TED2008
Susan Blackmore: Memes and "temes"
سوزان بلکمور از «مِم»ها و «تِم»ها می‌گوید
Filmed:
Readability: 3.8
882,044 views
سوزان بلکمور مِم‌ها را مورد مطالعه قرار می‌دهد. مم [Meme] یعنی ایده‌هایی که خودشان را از یک مغز به مغز دیگر کپی می‌کنند، درست مثل یک ویروس. در همین راه او یک ادعای جسورانه جدید نیز مطرح می‌نماید: انسان نوع جدیدی از مم تولید کرده است؛ که تِم [Teme] نام دارد. تم خودش را بوسیلهٔ تکنولوژی پراکنده می‌سازد، و روش‌هایی را برای بقای خودش اختراع می‌کند.
Susan Blackmore - Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Double-click the English transcript below to play the video.
00:18
Cultural evolution is a dangerous child
0
0
3000
فرگشت فرهنگی فرزند خطرناکی برای هر گونه‌ای
00:21
for any species to let loose on its planet.
1
3000
3000
است که در سیاره‌شان آزاد گذاشته شود.
00:24
By the time you realize what's happening, the child is a toddler,
2
6000
4000
تا زمانی که شما به خودتان بیایید کودک تازه براه افتاده است،
00:28
up and causing havoc, and it's too late to put it back.
3
10000
6000
و خرابی به بار می‌آورد، و دیگر برای برگشتِ کار خیلی دیر شده.
00:34
We humans are Earth's Pandoran species.
4
16000
3000
ما انسان‌ها گونهٔ پاندورایی زمین هستیم.
00:37
We're the ones who let the second replicator out of its box,
5
19000
5000
ما آنهایی هستیم که گذاشتیم دومین بازتولیدگر از جعبه‌اش رها شود،
00:42
and we can't push it back in.
6
24000
2000
و ما نمی‌توانیم دوباره آن را به جعبه‌اش بازگردانیم.
00:44
We're seeing the consequences all around us.
7
26000
3000
پیامدهای آنرا در همه جا دور و بر خود شاهدیم.
00:48
Now that, I suggest, is the view that
8
30000
4000
حال پیشنهاد من این است که، این دیدگاه
00:52
comes out of taking memetics seriously.
9
34000
2000
با جدی گرفتن مِمِتیک مطرح میشود.
00:54
And it gives us a new way of thinking about
10
36000
2000
و به ما روش تفکر جدیدی عرضه می‌دارد
00:56
not only what's going on on our planet,
11
38000
2000
نه تنها درباره چیزهایی که در سیاره خودمان رخ می‌دهد،
00:58
but what might be going on elsewhere in the cosmos.
12
40000
3000
بلکه درمورد چیزهایی که احتمالا در دیگر جاهای کیهان هم اتفاق می‌افتند.
01:01
So first of all, I'd like to say something about memetics
13
43000
3000
پس پیش از هر چیز من دوست دارم چیزی درمورد ممتیک
01:04
and the theory of memes,
14
46000
2000
و نظریه مم‌ها بگویم،
01:06
and secondly, how this might answer questions about who's out there,
15
48000
5000
و در درجه دوم بگویم که این چگونه می‌تواند به این پرسش پاسخ دهد که چه کسی آن بیرون است،
01:11
if indeed anyone is.
16
53000
3000
اگر اصلا کسی باشد.
01:14
So, memetics:
17
56000
2000
بنابراین ممتیک.
01:16
memetics is founded on the principle of Universal Darwinism.
18
58000
4000
ممتیک بر اساس اصل داروینیسم جهانی بنیان نهاده شده.
01:20
Darwin had this amazing idea.
19
62000
3000
داروین این ایده شگفت انگیز را داشت.
01:23
Indeed, some people say
20
65000
2000
حقیقتا، برخی می‌گویند
01:25
it's the best idea anybody ever had.
21
67000
3000
بهترین ایده‌ای بوده که تا کنون کسی داشته است.
01:28
Isn't that a wonderful thought, that there could be such a thing
22
70000
4000
آیا این یک ایده عالی نیست، که بتوان گفت چیزی هست به اسم
01:32
as a best idea anybody ever had?
23
74000
2000
بهترین ایده‌ای که تا کنون کسی داشته است؟!
01:34
Do you think there could?
24
76000
1000
آیا فکر می‌کنید چنین چیزی هست؟
01:35
Audience: No.
25
77000
1000
حضار: نه.
01:36
(Laughter)
26
78000
1000
(خنده)
01:37
Susan Blackmore: Someone says no, very loudly, from over there.
27
79000
2000
سوزان بلکمور: یکی اونجا خیلی بلند گفت نه.
01:39
Well, I say yes, and if there is, I give the prize to Darwin.
28
81000
4000
خب، من می‌گویم بلی، اگر چنین چیزی بود، من جایزه را به داروین می‌دادم.
01:43
Why?
29
85000
2000
چرا؟
01:45
Because the idea was so simple,
30
87000
3000
چون ایده بسیار ساده بود،
01:48
and yet it explains all design in the universe.
31
90000
6000
و با این وجود تمام طراحی در جهان را توضیح می‌دهد.
01:54
I would say not just biological design,
32
96000
2000
من حتی بر این هستم که نه تنها طراحی زیستی را توضیح می‌دهد،
01:56
but all of the design that we think of as human design.
33
98000
2000
بلکه تمامی طراحی‌ای که ما به عنوان طراحی انسانی می‌شناسیم.
01:58
It's all just the same thing happening.
34
100000
2000
همه آنها یک چیز است.
02:00
What did Darwin say?
35
102000
2000
داروین چی گفت؟
02:02
I know you know the idea, natural selection,
36
104000
2000
می‌دانم که با این ایده آشنایید، انتخاب طبیعی،
02:04
but let me just paraphrase "The Origin of Species," 1859,
37
106000
5000
ولی بگذارید کتاب اصل انواع «خاستگاه گونه‌ها» ۱۸۵۹ را
02:09
in a few sentences.
38
111000
2000
تنها در چند جمله تفسیر کنم.
02:11
What Darwin said was something like this:
39
113000
3000
داروین چیزی مثل این گفت --
02:14
if you have creatures that vary, and that can't be doubted --
40
116000
4000
اگر شما جانورانی داشته باشید که تنوع دارند، و در آن شکی نیست --
02:18
I've been to the Galapagos, and I've measured the size of the beaks
41
120000
3000
من به گالاپاگوس رفته‌ام و سایز منقارها را اندازه گرفته‌ام
02:21
and the size of the turtle shells and so on, and so on.
42
123000
2000
و سایز کاسه لاک‌پشت‌ها را اندازه گرفتم و چنین و چنان.
02:23
And 100 pages later.
43
125000
2000
و ۱۰۰ صفحه بعد --
02:25
(Laughter)
44
127000
2000
(خنده)
02:27
And if there is a struggle for life,
45
129000
4000
و اگر برای بقا تنازع وجود داشته باشد،
02:31
such that nearly all of these creatures die --
46
133000
3000
به این صورت که اکثر این جانوران بمیرند --
02:34
and this can't be doubted, I've read Malthus
47
136000
3000
و در این شکی نیست، من کتب مالتوس را خوانده‌ام
02:37
and I've calculated how long it would take for elephants
48
139000
2000
و حساب کرده‌ام که چقدر طول می‌کشد که فیل‌ها
02:39
to cover the whole world if they bred unrestricted, and so on and so on.
