TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil sur comment la technologie nous transformera
Filmed:
Readability: 5.3
2,876,494 views
Ray Kurzweil, inventeur, entrepreneur et visionnaire, explique avec une abondance de détails concrets, pourquoi d'ici les années 2020, nous aurons démonté le cerveau humain et des nano-robots opéreront votre conscience.
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
Bien, c'est super d'être ici.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Nous avons entendu beaucoup de choses sur les promesses de la technologie, et leur danger.
00:30
I've been quite interested in both.
2
6000
2000
Les deux aspects m'ont vraiment intéressé.
00:32
If we could convert 0.03 percent
3
8000
4000
Si nous pouvions convertir 0,03%
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
de la lumière du soleil qui tombe sur la terre en énergie,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
nous pourrions satisfaire tous nos besoins prévus pour 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Nous ne pouvons pas le faire aujourd'hui parce que les panneaux solaires sont lourds,
00:46
expensive and very inefficient.
7
22000
2000
chers et très inefficaces.
00:48
There are nano-engineered designs,
8
24000
3000
Il y a des conceptions nano-technologiques,
00:51
which at least have been analyzed theoretically,
9
27000
2000
qui ont été analysées au moins théoriquement,
00:53
that show the potential to be very lightweight,
10
29000
2000
qui montrent qu'elles sont potentiellement très légères
00:55
very inexpensive, very efficient,
11
31000
2000
très peu coûteuses, très efficaces,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
et nous pourrions satisfaire réellement tous nos besoins énergétiques de cette façon renouvelable.
01:01
Nano-engineered fuel cells
13
37000
2000
Les piles à combustible nano-technologiques
01:03
could provide the energy where it's needed.
14
39000
3000
pourraient fournir l'énergie là où elle nécessaire.
01:06
That's a key trend, which is decentralization,
15
42000
2000
C'est une tendance principale, qui est la décentralisation,
01:08
moving from centralized nuclear power plants and
16
44000
3000
de passer de centrales nucléaires centralisées et
01:11
liquid natural gas tankers
17
47000
2000
des bateaux-citernes de gaz naturel liquide
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
à des ressources décentralisées qui sont plus respectueuses de l'environnement,
01:17
a lot more efficient
19
53000
3000
beaucoup plus efficaces
01:20
and capable and safe from disruption.
20
56000
4000
et capable et de manière stable.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono dit avec éloquence,
01:26
that we have the tools, for the first time,
22
62000
4000
que nous avons les outils, pour la première fois,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
pour aborder les problèmes ancestraux de la maladie et de la pauvreté.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
La plupart des régions du monde vont dans cette direction.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
En 1990, en Asie de l'Est et dans le Pacifique,
01:42
there were 500 million people living in poverty --
26
78000
2000
il y avait 500 millions de personnes qui vivaient dans la pauvreté --
01:44
that number now is under 200 million.
27
80000
3000
ce chiffre est maintenant en dessous de 200 millions.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
La Banque Mondiale prévoit que d'ici 2011, il sera en dessous de 20 millions,
01:50
which is a reduction of 95 percent.
29
86000
3000
ce qui représente une réduction de 95 pour cent.
01:53
I did enjoy Bono's comment
30
89000
3000
J'ai apprécié le commentaire de Bono
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
qui faisait le lien entre Haight-Ashbury et la Silicon Valley.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Faisant moi-même partie de la communauté high-tech du Massachusetts
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
je préciserais que nous étions des hippies également dans les années 1960,
02:08
although we hung around Harvard Square.
34
104000
3000
même si on traînait autour de Harvard Square.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Mais nous avons le potentiel de surmonter la maladie et la pauvreté,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
si nous en avons la volonté et je vais parler de ces questions.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly a parlé de l'accélération de la technologie.
02:22
That's been a strong interest of mine,
38
118000
3000
Cela m'intéresse énormément,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
et c'est un thème que j'ai développé pendant environ 30 ans.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Je me suis rendu compte que mes technologies devaient avoir du sens une fois le projet terminé.
02:33
That invariably, the world was a different place
41
129000
3000
Qu'invariablement, le monde serait différent
02:36
when I would introduce a technology.
42
132000
2000
quand j'introduirai une technologie.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Et, j'ai remarqué que la plupart des inventions échouent,
02:40
not because the R&D department can't get it to work --
44
136000
3000
pas parce que le département R&D ne peut pas les faire fonctionner --
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
si vous regardez la plupart des projets commerciaux, ils réussiront vraiment
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
si l'occasion est donnée de construire ce qu'ils disent qu'ils vont construire,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
et 90% de ces projets ou plus échoueront, parce que ce n'est pas le bon moment --
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
tous les facteurs favorables ne seront pas là quand on en aura besoin.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
J'ai donc commencé à étudier de près les tendances des technologies,
03:00
and track where technology would be at different points in time,
50
156000
3000
et chercher où en serait la technologie à différents points dans le temps,
03:03
and began to build the mathematical models of that.
51
159000
3000
et j'ai commencé à en faire des modèles mathématiques..
03:06
It's kind of taken on a life of its own.
52
162000
2000
C'est devenu un projet en lui-même.
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
J'ai un groupe de 10 personnes qui travaillent avec moi pour recueillir des données
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
sur des indicateurs des niveaux de technologie dans de nombreux secteurs, et nous construisons des modèles.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Et vous entendrez les gens dire, et bien, nous ne pouvons pas prédire l'avenir.
