TED2005
Ray Kurzweil: The accelerating power of technology
ری کاژویل راجع به اینکه چگونه تکنولوژی زندگی ما را تغییر می دهد صحبت می کند
Filmed:
Readability: 5.3
2,876,494 views
ری کاژویل محترع، کارآفرین و رویاپرداز با جزئیات فراوان و به صورت بنیادی به ما توضیح می دهد که چگونه بشر تا سال 2020 بشر قادر خواهد بود که مغز انسان را مهندسی معکوس کرده و کاری کند که نانو روباتها بر اساس هوش انسان عمل کنند.
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
خب، خوشحالم که اینجا هستم
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
ما در مورد مزایای تکنولوژی و همچنین در مورد خطراتش زیاد شنیده ایم
00:30
I've been quite interested in both.
2
6000
2000
من شدیدا به هر دو موضوع علاقمندم.
00:32
If we could convert 0.03 percent
3
8000
4000
اگر ما میتونستیم 0.03 درصد از
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
نور خورشید را که به زمین می تابد به انرژی تبدیل کنیم،
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
میتوانستیم تمامی نیازهای مان را تا سال 2030 برآورده کنیم.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
در حال حاضر نمیتونیم این کارو بکنیم چون سلولهای خورشیدی سنگین،
00:46
expensive and very inefficient.
7
22000
2000
گرhون و بسیار ناکارآمد هستند.
00:48
There are nano-engineered designs,
8
24000
3000
در حال حاضر طراحی های مهندسی نانو بسیاری وجود دارد
00:51
which at least have been analyzed theoretically,
9
27000
2000
که حداقل به صورت تئوریک تجزیه و تحلیل شده اند
00:53
that show the potential to be very lightweight,
10
29000
2000
که می توانند بسیار سبک
00:55
very inexpensive, very efficient,
11
31000
2000
ارزان و کارآمد باشند
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
و بشر قادر خواهد بود تمام انرژی مورد نیازش را از این طریق فراهم کند
01:01
Nano-engineered fuel cells
13
37000
2000
سلول های سوختی مهندسی نانو
01:03
could provide the energy where it's needed.
14
39000
3000
می توانند انرژی مورد نیاز را در هر مکان فراهم کنند
01:06
That's a key trend, which is decentralization,
15
42000
2000
تمرکززدایی روندی کلیدی است
01:08
moving from centralized nuclear power plants and
16
44000
3000
انتقال از نیروگاه های هسته ای متمرکز به
01:11
liquid natural gas tankers
17
47000
2000
تانکرهای گاز طبیعی مایع
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
به سمت منابع غیرمتمرکزی که با محیط زیست مهربان تر هستند
01:17
a lot more efficient
19
53000
3000
و همچنین کارآمدتر می باشند
01:20
and capable and safe from disruption.
20
56000
4000
با توانایی بیشتر و بدون خطر
01:24
Bono spoke very eloquently,
21
60000
2000
بونو بسیار سلیس صحبت کرد
01:26
that we have the tools, for the first time,
22
62000
4000
در مورد اینکه برای اولین بار ابزارهایی داریم
01:30
to address age-old problems of disease and poverty.
23
66000
4000
برای نشان دادن مشکلات ریشه ای ناشی از فقر و بیماری.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
بیشتر مناطق جهان به این سمت در حال حرکت هستند.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
در 1990، در منطقه آسیای شرقی و پاسفیک،
01:42
there were 500 million people living in poverty --
26
78000
2000
500 میلیون نفر در فقر زندگی می کردند
01:44
that number now is under 200 million.
27
80000
3000
که این عدد در حال حاضر 200 میلیون نفر است
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
بانک جهانی برنامه ریزی کرده که تا سال 2011، این مقدار به زیر 20 میلیون نفر خواهد رسید،
01:50
which is a reduction of 95 percent.
29
86000
3000
که این یک کاهش 95 درصدی است.
01:53
I did enjoy Bono's comment
30
89000
3000
من از پیشنهاد بونو لذت بردم
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
منظورم پیوند بین «هیت-اشبو» و «سیلیکون ولی»
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
من عضوی از انجمن سطح بالای تکنولوژی در ماساچوست بودم،
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
و همچنین در دهه 1960 عضوی از دار و دسته هیپی ها
02:08
although we hung around Harvard Square.
34
104000
3000
اگرچه در میدان دانشگاه هاروارد بودیم
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
ولی پتانسیل این را داشتیم که بر فقر و بیماری غلبه کنیم.
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
و اگه فرصت داشته باشیم می خواهدم درباره این مشکلات صحبت کنم
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
کوین کلی در مورد شتاب تنکولوژی صحبت کرد.
02:22
That's been a strong interest of mine,
38
118000
3000
که این موضوع مورد علاقه من شده است
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
و زمینه ای است که من در طی 30 سال آن را توسعه داده ام
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
من متوجه شدم که وقتی پروژه را تمام کردیم ، تکنولوژی آن باید تاثیرگذار می بود
02:33
That invariably, the world was a different place
41
129000
3000
و این هنگامی بود که دنیا جای متفاوتی شده بود
02:36
when I would introduce a technology.
42
132000
2000
نسبت به زمانی که ما فناوری رو معرفی کرده بودیم
02:38
And, I noticed that most inventions fail,
43
134000
2000
و متوجه شدم که عدم موفقیت بیشتر اختراعات،
02:40
not because the R&D department can't get it to work --
44
136000
3000
به این خاطر نیست که بخش تحقیق و توسعه در بکارگیری آن ناتوان است
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
اگر شما به اکثر طرح های تجاری نگاهی بیندازید، می بینید که آنها وقتی واقعا موفق می شوند
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
که فرصت کافی برای ساختن چیزی که می گفتند را داشته باشند
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
و 90 درصد یا بیش از 90 درصد این پروژه ها به دلیل زمانبدی اشتباه شکست خواهند خورد
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
و وقتی که به تمامی عوامل موفقیت نیاز داریم ، آنها در دسترس نیستند.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
لذا تصمیم گرفتم شاگرد سخت کوشی برای یادگیری تکنولوژی بشوم
03:00
and track where technology would be at different points in time,
50
156000
3000
و روند حرکت تکنولوژی را در طول زمان ردیابی کنم،
03:03
and began to build the mathematical models of that.
51
159000
3000
و شروع به مدل سازی ریاضی آن کردم.
03:06
It's kind of taken on a life of its own.
52
162000
2000
مدلی که برگرفته از دوام این تکنولوژی هاست
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
من گروهی 10 نفره تشکیل دادم که در جمع کردن داده ها
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
در مقیاس های کلیدی تکنولوژی در زمینه های مختلف به من کمک می کردند و آنگاه ما مدل ها را ساختیم.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
شما شنیدید که مردم میگویند که ما آینده را نمیتوانیم پیش بینی کنیم.
