TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil sobre cómo la tecnología nos transformará
Filmed:
Readability: 5.3
2,876,494 views
El inventor, empresario y visionario Ray Kurzweil explica con abundante y sólido detalle por qué, para el año 2020, habremos aplicado ingeniería inversa al cerebro humano y los nanobots operarán nuestra conciencia.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:24
Well, it's great to be here.
0
0
1000
Bueno, es fantástico estar aquí.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Hemos escuchado mucho sobre la promesa de la tecnología, y el riesgo.
00:30
I've been quite interested in both.
2
6000
2000
He estado bastante interesado en ambos.
00:32
If we could convert 0.03 percent
3
8000
4000
Si pudiéramos convertir el 0,03 por ciento
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
de la luz solar que cae sobre la tierra en energía,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
podríamos satisfacer todas nuestras necesidades proyectadas para 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
No podemos hacer esto hoy porque los paneles solares son pesados,
00:46
expensive and very inefficient.
7
22000
2000
caros y muy ineficientes.
00:48
There are nano-engineered designs,
8
24000
3000
Existen diseños de nano-ingeniería,
00:51
which at least have been analyzed theoretically,
9
27000
2000
los cuales han sido analizados al menos teóricamente,
00:53
that show the potential to be very lightweight,
10
29000
2000
que muestran el potencial de ser muy livianos,
00:55
very inexpensive, very efficient,
11
31000
2000
muy baratos, muy eficientes,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
y podríamos satisfacer todas nuestras necesidades de energía de esta forma renovable.
01:01
Nano-engineered fuel cells
13
37000
2000
Células combustibles de nano-ingeniería
01:03
could provide the energy where it's needed.
14
39000
3000
podrían proveer la energía donde se necesite.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Esa es la tendencia principal, la descentralización,
01:08
moving from centralized nuclear power plants and
16
44000
3000
ir de plantas nucleares de energía centralizadas y
01:11
liquid natural gas tankers
17
47000
2000
cisternas de gas natural líquido
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
hacia recursos descentralizados que son más amigables ecológicamente,
01:17
a lot more efficient
19
53000
3000
mucho más eficientes,
01:20
and capable and safe from disruption.
20
56000
4000
y capaces y seguros con respecto a la disrupción.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono habló muy elocuentemente,
01:26
that we have the tools, for the first time,
22
62000
4000
sobre que tenemos las herramientas, por primera vez,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
para solucionar los viejos problemas de las enfermedades y la pobreza.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
La mayor parte de las regiones del mundo van en esa dirección.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
En 1990, en Asia del Este y la región del Pacífico,
01:42
there were 500 million people living in poverty --
26
78000
2000
había 500 millones de personas viviendo en la pobreza --
01:44
that number now is under 200 million.
27
80000
3000
ese número hoy está bajo los 200 millones.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
El Banco Mundial tiene previsto para 2011 que esté por debajo de los 20 millones,
01:50
which is a reduction of 95 percent.
29
86000
3000
lo cual es una reducción del 95 por ciento.
01:53
I did enjoy Bono's comment
30
89000
3000
Me gustó el comentario de Bono
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
relacionando Haight-Ashbury con Silicon Valley.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Viniendo yo de la communidad de alta tecnología de Massachusetts,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
remarcaría que éramos hippies también en los 60,
02:08
although we hung around Harvard Square.
34
104000
3000
a pesar de que nos juntábamos por Harvard Square.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Pero tenemos el potencial de solucionar la enfermedad y la pobreza,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
y voy a hablar de esos temas, si tenemos ganas.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly habló de la aceleración de la tecnología.
02:22
That's been a strong interest of mine,
38
118000
3000
Esto ha sido de fuerte interés para mí,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
y un tema que he desarrollado durante casi 30 años.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Me di cuenta de que mis tecnologías debían tener sentido para cuando finalizara el proyecto.
02:33
That invariably, the world was a different place
41
129000
3000
Que, invariablemente, el mundo sería un lugar diferente
02:36
when I would introduce a technology.
42
132000
2000
para cuando introdujera una tecnología.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Y me di cuenta de que la mayoría de los inventos fallan,
02:40
not because the R&D department can't get it to work --
44
136000
3000
no porque el departamento de I+T no pueda hacerlo funcionar --
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
Si vieran la mayoría de los planes de negocios, la mayoría tendría éxito
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
si tuvieran la oportunidad de construir aquello que dicen que construirían,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
y el 90 por ciento de estos proyectos o más fracasaría por ser el momento equivocado --
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
no todos los factores que permitan el éxito estarán en su lugar cuando se necesiten.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Por lo cual, comencé a ser un estudiante ardiente de las tendencias de la tecnología,
03:00
and track where technology would be at different points in time,
50
156000
3000
y a rastrear dónde la tecnología estaría en diferentes puntos en el tiempo,
03:03
and began to build the mathematical models of that.
51
159000
3000
y comencé a construir modelos matemáticos de ello.
03:06
It's kind of taken on a life of its own.
52
162000
2000
Tomó vida propia, de alguna manera,
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Tengo un grupo de 10 personas que trabajan conmigo para recabar información
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
sobre mediciones clave de la tecnología en diferentes áreas, y construimos modelos.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Y escucharán a la gente decír, bueno, no podemos predecir el futuro.
03:19
And if you ask me,
56
175000
2000
Y si me preguntan,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
¿subirá o bajará el precio de Google de aquí a tres años?
