TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: ¿Cuál será el próximo gran avance científico?
Filmed:
Readability: 4.3
1,571,528 views
A lo largo de la historia, la especulación ha estimulado una ciencia hermosa y revolucionaria, ha abierto los ojos a universos completamente nuevos. "No hablo de la ciencia que avanza a pasos pequeños", dice Eric Haseltine. "Hablo de la ciencia que avanza a pasos agigantados". En esta charla, Haseltine nos lleva con pasión a recorrer los límites de la búsqueda intelectual con dos ideas: una que ya ha hecho historia, y otra que está calando en una de las cuestiones más importantes de la humanidad con ambición admirable; y una buena dosis de escepticismo por parte de muchos.
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Double-click the English transcript below to play the video.
00:12
Tonight, I'm going to share with you
my passion for science.
my passion for science.
0
920
3616
Esta noche, voy a compartir
con Uds. mi pasión por la ciencia.
con Uds. mi pasión por la ciencia.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
No hablo de la ciencia que
avanza a pasos pequeños.
avanza a pasos pequeños.
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
Hablo de la ciencia que avanza
a pasos agigantados.
a pasos agigantados.
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
Hablo de Darwin, de Einstein,
00:27
I'm talking revolutionary science
that turns the world on its head.
that turns the world on its head.
4
15280
3600
hablo de la ciencia revolucionaria
que cambia al mundo.
que cambia al mundo.
00:31
In a moment, I'm going to talk
about two ideas that might do this.
about two ideas that might do this.
5
19440
3400
En un momento, voy a hablar de
dos ideas que podrían hacerlo.
dos ideas que podrían hacerlo.
00:35
I say "might"
6
23800
1216
Digo "podrían"
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
porque la mayoría de las ideas
revolucionarias están equivocadas
revolucionarias están equivocadas
y las que no lo están
rara vez tienen el impacto
rara vez tienen el impacto
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
00:42
that we want them to have.
9
30320
1696
que nos gustaría que tuvieran.
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Para explicar el porqué elegí
dos ideas en particular,
dos ideas en particular,
00:46
I'm going to start with a mystery.
11
34560
1680
empezaré con un misterio.
00:48
1847, Vienna, Austria.
12
36840
3080
Era 1847, Viena, Austria.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Ignaz Semmelweis era un médico sombrío
y compulsivamente meticuloso
y compulsivamente meticuloso
00:56
who ran two maternity clinics.
14
44720
1856
que dirigía dos clínicas de maternidad.
00:58
They were identical except for one thing.
15
46600
2440
Eran idénticas, salvo por una cosa:
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
Las mujeres que daban a luz
morían de fiebres altas
morían de fiebres altas
01:04
three times more often
at one of the clinics than at the other.
at one of the clinics than at the other.
17
52400
3560
con una frecuencia tres veces más alta
en una de las clínicas.
en una de las clínicas.
Al tratar de descubrir cuál era
la diferencia que causaba esto,
la diferencia que causaba esto,
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Semmelweis revisó todo lo que pudo.
01:11
Semmelweis looked at everything he could.
19
59560
2016
01:13
Sanitation? No.
20
61600
1736
¿La sanidad? No.
01:15
Medical procedures? No.
21
63360
2000
¿Los procedimientos médicos? No.
01:18
Air flow? No.
22
66000
1920
¿El flujo de aire? Tampoco.
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
No tuvo una respuesta hasta que
realizó una autopsia a un médico
realizó una autopsia a un médico
01:24
who died of an infected scalpel cut.
24
72080
2000
que había fallecido de
un corte de bisturí infectado.
un corte de bisturí infectado.
Los síntomas del médico eran idénticos
a los de las madres que estaban muriendo.
a los de las madres que estaban muriendo.
01:26
The doctor's symptoms were identical
to those of the mothers who were dying.
to those of the mothers who were dying.
25
74760
3776
01:30
How was that possible?
26
78560
1376
¿Cómo podía ser?
