TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil räägib, kuidas tehnoloogia meid ümber kujundab
Filmed:
Readability: 5.3
2,876,494 views
Leiutaja, ettevõtja ja visionäär Ray Kurzweil selgitab rohkete ja põhjendatud detailide abil, miks 2020-ndateks on meil ümber kavandatud inimaju ning nanobotid haldavad teie teadvust.
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
Nii, on väga tore siin olla.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Me oleme palju kuulnud tehnoloogia võimalustest ja riskist.
00:30
I've been quite interested in both.
2
6000
2000
Ma olen olnud üsna huvitatud mõlemast.
00:32
If we could convert 0.03 percent
3
8000
4000
Kui me suudaksime muuta 0,03%
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
päikesekiirgusest, mis langeb Maale, energiaks,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
suudaksime täita kõik meie kavandatud vajadused aastaks 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Me ei suuda seda teha täna, sest päikesepaneelid on rasked,
00:46
expensive and very inefficient.
7
22000
2000
kulukad ja väga ebaefektiivsed.
00:48
There are nano-engineered designs,
8
24000
3000
On olemas nano-projekteeritud kavandid,
00:51
which at least have been analyzed theoretically,
9
27000
2000
mida on vähemalt analüüsitud teoreetiliselt,
00:53
that show the potential to be very lightweight,
10
29000
2000
mis on potentsiaalselt väga kerged,
00:55
very inexpensive, very efficient,
11
31000
2000
väga odavad, väga tõhusad,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
ja me suudaksime tegelikult täita kogu meie energiavajaduse sellisel taastuval teel.
01:01
Nano-engineered fuel cells
13
37000
2000
Nano-projekteeritud akumulaatorid
01:03
could provide the energy where it's needed.
14
39000
3000
suudaksid pakkuda energiat seal, kus seda vajatakse.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Võtmetrendiks on detsentralisatsioon,
01:08
moving from centralized nuclear power plants and
16
44000
3000
liikudes tsentraliseeritud tuumaenergiajaamadelt ja
01:11
liquid natural gas tankers
17
47000
2000
vedelate looduslike gaaside tankeritelt
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
detsentraliseeritud ressurssidele, mis on keskkonna suhtes sõbralikumad,
01:17
a lot more efficient
19
53000
3000
palju tõhusamad
01:20
and capable and safe from disruption.
20
56000
4000
ja võimekamad ja katkestuste suhtes turvalisemad.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono rääkis väga ilusasti,
01:26
that we have the tools, for the first time,
22
62000
4000
et meil on esimest korda olemas vahendid,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
et tegeleda igivanade probleemidega nagu haigused ja vaesus.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
Enamik maailma piirkondadest liigub selles suunas.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
1990. aastal elas Ida-Aasias ja Vaikse ookeani regioonis
01:42
there were 500 million people living in poverty --
26
78000
2000
500 miljonit inimest vaesuses --
01:44
that number now is under 200 million.
27
80000
3000
see number on nüüd alla 200 miljoni.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
Maailma Pank ennustab, et aastaks 2011 on see alla 20 miljoni,
01:50
which is a reduction of 95 percent.
29
86000
3000
mis on 95%-line vähenemine.
01:53
I did enjoy Bono's comment
30
89000
3000
Ma nautisin Bono märkust
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
Haight-Ashbury ja Silicon Valley seoste kohta.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Olles ise pärit Massachusettsi kõrgtehnoloogia kogukonnast,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
tooksin välja, et me olime hipid samuti 1960-ndatel,
02:08
although we hung around Harvard Square.
34
104000
3000
kuigi me veetsime aega Harvard Square'il.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Aga meil on olemas potentsiaal, et ületada haigused ja vaesus,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
ja ma hakkan nendel teemadel rääkima, kui meil on soovi.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly rääkis tehnoloogia kiirendusest.
02:22
That's been a strong interest of mine,
38
118000
3000
See on olnud minu tugev huviala
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
ja teema, mida ma olen arendanud ligi 30 aastat.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Ma taipasin, et mu tehnoloogiad peavad olema mõistlikud, kui ma projekti lõpetan.
02:33
That invariably, the world was a different place
41
129000
3000
Et maailm oleks eranditult teistsugune koht,
02:36
when I would introduce a technology.
42
132000
2000
kui ma seda tehnoloogiat esitleks.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Ja ma märkasin, et enamik leiutisi nurjuvad,
02:40
not because the R&D department can't get it to work --
44
136000
3000
mitte sellepärast, et uurimis- ja arendusosakonnad ei saa seda tööle --
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
kui sa vaatad enamikke äriplaane, siis nad on tegelikult edukad,
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
kui neile antakse võimalus ehitada seda, mida nad on lubanud ehitada,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
ja 90% või rohkem nendest projektidest kukuvad läbi, sest ajastus oli vale --
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
mitte kõik eduks vajalikud faktorid ei ole paigas, kui neid vajatakse.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Nii sai minust tulihingeline tehnoloogia trendide õppija
03:00
and track where technology would be at different points in time,
50
156000
3000
ja ma jälgisin, kus tehnoloogia oleks erinevatel ajahetkedel,
03:03
and began to build the mathematical models of that.
51
159000
3000
ja hakkasin selle kohta matemaatilisi mudeleid ehitama.
03:06
It's kind of taken on a life of its own.
52
162000
2000
See on natuke nagu loonud juba oma enda elu.
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Mul on 10-liikmeline grupp, mis töötab koos minuga, et koguda andmeid
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
juhtivate tehnoloogiamõõdikute kohta paljudes erinevates piirkondades, ning me ehitame mudeleid.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Ja sa kuuled inimesi ütlemas, et me ei saa ennustada tulevikku.
03:19
And if you ask me,
56
175000
2000
Ja kui sa küsid minult,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
kas Google'i hind on kolme aasta pärast kõrgem või madalam kui ta on täna,
03:24
that's very hard to say.