49
141000
3000
تمام زمین را پر کنند اگر بدون محدودیت زادآوری کنند، و چنین و چنان.
02:42
And another 100 pages later.
50
144000
4000
و ۱۰۰ صفحه دیگر بعد آن.
02:46
And if the very few that survive pass onto their offspring
51
148000
5000
و اگر آن تعداد اندکی که زنده می‌مانند هر چیزی را که
02:51
whatever it was that helped them survive,
52
153000
3000
به بقایشان کمک کرده به فرزندان خود منتقل کنند،
02:54
then those offspring must be better adapted
53
156000
2000
در این صورت آن فرزندان بایستی که سازگاری بیشتری
02:56
to the circumstances in which all this happened
54
158000
2000
نسبت به والدین خود با شرایطی داشته باشند که همه این چیزها
02:58
than their parents were.
55
160000
3000
در آن در حال اتفاق افتادن است.
03:01
You see the idea?
56
163000
2000
متوجه قضیه می‌شوید؟
03:03
If, if, if, then.
57
165000
2000
اگر، اگر، اگر، آنگاه.
03:05
He had no concept of the idea of an algorithm,
58
167000
2000
او هیچ ایده‌ای در مورد الگوریتم نداشت.
03:07
but that's what he described in that book,
59
169000
3000
ولی این دقیقا چیزی است که در کتابش توصیف کرده،
03:10
and this is what we now know as the evolutionary algorithm.
60
172000
3000
و آنرا به نام الگوریتم فرگشتی [تکاملی] می‌شناسیم.
03:13
The principle is you just need those three things --
61
175000
4000
اساسش این است که شما تنها این ۳ چیز را لازم دارید --
03:17
variation, selection and heredity.
62
179000
3000
گوناگونی، انتخاب و وراثت.
03:20
And as Dan Dennett puts it, if you have those,
63
182000
4000
و همانطور که دن دنت مطرح می‌کند، اگر شما آنها را داشته باشید
03:24
then you must get evolution.
64
186000
2000
بایستی که فرگشت [تکامل] رخ دهد.
03:26
Or design out of chaos, without the aid of mind.
65
188000
5000
یا طراحی از داخل بی‌نظمی بدون کمک هیچگونه هوش.
03:31
There's one word I love on that slide.
66
193000
2000
یک کلمه هست که من در این اسلاید خیلی دوست دارم.
03:33
What do you think my favorite word is?
67
195000
2000
شما فکر می‌کنید کلمه مورد علاقهٔ من کدام است؟
03:35
Audience: Chaos.
68
197000
1000
حضار: بی‌نظمی.
03:36
SB: Chaos? No. What? Mind? No.
69
198000
3000
سوزان بلکمور: بی‌نظمی؟ نه. چی؟ هوش؟ نه.
03:39
Audience: Without.
70
201000
1000
حضار: بدون.
03:40
SB: No, not without.
71
202000
1000
سوزان بلکمور: نه، بدون نه.
03:41
(Laughter)
72
203000
1000
(خنده)
03:42
You try them all in order: Mmm...?
73
204000
2000
شما همه آنها را به ترتیب امتحان کردید: ممم...؟
03:44
Audience: Must.
74
206000
1000
حضار: باید.
03:45
SB: Must, at must. Must, must.
75
207000
4000
باید، در باید. باید، باید.
03:49
This is what makes it so amazing.
76
211000
2000
این چیزی است که آنرا اینقدر شگفتی‌زا می‌کند.
03:51
You don't need a designer,
77
213000
3000
شما نیازی به طراح ندارید،
03:54
or a plan, or foresight, or anything else.
78
216000
3000
یا به برنامه، یا پیشبینی یا هیچ چیز دیگر.
03:57
If there's something that is copied with variation
79
219000
3000
اگر چیزی باشد که با تنوع کپی شود
04:00
and it's selected, then you must get design appearing out of nowhere.
80
222000
4000
و انتخاب باشد، بعدش حتما بایستی که شاهد ظهور طراحی از هیچ باشید.
04:04
You can't stop it.
81
226000
2000
نمی‌توانید آن را متوقف سازید.
04:06
Must is my favorite word there.
82
228000
4000
در اینجا «باید» کلمهٔ مورد علاقهٔ من است.
04:11
Now, what's this to do with memes?
83
233000
2000
حال، این چیزها چه ربطی به مم دارد؟
04:13
Well, the principle here applies to anything
84
235000
5000
خوب، قاعدهٔ اینجا در مورد هر چیزی صدق می‌کند
04:18
that is copied with variation and selection.
85
240000
1000
که با تنوع و انتخاب کپی شود.
04:19
We're so used to thinking in terms of biology,
86
241000
3000
ما خیلی به در نظر گرفتن آن از نظر زیستی عادت کرده‌ایم،
04:22
we think about genes this way.
87
244000
2000
ما در مورد ژن‌ها به این طریق می‌اندیشیم.
04:24
Darwin didn't, of course; he didn't know about genes.
88
246000
3000
البته داروین چنین کاری نمی‌کرد، او چیزی در مورد ژن نمی‌دانست.
04:27
He talked mostly about animals and plants,
89
249000
2000
او اساسا در مورد حیوانات و گیاهان صحبت می‌کرد،
04:29
but also about languages evolving and becoming extinct.
90
251000
3000
ولی گذشته از این در مورد فرگشت و انقراض زبان‌ها هم سخن می‌راند.
04:32
But the principle of Universal Darwinism
91
254000
2000
اساس قانون داروینیسم جهانی
04:34
is that any information that is varied and selected
92
256000
4000
این است که هر اطلاعاتی که تنوع داشته باشد و انتخاب شود
04:38
will produce design.
93
260000
2000
منجر به طراحی میشود.
04:40
And this is what Richard Dawkins was on about
94
262000
2000
و این موضوعی است که ریچارد داوکینز در کتاب پرفروش سال ۱۹۷۶
04:42
in his 1976 bestseller, "The Selfish Gene."
95
264000
3000
بنام «ژن خودخواه» آنرا مطرح نمود.
04:45
The information that is copied, he called the replicator.
96
267000
4000
اطلاعاتی که کپی میشود را بازتولیدگر نامید.
04:49
It selfishly copies.
97
271000
2000
که خودخواهانه کپی‌برداری می‌کند.
04:51
Not meaning it kind of sits around inside cells going, "I want to get copied."
98
273000
4000
نه به این معنی که جایی داخل سلول بنشیند و بگوید، «می‌خواهم کپی شوم».
04:55
But that it will get copied if it can,
99
277000
2000
ولی به این شکل که چیزی صرف نظر از نتایج آن
04:57
regardless of the consequences.
100
279000
2000
اگر امکانش باشد کپی میشود.
05:00
It doesn't care about the consequences because it can't,
101
282000
3000
اهمیتی به نتیجهٔ آن نمی‌دهد، چونکه نمی‌تواند اهمیت دهد،
05:03
because it's just information being copied.
