. Πρέπει, πρέπει.
03:49
This is what makes it so amazing.
76
211000
2000
Αυτό είναι που το κάνει τόσο συναρπαστικό.
03:51
You don't need a designer,
77
213000
3000
Δε χρειάζεσαι σχεδιαστή,
03:54
or a plan, or foresight, or anything else.
78
216000
3000
ή σχέδιο, ή προνοητικότητα ή οτιδήποτε άλλο.
03:57
If there's something that is copied with variation
79
219000
3000
Εάν υπάρχει κάτι που αντιγράφεται με ποικιλότητα
04:00
and it's selected, then you must get design appearing out of nowhere.
80
222000
4000
και επιλέγεται, τότε θα πρέπει να έχεις κάποιο σχέδιο που εμφανίζεται από το πουθενά.
04:04
You can't stop it.
81
226000
2000
Δε μπορείς να το σταματήσεις.
04:06
Must is my favorite word there.
82
228000
4000
Το "πρέπει" είναι η αγαπημένη μου λέξη εδώ.
04:11
Now, what's this to do with memes?
83
233000
2000
Τώρα, τι σχέση έχει αυτό με τα μιμίδια;
04:13
Well, the principle here applies to anything
84
235000
5000
Η βασική αρχή εδώ, εφαρμόζεται σε οτιδήποτε
04:18
that is copied with variation and selection.
85
240000
1000
το οποίο αντιγράφεται με ποικιλότητα και επιλογή.
04:19
We're so used to thinking in terms of biology,
86
241000
3000
Είμαστε τόσο συνηθισμένοι να σκεφτόμαστε με όρους της βιολογίας,
04:22
we think about genes this way.
87
244000
2000
σκεφτόμαστε τα γονίδια με αυτόν τον τρόπο.
04:24
Darwin didn't, of course; he didn't know about genes.
88
246000
3000
Ο Δαρβίνος δεν το έκανε αυτό φυσικά, δεν ήξερε για τα γονίδια.
04:27
He talked mostly about animals and plants,
89
249000
2000
Μιλούσε περισσότερο για τα ζώα και τα φυτά,
04:29
but also about languages evolving and becoming extinct.
90
251000
3000
αλλά επίσης και για τις γλώσσες που εξελίσσονται και αφανίζονται.
04:32
But the principle of Universal Darwinism
91
254000
2000
Αλλά η αρχή του παγκόσμιου Δαρβινισμού
04:34
is that any information that is varied and selected
92
256000
4000
είναι ότι κάθε πληροφορία που ποικίλει και επιλέγεται
04:38
will produce design.
93
260000
2000
θα παράγει σχέδιο.
04:40
And this is what Richard Dawkins was on about
94
262000
2000
Και αυτό είναι που μελετούσε ο Ρίτσαρντ Ντόκινς
04:42
in his 1976 bestseller, "The Selfish Gene."
95
264000
3000
στο μπεστ σέλερ με τίτλο "Το εγωιστικό γονίδιο" το 1976.
04:45
The information that is copied, he called the replicator.
96
267000
4000
Την πληροφορία που ατιγράφεται την ονόμασε αντιγραφέα.
04:49
It selfishly copies.
97
271000
2000
Αντιγράφεται εγωιστικά.
04:51
Not meaning it kind of sits around inside cells going, "I want to get copied."
98
273000
4000
Χωρίς να σημαίνει αυτό ότι κάθεται μέσα στα κύτταρα και λέει "θέλω να αντιγραφώ".
04:55
But that it will get copied if it can,
99
277000
2000
Αλλά ότι θα αντιγραφεί, εάν μπορεί,
04:57
regardless of the consequences.
100
279000
2000
ασχέτως των συνεπειών.
05:00
It doesn't care about the consequences because it can't,
101
282000
3000
Δεν ενδιαφέρεται για τις συνέπειες διότι δεν μπορεί,
05:03
because it's just information being copied.
102
285000
2000
επειδή είναι απλά πληροφορία που αντιγράφεται.
05:06
And he wanted to get away
103
288000
1000
Ήθελε να ξεφύγει
05:07
from everybody thinking all the time about genes,
104
289000
3000
από όποιον σκεπτόταν μοναχά τα γονίδια,
05:10
and so he said, "Is there another replicator out there on the planet?"
105
292000
3000
κι έτσι είπε: "Υπάρχει άλλος αντιγραφέας στον πλανήτη;"
05:13
Ah, yes, there is.
106
295000
2000
Α ναι, υπάρχει.
05:15
Look around you -- here will do, in this room.
107
297000
3000
Κοιτάξτε γύρω σας, εδώ στο δωμάτιο είναι μια χαρά.
05:18
All around us, still clumsily drifting about
108
300000
3000
Παντού γύρω μας, κολυμπώντας αδέξια
05:21
in its primeval soup of culture, is another replicator.
109
303000
3000
στην αρχέγονη σούπα του πολιτισμού, βρίσκεται άλλος ένας αντιγραφέας.
05:24
Information that we copy from person to person, by imitation,
110
306000
5000
Πληροφορία που αντιγράφουμε από άτομο σε άτομο με τη μίμηση,
05:29
by language, by talking, by telling stories,
111
311000
2000
με τη γλώσσα, με την ομιλία, λέγοντας ιστορίες,
05:31
by wearing clothes, by doing things.
112
313000
3000
φορώντας ρούχα, κάνοντας πράγματα.
05:34
This is information copied with variation and selection.
113
316000
5000
Αυτή είναι πληροφορία που αντιγράφεται με ποικιλότητα και επιλεκτικότητα.
05:39
This is design process going on.
114
321000
3000
Αυτή είναι η σχεδιαστική διαδικασία σε εξέλιξη.
05:42
He wanted a name for the new replicator.
115
324000
3000
Χρειαζόταν ένα όνομα για το νέο αντιγραφέα.
05:45
So, he took the Greek word "mimeme," which means that which is imitated.
116
327000
4000
Έτσι πήρε την ελληνική λέξη "μίμηση"
05:49
Remember that, that's the core definition:
117
331000
2000
Θυμηθείτε το αυτό, είναι ο βασικός ορισμός.
05:52
that which is imitated.
118
334000
1000
Αυτό το οποίο αναπαρίσταται.
