TED2010
Nathan Myhrvold: Could this laser zap malaria?
Νέιθαν Μάιχρβολτ: Θα μπορούσε αυτό το λέιζερ να εξαφανίσει την ελονοσία;
Filmed:
Readability: 3.7
965,317 views
Οι τελευταίες εφευρέσεις του Νέιθαν Μάιχρβολτ και της ομάδας του -- τόσο λαμπρές όσο και τολμηρές -- μας θυμίζουν ότι ο κόσμος χρειάζεται τρελή δημιουργικότητα για να αντιμετωπίσει μεγάλα προβλήματα, όπως την ελονοσία. Και όπως ακριβώς πέφτει η ιδέα, ξεδιπλώνει μια ζωντανή επίδειξη ενός νέου μηχανισμού εξολόθρευσης κουνουπιών που πρέπει να δείτε για να τον πιστέψετε.
Nathan Myhrvold - Polymath
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer. Full bio
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer. Full bio
Double-click the English transcript below to play the video.
00:15
We invent.
0
0
2000
Εφευρίσκουμε.
00:17
My company invents
1
2000
2000
Η εταιρεία μου εφευρίσκει
00:19
all kinds of new technology
2
4000
2000
σε όλα τα είδη νέας τεχνολογίας
00:21
in lots of different areas.
3
6000
2000
σε πολλές διαφορετικές περιοχές.
00:23
And we do that for a couple of reasons.
4
8000
2000
Και το κάνουμε για δυο λόγους.
00:25
We invent for fun --
5
10000
2000
Εφευρίσκουμε για διασκέδαση --
00:27
invention is a lot of fun to do --
6
12000
3000
το να εφευρίσκεις είναι πολύ διασκεδαστικό --
00:30
and we also invent for profit.
7
15000
2000
και επίσης εφευρίσκουμε για το κέρδος.
00:32
The two are related because
8
17000
2000
Αυτά τα δυο συσχετίζονται γιατί
00:34
the profit actually takes long enough that if it isn't fun,
9
19000
2000
το κέρδος στην πραγματικότητα αργεί τόσο πολύ που αν κάτι δεν είναι διασκεδαστικό
00:36
you wouldn't have the time to do it.
10
21000
2000
δεν θα είχατε το χρόνο να το κάνετε.
00:38
So we do this
11
23000
2000
Έτσι κάνουμε αυτές
00:40
fun and profit-oriented inventing
12
25000
2000
τις προσανατολισμένες στη διασκέδαση και στο κέρδος εφευρέσεις
00:42
for most of what we do,
13
27000
2000
ως επί το πλείστον,
00:44
but we also have a program where we invent for humanity --
14
29000
3000
αλλά έχουμε επίσης κι ένα πρόγραμμα στο οποίο εφευρίσκουμε για την ανθρωπότητα --
00:47
where we take some of our best inventors,
15
32000
2000
όπου παίρνουμε κάποιους από τους καλύτερους εφευρέτες μας,
00:49
and we say, "Are there problems
16
34000
2000
και λέμε, "Υπάρχουν προβλήματα
00:51
where we have a good idea for solving a problem the world has?" --
17
36000
3000
για τα οποία έχουμε μια καλή ιδέα ώστε να λύσουμε ένα πρόβλημα του κόσμου;" --
00:54
and to solve it in the way we try to solve problems,
18
39000
3000
και να το λύσουμε με τρόπους που εμείς γνωρίζουμε,
00:57
which is with dramatic, crazy,
19
42000
2000
δραματικούς, τρελούς,
00:59
out-of-the-box solutions.
20
44000
2000
έξω από τους συνήθεις τρόπους.
01:01
Bill Gates is one of those smartest guys of ours
21
46000
2000
Ο Μπιλ Γκέιτς είναι ένας απ' αυτούς τους εξυπνότερους ανθρώπους μας
01:03
that work on these problems
22
48000
2000
που εργάζεται πάνω σ' αυτά τα προβλήματα
01:05
and he also funds this work, so thank you.
23
50000
3000
και επίσης χρηματοδοτεί αυτή τη δουλειά, γι' αυτό τον ευχαριστούμε.
01:08
So I'm going to briefly discuss
24
53000
2000
Έτσι θα μιλήσω με συντομία
01:10
a couple of problems that we have
25
55000
2000
για δυο προβλήματα που έχουμε
01:12
and a couple of problems where
26
57000
2000
και δυο προβλήματα για τα οποία
01:14
we've got some solutions underway.
27
59000
2000
έχουμε κάποιες λύσεις σε εξέλιξη.
01:16
Vaccination is one of the
28
61000
3000
Ο εμβολιασμός είνα μία
01:19
key techniques in public health,
29
64000
2000
από τις κύριες τεχνικές στη δημόσια υγεία,
01:21
a fantastic thing.
30
66000
2000
κάτι φανταστικό.
01:23
But in the developing world a lot of vaccines
31
68000
3000
Αλλά στον αναπτυσσόμενο κόσμο πολλά εμβόλια
01:26
spoil before they're administered,
32
71000
2000
καταστρέφονται πριν διακινηθούν,
01:28
and that's because they need to be kept cold.
33
73000
3000
κι αυτό συμβαίνει γιατί είναι αναγκαίο να διατηρούνται κρύα.
01:31
Almost all vaccines need to be kept at refrigerator temperatures.
34
76000
3000
Σχεδόν όλα τα εμβόλια είναι αναγκαίο να διατηρούνται σε θερμοκρασίες ψυγείου.
01:34
They go bad very quickly if you don't,
35
79000
2000
Καταστρέφονται πολύ γρήγορα αν δεν το κάνετε,
01:36
and if you don't have stable power grid, this doesn't happen,
36
81000
3000
και αν δεν διαθέτετε σταθερό δίκτυο ηλεκτροδότησης, αυτό δεν ισχύει,
01:39
so kids die.
37
84000
2000
έτσι παιδιά πεθαίνουν.
01:41
It's not just the loss of the vaccine that matters;
38
86000
3000
Δεν είναι μόνο η απώλεια του εμβολίου που έχει σημασία,
01:44
it's the fact that those kids don't get vaccinated.
39
89000
3000
είναι το γεγονός ότι αυτά τα παιδιά δεν εμβολιάζονται.