03:19
And if you ask me,
56
175000
2000
و اگر شما از من بپرسید،
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
ارزش گوگل تا سه سال آینده از ارزش فعلی اش بیشتر خواهد شد یا کمتر
03:24
that's very hard to say.
58
180000
2000
بسیار مشکل است که به این پرسش پاسخ دهیم
03:26
Will WiMax CDMA G3
59
182000
3000
و یا آیا WiMax CDMA G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
تا سه سال آینده استاندارد شبکه های بی سیم خواهد شد؟ جواب این هم مشکل است
03:31
But if you ask me, what will it cost
61
187000
2000
اما اگر ازمن بپرسید، هزینه
03:33
for one MIPS of computing in 2010,
62
189000
3000
یک MIPS تا سال 2010 چقدر خواهد بود،
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
یا هزینه مرتب سازی یک جفت دی ان ای در سال 2012
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
یا هزینه ارسال یک مگابایت اطلاعات بصورت بی سیم در سال 2014
03:43
it turns out that those are very predictable.
65
199000
3000
مدل ما روشن می کند که پاسخ این پرسش ها بسیار قابل پیش بینی می باشد
03:46
There are remarkably smooth exponential curves
66
202000
2000
منحنی های نمایی یکنواختی هستند که
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
هزینه کارآیی، ظرفیت و پهنای باند را می توان از طریق آنها به دست آورد
03:51
And I'm going to show you a small sample of this,
68
207000
2000
و مایلم که نمونه کوچکی از این را به شما نشان بدهم،
03:53
but there's really a theoretical reason
69
209000
2000
اما واقعا دلیلی تئوریک وجود دارد
03:55
why technology develops in an exponential fashion.
70
211000
5000
که چرا تکنولوژی به صورت نمایی توسعه پیدا می کند
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
و بیشتر مردم ، وقتی درباره آینده فکر می کنند، آن را به صورت خطی می بینند.
04:02
They think they're going to continue
72
218000
2000
مردم فکر می کنند که به
04:04
to develop a problem
73
220000
2000
بسط و پرورش یک مساله ادامه خواهند داد
04:06
or address a problem using today's tools,
74
222000
3000
و یا به رفع مشکلی توسط ابزارهای امروزی خواهند پرداخت
04:09
at today's pace of progress,
75
225000
2000
با همین سرعتی که امروزه انجام می دهند
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
و از توجه به پیشرفت چنین توابع نمایی غافل می شوند
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
پروژه ژنوم پروژه ای جنجال برانگیز در سال 1990 بود.
04:18
We had our best Ph.D. students,
78
234000
2000
ما بهترین دانشجویان دوره دکترا را داشتیم
04:20
our most advanced equipment around the world,
79
236000
2000
و پیشرفته ترین تجهیزات را در سرتاسر دنیا
04:22
we got 1/10,000th of the project done,
80
238000
2000
ما در کل دنیا، یک ده هزارم پروژه به انجام رسیده است
04:24
so how're we going to get this done in 15 years?
81
240000
2000
پس ما چطور می خواستیم این پروژه را طی 15 سال انجام بدهیم؟
04:26
And 10 years into the project,
82
242000
3000
و 10 سال از پروژه گذشته بود،
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
و بدبین ها هنوز بطور جدی می گفتند دو سوم زمانبندی پروژه گذشته
04:32
and you've managed to only sequence
84
248000
2000
و شما فقط درصد بسیار کمی
04:34
a very tiny percentage of the whole genome."
85
250000
3000
از کل پروژه را انجام داده اید
04:37
But it's the nature of exponential growth
86
253000
2000
ولی این طبیعت رشد نمایی هست
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
که وقتی که به قسمت زانوی منحنی می رسد، منفجر می شود.
04:41
Most of the project was done in the last
88
257000
2000
بیشتر کار پروژه
04:43
few years of the project.
89
259000
2000
در چند سال پایانی آن به انجام رسید
04:45
It took us 15 years to sequence HIV --
90
261000
2000
چیدمان ژن های ویروس HIV پانزده سال طول کشید
04:47
we sequenced SARS in 31 days.
91
263000
2000
و این کار برای ویروس سارس در 31 روز انجام شد
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
بنابراین ما پتانسیل غلبه بر این مشکلات را بدست آوردیم.
04:53
I'm going to show you just a few examples
93
269000
2000
حالا می خواهم چند مثال کوچک در مورد اینکه
04:55
of how pervasive this phenomena is.
94
271000
3000
این پدیده چقدر فراگیر شده است به شما نشان بدهم.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
یک نرخ جابجایی-پارادایم حقیقی، سرعت ظهور ایده های نو است،
05:02
is doubling every decade, according to our models.
96
278000
3000
که براساس مدل های ما هر دو دهه دو برابر می شود،
05:05
These are all logarithmic graphs,
97
281000
3000
اینها همه نمودارهای لگاریتمی هستند،
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
که هر چقدر شما به سمت سطوح بالاتر می روید به صورت کلی در عامل 10 یا 100 ضرب می شود
05:11
It took us half a century to adopt the telephone,
99
287000
3000
اختراع تلفن برای ما نیم قرن طول کشید،
05:14
the first virtual-reality technology.
100
290000
3000
اولین فناوری واقعیت مجازی.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
حدود هشت سال طول کشید تا تلفن همراه فراگیر شود.
05:19
If you put different communication technologies
102
295000
3000
اگر شما تکنولوژی های متفاوت ارتباطی را
05:22
on this logarithmic graph,
103
298000
2000
روی این نمودار لگاریتمی قرار دهید،
05:24
television, radio, telephone
104
300000
2000
تلویزیون، رادیو، تلفن
05:26
were adopted in decades.
105
302000
2000
ظرف چندین دهه فراگیر شده اند.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
تکنولوزیهای جدید، مثل کامپیوتر، وب یا تلفن همراه
05:31
were under a decade.
107
307000
2000
در کمتر از یک دهه فراگیر شده اند.
05:33
Now this is an interesting chart,
108
309000
2000
اینک این یک نمودار جالب است،
05:35
and this really gets at the fundamental reason why
109
311000
2000
این در واقع علت اساسی اینکه چرا یک
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
پیشرفت روند تکاملی (بیولوژی و تکنولوژی هر دو پیشرفت های تکاملی هستند) شتاب می گیرد را
05:41
accelerate.
111
317000
2000
نشان می دهد.
05:43
They work through interaction -- they create a capability,
112
319000
3000
آنها از طریق تعامل کار می کنند -- آنها یک توانایی را بوجود می آورند،
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
و سپس آن توانایی را جهت رسیدن به مرحله بعد استفاده می کنند.