05:53
And abbreviated it to meme, just because it sounds good
119
335000
3000
Και τη συντόμευσε σε μιμίδιο (meme) επειδή είναι εύηχο
05:56
and made a good meme, an effective spreading meme.
120
338000
3000
και παρήγαγε ένα καλό μιμίδιο, ένα αποτελεσματικά διαδιδόμενο μιμίδιο.
05:59
So that's how the idea came about.
121
341000
3000
Έτσι παρουσιάστηκε η ιδέα.
06:03
It's important to stick with that definition.
122
345000
3000
Είναι σημαντικό να μείνουμε σ'αυτόν τον ορισμό
06:06
The whole science of memetics is much maligned,
123
348000
4000
Όλη η επιστήμη των μιμιδίων έχει δυσφημιστεί,
06:10
much misunderstood, much feared.
124
352000
3000
έχει παρεξηγηθεί και έχει γίνει αντικείμενο φόβου.
06:13
But a lot of these problems can be avoided
125
355000
3000
Αλλά πολλά από αυτά τα προβλήματα μπορούν να αποφευχθούν
06:16
by remembering the definition.
126
358000
2000
εάν θυμόμαστε τον ορισμό.
06:18
A meme is not equivalent to an idea.
127
360000
2000
Το μιμίδιο δεν είναι ισοδύναμο με την ιδέα.
06:20
It's not an idea. It's not equivalent to anything else, really.
128
362000
2000
Δεν είναι ιδέα, δεν είναι ισοδύναμο με τίποτ' άλλο στην πραγματικότητα.
06:22
Stick with the definition.
129
364000
2000
Θυμηθείτε τον ορισμό.
06:24
It's that which is imitated,
130
366000
2000
Είναι αυτό το οποίο αναπαρίσταται.
06:26
or information which is copied from person to person.
131
368000
3000
Ή πληροφορία που αντιγράφεται από άτομο σε άτομο.
06:30
So, let's see some memes.
132
372000
1000
Ας δούμε λοιπόν μερικά μιμίδια.
06:31
Well, you sir, you've got those glasses hung around your neck
133
373000
3000
Εσείς κύριε, έχετε κρεμασμένα στο λαιμό σας αυτά τα γυαλιά
06:34
in that particularly fetching way.
134
376000
2000
με αυτόν τον συγκεκριμένο ελκυστικό τρόπο.
06:36
I wonder whether you invented that idea for yourself,
135
378000
2000
Αναρωτιέμαι αν επινοήσατε την ιδέα εσείς
06:38
or copied it from someone else?
136
380000
2000
ή την αντιγράψατε από κάποιον άλλο.
06:40
If you copied it from someone else, it's a meme.
137
382000
3000
Εάν την αντιγράψατε από κάποιον άλλο, τότε είναι μιμίδιο.
06:43
And what about, oh, I can't see any interesting memes here.
138
385000
3000
Τι θα λέγατε επίσης, ωωω... δε βλέπω ενδιαφέροντα μιμίδια εδώ.
06:46
All right everyone, who's got some interesting memes for me?
139
388000
3000
Ποιος από σας λοιπόν, έχει μερικά ενδιαφέροντα μιμίδια για μένα;
06:49
Oh, well, your earrings,
140
391000
2000
Α ωραία, τα σκουλαρίκια σας,
06:51
I don't suppose you invented the idea of earrings.
141
393000
2000
Δε νομίζω ότι επινοήσατε την ιδέα των σκουλαρικιών.
06:53
You probably went out and bought them.
142
395000
2000
Πιθανότατα πήγατε και τα αγοράσατε.
06:55
There are plenty more in the shops.
143
397000
2000
Υπάρχουν πολλά περισσότερα στα καταστήματα.
06:57
That's something that's passed on from person to person.
144
399000
2000
Αυτό είναι κάτι που μεταβιβάστηκε από άτομο σε άτομο.
06:59
All the stories that we're telling -- well, of course,
145
401000
3000
Όλες οι ιστορίες που λέμε, φυσικά,
07:02
TED is a great meme-fest, masses of memes.
146
404000
4000
το TED είναι μια λαμπρή έκθεση μιμιδίων, πλήθος μιμιδίων.
07:06
The way to think about memes, though,
147
408000
2000
Όμως ο τρόπος για σκεφτούμε τα μιμίδια ωστόσο,
07:08
is to think, why do they spread?
148
410000
2000
είναι: γιατί αυτά διασπείρονται;
07:10
They're selfish information, they will get copied, if they can.
149
412000
4000
Είναι εγωιστικές πληροφορίες, θα αντιγραφούν εφόσον μπορούν.
07:14
But some of them will be copied because they're good,
150
416000
3000
Αλλά μερικά από αυτά θα αντιγραφούν επειδή είναι καλά,
07:17
or true, or useful, or beautiful.
151
419000
2000
αληθή, χρήσιμα ή όμορφα.
07:19
Some of them will be copied even though they're not.
152
421000
2000
Κάποια θα αντιγραφούν παρόλο που δεν είναι τίποτα από τα παραπάνω.
07:21
Some, it's quite hard to tell why.
153
423000
2000
Για κάποια, είναι αρκετά δύσκολο να προσδιορίσουμε το γιατί.
07:24
There's one particular curious meme which I rather enjoy.
154
426000
3000
Υπάρχει ένα συγκεκριμένο περίεργο μιμίδιο το οποίο με διασκεδάζει.
07:27
And I'm glad to say, as I expected, I found it when I came here,
155
429000
3000
Και χαίρομαι να πω, όπως το περίμενα, το βρήκα όταν ήρθα εδώ,
07:30
and I'm sure all of you found it, too.
156
432000
2000
και είμαι σίγουρη πως όλοι σας επίσης το βρήκατε.
07:32
You go to your nice, posh, international hotel somewhere,
157
434000
3000
Πηγαίνεις στο όμορφο πολυτελές ξενοδοχείο οπουδήποτε,
07:36
and you come in and you put down your clothes
158
438000
2000
μπαίνεις μέσα, βγάζεις τα ρούχα σου,
07:38
and you go to the bathroom, and what do you see?
159
440000
3000
πηγαίνεις στο μπάνιο και τι βλέπεις;
07:41
Audience: Bathroom soap.
160
443000
1000
Κοινό: Σαπούνι μπάνιου.
07:42
SB: Pardon?
161
444000
1000
Παρακαλώ;
07:43
Audience: Soap.
162
445000
1000
Κοινό: Σαπούνι.
