TED2009
Juan Enriquez: The next species of human
Juan Enriquez comparte nueva ciencia que es alucinante
Filmed:
Readability: 3.4
3,584,967 views
Incluso cuando los mega bancos caen, Juan Enriquez dice que el gran reinicio está por venir, pero no lo busquen en su boleta de votación o en la bolsa de valores, vendrá de los laboratorios científicos y promete cuerpos y mentes más competitivos. Nuestros hijos van a ser ... diferentes.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:12
There's a great big elephant in the room called the economy.
0
0
3000
Existe un gran elefante en este salón llamado la economía.
00:16
So let's start talking about that.
1
4000
2000
Así que empecemos hablando acerca de eso.
00:18
I wanted to give you a current picture of the economy.
2
6000
3000
Quería darles una imagen actual de la economía
00:21
That's what I have behind myself.
3
9000
3000
y eso es lo que tengo detras de mí.
00:24
(Laughter)
4
12000
3000
[La Economía...] (Risas)
00:27
But of course what we have to remember is this.
5
15000
3000
Pero claro que lo que tenemos que recordar es esto. [La clave para administrar crisis...]
00:30
And what you have to think about is,
6
18000
3000
[Es tener un ojo en el largo plazo ... mientras bailan en las llamas.] Y en lo que tienen que pensar es,
00:33
when you're dancing in the flames, what's next?
7
21000
3000
cuando estás bailando en las llamas, ¿Qué es lo que sigue?
00:36
So what I'm going to try to do in the next 17 and a half minutes
8
24000
3000
Entonces lo me voy a tratar de hacer en los próximos 17 y medio minutos
00:39
is I'm going to talk first about the flames --
9
27000
2000
es hablar primero de las llamas,
00:41
where we are in the economy --
10
29000
2000
en dónde estamos en la economía
00:43
and then I'm going to take three trends
11
31000
2000
y después voy a cubrir tres tendencias
00:45
that have taken place at TED over the last 25 years
12
33000
3000
que han surgido en TED durante los últimos 25 años
00:48
and that will take place in this conference
13
36000
2000
y que ocurrirán en esta conferencia
00:50
and I will try and bring them together.
14
38000
3000
y trataré de juntarlas.
00:53
And I will try and give you a sense of what the ultimate reboot looks like.
15
41000
4000
Y trataré de darles un sentido de cómo se ve el último reinicio.
00:57
Those three trends are
16
45000
2000
Esas tres tendencias son:
00:59
the ability to engineer cells,
17
47000
2000
la habilidad de manipular células,
01:01
the ability to engineer tissues,
18
49000
2000
la habilidad de manipular tejidos
01:03
and robots.
19
51000
2000
y los robots.
01:05
And somehow it will all make sense.
20
53000
2000
Y de alguna manera todo tendrá sentido.
01:07
But anyway, let's start with the economy.
21
55000
3000
Como sea, comencemos con la economía.
01:10
There's a couple of really big problems that are still sitting there.
22
58000
3000
Existen un par de problemas realmente grandes que todavía están latentes ahí.
01:13
One is leverage.
23
61000
2000
Uno es el endeudamiento
01:15
And the problem with leverage is
24
63000
2000
y el problema con el endeudamiento es
01:17
it makes the U.S. financial system look like this.
25
65000
3000
que hace ver al sistema financiero de los Estados Unidos así.
01:20
(Laughter)
26
68000
3000
(Risas)
01:27
So, a normal commercial bank has nine to 10 times leverage.
27
75000
3000
Asi que, un banco comercial normal tiene un endeudamiento de nueve a 10 veces.
01:30
That means for every dollar you deposit, it loans out about nine or 10.
28
78000
3000
Eso quiere decir que por cada dólar que depositan presta entre nueve o 10.
01:33
A normal investment bank is not a deposit bank,
29
81000
3000
Un banco de inversiones normal no es un banco de depósito,
01:36
it's an investment bank;
30
84000
2000
es un banco de inversiones;
01:38
it has 15 to 20 times.
31
86000
2000
tiene de 15 a 20 veces más.
01:40
It turns out that B of A in September had 32 times.
32
88000
3000
Resulta que Bank of America en septiembre tenía 32 veces
01:43
And your friendly Citibank had 47 times.
33
91000
3000
y su amigable Citibank tenía 47 veces.
01:46
Oops.
34
94000
2000
Uuy.
01:48
That means every bad loan goes bad 47 times over.
35
96000
4000
Eso significa que cada préstamo malo se multiplica 47 veces
01:52
And that, of course, is the reason why all of you
36
100000
3000
y que, por supuesto, es la razón por la cual todos ustedes
01:55
are making such generous and wonderful donations
37
103000
3000
están haciendo esas donaciones tan generosas y maravillosas
01:58
to these nice folks.
38
106000
2000
a esta gente.
02:03
And as you think about that,
39
111000
2000
Y mientras piensan en eso,
02:05
you've got to wonder: so what do banks have in store for you now?
40
113000
3000
deben de preguntarse: ¿qué tienen los bancos ahora para nosotros?
02:11
(Laughter)
41
119000
3000
[Más bueno de nada] (Risas)
02:20
It ain't pretty.
42
128000
2000
No pinta agradable.
02:23
The government, meanwhile, has been acting like Santa Claus.
43
131000
4000
El gobierno, mientras tanto, ha estado actuando como Santa Clos.
02:27
We all love Santa Claus, right?
44
135000
3000
Todos amamos a Santa Clos, ¿cierto?