01:47
This is one of the ways that
40
92000
3000
Αυτός είναι ένας από τους τρόπους που
01:50
vaccines are carried:
41
95000
2000
τα εμβόλια μεταφέρονται:
01:52
These are Styrofoam chests. These are being carried by people,
42
97000
3000
Αυτές είναι θήκες φελιζόλ. Μεταφέρονται από ανθρώπους
01:55
but they're also put on the backs of pickup trucks.
43
100000
2000
αλλά επίσης τοποθετούνται σε καρότσες από φορτηγάκια.
01:57
We've got a different solution.
44
102000
3000
Έχουμε μια διαφορετική λύση.
02:00
Now, one of these Styrofoam chests
45
105000
3000
Τώρα, μία από αυτές τις θήκες φελιζόλ,
02:03
will last for about four hours with ice in it.
46
108000
2000
αντέχει περίπου τέσσερις ώρες με πάγο μέσα της.
02:05
And we thought, well, that's not really good enough.
47
110000
3000
Και θεωρήσαμε, λοιπόν, πως αυτό δεν είναι στην πραγματικότητα αρκετά καλό.
02:08
So we made this thing.
48
113000
2000
Έτσι κατασκευάσαμε αυτό.
02:10
This lasts six months with no power;
49
115000
3000
Αυτό διαρκεί έξι μήνες χωρίς καθόλου ενέργεια,
02:13
absolutely zero power,
50
118000
2000
απολύτως μηδενική ενέργεια,
02:15
because it loses less
51
120000
2000
γιατί έχει απώλεια μικρότερη
02:17
than a half a watt.
52
122000
2000
από μισό βατ.
02:19
Now, this is our second generations prototype.
53
124000
3000
Τώρα, αυτό είναι το πρωτότυπο της δεύτερης γενιάς μας.
02:22
The third generation prototype is, right now,
54
127000
2000
Το πρωτότυπο τρίτης γενιάς είναι, αυτή τη στιγμή
02:24
in Uganda being tested.
55
129000
3000
στην Ουγκάντα και δοκιμάζεται.
02:27
Now, the reason we were able to come up with this
56
132000
2000
Τώρα, ο λόγος που μπορέσαμε να καταλήξουμε σε αυτό
02:29
is two key ideas:
57
134000
2000
είναι δύο κεντρικές ιδέες:
02:31
One is that this is similar to a cryogenic Dewar,
58
136000
2000
Η μία είναι ότι αυτό είναι παρόμοιο με ένα κρυογονικό δοχείο Dewar,
02:33
something you'd keep liquid nitrogen or liquid helium in.
59
138000
3000
κάτι που διατηρεί μέσα του υγρό άζωτο ή υγρό ήλιο.
02:36
They have incredible insulation,
60
141000
2000
Έχουν απίστευτη μόνωση,
02:38
so let's put some incredible insulation here.
61
143000
2000
έτσι ας βάλουμε λίγη απίστευτη μόνωση εδώ.
02:40
The other idea is kind of interesting,
62
145000
3000
Η άλλη ιδέα είναι κατά κάποιο τρόπο ενδιαφέρουσα:
02:43
which is, you can't reach inside anymore.
63
148000
3000
δεν έχετε πια πρόσβαση στο εσωτερικό.
02:46
Because if you open it up and reach inside,
64
151000
2000
Γιατί αν την ανοίξετε και αποκτήσετε πρόσβαση στο εσωτερικό,
02:48
you'd let the heat in, the game would be over.
65
153000
2000
θα επιτρέψετε την είσοδο θερμότητας και όλα θα τελειώσουν.
02:50
So the inside of this thing actually looks like a Coke machine.
66
155000
3000
Έτσι το εσωτερικό αυτού του πράγματος στην πραγματικότητα μοιάζει με μία μηχανή πώλησης Κόκα Κόλα.
02:53
It vends out little individual vials.
67
158000
3000
Είναι αυτόματος πωλητής για μικρά, μεμονωμένα φιαλίδια.
02:56
So a simple idea,
68
161000
2000
Έτσι μια απλή ιδέα,
02:58
which we hope is going to change the way vaccines are distributed
69
163000
3000
η οποία ελπίζουμε ότι πρόκειται να αλλάξει τον τρόπο με τον οποίο τα εμβόλια διανέμονται,
03:01
in Africa and around the world.
70
166000
2000
στην Αφρική και σ'όλο τον κόσμο.
03:04
We'll move on to malaria.
71
169000
2000
Θα προχωρήσουμε στην ελονοσία.
03:06
Malaria is one of the great public health problems.
72
171000
3000
Η ελονοσία είναι ένα από τα μεγάλα προβλήματα της δημόσιας υγείας.
03:09
Esther Duflo talked a little bit about this.
73
174000
2000
Η Έσθερ Ντάφλο μίλησε λίγο για αυτό.
03:11
Two hundred million people a year.
74
176000
3000
Διακόσια πενήντα εκατομμύρια άνθρωποι αρρωσταίνουν κάθε χρόνο.
03:14
Every 43 seconds a child in Africa dies;
75
179000
3000
Κάθε 43 δευτερόλεπτα ένα παιδί στην Αφρική πεθαίνει,
03:18
27 will die during my talk.
76
183000
3000
27 θα πεθάνουν κατά τη διάρκεια της ομιλίας μου.
03:23
And there's no way for us here in this country
77
188000
3000
Και δεν υπάρχει κανένας τρόπος για εμάς εδώ σε αυτή τη χώρα
03:26
to grasp really what that means to the people involved.
78
191000
3000
να κατανοήσουμε τι πραγματικά σημαίνει αυτό για τους ανθρώπους που εμπλέκονται.
03:29
Another comment of Esther's
79
194000
2000
Ένα άλλο σχόλιο της Έσθερ
03:31
was that we react when there's
80
196000
2000
ήταν ότι αντιδρούμε όταν συμβαίνει
03:33
a tragedy like Haiti,
81
198000
2000
μια τραγωδία όπως αυτή στην Αϊτή,
03:35
but that tragedy is ongoing.
82
200000
2000
αλλά εκείνη η τραγωδία εξελίσσεται.
03:37
So what can we do about it?
83
202000
2000
Έτσι, τι μπορούμε να κάνουμε γι' αυτό;
03:39
Well, there are a lot of things people have tried
84
204000
2000
Λοιπόν, υπάρχουν πολλά πράγματα που οι άνθρωποι έχουν δοκιμάσει
03:41
for many years for solving malaria.
85
206000
2000
για πολλά χρόνια για να επιλύσουν την ελονοσία.