03:24
that's very hard to say.
58
180000
2000
Eso es muy difícil de decir.
03:26
Will WiMax CDMA G3
59
182000
3000
¿Será WiMax CDMA G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
el estándar wireless de aquí a tres años? Eso es difícil de decir.
03:31
But if you ask me, what will it cost
61
187000
2000
Pero si me preguntan, cuánto costará
03:33
for one MIPS of computing in 2010,
62
189000
3000
un MIPS de cómputo en 2010,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
o el costo de secuenciar un par de bases de ADN en 2012,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
o el costo de enviar un megabyte de datos por wireless en 2014,
03:43
it turns out that those are very predictable.
65
199000
3000
resulta que estos son muy predecibles.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Hay curvas exponenciales remarcadamente suaves
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
que gobiernan el precio del comportamiento, capacidad, ancho de banda.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Y voy a mostrarles una pequeña muestra de esto,
03:53
but there's really a theoretical reason
69
209000
2000
aunque existe realmente una razón teórica
03:55
why technology develops in an exponential fashion.
70
211000
5000
de por qué la tecnología se desarrolla de manera exponencial.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
Y mucha gente, cuando piensa en el futuro, lo piensa de manera lineal.
04:02
They think they're going to continue
72
218000
2000
Piensan que continuarán
04:04
to develop a problem
73
220000
2000
desarrollando un problema
04:06
or address a problem using today's tools,
74
222000
3000
o solucionando un problema usando las herramientas actuales,
04:09
at today's pace of progress,
75
225000
2000
a la velocidad actual de progreso,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
y fracasan en tomar en consideración este crecimiento exponencial.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
El proyecto del genoma era un proyecto controvertido en 1990.
04:18
We had our best Ph.D. students,
78
234000
2000
Pusimos a nuestros mejores estudiantes de medicina,
04:20
our most advanced equipment around the world,
79
236000
2000
nuestros más avanzados equipos del mundo,
04:22
we got 1/10,000th of the project done,
80
238000
2000
logramos realizar 1/10.000 del proyecto,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
¿entonces cómo íbamos a realizar esto en 15 años?
04:26
And 10 years into the project,
82
242000
3000
Y tras 10 años de proyecto,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
los escépticos eran todavía fuertes -- decían "Llegaron a dos tercios de este proyecto,
04:32
and you've managed to only sequence
84
248000
2000
y han llegado sólo ha secuenciar
04:34
a very tiny percentage of the whole genome."
85
250000
3000
un porcentaje muy pequeño del genoma completo".
04:37
But it's the nature of exponential growth
86
253000
2000
Pero es la naturaleza del crecimiento exponencial
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
que una vez que llega a la inflexión de la curva, explota.
04:41
Most of the project was done in the last
88
257000
2000
La mayor parte del proyecto fue realizado en los últimos
04:43
few years of the project.
89
259000
2000
pocos años del proyecto.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Nos llevó 15 años secuenciar el VIH --
04:47
we sequenced SARS in 31 days.
91
263000
2000
secuenciamos el SARS en 31 días.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Por lo que estamos ganando el potencial para solucionar estos problemas.
04:53
I'm going to show you just a few examples
93
269000
2000
Voy a mostrarles unos pocos ejemplos
04:55
of how pervasive this phenomena is.
94
271000
3000
de cuán penetrante es este fenómeno.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
El índice actual de cambio de paradigma, el índice de adopción de nuevas ideas,
05:02
is doubling every decade, according to our models.
96
278000
3000
se está duplicando cada década, de acuerdo con nuestros modelos.
05:05
These are all logarithmic graphs,
97
281000
3000
Estos son todos gráficos logarítmicos,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
así que a medida que vas subiendo el nivel que representa, generalmente multiplicando por un factor de 10 o 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Nos llevó casi medio siglo adoptar el teléfono,
05:14
the first virtual-reality technology.
100
290000
3000
la primera tecnología de realidad virtual.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Los teléfonos móviles se adoptaron en casi 8 años.
05:19
If you put different communication technologies
102
295000
3000
Si pusiéramos diferentes tecnologías de comunicación
05:22
on this logarithmic graph,
103
298000
2000
en este gráfico logarítmico,
05:24
television, radio, telephone
104
300000
2000
televisión, radio, teléfono
05:26
were adopted in decades.
105
302000
2000
fueron adoptados en décadas.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Tecnologías recientes --como el PC, la Web, télefonos móviles--
05:31
were under a decade.
107
307000
2000
se adoptaron en menos de una década.
05:33
Now this is an interesting chart,
108
309000
2000
Ahora, éste es un gráfico interesante,
05:35
and this really gets at the fundamental reason why
109
311000
2000
y muestra realmente la razón fundamental por la que
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
un proceso evolutivo --y la biología y tecnología lo son--
05:41
accelerate.
111
317000
2000
se aceleran.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Trabajan a través de la interacción --crean una capacidad,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
y luego utilizan esa capacidad para dar el próximo paso.
05:49
So the first step in biological evolution,
114
325000
3000
Entonces el primer paso en la evolución biológica,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
la evolución del ADN --a decir verdad el ARN fue primero--
05:54
took billions of years,
116
330000
2000
necesitó billones de años,
05:56
but then evolution used that information-processing backbone
117
332000
3000
pero entonces la evolución utilizó ese pilar de procesamiento de la información
05:59
to bring on the next stage.