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
¿Cómo podía un médico tener
lo mismo que una madre reciente?
lo mismo que una madre reciente?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis reconstruyó todo
lo que el médico había hecho
lo que el médico había hecho
01:38
right before he got sick,
29
86840
1256
antes de que se enfermara
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
y descubrió que había estado
realizando una autopsia.
realizando una autopsia.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
¿Tenía algo en la herida que lo mató?
01:48
With growing excitement,
32
96760
1776
Muy entusiasmado
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
Semmelweis buscó cualquier conexión
01:53
between dead bodies in the morgue
and dead mothers in his delivery room,
and dead mothers in his delivery room,
34
101400
5376
entre los cuerpos de la morgue y las
madres fallecidas en la sala de partos,
madres fallecidas en la sala de partos,
01:58
and he found it.
35
106800
1600
y la encontró.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Resultó que en el hospital
que tenía alta tasa de muerte,
que tenía alta tasa de muerte,
02:04
but not the others,
37
112200
1776
pero no en otros,
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
los médicos atendían partos inmediatamente
después de realizar autopsias.
después de realizar autopsias.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
¡Ajá! Los cadáveres estaban contaminando
las manos de los médicos
las manos de los médicos
02:15
and killing his mothers.
40
123120
1240
y matando a las madres.
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Así que ordenó a sus médicos
se esterelizaran las manos,
se esterelizaran las manos,
02:20
and the deaths stopped.
42
128320
2280
y las muertes se detuvieron.
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
Ignaz Semmelweis había descubierto
las enfermedades infecciosas.
las enfermedades infecciosas.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
Pero los médicos de ese tiempo
creían que estaba loco,
creían que estaba loco,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
porque sabían desde hace cientos de años
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
que los vapores fétidos llamados miasmas
causaban las enfermedades
causaban las enfermedades
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
y no estas partículas hipotéticas
que no se podían ver.
que no se podían ver.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
No fue sino hasta 20 años después
que el francés Louis Pasteur
que el francés Louis Pasteur
probara que Semmelweis
estaba en lo correcto.
estaba en lo correcto.
02:49
to prove that Semmelweis was right.
49
157080
1960
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur era un químico agrícola
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
que trató de descubrir por qué la leche
y la cerveza se podrían tan a menudo.
y la cerveza se podrían tan a menudo.
02:58
He found that bacteria were the culprits.
52
166600
2440
Descubrió que las bacterias
eran las culpables.
eran las culpables.
03:02
He also found that bacteria
could kill people in exactly the same way
could kill people in exactly the same way
53
170160
3856
También descubrió que las bacterias
podían matar exactamente de la misma forma
podían matar exactamente de la misma forma
como los pacientes de
Semmelweis morían.
Semmelweis morían.
03:06
that Semmelweis's patients were dying.
54
174040
2320
03:09
We now look at what I want
to talk about tonight, in two ideas.
to talk about tonight, in two ideas.
55
177120
4400
Ahora veamos de qué quiero
hablar esta noche, de dos ideas.
hablar esta noche, de dos ideas.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
Vimos que Semmelweis
fue un revolucionario.
fue un revolucionario.
03:18
He did it for two reasons.
57
186560
1256
Lo fue por dos razones.
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
La primera, nos abrió los ojos
a un mundo completamente nuevo.
a un mundo completamente nuevo.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
Conocíamos las bacterias
desde la década de 1680.
desde la década de 1680.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
Solo que no sabíamos que mataban personas.
03:29
And he also demolished fond ideas
that people kept close to their heart.
that people kept close to their heart.
61
197200
5056
También destruyó ideas en las que
la gente creía muy profundamente.
la gente creía muy profundamente.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
Los miasmas no mataban personas.
Las bacterias sí.
Las bacterias sí.
03:38
So this brings me to the two ideas
I want to talk about tonight.
I want to talk about tonight.
63
206080
3336
Esto nos lleva a las dos ideas
de las que quiero hablar hoy.
de las que quiero hablar hoy.