03:43
You can spray; the problem is there are environmental issues.
86
208000
3000
Μπορείτε να ψεκάσετε, το πρόβλημα είναι ότι υπάρχουν περιβαλλοντολογικά ζητήματα.
03:46
You can try to treat people and create awareness.
87
211000
3000
Μπορείτε να δοκιμάσετε να θεραπεύσετε τους ανθρώπους και να ευαισθητοποιήσετε.
03:49
That's great, except the places that have malaria really bad,
88
214000
3000
Αυτό είναι εξαιρετικό, με τη διαφορά ότι τα μέρη που έχουν πραγματική έξαρση ελονοσίας,
03:52
they don't have health care systems.
89
217000
2000
δεν διαθέτουν συστήματα υγειονομικής περίθαλψης.
03:54
A vaccine would be a terrific thing,
90
219000
2000
Ένα εμβόλιο θα ήταν κάτι καταπληκτικό,
03:56
only they don't work yet.
91
221000
2000
μόνο που δεν έχει ακόμα αποτέλεσμα.
03:58
People have tried for a long time. There are a couple of interesting candidates.
92
223000
3000
Οι άνθρωποι δοκίμασαν για μεγάλο χρονικό διάστημα. Υπάρχουν ένα-δύο ενδιαφέροντα υποψήφια.
04:01
It's a very difficult thing to make a vaccine for.
93
226000
3000
Είναι πολύ δύσκολο πράγμα να βρεθεί εμβόλιο για αυτή.
04:05
You can distribute bed nets,
94
230000
2000
Μπορείτε να μοιράσετε κουνουπιέρες,
04:07
and bed nets are very effective if you use them.
95
232000
3000
και οι κουνουπιέρες είναι πολύ αποτελεσματικές αν τις χρησιμοποιείτε.
04:10
You don't always use them for that. People fish with them.
96
235000
2000
Δεν τις χρησιμοποιείτε πάντα γι'αυτό. Οι άνθρωποι ψαρεύουν μ'αυτές.
04:12
They don't always get to everyone.
97
237000
2000
Δεν φτάνουν πάντα στον καθένα.
04:14
And bed nets
98
239000
2000
Και οι κουνουπιέρες
04:16
have an effect on the epidemic,
99
241000
2000
έχουν κάποιο αποτέλεσμα στην επιδημία,
04:18
but you're never going to make it extinct with bed nets.
100
243000
3000
αλλά ποτέ δεν πρόκειται να την εξαλείψετε με κουνουπιέρες.
04:21
Now, malaria is
101
246000
2000
Τώρα, η ελονοσία είναι
04:23
an incredibly complicated disease.
102
248000
3000
μια απίστευτα πολύπλοκη ασθένεια.
04:26
We could spend hours going over this.
103
251000
2000
Θα μπορούσαμε να περάσουμε ώρες μιλώντας γι΄αυτήν.
04:28
It's got this sort of soap opera-like lifestyle;
104
253000
2000
Έχει αυτό τον τρόπο ζωής σαν σαπουνόπερα,
04:30
they have sex, they burrow into your liver,
105
255000
3000
υπάρχει σεξ, τρυπώνουν στο συκώτι σας,
04:33
they tunnel into your blood cells ...
106
258000
3000
διεισδύουν στα αιμοσφαίριά σας...
04:36
it's an incredibly complicated disease,
107
261000
2000
είναι μια απίστευτα πολύπλοκη ασθένεια,
04:38
but that's actually one of the things we find interesting about it
108
263000
3000
όμως αυτό είναι στην πραγματικότητα ένα από τα πράγματα που βρίσκουμε ενδιαφέροντα γι' αυτή
04:41
and why we work on malaria:
109
266000
2000
και ο λόγος που δουλεύουμε στην ελονοσία:
04:43
There's a lot of potential ways in.
110
268000
3000
Υπάρχουν πολλοί δυνητικοί τρόποι γι' αυτό.
04:47
One of those ways might be better diagnosis.
111
272000
3000
Ένας από αυτούς τους τρόπους θα ήταν η καλύτερη διάγνωση.
04:50
So we hope this year
112
275000
2000
Έτσι ελπίζουμε αυτή τη χρονιά
04:52
to prototype each of these devices.
113
277000
3000
να φτιάξουμε πρωτότυπα για καθεμία από αυτές τις συσκευές.
04:56
One does an automatic malaria diagnosis
114
281000
3000
Μία κάνει αυτόματη διάγνωση ελονοσίας
04:59
in the same way that a diabetic's glucose meter works:
115
284000
3000
με τον ίδιο τρόπο που λειτουργεί ο μετρητής γλυκόζης ενός διαβητικού:
05:02
You take a drop of blood,
116
287000
2000
Παίρνετε μια σταγόνα αίματος,
05:04
you put it in there and it automatically tells you.
117
289000
2000
την βάζετε εκεί μέσα και σας λέει αυτομάτως.
05:06
Today, you need to do a complicated laboratory procedure,
118
291000
3000
Σήμερα, χρειάζεται να κάνετε μια περίπλοκη εργαστηριακή διαδικασία,
05:09
create a bunch of microscope slides
119
294000
2000
δημιουργείτε ένα σωρό διαφάνειες μικροσκοπίου
05:11
and have a trained person examine it.
120
296000
3000
και βάζετε κάποιον εκπαιδευμένο να το εξετάσει.
05:14
The other thing is, you know,
121
299000
2000
Κάτι άλλο, ξέρετε,
05:16
it would be even better if you didn't have to draw the blood.
122
301000
3000
ακόμα καλύτερο θα ήταν αν δεν χρειαζόταν να πάρετε αίμα.
05:19
And if you look through the eye,
123
304000
2000
Και αν κοιτάξετε διαμέσου του ματιού,
05:21
or you look at the vessels on the white of the eye,
124
306000
3000
ή κοιτάξετε τα αγγεία πάνω στο λευκό του ματιού,
05:24
in fact, you may be able to do this
125
309000
2000
στην πραγματικότητα, ίσως μπορείτε να το κάνετε
05:26
directly, without drawing any blood at all,
126
311000
3000
απευθείας, χωρίς να τραβήξετε καθόλου αίμα,
05:29
or through your nail beds.
127
314000
2000
ή διαμέσου των νυχιών σας.