03:19
And if you ask me,
56
175000
2000
Et si vous me posez la question,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
le prix de Google sera-t-il plus élevé ou plus bas que ce qu'il est aujourd'hui, d'ici trois ans,
03:24
that's very hard to say.
58
180000
2000
c'est très difficile à dire.
03:26
Will WiMax CDMA G3
59
182000
3000
WiMax CDMA 3G
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
sera-t-elle la norme sans fil d'ici trois ans ? C'est difficile à dire.
03:31
But if you ask me, what will it cost
61
187000
2000
Mais si vous me demandez, ce que coûtera
03:33
for one MIPS of computing in 2010,
62
189000
3000
un MIPS de calcul en 2010,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
ou le séquençage d'une paire de base d'ADN en 2012,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
ou l'envoi sans fil d'un mégabit de données en 2014,
03:43
it turns out that those are very predictable.
65
199000
3000
il s'avère que ces choses-là sont très prévisibles.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Il y a les courbes exponentielles remarquablement lisses
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
qui régissent coût-performances, capacité, bande passante.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Et je vais vous montrer un petit échantillon de ceci,
03:53
but there's really a theoretical reason
69
209000
2000
mais il y a vraiment une raison théorique
03:55
why technology develops in an exponential fashion.
70
211000
5000
pour laquelle la technologie se développe de façon exponentielle.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
Et beaucoup de gens, quand ils pensent à l'avenir, y pensent linéairement.
04:02
They think they're going to continue
72
218000
2000
Ils pensent qu'ils vont continuer
04:04
to develop a problem
73
220000
2000
à développer un problème
04:06
or address a problem using today's tools,
74
222000
3000
ou à aborder un problème en utilisant les outils d'aujourd'hui,
04:09
at today's pace of progress,
75
225000
2000
au rythme du progrès d'aujourd'hui,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
et ne prendrons pas en compte cette croissance exponentielle.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
Le projet de génome était un projet controversé en 1990.
04:18
We had our best Ph.D. students,
78
234000
2000
Nous avions les meilleurs doctorants
04:20
our most advanced equipment around the world,
79
236000
2000
l'équipement le plus avancé du monde,
04:22
we got 1/10,000th of the project done,
80
238000
2000
nous avions fait le dix-millième du projet ,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
et comment allons-nous faire ça en 15 ans ?
04:26
And 10 years into the project,
82
242000
3000
Et 10 ans après,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
les sceptiques étaient toujours aussi insistants -- ils disaient, "vous êtes au deux-tiers de ce projet,
04:32
and you've managed to only sequence
84
248000
2000
et vous avez seulement séquencé
04:34
a very tiny percentage of the whole genome."
85
250000
3000
un pourcentage très minuscule du génome entier."
04:37
But it's the nature of exponential growth
86
253000
2000
Mais c'est la nature de la croissance exponentielle
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
qui une fois qu'elle atteint le sommet de la courbe, explose.
04:41
Most of the project was done in the last
88
257000
2000
La majeure partie du projet a été faite pendant
04:43
few years of the project.
89
259000
2000
les dernières années du projet.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Cela nous a pris 15 ans pour séquencer le VIH--
04:47
we sequenced SARS in 31 days.
91
263000
2000
nous avons séquencé le SRAS en 31 jours.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Nous sommes donc en train d'acquérir le potentiel de surmonter ces problèmes.
04:53
I'm going to show you just a few examples
93
269000
2000
Je vais juste vous montrer quelques exemples
04:55
of how pervasive this phenomena is.
94
271000
3000
de l'omniprésence de ce phénomène.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
Le taux réel de changement de paradigme, le taux d'adoption de nouvelles idées,
05:02
is doubling every decade, according to our models.
96
278000
3000
double chaque décennie, selon nos modèles.
05:05
These are all logarithmic graphs,
97
281000
3000
Ce sont tous les graphiques logarithmiques,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
donc plus vous progressez, les niveaux se multiplient, en général par des facteurs de 10 ou 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Il nous a fallu un demi-siècle pour adopter le téléphone,
05:14
the first virtual-reality technology.
100
290000
3000
la première technologie de réalité virtuelle.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Les téléphones portables ont été adoptés en huit ans environ .
05:19
If you put different communication technologies
102
295000
3000
Si vous mettiez différentes technologies des communications
05:22
on this logarithmic graph,
103
298000
2000
sur ce graphique logarithmique,
05:24
television, radio, telephone
104
300000
2000
télévision, radio, téléphone
05:26
were adopted in decades.
105
302000
2000
ont été adopté en quelques décennies.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Les technologies récentes -- comme le PC, le Web, les téléphones portables --
05:31
were under a decade.
107
307000
2000
en moins d'une décennie.
05:33
Now this is an interesting chart,
108
309000
2000
Maintenant c'est un diagramme intéressant,
05:35
and this really gets at the fundamental reason why
109
311000
2000
et il touche vraiment la raison fondamentale pour laquelle
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
les processus évolutifs -- et la biologie et la technologie sont des processus évolutifs --
05:41
accelerate.
111
317000
2000
s'accélèrent.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Ils fonctionnent par interaction -- ils créent une capacité,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
puis emploient cette capacité pour passer à l'étape suivante.
05:49
So the first step in biological evolution,
114
325000
3000
Ainsi la première étape dans l'évolution biologique,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
l'évolution de l'ADN -- en fait c'est ARN qui est venu en premier --
05:54
took billions of years,
116
330000
2000
a pris des milliards d'années,
05:56
but then evolution used that information-processing backbone
117
332000
3000
mais ensuite l'évolution a utilisé cette épine dorsale de traitement de l'information
05:59
to bring on the next stage.