102
285000
2000
چونکه تنها اطلاعاتی است که کپی میشود.
05:06
And he wanted to get away
103
288000
1000
و او می‌خواست که از تفکر همیشگی که
05:07
from everybody thinking all the time about genes,
104
289000
3000
نسبت به ژن‌ها مطرح میشود فاصله بگیرد،
05:10
and so he said, "Is there another replicator out there on the planet?"
105
292000
3000
پس با خود گفت: «آیا بازتولیدگر دیگری در این سیاره هست؟»
05:13
Ah, yes, there is.
106
295000
2000
آهان، بله، هست.
05:15
Look around you -- here will do, in this room.
107
297000
3000
به دور و بر خود بنگرید، اینجا در این اتاق می‌بینیم.
05:18
All around us, still clumsily drifting about
108
300000
3000
همه جا اطراف ما، هنوز ناشیانه در سوپ اولیه فرهنگ
05:21
in its primeval soup of culture, is another replicator.
109
303000
3000
این سو و آنسو می‌رود، یک بازتولیدگر دیگر هست.
05:24
Information that we copy from person to person, by imitation,
110
306000
5000
اطلاعاتی که ما از فرد به فرد با تقلید کردن کپی می‌کنیم،
05:29
by language, by talking, by telling stories,
111
311000
2000
با زبان، با حرف زدن، با داستان تعریف کردن،
05:31
by wearing clothes, by doing things.
112
313000
3000
با لباس پوشیدن، با انجام کارهایی که می‌کنیم.
05:34
This is information copied with variation and selection.
113
316000
5000
این اطلاعاتی است که با تنوع و انتخاب کپی میشود.
05:39
This is design process going on.
114
321000
3000
این یعنی بوقوع پیوستن طراحی.
05:42
He wanted a name for the new replicator.
115
324000
3000
او می‌خواست نامی به این بازتولیدگر جدید بدهد.
05:45
So, he took the Greek word "mimeme," which means that which is imitated.
116
327000
4000
پس او واژه یونانی Mimeme را گرفت، که به معنی چیزی است که تقلید شده.
05:49
Remember that, that's the core definition:
117
331000
2000
آن را به خاطر داشته باشید، این تعریف اصلی است.
05:52
that which is imitated.
118
334000
1000
چیزی که تقلید شده است.
05:53
And abbreviated it to meme, just because it sounds good
119
335000
3000
و آن را برای اختصار تبدیل به Meme (مِم) کرد، چونکه آهنگ بهتری داشت
05:56
and made a good meme, an effective spreading meme.
120
338000
3000
و مم بهتری می‌شد، یک مم موثر و گسترشپذیر.
05:59
So that's how the idea came about.
121
341000
3000
پس ایده به این شکل به وجود آمد.
06:03
It's important to stick with that definition.
122
345000
3000
مهم است که به تعریف بچسبیم.
06:06
The whole science of memetics is much maligned,
123
348000
4000
کل دانش ممتیک بسیار مورد بدخواهی قرار گرفته،
06:10
much misunderstood, much feared.
124
352000
3000
بسیار مورد سوتفاهم قرار گرفته، و بسیار از آن هراس داشته‌اند.
06:13
But a lot of these problems can be avoided
125
355000
3000
اما می‌توان از بسیاری از این مشکلات با چسبیدن به تعریف
06:16
by remembering the definition.
126
358000
2000
جلوگیری به عمل آورد.
06:18
A meme is not equivalent to an idea.
127
360000
2000
مم برابر ایده نیست.
06:20
It's not an idea. It's not equivalent to anything else, really.
128
362000
2000
ایده نیست، در حقیقت به معنی هیچ چیز دیگری هم نیست.
06:22
Stick with the definition.
129
364000
2000
به تعریف بچسبید.
06:24
It's that which is imitated,
130
366000
2000
آن چیزی است که تقلید (کپی) میشود.
06:26
or information which is copied from person to person.
131
368000
3000
یا اطلاعاتی که از فرد به فرد کپی میشود.
06:30
So, let's see some memes.
132
372000
1000
خب پس بگذارید چند تا مم در نظر آوریم.
06:31
Well, you sir, you've got those glasses hung around your neck
133
373000
3000
خب، شما آقا، شما عینک را دم گردن نگه داشتید
06:34
in that particularly fetching way.
134
376000
2000
به آن شیوهٔ خاص و جذاب.
06:36
I wonder whether you invented that idea for yourself,
135
378000
2000
برایم جای سوال است که آیا این ایده را خودتان اختراع کرده‌اید،
06:38
or copied it from someone else?
136
380000
2000
یا از کس دیگر کپی کرده‌اید؟
06:40
If you copied it from someone else, it's a meme.
137
382000
3000
اگر آنرا از کس دیگر کپی کرده‌اید، آن یک مم است.
06:43
And what about, oh, I can't see any interesting memes here.
138
385000
3000
و در مورد آن چه، اه، نمی‌توانم مم جالبی اینجا ببینم.
06:46
All right everyone, who's got some interesting memes for me?
139
388000
3000
بسیار خوب دوستان، چه کسی مم‌های جالبی برای من دارد؟
06:49
Oh, well, your earrings,
140
391000
2000
اه خب، گوشواره‌هایتان،
06:51
I don't suppose you invented the idea of earrings.
141
393000
2000
گمان نمی‌کنم ایده گوشواره را اختراع کرده باشید.
06:53
You probably went out and bought them.
142
395000
2000
شما محتملا بیرون رفته‌اید و آنها را خریدید.
06:55
There are plenty more in the shops.
143
397000
2000
بسیاری چیزهای دیگر از این دست در مغازه‌ها هستند.
06:57
That's something that's passed on from person to person.
144
399000
2000
چیزهایی که از فرد به فرد منتقل می‌شوند.
06:59
All the stories that we're telling -- well, of course,
145
401000
3000
تمام داستان‌هایی که تعریف می‌کنیم، خب البته،
07:02
TED is a great meme-fest, masses of memes.
146
404000
4000
TED یک فستیوال بزرگ مم است، انبوهی از مم‌ها.
07:06
The way to think about memes, though,
147
408000
2000
ولی یک راه تفکر درمورد مم‌ها این است
07:08
is to think, why do they spread?
148
410000
2000
که چرا آنها گسترش می‌یابند.
07:10
They're selfish information, they will get copied, if they can.
149
412000
4000
آنها اطلاعات خودخواهی هستند که اگر بتوانند کپی می‌شوند.
07:14
But some of them will be copied because they're good,
150
416000
3000
ولی بعضی از آنها به این جهت کپی می‌شوند که بهترند،
07:17
or true, or useful, or beautiful.
151
419000
2000
یا درست اند، یا مفید اند، یا زیبایند.
07:19
Some of them will be copied even though they're not.
152
421000
2000
بعضی از آنها با اینکه چنین نیستند کپی می‌شوند.
07:21
Some, it's quite hard to tell why.
153
423000
2000
یافت دلیل گسترش بعضی‌ها دشوارتر است.
07:24
There's one particular curious meme which I rather enjoy.
154
426000
3000
یک نوع مم خاص هست که برایم بنحوی جالب است.