05:49
So the first step in biological evolution,
114
325000
3000
لذا مرحله اول در سنجش بیولوژیکی،
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
سنجش دی ان ای -- در واقع نخست ار ان ای بوجود آمد --
05:54
took billions of years,
116
330000
2000
میلیاردها سال زمان برد،
05:56
but then evolution used that information-processing backbone
117
332000
3000
اما بعد از آن ، این ارزیابی اولیه، قدرت پردازش اطلاعاتی را مورد استفاده قرار داد
05:59
to bring on the next stage.
118
335000
2000
تا به مرحله بعد برسد.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
از اینرو انفجار کامبرین، وقتی که تمامی طرح های بدن حیوانات تکامل یافته بود،
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
تنها 10 میلیون سال زمان برد که 200 برابر سریع تر بود.
06:08
And then evolution used those body plans
121
344000
2000
و سپس سنجش طرح های بدن را جهت
06:10
to evolve higher cognitive functions,
122
346000
2000
تکامل وظایف شناختی بالاتر مورد استفاه قرار داد،
06:12
and biological evolution kept accelerating.
123
348000
2000
و سنجش بیولوژیکی شتاب گرفت.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
این طبیعت ذاتی یک روند تکاملی است.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
بنابراین انسان ساپینز، اولین تکنولوژی که گونه ها را ایجاد می کند،
06:20
the species that combined a cognitive function
126
356000
2000
گونه هایی که یک عملکرد ادراکی را ترکیب می کند با
06:22
with an opposable appendage --
127
358000
2000
یک دستگاه فرعی انعطاف پذیر
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
راستی شامپانزه ها انگشت شست قابل انعطاف خوبی ندارند
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
در واقع ما میتوانی محیط اطرافمان را با اتکا به قدرت اداره کنیم
06:30
and fine motor coordination,
130
366000
2000
و هماهنگی محرک خوب،
06:32
and use our mental models to actually change the world
131
368000
2000
و مدل های مغزی خود را برای تغییر واقعی دنیا استفاده کنیم
06:34
and bring on technology.
132
370000
2000
و آوردن تکنولوژی.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
اما بهرحال، تکامل گونه های ما صدها هزار سال زمان برده،
06:39
and then working through interaction,
134
375000
2000
و سپس با استفاده از طریق تعامل،
06:41
evolution used, essentially,
135
377000
2000
اساسا، تکامل استفاده کرده از
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
تکنولوژی ایجاد گونه ها برای رسیدن به مرحله بعد،
06:46
which were the first steps in technological evolution.
137
382000
3000
که اولین گامها در تکامل تکنولوژیکی بود.
06:49
And the first step took tens of thousands of years --
138
385000
3000
این مرحله دهها هزار سال زمان برده --
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
ابزارهای سنگی، آتش، چرخ -- و تکامل در حال شتاب گرفتن بوده است.
06:55
We always used then the latest generation of technology
140
391000
2000
ما همیشه آخرین تولیدات تکنولوژی را استفاده کرده ایم
06:57
to create the next generation.
141
393000
2000
برای ایجاد تولیدات بعدی.
06:59
Printing press took a century to be adopted;
142
395000
2000
یک قرن زمان تا ماشین چاپ بوجود آید،
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
اولین کامپیوترها بصورت قلم - روی - کاغذ -- طراحی شدند حالا ما از کامپیوترها استفاده می کنیم.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
و می بینید که یک شتاب مستمر در پیشرفت را داشته ایم.
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
و راستی حالا، اگر شما به نمودار خطی بنگرید، به نظر می رسد هر چیزی به تازگی رخ داده است،
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
ولی بعضی ناظرین میگویند، «خب، کاژویل فقط نقاط را روی این نمودار
07:17
that fall on that straight line."
147
413000
2000
که بر روی آن خط راست جریان دارد قرار می دهد.»
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
ولی، 15 لیست از اندیشمندان کلیدی آنرا ارائه میدهند به همین صورت
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
مانند دائره المعارف بریتانیکا، موزه تاریخ طبیعی، تقویم جهانی کارل ساگان
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
-- و این مجموعه ها سعی ندارند که برای من روی نمودار نقاط بسازند،
07:29
these were just lists in reference works,
151
425000
2000
اینها فقط تعدادی از مراجع کارها بودند.
07:31
and I think that's what they thought the key events were
152
427000
3000
و به نظر من این چیزی است که آنها عقیده دارند دو رویداد اصلی
07:34
in biological evolution and technological evolution.
153
430000
3000
در تکامل بیولوژیکی و تکامل تکنولوژیکی بوده است.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
و مجددا، آن همان خط راست را شکل میدهد. شما یک مقدار کوچک سفت شدن در خط دارید
07:40
because people do have disagreements, what the key points are,
155
436000
3000
چرا که در میان مردم اختلافاتی وجود دارد، در اینکه نقاط اصلی و کلیدی کدام هستند
07:43
there's differences of opinion when agriculture started,
156
439000
2000
این اختلاف نظر در مورد وقتی است که کشاورزی شروع میشود،
07:45
or how long the Cambrian Explosion took.
157
441000
3000
یا اینکه -- انفجار کامبرین چه مقدار به طول انجامیده است.
07:48
But you see a very clear trend.
158
444000
2000
ولی شما شاهد یک روند بسیار روشن هستید.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
یک شتاب پایه ای عمیق در پیشرفت تکامل وجود دارد.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
تکنولوژی اطلاعات دوبرابر کرده ظرفیتها، هزینه عملکرد و پهنای باند خود را
08:00
every year.
161
456000
2000
هر سال.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
و آن یک انفجار بسیار عمیق در رشد نمایی است.
08:06
A personal experience, when I was at MIT --
163
462000
2000
براساس یک تجربه شخصی، وقتی که من در MIT بودم --
08:08
computer taking up about the size of this room,
164
464000
2000
یک کامپیوتر به اندازه این سالن جا میگرفت،
08:10
less powerful than the computer in your cell phone.
165
466000
5000
با قدرتمندی کمتر از کامپیوتر موجود در تلفن همراه شما.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
اما قانون مور، که در اغلب موارد با این رشد نمایی شناسایی میشه،
08:19
is just one example of many, because it's basically
167
475000
2000
یک نمونه از بسیارها مورد موجود است، بدلیل اینکه اساسا آن
08:21
a property of the evolutionary process of technology.
168
477000
5000
یک خصوصیت پیشرفت تکاملی تکنولوژی است.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
اگر ما -- قرار دهیم 49 کامپیوتر مشهور رو در این نمودار لگاریتمی --
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
یک خط راست روی یک نمودار لگاریتمی، آن دارای رشد نمایی است --
08:33
that's another exponential.
171
489000
2000
آن یک نمایی دیگر است.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
برای ما سه سال زمان برد تا هزینه عملکرد محاسباتیمان را در سال 1990 دوبرابر کنیم.
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
دو سال در وسط، ما حالا هر یک سال آنرا دوبرابر میکنیم.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
آن رشد نمایی است از طریق پنج الگوی متفاوت.