118
335000
2000
pour passer à l'étape suivante.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Ainsi l'explosion cambrienne, pendant laquelle tous les plans des corps des animaux étaient finalisés,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
a pris seulement 10 millions d'années. Ce fut 200 fois plus rapide.
06:08
And then evolution used those body plans
121
344000
2000
Et puis l'évolution a employé ces plans
06:10
to evolve higher cognitive functions,
122
346000
2000
pour développer des fonctions cognitives avancées,
06:12
and biological evolution kept accelerating.
123
348000
2000
et l'évolution biologique a continué son accélération.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
C'est une nature inhérente d'un processus évolutif.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Ainsi homo sapiens,la première espèce qui crée de la technologie,
06:20
the species that combined a cognitive function
126
356000
2000
l'espèce qui combine une fonction cognitive
06:22
with an opposable appendage --
127
358000
2000
avec un appendice opposable --
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
et au fait, les chimpanzés n'ont pas vraiment un très bon pouce opposable --
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
pour que nous puissions vraiment manipuler notre environnement fermement
06:30
and fine motor coordination,
130
366000
2000
et une coordination moteur précise,
06:32
and use our mental models to actually change the world
131
368000
2000
et employons nos modèles mentaux pour changer réellement le monde
06:34
and bring on technology.
132
370000
2000
et faire progresser la technologie.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Mais bon, l'évolution de notre espèce a pris des centaines de milliers d'années,
06:39
and then working through interaction,
134
375000
2000
et puis en travaillant par interaction,
06:41
evolution used, essentially,
135
377000
2000
l'évolution a utilisé, essentiellement,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
l'espèce qui créait des technologies pour passer à l'étape suivante,
06:46
which were the first steps in technological evolution.
137
382000
3000
et ça a été les premiers pas dans l'évolution technologique.
06:49
And the first step took tens of thousands of years --
138
385000
3000
Et le premier pas a pris des dizaines de milliers d'années --
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
les outils en pierre, le feu, la roue -- l'accélération s'est poursuivie.
06:55
We always used then the latest generation of technology
140
391000
2000
Nous avons alors toujours employé la dernière génération de la technologie
06:57
to create the next generation.
141
393000
2000
pour créer la génération suivante.
06:59
Printing press took a century to be adopted;
142
395000
2000
Il a fallu un siècle pour adopter l'imprimerie,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
les premiers ordinateurs étaient conçus sur papier -- maintenant nous utilisons des ordinateurs.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
Et nous avons eu une accélération continuelle de ce processus.
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
D'ailleurs, si vous regardez ceci sur un graphique linéaire, on dirait que tout vient à peine de se produire.
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
mais un observateur dit, "bien, Kurzweil s'appuie sur ce graphique
07:17
that fall on that straight line."
147
413000
2000
où des points suivent cette ligne droite."
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Donc, j'ai pris 15 listes différentes chez des principaux penseurs ,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
comme l'encyclopédie Britannica, le musée d'histoire naturelle, le calendrier cosmique de Carl Sagan
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
sur la même chose -- et ces personnes n'essayaient pas confirmer mon propos,
07:29
these were just lists in reference works,
151
425000
2000
c'était juste des listes dans des travaux de référence.
07:31
and I think that's what they thought the key events were
152
427000
3000
Et je pense que c'est ce qu'ils considéraient comme des événements principaux
07:34
in biological evolution and technological evolution.
153
430000
3000
dans l'évolution biologique et l'évolution technologique.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
Là encore, on obtient la même ligne droite. La ligne s'épaissit un peu
07:40
because people do have disagreements, what the key points are,
155
436000
3000
parce que les gens ne sont pas tous d'accord sur les points les points clés,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
il y a des divergences d'opinion sur quand l'agriculture est apparue,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
ou quand -- combien de temps l'explosion cambrienne a duré.
07:48
But you see a very clear trend.
158
444000
2000
Mais vous voyez une tendance très claire.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
Il y a une accélération de base et profonde de ce processus évolutif.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Les technologies de l'information doublent leur capacité, coût-performances, bande passante,
08:00
every year.
161
456000
2000
chaque année.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
Et c'est une explosion très profonde de croissance exponentielle.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Une expérience personnelle, quand j'étais au MIT --
08:08
computer taking up about the size of this room,
164
464000
2000
l' ordinateur avait en gros la taille de cette salle,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
moins puissant que l'ordinateur dans votre téléphone portable.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Mais la loi de Moore, qui est très souvent identifiée à cette croissance exponentielle,
08:19
is just one example of many, because it's basically
167
475000
2000
est juste un exemple parmi d'autres, parce que c'est fondamentalement
08:21
a property of the evolutionary process of technology.
168
477000
5000
une propriété du processus évolutif de la technologie.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Si nous -- j'ai mis 49 ordinateurs célèbres sur ce graphique logarithmique --
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
d'ailleurs, une ligne droite sur un graphique logarithmique, c'est une croissance exponentielle --
08:33
that's another exponential.
171
489000
2000
c'est un autre exponentiel.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
Cela nous a pris trois ans pour doubler notre coût-performances de calcul en 1900,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
deux ans au milieu, nous le doublons maintenant chaque année.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
Et c'est la croissance exponentielle à travers cinq paradigmes différents.