118
335000
2000
para dar lugar al siguente nivel.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Así, la Explosión Cámbrica, donde todos los planos corpóreos de los animales evolucionaron,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
llevó sólo 10 millones de años. Fue 200 veces más rápida.
06:08
And then evolution used those body plans
121
344000
2000
Y entonces la evolución utilizó esos planos corpóreos
06:10
to evolve higher cognitive functions,
122
346000
2000
para evolucionar en funciones cognitivas más elevadas,
06:12
and biological evolution kept accelerating.
123
348000
2000
y la evolución biológica continuó acelerando.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
Es la naturaleza inherente a los procesos evolutivos.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Entonces, el Homo Sapiens, la primera especie creadora de tecnología,
06:20
the species that combined a cognitive function
126
356000
2000
la especie que combinó una función cognitiva
06:22
with an opposable appendage --
127
358000
2000
con un apéndice oponible (el pulgar)
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
--y dicho sea de paso, los chimpancés no tienen realmente un buen pulgar--
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
para que que pudiéramos manipular nuestro ambiente con un agarre potente
06:30
and fine motor coordination,
130
366000
2000
y una buena coordinación motora,
06:32
and use our mental models to actually change the world
131
368000
2000
y usar nuestros modelos mentales para cambiar efectivamente el mundo
06:34
and bring on technology.
132
370000
2000
y dar lugar a la tecnología.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Pero, de todas formas, la evolución de nuestras especies tomó cientos de miles de años,
06:39
and then working through interaction,
134
375000
2000
y luego trabajando a través de la interacción,
06:41
evolution used, essentially,
135
377000
2000
la evolución usó, esencialmente,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
la tecnología de crear especies para dar lugar al próximo nivel,
06:46
which were the first steps in technological evolution.
137
382000
3000
que fueron los primeros pasos de la evolución tecnológica.
06:49
And the first step took tens of thousands of years --
138
385000
3000
Y los primeros pasos tomaron decenas de miles de años
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
--herramientas de piedra, fuego, la rueda-- continuaron acelerando.
06:55
We always used then the latest generation of technology
140
391000
2000
Siempre usamos, entonces, la última generación de tecnología
06:57
to create the next generation.
141
393000
2000
para crear la próxima generación.
06:59
Printing press took a century to be adopted;
142
395000
2000
La imprenta llevó un siglo en ser adoptada,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
las primeras computadoras fueron diseñadas con papel y lápiz --ahora usamos computadoras.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
Y hemos tenido una continua aceleración de este proceso.
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
Dicho sea de paso, si miran este gráfico lineal, parece que todo acaba de suceder,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
pero un observador dice: "Bueno, Kurzweil sólo marca puntos en este gráfico
07:17
that fall on that straight line."
147
413000
2000
que caen sobre esa línea recta".
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Así que tomé 15 listas diferentes de pensadores clave,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
como la Enciclopedia Británica, el Museo de Historia Natural, el Calendario Cósmico de Carl Sagan
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
sobre el mismo-- y esta gente no estaba tratando de convercerlos de mi punto de vista,
07:29
these were just lists in reference works,
151
425000
2000
éstas fueron listas en trabajos de referencia.
07:31
and I think that's what they thought the key events were
152
427000
3000
Y creo que que esto es lo que ellos consideraron eventos clave
07:34
in biological evolution and technological evolution.
153
430000
3000
en la evolución biológica y tecnológica.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
Y, de nuevo, forma la misma línea recta. Hay un poco de grosor en la línea
07:40
because people do have disagreements, what the key points are,
155
436000
3000
porque la gente tiene de hecho desacuerdos sobre cuáles son los puntos clave,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
hay diferencias de opinión sobre cuándo comenzó la agricultura,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
o cuándo -- cuánto tiempo duró la Explosión Cámbrica.
07:48
But you see a very clear trend.
158
444000
2000
Pero pueden ver una muy clara tendencia.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
Hay una básica, profunda aceleración de este proceso evolutivo.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Las tecnologías de la información duplican su capacidad, calidad/precio, ancho de banda,
08:00
every year.
161
456000
2000
cada año.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
Y esa es una explosión profunda del crecimiento exponencial.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Una experiencia personal, cuando estaba en el MIT
08:08
computer taking up about the size of this room,
164
464000
2000
una computadora ocupaba casi el tamaño de este recinto,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
y era menos poderosa que la de sus teléfonos móviles.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Pero la Ley de Moore, usualmente identificada con este crecimiento exponencial,
08:19
is just one example of many, because it's basically
167
475000
2000
es sólo un ejemplo de muchos, porque es básicamente
08:21
a property of the evolutionary process of technology.
168
477000
5000
una característica del proceso evolutivo de la tecnología.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Si nosotros -- yo pongo 49 computadoras famosas en este gráfico logarítmico
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
--dicho sea de paso, una línea recta en un gráfico logarítmico es crecimiento exponencial--
08:33
that's another exponential.
171
489000
2000
esto es otro exponencial.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
nos llevó 3 años doblar nuestro relación calidad/precio de la computación en 1900,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
dos años en el medio, y ahora estamos duplicándolа cada año.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
Y eso es crecimiento exponencial a través de cinco diferentes paradigmas.