07:27
And I'm glad to say, as I expected, I found it when I came here,
155
429000
3000
و من خرسندم اعلام کنم، که همانطورکه انتظار داشتم، آن را در اینجا هم یافتم.
07:30
and I'm sure all of you found it, too.
156
432000
2000
و مطمئنم شما هم آنرا دیده‌اید.
07:32
You go to your nice, posh, international hotel somewhere,
157
434000
3000
شما به هتل بین‌المللی شیک خود می‌روید،
07:36
and you come in and you put down your clothes
158
438000
2000
و داخل می‌شوید و لباس‌هایتان را پایین می‌گذارید
07:38
and you go to the bathroom, and what do you see?
159
440000
3000
و می‌روید به حمام، چه می‌بینید؟
07:41
Audience: Bathroom soap.
160
443000
1000
حضار: صابون حمام.
07:42
SB: Pardon?
161
444000
1000
سوزان بلکمور: ببخشید؟
07:43
Audience: Soap.
162
445000
1000
حضار: صابون.
07:44
SB: Soap, yeah. What else do you see?
163
446000
2000
سوزان بلکمور: صابون، بله. چه چیز دیگری می‌بینید؟
07:46
Audience: (Inaudible)
164
448000
1000
حضار: (نارسا)
07:47
SB: Mmm mmm.
165
449000
1000
سوزان بلکمور: هممم ممم.
07:48
Audience: Sink, toilet!
166
450000
1000
حضار: وان دستشویی، توالت!
07:49
SB: Sink, toilet, yes, these are all memes, they're all memes,
167
451000
2000
سوزان بلکمور: وان، توالت، بله، همهٔ اینها مم هستند، همه مم اند،
07:51
but they're sort of useful ones, and then there's this one.
168
453000
3000
ولی بنوعی مم‌های مفید هستند، و بعد این یکی هست.
07:54
(Laughter)
169
456000
3000
(خنده)
07:58
What is this one doing?
170
460000
2000
این یکی اینجا چیکاره است؟
08:00
(Laughter)
171
462000
1000
(خنده)
08:01
This has spread all over the world.
172
463000
2000
این در همه جای دنیا شایع شده.
08:03
It's not surprising that you all found it
173
465000
2000
جای شگفتی نیست که همهٔ شما آنرا وقتی
08:05
when you arrived in your bathrooms here.
174
467000
2000
به حمام‌هایتان در اینجا رسیدید دیده‌اید.
08:07
But I took this photograph in a toilet at the back of a tent
175
469000
5000
ولی من این عکس را در توالت چادری
08:12
in the eco-camp in the jungle in Assam.
176
474000
2000
در یک کمپ زیستی در جنگل آسام گرفته‌ام.
08:14
(Laughter)
177
476000
1000
(خنده)
08:16
Who folded that thing up there, and why?
178
478000
3000
چه کسی آنرا اینجوری تا کرده و برای چه؟
08:19
(Laughter)
179
481000
1000
(خنده)
08:20
Some people get carried away.
180
482000
2000
بعضی‌ها زیادی احساساتی می‌شوند.
08:22
(Laughter)
181
484000
3000
(خنده)
08:26
Other people are just lazy and make mistakes.
182
488000
3000
برخی دیگران تنبل‌اند و اشتباه درست می‌کنند.
08:29
Some hotels exploit the opportunity to put even more memes
183
491000
3000
بعضی هتل‌ها از این فرصت استفاده می‌کنند تا مم‌های بیشتری قرار بدهند
08:32
with a little sticker.
184
494000
2000
مثل یک برچسب کوچک.
08:34
(Laughter)
185
496000
1000
(خنده)
08:35
What is this all about?
186
497000
2000
اینها همه یعنی چی؟
08:37
I suppose it's there to tell you that somebody's
187
499000
2000
من گمان می‌کنم برای این است که به شما بگویند کسی
08:39
cleaned the place, and it's all lovely.
188
501000
2000
قبلا اینجا را تمیز کرده، و خوب و عالی است.
08:41
And you know, actually, all it tells you is that another person
189
503000
3000
و می‌دونید، این بیشتر به شما می‌گوید که شخص دیگری
08:44
has potentially spread germs from place to place.
190
506000
3000
احتمالا اینجا و آنجا میکروب پراکنیده.
08:47
(Laughter)
191
509000
1000
(خنده)
08:48
So, think of it this way.
192
510000
2000
پس اینطوری به قضیه نگاه کنید.
08:50
Imagine a world full of brains
193
512000
2000
جهانی را تصور کنید پر از مغزها
08:52
and far more memes than can possibly find homes.
194
514000
3000
و تعداد بسیار بیشتری از مم‌ها نسبت به خانه‌های موجود.
08:55
The memes are all trying to get copied --
195
517000
3000
همگی مم‌ها «تلاش» دارند تا کپی بشوند،
08:58
trying, in inverted commas -- i.e.,
196
520000
3000
تلاش در داخل گیومه. یعنی،
09:01
that's the shorthand for, if they can get copied, they will.
197
523000
3000
کوتاه سخن اینکه، اگر بتوانند کپی بشوند کپی می‌شوند.
09:04
They're using you and me as their propagating, copying machinery,
198
526000
6000
آنها از من و شما به عنوان دستگاه کپی‌کننده استفاده می‌کنند،
09:10
and we are the meme machines.
199
532000
3000
و ما ماشین‌های مم هستیم.
09:13
Now, why is this important?
200
535000
2000
حالا چرا این مهم است؟
09:15
Why is this useful, or what does it tell us?
201
537000
2000
چرا این مفید است، و برایمان چه برای گفتن دارد؟
09:17
It gives us a completely new view of human origins
202
539000
4000
من دید کاملا جدیدی از خاستگاه انسان و معنی انسان بودن
09:21
and what it means to be human,
203
543000
1000
به شما می‌دهم.
09:22
all conventional theories of cultural evolution,
204
544000
4000
همگیِ نظریه‌های مرسوم فرگشت فرهنگی،
09:26
of the origin of humans,
205
548000
2000
خاستگاه‌های انسان،
09:28
and what makes us so different from other species.
206
550000
4000
و چیزهایی که ما را اینقدر از دیگر گونه‌ها متمایز می‌سازد.
09:32
All other theories explaining the big brain, and language, and tool use
207
554000
2000
همگی نظریه‌های دیگر که بزرگی مغز را توضیح می‌دهند، و استفاده از زبان و ابزار
09:34
and all these things that make us unique,
208
556000
2000
و همه این چیزهایی که ما را منحصر به فرد می‌سازند،
09:36
are based upon genes.
209
558000
3000
مبتنی بر ژن‌هایمان است.
09:39
Language must have been useful for the genes.
210
561000
3000
زبان می‌بایستی که برای ژن‌هایمان مفیده بوده باشد.
09:42
Tool use must have enhanced our survival, mating and so on.
211
564000
3000
استفاده از ابزار بایستی که بقای ما را بهبود بخشیده باشد، و جفتگیری و غیره.
09:45
It always comes back, as Richard Dawkins complained
212
567000
3000
همیشه به این نقطه می‌رسد که، همانطور که ریچارد داوکینز
09:48
all that long time ago, it always comes back to genes.
213
570000
3000
خیلی وقت پیش مخالفت ورزید سرانجام همیشه به ژن‌ها می‌رسد.