08:45
Moore's Law was just the last part of that,
175
501000
2000
La loi de Moore était juste la dernière partie de cela,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
sur un circuit intégré, où nous réduisions les transistors,
08:50
but we had electro-mechanical calculators,
177
506000
3000
mais nous avions des calculatrices électromécaniques,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
des ordinateurs basés sur relais qui ont décodé le code allemand d'Enigma,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
les tubes à vide dans les années 1950 ont prévu l'élection d'Eisenhower,
08:59
discreet transistors used in the first space flights
180
515000
3000
les transistors discrets utilisés dans les premiers vols spatiaux
09:02
and then Moore's Law.
181
518000
2000
et puis la loi de Moore.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Chaque fois qu'un paradigme s'est essoufflé,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
un autre paradigme est venu par la bande pour continuer la croissance exponentielle.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Ils rétrécissaient des tubes à vide, les rendant de plus en plus petits.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Cela a rencontré un mur. Ils ne pourraient pas les rétrécir et garder le vide.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Un paradigme totalement différent -- les transistors étaient partout.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
En fait, quand nous arrivons au bout d'un paradigme particulier,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
ça crée la pression sur la recherche pour créer le paradigme suivant.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
Et parce que nous avons prévu la fin de la loi de Moore
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
depuis un bon moment -- d'abord on prévoyait en 2002, et maintenant on dit en 2022.
09:30
But by the teen years,
191
546000
3000
Mais d'ici les années 2013 à 2020,
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
les transistors n'auront que quelques atomes de largeur,
09:36
and we won't be able to shrink them any more.
193
552000
2000
et nous ne pourrons pas les rétrécir plus.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Ce sera la fin de la loi de Moore, mais ce ne sera pas la fin de
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
la croissance exponentielle du calcul, parce que les puces sont plates.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Nous vivons dans un monde tridimensionnel, nous pourrions aussi bien utiliser la troisième dimension.
09:46
We will go into the third dimension
197
562000
2000
Nous entrerons dans la troisième dimension
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
et c'a été un progrès énorme, juste pendant ces dernières années,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
de faire fonctionner des circuits moléculaires à organisation autonome tridimensionnels.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Nous les aurons mis au point bien avant que la loi de Moore ne s'épuise.
10:02
Supercomputers -- same thing.
201
578000
2000
Les superordinateurs -- même chose.
10:05
Processor performance on Intel chips,
202
581000
3000
La performance d'un processeur sur des puces d'Intel,
10:08
the average price of a transistor --
203
584000
3000
le prix moyen d'un transistor --
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
1968, vous pouviez acheter un transistor pour un dollar.
10:14
You could buy 10 million in 2002.
205
590000
3000
Vous pouviez en acheter 10 millions en 2002.
10:17
It's pretty remarkable how smooth
206
593000
3000
Il est assez remarquable combien
10:20
an exponential process that is.
207
596000
2000
ce processus exponentiel est lisse.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Je veux dire, vous pourriez penser que c'est le résultat d'une expérience de simulation,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
mais c'est le résultat du comportement chaotique mondial --
10:29
countries accusing each other of dumping products,
210
605000
2000
Les pays qui s'accusent mutuellement de faire du dumping sur des produits,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
les introductions en bourse, les faillites, les programmes de commercialisation.
10:33
You would think it would be a very erratic process,
212
609000
3000
Vous pourriez penser que ce serait un processus très erratique,
10:36
and you have a very smooth
213
612000
2000
et vous avez des résultats
10:38
outcome of this chaotic process.
214
614000
2000
lisses de ce processus chaotique.
10:40
Just as we can't predict
215
616000
2000
Tout comme nous ne pouvons pas prévoir
10:42
what one molecule in a gas will do --
216
618000
2000
ce qu'une molécule dans un gaz fera --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
il est impossible de prédire une simple molécule --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
pourtant nous pouvons prévoir les propriétés du gaz entier,
10:49
using thermodynamics, very accurately.
219
625000
3000
en utilisant la thermodynamique,de façon très précise.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
C'est la même chose ici. Nous ne pouvons pas faire de prévisions sur un projet particulier,
10:55
but the result of this whole worldwide,
221
631000
2000
mais le résultat de cette compétition
10:57
chaotic, unpredictable activity of competition
222
633000
5000
imprévisible, chaotique, et mondiale,
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
et le processus évolutif de la technologie est très prévisible.
11:05
And we can predict these trends far into the future.
224
641000
3000
Et nous pouvons prévoir ces tendances loin dans l'avenir.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
À la différence des roses de Gertrude Stein,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
on ne peut pas dire qu'un transistor est un transistor.
11:14
As we make them smaller and less expensive,
227
650000
2000
Comme nous les rendons plus petits et moins chers,
11:16
the electrons have less distance to travel.
228
652000
2000
les électrons ont moins de distance à parcourir.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Ils sont plus rapides, donc vous avez une croissance exponentielle de la vitesse des transistors,
11:22
so the cost of a cycle of one transistor
230
658000
4000
donc le coût d'un cycle d'un transistor
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
a été diminué par deux tous les 1,1 ans.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Vous ajoutez d'autres formes d'innovation et de conception de processeur,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
vous obtenez un doublement de coût-performances de calcul chaque année.
11:36
And that's basically deflation --
234
672000
3000
Et c'est en fait une déflation --
11:39
50 percent deflation.
235
675000
2000
50% de déflation.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
Et ce n'est pas seulement les ordinateurs. Je veux dire, c'est vrai pour le séquençage de l'ADN,
11:44
it's true of brain scanning;
237
680000
2000
c'est vrai pour le scanner du cerveau,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
c'est vrai pour le Web. Je veux dire, tout ce que nous pouvons mesurer,
11:48
we have hundreds of different measurements
239
684000
3000
nous avons des centaines de mesures différentes
11:51
of different, information-related measurements --
240
687000
3000
de mesures relatives à l'information différentes --
11:54
capacity, adoption rates --
241
690000
2000
capacité, taux d'adoption --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
et elles doublent en fait tous les 12, 13, 15 mois,
11:59
depending on what you're looking at.