08:45
Moore's Law was just the last part of that,
175
501000
2000
La Ley de Moore fue sólo la última parte de eso
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
en un circuito integrado, donde estábamos reduciendo transistores,
08:50
but we had electro-mechanical calculators,
177
506000
3000
pero teníamos calculadoras electromecánicas,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
computadoras basadas en relés que descifraron el Código Enigma Alemán,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
válvulas de vacío en los 50 predijeron la elección de Eisenhower,
08:59
discreet transistors used in the first space flights
180
515000
3000
transistores discretos usados en los primeros viajes espaciales
09:02
and then Moore's Law.
181
518000
2000
y luego la Ley de Moore.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Cada vez que un paradigma se quedaba sin combustible,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
otro paradigma aparecía desde ese vacío para continuar el crecimiento exponencial.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Estaban reduciendo las válvulas de vacío, haciéndolas más y más pequeñas.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Eso golpeó contra una pared. No podían reducirlas y mantener el vacío.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Un paradigma totalmente nuevo -- los transistores aparecieron de la carpintería.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
De hecho, cuando vemos el final de una línea de un paradigma en especial,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
crea presión en la investigación para crear el próximo paradigma.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
Y porque hemos venido prediciendo el final de la Ley de Moore
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
desde hace bastante tiempo --la primera predicción decía 2002, y ahora es 2022.
09:30
But by the teen years,
191
546000
3000
Pero para los primeros años,
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
las características de los transistores serán del ancho de un par de átomos,
09:36
and we won't be able to shrink them any more.
193
552000
2000
y no seremos capaces de reducirlos más.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Ese será el final de la Ley de Moore, pero no será el final de
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
el crecimiento exponencial de la computación, porque los chips son planos.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Vivimos en un mundo tridimensional, bien podremos usar la tercera dimensión.
09:46
We will go into the third dimension
197
562000
2000
Nos meteremos en la tercera dimensión
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
y ha habido un tremendo progreso, sólo en los útlimos años,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
de poner a trabajar circuitos moleculares tridimensionales, auto-organizables.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Tendremos estos listos bien antes de que la Ley de Moore se quede sin combustible.
10:02
Supercomputers -- same thing.
201
578000
2000
Con las supercomputadoras -- lo mismo.
10:05
Processor performance on Intel chips,
202
581000
3000
El redimiento de los procesarores en los chips de Intel,
10:08
the average price of a transistor --
203
584000
3000
el precio promedio de un transistor --
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
en 1968 podías comprar un transistor por un dólar.
10:14
You could buy 10 million in 2002.
205
590000
3000
Podías comprar 10 millones en 2002.
10:17
It's pretty remarkable how smooth
206
593000
3000
Es remarcable cuán suave
10:20
an exponential process that is.
207
596000
2000
el proceso exponencial es.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Digo, quizás crean que esto es el resultado de algún experimento de mesa,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
pero esto es el resultado de comportamiento caótico mundial
10:29
countries accusing each other of dumping products,
210
605000
2000
--países acusándose mútuamente de vertidos de productos,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
emisiones públicas iniciales, quiebras bancarias, programas de marketing.
10:33
You would think it would be a very erratic process,
212
609000
3000
Creerían que esto sería un proceso muy errático,
10:36
and you have a very smooth
213
612000
2000
y tienen un muy suave
10:38
outcome of this chaotic process.
214
614000
2000
resultado de este proceso caótico.
10:40
Just as we can't predict
215
616000
2000
De la misma manera que no podemos predecir
10:42
what one molecule in a gas will do --
216
618000
2000
qué hará una molécula en un gas --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
es imposible predecir una sóla molécula --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
aun así podemos predecir las propiedades del gas completo,
10:49
using thermodynamics, very accurately.
219
625000
3000
usando la termodinámica, muy precisamente.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
Lo mismo ocurre aquí. No podemos predecir nigún proyecto particular,
10:55
but the result of this whole worldwide,
221
631000
2000
pero el resultado de la completa, mundial
10:57
chaotic, unpredictable activity of competition
222
633000
5000
caótica, impredecible actividad de competición
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
y el proceso evolutivo de la tecnología es muy previsible.
11:05
And we can predict these trends far into the future.
224
641000
3000
Y podemos predecir estas tendencias en el futuro lejano.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
Al contrario de las rosas de Gertrude Stein,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
no es el caso que un transistor es un transistor.
11:14
As we make them smaller and less expensive,
227
650000
2000
A medida que los hacemos más pequeños y baratos,
11:16
the electrons have less distance to travel.
228
652000
2000
los electrones tiene menos distancias que viajar.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Son más rápidos, así que tenemos crecimiento exponencial en la velocidad de los transistores,
11:22
so the cost of a cycle of one transistor
230
658000
4000
por lo que el costo de un ciclo de un transistor
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
ha ido bajando a una tasa de reducción a la mitad de 1,1 años.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Se agregan otras formas de innovación y diseño de procesadores,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
y se obtiene una duplicación calidad/precio en la computación cada año.
11:36
And that's basically deflation --
234
672000
3000
Y eso es básicamente deflación --
11:39
50 percent deflation.
235
675000
2000
deflación del 50%.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
Y no son sólo las computadoras. Es decir, es cierto para el secuenciamiento de ADN,
11:44
it's true of brain scanning;
237
680000
2000
es cierto para el escanograma del cerebro,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
es cierto para la red de redes. Quiero decir, cualquier cosa que podamos cuantificar,
11:48
we have hundreds of different measurements
239
684000
3000
tenemos cientos de diferentes mediciones
11:51
of different, information-related measurements --
240
687000
3000
de diferentes medidas relacionadas con la información --
11:54
capacity, adoption rates --
241
690000
2000
tasas de capacidad, adopción --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
y básicamente se duplican cada 12, 13, 15 meses,
11:59
depending on what you're looking at.