02:30
But the problem with Santa Clause is,
45
138000
3000
Pero el problema con Santa Clos es,
02:33
if you look at the mandatory spending of what these folks have been doing
46
141000
3000
si ven los gastos obligatorios de lo que esta gente ha estado haciendo,
02:36
and promising folks,
47
144000
2000
y prometiendo a la gente,
02:38
it turned out that in 1967, 38 percent was mandatory spending
48
146000
5000
resulta que en 1967, 38% eran gastos obligatorios
02:43
on what we call "entitlements."
49
151000
3000
de lo que llamamos "derechos"
02:46
And then by 2007 it was 68 percent.
50
154000
3000
y luego en 2007 era el 68%.
02:49
And we weren't supposed to run into 100 percent until about 2030.
51
157000
4000
Y se suponía que no ibamos a llegar al 100% hasta cerca del 2030,
02:54
Except we've been so busy giving away a trillion here, a trillion there,
52
162000
3000
excepto que hemos estado ocupados dando un billón aquí, un billón allá,
02:57
that we've brought that date of reckoning forward
53
165000
3000
que hemos movido esa fecha hacia adelante
03:00
to about 2017.
54
168000
3000
a cerca del 2017.
03:03
And we thought we were going to be able to lay these debts off on our kids,
55
171000
3000
Y pensamos que íbamos a poder dejarles estas deudas a nuestros niños,
03:06
but, guess what?
56
174000
2000
pero, ¿adivinen qué?
03:08
We're going to start to pay them.
57
176000
2000
Nosotros vamos a empezar a pagarlas.
03:10
And the problem with this stuff is, now that the bill's come due,
58
178000
2000
Y el problema con estas cosas es, ahora que la cuenta está vencida,
03:12
it turns out Santa isn't quite as cute when it's summertime.
59
180000
4000
resulta que Santa no es tan lindo en el verano.
03:16
Right?
60
184000
2000
¿Cierto?
03:18
(Laughter)
61
186000
3000
(Risas)
03:30
Here's some advice from one of the largest investors in the United States.
62
198000
4000
Aqui tenemos un consejo de uno de los más grandes inversionistas en los Estados Unidos,
03:34
This guy runs the China Investment Corporation.
63
202000
3000
este hombre comanda la Corporación de Inversiones China y
03:37
He is the main buyer of U.S. Treasury bonds.
64
205000
3000
es el principal comprador de los bonos de la Tesorería de Estados Unidos.
03:40
And he gave an interview in December.
65
208000
3000
Dió una entrevista en diciembre,
03:43
Here's his first bit of advice.
66
211000
2000
aquí está su primer consejo, ["Sé amable con los paises que te prestan dinero."]
03:45
And here's his second bit of advice.
67
213000
3000
aquí está su segundo consejo, ["Nos gustaría respaldarlos, si es sostenible."]
03:50
And, by the way,
68
218000
2000
Y, por cierto,
03:52
the Chinese Prime Minister reiterated this at Davos last Sunday.
69
220000
3000
el Primer Mimistro Chino reiteró esto en Davos el domingo pasado.
03:55
This stuff is getting serious enough
70
223000
2000
Eso se está poniendo seriamente grave
03:57
that if we don't start paying attention to the deficit,
71
225000
2000
que si no comenzamos a poner atención en el déficit,
03:59
we're going to end up losing the dollar.
72
227000
3000
vamos a terminar perdiendo al dólar.
04:02
And then all bets are off.
73
230000
3000
Y después todas las apuestas son válidas.
04:05
Let me show you what it looks like.
74
233000
3000
Déjenme mostrarles cómo se ve.
04:08
I think I can safely say
75
236000
2000
Pienso que puedo decir con seguridad
04:10
that I'm the only trillionaire in this room.
76
238000
3000
que soy el único billonario en este salón.
04:14
This is an actual bill.
77
242000
2000
Este es un billete real
04:16
And it's 10 triliion dollars.
78
244000
3000
y vale 10 billones de dólares.
04:19
The only problem with this bill is it's not really worth very much.
79
247000
3000
El único problema con este billete es que en realidad no vale mucho,
04:22
That was eight bucks last week, four bucks this week,
80
250000
3000
la semana pasada valía ocho dólares, esta semana vale cuatro,
04:25
a buck next week.
81
253000
2000
la semana entrante, un dólar.
04:27
And that's what happens to currencies when you don't stand behind them.
82
255000
4000
Y eso es lo que les pasa a las monedas cuando no están respaldadas.
04:32
So the next time somebody as cute as this shows up on your doorstep,
83
260000
5000
Así que la próxima vez que alquien tan lindo como éste se aparezca en su puerta,
04:37
and sometimes this creature's called Chrysler and sometimes Ford and sometimes ... whatever you want --
84
265000
7000
y a veces esta criatura se llama Chrysler y a veces Ford y a veces ... quien ustedes quieran...
04:44
you've just got to say no.
85
272000
2000
sólo tienen que decir no.
04:46
And you've got to start banishing a word that's called "entitlement."
86
274000
4000
Y tienes que comenzar a desaparecer la palabra que se llama "derecho".
04:50
And the reason we have to do that in the short term
87
278000
3000
Y la razón por la cual tenemos que hacer eso en el corto plazo
04:53
is because we have just run out of cash.
88
281000
3000
es porque se nos acaba de terminar el efectivo.
04:56
If you look at the federal budget, this is what it looks like.
89
284000
3000
Si ven el presupuesto federal, así es como se ve,
04:59
The orange slice is what's discretionary.
90
287000
3000
la parte naranja es lo que llaman discrecional,
05:02
Everything else is mandated.