243
695000
2000
selon ce que vous regardez.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
En termes de coût-performances, ce sont des taux de déflation de 40 à 50%.
12:06
And economists have actually started worrying about that.
245
702000
2000
Et les économistes ont réellement commencé à s'en inquiéter.
12:08
We had deflation during the Depression,
246
704000
2000
Nous avons eu une déflation pendant la grande dépression,
12:10
but that was collapse of the money supply,
247
706000
2000
mais c'était l'effondrement de la masse monétaire,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
l'effondrement de confiance du consommateur, des phénomènes complètement différents.
12:15
This is due to greater productivity,
249
711000
2000
Ceci est dû à une plus grande productivité,
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
mais l'économiste dit, "mais on ne peut absolument pas continuer comme ça.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Si vous avez 50% de déflation, les gens peuvent augmenter leur volume
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
de 30, 40% , mais ils ne pourront pas suivre.
12:25
But what we're actually seeing is that
253
721000
2000
Mais en fait ce que nous voyons c'est que
12:27
we actually more than keep up with it.
254
723000
2000
nous arrivons largement à suivre.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Nous avons eu une croissance en dollars de 28% par an
12:32
in information technology over the last 50 years.
256
728000
3000
en technologie de l'information au cours des 50 dernières années.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Je veux dire, les gens n'auraient pas fabriqué l'iPod pour 10 000 dollars il y a 10 ans.
12:39
As the price performance makes new applications feasible,
258
735000
3000
Comme le coût-performances rend possible de nouvelles apllications,
12:42
new applications come to the market.
259
738000
2000
de nouvelles applications arrivent sur le marché.
12:44
And this is a very widespread phenomena.
260
740000
3000
Et c'est un phénomène très répandu.
12:47
Magnetic data storage --
261
743000
2000
Le stockage de données magnétiques --
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
ce n'est pas la loi de Moore, il s'agit de rétrécir des points magnétiques,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
différents ingénieurs, différentes sociétés, le même processus exponentiel.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Une révolution principale c'est que nous comprenons notre propre biologie
13:00
in these information terms.
265
756000
2000
dans ces termes d'information.
13:02
We're understanding the software programs
266
758000
2000
Nous comprenons les logiciels
13:04
that make our body run.
267
760000
2000
qui font fonctionner notre corps.
13:06
These were evolved in very different times --
268
762000
2000
Ceux-ci ont évolués à des périodes très différentes --
13:08
we'd like to actually change those programs.
269
764000
2000
nous voudrions vraiment changer ces programmes.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Un petit logiciel, appelé le gène de récepteur d'insuline,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
dit en fait, "Garde chaque calorie,
13:14
because the next hunting season may not work out so well."
272
770000
4000
parce que la saison de chasse suivante pourrait être moins bonne."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
C'était dans l'intérêt de des espèces, il y a des dizaines de milliers d'années.
13:21
We'd like to actually turn that program off.
274
777000
3000
Nous voudrions vraiment arrêter ce programme.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
On a essayé chez les animaux, et ces souris ont mangé voracement
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
et sont restées minces et ont profité des avantages de santé d'être mince.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
Elles n'ont pas eu de diabète, elles n'ont pas eu de maladie cardiaque,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
elles ont vécu 20% plus longtemps, elles ont obtenu les avantages de santé de la restriction calorique
13:35
without the restriction.
279
791000
2000
sans restriction.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Quatre ou cinq entreprises pharmaceutiques l'ont remarqué ,
13:40
felt that would be
281
796000
3000
ont senti que ce serait
13:43
interesting drug for the human market,
282
799000
3000
un médicament intéressant pour le marché humain,
13:46
and that's just one of the 30,000 genes
283
802000
2000
et ce n'est qu'un des 30,000 gènes
13:48
that affect our biochemistry.
284
804000
3000
qui affectent notre biochimie.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Notre évolution s'est faite dans une ère où ce n'était pas dans l'intérêt des gens
13:54
at the age of most people at this conference, like myself,
286
810000
3000
à l'âge de la plupart des personnes présentes à cette conférence, comme moi,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
de vivre beaucoup plus longtemps, parce que nous épuisions les ressources précieuses
14:01
which were better deployed towards the children
288
817000
1000
qu'il valait mieux déployer vers les enfants
14:02
and those caring for them.
289
818000
2000
et ceux qui s'occupaient d'eux.
14:04
So, life -- long lifespans --
290
820000
2000
Donc, la vie -- les longues durées de vie --
14:06
like, that is to say, much more than 30 --
291
822000
2000
comme, c'est-à-dire, bien au delà de 30 ans --
14:08
weren't selected for,
292
824000
3000
n'étaient pas sélectionnées
14:11
but we are learning to actually manipulate
293
827000
3000
mais nous apprenons à manipuler
14:14
and change these software programs
294
830000
2000
et changer ces logiciels pour de bon
14:16
through the biotechnology revolution.
295
832000
2000
par la révolution biotechnologique.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Par exemple, nous pouvons maintenant inhiber des gènes avec l'interférence d'ARN.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Il y a de nouvelles formes intéressantes de thérapie génique
14:24
that overcome the problem of placing the genetic material
298
840000
2000
qui surmontent le problème de placer le matériel génétique
14:26
in the right place on the chromosome.