05:31
Because if you actually look through your fingernails, you can see blood vessels,
128
316000
3000
Γιατί κυριολεκτικά κοιτάξετε διαμέσου των νυχιών σας, μπορείτε να δείτε αιμοφόρα αγγεία,
05:34
and once you see blood vessels, we think we can see the malaria.
129
319000
3000
και μόλις δείτε τα αγγεία, νομίζουμε ότι μπορούμε να δούμε την ελονοσία.
05:38
We can see it because of this molecule
130
323000
2000
Μπορούμε να τη δούμε εξαιτίας αυτού του μορίου
05:40
called hemozoin.
131
325000
2000
που ονομάζεται αιμοζωίνη.
05:42
It's produced by the malaria parasite
132
327000
3000
Παράγεται από το παράσιτο της ελονοσίας
05:45
and it's a very interesting crystalline substance.
133
330000
3000
και είναι μια πολύ ενδιαφέρουσα κρυσταλλική ουσία.
05:49
Interesting, anyway, if you're a solid-state physicist.
134
334000
2000
Ενδιαφέρουσα, σε κάθε περίπτωση, αν είστε φυσικός στερεάς κατάστασης.
05:51
There's a lot of cool stuff we can do with it.
135
336000
3000
Είναι πλήθος ενδιαφέροντα πράγματα που μπορούμε να κάνουμε με αυτή.
05:54
This is our femtosecond laser lab.
136
339000
3000
Αυτό είναι το εργαστήριο μας με λέιζερ φεμτοδευτερόλεπτου.
05:57
So this creates pulses of light
137
342000
2000
Αυτό, λοιπόν, δημιουργεί παλμούς φωτός
05:59
that last a femtosecond.
138
344000
2000
που διαρκούν ένα φεμτοδευτερόλεπτο.
06:01
That's really, really, really short.
139
346000
3000
Αυτό είναι αλήθεια, πολύ, πολύ σύντομο.
06:05
This is a pulse of light that's
140
350000
2000
Αυτός είναι ένας παλμός φωτός ο οποίος είναι
06:07
only about one wavelength of light long,
141
352000
2000
μόνο περίπου ένα μήκος κύματος φωτός μακρύς,
06:09
so it's a whole bunch of photons
142
354000
2000
έτσι είναι ένας ολόκληρος σωρός από φωτόνια
06:11
all coming and hitting simultaneously.
143
356000
2000
όπου όλα έρχονται και συγκρούονται ταυτόχρονα.
06:13
It creates a very high peak power
144
358000
2000
Δημιουργείται μία πολύ υψηλή μέγιστη ισχύ
06:15
and it lets you do all kinds of interesting things;
145
360000
2000
και σας επιτρέπει να κάνετε πολλά ενδιαφέροντα πράγματα,
06:17
in particular, it lets you find hemozoin.
146
362000
2000
ιδιαίτερα, σας επιτρέπει να βρίσκετε αιμοζωίνη.
06:19
So here's an image of red blood cells,
147
364000
3000
Λοιπόν εδώ είναι μια εικόνα ερυθρών αιμοσφαιρίων,
06:22
and now we can actually map
148
367000
2000
και τώρα μπορούμε κυριολεκτικά να χαρτογραφίσουμε
06:24
where the hemozoin and where the malaria parasites are
149
369000
3000
που είναι η αιμοζωίνη και που είναι τα παράσιτα της ελονοσίας
06:27
inside those red blood cells.
150
372000
2000
μέσα σε εκείνα τα ερυθρά αιμοσφαίρια.
06:29
And using both this technique
151
374000
2000
Και χρησιμοποιώντας ταυτόχρονα αυτή την τεχνική
06:31
and other optical techniques,
152
376000
2000
και άλλες οπτικές τεχνικές,
06:33
we think we can make those diagnostics.
153
378000
2000
νομίζουμε ότι μπορούμε να κάνουμε αυτές τις διαγνώσεις.
06:35
We also have another hemozoin-oriented
154
380000
2000
Και επίσης έχουμε μια άλλη προσανατολισμένη στην αιμοζωίνη
06:37
therapy for malaria:
155
382000
2000
θεραπεία για την ελονοσία:
06:39
a way, in acute cases, to actually
156
384000
2000
ένα τρόπο, σε οξείες περιπτώσεις, κυριολεκτικά
06:41
take the malaria parasite and filter it out of the blood system.
157
386000
3000
να παίρνουμε το παράσιτο της ελονοσίας και να το φιλτράρουμε έξω από το σύστημα του αίματος.
06:44
Sort of like doing dialysis,
158
389000
2000
Κάτι σαν να κάνουμε διάλυση,
06:46
but for relieving the parasite load.
159
391000
3000
αλλά για ανακούφιση από το φορτίο του παρασίτου.
06:49
This is our thousand-core supercomputer.
160
394000
3000
Αυτός είναι ο χιλιο-πύρηνος υπερυπολογιστής μας.
06:52
We're kind of software guys,
161
397000
2000
Είμαστε κατά κάποιο τρόπο τύποι της πληροφορικής,
06:54
and so nearly any problem that you pose,
162
399000
3000
και έτσι σχεδόν κάθε πρόβλημα που θέτετε,
06:57
we like to try to solve with some software.
163
402000
3000
μας αρέσει να προσπαθούμε να το λύσουμε με κάποιον κώδικα.
07:00
One of the problems that you have if you're trying to eradicate malaria
164
405000
3000
Ένα από το προβλήματα που έχετε αν προσπαθείτε να εξαλείψετε την ελονοσία
07:03
or reduce it
165
408000
2000
ή να την ελαττώσετε
07:05
is you don't know what's the most effective thing to do.
166
410000
3000
είναι ότι δεν γνωρίζετε ποιο είναι το πιο αποτελεσματικό πράγμα να κάνετε.
07:08
Okay, we heard about bed nets earlier.
167
413000
2000
Εντάξει, ακούσαμε νωρίτερα για τις κουνουπιέρες.
07:10
You spend a certain amount per bed net.
168
415000
2000
Ξοδεύετε ένα συγκεκριμένο ποσό ανά κουνουπιέρα.
07:12
Or you could spray.
169
417000
2000
Ή θα μπορούσατε να ψεκάσετε.
07:14
You can give drug administration.
170
419000
2000
Μπορείτε να δώσετε φαρμακευτική αγωγή.
07:16
There's all these different interventions
171
421000
2000
Υπάρχουν όλες αυτές οι διαφορετικές παρεμβάσεις
07:18
but they have different kinds of effectiveness.