09:51
The point of memetics is to say, "Oh no, it doesn't."
214
573000
4000
مسئله ممتیک این است که بگوید، «نه اینطور نیست»
09:55
There are two replicators now on this planet.
215
577000
3000
در حال حاضر دو بازتولیدگر در سیاره هستند.
09:58
From the moment that our ancestors,
216
580000
3000
از زمانی که پیشینیان ما،
10:01
perhaps two and a half million years ago or so,
217
583000
2000
شاید از حدود دو و نیم میلیون سال پیش،
10:03
began imitating, there was a new copying process.
218
585000
4000
شروع به تقلید کردند، یک فرآیند کپی‌سازی جدید به وجود آمد.
10:07
Copying with variation and selection.
219
589000
2000
کپی با تنوع و انتخاب.
10:09
A new replicator was let loose, and it could never be --
220
591000
5000
یک بازتولیدگر جدید رها شد، و دیگر هیچگاه نتوانست
10:14
right from the start -- it could never be
221
596000
1000
به حال قبلی برگردد، دیگر هیچوقت ممکن نبود
10:15
that human beings who let loose this new creature,
222
597000
5000
انسانی که برساختهٔ جدیدش را آزاد گذاشته بود،
10:20
could just copy the useful, beautiful, true things,
223
602000
3000
فقط چیزهای مفید و خوب و واقعی را کپی کند،
10:23
and not copy the other things.
224
605000
2000
و چیزهای دیگر را کپی نکند.
10:25
While their brains were having an advantage from being able to copy --
225
607000
3000
درحالیکه مغزشان این مزیت را پیدا کرد که قادر باشد چیزهایی را کپی کند مثل --
10:28
lighting fires, keeping fires going, new techniques of hunting,
226
610000
5000
روشن کردن آتش، روشن نگهداشتن آتش، شگردهای جدید شکار،
10:33
these kinds of things --
227
615000
2000
اینجور چیزها --
10:35
inevitably they were also copying putting feathers in their hair,
228
617000
3000
آنها به ناچار قادر به کپی کردن چیزهایی نیز گشتند، مانند گذاشتن پر لای موهایشان،
10:38
or wearing strange clothes, or painting their faces,
229
620000
2000
یا پوشیدن لباس‌های عجیب و غریب، یا رنگ کردن صورت،
10:40
or whatever.
230
622000
1000
یا هر چیز دیگر.
10:41
So, you get an arms race between the genes
231
623000
4000
اینچنین شما رقابتی پیدا می‌کنید میان ژن‌هایی که
10:45
which are trying to get the humans to have small economical brains
232
627000
4000
که دارند سعی می‌کنند تا انسان‌ها مغزهای کوچکتر و اقتصادی‌‍تر داشته باشند
10:49
and not waste their time copying all this stuff,
233
631000
2000
و این همه وقت صرف کپی کردن این چیزها نکنند،
10:51
and the memes themselves, like the sounds that people made and copied --
234
633000
4000
و خود مم‌ها، مثل صداهایی که مردم درمی‌آورند و کپی می‌کردند --
10:56
in other words, what turned out to be language --
235
638000
2000
به بیان دیگر، چیزی که در پایان به زبان انجامید --
10:58
competing to get the brains to get bigger and bigger.
236
640000
3000
رقابت برای بزرگ و بزرگتر شدن مغزها.
11:01
So, the big brain, on this theory, is driven by the memes.
237
643000
4000
پس مغز بزرگ در این نظریه بوسیله مم‌ها به وجود می‌آید.
11:05
This is why, in "The Meme Machine," I called it memetic drive.
238
647000
4000
به این دلیل است که در کتاب «ماشین مم»، من آنرا محرک «ممی» نامیدم.
11:09
As the memes evolve, as they inevitably must,
239
651000
3000
همینطور که مم‌ها فرگشت می‌یابند، که لاجرم چنین میشود،
11:12
they drive a bigger brain that is better at copying the memes
240
654000
4000
آنها باعث حرکت بسوی مغز بزرگتر می‌شوند که در امر کپی‌سازی مم‌ها بهتر عمل می‌کند
11:16
that are doing the driving.
241
658000
2000
تا پیش بردن آن.
11:18
This is why we've ended up with such peculiar brains,
242
660000
4000
این دلیل آن است که چرا ما دارای چنین مغزهای عجیبی گشته‌ایم،
11:22
that we like religion, and music, and art.
243
664000
3000
که ما به دین، و موسیقی و هنر علاقه داریم.
11:25
Language is a parasite that we've adapted to,
244
667000
3000
زبان یک انگل است که به آن خو گرفته‌ایم،
11:28
not something that was there originally for our genes,
245
670000
2000
نه چیزی که از اول برای ژن‌هایمان به وجود آمده باشد،
11:30
on this view.
246
672000
2000
در این نقطه نظر.
11:32
And like most parasites, it can begin dangerous,
247
674000
3000
و مثل بیشتر انگل‌ها می‌تواند خطرناک شود،
11:35
but then it coevolves and adapts,
248
677000
3000
ولی بعد هم-فرگشت می‌یابد و سازگاری می‌یابد
11:38
and we end up with a symbiotic relationship
249
680000
2000
و ما سرانجام به یک رابطهٔ همزیستی
11:40
with this new parasite.
250
682000
1000
با این انگل‌ها می‌رسیم.
11:41
And so, from our perspective,
251
683000
2000
و بنابراین از نقطه نظر ما،
11:43
we don't realize that that's how it began.
252
685000
3000
ما متوجه نمی‌شویم که چگونه آغاز شده است.
11:46
So, this is a view of what humans are.
253
688000
3000
پس این نظری است در مورد اینکه انسان‌ها چیستند.
11:49
All other species on this planet are gene machines only,
254
691000
3000
تمام گونه‌های دیگر این سیاره تنها ماشین ژنی هستند،
11:52
they don't imitate at all well, hardly at all.
255
694000
3000
آنها در همهٔ سطوح کپی نمی‌کنند، اگر اصلا بتوانند چنین کنند.
11:55
We alone are gene machines and meme machines as well.
256
697000
5000
ما هم ماشین ژن هستیم و هم ماشین مم.
12:00
The memes took a gene machine and turned it into a meme machine.
257
702000
4000
مم‌ها یک ماشین ژن را می‌گیرند و آنرا تبدیل به یک ماشین مم می‌کنند.
12:04
But that's not all.
258
706000
2000
ولی این همهٔ امر نیست.
12:06
We have a new kind of memes now.
259
708000
3000
ما امروزه گونه‌های جدیدی از مم داریم.
12:09
I've been wondering for a long time,
260
711000
1000
من برای مدت طولانی تامل کرده‌ام،
12:10
since I've been thinking about memes a lot,
261
712000
2000
از زمانی که شروع به تفکر دربارهٔ مم‌ها کرده‌ام،
12:12
is there a difference between the memes that we copy --
262
714000
2000
آیا تفاوتی وجود دارد میان مم‌هایی که ما کپی می‌کنیم --
12:14
the words we speak to each other,
263
716000
2000
واژگانی که با آنها با هم سخن می‌گوییم،
12:16
the gestures we copy, the human things --
264
718000
2000
ژست‌هایی که کپی می‌کنیم، چیزهای انسانی --
12:18
and all these technological things around us?