Una de ellas nos ha abierto los ojos
a un universo completamente nuevo,
a un universo completamente nuevo,
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
03:44
and the other attacks long-held beliefs.
65
212280
3976
y la otra ataca creencias
muy arraigadas.
muy arraigadas.
Empecemos con el Dr. Eric Betzig.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
03:50
He's a physicist who has opened our eyes
to an entirely new world
to an entirely new world
67
218240
3896
Es un físico que nos ha abierto los ojos
a un mundo completamente nuevo
a un mundo completamente nuevo
03:54
by violating the laws of physics.
68
222160
1880
por violar las leyes de la física.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig es un verdadero rebelde.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Dejó un trabajo en el prestigioso
Laboratorio Bell
Laboratorio Bell
donde inventaba nuevos microscopios
para biología
para biología
04:01
inventing new microscopes for biology
71
229480
2256
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
porque pensaba que los científicos
con sus brillantes invenciones
con sus brillantes invenciones
hacían un trabajo pésimo.
04:08
and doing lousy work with them.
73
236120
1520
04:10
So he became a househusband,
74
238880
3040
Así que se hizo amo de casa,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
pero nunca perdió su pasión
por averiguar
por averiguar
cómo conseguir microscopios para ver
los detalles cada vez más finos
los detalles cada vez más finos
04:17
how to get microscopes
to see finer and finer details
to see finer and finer details
76
245960
2896
04:20
than had ever been seen before
or ever could be seen.
or ever could be seen.
77
248880
2477
que nunca antes se habían visto
o que no podían ser vistos.
o que no podían ser vistos.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Esto es crucial si algún día
entendemos cómo funcionan las células,
entendemos cómo funcionan las células,
cómo funciona el cáncer,
04:28
and how cancer works,
79
256440
1495
04:29
and how something
150th the size of a head of a pin
150th the size of a head of a pin
80
257959
5417
y cómo algo 150 veces más pequeño
que la cabeza de un alfiler
que la cabeza de un alfiler
puede hacer todas estas cosas increíbles,
04:35
can do all these amazing things,
81
263400
2136
04:37
like make proteins
82
265560
1576
como producir proteínas,
04:39
and move charges around
83
267160
1896
mover cargas
y todas esas cosas.
04:41
and all of those things.
84
269080
1280
04:43
There's just one problem.
85
271400
1680
Solo hay un problema.
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
Hay algo llamado ley de la física,
y parte de la ley de la física es lo
que llamamos el límite de difracción.
que llamamos el límite de difracción.
04:49
and part of the law of physics
is the thing called the diffraction limit.
is the thing called the diffraction limit.
87
277040
3456
04:52
The diffraction limit is kind of like
when you go to a doctor's office,
when you go to a doctor's office,
88
280520
3376
El límite de difracción es como
cuando vamos a un consultorio médico,
cuando vamos a un consultorio médico,
uno solo puede ver hasta un punto
no importa los lentes que tenga.
no importa los lentes que tenga.
04:55
you can only see so far down,
no matter how good glasses you have.
no matter how good glasses you have.
89
283920
3136
Se lo ha llamado problema imposible.
04:59
This was a so-called impossible problem.
90
287080
3376
Pero uno de los amigos de Betzig descubrió
la manera de tomar una molécula pequeña
la manera de tomar una molécula pequeña
05:02
But one of Betzig's friends
figured out how to take a tiny molecule
figured out how to take a tiny molecule
91
290480
3176
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
más pequeña de lo que podía ver
el mejor microscopio
el mejor microscopio
05:08
and get it to light up and fluoresce.
93
296120
2136
e iluminarla para que sea fluorescente.
"¡Ajá!", dijo Betzig.
05:10
"Aha!" Betzig said.
94
298280
2496
05:12
"I think maybe the laws of physics
are not so unbreakable after all."
are not so unbreakable after all."
95
300800
4696
"Quizá las leyes de la física no son
tan inquebrantables, después de todo".
tan inquebrantables, después de todo".