07:44
SB: Soap, yeah. What else do you see?
163
446000
2000
Σαπούνι, ναι. Τι άλλο βλέπετε;
07:46
Audience: (Inaudible)
164
448000
1000
Κοινό: (ακαθόριστο)
07:47
SB: Mmm mmm.
165
449000
1000
Χμμμ χμμμ.
07:48
Audience: Sink, toilet!
166
450000
1000
Κοινό: Νιπτήρα, τουαλέτα!
07:49
SB: Sink, toilet, yes, these are all memes, they're all memes,
167
451000
2000
Νιπτήρα, τουαλέτα, ναι, όλα αυτά είναι μιμίδια, είναι όλα μιμίδια,
07:51
but they're sort of useful ones, and then there's this one.
168
453000
3000
αλλά είναι από τα χρήσιμα μιμίδια κι έπειτα είναι κι αυτό.
07:54
(Laughter)
169
456000
3000
(Γέλια)
07:58
What is this one doing?
170
460000
2000
Τι κάνει αυτό εδώ;
08:00
(Laughter)
171
462000
1000
(Γέλια)
08:01
This has spread all over the world.
172
463000
2000
Έχει εξαπλωθεί σ' όλο τον κόσμο.
08:03
It's not surprising that you all found it
173
465000
2000
Δεν είναι έκπληξη που το βρήκατε όλοι
08:05
when you arrived in your bathrooms here.
174
467000
2000
όταν φτάσατε στο μπάνιο εδώ.
08:07
But I took this photograph in a toilet at the back of a tent
175
469000
5000
Αλλά έβγαλα αυτή τη φωτογραφία σε μια τουαλέτα στο πίσω μέρος μιας σκηνής
08:12
in the eco-camp in the jungle in Assam.
176
474000
2000
σε ένα οικολογικό κάμπινγκ στη ζούγκλα του Ασάμ.
08:14
(Laughter)
177
476000
1000
(Γέλια)
08:16
Who folded that thing up there, and why?
178
478000
3000
Ποιος δίπλωσε αυτό το πράγμα εκεί πέρα και γιατί;
08:19
(Laughter)
179
481000
1000
(Γέλια)
08:20
Some people get carried away.
180
482000
2000
Μερικοί άνθρωποι παρασύρονται.
08:22
(Laughter)
181
484000
3000
(Γέλια)
08:26
Other people are just lazy and make mistakes.
182
488000
3000
Άλλοι είναι τεμπέληδες και κάνουν λάθη.
08:29
Some hotels exploit the opportunity to put even more memes
183
491000
3000
Μερικά ξενοδοχεία εκμεταλεύονται την ευκαιρία να θέσουν ακόμα περισσότερα μιμίδια
08:32
with a little sticker.
184
494000
2000
με ένα μικρό αυτοκόλλητο.
08:34
(Laughter)
185
496000
1000
(Γέλια)
08:35
What is this all about?
186
497000
2000
Τι σημαίνουν όλ' αυτά;
08:37
I suppose it's there to tell you that somebody's
187
499000
2000
Φαντάζομαι πως υπάρχουν για να σας δείξουν πως κάποιος
08:39
cleaned the place, and it's all lovely.
188
501000
2000
καθάρισε το χώρο και είναι όλα όμορφα.
08:41
And you know, actually, all it tells you is that another person
189
503000
3000
Ξέρετε, στην πραγματικότητα αυτό που δείχνουν είναι πως κάποιος
08:44
has potentially spread germs from place to place.
190
506000
3000
έχει δυνητικά διασπείρει μικρόβια από τόπο σε τόπο.
08:47
(Laughter)
191
509000
1000
(Γέλια)
08:48
So, think of it this way.
192
510000
2000
Σκεφτείτε το κατ' αυτόν τον τρόπο.
08:50
Imagine a world full of brains
193
512000
2000
Φανταστείτε έναν κόσμο γεμάτο από μυαλά
08:52
and far more memes than can possibly find homes.
194
514000
3000
κι ακόμα περισσότερα μιμίδια που μπορούν πιθανότατα να βρουν στέγη.
08:55
The memes are all trying to get copied --
195
517000
3000
Όλα τα μιμίδια προσπαθούν ν' αντιγραφούν,
08:58
trying, in inverted commas -- i.e.,
196
520000
3000
προσπαθούν σε εισαγωγικά, δηλαδή,
09:01
that's the shorthand for, if they can get copied, they will.
197
523000
3000
αυτό σημαίνει εν συντομία, ότι εάν μπορούν να αντιγραφούν, θα το κάνουν.
09:04
They're using you and me as their propagating, copying machinery,
198
526000
6000
Μας χρησιμοποιούν ως την αναπαραγωγική τους μηχανή αντιγραφής,
09:10
and we are the meme machines.
199
532000
3000
και είμαστε οι μηχανές των μιμιδίων.
09:13
Now, why is this important?
200
535000
2000
Τώρα, γιατί είναι αυτό σημαντικό;
09:15
Why is this useful, or what does it tell us?
201
537000
2000
Γιατί είναι χρήσιμο ή τι μας δείχνει;
09:17
It gives us a completely new view of human origins
202
539000
4000
Μας δίνει μια εντελώς νέα οπτική της ανθρώπινης προέλευσης
09:21
and what it means to be human,
203
543000
1000
και του τι σημαίνει να είσαι άνθρωπος.
09:22
all conventional theories of cultural evolution,
204
544000
4000
Όλες οι συμβατικές θεωρίες πολιτισμικής εξέλιξης,
09:26
of the origin of humans,
205
548000
2000
της προέλευσης των ανθρώπων,
09:28
and what makes us so different from other species.
206
550000
4000
και του τι μας κάνει τόσο διαφορετικούς από άλλα είδη.
09:32
All other theories explaining the big brain, and language, and tool use
207
554000
2000
Όλες οι άλλες θεωρίες, που εξηγούν τον μεγάλο εγκέφαλο, τη γλώσσα και τη χρήση εργαλείων,
09:34
and all these things that make us unique,
208
556000
2000
και όλα αυτά που μας κάνουν μοναδικούς,
09:36
are based upon genes.
209
558000
3000
βασίζονται στα γονίδια.
09:39
Language must have been useful for the genes.
210
561000
3000
Η γλώσσα θα πρέπει να ήταν χρήσιμη για τα γονίδια.