91
290000
2000
todo lo demás es obligatorio.
05:05
It makes no difference if we cut out the bridges to Alaska in the overall scheme of things.
92
293000
3000
No hace ninguna diferencia si cortamos los puentes a Alaska en el esquema general de las cosas,
05:08
So what we have to start thinking about doing
93
296000
3000
entonces lo que tenemos que comenzar a pensar en hacer
05:11
is capping our medical spending
94
299000
2000
es limitar nuestros gastos médicos,
05:13
because that's a monster that's simply going to eat the entire budget.
95
301000
3000
porque ese es un monstruo que simplemente se va a comer todo el presupuesto.
05:16
We've got to start thinking about asking people
96
304000
3000
Tenemos que comenzar a pensar acerca de pedirle a la gente
05:19
to retire a little bit later.
97
307000
2000
que se retire un poco más tarde.
05:22
If you're 60 to 65 you retire on time.
98
310000
3000
Si tienes de 60 a 65 años te retiras a tiempo,
05:25
Your 401(k) just got nailed.
99
313000
2000
tu cuenta de retiro con 401 mil acaba de ser recortada.
05:27
If you're 50 to 60 we want you to work two years more.
100
315000
3000
Si tienes de 50 a 60 años queremos que trabajes dos años más.
05:30
If you're under 50 we want you to work four more years.
101
318000
3000
Si tienes menos de 50 años queremos que trabajes cuatro años más.
05:33
The reason why that's reasonable is,
102
321000
3000
La razón por lo cual esto es razonable es porque
05:36
when your grandparents were given Social Security,
103
324000
2000
cuando tus abuelos recibieron Seguridad Social,
05:38
they got it at 65 and were expected to check out at 68.
104
326000
3000
la obtuvieron a los 65 y se esperaba que vivieran hasta los 68;
05:41
Sixty-eight is young today.
105
329000
3000
hoy, 68 años es ser joven.
05:44
We've also got to cut the military about three percent a year.
106
332000
4000
También tenemos que recortar lo militar cerca de 3% al año.
05:48
We've got to limit other mandatory spending.
107
336000
2000
Tenemos que limitar otros gastos obligatorios,
05:50
We've got to quit borrowing as much,
108
338000
3000
tenemos que dejar de pedir prestado tanto,
05:53
because otherwise the interest is going to eat that whole pie.
109
341000
3000
porque de otra manera los intereses se van a comer todo el pastel.
05:56
And we've got to end up with a smaller government.
110
344000
2000
Y tenemos que terminar con un gobierno más pequeño.
05:58
And if we don't start changing this trend line,
111
346000
3000
Y si no comenzamos a cambiar esta tendencia,
06:01
we are going to lose the dollar
112
349000
2000
vamos a perder al dólar
06:03
and start to look like Iceland.
113
351000
2000
y a empezar a parecernos a Islandia.
06:05
I got what you're thinking.
114
353000
3000
Sé lo que están pensando.
06:08
This is going to happen when hell freezes over.
115
356000
4000
Esto va a suceder cuando el infierno se congele,
06:13
But let me remind you this December it did snow in Vegas.
116
361000
3000
pero déjenme recordarles que en diciembre pasado nevó en Las Vegas.
06:18
(Laughter)
117
366000
3000
(Risas)
06:23
Here's what happens if you don't address this stuff.
118
371000
3000
Aquí está lo que pasa si esto no se atiende,
06:26
So, Japan had a fiscal real estate crisis
119
374000
3000
Japón tuvo una crisis fiscal de bienes raices
06:29
back in the late '80s.
120
377000
2000
al final de los ochentas
06:31
And its 225 largest companies today
121
379000
3000
y sus 225 compañías más grandes hoy
06:34
are worth one quarter of what they were 18 years ago.
122
382000
3000
valen una cuarta parte de lo que valían hace 18 años.
06:37
We don't fix this now,
123
385000
2000
Si no arreglamos esto ahora,
06:39
how would you like to see a Dow 3,500 in 2026?
124
387000
3000
¿cómo les gustaría ver un Dow en 3,500 en 2026?
06:42
Because that's the consequence of not dealing with this stuff.
125
390000
3000
Porque esa es la consecuencia de no atender esto.
06:45
And unless you want this person
126
393000
3000
Y a menos que quieran que esta persona "Alex Hundido"
06:48
to not just become the CFO of Florida, but the United States,
127
396000
3000
no sólo se convierta en el Gerente Financiero de Florida, sino de Estados Unidos,
06:51
we'd better deal with this stuff.
128
399000
3000
más vale que atendamos esto.
06:54
That's the short term. That's the flame part.
129
402000
3000
Eso es a corto plazo, esa es la parte de la llama,
06:57
That's the financial crisis.
130
405000
2000
esta es la crisis financiera.
06:59
Now, right behind the financial crisis there's a second and bigger wave
131
407000
4000
Ahora, justo detrás de la crisis financiera hay una segunda ola más grande
07:03
that we need to talk about.
132
411000
1000
de la que necesitamos hablar.
07:04
That wave is much larger, much more powerful,
133
412000
2000
Esa ola es más grande, mucho más poderosa,
07:06
and that's of course the wave of technology.
134
414000
3000
y esa es la ola de la tecnología.
07:09
And what's really important in this stuff is,
135
417000
2000
Y lo que es realmente importante de estas cosas es,
07:11
as we cut, we also have to grow.
136
419000
2000
que mientras cortamos, también tenemos que crecer.