58
180000
2000
siis seda on väga raske öelda.
03:26
Will WiMax CDMA G3
59
182000
3000
Kas WiMax CDMA G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
on juhtmeta ühenduse standard kolme aasta pärast? Seda on raske öelda.
03:31
But if you ask me, what will it cost
61
187000
2000
Aga kui sa küsid minult, kui palju maksab
03:33
for one MIPS of computing in 2010,
62
189000
3000
üks andmetöötluse MIPS aastal 2010
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
või DNA ühe aluspaari järjestamine aastal 2012
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
või mis on ühe megabaidi andmete juhtmevaba saatmise kulu aastal 2014,
03:43
it turns out that those are very predictable.
65
199000
3000
siis tuleb välja, et need on väga hästi ennustatavad.
03:46
There are remarkably smooth exponential curves
66
202000
2000
On olemas tähelepanuväärselt sujuvad eksponentsiaalsed kõverad,
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
mis juhivad hinna käitumist, võimet ja ülekandekiirust.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Ja ma toon teile selle kohta väikese näite,
03:53
but there's really a theoretical reason
69
209000
2000
aga tegelikult on olemas teoreetiline põhjus,
03:55
why technology develops in an exponential fashion.
70
211000
5000
miks tehnoloogia areneb eksponentsiaalsel moel.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
Ent paljud inimesed, kui nad mõtlevad tulevikule, mõtlevad sellele lineaarselt.
04:02
They think they're going to continue
72
218000
2000
Nad arvavad, et jätkavad
04:04
to develop a problem
73
220000
2000
probleemi arendamist
04:06
or address a problem using today's tools,
74
222000
3000
või probleemi käsitlemist, kasutades tänaseid vahendeid
04:09
at today's pace of progress,
75
225000
2000
tänase progressi tempos
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
ning nad ei suuda arvesse võtta seda eksponentsiaalset kasvu.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
Genoomi projekt oli vastuoluline projekt aastal 1990.
04:18
We had our best Ph.D. students,
78
234000
2000
Meil olid meie parimad doktorandid,
04:20
our most advanced equipment around the world,
79
236000
2000
meie kõige arenenum tehnika üle maailma,
04:22
we got 1/10,000th of the project done,
80
238000
2000
me saime tehtud 1/10 000 osa projektist,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
nii et kuidas me saame selle tehtud 15 aasta jooksul?
04:26
And 10 years into the project,
82
242000
3000
Ja pärast 10 aastat seda projekti
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
olid skeptikute argumendid ikka veel tugevad -- öeldes: "Teil on 2/3 sellest projektist läbi
04:32
and you've managed to only sequence
84
248000
2000
ja teil on õnnestunud ainult järjestada
04:34
a very tiny percentage of the whole genome."
85
250000
3000
väga väike protsent kogu genoomist."
04:37
But it's the nature of exponential growth
86
253000
2000
Aga see on eksponentsiaalse kasvu loomus,
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
et kord kui see jõuab kõvera tippu, siis see plahvatab.
04:41
Most of the project was done in the last
88
257000
2000
Enamik projektist tehti mõne viimase
04:43
few years of the project.
89
259000
2000
projektiaasta jooksul.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Meil võttis 15 aastat, et järjestada HIV --
04:47
we sequenced SARS in 31 days.
91
263000
2000
me järjestasime SARSi 31 päevaga.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Niisiis potentsiaal nende probleemide ületamiseks suureneb.
04:53
I'm going to show you just a few examples
93
269000
2000
Ma toon teile ainult mõned näited,
04:55
of how pervasive this phenomena is.
94
271000
3000
kui valdav see fenomen on.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
Tegelik paradigma vahetuse kiirus, uute ideede omaks võtmise kiirus
05:02
is doubling every decade, according to our models.
96
278000
3000
kahekordistub iga kümnendiga, vastavalt meie mudelitele.
05:05
These are all logarithmic graphs,
97
281000
3000
Need on kõik logaritmilised graafikud,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
mis antud tasemeid vaadeldes on korrutatud 10 või 100ga.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Meil kulus pool sajandit, et võtta omaks telefon,
05:14
the first virtual-reality technology.
100
290000
3000
esimene virtuaalse reaalsuse tehnoloogia.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Mobiiltelefonid võeti omaks 8 aasta jooksul.
05:19
If you put different communication technologies
102
295000
3000
Kui panna erinevad kommunikatsiooni tehnoloogiad
05:22
on this logarithmic graph,
103
298000
2000
sellesse logaritmilisse graafikusse,
05:24
television, radio, telephone
104
300000
2000
televisioon, raadio, telefon
05:26
were adopted in decades.
105
302000
2000
mis võeti omaks kümnendite jooksul.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Hiljutised tehnoloogiad -- nagu personaalarvuti, internet, mobiiltelefonid --
05:31
were under a decade.
107
307000
2000
olid alla kümnendi.
05:33
Now this is an interesting chart,
108
309000
2000
Nii, see on nüüd huvitav graafik
05:35
and this really gets at the fundamental reason why
109
311000
2000
ja see tõesti jõuab välja peamise põhjuseni, miks
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
evolutsiooniline protsess -- ja nii bioloogia kui tehnoloogia on evolutsioonilised protsessid --
05:41
accelerate.
111
317000
2000
kiireneb.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Ja see töötab vastastikustel interaktsioonidel -- loob võimekuse,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
mida kasutatakse järgmise etapini jõudmiseks.
05:49
So the first step in biological evolution,
114
325000
3000
Esimene samm bioloogilises evolutsioonis,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
DNA evolutsioonis -- tegelikult tuli esimesena RNA --
05:54
took billions of years,
116
330000
2000
võttis miljardeid aastaid,
05:56
but then evolution used that information-processing backbone
117
332000
3000
aga siis kasutas evolutsioon seda eelnevalt töödeldud informatsiooni,
05:59
to bring on the next stage.