172
423000
2000
αλλά αυτές έχουν διάφορα είδη αποτελεσματικότητας.
07:20
How can you tell?
173
425000
2000
Πώς μπορείτε να βγάλετε συμπέρασμα;
07:22
So we've created, using our supercomputer,
174
427000
2000
Έτσι δημιουργήσαμε, χρησιμοποιώντας τον υπερυπολογιστή μας,
07:24
the world's best computer model of malaria,
175
429000
2000
το καλύτερο υπολογιστικό μοντέλο στον κόσμο για την ελονοσία,
07:26
which we'll show you now.
176
431000
3000
το οποίο θα σας δείξουμε τώρα.
07:29
We picked Madagascar.
177
434000
3000
Επιλέξαμε την Μαδαγασκάρη.
07:32
We have every road,
178
437000
2000
Έχουμε κάθε δρόμο,
07:34
every village,
179
439000
2000
κάθε χωριό,
07:36
every, almost, square inch of Madagascar.
180
441000
3000
κάθε, σχεδόν, τετραγωνική ίντσα της Μαδαγασκάρης.
07:39
We have all of the precipitation data
181
444000
3000
Έχουμε όλα τα στοιχεία βροχοπτώσεων
07:42
and the temperature data.
182
447000
2000
και τα στοιχεία θερμοκρασιών.
07:44
That's very important because the humidity and precipitation
183
449000
3000
Αυτό είναι πολύ σημαντικό, γιατί η υγρασία και η βροχόπτωση
07:47
tell you whether you've got
184
452000
2000
λένε κατά πόσο έχετε
07:49
standing pools of water for the mosquitoes to breed.
185
454000
3000
λιμνάζοντα νερά για να αναπαραχθούν τα κουνούπια.
07:52
So that sets the stage on which you do this.
186
457000
3000
Έτσι εκείνο καθορίζει το στάδιο στο οποίο μπορείτε να κάνετε αυτό.
07:55
You then have to introduce the mosquitoes,
187
460000
2000
Μετά πρέπει να εισάγετε τα κουνούπια,
07:57
and you have to model that
188
462000
2000
και πρέπει να μοντελοποιήσετε αυτό
07:59
and how they come and go.
189
464000
2000
και πώς έρχονται και φεύγουν.
08:01
Ultimately, it gives you this.
190
466000
2000
Τελικά, σας δίνει αυτό.
08:03
This is malaria spreading
191
468000
2000
Αυτή είναι η εξάπλωση της ελονοσίας
08:05
across Madagascar.
192
470000
2000
κατά μήκος της Μαδαγασκάρης.
08:07
And this is this latter part of the rainy season.
193
472000
3000
Και αυτό είναι το τελευταίο μέρος της εποχής των βροχών.
08:10
We're going to the dry season now.
194
475000
2000
Πάμε στην περίοδο ξηρασίας τώρα.
08:12
It nearly goes away in the dry season,
195
477000
2000
Σχεδόν εξαφανίζεται στην περίοδο ξηρασίας,
08:14
because there's no place for the mosquitoes to breed.
196
479000
3000
γιατί δεν υπάρχει μέρος για τα κουνούπια να αναπαραχθούν.
08:17
And then, of course, the next year it comes roaring back.
197
482000
3000
Και μετά, φυσικά, την επόμενη χρονιά επιστρέφει παταγωδώς.
08:21
By doing these kinds of simulations,
198
486000
3000
Κάνοντας αυτά τα είδη προσομοιώσεων,
08:24
we want to eradicate or control malaria
199
489000
2000
θέλουμε να εξαλείψουμε ή να ελέγξουμε την ελονοσία
08:26
thousands of times in software
200
491000
3000
χιλιάδες φορές στο λογισμικό
08:29
before we actually have to do it in real life;
201
494000
3000
πριν το κάνουμε στην πραγματικότητα στην αληθινή ζωή,
08:32
to be able to simulate both the economic trade-offs --
202
497000
3000
να είμαστε σε θέση να προσομοιώνουμε και τους οικονομικούς συμβιβασμούς --
08:35
how many bed nets versus how much spraying? --
203
500000
3000
πόσες κουνουπιέρες έναντι πόσου ψεκασμού; --
08:38
or the social trade-offs --
204
503000
2000
ή τους κοινωνικούς συμβιβασμούς --
08:40
what happens if unrest breaks out?
205
505000
3000
τι θα συμβεί αν ξεσπάσουν ταραχές;
08:43
We also try to study our foe.
206
508000
2000
Επίσης προσπαθούμε να μελετήσουμε τον αντίπαλό μας.
08:45
This is a high-speed camera view
207
510000
2000
Αυτή είναι μια εικόνα κάμερας υψηλής ταχύτητας
08:47
of a mosquito.
208
512000
2000
ενός κουνουπιού.
08:50
And, in a moment,
209
515000
2000
Και σε μία στιγμή,
08:52
we're going to see a view of the airflow.
210
517000
3000
πρόκειται να δούμε μια εικόνα της ροής αέρα.
08:55
Here, we're trying to visualize the airflow
211
520000
2000
Εδώ, προσπαθούμε να οπτικοποιήσουμε τη ροή αέρα
08:57
around the wings of the mosquito
212
522000
2000
γύρω από τα πτερύγια του κουνουπιού
08:59
with little particles we're illuminating with a laser.
213
524000
3000
με μικρά σωματίδια που φωτίζουμε με ένα λέιζερ.
09:02
By understanding how mosquitoes fly,
214
527000
2000
Καταλαβαίνοντας πως πετούν τα κουνούπια,
09:04
we hope to understand how to make them not fly.
215
529000
3000
ελπίζουμε να καταλάβουμε πώς να τα κάνουμε να μην πετούν.
09:07
Now, one of the ways you can make them not fly
216
532000
2000
Τώρα, ένας από τους τρόπους να τα κάνετε να μην πετούν,
09:09
is with DDT.
217
534000
2000
είναι με DDT (διχλωρο-διφαινυλοτριχλωροαιθάνιο).
09:11
This is a real ad.
218
536000
2000
Αυτή είναι μια πραγματική διαφήμιση.
09:13
This is one of those things you just can't make up.
219
538000
3000
Είναι κάτι που δεν μπορείτε απλά να επινοήσετε.
09:16
Once upon a time, this was the primary technique,
220
541000
3000
Μια φορά κι έναν καιρό, αυτή ήταν η κύρια τεχνική,
09:19
and, in fact, many countries got rid of malaria through DDT.