07:13
Among other things, because startup companies
137
421000
3000
Entre otras cosas, porque las compañías nacientes
07:16
are .02 percent of U.S. GDP investmentm
138
424000
2000
son una inversión del 0.02% del PIB de los Estados Unidos
07:18
and they're about 17.8 percent of output.
139
426000
3000
y ellas son el 17.8% del rendimiento.
07:23
It's groups like that in this room that generate the future of the U.S. economy.
140
431000
3000
Son grupos como estos en este salón los que generan el futuro de la economía de los Estados Unidos
07:26
And that's what we've got to keep growing.
141
434000
2000
y eso es lo que tenemos que mantener creciendo.
07:28
We don't have to keep growing these bridges to nowhere.
142
436000
3000
No tenemos que seguir haciendo estos puentes que llevan a ningún lado.
07:32
So let's bring a romance novelist into this conversation.
143
440000
4000
Entonces traigamos a un novelista romántico a esta conversación.
07:38
And that's where these three trends come together.
144
446000
5000
[Llegará el momento en que creas que todo ha terminado... ése será el comienzo... Louis L'Amour] Y es ahí donde estas tres tendencias se juntan.
07:43
That's where the ability to engineer microbes,
145
451000
3000
Ahí es donde la habilidad de operar microbios,
07:46
the ability to engineer tissues,
146
454000
2000
la habilidad de operar tejidos,
07:48
and the ability to engineer robots
147
456000
2000
y la habilidad de operar robots
07:50
begin to lead to a reboot.
148
458000
2000
empiezan a conducirnos a un reinicio.
07:52
And let me recap some of the stuff you've seen.
149
460000
2000
Y déjenme resumir algo de lo que han visto,
07:54
Craig Venter showed up last year
150
462000
2000
Craig Venter vino el año pasado
07:56
and showed you the first fully programmable cell that acts like hardware
151
464000
2000
y les mostró la primer célula totalmente programable que actúa como hardware
07:58
where you can insert DNA and have it boot up as a different species.
152
466000
3000
donde pueden insertar ADN y hacer que empiece como una especie diferente.
08:01
In parallel, the folks at MIT
153
469000
3000
En paralelo, la gente en MIT
08:04
have been building a standard registry of biological parts.
154
472000
3000
ha estado construyendo un registro estándar de partes biológicas.
08:07
So think of it as a Radio Shack for biology.
155
475000
3000
Imagínenlo como una tienda Radio Shack de biología,
08:10
You can go out and get your proteins, your RNA, your DNA, whatever.
156
478000
3000
a la que pueden acudir y obtener sus proteinas, su ARN, su ADN, lo que sea
08:13
And start building stuff.
157
481000
3000
y comenzar a construir cosas.
08:16
In 2006 they brought together high school students and college students
158
484000
3000
En 2006 reunieron a estudiantes de preparatoria y universitarios
08:19
and started to build these little odd creatures.
159
487000
2000
que comenzaron a construir estas pequeñas criaturas raras;
08:21
They just happened to be alive instead of circuit boards.
160
489000
3000
excepto que estaban vivas en lugar de ser tarjetas electrónicas.
08:24
Here was one of the first things they built.
161
492000
3000
Aqui está una de las primeras cosas que construyeron [Perfume de bacteria]
08:27
So, cells have this cycle.
162
495000
2000
Así que, las células tienen este ciclo.
08:29
First they don't grow.
163
497000
2000
Primero no crecen,
08:31
Then they grow exponentially.
164
499000
2000
después crecen exponencialmente,
08:33
Then they stop growing.
165
501000
2000
después dejan de crecer.
08:35
Graduate students wanted a way of telling which stage they were in.
166
503000
3000
Los estudiantes de posgrado querían distinguir en que etapa se encontraban la células.
08:38
So they engineered these cells
167
506000
2000
Así que manipularon estas células
08:40
so that when they're growing in the exponential phase,
168
508000
2000
para que cuando estuvieran creciendo en la fase exponencial,
08:42
they would smell like wintergreen.
169
510000
2000
olieran como a gaulteria
08:44
And when they stopped growing they would smell like bananas.
170
512000
3000
y cuando dejaran de crecer olieran a plátano;
08:47
And you could tell very easily when your experiment was working
171
515000
3000
así podían distinguir muy fácilmente cuando el experimento estaba funcionando
08:50
and wasn't, and where it was in the phase.
172
518000
3000
y cuando no y cuando estaba en la fase.
08:53
This got a bit more complicated two years later.
173
521000
3000
Dos años después esto se complicó un poco más cuando
08:56
Twenty-one countries came together. Dozens of teams.
174
524000
2000
21 países se juntaron, docenas de equipos
08:58
They started competing.
175
526000
2000
comenzaron a competir.
09:00
The team from Rice University started to engineer the substance in red wine
176
528000
5000
El equipo de la Universidad de Rice comenzó a manipular la sustancia en el vino tinto
09:05
that makes red wine good for you
177
533000
2000
que hace que el vino tinto sea buena para ti
09:07
into beer.
178
535000
2000
dentro de la cerveza.
09:10
So you take resveratrol and you put it into beer.
179
538000
4000
Así que tomas resveratrol y lo pones en la cerveza.
09:14
Of course, one of the judges is wandering by, and he goes,
180
542000
3000
Claro que, uno de los jueces pasa por ahí, y dice,
09:17
"Wow! Cancer-fighting beer! There is a God."
181
545000
4000
"¡Guau! ¡Cerveza que combate el cáncer! Dios existe."
09:21
(Laughter)
182
549000
3000
(Risas)
09:24
The team from Taiwan was a little bit more ambitious.