243
695000
2000
dependiendo de lo que estemos observando.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
En términos calidad/precio eso es un 50 -- 40 a 50 por ciento de tasa de deflación.
12:06
And economists have actually started worrying about that.
245
702000
2000
Y los economistas se han empezado ciertamente a preocupar por esto.
12:08
We had deflation during the Depression,
246
704000
2000
Hemos tenido deflación durante la Depresión,
12:10
but that was collapse of the money supply,
247
706000
2000
pero eso ha sido un colapso de la oferta de dinero,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
colapso de la confianza del consumidor, un fenómeno completamente diferente.
12:15
This is due to greater productivity,
249
711000
2000
Esto es producto de una productividad mayor,
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
pero el economista dice, "Pero no hay forma de que puedan mantener esto".
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Si existe un 50% de deflación, la gente incrementará su volumen
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
un 30 o un 40 por ciento, pero no podrán seguir el tren.
12:25
But what we're actually seeing is that
253
721000
2000
Pero lo que en verdad vemos es que
12:27
we actually more than keep up with it.
254
723000
2000
ciertamente sobrepasamos más que mantenemos ese tren.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Hemos tenido un 28 por ciento de crecimiento compuesto anual en dólares
12:32
in information technology over the last 50 years.
256
728000
3000
en tecnología de la información en los últimos 50 años.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Es decir, la gente no fabricaba iPods por 10.000 dólares hace diez años.
12:39
As the price performance makes new applications feasible,
258
735000
3000
A medida que la relación calidad/precio hace posible nuevas aplicaciones,
12:42
new applications come to the market.
259
738000
2000
nuevas aplicaciones aparecen en el mercado.
12:44
And this is a very widespread phenomena.
260
740000
3000
Y este es un fenómeno muy difundido.
12:47
Magnetic data storage --
261
743000
2000
El almacenamiento magnético de datos
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
--eso no es la Ley de Moore, es reducir los puntos magnéticos,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
diferentes ingenieros, diferentes compañías, el mismo proceso exponencial.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Una revolución clave es que estamos entendiendo nuestra biología
13:00
in these information terms.
265
756000
2000
en estos términos de información.
13:02
We're understanding the software programs
266
758000
2000
Estamos entendiendo los programas de software
13:04
that make our body run.
267
760000
2000
que hacen funcionar nuestro cuerpo.
13:06
These were evolved in very different times --
268
762000
2000
Estos fueron evolucionando en tiempos muy diferentes --
13:08
we'd like to actually change those programs.
269
764000
2000
querríamos ciertamente cambiar esos programas.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Un pequeño programa, llamado el gen receptor insulínico de grasa,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
básicamente dice: "guarda cada caloría,
13:14
because the next hunting season may not work out so well."
272
770000
4000
porque la próxima temporada de caza puede que no vaya tan bien".
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
Eso estaba en los intereses de la especie diez mil años atrás.
13:21
We'd like to actually turn that program off.
274
777000
3000
A decir verdad, querríamos poder apagar ese programa.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Han probado eso en animales, y los ratones comían desaforadamente
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
y se mantuvieron delgados y tuvieron los beneficios de salud de ser delgados.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
No tuvieron diabetes, no tuvieron enfermedades coronarias,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
vivieron un 20% más, disfrutaron de los beneficios de la restricción calórica
13:35
without the restriction.
279
791000
2000
sin la restricción.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Cuatro o cinco compañías farmacéuticas han visto esto,
13:40
felt that would be
281
796000
3000
sintieron que podría ser
13:43
interesting drug for the human market,
282
799000
3000
una droga interesante para el mercado humano,
13:46
and that's just one of the 30,000 genes
283
802000
2000
y eso es sólo uno de los 30.000 genes
13:48
that affect our biochemistry.
284
804000
3000
que afectan nuestra bioquímica.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Hemos evolucionado en una era donde no nos interesa
13:54
at the age of most people at this conference, like myself,
286
810000
3000
a la edad de la mayoría de quienes estamos presentes en esta conferencia, como yo,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
vivir mucho más, porque hemos ido agotando los preciados recursos
14:01
which were better deployed towards the children
288
817000
1000
que deberían haber sido desarrollados para lo niños
14:02
and those caring for them.
289
818000
2000
y para aquellos que cuidan de ellos.
14:04
So, life -- long lifespans --
290
820000
2000
Así que la vida -- larga longevidad --
14:06
like, that is to say, much more than 30 --
291
822000
2000
esto es, más allá de los 30 --
14:08
weren't selected for,
292
824000
3000
no era elegida,
14:11
but we are learning to actually manipulate
293
827000
3000
pero estamos aprendiendo a manipular
14:14
and change these software programs
294
830000
2000
y cambiar estos programas de software
14:16
through the biotechnology revolution.
295
832000
2000
a través de la la revolución biotecnológica.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Por ejemplo, ahora podemos inhibir genes con interferencia de ARN.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Hay nuevas formas de terapia génica muy prometedoras
14:24
that overcome the problem of placing the genetic material
298
840000
2000
que pueden resolver el problema de ubicar el material genético
14:26
in the right place on the chromosome.