09:42
Tool use must have enhanced our survival, mating and so on.
211
564000
3000
Η χρήση εργαλείων θα πρέπει να ενίσχυσε την επιβίωσή μας, το ζευγάρωμα κλπ
09:45
It always comes back, as Richard Dawkins complained
212
567000
3000
Το ζήτημα πάντα επανέρχεται, όπως διαμαρτύρεται ο Ρίτσαρντ Ντόκινς
09:48
all that long time ago, it always comes back to genes.
213
570000
3000
καθ' όλο το χρόνο που προηγήθηκε, πάντα επανέρχεται στα γονίδια.
09:51
The point of memetics is to say, "Oh no, it doesn't."
214
573000
4000
Το θέμα στη Μιμητική Μηχανική, είναι να πεις: Όχι, δεν ισχύει.
09:55
There are two replicators now on this planet.
215
577000
3000
Υπάρχουν δύο αντιγραφείς τώρα στον πλανήτη.
09:58
From the moment that our ancestors,
216
580000
3000
Από τη στιγμή που οι προγονοί μας,
10:01
perhaps two and a half million years ago or so,
217
583000
2000
ίσως 2,5 εκατομμύρια χρόνια πριν, ή κάπου τόσο,
10:03
began imitating, there was a new copying process.
218
585000
4000
άρχισαν να μιμούνται, υπήρξε μια νέα διαδικασία αντιγραφής.
10:07
Copying with variation and selection.
219
589000
2000
Αντιγραφή με ποικιλότητα κι επιλογή.
10:09
A new replicator was let loose, and it could never be --
220
591000
5000
Ένας νέος αντιγραφέας εξαπολύθηκε και δεν θα μπορούσαν,
10:14
right from the start -- it could never be
221
596000
1000
από την πρώτη στιγμή, δεν θα μπορούσαν
10:15
that human beings who let loose this new creature,
222
597000
5000
οι άνθρωποι που εξαπέλυσαν αυτό το νέο πλάσμα,
10:20
could just copy the useful, beautiful, true things,
223
602000
3000
ν' αντιγράψουν μόνο τα χρήσιμα, όμορφα, αληθή πράγματα
10:23
and not copy the other things.
224
605000
2000
κι όχι τα υπόλοιπα.
10:25
While their brains were having an advantage from being able to copy --
225
607000
3000
Καθώς οι εγκέφαλοί τους αποκτούσαν κάποιο πλεονέκτημα από την ικανότητά τους να αντιγράφουν-
10:28
lighting fires, keeping fires going, new techniques of hunting,
226
610000
5000
ν' ανάβουν φωτιά, να την διατηρούν αναμένη, νέες τεχνικές κυνηγιού,
10:33
these kinds of things --
227
615000
2000
τέτοιου είδους πράγματα-
10:35
inevitably they were also copying putting feathers in their hair,
228
617000
3000
αναπόφευκτα αντέγραφαν επίσης και το να βάζουν φτερά στα μαλλιά τους,
10:38
or wearing strange clothes, or painting their faces,
229
620000
2000
να φορούν περίεργα ρούχα, ή να βάφουν τα πρόσωπά τους,
10:40
or whatever.
230
622000
1000
ή οτιδήποτε παρόμοιο.
10:41
So, you get an arms race between the genes
231
623000
4000
Έτσι, έχουμε έναν σκληρό ανταγωνισμό μεταξύ των γονιδίων
10:45
which are trying to get the humans to have small economical brains
232
627000
4000
τα οποία προσπαθούν να κάνουν τους ανθρώπους να έχουν μικρούς, οικονομικούς εγκεφάλους
10:49
and not waste their time copying all this stuff,
233
631000
2000
και να μη σπαταλούν το χρόνο τους αντιγράφοντας όλα αυτά τα πράγματα
10:51
and the memes themselves, like the sounds that people made and copied --
234
633000
4000
και των ίδιων των μιμιδίων, όπως οι ήχοι που οι άνθρωποι έφτιαξαν και αντέγραψαν-
10:56
in other words, what turned out to be language --
235
638000
2000
με άλλα λόγια, αυτοί οι ήχοι που κατέληξαν να γίνουν γλώσσα-
10:58
competing to get the brains to get bigger and bigger.
236
640000
3000
ν' ανταγωνίζονται ώστε να κάνουν τους εγκεφάλους όλο και μεγαλύτερους.
11:01
So, the big brain, on this theory, is driven by the memes.
237
643000
4000
Έτσι, σύμφωνα με αυτήν τη θεωρία, η ανάπτυξη μεγάλου εγκεφάλου καθοδηγήθηκε από τα μιμίδα.
11:05
This is why, in "The Meme Machine," I called it memetic drive.
238
647000
4000
Αυτός είναι ο λόγος που στο βιβλίο μου "Η Μηχανή των Μιμιδίων", το αποκάλεσα μιμητική ορμή.
11:09
As the memes evolve, as they inevitably must,
239
651000
3000
Καθώς τα μιμίδια εξελίσσονται, όπως αναπόφευκτα πρέπει να συμβεί,
11:12
they drive a bigger brain that is better at copying the memes
240
654000
4000
οδηγούν σ' έναν μεγαλύτερο εγκέφαλο, ο οποίος είναι καλύτερος στην αντιγραφή των μιμιδίων
11:16
that are doing the driving.
241
658000
2000
που καθοδηγούν ετούτη την εξέλιξη.
11:18
This is why we've ended up with such peculiar brains,
242
660000
4000
Αυτός είναι ο λόγος που καταλήξαμε να έχουμε τέτοιο ιδιόμορφο εγκέφαλο,
11:22
that we like religion, and music, and art.
243
664000
3000
που αγαπάμε τη θρησκεία, τη μουσική και την τέχνη.
11:25
Language is a parasite that we've adapted to,
244
667000
3000
Η γλώσσα είναι ένα παράσιτο, στο οποίο έχουμε προσαρμοστεί,
11:28
not something that was there originally for our genes,
245
670000
2000
όχι κάτι που ήταν αρχικά φτιαγμένο για την επιβίωση των γονιδίων μας,
11:30
on this view.
246
672000
2000
υπ' αυτήν την έννοια.