183
552000
3000
El equipo de Taiwan fue un poco más ambicioso,
09:27
They tried to engineer bacterias in such a way
184
555000
3000
trataron de manipular bacterias de tal forma
09:30
that they would act as your kidneys.
185
558000
3000
que pudieran actuar como tus riñones.
09:33
Four years ago, I showed you this picture.
186
561000
3000
Hace cuatro años, mostré esta foto.
09:36
And people oohed and ahhed,
187
564000
2000
Y la gente se sorprendió,
09:38
because Cliff Tabin had been able to grow an extra wing on a chicken.
188
566000
3000
porque Cliff Tabin había podido crecer una ala extra en un pollo
09:41
And that was very cool stuff back then.
189
569000
3000
y eso fue muy interesante entonces.
09:44
But now moving from bacterial engineering to tissue engineering,
190
572000
3000
Pero ahora yendo de la manipulación de bacterias a la manipulación de tejidos,
09:47
let me show you what's happened in that period of time.
191
575000
3000
déjenme enseñarles que ha pasado en ese período de tiempo.
09:50
Two years ago, you saw this creature.
192
578000
3000
Hace dos años, vieron a esta creatura,
09:53
An almost-extinct animal from Xochimilco, Mexico
193
581000
3000
un animal casi extinto de Xochimilco, México
09:56
called an axolotl
194
584000
2000
llamado ajolote
09:58
that can re-generate its limbs.
195
586000
2000
que puede regenerar sus extremidades.
10:00
You can freeze half its heart. It regrows.
196
588000
2000
Pueden congelar la mitad de su corazón, lo regenera;
10:02
You can freeze half the brain. It regrows.
197
590000
2000
pueden congelar la mitad de su cerebro, lo regenera;
10:04
It's almost like leaving Congress.
198
592000
2000
es casi como un Congreso viviente.
10:06
(Laughter)
199
594000
3000
(Risas)
10:12
But now, you don't have to have the animal itself to regenerate,
200
600000
3000
Pero ahora, no necesitan tener al animal para regenerarlo,
10:15
because you can build cloned mice molars in Petri dishes.
201
603000
5000
porque pueden construir muelas de ratón clonadas en platos de laboratorio.
10:21
And, of course if you can build mice molars in Petri dishes,
202
609000
4000
Y, claro que si pueden construir muelas de ratón en platos de laboratorio,
10:25
you can grow human molars in Petri dishes.
203
613000
3000
pueden crecer muelas humanas en platos de laboratorio.
10:28
This should not surprise you, right?
204
616000
2000
Esto no debería de sorprenderlos, ¿cierto?
10:30
I mean, you're born with no teeth.
205
618000
2000
Quiero decir, nacen sin dientes,
10:32
You give away all your teeth to the tooth fairy.
206
620000
3000
dan todos sus dientes al hada de los dientes;
10:35
You re-grow a set of teeth.
207
623000
2000
les crece un nuevo conjunto de dientes.
10:37
But then if you lose one of those second set of teeth, they don't regrow,
208
625000
3000
Pero después si pierden uno de esos dientes del segundo conjunto, estos no vuelven a crecer,
10:40
unless, if you're a lawyer.
209
628000
2000
a menos que sean abogados.
10:42
(Laughter)
210
630000
4000
(Risas)
10:46
But, of course, for most of us,
211
634000
3000
Pero, claro, para la mayoría de nosotros,
10:49
we know how to grow teeth, and therefore we can take adult stem teeth,
212
637000
3000
sabemos cómo hacer crecer dientes y por lo tanto podemos tomar dientes madre de adulto,
10:52
put them on a biodegradable mold, re-grow a tooth,
213
640000
3000
los ponemos en un molde biodegradable, crecemos un diente,
10:55
and simply implant it.
214
643000
1000
y simplemente lo implantamos.
10:56
And we can do it with other things.
215
644000
3000
Y lo podemos hacer con otras cosas.
10:59
So, a Spanish woman who was dying of T.B. had a donor trachea,
216
647000
5000
Asi, a una mujer española que estaba muriendo de tuberculosis le fue donada una tráquea,
11:04
they took all the cells off the trachea,
217
652000
2000
le quitaron todas las células a la tráquea,
11:06
they spraypainted her stem cells onto that cartilage.
218
654000
3000
le rociaron sus células madre en el cartílago,
11:09
She regrew her own trachea,
219
657000
2000
que regeneraron su propia tráquea,
11:11
and 72 hours later it was implanted.
220
659000
3000
y 72 horas después le fue implantada.
11:14
She's now running around with her kids.
221
662000
2000
Ella está ahora corriendo con sus niños.
11:16
This is going on in Tony Atala's lab in Wake Forest
222
664000
3000
Esto está sucediendo en el laboratorio de Tony Atala en la Universidad Wake Forest
11:19
where he is re-growing ears for injured soldiers,
223
667000
3000
donde está creciendo orejas de soldados heridos,
11:22
and he's also re-growing bladders.
224
670000
4000
y también está creciendo vejigas.
11:26
So there are now nine women walking around Boston
225
674000
3000
Así hay nueve mujeres caminando alrededor de Boston
11:29
with re-grown bladders,
226
677000
2000
con vejigas regeneradas,
11:31
which is much more pleasant than walking around with a whole bunch of plastic bags
227
679000
2000
que es mucho más placentero que caminar con bolsas de plástico
11:33
for the rest of your life.
228
681000
2000
por el resto de tu vida.
11:35
This is kind of getting boring, right?
229
683000
3000
Esto se está poniendo aburrido, ¿cierto?