118
335000
2000
et jõuda järgmise etapini.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Kambriumi plahvatus, kui kõik loomade kehaplaanid välja arenesid,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
võttis ainult 10 miljonit aastat. See oli 200 korda kiirem.
06:08
And then evolution used those body plans
121
344000
2000
Ja siis kasutas evolutsioon neid kehaplaane,
06:10
to evolve higher cognitive functions,
122
346000
2000
et arendada välja kõrgemaid kognitiivseid funktsioone,
06:12
and biological evolution kept accelerating.
123
348000
2000
ja bioloogiline evolutsioon muudkui kiirenes.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
See on evolutsioonilise protsessi sisemine loomus.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Niisiis Homo sapiens, esimene tehnoloogia loonud liik,
06:20
the species that combined a cognitive function
126
356000
2000
liik, mis ühendas kognitiivsed funktsioonid
06:22
with an opposable appendage --
127
358000
2000
vastakuti asetatavate lisanditega --
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
ja muuseas, šimpansitel pole päriselt väga head vastanduvat pöialt --
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
nii et me saime tegelikult manipuleerida keskkonnaga jõuhaarde
06:30
and fine motor coordination,
130
366000
2000
ja hea mootorika abil,
06:32
and use our mental models to actually change the world
131
368000
2000
ja kasutada oma vaimseid mudeleid, et tegelikult maailma muuta
06:34
and bring on technology.
132
370000
2000
ja tuua välja tehnoloogia.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Igatahes, meie liigi evolutsioon võttis sadu tuhandeid aastaid
06:39
and then working through interaction,
134
375000
2000
ja siis, töötades vastastikkusel toimel,
06:41
evolution used, essentially,
135
377000
2000
evolutsioon kasutas põhiliselt
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
tehnoloogia loonud liiki, et jõuda järgmise etapini,
06:46
which were the first steps in technological evolution.
137
382000
3000
mis olid esimesed sammud tehnoloogilises evolutsioonis.
06:49
And the first step took tens of thousands of years --
138
385000
3000
Ja esimene samm võttis kümneid tuhandeid aastaid --
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
kivist tööriistad, tuli, ratas -- muudkui kiirenesid.
06:55
We always used then the latest generation of technology
140
391000
2000
Me kasutasime siis alati viimast tehnoloogilist generatsiooni,
06:57
to create the next generation.
141
393000
2000
et luua järgmine generatsioon.
06:59
Printing press took a century to be adopted;
142
395000
2000
Trükipressil kulus omaks võtmiseks sajand,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
esimesed arvutid kavandati pliiatsi ja paberiga -- nüüd me kasutame arvuteid.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
Ja meil on selles protsessis olnud jätkuv kiirendus.
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
Nüüd muide, kui te vaatate seda lineaarsel graafikul, näib nagu kõik oleks just äsja toimunud,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
kuid mõni jälgija ütleb: "Olgu, Kurzweil lihtsalt paneb sellele graafikule punktid,
07:17
that fall on that straight line."
147
413000
2000
mis kulgevad sellel sirgjoonel."
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Niisiis, ma võtsin 15 erinevat nimekirja juhtivatelt mõttetarkadelt,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
nagu entsüklopeedia Britannica, Loodusloo Muuseum, Carl Sagani Kosmiline Kalender
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
üheskoos -- ja need inimesed ei püüdnud minu juttu tõestada,
07:29
these were just lists in reference works,
151
425000
2000
need olid lihtsalt nimekirjad viidetest.
07:31
and I think that's what they thought the key events were
152
427000
3000
Ja ma usun, et nende arvates need olidki põhilised sündmused
07:34
in biological evolution and technological evolution.
153
430000
3000
bioloogilises ja tehnoloogilises evolutsioonis.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
Kuid jällegi, see moodustab sama sirgjoone. Siin on näha natuke joone paksenemist,
07:40
because people do have disagreements, what the key points are,
155
436000
3000
sest inimestel on lahkarvamusi selles, mis on olulisemad punktid,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
on olemas eriarvamusi selle kohta, millal algas maaharimine
07:45
or how long the Cambrian Explosion took.
157
441000
3000
või millal -- kui kaua võttis aega Kambriumi plahvatus.
07:48
But you see a very clear trend.
158
444000
2000
Aga on näha väga selge trend.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
On olemas selle evolutsioonilise protsessi lihtne ja tähendusrikas kiirendus.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Informatsiooni tehnoloogiad kahekordistavad oma võimekust, hinna suutlikkust ja ülekandekiirust
08:00
every year.
161
456000
2000
igal aastal.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
Ja see on eksponentsiaalse kasvu väga tähendusrikas plahvatus.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Isiklik kogemus, kui ma olin MITis --
08:08
computer taking up about the size of this room,
164
464000
2000
arvuti, mis võttis enda alla umbes selle ruumi suuruse ala,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
oli vähem võimekas kui arvuti sinu mobiiltelefonis.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Aga Moore'i seadus, mida väga tihti samastatakse selle eksponentsiaalse kasvuga,
08:19
is just one example of many, because it's basically
167
475000
2000
on lihtsalt üks näide paljudest, sest see on põhiliselt
08:21
a property of the evolutionary process of technology.
168
477000
5000
tehnoloogia evolutsioonilise protsessi omand.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Kui me -- ma panin 49 tuntud arvutit sellele logaritmilisele graafikule --
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
muide, sirgjoon logaritmilisel graafikul on eksponentsiaalne kasv --
08:33
that's another exponential.
171
489000
2000
see on teine eksponentsiaal.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
Meil kulus kolm aastat, et kahekordistada andmetöötluse hinna konkurentsivõimet aastal 1900,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
kaks aastat vahepeal, nüüd me kahekordistame seda igal aastal.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
Ja see ongi eksponentsiaalne kasv läbi viie erineva paradigma.