08:45
Moore's Law was just the last part of that,
175
501000
2000
قانون مور آخرین بخش از آن است،
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
در یک مدار مجتمع، جاییکه ما ترانزیستورها را کوچک میسازیم،
08:50
but we had electro-mechanical calculators,
177
506000
3000
ولی ما ماشین حسابهای الکترومکانیکی داشتیم،
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
کامپیوترهای مبتنی بر رله که رمز آلمانی انیگما را شکستند،
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
لوله های خلاء در سال 1950 که انتخاب آیزنهاور را پیش بینی کردند،
08:59
discreet transistors used in the first space flights
180
515000
3000
ترانزیستورها محتاطانه در اولین سفرهای فضایی مورد استفاده قرار گرفتند
09:02
and then Moore's Law.
181
518000
2000
و سپس قانون مور.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
هر بار که یک نمونه و نمونه از مجموعه فرار میکند،
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
نمونه دیگری در سمت چپ میدان ظاهر میشود تا رشد نمایی ادامه یابد.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
آنها لوله های خلاء را کوچکتر کردند، آنها را کوچکتر و کوچکتر ساختند.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
تا اینکه با یک مانع برخورد کردند. آنها نمیتوانستند آنرا کوچکتر کنند و از لوله خلاء استفاده کنند.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
یک نمونه کاملا متفاوت -- ترانزیستورها از صندوقچه بیرون آمدند.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
در واقع، وقتی که ما به انتهای خط یک نمونه خاص نگاه میکنیم،
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
آن فشار پژوهشی ایجاد میکند برای ساخت نمونه بعدی.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
و به دلیل اینکه ما پایان قانون مور را برای مدت زمانی طولانی پیش بینی کرده بودیم --
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
اولین پیش بینی سال 2002 را مشخص کرده بود، تا کنون سال 2022 مشخص شده.
09:30
But by the teen years,
191
546000
3000
اما در سالهای نوجوانی،
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
آینده ترانزیستورها تعداد کمی اتم در عرض خود خواهد داشت،
09:36
and we won't be able to shrink them any more.
193
552000
2000
و ما دیگر قادر به کوچک کردن آنها بیشتر از این نخواهیم بود.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
آن پایان قانون مور خواهد بود، ولی پایان رشد نمایی محاسبات
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
نخواهد بود، بدلیل اینکه چیپها مسطح هستند.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
ما در یک جهان سه بعدی زندگی میکنیم، ممکن است که از بعد سوم استفاده کنیم.
09:46
We will go into the third dimension
197
562000
2000
ما به سمت بعد سوم خواهیم رفت
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
و آن یک پیشرفت عظیم خواهد بود، تنها ظرف چند سال آینده،
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
با استفاده از بعد سوم، مدارهای مولکولی خود-سازماندهنده کار خواهند کرد.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
قبل از اینکه قانون مور از گردونه خارج شود آن بخوبی آماده به کار خواهد بود.
10:02
Supercomputers -- same thing.
201
578000
2000
سوپرکامپیوترها -- نیز همان هستند.
10:05
Processor performance on Intel chips,
202
581000
3000
عملکرد پروسسور در چیپهای اینتل،
10:08
the average price of a transistor --
203
584000
3000
میانگین قیمت یک ترانزیستور --
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
در سال 1968، شما میتوانستید یک ترانزیستور را به قیمت یک دلار بخرید.
10:14
You could buy 10 million in 2002.
205
590000
3000
شما میتوانستید در سال 2002 10 میلیون از آنها را با یک دلار بخرید.
10:17
It's pretty remarkable how smooth
206
593000
3000
آن بسیار قابل توجه است که پیشرفت نمایی
10:20
an exponential process that is.
207
596000
2000
چقدر ملایم و روان است.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
منظورم این است که، شما فکر میکنید این نتیجه تعداد آزمیاش روی میزی است،
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
اما این نتیجه رفتار آشفته جهانی است --
10:29
countries accusing each other of dumping products,
210
605000
2000
کشورهای یکدیگر را به کپی برداری محصولات متهم میکنند،
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
IPOs ، ورشکستگی ها، برنامه های بازاریابی،
10:33
You would think it would be a very erratic process,
212
609000
3000
ممکن است شما فکر کنید که آن یک روند بسیار نامنظم است،
10:36
and you have a very smooth
213
612000
2000
ولی شما یک نتیجه بسیار نرم و هموار
10:38
outcome of this chaotic process.
214
614000
2000
از این روند نامنظم دارید.
10:40
Just as we can't predict
215
616000
2000
همانطور که ما نمیتوانیم پیش بینی کنیم که
10:42
what one molecule in a gas will do --
216
618000
2000
یک مولکول در گاز چه خواهد کرد --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
آن ناامید کننده است که یک مولکول را پیش بینی کنیم --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
ولی هنوز ما خصوصیات کل گاز را میتوانیم پیش بینی کنیم،
10:49
using thermodynamics, very accurately.
219
625000
3000
با استفاده از ترمودینامیک، با دقت بسیار بالا.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
همان چیز نیز در اینجا هست. ما نمیتوانیم هیچ پروژه خاصی را پیش بینی کنیم،
10:55
but the result of this whole worldwide,
221
631000
2000
اما نتیجه این گستره کلی -- بی نظمی جهانی،
10:57
chaotic, unpredictable activity of competition
222
633000
5000
فعالیتهای غیرقابل پیش بنی رقابتی است.
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
ولی روند تکاملی تکنولوژی بسیار قابل پیش بینی است.
11:05
And we can predict these trends far into the future.
224
641000
3000
و ما میتوانیم این روندها را در آینده دور پیش بینی کنیم.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
برخلاف رزهای گرترود استین،
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
آن حالتی نیست که ترانزیستور، ترانزیستور است.
11:14
As we make them smaller and less expensive,
227
650000
2000
هرچقدر که ما آنها را کوچکتر و ارزانتر کنیم،
11:16
the electrons have less distance to travel.
228
652000
2000
الکترونها فاصله کمتری را طی میکنند.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
آنها سریعتر خواهند بود، لذا شما رشد نمایی خواهید داشت در سرعت ترانزیستورها،
11:22
so the cost of a cycle of one transistor
230
658000
4000
همین طور هزینه یک سیکل از یک ترانزیستور
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
کاهش خواهد یافت با نرخ 1.1 سال
11:29
You add other forms of innovation and processor design,
232
665000
3000
شما اشکال دیگر نوآوری و طراحی پروسسور را اضافه میکنید،
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
شما بدست می آورید دوبرابر هزینه عملکرد محاسبانی هر یک سال.
11:36
And that's basically deflation --
234
672000
3000
و آن اساسا کاهش قیمت است --
11:39
50 percent deflation.
235
675000
2000
50 درصد کاهش قیمت.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
و این فقط کامپیوترها نیستند. منظورم این است که این درمورد مرتب سازی دی ان ای هم صدق میکند.