11:38
I mean, you understand where this story's going.
230
686000
2000
Quiero decir, entienden a dónde lleva esta historia
11:40
But, I mean it gets more interesting.
231
688000
2000
y esto se pone más interesante.
11:42
Last year, this group was able to take all the cells off a heart,
232
690000
4000
El año pasado, este grupo fue capaz de remover todas las células de un corazón,
11:46
leaving just the cartilage.
233
694000
3000
dejando sólo el cartílago.
11:49
Then, they sprayed stem cells onto that heart, from a mouse.
234
697000
2000
Después, rociaron células madre en el corazón, de un ratón;
11:51
Those stem cells self-organized, and that heart started to beat.
235
699000
4000
esas células madre se organizaron solas y el corazón comenzó a latir.
11:55
Life happens.
236
703000
3000
La vida sucede.
11:59
This may be one of the ultimate papers.
237
707000
3000
Este debe de ser uno de los últimos artículos;
12:02
This was done in Japan and in the U.S., published at the same time,
238
710000
3000
esto fue realizado en Japón y en los Estados Unidos, publicados al mismo tiempo,
12:05
and it rebooted skin cells into stem cells, last year.
239
713000
4000
y transformaron células de la piel en células madre, el año pasado.
12:10
That meant that you can take the stuff right here,
240
718000
3000
Eso quiere decir que puedes tomar esto de aquí,
12:13
and turn it into almost anything in your body.
241
721000
2000
y convertirlo en casi cualquier cosa en tu cuerpo.
12:15
And this is becoming common, it's moving very quickly,
242
723000
3000
Y se está volviendo común, se está moviendo muy rápido,
12:18
it's moving in a whole series of places.
243
726000
3000
se está moviendo en toda una serie de lugares.
12:22
Third trend: robots.
244
730000
2000
Tercer tendencia: los robots.
12:25
Those of us of a certain age grew up expecting that by now
245
733000
3000
Aquellos de nosotros de cierta edad crecimos esperando que para hoy en día
12:28
we would have Rosie the Robot from "The Jetsons" in our house.
246
736000
4000
tendríamos a la robot Rosie de "Los Supersónicos" en nuestra casa
12:32
And all we've got is a Roomba.
247
740000
3000
y todo lo que obtuvimos es una aspiradora Roomba.
12:35
(Laughter)
248
743000
3000
(Risas)
12:38
We also thought we'd have this robot to warn us of danger.
249
746000
4000
También pensamos que tendríamos este robot para advertirnos del peligro,
12:42
Didn't happen.
250
750000
2000
no sucedió.
12:44
And these were robots engineered for a flat world, right?
251
752000
3000
Y estos eran robots diseñados para un mundo plano, ¿cierto?
12:47
So, Rosie runs around on skates
252
755000
2000
Entonces Rosie se movía en patines
12:49
and the other one ran on flat threads.
253
757000
2000
y el otro se movía usando orugas planas.
12:52
If you don't have a flat world, that's not good,
254
760000
2000
Si no tienes un mundo plano, eso no es bueno,
12:54
which is why the robot's we're designing today are a little different.
255
762000
5000
razón por la cual los robots que hoy estamos diseñando son un poco diferentes.
13:00
This is Boston Dynamics' "BigDog."
256
768000
2000
Este es el "Perro Grande" (BigDog) de la compañía Boston Dynamics
13:05
And this is about as close as you can get to a physical Turing test.
257
773000
3000
y esto es lo más cercado a una prueba Turing física.
13:08
O.K., so let me remind you, a Turing test is where you've got a wall,
258
776000
4000
OK, déjenme recordarles, una prueba Turing es cuando tienen una pared,
13:12
you're talking to somebody on the other side of the wall,
259
780000
2000
le están hablando a alguien al otro lado de la pared,
13:14
and when you don't know if that thing is human or animal --
260
782000
3000
y cuando no saben si esa cosa es humana o animal,
13:17
that's when computers have reached human intelligence.
261
785000
4000
ahí es cuando las computadoras han alcanzado inteligencia humana.
13:21
This is not an intelligence Turing rest,
262
789000
3000
Esta no es una prueba Turing de inteligencia,
13:24
but this is as close as you can get to a physical Turing test.
263
792000
3000
pero es lo más cercano a una prueba Turing física.
13:27
And this stuff is moving very quickly,
264
795000
2000
Y estas cosas se están moviendo muy rápido,
13:29
and by the way, that thing can carry about 350 pounds of weight.
265
797000
4000
por cierto, esa cosa puede cargar cerca de 159 kilos de peso.
13:34
These are not the only interesting robots.
266
802000
3000
Estos no son los únicos robots interesantes,
13:37
You've also got flies, the size of flies,
267
805000
2000
también tenemos moscas, robots del tamaño de las moscas,
13:39
that are being made by Robert Wood at Harvard.
268
807000
3000
que están siendo fabricadas por Robert Wood en Harvard.
13:42
You've got Stickybots that are being made at Stanford.
269
810000
3000
Tenemos Stickybots (robots pegajosos) que se están fabricando en Stanford.
13:45
And as you bring these things together,
270
813000
3000
Y cuando pones estas cosas juntas,
13:48
as you bring cells, biological tissue engineering and mechanics together,
271
816000
6000
cuando juntas a las células, la manipulación de tejido biológico y la mecánica,
13:54
you begin to get some really odd questions.
272
822000
3000
empiezan a surgir algunas preguntas realmente extrañas.