08:45
Moore's Law was just the last part of that,
175
501000
2000
Moore'i seadus oli lihtsalt selle viimane osa
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
integreeritud ahelast, kus me kahandasime transistoreid,
08:50
but we had electro-mechanical calculators,
177
506000
3000
kuid meil olid elektro-mehaanilised kalkulaatorid,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
releel põhinevad arvutid, mis murdsid saksa Enigma koodi,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
vaakumlambid 1950-ndatel ennustasid Eisenhoweri valimise,
08:59
discreet transistors used in the first space flights
180
515000
3000
diskreetsed transistorid, mida kasutati esimestes kosmoselendudes
09:02
and then Moore's Law.
181
518000
2000
ja siis Moore'i seadus.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Iga kord kui ühel paradigmal sai aur otsa,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
ilmus vasakust väljast teine paradigma, et jätkata eksponentsiaalset kasvu.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Vaakumlampe kahandati üha väiksemaks ja väiksemaks.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Siis tuli sein ette. Nad ei saanud neid rohkem kahandada ja samal ajal vaakumit hoida.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Täiesti teine paradigma -- transistorid tulid välja puidutööst.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
Tegelikult, kui me näeme konkreetse paradigma joone lõppu,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
tekitab see uurimuses surve luua järgmine paradigma.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
Ja kuna me oleme ennustanud Moore'i seaduse lõppu
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
üsna pikka aega -- esimene ennustus ütles 2002, kuni nüüd see ütleb 2022.
09:30
But by the teen years,
191
546000
3000
Aga "teismeliseikka" jõudes on
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
transistori laius paar aatomit
09:36
and we won't be able to shrink them any more.
193
552000
2000
ja me ei ole enam võimelised neid kahandama.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
See oleks Moore'i seaduse lõpp, aga see ei oleks andmetöötluse
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
eksponentsiaalse kasvu lõpp, sest kiibid on lamedad.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Me elame kolme-mõõtmelises maailmas, me võime samahästi kasutada kolmandat dimensiooni.
09:46
We will go into the third dimension
197
562000
2000
Me läheme kolmandasse dimensiooni
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
ja see on olnud vapustav progress, ainult mõne viimase aasta jooksul,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
saades tööle kolmemõõtmelised ise-organiseeruvad molekulaarskeemid.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Meil on need valmis palju varem kui Moore'i seadusel aur otsa saab.
10:02
Supercomputers -- same thing.
201
578000
2000
Super-arvutid -- sama asi.
10:05
Processor performance on Intel chips,
202
581000
3000
Protsessori toimimine Inteli kiipidel,
10:08
the average price of a transistor --
203
584000
3000
transistori keskmine hind --
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
1968. aastal said sa osta ühe transistori ühe dollari eest.
10:14
You could buy 10 million in 2002.
205
590000
3000
Sa said osta 10 miljonit aastal 2002.
10:17
It's pretty remarkable how smooth
206
593000
3000
See on üsna tähelepanuväärne, kui sujuv
10:20
an exponential process that is.
207
596000
2000
see eksponentsiaalne protsess on.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Ma pean silmas, et me eeldame, et see on mõne laua taga valminud eksperimendi tulemus,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
kuid see on ülemaailmse kaootilise käitumise tulemus --
10:29
countries accusing each other of dumping products,
210
605000
2000
riigid süüdistamas teineteist toodete hindade alanemises,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
IPO-des, pankrottides, turundusprogrammides.
10:33
You would think it would be a very erratic process,
212
609000
3000
Ma arvaksin, et see on väga kõikuv protsess
10:36
and you have a very smooth
213
612000
2000
ja sul on selle kaootilise protsessi
10:38
outcome of this chaotic process.
214
614000
2000
väga sujuv tulemus.
10:40
Just as we can't predict
215
616000
2000
Nagu me ei saa ennustada,
10:42
what one molecule in a gas will do --
216
618000
2000
mida üks gaasi molekul saab teha --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
on lootusetu ennustada üksikut molekuli --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
siiski saame me ennustada kogu gaasi omadusi,
10:49
using thermodynamics, very accurately.
219
625000
3000
kasutades termodünaamikat, väga täpselt.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
Siin on sama asi. Me ei saa ennustada konkreetset projekti,
10:55
but the result of this whole worldwide,
221
631000
2000
vaid selle ülemaailmse,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
kaootilise, ettearvamatu konkurentsi tulemust,
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
ja tehnoloogia evolutsiooniline protsess on väga hästi ennustatav.
11:05
And we can predict these trends far into the future.
224
641000
3000
Ja me saame ennustada neid trende kaugesse tulevikku välja.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
Erinevalt Gertrude Stein'i roosidest,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
pole siin küsimus, et transistorid on transistorid.
11:14
As we make them smaller and less expensive,
227
650000
2000
Kui me teeme neid väiksemaks ja odavamaks,
11:16
the electrons have less distance to travel.
228
652000
2000
on elektronidel vähem vahemaad reisimiseks.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Nad on kiiremad, niisiis on sul eksponentsiaalne kasv transistorite kiiruses,
11:22
so the cost of a cycle of one transistor
230
658000
4000
niisiis ühe transistori elutsükli hind
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
odavneb poole võrra iga 1,1 aastaga.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Kui lisada innovatsiooni teised vormid ja protsessori kujundus,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
jõuame selleni, et andmetöötluse kulu langeb poole võrra igal aastal.
11:36
And that's basically deflation --
234
672000
3000
Ja sisuliselt on see deflatsioon --
11:39
50 percent deflation.
235
675000
2000
50%-line deflatsioon.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
Ja see ei ole ainult arvutitega nii. See kehtib ka DNA järjestamise kohta,
11:44
it's true of brain scanning;
237
680000
2000
see on õige aju skaneerimise kohta,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
see on õige interneti kohta. Kõike, mida me saame koguseliselt väljendada,
11:48
we have hundreds of different measurements
239
684000
3000
meil on sadu erinevaid mõõte
11:51
of different, information-related measurements --
240
687000
3000
erinevate teabega seotud mõõtmiste jaoks --
11:54
capacity, adoption rates --
241
690000
2000
suutlikkus, omaksvõtu määr --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
ja need põhimõtteliselt kahekordistuvad iga 12, 13, 15 kuu järel
11:59
depending on what you're looking at.