299
842000
2000
en el lugar correcto en el cromosoma.
14:28
There's actually a -- for the first time now,
300
844000
3000
Hay, de hecho, por primera vez,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
algo en experimentación con humanos, que cura realmente la hipertensión pulmonar
14:34
a fatal disease -- using gene therapy.
302
850000
3000
--una enfermedad fatal-- usando terapia génica.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Así que tendremos no sólo bebés de diseño, sino "baby boomers" de diseño.
14:40
And this technology is also accelerating.
304
856000
3000
Y esta tecnología está también acelerando.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
Costaba 10 dólares por base en 1990,
14:46
then a penny in 2000.
306
862000
2000
luego un centavo en el año 2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
Ahora está por debajo de una décima de centavo.
14:50
The amount of genetic data --
308
866000
2000
La cantidad de datos genéticos --
14:52
basically this shows that smooth exponential growth
309
868000
3000
básicamente aquí se muestra que el suave crecimiento exponencial
14:55
doubled every year,
310
871000
2000
se duplicó cada año,
14:57
enabling the genome project to be completed.
311
873000
3000
permitiendo que el proyecto genoma se completara.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Otra gran revolución, la revolución de las comunicaciones.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
La relación calidad/precio, ancho de banda, la capacidad de las comunicaciones medidas de diferentes formas
15:08
wired, wireless is growing exponentially.
314
884000
3000
alámbricas, inalámbricas, está creciendo exponencialmente.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
Internet se ha duplicado en potencia y continúa,
15:14
measured many different ways.
316
890000
2000
medida de diversas maneras.
15:16
This is based on the number of hosts.
317
892000
2000
Esto está basado en el número de hosts.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Miniaturización -- estamos reduciendo el tamaño de la tecnología
15:20
at an exponential rate,
319
896000
2000
a un ritmo exponencial,
15:22
both wired and wireless.
320
898000
2000
tanto alámbrica como inalámbrica.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Estos son algunos diseños del libro de Eric Drexler
15:28
which we're now showing are feasible
322
904000
2000
que ahora demostramos que son viables
15:30
with super-computing simulations,
323
906000
2000
con simulaciones de supercomputadoras,
15:32
where actually there are scientists building
324
908000
2000
donde ciertamente hay científicos construyendo
15:34
molecule-scale robots.
325
910000
2000
robots a scala molecular.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Hay uno que de verdad camina con un paso sorprendentemente humano,
15:38
that's built out of molecules.
327
914000
3000
que está construido con moléculas.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Hay máquinas pequeñas que están haciendo cosas en bases experimentales.
15:45
The most exciting opportunity
329
921000
3000
La oportunidad más excitante
15:48
is actually to go inside the human body
330
924000
2000
es realmente entrar dentro del cuerpo humano
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
y realizar funciones terapéuticas y de diagnóstico.
15:53
And this is less futuristic than it may sound.
332
929000
2000
Y esto es menos futurista de lo que pueda sonar.
15:55
These things have already been done in animals.
333
931000
2000
Estas cosas se han hecho ya en animales.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
Hay un dispositivo de nanoingeniería que cura la diabetes tipo I. Tiene el tamaño de un glóbulo rojo.
16:01
They put tens of thousands of these
335
937000
2000
Se ponen diez miles de estos
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
en el glóbulo --han probado esto en ratas--
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
permite a la insulina salir de manera controlada,
16:07
and actually cures type 1 diabetes.
338
943000
2000
y finalmente cura la diabetes tipo I.
16:09
What you're watching is a design
339
945000
3000
Lo que están viendo es un diseño
16:12
of a robotic red blood cell,
340
948000
2000
de un glóbulo rojo robótico,
16:14
and it does bring up the issue that our biology
341
950000
2000
y nos muestra el problema de que nuestra biología
16:16
is actually very sub-optimal,
342
952000
2000
no es tan óptima.
16:18
even though it's remarkable in its intricacy.
343
954000
3000
a pesar de que es remarcable en su complejidad.
16:21
Once we understand its principles of operation,
344
957000
3000
Una vez que entendamos sus principios de operación,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
y la velocidad a la que estamos aplicando ingeniería inversa a la biología está acelerando,
16:28
we can actually design these things to be
346
964000
2000
podremos ciertamente diseñar estas cosas para que sean
16:30
thousands of times more capable.
347
966000
2000
miles de veces más capaces.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Un análisis de este respirocito, diseñado por Rob Freitas,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
indica que si uno reemplaza el 10 por ciento de nuestros glóbulos rojos con estas versiones robóticas,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
podríamos hacer una carrera olímpica de 15 minutos sin respirar.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Podríamos sentarnos en el fondo de nuestras piscinas por horas
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
--entonces "querida, estoy en la piscina" tomará todo un nuevo significado.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Será interesante ver lo que hacemos en los desafíos olímpicos.
16:52
Presumably we'll ban them,
354
988000
2000
Presumiblemente los prohibiremos,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
pero luego tendremos el espectro de adolescentes en sus gimnasios de la preparatoria
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
rutinariamente sobrepasando a los atletas olímpicos.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas tiene un diseño para un glóbulo blanco robótico.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Estos son escenarios para alrededor de 2020.
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
pero no son tan futuristas como puedan sonar.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Existen 4 grandes conferencias sobre construcción de artefactos del tamaño de una glóbulo,
17:14
there are many experiments in animals.