13:57
In the last Olympics, this gentleman,
273
825000
2000
En las últimas Olimpiadas, este caballero,
13:59
who had several world records in the Special Olympics,
274
827000
4000
el cual posee varios récords mundiales en las Olimpiadas Especiales,
14:03
tried to run in the normal Olympics.
275
831000
2000
trató de correr en las Olimpiadas normales.
14:05
The only issue with Oscar Pistorius
276
833000
2000
El único problema con Oscar Pistorius
14:07
is he was born without bones in the lower part of his legs.
277
835000
4000
es que nació sin huesos en la parte inferior de sus piernas;
14:11
He came within about a second of qualifying.
278
839000
2000
estuvo a un segundo de calificar.
14:13
He sued to be allowed to run,
279
841000
3000
Tuvo que levantar una demanda legal para que se le permitiera correr
14:16
and he won the suit,
280
844000
2000
y ganó la demanda,
14:18
but didn't qualify by time.
281
846000
2000
pero no calificó por tiempo.
14:20
Next Olympics, you can bet that Oscar, or one of Oscar's successors,
282
848000
5000
En las próximas Olimipadas, pueden apostar a que Oscar o uno de los sucesores de Oscar,
14:25
is going to make the time.
283
853000
2000
va a hacer el tiempo.
14:27
And two or three Olympics after that, they are going to be unbeatable.
284
855000
3000
Y en dos o tres Olimpiadas después, van a ser invencibles.
14:30
And as you bring these trends together, and as you think of what it means
285
858000
5000
Y cuando juntamos estas tendencias y pensamos en lo que significa
14:35
to take people who are profoundly deaf, who can now begin to hear --
286
863000
4000
el tomar a gente con sordera profunda, que puede empezar a oir...
14:39
I mean, remember the evolution of hearing aids, right?
287
867000
3000
Me explico, recuerdan la evolución de los dispositivos de asistencia auditiva, ¿cierto?
14:42
I mean, your grandparents had these great big cones,
288
870000
3000
Sus abuelos tenían estos enormes conos,
14:45
and then your parents had these odd boxes
289
873000
2000
y después sus padres tenían estas cajas extrañas
14:47
that would squawk at odd times during dinner,
290
875000
2000
que chillaban en momentos extraños durante la cena,
14:49
and now we have these little buds that nobody sees.
291
877000
2000
y ahora tenemos estos pequeños auriculares que nadie ve.
14:51
And now you have cochlear implants
292
879000
2000
Y ahora tenemos implantes cocleares
14:53
that go into people's heads and allow the deaf to begin to hear.
293
881000
5000
que van en las cabezas de la gente y permite a los sordos comenzar a oír.
14:58
Now, they can't hear as well as you and I can.
294
886000
2000
Ahora bien, no pueden oír tan bien como tú o yo podemos,
15:00
But, in 10 or 15 machine generations they will,
295
888000
3000
pero, en 10 o 15 generaciones de máquina, podrán,
15:03
and these are machine generations, not human generations.
296
891000
2000
y estas son generaciones de máquina, no generaciones humanas;
15:06
And about two or three years after they can hear as well as you and I can,
297
894000
4000
en alrededor de dos o tres años después podrán oír tan bien como tú o yo podemos,
15:10
they'll be able to hear maybe how bats sing, or how whales talk,
298
898000
4000
serán capaces de oír tal vez cómo cantan los murciélagos o cómo hablan las ballenas,
15:14
or how dogs talk, and other types of tonal scales.
299
902000
3000
o cómo hablan los perros y otros tipos de escalas tonales.
15:17
They'll be able to focus their hearing,
300
905000
2000
Serán capaces de enfocar su audición,
15:19
they'll be able to increase the sensitivity, decrease the sensitivity,
301
907000
3000
serán capaces de incrementar o disminuir la sensibilidad,
15:22
do a series of things that we can't do.
302
910000
2000
hacer una serie de cosas que nosotros no podemos hacer.
15:24
And the same thing is happening in eyes.
303
912000
2000
Y lo mismo está ocurriendo con los ojos.
15:27
This is a group in Germany that's beginning to engineer eyes
304
915000
3000
Este es un grupo en Alemania que está comenzando a diseñar ojos
15:30
so that people who are blind can begin to see light and dark.
305
918000
4000
para que la gente que es ciega pueda comenzar a ver la luz y la oscuridad,
15:34
Very primitive.
306
922000
2000
muy primitivo,
15:36
And then they'll be able to see shape.
307
924000
2000
después podrán ver formas
15:38
And then they'll be able to see color, and then they'll be able to see in definition,
308
926000
3000
y después podrán ver color y después podrán ver en definición,
15:41
and one day, they'll see as well as you and I can.
309
929000
3000
y un día, ellos verán tan bien como tú y yo podemos.
15:44
And a couple of years after that, they'll be able to see in ultraviolet,
310
932000
3000
Y un par de años después, ellos podrán ver en ultravioleta,
15:47
they'll be able to see in infrared, they'll be able to focus their eyes,
311
935000
2000
podrán ver en infrarojo, podrán enfocar sus ojos,
15:49
they'll be able to come into a microfocus.
312
937000
3000
podrán microenfocar,
15:52
They'll do stuff you and I can't do.
313
940000
2000
harán cosas que tú y yo no podemos hacer.
15:55
All of these things are coming together,
314
943000
2000
Todas estas cosas vienen juntas
15:57
and it's a particularly important thing to understand,
315
945000
4000
y es una cosa particularmente importante de entender,
16:01
as we worry about the flames of the present,
316
949000
3000
mientras nos preocupamos de las flamas del presente,
16:04
to keep an eye on the future.