243
695000
2000
sõltuvalt sellest, mida sa vaatad.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
Hinna suutlikkuse seisukohalt on see 50 -- 40 kuni 50%-line deflatsiooni määr.
12:06
And economists have actually started worrying about that.
245
702000
2000
Ja majandusteadlased on tegelikult hakanud selle pärast muret tundma.
12:08
We had deflation during the Depression,
246
704000
2000
Meil oli deflatsioon Suure Depressiooni ajal,
12:10
but that was collapse of the money supply,
247
706000
2000
aga see oli raha varude kokku varisemine,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
tarbijate kindlustunde kokku varisemine, täiesti erinev fenomen.
12:15
This is due to greater productivity,
249
711000
2000
Praegune olukord on tingitud suuremast tootlikkusest,
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
aga majandusteadlane ütleb: " Pole võimalust, et te suudate sellega sammu pidada.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Kui sul on 50%-line deflatsioon, võivad inimesed suurendada mahtu
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
30, 40 protsenti, aga nad ei suuda sellega sammu pidada.
12:25
But what we're actually seeing is that
253
721000
2000
Aga mida me tegelikult näeme, on see et,
12:27
we actually more than keep up with it.
254
723000
2000
tegelikult suudame me rohkem kui vaid sellega sammu pidada.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Meil on olnud 28%-line aastane liitkasv dollarites
12:32
in information technology over the last 50 years.
256
728000
3000
informatsiooni tehnoloogias viimase 50 aasta jooksul.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Ma pean silmas seda, et inimesed ei ehitanud iPod'e 10 000 dollari eest 10 aastat tagasi.
12:39
As the price performance makes new applications feasible,
258
735000
3000
Kuna hinna suutlikkus teeb uued seaded teostatavateks,
12:42
new applications come to the market.
259
738000
2000
tulevad uued seaded turule.
12:44
And this is a very widespread phenomena.
260
740000
3000
Ja see on väga laialtlevinud fenomen.
12:47
Magnetic data storage --
261
743000
2000
Magnetiline andmesalvestus --
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
see ei ole Moore'i seadus, kuid seda on kahanevad magnetilised laigud,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
erinevad insenerid, erinevad ettevõtted, sama eksponentsiaalne protsess.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Põhiline revolutsioon on see, et me saame aru iseenda bioloogiast
13:00
in these information terms.
265
756000
2000
nendes informatsiooni tingimustes.
13:02
We're understanding the software programs
266
758000
2000
Me saame aru tarkvara programmidest,
13:04
that make our body run.
267
760000
2000
mis võimaldavad meie kehal töötada.
13:06
These were evolved in very different times --
268
762000
2000
Need arenesid välja väga erinevatel aegadel --
13:08
we'd like to actually change those programs.
269
764000
2000
meile meeldiks tegelikult neid programme muuta.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Üks väike tarkvara programm, mida kutsutakse rasva insuliini retseptorgeeniks,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
põhimõtteliselt ütleb: "Hoia kinni igast kalorist,
13:14
because the next hunting season may not work out so well."
272
770000
4000
sest järgmine jahihooaeg ei pruugi nii hästi laheneda."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
See oli liigile kasulik kümneid tuhandeid aastaid tagasi.
13:21
We'd like to actually turn that program off.
274
777000
3000
Meie tegelikult sooviksime seda programmi välja lülitada.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Nad proovisid seda loomade peal ja need hiired sõid aplalt
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
ja jäid saledaks ja said saledaks olemisest tervislikku kasu.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
Nad ei haigestunud diabeeti, nad ei saanud südamehaigusi,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
nad elasid 20% kauem, nad said kaloripiirangust tervislikku kasu
13:35
without the restriction.
279
791000
2000
ilma piiranguteta.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Neli või viis ravimifirmat on seda märganud,
13:40
felt that would be
281
796000
3000
tundnud, et see oleks
13:43
interesting drug for the human market,
282
799000
3000
huvitav ravim turule toomiseks,
13:46
and that's just one of the 30,000 genes
283
802000
2000
ja see on ainult üks 30 000 geenist,
13:48
that affect our biochemistry.
284
804000
3000
mis mõjutab meie biokeemiat.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Me arenesime ajastul, mil selles vanuses inimestel, nagu
13:54
at the age of most people at this conference, like myself,
286
810000
3000
enamik sellel konverentsil osalejaid, nagu ka mina ise,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
ei olnud kasulik elada palju kauem, sest me kasutasime ära hinnalisi ressursse,
14:01
which were better deployed towards the children
288
817000
1000
mida oli mõistlikum jätta lastele
14:02
and those caring for them.
289
818000
2000
ja nendele, kes laste eest hoolitsesid.
14:04
So, life -- long lifespans --
290
820000
2000
Seega, elu -- pikk eluiga --
14:06
like, that is to say, much more than 30 --
291
822000
2000
nagu näiteks palju rohkem kui 30 aastat --
14:08
weren't selected for,
292
824000
3000
ei olnud looduse poolt valitud,
14:11
but we are learning to actually manipulate
293
827000
3000
aga me õpime tegelikult nende tarkvaraprogrammidega
14:14
and change these software programs
294
830000
2000
manipuleerima ja neid muutma
14:16
through the biotechnology revolution.
295
832000
2000
läbi biotehnoloogilise revolutsiooni.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Näiteks, me võime geene maha suruda RNA interferentsiga.
14:22
There are exciting new forms of gene therapy
297
838000
2000
On olemas uued põnevad geeniteraapia vormid,
14:24
that overcome the problem of placing the genetic material
298
840000
2000
mis lahendavad geneetilise materjali
14:26
in the right place on the chromosome.