11:32
And like most parasites, it can begin dangerous,
247
674000
3000
Όπως τα περισσότερα παράσιτα, μπορεί να ξεκινήσει ως κάτι επικίνδυνο,
11:35
but then it coevolves and adapts,
248
677000
3000
όμως σταδιακά συνεξελίσσεται και προσαρμόζεται
11:38
and we end up with a symbiotic relationship
249
680000
2000
καταλήγοντας σε μια συμβιοτική σχέση
11:40
with this new parasite.
250
682000
1000
μ' αυτό το νέο παράσιτο.
11:41
And so, from our perspective,
251
683000
2000
Κι έτσι, υπό τη δική μας αντίληψη,
11:43
we don't realize that that's how it began.
252
685000
3000
δεν συνειδητοποιούμε ότι έτσι ξεκίνησε.
11:46
So, this is a view of what humans are.
253
688000
3000
Αυτή είναι μια οπτική του τι είναι οι άνθρωποι.
11:49
All other species on this planet are gene machines only,
254
691000
3000
Όλα τ' άλλα είδη σ' αυτόν τον πλανήτη είναι μόνο μηχανές γονιδίων,
11:52
they don't imitate at all well, hardly at all.
255
694000
3000
δε μιμούνται καθόλου, εντάξει σχεδόν καθόλου.
11:55
We alone are gene machines and meme machines as well.
256
697000
5000
Μόνο εμείς είμαστε μηχανές γονιδίων και μιμιδίων ταυτόχρονα.
12:00
The memes took a gene machine and turned it into a meme machine.
257
702000
4000
Τα μιμίδα πήραν μια μηχανή γονιδίων και τη μετέτρεψαν σε μηχανή μιμιδίων.
12:04
But that's not all.
258
706000
2000
Όμως δεν είναι μόνο αυτά.
12:06
We have a new kind of memes now.
259
708000
3000
Έχουμε ένα νέο είδος μιμιδίων τώρα.
12:09
I've been wondering for a long time,
260
711000
1000
Αναρωτιέμαι εδώ και πολύ καιρό,
12:10
since I've been thinking about memes a lot,
261
712000
2000
από τότε που σκέφτομαι περισσότερο τα μιμίδια,
12:12
is there a difference between the memes that we copy --
262
714000
2000
εάν υπάρχει διαφορά μεταξύ των μιμιδίων που αντιγράφουμε-
12:14
the words we speak to each other,
263
716000
2000
των λέξεων που λέμε μεταξύ μας,
12:16
the gestures we copy, the human things --
264
718000
2000
των νευμάτων που αντιγράφουμε, των ανθρώπινων πραγμάτων-
12:18
and all these technological things around us?
265
720000
2000
και όλων των τεχνολογικών πραγμάτων γύρω μας;
12:20
I have always, until now, called them all memes,
266
722000
4000
Μέχρι τώρα, τα αποκαλούσα όλα μιμίδια,
12:24
but I do honestly think now
267
726000
3000
αλλά ειλικρινά τώρα σκέφτομαι
12:27
we need a new word for technological memes.
268
729000
3000
ότι χρειαζόμαστε μια νέα λέξη για τα τεχνολογικά μιμίδια.
12:30
Let's call them techno-memes or temes.
269
732000
3000
Ας τ' αποκαλέσουμε τεχνομιμίδια ή τιμίδια.
12:33
Because the processes are getting different.
270
735000
3000
Επειδή οι διαδικασίες αλλάζουν.
12:37
We began, perhaps 5,000 years ago, with writing.
271
739000
3000
Ξεκινήσαμε, ίσως 5.000 χρόνια πριν, με τη γραφή.
12:40
We put the storage of memes out there on a clay tablet,
272
742000
7000
Αποθηκεύσαμε τα μιμίδια που υπήρχαν εκεί έξω, σε πήλινες πλάκες,
12:48
but in order to get true temes and true teme machines,
273
750000
2000
αλλά προκειμένου να έχουμε αληθινά τιμίδια και αληθινές μηχανές τιμιδίων,
12:50
you need to get the variation, the selection and the copying,
274
752000
3000
πρέπει να έχουμε την ποικιλότητα, την επιλογή και την αντιγραφή,
12:53
all done outside of humans.
275
755000
2000
να συμβαίνουν όλα έξω από τους ανθρώπους.
12:55
And we're getting there.
276
757000
2000
Και οδεύουμε προς τα εκεί.
12:57
We're at this extraordinary point where we're nearly there,
277
759000
2000
Βρισκόμαστε στο εξαιρετικό σημείο, είμαστε σχεδόν εκεί,
12:59
that there are machines like that.
278
761000
2000
όπου υπάρχουν τέτοιες μηχανές.
13:01
And indeed, in the short time I've already been at TED,
279
763000
2000
Πράγματι, στο σύντομο χρόνο που βρίσκομαι ήδη στο TED,
13:03
I see we're even closer than I thought we were before.
280
765000
2000
βλέπω ότι είμαστε πολύ πιο κοντά απ' όσο νόμιζα προηγουμένως.
13:05
So actually, now the temes are forcing our brains
281
767000
6000
Έτσι στην ουσία, τώρα τα τιμίδια πιέζουν τα μυαλά μας
13:11
to become more like teme machines.
282
773000
2000
να γίνουν περισσότερο μηχανές τιμιδίων.
13:13
Our children are growing up very quickly learning to read,
283
775000
3000
Τα παιδιά μας μεγαλώνοντας, πολύ γρήγορα μαθαίνουν να διαβάζουν,
13:16
learning to use machinery.
284
778000
2000
να χρησιμοποιούν μηχανήματα.
13:18
We're going to have all kinds of implants,
285
780000
1000
Σύντομα θα έχουμε όλων των ειδών τα εμφυτεύματα,
13:19
drugs that force us to stay awake all the time.
286
781000
3000
φάρμακα που θα μας αναγκάζουν να μένουμε συνέχεια ξύπνιοι.
13:22
We'll think we're choosing these things,
287
784000
2000
Θα πιστεύουμε πως εμείς τα επιλέγουμε,
13:24
but the temes are making us do it.
288
786000
3000
αλλά τα τιμίδια μας βάζουν να τα κάνουμε αυτά.
13:28
So, we're at this cusp now
289
790000
1000
Έτσι βρισκόμαστε τώρα σ' αυτό το σημείο καμπής
13:29
of having a third replicator on our planet.
290
791000
4000
της εμφάνισης ενός τρίτου αντιγραφέα στον πλανήτη μας.