11:44
it's true of brain scanning;
237
680000
2000
آن در مورد اسکن کردن مغز هم صدق میکند،
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
آن در مورد وب نیز صدق میکند، یعنی هر چیزی که ما بتوانیم تعیین کمیت کنیم،
11:48
we have hundreds of different measurements
239
684000
3000
ما صدها نوع اندازه گیری مختلف از چیزهای متفاوت داریم،
11:51
of different, information-related measurements --
240
687000
3000
اندازه گیریهای مرتبط با اطلاعات --
11:54
capacity, adoption rates --
241
690000
2000
ظرفیت، نرخ ایده های نو --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
و آنها اساسا هر 12 ، 13، 15 ماه دوبرابر میشوند،
11:59
depending on what you're looking at.
243
695000
2000
بسته به اینکه شما به چه چیزی مینگرید.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
از لحاظ قیمت عملکرد، آن 50 -- 40 تا 50 درصد نرخ کاهش قیمت وجود دارد.
12:06
And economists have actually started worrying about that.
245
702000
2000
و اقتصاددانان واقعا شروع به نگران شدن درباره آن کرده اند.
12:08
We had deflation during the Depression,
246
704000
2000
ما کاهش قیمت همزمان با رکود را داریم،
12:10
but that was collapse of the money supply,
247
706000
2000
اما آن باعث سقوط عرضه پول بود،
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
سقوط اعتماد مصرف کننده، یک پدیده کاملا متفاوت.
12:15
This is due to greater productivity,
249
711000
2000
این به سبب بهره وری بیشتر است،
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
ولی اقتصاددانان میگویند، «اما هیچ راهی وجود ندارد که شما قادر به ادامه به آن باشید.»
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
اگر شما کاهش قیمت 50 درصدی دارید، مردم ممکن است افزایش دهند سهم خود را 30 یا 40 درصد
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
اما آنها نمیخواهند با آن همراهی کنند.
12:25
But what we're actually seeing is that
253
721000
2000
اما چیزی که ما در واقع میبینیم این است که
12:27
we actually more than keep up with it.
254
723000
2000
ما واقعا همراهی بیشتری با آن داریم.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
ما داشته ایم 28 درصد در سال افزایش رشد دلار
12:32
in information technology over the last 50 years.
256
728000
3000
در تکنولوژی اطلاعات ظرف 50 سال گذشته.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
یعنی، مردم نساخته اند آیپاد را به قیمت 10000 دلار در 10 سال گذشته.
12:39
As the price performance makes new applications feasible,
258
735000
3000
همانطور که عملکرد قیمت برنامه های کاربردی جدید را عملی میسازد،
12:42
new applications come to the market.
259
738000
2000
برنامه های جدید به بازار می آیند.
12:44
And this is a very widespread phenomena.
260
740000
3000
و این یک پدیده بسیار گسترده است.
12:47
Magnetic data storage --
261
743000
2000
ذخیره سازی اطلاعات مغناطیسی --
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
آن قانون مور نیست، آن کوچک سازی نقاط مغناطیسی است،
12:52
different engineers, different companies, same exponential process.
263
748000
4000
مهندسین متفاوت، کمپانی های مختلف، روند نمایی مشابه.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
یک تکامل کلیدی این است که ما بیولوژی خود را در حال درک کردن هستیم
13:00
in these information terms.
265
756000
2000
در این شرایط اطلاعاتی.
13:02
We're understanding the software programs
266
758000
2000
ما در حال درک برنامه نرم افزار
13:04
that make our body run.
267
760000
2000
حاکم بر بدنمان هستیم.
13:06
These were evolved in very different times --
268
762000
2000
اینها تکامل یافته اند در زمانهای بسیار مختلف --
13:08
we'd like to actually change those programs.
269
764000
2000
و در واقع مایلیم که آن برنامه ها را تغییر دهیم.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
یکی از برنامه های نرم افزاری کوچیک، ژن گیرنده چربی انسولین نامیده میشود،
13:12
basically says, "Hold onto every calorie,
271
768000
2000
اساسا نگه میدارد بر روی هر کالری،
13:14
because the next hunting season may not work out so well."
272
770000
4000
بدلیل اینکه در فصل شکار بعدی ممکن است به خوبی کار نکند.
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
آن مورد علاقه گونه ها در ده ها هزار سال پیش بود.
13:21
We'd like to actually turn that program off.
274
777000
3000
ما واقعا میخواهیم که آن برنامه را خاموش کنیم.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
آنها این کار را روی حیوانات آزمودند، و این موشها آنرا با ولع بسیار خوردند
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
و لاغر باقی ماندند و از مزایای لاغر ماندن بهره مند شدند.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
آنها دچار دیابت نشدند، آنها دچار بیماری قلبی نشدند،
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
آنها 20 درصد طول عمر بیشتری پیدا کردند، آنها از مزایای سلامتی بخاطر محدودیت کالری بهره مند شدند
13:35
without the restriction.
279
791000
2000
بدون هیچ محدودیتی.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
چهار یا پنج کمپانی داروسازی متوجه این موضوع شدند،
13:40
felt that would be
281
796000
3000
احساس کردند که
13:43
interesting drug for the human market,
282
799000
3000
داروی جالبی برای بازار انسانی خواهد بود،
13:46
and that's just one of the 30,000 genes
283
802000
2000
و آن تنها یکی از 30000 ژنی است که
13:48
that affect our biochemistry.
284
804000
3000
زیست شیمی ما را تحت تاثیر قرار میدهد.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
ما تکامل یافته ایم در دورانی که مورد علاقه مردم نبود
13:54
at the age of most people at this conference, like myself,
286
810000
3000
در سنین اغلب افرادی حاضر در این کنفرانس، مانند خود من،
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
تا زندگی کنند مدت زمان طولانی تری، زیرا ما مورد استفاده قرار داده ایم منابع گرانبهایی را
14:01
which were better deployed towards the children
288
817000
1000
که بهتر بود برای بچه ها تخصیص داده شود
14:02
and those caring for them.
289
818000
2000
و آنها برای مراقبت از آنها باشد.
14:04
So, life -- long lifespans --
290
820000
2000
بنابراین، زندگی -- دوره زندگی طولانی --
14:06
like, that is to say, much more than 30 --
291
822000
2000
دوست دارم، که بگویم، بیشتر از 30 سال
14:08
weren't selected for,
292
824000
3000
انتخاب نمی شد،
14:11
but we are learning to actually manipulate
293
827000
3000
اما ما در حال یادگرفتن در واقع دستکاری کردن هستیم
14:14
and change these software programs
294
830000
2000
و تغییر دادن این برنامه های نرم افزاری
14:16
through the biotechnology revolution.
295
832000
2000
از طریق تکامل بیوتکنولوژی.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
برای مثال، ما میتوانیم مهار کنیم در حال حاضر دخالت ار ان ای را.