221
544000
3000
και, στην πραγματικότητα, πολλές χώρες ξεφορτώθηκαν την ελονοσία μέσω του DDT.
09:22
The United States did.
222
547000
2000
Οι Ηνωμένες Πολιτείες το έκαναν.
09:24
In 1935, there were 150,000 cases a year
223
549000
3000
Το 1935, υπήρχαν 150.000 περιστατικά ανά έτος
09:27
of malaria in the United States,
224
552000
3000
ελονοσίας στις Ηνωμένες Πολιτείες,
09:30
but DDT and a massive public health effort
225
555000
2000
αλλά το DDT και μία μαζική προσπάθεια στη δημόσια υγεία
09:32
managed to squelch it.
226
557000
3000
κατάφεραν να τη συντρίψουν.
09:35
So we thought,
227
560000
2000
Έτσι σκεφτήκαμε,
09:37
"Well, we've done all these things that are focused on the Plasmodium,
228
562000
3000
"Λοιπόν, έχουμε κάνει όλα αυτά τα πράγματα που εστιάζουν στο Πλασμόδιο,
09:40
the parasite involved.
229
565000
2000
το παράσιτο που εμπλέκεται.
09:42
What can we do to the mosquito?
230
567000
2000
Τι μπορούμε να κάνουμε στο κουνούπι;
09:44
Well, let's try to kill it with consumer electronics."
231
569000
3000
Λοιπόν ας προσπαθήσουμε να το σκοτώσουμε με ηλεκτρονικά μαζικής κατανάλωσης."
09:48
Now, that sounds silly,
232
573000
2000
Τώρα, αυτό ακούγεται χαζό,
09:50
but each of these devices
233
575000
2000
αλλά καθεμία από αυτές τις συσκευές
09:52
has something interesting in it that maybe you could use.
234
577000
3000
έχει κάτι ενδιαφέρον μέσα της που ίσως θα μπορούσατε να χρησιμοποιήσετε.
09:55
Your Blu-ray player has
235
580000
2000
Η συσκευή σας για αναπαραγωγή Blu-ray έχει
09:57
a very cheap blue laser.
236
582000
2000
ένα πολύ φθηνό μπλε λέιζερ.
09:59
Your laser printer has a mirror galvanometer
237
584000
2000
Ο εκτυπωτής σας λέιζερ έχει ένα κατοπτρικό γαλβανόμετρο
10:01
that's used to steer a laser beam very accurately;
238
586000
3000
που χρησιμοποιείται για να κατευθύνει μια δέσμη λέιζερ με πολλή ακρίβεια,
10:04
that's what makes those little dots on the page.
239
589000
3000
αυτό είναι που κάνει εκείνες τις μικρές τελείες στη σελίδα.
10:07
And, of course, there's signal processing
240
592000
2000
Και φυσικά, υπάρχει επεξεργασία σήματος
10:09
and digital cameras.
241
594000
2000
και ψηφιακές κάμερες.
10:11
So what if we could put all that together
242
596000
3000
Έτσι τι θα γινόταν αν μπορούσαμε να τα βάλουμε όλα αυτά μαζί
10:14
to shoot them out of the sky with lasers?
243
599000
3000
για να τα καταρρίψουμε με λέιζερ;
10:17
(Laughter)
244
602000
2000
(Γέλιο)
10:19
(Applause)
245
604000
3000
(Χειροκρότημα)
10:22
Now, in our company, this is what we call
246
607000
3000
Τώρα, στην εταιρεία μας, αυτό είναι που ονομάζουμε
10:25
"the pinky-suck moment."
247
610000
2000
"η στιγμή πιπιλίσματος του μικρού δακτύλου"
10:27
(Laughter)
248
612000
2000
(Γέλιο)
10:29
What if we could do that?
249
614000
2000
Κι αν θα μπορούσαμε να το κάνουμε;
10:31
Now, just suspend disbelief for a moment,
250
616000
3000
Τώρα, απλώς αναστείλετε τη δυσπιστία για μια στιγμή,
10:34
and let's think of what could happen
251
619000
2000
και ας σκεφτούμε τι θα συνέβαινε
10:36
if we could do that.
252
621000
2000
αν θα μπορούσαμε να το κάνουμε αυτό.
10:38
Well, we could protect very high-value targets like clinics.
253
623000
3000
Λοιπόν, θα μπορούσαμε να προστατεύσουμε στόχους πολύ υψηλής αξίας όπως οι κλινικές.
10:41
Clinics are full of people that have malaria.
254
626000
3000
Οι κλινικές είναι γεμάτες ανθρώπους με ελονοσία.
10:44
They're sick, and so they're less able to defend themselves from the mosquitoes.
255
629000
3000
Είναι άρρωστοι, κι έτσι είναι λιγότερο ικανοί να υπερασπίζουν τον εαυτό τους από τα κουνούπια.
10:47
You really want to protect them.
256
632000
2000
Στ' αλήθεια θέλετε να τους προστατεύσετε.
10:49
Of course, if you do that,
257
634000
2000
Φυσικά, αν κάνετε αυτό,
10:51
you could also protect your backyard.
258
636000
2000
θα μπορούσατε επίσης να προστατεύσετε την αυλή σας.
10:53
And farmers could protect their crops
259
638000
2000
Και οι αγρότες θα μπορούσαν να προστατεύσουν τις σοδειές τους
10:55
that they want to sell to Whole Foods
260
640000
2000
τις οποίες θέλουν να πουλήσουν στη Λαχαναγορά
10:57
because our photons
261
642000
2000
γιατί τα φωτόνιά μας
10:59
are 100 percent organic. (Laughter)
262
644000
2000
είναι 100% οργανικά. (Γέλιο)
11:01
They're completely natural.
263
646000
3000
Είναι πλήρως φυσικά.
11:04
Now, it actually gets better than this.
264
649000
2000
Τώρα, στην πραγματικότητα γίνεται καλύτερο απ' αυτό.
11:06
You could, if you're really smart,
265
651000
3000
Θα μπορούσατε, αν είστε στα αλήθεια έξυπνοι,
11:09
you could shine a nonlethal laser on the bug
266
654000
3000
θα μπορούσατε να ακτινοβολήσετε ένα μη φονικό λέιζερ στο ζωύφιο
11:12
before you zap it,
267
657000
2000
πριν το εξολοθρεύσετε,
11:14
and you could listen to the wing beat frequency
268
659000
2000
και θα μπορούσατε να ακούσετε τη συχνότητα χτύπων πτερυγίων
11:16
and you could measure the size.