299
842000
2000
au bon endroit sur le chromosome.
14:28
There's actually a -- for the first time now,
300
844000
3000
Il y a réellement -- pour la première fois aujourd'hui,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
quelque chose qui en est au stade de passer aux essais humains, qui traite réellement l'hypertension pulmonaire --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
une maladie mortelle -- en utilisant la thérapie génique.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Ainsi nous n'aurons pas que des bébés sur mesure, mais des baby boomers sur mesure.
14:40
And this technology is also accelerating.
304
856000
3000
Et cette technologie s'accélère aussi.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
10 dollars par paires de base en 1990,
14:46
then a penny in 2000.
306
862000
2000
puis un cent en 2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
Maintenant c'est moins d'un dixième de cent.
14:50
The amount of genetic data --
308
866000
2000
La quantité de données génétiques --
14:52
basically this shows that smooth exponential growth
309
868000
3000
montre en fait que cette croissance exponentielle lisse
14:55
doubled every year,
310
871000
2000
a doublé chaque année,
14:57
enabling the genome project to be completed.
311
873000
3000
permettant de mener à terme le projet de génome.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Une autre révolution majeure, la révolution des communications.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
Le coût-performances, la bande passante, la capacité de communications ont été mesuré de nombreuses façons différentes ;
15:08
wired, wireless is growing exponentially.
314
884000
3000
le cable, le sans-fil se développent exponentiellement.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
L'Internet avait doublé en puissance et il continue ,
15:14
measured many different ways.
316
890000
2000
on le mesure de nombreuses façons différentes.
15:16
This is based on the number of hosts.
317
892000
2000
Ceci est basé sur le nombre d'ordinateurs hôtes.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
La miniaturisation -- nous rétrécissons la taille de la technologie
15:20
at an exponential rate,
319
896000
2000
à un taux exponentiel,
15:22
both wired and wireless.
320
898000
2000
à la fois pour le cable et le sans-fil.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Ce sont quelques conceptions tirées du livre d'Éric Drexler --
15:28
which we're now showing are feasible
322
904000
2000
dont nous montrons maintenant qu'elles sont faisables
15:30
with super-computing simulations,
323
906000
2000
avec des simulations de superinformatique,
15:32
where actually there are scientists building
324
908000
2000
où en fait il y a des scientifiques qui construisent
15:34
molecule-scale robots.
325
910000
2000
des robots à l'échelle de la molécule.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Dans l'une d'elles il y en a un qui marche vraiment avec une démarche étonnamment humaine,
15:38
that's built out of molecules.
327
914000
3000
et il est construit à partir de molécules.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Il y a de petites machines qui font des choses sur des bases expérimentales.
15:45
The most exciting opportunity
329
921000
3000
L'opportunité la plus passionnante
15:48
is actually to go inside the human body
330
924000
2000
est en fait d'aller à l'intérieur du corps humain
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
et de remplir des fonctions thérapeutiques et diagnostiques.
15:53
And this is less futuristic than it may sound.
332
929000
2000
Et c'est moins futuriste qu'il n'y parait.
15:55
These things have already been done in animals.
333
931000
2000
On l'a déjà fait chez les animaux.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
Il y a un dispositif nano-technologique qui traite le diabète de type 1. Il a la taille d'une cellule.
16:01
They put tens of thousands of these
335
937000
2000
Ils en ont mis des dizaines de milliers
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
dans le globule -- ils l'ont essayé chez les rats --
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
il libère l'insuline de façon contrôlée,
16:07
and actually cures type 1 diabetes.
338
943000
2000
et traite réellement le diabète de type 1.
16:09
What you're watching is a design
339
945000
3000
Ce que vous observez est une conception
16:12
of a robotic red blood cell,
340
948000
2000
d'un globule rouge robotique,
16:14
and it does bring up the issue that our biology
341
950000
2000
et cela soulève le problème que notre biologie
16:16
is actually very sub-optimal,
342
952000
2000
est vraiment très suboptimale,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
bien qu'elle soit remarquable dans sa complexité.
16:21
Once we understand its principles of operation,
344
957000
3000
Une fois que nous comprenons ses principes de fonctionnement,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
et que la vitesse à laquelle nous rétro-concevons la biologiqe s'accélère,
16:28
we can actually design these things to be
346
964000
2000
nous pouvons en fait concevoir ces choses pour qu'elles soient
16:30
thousands of times more capable.
347
966000
2000
des milliers de fois plus capables.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Une analyse de ce respirocyte, conçu par Rob Freitas,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
indique que si vous remplacez 10 % de vos globules rouges par ces versions robotiques,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
vous pourriez faire un sprint olympique pendant 15 minutes sans reprendre votre respiration.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Vous pourriez vous asseoir au fond de votre piscine pendant quatre heures --
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
-- ainsi, "Ma chérie, je suis dans la piscine," prendrait une toute nouvelle signification.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Il sera intéressant de voir ce que nous faisons dans nos épreuves olympiques.
16:52
Presumably we'll ban them,
354
988000
2000
Vraisemblablement nous les interdirons,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
mais alors nous aurons le spectre des adolescents dans leurs gymnases de lycées
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
qui régulièrement dépasseraient les performances des athlètes olympiques.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas a une conception pour un globule blanc robotique.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Ce sont des scénarios pour les années 2020,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
mais ils ne sont pas aussi futuristes qu'il y parait.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Il y a quatre conférences importantes sur la construction d'appareils à l'échelle du globule rouge,
17:14
there are many experiments in animals.