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Así que armó un microscopio
en la sala de su amigo.
en la sala de su amigo.
No tenía laboratorio.
05:22
He had no laboratory.
97
310400
1816
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Este instrumento revolucionario
iluminó diferentes moléculas de proteínas
iluminó diferentes moléculas de proteínas
05:27
to light up in different colors,
99
315840
1560
con distintos colores,
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
y con una computadora pudo
convertir manchas muy difusas
convertir manchas muy difusas
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
en puntos muy nítidos y producir imágenes
de una claridad sin precedentes.
de una claridad sin precedentes.
05:41
For this work, last year,
102
329520
2296
Por este trabajo, el año pasado,
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
Eric Betzig ganó el Premio Nobel.
05:47
Why?
104
335360
1216
¿Por qué?
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
Porque ahora podemos ver
con un detalle sin precedentes
con un detalle sin precedentes
05:52
things that we never had seen before,
106
340720
1816
cosas que nunca habíamos visto antes,
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
y ahora los médicos pueden manejar
mejor cosas como el cáncer.
mejor cosas como el cáncer.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
¿Pero creen que Betzig se detuvo ahí?
No.
06:01
No.
109
349600
1296
06:02
He wanted movies.
110
350920
1856
Quería películas.
El problema era
06:04
The problem was
111
352800
1216
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
que incluso los microscopios ingeniosos
que inventó eran demasiado lentos.
que inventó eran demasiado lentos.
¿Qué hizo entonces?
06:10
So what did he do?
113
358040
1256
06:11
He came up with a 200-year-old idea
114
359320
3576
Recurrió a una idea de 200 años
06:14
called moiré patterns.
115
362920
1696
llamada patrones de Moiré.
06:16
So the way that works is
if you take two very, very fine patterns
if you take two very, very fine patterns
116
364640
3456
Funciona así: si se toma
dos patrones muy, muy finos
dos patrones muy, muy finos
06:20
and you move them across each other,
117
368120
1776
y se los mueve uno sobre otro,
06:21
you will see a gross pattern
118
369920
3016
aparecerá un patrón grueso
06:24
that a microscope can see
119
372960
1480
que un microscopio puede ver,
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
que de otra forma no se podría ver.
Así que aplicó esta técnica de tomar
una imagen muy borrosa de una célula
una imagen muy borrosa de una célula
06:29
So he applied this technique
to taking a really blurry image of a cell
to taking a really blurry image of a cell
121
377480
3296
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
y atravesarla con muchos
patrones estructurados de luz
patrones estructurados de luz
06:35
until this cell became crystal clear.
123
383400
2440
hasta que la célula se ve nítidamente.
06:38
And here is the result:
124
386840
2016
Y este es el resultado:
un mundo nuevo y misterioso,
06:40
a mysterious new world,
125
388880
2736
lleno de cosas extrañas
que pasan rápidamente
que pasan rápidamente
06:43
full of strange things zipping around
126
391640
2136
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
haciendo cosas que no entendemos.
06:49
But when we figure it out,
we'll have a better handle on life itself.
we'll have a better handle on life itself.
128
397600
3976
Pero cuando lo comprendamos, tendremos
un mejor manejo de la vida en sí.
un mejor manejo de la vida en sí.
Por ejemplo, ¿qué son esos
globos verdes que se ven?
globos verdes que se ven?
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
06:55
Those things are called clathrins.
130
403720
1680
Es la denominada clatrina.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
Son moléculas que
protegen otras moléculas
protegen otras moléculas
conforme se mueven por una célula.
07:00
as they move through a cell.
132
408400
1376
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Desafortunadamente, a veces los virus
las secuestran para infectar células.
las secuestran para infectar células.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
Además, ¿ven esas cositas sinuosas
que se mueven como gusanos?
que se mueven como gusanos?
Son moléculas de actina.
07:09
Those are actin molecules.