13:34
Now, what about what else is going on out there in the universe?
291
796000
5000
Τώρα, ας σκεφτούμε τι άλλο συμβαίνει εκεί έξω στο σύμπαν;
13:39
Is there anyone else out there?
292
801000
2000
Υπάρχει κάποιος άλλος εκεί;
13:41
People have been asking this question for a long time.
293
803000
3000
Οι άνθρωποι αναρωτιούνται γι' αυτό εδώ και πολύ καιρό.
13:44
We've been asking it here at TED already.
294
806000
2000
Θέτουμε ήδη αυτό το ερώτημα εδώ στο TED.
13:46
In 1961, Frank Drake made his famous equation,
295
808000
4000
Το 1961 ο Φρανκ Ντρέηκ επινόησε την διάσημη εξίσωσή του,
13:50
but I think he concentrated on the wrong things.
296
812000
2000
όμως νομίζω πως επικεντρωνόμαστε σε λάθος πράγματα.
13:52
It's been very productive, that equation.
297
814000
2000
Υπήρξε πολύ παραγωγική αυτή η εξίσωση.
13:54
He wanted to estimate N,
298
816000
2000
Ήθελε να υπολογίσει το Ν,
13:56
the number of communicative civilizations out there in our galaxy,
299
818000
4000
τον αριθμό των ικανών για επικοινωνία πολιτισμών στον γαλαξία μας.
14:00
and he included in there the rate of star formation,
300
822000
4000
Συμπεριέλαβε και το ρυθμό σχηματισμού των άστρων,
14:04
the rate of planets, but crucially, intelligence.
301
826000
4000
το ρυθμό των πλανητών, αλλά και το πιο κρίσιμο σημείο, τη νοημοσύνη.
14:08
I think that's the wrong way to think about it.
302
830000
4000
Πιστεύω πως αυτός είναι ο λάθος τρόπος να σκεφτούμε περί αυτού.
14:12
Intelligence appears all over the place, in all kinds of guises.
303
834000
3000
Η νοημοσύνη εμφανίζεται παντού, με όλες τις δυνατές εκφάνσεις.
14:15
Human intelligence is only one kind of a thing.
304
837000
2000
Η ανθρώπινη νοημοσύνη είναι μόνο ένα είδος.
14:17
But what's really important is the replicators you have
305
839000
3000
Αυτό όμως που είναι στ' αλήθεια σημαντικό είναι οι αντιγραφείς που διαθέτει κανείς
14:20
and the levels of replicators, one feeding on the one before.
306
842000
4000
και τα επίπεδά τους, το καθένα να θρέφει το προηγούμενο.
14:24
So, I would suggest that we don't think intelligence,
307
846000
5000
Έτσι θα πρότεινα να μη σκεφτόμαστε τη νοημοσύνη,
14:29
we think replicators.
308
851000
2000
αλλά τους αντιγραφείς.
14:31
And on that basis, I've suggested a different kind of equation.
309
853000
3000
Με βάση αυτό, πρότεινα μια νέα εξίσωση.
14:34
A very simple equation.
310
856000
2000
Μια πολύ απλή εξίσωση.
14:36
N, the same thing,
311
858000
2000
Ν, το ίδιο πράγμα,
14:38
the number of communicative civilizations out there
312
860000
3000
ο αριθμός των ικανών για επικοινωνία πολιστιμών,
14:41
[that] we might expect in our galaxy.
313
863000
2000
που θα μπορούσαμε ν' αναμένουμε στο γαλαξία μας.
14:43
Just start with the number of planets there are in our galaxy.
314
865000
4000
Ας αρχίσουμε απλά από τον αριθμό των πλανητών που υπάρχουν στο γαλαξία μας.
14:47
The fraction of those which get a first replicator.
315
869000
4000
Το κλάσμα αυτών που διαθέτουν τον πρώτο αντιγραφέα.
14:51
The fraction of those that get the second replicator.
316
873000
4000
Το κλάσμα αυτών που διαθέτουν τον δεύτερο αντιγραφέα.
14:55
The fraction of those that get the third replicator.
317
877000
2000
Το κλάσμα αυτών που διαθέτουν τον τρίτο αντιγραφέα.
14:58
Because it's only the third replicator that's going to reach out --
318
880000
3000
Διότι μόνο ο τρίτος αντιγραφέας θα βγει παραέξω-
15:01
sending information, sending probes, getting out there,
319
883000
3000
στέλνοντας πληροφορίες και ανιχνευτές, πηγαίνοντας εκεί έξω,
15:04
and communicating with anywhere else.
320
886000
2000
επικοινωνώντας με οπουδήποτε αλλού.
15:06
OK, so if we take that equation,
321
888000
3000
Έτσι, εάν πάρουμε αυτήν την εξίσωση,
15:09
why haven't we heard from anybody out there?
322
891000
5000
γιατί δεν έχουμε ακούσει κάτι από κάποιον άλλον εκεί έξω;
15:14
Because every step is dangerous.
323
896000
4000
Επειδή κάθε βήμα είναι επικίνδυνο.
15:18
Getting a new replicator is dangerous.
324
900000
3000
Το ν' αποκτήσεις νέους αντιγραφείς είναι επικίνδυνο.
15:21
You can pull through, we have pulled through,
325
903000
2000
Μπορείς να γλιτώσεις, εμείς γλιτώσαμε,
15:23
but it's dangerous.
326
905000
2000
αλλά είναι επικίνδυνο.
15:25
Take the first step, as soon as life appeared on this earth.
327
907000
3000
Πάρτε το πρώτο βήμα, καθώς η ζωή εμφανίστηκε στη Γη.
15:28
We may take the Gaian view.
328
910000
2000
Μπορούμε να το δούμε από τη Γήινη οπτική.
15:30
I loved Peter Ward's talk yesterday -- it's not Gaian all the time.
329
912000
3000
Μου άρεσε πολύ η ομιλία του Πήτερ Ουόρντ εχθές- δεν είναι σε όλα της τα σημεία Γήινη.
15:33
Actually, life forms produce things that kill themselves.
330
915000
3000
Στην πραγματικότητα οι ζωντανοί οργανισμοί παράγουν πράγματα που τους εξολοθρεύουν.
15:36
Well, we did pull through on this planet.
331
918000
3000
Λοιπόν, εμείς σ' αυτόν τον πλανήτη τη γλιτώσαμε.