361
1010000
2000
il y a beaucoup d'expériences chez les animaux.
17:16
There's actually one going into human trial,
362
1012000
2000
Il y en a en fait une en cours sur l'homme,
17:18
so this is feasible technology.
363
1014000
3000
donc c'est technologiquement faisable.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Si nous revenons à notre croissance exponentielle du calcul,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1,000 dollars de calcul est maintenant quelque part entre un insecte et un cerveau de souris.
17:27
It will intersect human intelligence
366
1023000
3000
Elle croisera l'intelligence humaine
17:30
in terms of capacity in the 2020s,
367
1026000
3000
en termes de capacité dans les années 2020,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
mais ce sera le côté matériel de l'équation.
17:35
Where will we get the software?
369
1031000
2000
D'où obtiendrons-nous le logiciel ?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Et bien, il s'avère que nous pouvons regarder à l'intérieur de l'esprit humain,
17:39
and in fact not surprisingly,
371
1035000
2000
et en fait comme on pouvait s'y attendre,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
la résolution spatiale et temporelle du scanner du cerveau double chaque année.
17:45
And with the new generation of scanning tools,
373
1041000
2000
Et avec la nouvelle génération des outils de scanographie du cerveau
17:47
for the first time we can actually see
374
1043000
2000
pour la première fois nous pouvons réellement voir
17:49
individual inter-neural fibers
375
1045000
2000
différentes fibres intra-neurales
17:51
and see them processing and signaling in real time --
376
1047000
3000
et les voir traiter l'information et signaler en temps réel
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
et -- mais alors la question est, bon, on peut obtenir ces données maintenant,
17:56
but can we understand it?
378
1052000
2000
mais pouvons-nous les comprendre ?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstadter se demande, et bien, peut-être que notre intelligence
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
n'est simplement pas suffisante pour comprendre notre intelligence,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
et si nous étions plus intelligents, et bien, puis nos cerveaux seraient beaucoup plus compliqués que ça,
18:07
and we'd never catch up to it.
382
1063000
2000
et nous n'y arriverions jamais.
18:10
It turns out that we can understand it.
383
1066000
3000
Il s'avère que nous pouvons le comprendre.
18:13
This is a block diagram of
384
1069000
3000
Ceci est un schéma fonctionnel
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
d'un modèle et d'une simulation du cortex auditif humain
18:20
that actually works quite well --
386
1076000
2000
qui fonctionne en fait assez bien --
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
en appliquant les tests psychoacoustiques, on obtient des résultats très similaires à la perception auditive humaine.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Il y a une autre simulation du cervelet --
18:29
that's more than half the neurons in the brain --
389
1085000
2000
c'est plus de la moitié des neurones dans le cerveau --
18:31
again, works very similarly to human skill formation.
390
1087000
3000
là encore, qui travaille de façon très similaire à la formation de compétence humaine.
18:35
This is at an early stage, but you can show
391
1091000
3000
Ceci est au tout début, mais vous pouvez montrer
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
avec la croissance exponentielle de la quantité d'informations sur le cerveau
18:41
and the exponential improvement
393
1097000
2000
et l'amélioration exponentielle
18:43
in the resolution of brain scanning,
394
1099000
2000
de la résolution du balayage de cerveau,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
que nous réussirons à rétro-convecoir l'esprit humain
18:48
by the 2020s.
396
1104000
2000
d'ici les années 2020.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Nous avons déjà eu de très bons modèles et une simulation d'environ 15 régions
18:53
out of the several hundred.
398
1109000
3000
sur plusieurs centaines.
18:56
All of this is driving
399
1112000
2000
Tout cela est exponentiel --
18:58
exponentially growing economic progress.
400
1114000
2000
un progrès économique exponentiel-croissant.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Nous avons fait aller la productivité de 30 dollars à 150 dollars par heure
19:05
of labor in the last 50 years.
402
1121000
2000
de travail pendant les 50 dernières années.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
Le commerce électronique s'est développé exponentiellement. C'est maintenant un trillion de dollars.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Vous pourriez vous demander, et bien, n'avons-nous pas eu un boom et un fiasco?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
C'était strictement des phénomènes de marchés financiers.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Wall Street a remarqué que c'était une technologie révolutionnaire, et ça l'est,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
mais ensuite six mois plus tard, quand ça n'a pas révolutionné tous les modèles économiques,
19:21
they figured, well, that was wrong,
408
1137000
2000
ils ont pensé, bien, que c'était faux,
19:23
and then we had this bust.
409
1139000
2000
et alors nous avons eu ce fiasco.
19:26
All right, this is a technology
410
1142000
2000
Bien, c'est une technologie
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
que nous nous assemblons en utilisant certaines des technologies dans lesquelles nous sommes impliqués.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Ce sera une caractéristique courante dans un téléphone portable.
19:35
It would be able to translate from one language to another.
413
1151000
2000
Il pourrait traduire d'une langue à l'autre.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Laissez-ainsi moi juste finir avec deux ou trois scénarios.
19:49
By 2010 computers will disappear.
415
1165000
3000
D'ici 2010 les ordinateurs disparaîtront.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Ils seront si petits, ils seront intégrés dans nos vêtements, dans notre environnement.