299
842000
2000
kromosoomis õigesse kohta paigutamisega seotud probleeme.
14:28
There's actually a -- for the first time now,
300
844000
3000
Nüüd on tegelikult olemas -- esimest korda,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
midagi, mis läheb inimkatsetele, mis tegelikult ravib bronhiaalset hüpertooniat --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
see on surmav haigus - kasutades geeniteraapiat.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Seega ei ole meil mitte ainult “disainerbeebid”, aga ka disainitud beebibuumi ajal sündinud inimesed.
14:40
And this technology is also accelerating.
304
856000
3000
Ja see tehnoloogia samuti kiireneb.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
See maksis 10 dollarit DNA aluspaari kohta aastal 1990,
14:46
then a penny in 2000.
306
862000
2000
siis aastal 2000 ühe penni.
14:48
It's now under a 10th of a cent.
307
864000
2000
Nüüd on see alla 1/10 sendi.
14:50
The amount of genetic data --
308
866000
2000
Geneetiliste andmete hulk --
14:52
basically this shows that smooth exponential growth
309
868000
3000
põhimõtteliselt seesama -- see näitab, et sujuv eksponentsiaalne kasv
14:55
doubled every year,
310
871000
2000
kahekordistus igal aastal,
14:57
enabling the genome project to be completed.
311
873000
3000
võimaldades genoomi projektil lõpule jõuda.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Teine peamine revolutsioon on kommunikatsiooni revolutsioon.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
Kommunikatsiooni hinna suutlikkus, ülekandekiirus, võimekus, mida on võimalik mitmel erineval moel mõõta,
15:08
wired, wireless is growing exponentially.
314
884000
3000
juhtmega või juhtmeta, kasvab eksponentsiaalselt.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
Interneti võimsus on kahekordistunud ja see areng jätkub,
15:14
measured many different ways.
316
890000
2000
seda on mõõdetud mitmel erineval moel.
15:16
This is based on the number of hosts.
317
892000
2000
See põhineb hostide arvul.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Miniaturiseerimine -- me kahandame tehnoloogia suurust
15:20
at an exponential rate,
319
896000
2000
eksponentsiaalsel määral
15:22
both wired and wireless.
320
898000
2000
nii juhtmega kui juhtmeta.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Need on mõned kavandid Eric Drexler'i raamatust --
15:28
which we're now showing are feasible
322
904000
2000
mida me nüüd näitame, on elluviidavad
15:30
with super-computing simulations,
323
906000
2000
super-andmetöötluse simulatsioonide abil,
15:32
where actually there are scientists building
324
908000
2000
kus tegelikult on olemas teadlased, kes ehitavad
15:34
molecule-scale robots.
325
910000
2000
molekulisuuruseid roboteid.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Ühel on selline, mis tegelikult kõnnib üllatavalt inimsarnase kõnnakuga,
15:38
that's built out of molecules.
327
914000
3000
see on ehitatud molekulidest.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Väikesed masinad teevad asju eksperimendi alusel.
15:45
The most exciting opportunity
329
921000
3000
Kõige põnevam on
15:48
is actually to go inside the human body
330
924000
2000
tegelikult võimalus minna inimkeha sisse
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
ja sooritada terapeutilisi ja diagnostilisi funktsioone.
15:53
And this is less futuristic than it may sound.
332
929000
2000
Ja see on vähem futuristlik kui see kõlada võib.
15:55
These things have already been done in animals.
333
931000
2000
Neid asju on juba tehtud loomadel.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
On olemas üks nano-tehniline seade, mis ravib 1. tüüpi diabeeti. See on verelible-suurune.
16:01
They put tens of thousands of these
335
937000
2000
Nad panid kümneid tuhandeid neid seadmeid
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
verelible sisse -- nad proovisid seda rottidel --
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
see laseb insuiini välja reguleeritud moel,
16:07
and actually cures type 1 diabetes.
338
943000
2000
ja tegelikult ravib 1. tüüpi diabeeti.
16:09
What you're watching is a design
339
945000
3000
See, mida te siin näete, on robootilise
16:12
of a robotic red blood cell,
340
948000
2000
punase verelible kavand,
16:14
and it does bring up the issue that our biology
341
950000
2000
ja see tõstatab teema, et meie bioloogiline elu
16:16
is actually very sub-optimal,
342
952000
2000
on tegelikult väga suboptimaalne,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
kuigi see on oma keerukuses tähelepanuväärne.
16:21
Once we understand its principles of operation,
344
957000
3000
Siis, kui me saame aru selle tööpõhimõtetest
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
ja tempo, millega me kavandame ümber bioloogiat, on kiirenemas,
16:28
we can actually design these things to be
346
964000
2000
saame me tegelikult kujundada need asjad
16:30
thousands of times more capable.
347
966000
2000
tuhandeid kordi võimsamaks.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Rob Freitas'i poolt loodud analüüs selle tehisliku punaverelible kohta
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
viitab sellele, et kui sa asendad 10% oma punaverelibledest nende robootiliste versioonidega,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
võiksid sa joosta Olümpia tasemel sprinti 15 minutit järjest ilma hingetõmbe pausita.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Sa võiksid istuda oma basseini põhjas neli tundi --
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
-- nii et ütlus: "Kallis, ma olen basseinis," saaks täiesti uue tähenduse.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Oleks huvitav näha, mida me teeme oma Olümpia katsetel.
16:52
Presumably we'll ban them,
354
988000
2000
Arvatavasti me keelame selle ära,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
aga siis on meil hunnik teismelisi keskkoolide võimlates,
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
kes igapäevaselt edestavad Olümpia atleetide tulemusi.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas on loonud robootilise valgeverelible kuvandi.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Need on umbes 2020. aasta stsenaariumid,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
aga ka see ei ole nii futuristlik kui see kõlada võib.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
On neli peamist konverentsi verelible-suuruseliste seadete ehitamise teemal,
17:14
there are many experiments in animals.