15:39
But then, a long time later, billions of years later,
332
921000
2000
Όμως τότε, πολύ καιρό αργότερα, δισεκατομμύρια χρόνια αργότερα,
15:41
we got the second replicator, the memes.
333
923000
3000
αποκτήσαμε τον δεύτερο αντιγραφέα, τα μιμίδια.
15:44
That was dangerous, all right.
334
926000
2000
Αυτό ήταν σίγουρα επικίνδυνο.
15:46
Think of the big brain.
335
928000
2000
Σκεφτείτε τον μεγάλο εγκέφαλο.
15:48
How many mothers do we have here?
336
930000
3000
Πόσες μητέρες έχουμε εδώ;
15:51
You know all about big brains.
337
933000
2000
Ξέρετε τι σημαίνει μεγάλος εγκέφαλος.
15:53
They are dangerous to give birth to,
338
935000
2000
Είναι επικίνδυνος κατά τον τοκετό.
15:55
are agonizing to give birth to.
339
937000
2000
Είναι πολύ δύσκολο να τον γεννήσει κανείς.
15:57
(Laughter)
340
939000
1000
(Γέλια)
15:59
My cat gave birth to four kittens, purring all the time.
341
941000
2000
Η γάτα μου γέννησε τέσσερα γατάκια, γουργουρίζοντας συνέχεια.
16:01
Ah, mm -- slightly different.
342
943000
2000
Ααα, μμμ - δεν είναι ακριβώς το ίδιο.
16:03
(Laughter)
343
945000
2000
(Γέλια)
16:05
But not only is it painful, it kills lots of babies,
344
947000
3000
Όμως δεν είναι μόνο επώδυνο, σκοτώνει πολλά μωρά,
16:08
it kills lots of mothers,
345
950000
2000
και πολλές μητέρες,
16:10
and it's very expensive to produce.
346
952000
2000
και κοστίζει πολύ η δημιουργία του.
16:12
The genes are forced into producing all this myelin,
347
954000
2000
Τα γονίδια πιέζονται να παράγουν όλη αυτή τη μυελίνη,
16:14
all the fat to myelinate the brain.
348
956000
2000
όλα τα λιπαρά που χρειάζονται για τον εγκέφαλο.
16:16
Do you know, sitting here,
349
958000
2000
Το ξέρετε πως έτσι όπως κάθεστε,
16:18
your brain is using about 20 percent of your body's energy output
350
960000
4000
ο εγκέφαλός σας χρησιμοποιεί το 20% της ενέργειας που καταναλώνει το σώμα σας
16:22
for two percent of your body weight?
351
964000
2000
ενώ καταλαμβάνει μόνο 2% του σωματικού σας βάρους;
16:24
It's a really expensive organ to run.
352
966000
2000
Είναι πραγματικά ένα ενεργοβόρο όργανο.
16:26
Why? Because it's producing the memes.
353
968000
2000
Γιατί; Επειδή παράγει τα μιμίδια.
16:28
Now, it could have killed us off. It could have killed us off,
354
970000
4000
Αυτό θα μπορούσε να μας έχει σκοτώσει -να μας έχει σκοτώσει,
16:32
and maybe it nearly did, but you see, we don't know.
355
974000
2000
και ίσως να έφτασε πολύ κοντά σ' αυτό, όμως δεν το γνωρίζουμε.
16:34
But maybe it nearly did.
356
976000
2000
Όμως ίσως να έφτασε πολύ κοντά.
16:36
Has it been tried before?
357
978000
1000
Έχει δοκιμαστεί στο παρελθόν;
16:37
What about all those other species?
358
979000
2000
Τι γίνεται με όλα τ' άλλα είδη;
16:39
Louise Leakey talked yesterday
359
981000
2000
Η Λουΐζ Λήκυ μίλησε χθες
16:41
about how we're the only one in this branch left.
360
983000
3000
για το πώς είμαστε οι μόνοι που απέμειναν από αυτόν τον εξελικτικό κλάδο.
16:44
What happened to the others?
361
986000
2000
Τι απέγιναν οι υπόλοιποι;
16:46
Could it be that this experiment in imitation,
362
988000
2000
Θα μπορούσε να σημαίνει ότι αυτό το πείραμα μίμησης,
16:48
this experiment in a second replicator,
363
990000
2000
αυτό το πείραμα για έναν δεύτερο αντιγραφέα,
16:50
is dangerous enough to kill people off?
364
992000
4000
είναι αρκετά επικίνδυνο για να εξολοθρεύσει κόσμο;
16:54
Well, we did pull through, and we adapted.
365
996000
2000
Εμείς τη γλιτώσαμε και προσαρμοστήκαμε.
16:56
But now, we're hitting, as I've just described,
366
998000
3000
Όμως τώρα, φτάνουμε, όπως ήδη περιέγραψα,
16:59
we're hitting the third replicator point.
367
1001000
2000
στο σημείο του τρίτου αντιγραφέα.
17:01
And this is even more dangerous --
368
1003000
3000
Αυτό είναι ακόμη πιο επικίνδυνο-
17:04
well, it's dangerous again.
369
1006000
2000
μάλλον, είναι και πάλι επικίνδυνο.
17:06
Why? Because the temes are selfish replicators
370
1008000
4000
Γιατί; Επειδή τα τιμίδια είναι εγωιστικοί αντιγραφείς
17:10
and they don't care about us, or our planet, or anything else.
371
1012000
3000
και δεν νοιάζονται για μας, για τον πλανήτη μας ή για οτιδήποτε άλλο.
17:13
They're just information, why would they?
372
1015000
3000
Είναι απλά πληροφορίες -γιατί να ενδιαφέρονται άλλωστε;
17:17
They are using us to suck up the planet's resources
373
1019000
2000
Μας χρησιμοποιούν για ν' απομυζήσουν τις πηγές του πλανήτη
17:19
to produce more computers,
374
1021000
2000
ώστε να παράγουν περισσότερους υπολογιστές,
17:21
and more of all these amazing things we're hearing about here at TED.
375
1023000
3000
και πιο πολλά από τα υπέροχα πράγματα που ακούμε εδώ στο TED.
17:24
Don't think, "Oh, we created the Internet for our own benefit."
376
1026000
4000
Μη σκέφτεστε "Ω, δημιουργήσαμε το διαδίκτυο για το δικό μας όφελος".