135
417280
2296
Desafortunadamente, los virus
también entran en esas moléculas
también entran en esas moléculas
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
07:14
to get into the cell nucleus
137
422040
1456
para llegar al núcleo de la célula
07:15
to replicate themselves and make you sick.
138
423520
2120
para auto replicarse y enfermarnos.
07:18
Now that we can look at movies
139
426240
1856
Ahora que podemos ver películas
de lo que está pasando en
el interior de una célula,
el interior de una célula,
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
tenemos mejores oportunidades de curar
enfermedades virales como el SIDA.
enfermedades virales como el SIDA.
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
07:27
So when you look at a movie like this,
142
435680
1856
Cuando vemos una película como esta,
07:29
it's very clear that Betzig has opened
our eyes to a completely new world.
our eyes to a completely new world.
143
437560
4000
queda claro que Betzig nos ha abierto
los ojos a un mundo completamente nuevo.
los ojos a un mundo completamente nuevo.
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
Pero él no ha hecho añicos
las creencias más arraigadas.
las creencias más arraigadas.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Eso nos lleva al Dr. Aubrey de Grey
07:42
at Cambridge.
146
450160
1200
en Cambridge.
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey sin duda hace retorcer a los
científicos con una idea interesante:
científicos con una idea interesante:
podemos ser inmortales.
07:48
we can be immortal.
148
456800
1376
07:50
We can beat aging.
149
458200
1616
Podemos vencer el envejecimiento.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
La mayoría de los científicos
cree que está chiflado.
cree que está chiflado.
07:55
Any Biology 101 student knows
151
463320
3296
Cualquier estudiante de
biología elemental sabe
biología elemental sabe
que el envejecimiento es un
fenómeno inevitable, de vivir.
fenómeno inevitable, de vivir.
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
Por ejemplo, cuando comemos,
08:02
For example, when we eat,
153
470680
2096
ingerimos alimentos y los metabolizamos,
08:04
we take in food and we metabolize it,
154
472800
1856
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
eso elimina lo que llamamos
los radicales libres.
los radicales libres.
08:09
You might have heard of those.
156
477080
1456
Puede que hayan oído hablar de ellos.
08:10
Also known as oxygen ions,
157
478560
1936
También son conocidos
como iones de oxígeno,
como iones de oxígeno,
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
que se unen al ADN, lo hacen mutar,
08:14
and cause us to get old and lose our hair.
159
482920
2056
y nos hacen envejecer
y perder el cabello.
y perder el cabello.
08:17
(Laughter)
160
485000
1576
(Risas)
08:18
It's just like, no, it's exactly like
161
486600
2736
Es como si, no, es exactamente igual que
08:21
oxygen binding to iron and making it rust.
162
489360
2176
el oxígeno cuando oxida al hierro.
08:23
So you age because you rust out.
163
491560
2456
Uno envejece porque se oxida.
08:26
(Laughter)
164
494040
2176
(Risas)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
Ah, y los científicos también conocen
hay algo llamado inmortalidad:
hay algo llamado inmortalidad:
en las células del cáncer.
08:33
in cancer cells.
166
501360
1976
08:35
So if you stop aging,
167
503360
2296
Así que si se detiene el envejecimiento,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
todos nos convertiremos en tumores
malignos gigantes que caminan.
malignos gigantes que caminan.
Estas son creencias arraigadas, pero
¿podría de Grey estar en lo cierto?
¿podría de Grey estar en lo cierto?
08:42
These are cherished beliefs,
but could de Grey be on to something?
but could de Grey be on to something?
169
510680
3160
Creo que merece una mirada más de cerca.
08:47
I think he deserves a closer look.