265
720000
2000
و همه این چیزهای تکنولوژیکی اطرافمان؟
12:20
I have always, until now, called them all memes,
266
722000
4000
من همیشه، تا الان، آنها را هم مم نامیده بودم،
12:24
but I do honestly think now
267
726000
3000
ولی من حالا واقعا فکر می‌کنم که
12:27
we need a new word for technological memes.
268
729000
3000
ما نیازمند واژهٔ تازه‌ای برای مِم‌های تکنولوژیکی هستیم.
12:30
Let's call them techno-memes or temes.
269
732000
3000
بگذارید آنها را تکنومِم یا تِم بنامیم.
12:33
Because the processes are getting different.
270
735000
3000
چونکه فرآیندهای آنها متفاوت است.
12:37
We began, perhaps 5,000 years ago, with writing.
271
739000
3000
ما شاید حدود ۵۰۰۰ سال پیش با نوشتن شروع کردیم.
12:40
We put the storage of memes out there on a clay tablet,
272
742000
7000
ما انباری از مم‌ها را روی لوحه گلی ثبت کردیم؛
12:48
but in order to get true temes and true teme machines,
273
750000
2000
ولی برای اینکه تم‌های واقعی و ماشین‌های تم واقعی داشته باشید،
12:50
you need to get the variation, the selection and the copying,
274
752000
3000
بایستی که تنوع در اختیار داشته باشید، انتخاب و کپی کردن،
12:53
all done outside of humans.
275
755000
2000
که همه خارج از انسان انجام بشوند.
12:55
And we're getting there.
276
757000
2000
و ما داریم به آنجا می‌رسیم.
12:57
We're at this extraordinary point where we're nearly there,
277
759000
2000
ما به این نقطهٔ شگفت‌انگیز رسیده‌ایم که تقریبا آنجا هستیم،
12:59
that there are machines like that.
278
761000
2000
که ماشین‌هایی مثل آن به وجود بیایند.
13:01
And indeed, in the short time I've already been at TED,
279
763000
2000
و براستی در اندک زمانی که در TED بوده‌ام،
13:03
I see we're even closer than I thought we were before.
280
765000
2000
من می‌بینم که ما نزدیکتر از آن چیزی هستیم که قبلا فکر می‌کردم.
13:05
So actually, now the temes are forcing our brains
281
767000
6000
پس درحقیقت، اکنون تم‌ها به مغزهایمان فشار می‌آورند
13:11
to become more like teme machines.
282
773000
2000
تا بیشتر شبیه ماشین تم شوند.
13:13
Our children are growing up very quickly learning to read,
283
775000
3000
کودکان ما خیلی زود بزرگ می‌شوند و خواندن می‌آموزند،
13:16
learning to use machinery.
284
778000
2000
استفاده از ماشین آلات را فرا می‌گیرند.
13:18
We're going to have all kinds of implants,
285
780000
1000
ما داریم بسویی می‌رویم که ایمپلنت‌های بسیار خواهیم داشت،
13:19
drugs that force us to stay awake all the time.
286
781000
3000
داروهایی که ما را مجبور خواهند کرد تا همیشه بیدار باقی بمانیم.
13:22
We'll think we're choosing these things,
287
784000
2000
ما خیال خواهیم کرد که داریم این چیزها را انتخاب می‌کنیم،
13:24
but the temes are making us do it.
288
786000
3000
ولی در واقع تم‌ها ما را وادار می‌سازند تا چنین کنیم.
13:28
So, we're at this cusp now
289
790000
1000
بنابراین ما در این نقطهٔ تغییر هستیم
13:29
of having a third replicator on our planet.
290
791000
4000
که سومین بازتولیدگر را در سیاره داشته باشیم.
13:34
Now, what about what else is going on out there in the universe?
291
796000
5000
اکنون، در مورد چیزهای دیگری که در جهان در حال اتفاق افتادن است چه؟
13:39
Is there anyone else out there?
292
801000
2000
آیا کسی آن بیرون هست؟
13:41
People have been asking this question for a long time.
293
803000
3000
مردم از خیلی وقت پیش‌ها این پرسش را می‌پرسیده‌اند.
13:44
We've been asking it here at TED already.
294
806000
2000
ما آنرا در TED هم پرسیده‌ایم.
13:46
In 1961, Frank Drake made his famous equation,
295
808000
4000
در ۱۹۶۱، فرانک دِرِیک معادلهٔ مشهورش را ساخت،
13:50
but I think he concentrated on the wrong things.
296
812000
2000
ولی به گمان من روی چیزهای اشتباهی تمرکز کرد.
13:52
It's been very productive, that equation.
297
814000
2000
آن معادله بسیار پرحاصل بوده است.
13:54
He wanted to estimate N,
298
816000
2000
او می‌خواست مقدار N را تخمین بزند،
13:56
the number of communicative civilizations out there in our galaxy,
299
818000
4000
یعنی تعداد تمدن‌هایی در کهکشان ما که قادر به ارتباط هستند.
14:00
and he included in there the rate of star formation,
300
822000
4000
و او سرعت تشکیل ستاره را وارد معادله کرد،
14:04
the rate of planets, but crucially, intelligence.
301
826000
4000
و میزان سیاره‌ها، ولی مهمتر از آن، هوشمندی.
14:08
I think that's the wrong way to think about it.
302
830000
4000
من فکر می‌کنم اینطور فکر کردن به آن اشتباه است.
14:12
Intelligence appears all over the place, in all kinds of guises.
303
834000
3000
هوشمندی در هر جا، در لباس‌های مختلف ظاهر میشود.
14:15
Human intelligence is only one kind of a thing.
304
837000
2000
هوش انسانی فقط یک نوع آن است.
14:17
But what's really important is the replicators you have
305
839000
3000
ولی چیزی که واقعا مهم است بازتولیدگری است که دارید
14:20
and the levels of replicators, one feeding on the one before.
306
842000
4000
و سطوح بازتولیدگرها که هر یک از قبلی ناشی می‌شوند.
14:24
So, I would suggest that we don't think intelligence,
307
846000
5000
بنابراین پیشنهاد من این است که نباید به هوشمندی اندیشید،
14:29
we think replicators.
308
851000
2000
باید بازتولیدگرها را در نظر گرفت.
14:31
And on that basis, I've suggested a different kind of equation.
309
853000
3000
و بر پایهٔ آن، من فرمول متفاوتی پیشنهاد داده‌ام.
14:34
A very simple equation.
310
856000
2000
یک معادله خیلی ساده.
14:36
N, the same thing,
311
858000
2000
N مثل همان قبلی است،
14:38
the number of communicative civilizations out there
312
860000
3000
یعنی تعداد تمدن‌های ارتباطی که می‌توانیم
14:41
[that] we might expect in our galaxy.
313
863000
2000
در کهکشان‌مان انتظار داشته باشیم.
14:43
Just start with the number of planets there are in our galaxy.
314
865000
4000
از تعداد سیاره‌هایی که در کهکشان ما هستند شروع می‌کنیم.
14:47
The fraction of those which get a first replicator.