14:22
There are exciting new forms of gene therapy
297
838000
2000
وجود دارند اشکال جدید هیجان انگیز ژن درمانی
14:24
that overcome the problem of placing the genetic material
298
840000
2000
که غلبه میکنند بر مشکلات جایگیری مواد ژنتیکی
14:26
in the right place on the chromosome.
299
842000
2000
در مکان درست روی کروموزوم.
14:28
There's actually a -- for the first time now,
300
844000
3000
آن است اساسا یک -- برای اولین بار در حال حاضر،
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
چیزی که باعث رنج انسان میشه، که در واقع درمان میکند فشار خون بالای ریوی --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
یک بیماری کشنده -- با استفاده از ژن درمانی.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
بنابراین ما نه تنها طراح بچه ها هستیم بلکه طراح توسعه دهندگان بچه هم هستیم.
14:40
And this technology is also accelerating.
304
856000
3000
و این تکنولوژی نیز در حال شتاب گرفتن است.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
آن 10 دلار هزینه داشت برای مرتب سازی هر جفت دی ان ای در 1990،
14:46
then a penny in 2000.
306
862000
2000
سپس یک پنی در سال 2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
آن در حال حاضر زیر یک دهم سنت هزینه دارد.
14:50
The amount of genetic data --
308
866000
2000
مقدار اطلاعات ژنتیکی --
14:52
basically this shows that smooth exponential growth
309
868000
3000
اساسا -- این نشان میدهد یک رشد نمایی نرم را.
14:55
doubled every year,
310
871000
2000
هر سال دو برابر میشود
14:57
enabling the genome project to be completed.
311
873000
3000
قادر میسازد که پروژه ژنوم کامل گردد.
15:00
Another major revolution: the communications revolution.
312
876000
3000
یک انقلاب عمده دیگر، انقلاب ارتباطات است.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
عملکرد قیمت، پهنای باند، ظرفیت ارتباطات از راههای گوناگونی اندازه گیری میشود.
15:08
wired, wireless is growing exponentially.
314
884000
3000
با سیم، بی سیم بطور نمایی درحال رشد است.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
اینترنت از لحاظ قدرت در حال دوبرابر شدن است و ادامه دارد،
15:14
measured many different ways.
316
890000
2000
انداره گیری میشود از راههای مختلف.
15:16
This is based on the number of hosts.
317
892000
2000
آن است بر مبنای تعداد میزبانها اینترنت.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
کوچک سازی -- ما در حال کوجک کردن سایز تکنولوژی هستیم
15:20
at an exponential rate,
319
896000
2000
در یک نرخ نمایی،
15:22
both wired and wireless.
320
898000
2000
در هر دو حالت با سیم و بدون سیم.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
اینها تعداد طرح هستند از کتاب اریک درکسلر --
15:28
which we're now showing are feasible
322
904000
2000
که حالا ما داریم نشان میدیم عملی شده اند
15:30
with super-computing simulations,
323
906000
2000
به کمک شبیه سازیهای با سوپر کامپیوتر،
15:32
where actually there are scientists building
324
908000
2000
که در واقع وجود دارند دانشمندانی که در حال ساخت
15:34
molecule-scale robots.
325
910000
2000
روبوتهای در اندازه مولکولی هستند.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
یکی یکی در واقع پیاده میروند بطور شگفت انگیزی مانند راه رفتن انسان،
15:38
that's built out of molecules.
327
914000
3000
که آنها خارج از مولکولهای ساخته شده اند.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
اینها ماشینهای کوچکی هستند که کارها را در یک محیط آزمایشی انجام میدهند.
15:45
The most exciting opportunity
329
921000
3000
یک فرصت بسیار هیجان انگیز
15:48
is actually to go inside the human body
330
924000
2000
این است که واقعا درون بدن انسان بروند
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
و وظایف تشخیصی و درمانی را انجام دهند.
15:53
And this is less futuristic than it may sound.
332
929000
2000
و این مربوط به آینده نزدیک است.
15:55
These things have already been done in animals.
333
931000
2000
این کارها قبلا در مورد حیوانات انجام شده است.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
اینجا یک وسیله مهندسی شده نانو وجود دارد که دیابت نوع یک را درمان میکند. آن در اندازه سلولهای خونی است.
16:01
They put tens of thousands of these
335
937000
2000
آنها قرار میدهند دهها هزار از اینها را
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
در سلول خونی -- آنها این را در موشها آزمایش کرده اند --
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
آن اجازه میدهد که انسولین در یک حالت کنترل شده بیرون بیاید،
16:07
and actually cures type 1 diabetes.
338
943000
2000
و در واقع درمان میکند دیابت نوع یک را.
16:09
What you're watching is a design
339
945000
3000
آنچه که شما در حال تماشا هستید طرحی است از
16:12
of a robotic red blood cell,
340
948000
2000
یک سلول خونی روبوتیک،
16:14
and it does bring up the issue that our biology
341
950000
2000
و آن مطرح میکند موضوعی را که بیولوژی ما
16:16
is actually very sub-optimal,
342
952000
2000
در واقع خیلی بهینه شده است
16:18
even though it's remarkable in its intricacy.
343
954000
3000
حتی اگر آن از لحاظ ریزه کاری و پیچیدگی قابل توجه باشد
16:21
Once we understand its principles of operation,
344
957000
3000
بعد از آنکه ما درک کردیم اصول عملیاتی آنرا،
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
و سرعت مهندسی معکوس کردن بیولوژی ما که درحال شتاب گرفتن است،
16:28
we can actually design these things to be
346
964000
2000
ما واقعا میتوانیم این چیزها را با
16:30
thousands of times more capable.
347
966000
2000
هزاران بار قابلیت بیشتر طراحی کنیم.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
یک تجزیه و تحلیل درباره این رسپیروکایت (گلبول قرمز مصنوعی)، طراحی شده توسط راب فریتاس،
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
مشخص میکند که اگر 10 درصد از گلبولهای قرمز خونتان را با این نسخه از ربوتها جایگزین کنید،
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
شما میتوانید دو سرعت المپیک را به مدت 15 دقیقه یک نفس انجام دهید.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
شما میتوانید کف استخرتان به مدت چهار ساعت بنشینید --
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
-- بنابراین، جمله «عزیزم، من در استخر هستم،» معنی جدیدی پیدا خواهد کرد.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
بسیار جالب خواهد بود که ببینیم ما در مسابقات المپیک چگونه عمل خواهیم کرد.
16:52
Presumably we'll ban them,
354
988000
2000
احتمالا ما از آن ممانعت خواهیم کرد،
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
ولی سپس ما تخیل نوجوانان را در مدارس ژیمیناستیک خواهیم داشت
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
که بطور روزمره مانند ورزشکاران المپیک خارج از برنامه کار خواهند کرد.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
فریتاس یک طراحی برای گلبولهای سفید نیز دارد.