361
1010000
2000
hay muchos experimentos en animales.
17:16
There's actually one going into human trial,
362
1012000
2000
Hay de hecho uno haciéndose en humanos;
17:18
so this is feasible technology.
363
1014000
3000
así que es tecnología viable.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Si volvemos a nuestro crecimiento exponencial de la computación,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1.000 dólares de computación está ahora entre el cerebro de un insecto y el de un ratón.
17:27
It will intersect human intelligence
366
1023000
3000
Intersectará la inteligencia humana
17:30
in terms of capacity in the 2020s,
367
1026000
3000
en términos de capacidad en la década de 2020,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
pero esa será la parte del hardware en la ecuación.
17:35
Where will we get the software?
369
1031000
2000
¿Dónde conseguiremos el software?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Bueno, resulta que podemos ver dentro del cerebro humano,
17:39
and in fact not surprisingly,
371
1035000
2000
y de hecho no sorprendentemente,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
la resolución espacio-temporal del escaneo cerebral se está duplicando cada año.
17:45
And with the new generation of scanning tools,
373
1041000
2000
Y con la nueva generación de herramientas de escaneo,
17:47
for the first time we can actually see
374
1043000
2000
por primera vez podemos ver realmente
17:49
individual inter-neural fibers
375
1045000
2000
fibras individuales interneurales
17:51
and see them processing and signaling in real time --
376
1047000
3000
y verlas procesando y comunicando en tiempo real
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
pero entonces la pregunta es, "De acuerdo, podemos obtener estos datos ahora,
17:56
but can we understand it?
378
1052000
2000
pero, ¿podemos entenderlos?"
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstader se pregunta si quizás nuestra inteligencia
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
no es tan genial como para entender nuestra inteligencia,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
y si fuéramos más astutos, entonces nuestros cerebros serían mucho más complicados,
18:07
and we'd never catch up to it.
382
1063000
2000
y nunca podríamos alcanzarlos.
18:10
It turns out that we can understand it.
383
1066000
3000
Resulta que lo podemos entender.
18:13
This is a block diagram of
384
1069000
3000
Este es un diagrama de bloque de
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
un modelo y una simulación de la corteza auditva humana
18:20
that actually works quite well --
386
1076000
2000
que a decir verdad funciona bastante bien
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
y al aplicar tests psicoacústicos se obtienen resultados muy similares a la percepción auditiva humana.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Ahí otra simulación del cerebelo.
18:29
that's more than half the neurons in the brain --
389
1085000
2000
Eso son más de la mitad de las células en el cerebro.
18:31
again, works very similarly to human skill formation.
390
1087000
3000
De nuevo, trabaja muy similarmente a la formación de habilidades humanas.
18:35
This is at an early stage, but you can show
391
1091000
3000
Esto es en una etapa muy temprana, pero se puede mostrar
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
con el crecimiento exponencial de la cantidad de información sobre el cerebro
18:41
and the exponential improvement
393
1097000
2000
y la mejora exponencial
18:43
in the resolution of brain scanning,
394
1099000
2000
en la resolución del escaneo del cerebro,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
habremos triunfado en aplicar ingeniería inversa al cerebro humano
18:48
by the 2020s.
396
1104000
2000
para la década de 2020.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Ya tenemos muy buenos modelos y simulación de casi 15 regiones
18:53
out of the several hundred.
398
1109000
3000
de las varias cientos de ellas.
18:56
All of this is driving
399
1112000
2000
Todo esto está haciendo crecer exponencialmente
18:58
exponentially growing economic progress.
400
1114000
2000
el progreso económico.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Hemos logrado llevar la productividad de 20 dólares a 150 por hora
19:05
of labor in the last 50 years.
402
1121000
2000
de trabajo en los últimos 50 años.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
El comercio electrónico ha crecido exponencialmente. Es ahora un trillón de dólares.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Se preguntarán, bueno, ¿no ha habido una burbuja económica?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
Eso fue estrictamente un fenómeno del mercado de capitales.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Wall Street se dio cuenta de que esta era una tecnología revolucionaria, que lo era,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
pero luego, seis meses después, cuando no hubo revolucionado todos los modelos de negocios,
19:21
they figured, well, that was wrong,
408
1137000
2000
se dijeron: "Bueno, nos equivocamos"
19:23
and then we had this bust.
409
1139000
2000
y luego tuvimos esta explosión.
19:26
All right, this is a technology
410
1142000
2000
Bien, esta es una tecnología
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
que armamos usando algunas de las tecnologías en las que estamos involucrados.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Esta será una aplicación de rutina en un teléfono móvil.
19:35
It would be able to translate from one language to another.
413
1151000
2000
Podrá traducir de una lengua a otra.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Así que permítanme finalizar con un par de escenarios.
19:49
By 2010 computers will disappear.
415
1165000
3000
Para el año 2010 las compuradoras desaparecerán.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Serán tan pequeñas, que estarán incrustadas en nuestra ropa, nuestro entorno.