315
869000
4000
کسری از آنها که بازتولیدگر نخست را به دست می‌آورند.
14:51
The fraction of those that get the second replicator.
316
873000
4000
کسری از آنها که بازتولیدگر دوم را به دست می‌آورند.
14:55
The fraction of those that get the third replicator.
317
877000
2000
کسری از آنها که سومین بازتولیدگر را به دست می‌آورند.
14:58
Because it's only the third replicator that's going to reach out --
318
880000
3000
چونکه تنها بازتولیدگر سوم است که می‌تواند باعث ارتباط شود --
15:01
sending information, sending probes, getting out there,
319
883000
3000
با فرستادن اطلاعات، فرستادن کاوشگرها، خروج از آنجا،
15:04
and communicating with anywhere else.
320
886000
2000
و ارتباط برقرار کردن با جای‌های دیگر.
15:06
OK, so if we take that equation,
321
888000
3000
خب، اگر ما این معادله را در نظر بگیریم،
15:09
why haven't we heard from anybody out there?
322
891000
5000
پس چرا تا حالا از هیچکسی در آن بیرون چیزی نشنیده‌ایم؟
15:14
Because every step is dangerous.
323
896000
4000
چونکه هر قسمت راه خطرناک است.
15:18
Getting a new replicator is dangerous.
324
900000
3000
رسیدن به بازتولیدگر جدید خطرناک است.
15:21
You can pull through, we have pulled through,
325
903000
2000
می‌توان از پس آن برآمد، ما از پسش برآمدیم،
15:23
but it's dangerous.
326
905000
2000
ولی خطرناک است.
15:25
Take the first step, as soon as life appeared on this earth.
327
907000
3000
مرحله اول را در نظر بگیرید، از همان زمانی که حیات بر روی زمین پدیدار گردید.
15:28
We may take the Gaian view.
328
910000
2000
ما می‌توانیم نظریه گایا را در نظر داشته باشیم.
15:30
I loved Peter Ward's talk yesterday -- it's not Gaian all the time.
329
912000
3000
من عاشق سخنرانی دیروز پیتر وارد شدم -- ولی مسئله همیشه گایایی نیست.
15:33
Actually, life forms produce things that kill themselves.
330
915000
3000
در حقیقت، زی‌نمود ها [اشکال حیات] چیزهایی می‌سازند که خودشان را می‌کشند.
15:36
Well, we did pull through on this planet.
331
918000
3000
خب، ما در این سیاره از آن مهلکه جستیم.
15:39
But then, a long time later, billions of years later,
332
921000
2000
ولی، زمان بسیار طولانی بعد از آن، میلیاردها سال بعد،
15:41
we got the second replicator, the memes.
333
923000
3000
ما دومین بازتولیدگر را داشتیم: مم.
15:44
That was dangerous, all right.
334
926000
2000
آن خطرآفرین بود، درست.
15:46
Think of the big brain.
335
928000
2000
به مغز بزرگ بیاندیشید.
15:48
How many mothers do we have here?
336
930000
3000
چند تا مادر در اینجا داریم؟
15:51
You know all about big brains.
337
933000
2000
همهٔ شما در مورد مغز بزرگ می‌دانید.
15:53
They are dangerous to give birth to,
338
935000
2000
آنها در هنگام زایمان خطرناک‌اند.
15:55
are agonizing to give birth to.
339
937000
2000
در زایمان باعث رنج‌اند.
15:57
(Laughter)
340
939000
1000
(خنده)
15:59
My cat gave birth to four kittens, purring all the time.
341
941000
2000
گربهٔ من چهار تا بچه گربه به دنیا آورد، و پشت سر هم خرخر می‌کرد.
16:01
Ah, mm -- slightly different.
342
943000
2000
آه، هوم -- کمی متفاوت.
16:03
(Laughter)
343
945000
2000
(خنده)
16:05
But not only is it painful, it kills lots of babies,
344
947000
3000
ولی فقط دردآور نیست، خیلی از نوزادان را می‌کشد،
16:08
it kills lots of mothers,
345
950000
2000
خیلی از مادران را می‌کشد.
16:10
and it's very expensive to produce.
346
952000
2000
و ساخت آن بسیار هزینه‌بر است.
16:12
The genes are forced into producing all this myelin,
347
954000
2000
ژن‌ها تحت فشار قرار گرفته‌اند تا این همه میلین تولید کنند،
16:14
all the fat to myelinate the brain.
348
956000
2000
همهٔ آن چربی‌ها برای اینکه مغز زیر پوشش غلاف میلین قرار بگیرد.
16:16
Do you know, sitting here,
349
958000
2000
آیا می‌دانید، همینطور که اینجا نشسته‌اید،
16:18
your brain is using about 20 percent of your body's energy output
350
960000
4000
مغز شما ۲۰ درصد انرژی تولیدی بدن شما را مصرف می‌کند
16:22
for two percent of your body weight?
351
964000
2000
درحالیکه تنها ۲ درصد وزن بدن شما را تشکیل داده است.
16:24
It's a really expensive organ to run.
352
966000
2000
واقعا اندام هزینه بری است.
16:26
Why? Because it's producing the memes.
353
968000
2000
چرا؟ برای اینکه مم‌ها را تولید می‌کند.
16:28
Now, it could have killed us off. It could have killed us off,
354
970000
4000
حالا، این می‌توانست ما را بکشد -- می‌توانست همهٔ ما را نابود کند،
16:32
and maybe it nearly did, but you see, we don't know.
355
974000
2000
و شاید چنین کرد، ولی می‌فهمید، ما نمی‌دانیم.
16:34
But maybe it nearly did.
356
976000
2000
ولی شاید تقریبا چنین کرد.
16:36
Has it been tried before?
357
978000
1000
آیا پیش از این آزموده شده؟
16:37
What about all those other species?
358
979000
2000
در مورد آن همه گونه‌های دیگر چه؟
16:39
Louise Leakey talked yesterday
359
981000
2000
هفتهٔ پیش لوئیس لیکی تعریف کرد که
16:41
about how we're the only one in this branch left.
360
983000
3000
چگونه ما تنها گونهٔ باقی‌مانده از این شاخه [جانوری] هستیم.
16:44
What happened to the others?
361
986000
2000
برای بقیه چه اتفاقی افتاده؟
16:46
Could it be that this experiment in imitation,
362
988000
2000
آیا می‌توانسته اینگونه باشد که این امتحان تقلیدبرداری،
16:48
this experiment in a second replicator,
363
990000
2000
این تجربهٔ بازتولیدگر دوم،
16:50
is dangerous enough to kill people off?
364
992000
4000
آنقدر خطرناک بوده باشد که مردم را بکشد؟
16:54
Well, we did pull through, and we adapted.
365
996000
2000
خب، ما از مهلکه جستیم و سازگاری یافتیم.
16:56
But now, we're hitting, as I've just described,
366
998000
3000
ولی حال، همانطور که من تعریف کردم داریم نزدیک می‌شیم به
16:59
we're hitting the third replicator point.
367
1001000
2000
داریم می‌خوریم به نقطهٔ بازتولیدگر سوم.
17:01
And this is even more dangerous --
368
1003000
3000
و این حتی خطرناکتر از قبلی‌هاست --
17:04
well, it's dangerous again.