17:04
These are 2020-circa scenarios,
358
1000000
4000
این سناریو حدودا مربوط به سال 2020 خواهد بود.
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
اما آن خیلی دور نخواهد بود اینطور که شنیده میشود.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
چهار کنفرانس اصلی در زمینه ساخت دستگاههای در اندازه سلولهای خونی وجود دارد،
17:14
there are many experiments in animals.
361
1010000
2000
آزمایشات فراوانی با حیوانات وجود دارد.
17:16
There's actually one going into human trial,
362
1012000
2000
فعلا یک تجربه انسانی وجود دارد،
17:18
so this is feasible technology.
363
1014000
3000
بنابراین این یک تکنولوژی کاملا عملی است.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
اگر ما به رشد نمایی محاسبات خود برگردیم،
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1000 دلار از محاسبات حالا قرار دارد جایی بین یک حشره و مغز موش.
17:27
It will intersect human intelligence
366
1023000
3000
آن قطع خواهد کرد هوش انسانی را
17:30
in terms of capacity in the 2020s,
367
1026000
3000
از لحاظ ظرفیت در سال 2020،
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
اما آن طرف سخت افزاری معادله است.
17:35
Where will we get the software?
369
1031000
2000
چه زمانی ما نرم افزار مربوطه را بدست خواهیم آورد؟
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
خب، نوبت آن است که ما میتوانیم درون مغز انسان را ببینیم،
17:39
and in fact not surprisingly,
371
1035000
2000
و درواقع جای تعجب نیست،
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
دورنمای فضایی و زمانی اسکن مغز هر سال دو برابر میشود.
17:45
And with the new generation of scanning tools,
373
1041000
2000
و با نسل جدیدی از ابزارهای اسکن،
17:47
for the first time we can actually see
374
1043000
2000
برای اولین بار ما میتوانیم واقعا ببینیم
17:49
individual inter-neural fibers
375
1045000
2000
الیاف درون عصبی تک را
17:51
and see them processing and signaling in real time --
376
1047000
3000
و آنها را بطور زنده حین پردازش و سگنالینگ ببینیم
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
و -- اما سوال بعدی این است، اوکی، حالا ما میتوانیم این اطلاعات را بدست آوریم،
17:56
but can we understand it?
378
1052000
2000
اما آیا ما میتوانیم آنرا درک کنیم؟
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
داج هافشتاتر تعجب میکند، خب، ممکن است هوش ما
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
به اندازه کافی قادر نباشد که هوشمان را درک کند،
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
و اگر ما باهوشتر شویم، خب، مغز ما بسیار پیچیده تر خواهد بود،
18:07
and we'd never catch up to it.
382
1063000
2000
و ما هرگز قادر نخواهیم بود که به آن هدف برسیم.
18:10
It turns out that we can understand it.
383
1066000
3000
این نشان میدهد که ما قادر به درک آن هستیم.
18:13
This is a block diagram of
384
1069000
3000
این بلاک دیاگرام یک مدل و
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
شبیه سازی از کرتکس شنوایی انسان است که
18:20
that actually works quite well --
386
1076000
2000
واقعا خیلی عالی کار میکند --
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
با بکارگیری تستهای شنوایی، نتایج بسیار شبیه به ادراک شنوایی انسان دارد.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
اینجا یک شبیه سازی دیگر از مخچه وجود دارد --
18:29
that's more than half the neurons in the brain --
389
1085000
2000
که بیش از نصف نرونهای مغز در ان است --
18:31
again, works very similarly to human skill formation.
390
1087000
3000
مجددا، بسیار مشابه شکل گیری مهارت انسانی کار میکند.
18:35
This is at an early stage, but you can show
391
1091000
3000
این در مراحل اولیه است، اما شما میتوانید نشان دهید
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
با کمک رشد نمایی مقدار اطلاعات درباره مغز
18:41
and the exponential improvement
393
1097000
2000
و با گسترش نمایی در
18:43
in the resolution of brain scanning,
394
1099000
2000
دورنمایی اسکن کردن مغز،
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
ما در مهندسی معکوس کردن مغز موفق خواهیم شد
18:48
by the 2020s.
396
1104000
2000
تا سال 2020.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
ما قبلا مدلها و شبیه سازیهای خوبی در 15 منطقه داشتیم
18:53
out of the several hundred.
398
1109000
3000
بیش از چند صد مورد.
18:56
All of this is driving
399
1112000
2000
تمامی اینها در حال حرکت نمایی هستند --
18:58
exponentially growing economic progress.
400
1114000
2000
بطور نمایی -- پیشرفت اقتصادی در حال رشد.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
ما داشته ایم افزایش بهره وری و سود از 30 دلار تا 150 دلار در ساعت کاری را
19:05
of labor in the last 50 years.
402
1121000
2000
ظرف 50 سال گذشته.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
تجارت الکترونیکی بطور نمایی رشد کرده است. در حال حاضر آن حدود یک تریلیون دلار است.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
شما ممکن است تعجب کنید، خب، آیا در آن رونق و ورشکستگی وجود ندارد؟
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
آن صرفا یک پدیده بازارهای سرمایه بود.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
وال استریت متوجه شد که این یک انقلاب تکنولوژیکی بود، که آن بود،
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
اما شش ماه بعد، وقتی در هیچ مدل کسب و کاری انقلابی نبود،
19:21
they figured, well, that was wrong,
408
1137000
2000
آنها تصور کردند که، خب، آن اشتباه بود،
19:23
and then we had this bust.
409
1139000
2000
پس ما ورشکستگی خواهیم داشت.
19:26
All right, this is a technology
410
1142000
2000
بسیار خب، این یک تکنولوژی است که
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
ما میتوانیم در کنار هم قرار دهیم با استفاده از تعدادی تکنولوژی که در آن تکامل یافته ایم.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
این یکی از ویژگیهای معمول در تلفن همراه خواهد بود.
19:35
It would be able to translate from one language to another.
413
1151000
2000
آن قادر خواهد بود تا از یک زبان به زبان دیگر ترجمه کند.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
بنابراین اجازه دهید با دو سناریو صحبتهایم را پایان دهم.
19:49
By 2010 computers will disappear.
415
1165000
3000
تا 2010 کامپیوترها ناپدید خواهند شد.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
آنها بسیار کوچک خواهند شد، آنها در لباسهایمان جاسازی خواهند شد، در محیطمان.
19:56
Images will be written directly to our retina,
417
1172000
2000
تصاویر مستقیما در شبکیه ما هک خواهند شد،
19:58
providing full-immersion virtual reality,
418
1174000
2000
و غوطه وری کامل در واقعیت مجازی را فراهم خواهند کرد،
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
واقعیت افزونه کاملا واقعی. ما با شخصیتهای مجازی تعامل خواهیم داشت.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
ولی اگر ما به 2029 برویم، ما بطور کامل در این روند به کمال خواهیم رسید.