269
661000
2000
και θα μπορούσατε να μετρήσετε το μέγεθος.
11:18
And then you could decide:
270
663000
2000
Και μετά θα μπορούσατε να αποφασίσετε:
11:20
"Is this an insect I want to kill,
271
665000
2000
"Είναι αυτό ένα έντομο που θέλω να σκοτώσω,
11:22
or an insect I don't want to kill?"
272
667000
2000
ή ένα έντομο που δεν θέλω να σκοτώσω΄"
11:24
Moore's law made computing cheap;
273
669000
2000
Ο νόμος του Μουρ έκανε την υπολογιστική ισχύ φθηνή,
11:26
so cheap we can weigh
274
671000
2000
τόσο φθηνή που μπορούμε να ζυγίσουμε
11:28
the life of an individual insect
275
673000
2000
τη ζωή ενός συγκεκριμένου εντόμου
11:30
and decide thumbs up
276
675000
3000
και να αποφασίσουμε εάν θα ζήσει
11:33
or thumbs down. (Laughter)
277
678000
3000
ή εάν θα πεθάνει. (Γέλιο)
11:36
Now, it turns out we only kill the female mosquitoes.
278
681000
3000
Τώρα, προκύπτει ότι σκοτώνουμε μόνο τα θηλυκά κουνούπια.
11:39
They're the only ones that are dangerous.
279
684000
2000
Είναι τα μόνα που είναι επικίνδυνα.
11:41
Mosquitoes only drink blood
280
686000
2000
Τα κουνούπια πίνουν αίμα μόνο
11:43
to lay eggs.
281
688000
2000
για να εναποθέτουν αυγά.
11:45
Mosquitoes actually live ... their day-to-day nutrition
282
690000
3000
Τα κουνούπια στην πραγματικότητα ζούνε με... η καθημερινή διατροφή τους
11:48
comes from nectar, from flowers --
283
693000
2000
προέρχεται από νέκταρ, από λουλούδια --
11:50
in fact, in the lab, we feed ours raisins --
284
695000
3000
Στην πραγματικότητα, στο εργαστήριο, ταΐζουμε τα δικά μας με σταφίδες -
11:53
but the female needs the blood meal.
285
698000
3000
αλλά τα θηλυκά χρειάζονται το γεύμα αίματος.
11:56
So, this sounds really crazy, right?
286
701000
2000
Λοιπόν, αυτό ακούγεται στα αλήθεια τρελό, σωστά;
11:58
Would you like to see it?
287
703000
2000
Θα θέλατε να το δείτε;
12:00
Audience: Yeah!
288
705000
2000
Ακροατήριο: Ναι!
12:02
Nathan Myhrvold: Okay, so our legal department prepared a disclaimer,
289
707000
3000
Νέιθαν Μάιχρβολτ: Εντάξει, λοιπόν το νομικό τμήμα μας ετοίμασε μια αποποίηση ευθυνών,
12:06
and here it is.
290
711000
2000
που είναι αυτό εδώ.
12:08
(Laughter)
291
713000
3000
(Γέλιο)
12:13
Now, after thinking about this a little bit
292
718000
3000
Τώρα, αφού το σκεφτήκαμε για λίγο
12:16
we thought, you know, it probably would be simpler
293
721000
2000
νομίσαμε, ξέρετε, ίσως θα ήταν απλούστερο
12:18
to do this with a nonlethal laser.
294
723000
2000
να το κάνουμε με ένα μη φονικό λέιζερ.
12:20
So, Eric Johanson, who built the device,
295
725000
3000
Έτσι, ο Έρικ Γιόχανσον, ο οποίος έφτιαξε τη συσκευή,
12:23
actually, with parts from eBay;
296
728000
2000
στην πραγματικότητα με εξαρτήματα από το eBay,
12:25
and Pablos Holman over here,
297
730000
2000
και ο Πάμπλος Χόλμαν εκεί πέρα,
12:27
he's got mosquitoes in the tank.
298
732000
2000
έχει κουνούπια στη δεξαμενή.
12:29
We have the device over here.
299
734000
2000
Έχουμε τη συσκευή εδώ.
12:31
And we're going to show you,
300
736000
2000
Και πρόκειται να σας δείξουμε,
12:33
instead of the kill laser,
301
738000
2000
αντί του φονικού λέιζερ,
12:35
which will be a very brief, instantaneous pulse,
302
740000
2000
το οποίο θα είναι ένας πολύ σύντομος, στιγμιαίος παλμός,
12:37
we're going to have a green laser pointer
303
742000
2000
πρόκειται να έχουμε ένα πράσινο καταδείκτη λέιζερ
12:39
that's going to stay on the mosquito for, actually, quite a long period of time;
304
744000
3000
που θα μείνει πάνω στο κουνούπι, στην πραγματικότητα, για μεγάλη χρονική περίοδο,
12:42
otherwise, you can't see it very well.
305
747000
2000
αλλιώς δεν μπορείτε να το δείτε πολύ καλά.
12:44
Take it away Eric.
306
749000
2000
Δικό σου Έρικ.
12:46
Eric Johanson: What we have here
307
751000
2000
Έρικ Γιόχανσον: Αυτό που έχουμε εδώ
12:48
is a tank on the other side of the stage.
308
753000
2000
είναι μια δεξαμενή στην άλλη άκρη της σκηνής.
12:50
And we have ... this computer screen
309
755000
2000
Και έχουμε... αυτή η οθόνη υπολογιστή
12:52
can actually see the mosquitoes as they fly around.
310
757000
2000
μπορεί στην πραγματικότητα να δει τα κουνούπια καθώς πετούν τριγύρω.
12:54
And Pablos, if he stirs up our mosquitoes a little bit
311
759000
3000
Και ο Πάμπλος, αν ανακατέψει λίγο τα κουνούπια μας
12:57
we can see them flying around.
312
762000
2000
μπορούμε να τα δούμε να πετούν τριγύρω.
12:59
Now, that's a fairly straightforward image processing routine,
313
764000
2000
Τώρα, αυτή είναι μια αρκετά απλή ρουτίνα επεξεργασίας εικόνας,
13:01
and let me show you how it works.
314
766000
2000
και επιτρέψτε μου να σας δείξω πώς δουλεύει.