317
952000
3000
mantener un ojo en el futuro.
16:07
And, of course, the future is looking back 200 years,
318
955000
3000
Y, por supuesto, el futuro está viendo 200 años hacia atrás,
16:10
because next week is the 200th anniversary of Darwin's birth.
319
958000
4000
porque la semana próxima es el 200 aniversario del nacimiento de Darwin
16:14
And it's the 150th anniversary of the publication of "The Origin of Species."
320
962000
6000
y es el 150 aniversario de la publicación del "Orígen de las Especies".
16:20
And Darwin, of course, argued that evolution is a natural state.
321
968000
4000
Darwin, por supuesto, argumentó que la evolución es un estado natural,
16:24
It is a natural state in everything that is alive, including hominids.
322
972000
6000
es un estado natural en todo lo que está vivo, incluyendo a los homínidos.
16:30
There have actually been 22 species of hominids
323
978000
5000
En efecto han existido 22 especies de homínidos
16:35
that have been around, have evolved, have wandered in different places,
324
983000
4000
que han estado por aquí, han evolucionado, han vagado por diferentes lugares
16:39
have gone extinct.
325
987000
2000
y se han extinguido.
16:41
It is common for hominids to evolve.
326
989000
5000
Es común que los homínidos evolucionen
16:46
And that's the reason why, as you look at the hominid fossil record,
327
994000
3000
y esa es la razón por la cual, cuando vemos el registro fósil de los homínidos,
16:49
erectus, and heidelbergensis, and floresiensis, and Neanderthals,
328
997000
8000
erectos y heildelbergensis y floresiensis y neandertales,
16:57
and Homo sapiens, all overlap.
329
1005000
4000
y Homo sapiens, todos se traslapan.
17:02
The common state of affairs is to have overlapping versions of hominids,
330
1010000
5000
La situación común es tener versiones traslapadas de homínidos,
17:07
not one.
331
1015000
2000
no una.
17:09
And as you think of the implications of that,
332
1017000
2000
Y mientras pensamos en las implicaciones de esto,
17:11
here's a brief history of the universe.
333
1019000
2000
aquí está una historia breve del universo.
17:13
The universe was created 13.7 billion years ago,
334
1021000
3000
El universo fue creado hace 13.7 mil millones de años,
17:16
and then you created all the stars, and all the planets,
335
1024000
2000
y después fueron creadas todas las estrellas y todos los planetas,
17:18
and all the galaxies, and all the Milky Ways.
336
1026000
2000
y todas las galaxias y todas las Vías Lácteas.
17:20
And then you created Earth about 4.5 billion years ago,
337
1028000
3000
Y después fue creada la Tierra hace cerca de 4.5 mil millones de años,
17:23
and then you got life about four billion years ago,
338
1031000
3000
y después tuvimos vida hace 4 mil millones de años,
17:26
and then you got hominids about 0.006 billion years ago,
339
1034000
4000
y después tenemos homínidos hace cerca de 6 millones de años,
17:30
and then you got our version of hominids about 0.0015 billion years ago.
340
1038000
5000
y después tenemos nuestra versión de homínido cerca de 0.0015 millones de años.
17:35
Ta-dah!
341
1043000
2000
¡Ta-taaaa!
17:37
Maybe the reason for thr creation of the universe,
342
1045000
2000
Tal vez, la razón para la creación del universo,
17:39
and all the galaxies, and all the planets, and all the energy,
343
1047000
3000
y todas las galaxias, y todos los planetas, y toda la energía,
17:42
and all the dark energy, and all the rest of stuff
344
1050000
2000
y toda la energía oscura, y todo el resto de las cosas
17:44
is to create what's in this room.
345
1052000
4000
es para crear lo que hay en este salón,
17:48
Maybe not.
346
1056000
2000
tal vez no;
17:51
That would be a mildly arrogant viewpoint.
347
1059000
3000
eso sería un punto de vista ligeramente arrogante.
17:54
(Laughter)
348
1062000
4000
(Risas)
17:59
So, if that's not the purpose of the universe, then what's next?
349
1067000
3000
Así que, si ese no es el propósito del universo, ¿entonces que sigue?
18:04
(Laughter)
350
1072000
4000
(Risas)
18:08
I think what we're going to see is we're going to see a different species of hominid.
351
1076000
4000
Yo pienso que lo que vamos a ver es que vamos a ver un especie diferente de homínido.
18:13
I think we're going to move from a Homo sapiens into a Homo evolutis.
352
1081000
4000
Pienso que vamos a movernos de Homo sapiens a Homo evolutis.
18:17
And I think this isn't 1,000 years out.
353
1085000
2000
Y pienso que no va a ser en 1,000 años.
18:19
I think most of us are going to glance at it,
354
1087000
3000
Pienso que la mayoría de nosotros vamos a darle un vistazo,
18:22
and our grandchildren are going to begin to live it.
355
1090000
2000
y nuestros nietos van a comenzar a vivirlo.
18:24
And a Homo evolutis brings together these three trends
356
1092000
3000
Y un Homo evolutis junta estas tres tendencias
18:27
into a hominid that takes direct and deliberate control
357
1095000
3000
en un homínido que toma control directo y deliberado
18:30
over the evolution of his species, her species and other species.
358
1098000
4000
sobre la evolución de su especie y otras especies.
18:35
And that, of course, would be the ultimate reboot.
359
1103000
4000
Y eso, por supuesto, sería el último reinicio.
18:39
Thank you very much.
360
1107000
2000
Muchas gracias.
18:41
(Applause)
361
1109000
3000
(Aplausos)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com