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
و شما باید درک کنید که ما چه تعداد چرخش و تبدیل در شرایط تولید تکنولوژیهای جدیدی که
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
سریعتر و سریعتر میشوند، در آن حالت خواهیم داشت.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
منظورم این است که ما خواهیم داشت دو تا 25 برابر قدرت بیشتر
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
در عملکرد قیمت، ظرفیت و پهنای باند این
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
تکنولوژیها، که بسیار فوق العاد هستند.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
آن میلیون ها برابر قدرتمندتر از هم اکنون خواهد بود.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
ما کامل خواهیم کرد مهندسی معکوس مغز انسان را،
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
محاسبه کردن -- 1000 دلار محاسبات بسیار قدرتمندتر خواهد بود از
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
مغز انسان در شرایط ظرفیت خام اولیه.
20:34
Computers will combine
430
1210000
2000
کامپیوترها ترکیب خواهند شد
20:36
the subtle pan-recognition powers
431
1212000
2000
با قدرت تشخیص دقیق هوش انسانی
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
با روشهایی که ماشینها قبلا برتر هستند،
20:41
in terms of doing analytic thinking,
433
1217000
2000
در شرایط انجام تفکر تحلیلی،
20:43
remembering billions of facts accurately.
434
1219000
2000
با بخاطر سپردن دقیق میلیاردها حقیقت.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
ماشینها میتوانند دانش خود را به سرعت به اشتراک بگذارند،
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
اما این تنها یک تهاجم خارجی ماشین های هوشمند نیست.
20:52
We are going to merge with our technology.
437
1228000
2000
ما در حال ادغام شدن با تکنولوژی خود هستیم.
20:54
These nano-bots I mentioned
438
1230000
2000
این نانو روباتها که بدان اشاره کردم
20:56
will first be used for medical and health applications:
439
1232000
4000
در ابتدا برای استفاده های پزشکی و سلامتی بکار خواهند رفت:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
تمیز کردن محیط، فراهم کردن سوخت -- سلولهای سوختی قدرتمند
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
و صفحات خورشیدی غیر متمرکز بطور گسترده ای توزیع شده و غیره در محیط.
21:08
But they'll also go inside our brain,
442
1244000
2000
اما آنها همچنین به داخل مغز ما خواهند رفت،
21:10
interact with our biological neurons.
443
1246000
2000
و با نرونهای بیولوژیکی ما تعامل خواهند داشت.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
ما نشان داده ایم اصول کلیدی که شما قادر به انجام این کار خواهید بود.
21:15
So, for example,
445
1251000
2000
لذا، برای مثال،
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
غوطه وری کامل در واقعیت مجازی از درون سیستم عصبی،
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
نانو روباتها خاموش میکنند سیگنالهایی که از حواس واقعی ما می آیند،
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
و آنها را با سیگنالهایی که مغز شما وقتی که
21:25
if you were in the virtual environment,
449
1261000
2000
در محیط مجازی باشد دریافت میکند، جایگزین خواهند کرد.
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
و شما احساس خواهید کرد که شما واقعا در آن محیط مجازی هستید.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
شما میتوانید با مردم دیگر به آنجا بروید، هر نوع تجریه ای با
21:31
with anyone involving all of the senses.
452
1267000
2000
هر کسی که شامل تمامی حواس باشد داشته باشید.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
«تجربیات بیمر»، که نامگذاری من است، تمام جریان تجربیات حسی خود را قرار خواهند داد
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
بصورت روابط عصبی احساسیشان بر روی اینترنت.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
شما میتوانید متصل شوید و شبیه کس دیگری بودن را تجربه کنید.
21:43
But most importantly,
456
1279000
2000
اما مهمتر از آن،
21:45
it'll be a tremendous expansion
457
1281000
2000
از طریق این ادغام مستقمی با تکنولوژیمان،
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
آن توسعه فوق العاده و عظیمی در هوش انسانی ما خواهد بود،
21:51
which in some sense we're doing already.
459
1287000
2000
که ما چند تجربه قبلا در مورد آن داشته ایم.
21:53
We routinely do intellectual feats
460
1289000
2000
ما بطور معمول شاهکارهای فکری انجام میدهیم
21:55
that would be impossible without our technology.
461
1291000
2000
که بدون تکنولوژیمان غیرممکن خواهند بود.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
امید به زندگی بشر در حال گسترش است، در سال 1800 آن 37 سال بود،
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
و با این نوع بیوتکنولوژی، انقلابهای نانو تکنولوژي،
22:05
this will move up very rapidly
464
1301000
2000
این گسترش خواهد یافت بسیار با سرعت
22:07
in the years ahead.
465
1303000
2000
در سالهای پیش رو.
22:09
My main message is that progress in technology
466
1305000
4000
پیام اصلی من این است که پیشرفت تکنولوژی
22:13
is exponential, not linear.
467
1309000
3000
بصورت نمایی است، نه خطی.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
حتی بسیاری از دانشمندان یک مدل خطی را فرض میکنند،
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
بنابراین آنها میگویند، «آه، آن صدها سال طول خواهد کشید
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
قبل از اینکه ما مونتاژ خود تکثیر کننده نانو تکنولوژی یا
22:25
or artificial intelligence."
471
1321000
2000
هوش مصنوعی داشته باشیم.»
22:27
If you really look at the power of exponential growth,
472
1323000
3000
اگر شما واقعا به قدرت رشد نمایی نظر کنید،
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
خواهید دید که این چیزها خیلی زود در دسترس خواهند بود.
22:33
And information technology is increasingly encompassing
474
1329000
3000
و فن آوری اطلاعات به طور فزاینده فراگیر خواهد شد
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
در تمامی زندگی ما، از موزیک ما تا ساخت و ساز ما
22:40
to our biology to our energy to materials.
476
1336000
4000
تا بیولوژی ما تا انرژی ما تا مواد ما.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
ما تا سال 2020 قادر به ساخت هرچیزی که مورد نیازمان باشد خواهیم بود،
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
از طریق اطلاعات، به کمک مواد خام بسیار ارزانقیمت،
22:49
using nano-technology.
479
1345000
3000
با استفاده از نانو تکنولوژی.
22:52
These are very powerful technologies.
480
1348000
2000
اینها تکنولوژیهای بسیار قدرتمندی هستند.
22:54
They both empower our promise and our peril.
481
1350000
4000
آنها هر دو خطرات ما و تعهدات و وعده های ما را توانمند میسازند.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
بنابراین ما مجبوریم در آینده آنها را برای حل مشکلات اساسی و حقیق خود بکار بگیریم .
23:01
Thank you very much.
483
1357000
1000
با تشکر فراوان از شما
23:02
(Applause)
484
1358000
1000
(تشویق و تحسین)
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