361
1010000
2000
loomade peal tehakse mitmeid eksperimente.
17:16
There's actually one going into human trial,
362
1012000
2000
Üks läheb tegelikult varsti inimkatsetusele,
17:18
so this is feasible technology.
363
1014000
3000
seega on see teostatav tehnoloogia.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Kui me tuleme tagasi oma eksponentsiaalse kasvu juurde andmetöötluses,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1 000 dollari eest andmetöötlust on praegu kusagil putuka ja hiire aju vahepeal.
17:27
It will intersect human intelligence
366
1023000
3000
See jõuab suutlikkuse mõttes
17:30
in terms of capacity in the 2020s,
367
1026000
3000
inimintelligentsi tasemele 2020. aastatel,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
kuid see on võrrandi riistvaraline pool.
17:35
Where will we get the software?
369
1031000
2000
Kust kohast saame me tarkvara?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Tuleb välja, et me näeme inimaju sisse
17:39
and in fact not surprisingly,
371
1035000
2000
ja tegelikult mitte üllatavalt,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
on aju skaneerimise ruumiline ja ajaline resolutsioon kahekordistunud iga aastaga.
17:45
And with the new generation of scanning tools,
373
1041000
2000
Ja skaneerimisvahendite uue põlvkonnaga
17:47
for the first time we can actually see
374
1043000
2000
saame me tegelikult esimest korda näha
17:49
individual inter-neural fibers
375
1045000
2000
individuaalseid närvide-vahelisi kiude
17:51
and see them processing and signaling in real time --
376
1047000
3000
ja näha neid töötlemas ja teateid edastamas otseülekandes
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
ja -- aga siis tekib küsimus, et olgu, me saame praegu need andmed,
17:56
but can we understand it?
378
1052000
2000
aga kas me saame neist aru?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstadter imestab, et võib-olla meie intelligents
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
lihtsalt ei ole piisavalt võimas, et aru saada meie intelligentsist,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
ja kui me oleks targemad, siis meie ajud oleks palju keerukamad
18:07
and we'd never catch up to it.
382
1063000
2000
ja me ei jõuaks iial sellele järele.
18:10
It turns out that we can understand it.
383
1066000
3000
Tuleb välja, et me võime sellest aru saada.
18:13
This is a block diagram of
384
1069000
3000
See on plokkskeem
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
inimese auditoorse korteksi mudeli ja simulatsiooni kohta,
18:20
that actually works quite well --
386
1076000
2000
mis tegelikult töötab üsna hästi --
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
psühhoakustiliste testide rakendamisel saadakse üsna sarnased tulemused võrreldes inimese kuulmistajuga.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
On olemas teinegi väikeaju simulatsioon --
18:29
that's more than half the neurons in the brain --
389
1085000
2000
see on rohkem kui pooled neutronid ajus --
18:31
again, works very similarly to human skill formation.
390
1087000
3000
jällegi, töötab väga sarnaselt inimoskuste kujunemisele.
18:35
This is at an early stage, but you can show
391
1091000
3000
See on varajases staadiumis, aga te võite näha,
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
et arvestades informatsiooni hulga eksponentsiaalset kasvu inimaju kohta
18:41
and the exponential improvement
393
1097000
2000
ja eksponentsiaalset arengut
18:43
in the resolution of brain scanning,
394
1099000
2000
aju skaneeringu resolutsioonis,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
õnnestub meil inimaju pöördprojekteerimine
18:48
by the 2020s.
396
1104000
2000
2020. aastateks.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Meil on juba olnud väga head mudelid ja simulatsioonid 15 piirkonnast
18:53
out of the several hundred.
398
1109000
3000
mitmete sadade hulgast.
18:56
All of this is driving
399
1112000
2000
See kõik tüürib eksponentsiaalselt --
18:58
exponentially growing economic progress.
400
1114000
2000
eksponentsiaalselt kasvav majanduslik progress.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Tootlikkus on muutunud 30 dollarist kuni 150 dollarini
19:05
of labor in the last 50 years.
402
1121000
2000
töötunni kohta viimase 50 aasta jooksul.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
E-kaubandus on kasvanud eksponentsiaalselt. See on nüüd triljon dollarit.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Te võite muidugi imestada, et kas seal ei olnud tõusu- ja mõõnaperioode?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
See oli ainult kapitaliturgude fenomen.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Wall Street märkas, et see oli revolutsiooniline tehnoloogia, mida see oligi,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
aga siis kuus kuud hiljem, kui see ei olnud revolutsiooni korraldanud kõigis ärimudelites,
19:21
they figured, well, that was wrong,
408
1137000
2000
arvasid nad, et see oli vale,
19:23
and then we had this bust.
409
1139000
2000
ja siis meil oli see mõõn.
19:26
All right, this is a technology
410
1142000
2000
Olgu, see on tehnoloogia,
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
mille me panime kokku, kasutades mõnesid teisi tehnoloogiaid, millega me tegelesime.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Sellest saab mobiiltelefonides tavapärane omadus.
19:35
It would be able to translate from one language to another.
413
1151000
2000
See on võimeline tõlkima ühest keelest teise.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Niisiis, las ma nüüd lõpetan mõne stsenaariumiga.
19:49
By 2010 computers will disappear.
415
1165000
3000
Aastaks 2010 arvutid kaovad.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Nad muutuvad nii väikesteks, et neid sisestatakse meie riietesse, meie keskkonda.