369
1006000
2000
خب، دوباره خطر هست.
17:06
Why? Because the temes are selfish replicators
370
1008000
4000
چرا؟ زیرا تم‌ها بازتولیدگرهای خودخواه هستند
17:10
and they don't care about us, or our planet, or anything else.
371
1012000
3000
و اهمیتی به ما، یا سیارهٔ ما، یا اصولا هیچ چیز نمی‌دهند.
17:13
They're just information, why would they?
372
1015000
3000
آخر سر آنها تنها اطلاعات هستند -- چرا باید چنین کنند؟
17:17
They are using us to suck up the planet's resources
373
1019000
2000
آنها دارند از ما استفاده می‌کنند تا شیرهٔ منابع سیاره را برای
17:19
to produce more computers,
374
1021000
2000
تولید کامپیوترهای بیشتر بکشند،
17:21
and more of all these amazing things we're hearing about here at TED.
375
1023000
3000
و خیلی چیزهای متحیرکنندهٔ دیگر که در اینجا در TED داریم درباره‌شان می‌شنویم.
17:24
Don't think, "Oh, we created the Internet for our own benefit."
376
1026000
4000
فکر نکنید، «وه! ما اینترنت را برای سودبخشی به خودمان ساختیم.»
17:28
That's how it seems to us.
377
1030000
2000
این گونه به نظر می‌رسد.
17:30
Think, temes spreading because they must.
378
1032000
4000
اینطوری فکر کنید که تم‌ها دارند گسترش می‌یابند چون باید چنین شوند.
17:34
We are the old machines.
379
1036000
2000
ما ماشین‌های قدیمی هستیم.
17:36
Now, are we going to pull through?
380
1038000
2000
حال، آیا ما جان سالم به در خواهیم برد؟
17:38
What's going to happen?
381
1040000
2000
چه خواهد شد؟
17:40
What does it mean to pull through?
382
1042000
2000
اصلا جان سالم به در بردن یعنی چه؟
17:42
Well, there are kind of two ways of pulling through.
383
1044000
2000
خوب، به دو شکل می‌توان جان سالم به در برد.
17:45
One that is obviously happening all around us now,
384
1047000
2000
چیزی که آشکارا دارد دور و بر ما رخ می‌دهد،
17:47
is that the temes turn us into teme machines,
385
1049000
4000
این است که تم‌ها ما را تبدیل به ماشین‌های تم می‌کنند،
17:51
with these implants, with the drugs,
386
1053000
2000
با این ایمپلنت‌ها، با داروها،
17:53
with us merging with the technology.
387
1055000
3000
با مخلوط شدن ما با تکنولوژی. [سایبورگ]
17:56
And why would they do that?
388
1058000
2000
و چرا باید آنها چنین کنند؟
17:58
Because we are self-replicating.
389
1060000
2000
برای اینکه ما خود-کپی‌ساز هستیم.
18:00
We have babies.
390
1062000
2000
ما نوزاد داریم.
18:02
We make new ones, and so it's convenient to piggyback on us,
391
1064000
3000
و نوزادهای جدید به وجود می‌آوریم، و بسیار آسان است که از ما کولی بگیرند،
18:05
because we're not yet at the stage on this planet
392
1067000
4000
چون هنوز به مرحله‌ای در این سیاره نرسیده‌ایم
18:09
where the other option is viable.
393
1071000
2000
که راه دیگری ممکن باشد.
18:11
Although it's closer, I heard this morning,
394
1073000
2000
گرچه نزدیکتر شده، امروز صبح شنیدم،
18:13
it's closer than I thought it was.
395
1075000
2000
نزدیکتر از آنی است که گمان می‌کردم. به
18:15
Where the teme machines themselves will replicate themselves.
396
1077000
3000
زمانی که خود ماشین‌های تم خودشان را کپی خواهند کرد. [بدون دخالت ما]
18:18
That way, it wouldn't matter if the planet's climate
397
1080000
4000
آنطوری، مهم نخواهد بود اگر آب و هوای سیاره
18:22
was utterly destabilized,
398
1084000
2000
مطلقا بی‌ثبات شده باشد.
18:24
and it was no longer possible for humans to live here.
399
1086000
2000
و دیگر برای زندگی انسان‌ها ممکن نباشد.
18:26
Because those teme machines, they wouldn't need --
400
1088000
2000
زیرا آن ماشین‌های تمی، لازم نخواهند داشت --
18:28
they're not squishy, wet, oxygen-breathing,
401
1090000
2000
آنها موجودات نرم و نازک، مرطوب، تنفس‌گر اکسیژن
18:30
warmth-requiring creatures.
402
1092000
3000
و نیازمند گرما نیستند.
18:33
They could carry on without us.
403
1095000
2000
آنها می‌توانند بدون ما ادامه دهند.
18:35
So, those are the two possibilities.
404
1097000
3000
بنابراین، آن دو گزینه‌های ممکن هستند.
18:38
The second, I don't think we're that close.
405
1100000
4000
دومی، من فکر نمی‌کنم خیلی نزدیک آن باشیم.
18:42
It's coming, but we're not there yet.
406
1104000
2000
داره میاد، ولی هنوز به اونجا نرسیدیم.
18:44
The first, it's coming too.
407
1106000
2000
اولی هم داره میاد.
18:46
But the damage that is already being done
408
1108000
3000
ولی زیانی که از همین الان به سیاره می‌زند
18:49
to the planet is showing us how dangerous the third point is,
409
1111000
5000
نشانگر آن است که این نقطهٔ سوم چه میزان خطرناک است،
18:54
that third danger point, getting a third replicator.
410
1116000
3000
در نقطهٔ خطر سوم، برای رسیدن به بازتولیدگر سوم.
18:58
And will we get through this third danger point,
411
1120000
2000
و آیا ما از سومین نقطهٔ خطر هم خواهیم گذشت،
19:00
like we got through the second and like we got through the first?
412
1122000
3000
مثل گذشتن از اولی و دومی؟
19:04
Maybe we will, maybe we won't.
413
1126000
2000
شاید بتوانیم، شاید هم نه.
19:06
I have no idea.
414
1128000
3000
من واقعا نمی‌دونم.
19:13
(Applause)
415
1135000
10000
(تشویق)
19:24
Chris Anderson: That was an incredible talk.
416
1146000
2000
کریس اندرسون: این سخنرانی باورنکردنی بود.
19:26
SB: Thank you. I scared myself.
417
1148000
2000
سوزان بلکمور: متشکرم. خودمو ترسوندم.
19:28
CA: (Laughter)
418
1150000
1000
کریس اندرسون: خنده.
ABOUT THE SPEAKER
Susan Blackmore - MemeticistSusan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created.
Why you should listen
Susan Blackmore is dedicated to understanding the scientific nature of consciousness. Her latest work centers on the existence of memes -- little bits of knowledge, lore, habit that seem to spread themselves using human brains as mere carriers. She's exploring the existence of a new class of meme, spread by human technology. It's temporarily named the "teme."
She has written about memes, consciousness, and near-death experiences; has appeared on the British Big Brother to discuss the psychology of the participants; and writes for the Guardian UK.
Susan Blackmore | Speaker | TED.com