13:03
Here you can see that the insects are being tracked
315
768000
2000
Εδώ μπορείτε να δείτε ότι τα έντομα εγκλωβίζονται
13:05
as they're flying around,
316
770000
2000
καθώς πετούν τριγύρω,
13:07
which is kind of fun.
317
772000
3000
κάτι που είναι κάπως διασκεδαστικό.
13:10
Next we can actually light them up with a laser. (Laughter)
318
775000
2000
Στη συνέχεια μπορούμε να τα φωτίσουμε με ένα λέιζερ. (Γέλιο)
13:12
Now, this is a low powered laser,
319
777000
2000
Τώρα, αυτό είναι ένα λέιζερ χαμηλής ισχύος,
13:14
and we can actually pick up a wing-beat frequency.
320
779000
2000
και μπορούμε να επιλέξουμε μια συχνότητα χτύπων πτερυγίου.
13:16
So you may be able to hear some mosquitoes flying around.
321
781000
3000
Έτσι ίσως μπορείτε να ακούσετε μερικά κουνούπια να πετάνε τριγύρω.
13:19
NM: That's a mosquito wing beat you're hearing.
322
784000
3000
ΝΜ: Αυτό που ακούτε είναι ο χτύπος του φτερού ενός κουνουπιού.
13:24
EJ: Finally, let's see what this looks like.
323
789000
3000
ΕΤ: Τέλος, ας δούμε πως είναι.
13:29
There you can see mosquitoes as they fly around, being lit up.
324
794000
3000
Εκεί μπορείτε να δείτε κουνούπια να φωτίζονται καθώς πετούν.
13:32
This is slowed way down
325
797000
2000
Αυτό επιβραδύνεται σημαντικά
13:34
so that you have an opportunity to see what's happening.
326
799000
2000
ώστε να έχετε μια ευκαιρία να δείτε τι συμβαίνει.
13:36
Here we have it running at high-speed mode.
327
801000
2000
Εδώ το έχουμε να τρέχει σε λειτουργία υψηλής ταχύτητας.
13:38
So this system that was built for TED is here to illustrate
328
803000
2000
Έτσι αυτό το σύστημα που φτιάχτηκε για το TED είναι εδώ για να δείξει
13:40
that it is technically possible to actually deploy a system like this,
329
805000
3000
ότι είναι τεχνικά εφικτό όντως να χρησιμοποιηθεί ένα τέτοιο σύστημα,
13:43
and we're looking very hard at how to make it
330
808000
3000
και εξετάζουμε πολύ εντατικά πώς να το κάνουμε
13:46
highly cost-effective to use in places like Africa and other parts of the world.
331
811000
3000
εξαιρετικά συμφέρον για χρήση σε μέρη όπως την Αφρική και άλλα σημεία του κόσμου.
13:49
(Applause)
332
814000
6000
(Χειροκρότημα)
13:56
NM: So it wouldn't be any fun to show you that
333
821000
3000
ΝΜ: Έτσι δεν θα είχε πλάκα να σας το δείξω
13:59
without showing you what actually happens when we hit 'em.
334
824000
3000
χωρίς να σας δείξω τι πραγματικά συμβαίνει όταν τα χτυπάμε.
14:02
(Laughter)
335
827000
2000
(Γέλιο)
14:10
(Laughter)
336
835000
3000
(Γέλιο)
14:13
This is very satisfying.
337
838000
2000
Αυτό είναι πολύ ικανοποιητικό.
14:15
(Laughter)
338
840000
2000
(Γέλιο)
14:18
This is one of the first ones we did.
339
843000
2000
Αυτό είναι ένα από τα πρώτα που κάναμε.
14:20
The energy's a little bit high here.
340
845000
2000
Η ενέργειά του είναι λίγο υψηλή εδώ.
14:22
(Laughter)
341
847000
3000
(Γέλιο)
14:27
We'll loop around here in just a second, and you'll see another one.
342
852000
2000
Θα το γυρίσουμε εδώ σε ένα δευτερόλεπτο, και θα δείτε άλλο ένα.
14:29
Here's another one. Bang.
343
854000
2000
Εδώ είναι άλλο ένα. Μπαμ.
14:31
An interesting thing is, we kill them all the time;
344
856000
3000
Ένα ενδιαφέρον πράγμα είναι ότι, τα σκοτώνουμε κάθε φορά,
14:34
we've never actually gotten the wings to shut off in midair.
345
859000
3000
στην πραγματικότητα ποτέ δεν κάναμε τα φτερά να σταματήσουν στον αέρα.
14:37
The wing motor is very resilient.
346
862000
2000
Η κίνηση των φτερών είναι πολύ ανθεκτική.
14:39
I mean, here we're blowing wings off
347
864000
2000
Εννοώ, εδώ ανατινάζουμε τα φτερά
14:41
but the wing motor keeps all the way down.
348
866000
3000
αλλά η κίνηση των φτερών συνεχίζει μέχρι κάτω.
14:45
So, that's what I have. Thanks very much.
349
870000
2000
Λοιπόν, αυτά είχα να πω. Ευχαριστώ πάρα πολύ.
14:47
(Applause)
350
872000
16000
(Χειροκρότημα)
ABOUT THE SPEAKER
Nathan Myhrvold - PolymathNathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer.
Why you should listen
Since leaving his post as Microsoft's Chief Technology Officer in 1999 (with fortune in tow), Nathan Myhrvold has been a professional exemplar of the spirit of the "Renaissance Man," proudly following his interests wherever they've led. His dispersed passions have triggered an impressive list of accomplishments, including world barbecue championships, major archeological finds (several Tyrannosaurus rex skeletons), prize-winning wildlife photography, building a section of Babbage's Difference Engine #2, s, and a new and consuming interest in the sous-vide cooking technique.
Malcolm Gladwell's 2008 New Yorker profile of him revealed an impish but truly inspired character whose latest company, Intellectual Ventures -- which brainstorms and patents a wide array of inventions -- has been accused in some quarters of acting like a 'patent troll' but is described by Myhrvold as "a disruptive organization providing an efficient way for patent holders to get paid for the inventions they own, and... for technology companies to gain easy access to the invention rights they need." After funding big-vision projects such as the Allen Telescope Array, exploring active volcanoes and investigating penguin digestion, Myhrvold insists that his hobbies aren't as discursive as they seem. They do have a common denominator, after all: him.
Nathan Myhrvold | Speaker | TED.com