19:56
Images will be written directly to our retina,
417
1172000
2000
Pildid kirjutatakse otse meie silma võrkkestale,
19:58
providing full-immersion virtual reality,
418
1174000
2000
pakkudes täielikku sukeldumist virtuaalsesse reaalsusesse,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
kasvatatud tõelisesse reaalsusesse. Me suhtleme virtuaalsete isiksustega.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Aga kui me lähme aastasse 2029, on meil olemas nende trendide täielik küpsus
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
ja te peate väärtustama seda, kui mitu kruvipööret
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
üha kiirenevate tehnoloogia generatsioonide mõistes meil selleks hetkeks tehtud on.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Ma pean silmas seda, et nende tehnoloogiate puhul on meil olemas kaks astmel 25 korda
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
parem hinna suutlikkus, võimekus ja ülekandekiirus,
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
mis on üsna fenomenaalne.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
See on miljoneid kordi võimsam kui see on täna.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Selleks ajaks oleme me lõpule viinud inimaju pöördprojekteerimise,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
andmetöötlus -- 1 000 dollari eest andmetöötlust on palju võimsam
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
kui inimaju elementaarse põhivõimekuse väljenduses.
20:34
Computers will combine
430
1210000
2000
Arvutid ühendavad
20:36
the subtle pan-recognition powers
431
1212000
2000
inim-intelligentsi peened pan-tuvastuse võimed
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
sellisel viisil, milles masinad on juba ülimad,
20:41
in terms of doing analytic thinking,
433
1217000
2000
analüütilise mõtlemise tingimustes,
20:43
remembering billions of facts accurately.
434
1219000
2000
pidades täpselt meeles miljardeid fakte.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Masinad saavad oma teadmisi jagada väga kiiresti.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
aga asi pole ainult intelligentsete masinate võõr-sissetungis.
20:52
We are going to merge with our technology.
437
1228000
2000
Me sulame oma tehnoloogiaga kokku.
20:54
These nano-bots I mentioned
438
1230000
2000
Neid nano-roboteid, millest ma rääkisin,
20:56
will first be used for medical and health applications:
439
1232000
4000
kasutatakse kõigepealt meditsiini ja tervise rakendustes,
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
keskkonnapuhastuses, kütuse soetamises – võimsad kütuseelemendid,
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
ja laialdaselt levinud detsentraliseeritud päikesepaneelid, ja nii edasi kogu keskkonnas.
21:08
But they'll also go inside our brain,
442
1244000
2000
Aga nad lähevad samuti meie ajusse,
21:10
interact with our biological neurons.
443
1246000
2000
toimivad koos meie bioloogiliste neuronitega.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Me oleme demonstreerinud peamisi põhimõtteid, et olla suutelised seda tegema.
21:15
So, for example,
445
1251000
2000
Seega, näiteks
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
täielik sukeldumine virtuaalsesse maailma närvisüsteemi kaudu,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
kui nano-robotid lülitavad välja signaalid, mis tulevad sinu päris meeltest,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
asendades need signaalidega, mida sinu aju võtaks vastu,
21:25
if you were in the virtual environment,
449
1261000
2000
kui sa oleksid virtuaalses keskkonnas.
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
Ja siis tundub, nagu sa oleksidki selles virtuaalses keskkonnas.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Sa võid minna sinna koos teiste inimestega, saada igasugust kogemust
21:31
with anyone involving all of the senses.
452
1267000
2000
igaühega, kasutades kõiki tajusid.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"Kogemuste kiirgajad," nagu ma neid kutsun, laevad kogu oma tunnetuslike kogemuste voo
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
oma emotsioonide neuroloogilistes korrelaatides internetti.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Sina võid ennast sisse lülitada ja kogeda, kuidas on olla keegi teine.
21:43
But most importantly,
456
1279000
2000
Aga kõige tähtsam on, et
21:45
it'll be a tremendous expansion
457
1281000
2000
see on vapustav inim-intelligentsi
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
laienemine läbi selle otsese ühinemise meie tehnoloogiaga,
21:51
which in some sense we're doing already.
459
1287000
2000
mida me mõnes mõttes juba teeme.
21:53
We routinely do intellectual feats
460
1289000
2000
Me teeme igapäevaselt intellektuaalseid saavutusi,
21:55
that would be impossible without our technology.
461
1291000
2000
mis oleksid võimatud ilma tehnoloogiata.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
Inimese oodatav eluiga pikeneb. 1800. aastal oli see 37 aastat,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
ent seda sorti biotehnoloogia ja nano-tehnoloogia revolutsiooniga
22:05
this will move up very rapidly
464
1301000
2000
liigub see väga kiiresti ülespoole
22:07
in the years ahead.
465
1303000
2000
juba eesolevatel aastatel.
22:09
My main message is that progress in technology
466
1305000
4000
Minu peamine sõnum on, et progress tehnoloogias
22:13
is exponential, not linear.
467
1309000
3000
on eksponentsiaalne, mitte lineaarne.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Paljud -- isegi teadlased -- oletavad, et see on lineaarne mudel,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
niisiis nad ütlevad, "Oh, see võtab sadu aastaid
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
enne kui meil on ise-paljunevad nano-tehnoloogia komplektid
22:25
or artificial intelligence."
471
1321000
2000
või tehisintelligents."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Kui sa tõesti vaatad eksponentsiaalse kasvu jõudu,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
siis sa näed, et need asjad on üsna varsti käes.
22:33
And information technology is increasingly encompassing
474
1329000
3000
Ja informatsiooni tehnoloogia haarab üha enam
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
meie eludest, alates muusikast kuni tootmiseni,
22:40
to our biology to our energy to materials.
476
1336000
4000
kuni bioloogiani, kuni energiani, kuni materjalideni.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
Me oleme võimelised tootma peaaegu kõike, mida me vajame, 2020. aastatel
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
informatsiooni abil ja väga odavate toormaterjalidega,
22:49
using nano-technology.
479
1345000
3000
kasutades nano-tehnoloogiat.
22:52
These are very powerful technologies.
480
1348000
2000
Need on väga võimsad tehnoloogiad.
22:54
They both empower our promise and our peril.
481
1350000
4000
Nad annavad jõudu nii meie lubadusele kui ka riskile.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Seega peab meil olema tahe rakendada neid õigetele probleemidele.
23:01
Thank you very much.
483
1357000
1000
Tänan teid väga!
23:02
(Applause)
484
1358000
1000
(Aplaus)
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