170
515159
1657
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
En primer lugar, me cuesta
verlo como un chiflado.
verlo como un chiflado.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Sí, comenzó como científico
de la computación,
de la computación,
08:54
not a biologist,
173
522360
1496
no como biólogo,
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
pero obtuvo un doctorado
en biología de Cambridge,
en biología de Cambridge,
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
y ha publicado un trabajo
muy significativo
muy significativo
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
en ADN mitocondrial
y muchas otras cosas.
y muchas otras cosas.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
En segundo lugar, creó una
fundación antienvejecimiento
fundación antienvejecimiento
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
que ha identificado
siete causas de envejecimiento,
siete causas de envejecimiento,
09:10
to me, that seem very plausible,
179
538320
2256
para mí parece muy plausible,
09:12
and he is hot in pursuit
of fixes for every single one of them.
of fixes for every single one of them.
180
540600
4136
y busca activamente
corregir cada una de ellas.
corregir cada una de ellas.
09:16
For example, one of the reasons we age
is that our mitochondrial DNA mutates,
is that our mitochondrial DNA mutates,
181
544760
5016
Por ejemplo, una razón de envejecer
es que muta el ADN mitocondrial,
es que muta el ADN mitocondrial,
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
envejecemos y las células
pierden energía.
pierden energía.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Él cree, y ha presentado
un caso convincente,
un caso convincente,
que mediante virus podemos
hacer terapia génica,
hacer terapia génica,
09:27
that using viruses we can do gene therapy,
184
555520
2536
09:30
fix that DNA
185
558080
1656
corregir ese ADN
09:31
and rejuvenate our cells.
186
559760
1720
y rejuvenecer las células.
09:35
One more thing.
187
563400
1336
Una cosa más.
Tenemos una prueba existente
09:36
We have an existent proof
188
564760
1856
09:38
that extreme longevity is possible.
189
566640
2720
de que la longevidad extrema es posible.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
Los árboles de pino Bristlecone
viven 5000 años,
viven 5000 años,
09:47
and some lobsters don't age at all.
191
575720
3800
y algunas langostas
no envejecen en absoluto.
no envejecen en absoluto.
09:52
Now, this doesn't mean that de Grey
is going to revolutionize our lifespans.
is going to revolutionize our lifespans.
192
580640
4336
Ahora bien, eso no significa que
de Grey revolucione nuestras vidas.
de Grey revolucione nuestras vidas.
09:57
I mean, after all, we're not trees,
and most of us are not lobsters.
and most of us are not lobsters.
193
585000
3816
O sea, después de todo, no somos árboles,
y, la mayoría, no somos langostas.
y, la mayoría, no somos langostas.
(Risas)
10:00
(Laughter)
194
588840
1216
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Pero tengo que creer que hay
Darwins y Einsteins por ahí,
Darwins y Einsteins por ahí,
10:07
and I'll tell you why.
196
595840
1376
y les diré por qué.
Piensen esto:
10:09
Consider this:
197
597240
1200
10:11
there are seven times more people
alive today than during Darwin's time.
alive today than during Darwin's time.
198
599160
5296
Hay siete veces más personas
vivas hoy que en la época de Darwin.
vivas hoy que en la época de Darwin.
Hay cuatro veces más personas
vivas hoy que en la época de Einstein.
vivas hoy que en la época de Einstein.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
10:19
When you consider
200
607960
1216
Tengan en cuenta
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
que la proporción de científicos
en la población se ha disparado;
en la población se ha disparado;
10:24
there are now seven million scientists.
202
612440
2376
ahora hay siete millones de científicos.
10:26
I've got to believe, and I do believe,
that there's one of them out there
that there's one of them out there
203
614840
3440
Tengo que creer, y lo creo,
que hay alguno por ahí
que hay alguno por ahí
10:31
who is working right now in obscurity
204
619720
2336
que está trabajando
ahora en las sombras
ahora en las sombras
para agitar nuestras vidas,
y no sé Uds.,
y no sé Uds.,
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
pero yo no veo la hora
de que eso suceda.
de que eso suceda.
10:36
but I can't wait to be rocked.
206
624520
1816
10:38
Thank you.
207
626360
1256
Gracias.
10:39
(Applause)
208
627640
6961
(Aplausos)
ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovatorEric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.
Why you should listen
Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.
In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.
In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.
Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.
Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.
Eric Haseltine | Speaker | TED.com