19:56
Images will be written directly to our retina,
417
1172000
2000
Des images seront écrites directement sur notre rétine,
19:58
providing full-immersion virtual reality,
418
1174000
2000
fournissant la réalité virtuelle en totale immersion,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
une vraie réalité augmentée. Nous interagirons avec des personnalités virtuelles.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Mais si nous allons à 2029, nous avons vraiment la pleine maturité de ces tendances,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
et vous devez prendre en copmte combien de tours de vis donnés de plus en plus vite
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
nous aurons à ce moment là en termes de générations de technologie.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Je veux dire, nous aurons un coût-performances
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
une capacité et une bande passante multiplié par deux à la puissance 25
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
de ces technologies, ce qui est assez phénoménal.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Ce sera des millions de fois plus puissant qu'aujourd'hui.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Nous aurons accompli la rétro-conception de l'esprit humain,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
calcul -- 1,000 dollars de calcul seront bien plus puissants
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
que l'esprit humain en termes de capacité brute de base.
20:34
Computers will combine
430
1210000
2000
Les ordinateurs combineront
20:36
the subtle pan-recognition powers
431
1212000
2000
les puissances subtiles de pan-reconnaissance
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
de l'intelligence humaine avec les manières pour les machines sont déjà supérieures,
20:41
in terms of doing analytic thinking,
433
1217000
2000
en termes de pensée analytique,
20:43
remembering billions of facts accurately.
434
1219000
2000
en retenant des milliards de faits avec précision.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Les machines peuvent partager leur connaissance très rapidement,
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
Mais ce n'est pas simplement une invasion étrangère des machines intelligentes.
20:52
We are going to merge with our technology.
437
1228000
2000
Nous allons fusionner avec notre technologie.
20:54
These nano-bots I mentioned
438
1230000
2000
Ces nano-robots que j'ai mentionnés
20:56
will first be used for medical and health applications:
439
1232000
4000
seront d'abord employés pour des applications médicales et de santé:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
nettoyer l'environnement, fournir le carburant -- des piles à combustible puissantes
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
et panneaux solaires décentralisés largement distribués et ainsi de suite dans l'environnement.
21:08
But they'll also go inside our brain,
442
1244000
2000
Mais ils iront également à l'intérieur de notre cerveau,
21:10
interact with our biological neurons.
443
1246000
2000
et interagiront avec nos neurones biologiques.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Nous avons démontré les principes clés de notre capacité à le faire.
21:15
So, for example,
445
1251000
2000
Donc, par exemple,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
la réalité virtuelle en immersion totale à l'intérieur même du système nerveux,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
les nano-robots arrêtent les signaux venant de vos vrais sens,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
les remplacent par les signaux que votre cerveau recevrait
21:25
if you were in the virtual environment,
449
1261000
2000
si vous étiez dans l'environnement virtuel,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
Et alors vous aurez l'impression d'être dans cet environnement virtuel.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Vous pourrez y aller avec d'autres personnes, vivre toute sorte d'expérience
21:31
with anyone involving all of the senses.
452
1267000
2000
avec n'importe qui, en utilisant vos sens.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"Les projecteurs d' expérience ," comme je les appelle, mettront tout leur flot d'expériences sensorielles
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
dans les corrélations neurologiques de leurs émotions sur l'Internet.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Vous pourrez vous connecter et éprouver ce que c'est que d'être quelqu'un d'autre.
21:43
But most importantly,
456
1279000
2000
Mais avant tout,
21:45
it'll be a tremendous expansion
457
1281000
2000
ce sera une expansion énorme
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
de l'intelligence humaine par cette fusion directe avec notre technologie,
21:51
which in some sense we're doing already.
459
1287000
2000
ce que dans un certain sens nous faisons déjà.
21:53
We routinely do intellectual feats
460
1289000
2000
Nous faisons par habitude des exploits intellectuels
21:55
that would be impossible without our technology.
461
1291000
2000
qui serait impossible sans notre technologie.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
L'espérance de vie humaine s'allonge. Elle était de 37 ans en 1800,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
et avec cette sorte de biotechnologie, les révolutions de nanotechnologie,
22:05
this will move up very rapidly
464
1301000
2000
elle augmentera très rapidement
22:07
in the years ahead.
465
1303000
2000
dans les années à venir.
22:09
My main message is that progress in technology
466
1305000
4000
L'essentiel de mon message est que ce progrès en technologie
22:13
is exponential, not linear.
467
1309000
3000
est exponentiel, pas linéaire.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Beaucoup -- même les scientifiques -- adopent un modèle linéaire,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
donc ils diront, "oh, il faudra des centaines d'années
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
avant que nous ayons auto-reproduit l'assemblage par la nanotechnologie
22:25
or artificial intelligence."
471
1321000
2000
ou l'intelligence artificielle."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Si vous regardez vraiment la puissance de la croissance exponentielle,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
vous verrez que ces choses seront bientôt là.
22:33
And information technology is increasingly encompassing
474
1329000
3000
Et la technologie de l'information englobe de plus en plus
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
toutes nos vies, de notre musique à notre fabrication
22:40
to our biology to our energy to materials.
476
1336000
4000
à notre biologie à notre énergie aux matériaux.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
Nous pourrons fabriquer presque tout ce dont nous avons besoin dans les années 2020,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
à partir d'informations, dans des matières premières très peu coûteuses,
22:49
using nano-technology.
479
1345000
3000
en utilisant la nanotechnologie.
22:52
These are very powerful technologies.
480
1348000
2000
Ce sont des technologies très puissantes.
22:54
They both empower our promise and our peril.
481
1350000
4000
Elles sont tout autant une promesse qu'un péril.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Nous devons donc avoir la volonté de les appliquer aux bons problèmes.
23:01
Thank you very much.
483
1357000
1000
Merci beaucoup
23:02
(Applause)
484
1358000
1000
(Applaudissements)
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