17:28
That's how it seems to us.
377
1030000
2000
Έτσι μας φαίνεται.
17:30
Think, temes spreading because they must.
378
1032000
4000
Σκεφτείτε τα τιμίδια να εξαπλώνονται, επειδή έτσι πρέπει να κάνουν.
17:34
We are the old machines.
379
1036000
2000
Είμαστε παλιές μηχανές.
17:36
Now, are we going to pull through?
380
1038000
2000
Θα τη γλιτώσουμε αυτή τη φορα;
17:38
What's going to happen?
381
1040000
2000
Τι πρόκειται να συμβεί;
17:40
What does it mean to pull through?
382
1042000
2000
Τι σημαίνει να γλιτώσουμε;
17:42
Well, there are kind of two ways of pulling through.
383
1044000
2000
Υπάρχουν ας πούμε δύο τρόποι να γλιτώσει κανείς.
17:45
One that is obviously happening all around us now,
384
1047000
2000
Ο ένας, που προφανώς συμβαίνει γύρω μας τώρα,
17:47
is that the temes turn us into teme machines,
385
1049000
4000
Είναι να μας μετατρέψουν τα τιμίδια σε μηχανές τους,
17:51
with these implants, with the drugs,
386
1053000
2000
μ' αυτά τα εμφυτεύματα, με τα φάρμακα,
17:53
with us merging with the technology.
387
1055000
3000
έτσι ώστε να συγχωνευτούμε με την τεχνολογία.
17:56
And why would they do that?
388
1058000
2000
Και γιατί να το κάνουν αυτό;
17:58
Because we are self-replicating.
389
1060000
2000
Διότι είμαστε αυτοαναπαραγώμενοι.
18:00
We have babies.
390
1062000
2000
Έχουμε μωρά.
18:02
We make new ones, and so it's convenient to piggyback on us,
391
1064000
3000
Φτιάχνουμε καινούρια κι έτσι είναι βολικό να φορτωθούν στη ράχη μας,
18:05
because we're not yet at the stage on this planet
392
1067000
4000
επειδή δεν έχουμε φτάσει ακόμη σ' αυτόν τον πλανήτη στο σημείο
18:09
where the other option is viable.
393
1071000
2000
όπου είναι βιώσιμη η δεύτερη επιλογή.
18:11
Although it's closer, I heard this morning,
394
1073000
2000
Μολονότι πλησιάζει, άκουσα σήμερα το πρωί,
18:13
it's closer than I thought it was.
395
1075000
2000
είναι εγγύτερα απ' όσο νόμιζα.
18:15
Where the teme machines themselves will replicate themselves.
396
1077000
3000
Το σημείο όπου οι μηχανές τιμιδίων θα μπορούν ν' αντιγράφονται από μόνες τους.
18:18
That way, it wouldn't matter if the planet's climate
397
1080000
4000
Μ' αυτόν τον τρόπο, δεν θα παίζει ρόλο εάν το κλίμα του πλανήτη
18:22
was utterly destabilized,
398
1084000
2000
αποσταθεροποιηθεί τελείως,
18:24
and it was no longer possible for humans to live here.
399
1086000
2000
και δεν είναι πια βιώσιμο για τους ανθρώπους.
18:26
Because those teme machines, they wouldn't need --
400
1088000
2000
Διότι εκείνες οι μηχανές τιμιδίων, δεν θα έχουν ανάγκη-
18:28
they're not squishy, wet, oxygen-breathing,
401
1090000
2000
δεν είναι μαλακά και υγρά πλάσματα, δεν αναπνέουν οξυγόνο,
18:30
warmth-requiring creatures.
402
1092000
3000
δεν απαιτούν θερμότητα.
18:33
They could carry on without us.
403
1095000
2000
Θα μπορούσαν να συνεχίσουν και χωρίς εμάς.
18:35
So, those are the two possibilities.
404
1097000
3000
Αυτές είναι οι δύο πιθανότητες.
18:38
The second, I don't think we're that close.
405
1100000
4000
Δεν νομίζω πως είμαστε τόσο κοντά στη δεύτερη.
18:42
It's coming, but we're not there yet.
406
1104000
2000
Καταφτάνει, όμως δεν φτάσαμε ακόμα εκεί.
18:44
The first, it's coming too.
407
1106000
2000
Η πρώτη, επίσης καταφτάνει.
18:46
But the damage that is already being done
408
1108000
3000
Όμως η ζημιά που γίνεται ήδη
18:49
to the planet is showing us how dangerous the third point is,
409
1111000
5000
στον πλανήτη, μας δείχνει πόσο επικίνδυνο είναι το τρίτο σημείο,
18:54
that third danger point, getting a third replicator.
410
1116000
3000
το τρίτο σημείο κινδύνου, του ν' αποκτήσουμε έναν τρίτο αντιγραφέα.
18:58
And will we get through this third danger point,
411
1120000
2000
Θα γλιτώσουμε άραγε απ' αυτό το τρίτο σημείο κινδύνου,
19:00
like we got through the second and like we got through the first?
412
1122000
3000
όπως γλιτώσαμε από το δεύτερο κι από το πρώτο;
19:04
Maybe we will, maybe we won't.
413
1126000
2000
Μπορεί ναι, μπορεί και όχι.
19:06
I have no idea.
414
1128000
3000
Δεν έχω ιδέα.
19:13
(Applause)
415
1135000
10000
(Χειροκρότημα)
19:24
Chris Anderson: That was an incredible talk.
416
1146000
2000
Κρις Άντερσον: Ήταν μια καταπληκτική ομιλία.
19:26
SB: Thank you. I scared myself.
417
1148000
2000
Ευχαριστώ, τρομοκρατήθηκα από μόνη μου.
19:28
CA: (Laughter)
418
1150000
1000
(Γέλια).
ABOUT THE SPEAKER
Susan Blackmore - MemeticistSusan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created.
Why you should listen
Susan Blackmore is dedicated to understanding the scientific nature of consciousness. Her latest work centers on the existence of memes -- little bits of knowledge, lore, habit that seem to spread themselves using human brains as mere carriers. She's exploring the existence of a new class of meme, spread by human technology. It's temporarily named the "teme."
She has written about memes, consciousness, and near-death experiences; has appeared on the British Big Brother to discuss the psychology of the participants; and writes for the Guardian UK.
Susan Blackmore | Speaker | TED.com