19:56
Images will be written directly to our retina,
417
1172000
2000
Las imágenes serán escritas directamente en nuestra retina,
19:58
providing full-immersion virtual reality,
418
1174000
2000
proveyendo de una immersión total en realidad virtual,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
realidad real aumentada. Estaremos interactuando con personas virtuales.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Pero si nos vamos al 2029, sí que tendremos estas tendecias maduras,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
y deben apreciar cuántas vueltas de tuerca
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
en térmios de generaciones de tecnología que se vuelven más y más rápidas, tendremos en ese punto.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Digo, tendremos de un orden exponencial de 2 a 25
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
en relación calidad/precio, capacidad y ancho de banda
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
de esas tecnologías, lo que es realmente fenomenal.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Será millones de veces más poderosa de lo que es hoy.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Habremos completado la ingeniería inversa del cerebro humano,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
1.000 dólares de computación serán mucho más potentes
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
que el cerebro humano en términos de capacidad básica cruda.
20:34
Computers will combine
430
1210000
2000
Las computadoras combinarán
20:36
the subtle pan-recognition powers
431
1212000
2000
los poderes sutiles de reconocimiento global
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
de la inteligencia humana con formas en las que las máquinas ya son superiores,
20:41
in terms of doing analytic thinking,
433
1217000
2000
en términos de realizar pensamiento analítico,
20:43
remembering billions of facts accurately.
434
1219000
2000
recordando billones de hechos de forma precisa.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Las máquinas pueden compartir su información muy rápidamente.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
Pero no es simplemente una invasión extraterrestre de máquinas inteligentes.
20:52
We are going to merge with our technology.
437
1228000
2000
Vamos a fusionarnos con nuestra tecnología.
20:54
These nano-bots I mentioned
438
1230000
2000
Estos nanobots que mencioné
20:56
will first be used for medical and health applications:
439
1232000
4000
van a ser primero usados para aplicaciones médicas y de salud:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
limpiar el medioambiente, suministrando potentes células de combustible
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
y paneles solares descentralizados ampliamente distribuidos, y mucho más al medioambiente.
21:08
But they'll also go inside our brain,
442
1244000
2000
Pero también irán dentro de nuestro cerebro,
21:10
interact with our biological neurons.
443
1246000
2000
interactuando con nuestras neuronas biológicas.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Hemos demostrado los principios claves para poder hacer esto.
21:15
So, for example,
445
1251000
2000
Entonces, por ejemplo,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
una immersión completa en realidad virtual desde nuestro sistema nervioso,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
los nano-bots inhibiendo las señales procedentes de nuestros sentidos reales,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
reemplazándolas con las señales que nuestro cerebro recibiría
21:25
if you were in the virtual environment,
449
1261000
2000
si estuviéramos en el ambiente virtual,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
y luego sería como estar en ese ambiente virtual.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Podríamos ir allí con otras personas, tener todo tipo de experiencias
21:31
with anyone involving all of the senses.
452
1267000
2000
con cualquiera involucrando todos los sentidos.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"Rayos de experiencia" los llamo, que pondrán su flujo completo de experiencias sensoriales
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
en los correlatos neurológicos de sus emociones ahí en Internet.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Podremos enchufarnos y experimentar lo que es ser otra persona.
21:43
But most importantly,
456
1279000
2000
Pero lo más importante,
21:45
it'll be a tremendous expansion
457
1281000
2000
será una tremenda expansión
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
de la inteligencia humana a través de esta fusión directa con nuestra tecnología,
21:51
which in some sense we're doing already.
459
1287000
2000
que de alguna manera ya estamos haciendo.
21:53
We routinely do intellectual feats
460
1289000
2000
Hacemos de hecho proezas intelectuales
21:55
that would be impossible without our technology.
461
1291000
2000
que hubieran sido imposibles sin nuestra tecnología.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
La expectativa de vida humana se expande. Era de 37 años en el 1800,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
y con esta clase de biotecnología, revoluciones nanotecnológicas,
22:05
this will move up very rapidly
464
1301000
2000
se extenderá rápidamente
22:07
in the years ahead.
465
1303000
2000
en los años venideros.
22:09
My main message is that progress in technology
466
1305000
4000
Mi mensaje principal es que el progreso en tecnología
22:13
is exponential, not linear.
467
1309000
3000
es exponencial, no lineal.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Muchos --incluso científicos-- asumen el modelo lineal,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
y entonces dicen, "Oh, pasarán cientos de años
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
antes de que tengamos ensamblamiento nanotecnológico de auto replicación
22:25
or artificial intelligence."
471
1321000
2000
o inteligencia artificial".
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Si realmente observan el poder del crecimiento exponencial,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
verán que estas cosas estarán muy pronto en nuestras manos.
22:33
And information technology is increasingly encompassing
474
1329000
3000
Y la tecnología de la información está abarcando cada vez más
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
toda nuestra vida, desde nuestra música a lo que fabricamos,
22:40
to our biology to our energy to materials.
476
1336000
4000
desde nuestra biología a nuestra energía y nuestros materiales.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
Podremos manufacturar casi todo lo que necesitamos en 2020,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
desde la información, a partir de materials crudos baratos,
22:49
using nano-technology.
479
1345000
3000
utilizando nano-tecnología.
22:52
These are very powerful technologies.
480
1348000
2000
Estas son tecnologías muy poderosas.
22:54
They both empower our promise and our peril.
481
1350000
4000
Ambas potencian nuestra promesa y nuestro riesgo.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Por lo que tenemos que tener la voluntad de aplicarla a los problemas adecuados.
23:01
Thank you very much.
483
1357000
1000
Muchas gracias.
23:02
(Applause)
484
1358000
1000
(Aplausos)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com