TED2014
Ray Kurzweil: Get ready for hybrid thinking
ריי קורצווייל: היכונו לעידן חשיבת הכלאיים
Filmed:
Readability: 4.4
3,548,296 views
לפני 200 מיליון שנה פיתחו אבותינו היונקים תכונה חדש של המוח: הניאו-קורטקס. פיסת רקמה זו, שגודלה כשל בול-דואר (שהקיפה מוח בגודל אגוז), הינה המפתח למה שהאנושות הפכה להיות. כעת, טוען העתידן ריי קורצווייל, עלינו להתכונן לזינוק הגדול הבא בעוצמת המוח, כשאנו מתחברים לכוח המיחשוב של הענן.
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.
00:12
Let me tell you a story.
0
988
2316
הבה ואספר לכם סיפור.
הוא התרחש לפני
200 מיליון שנה.
200 מיליון שנה.
00:15
It goes back 200 million years.
1
3304
1799
00:17
It's a story of the neocortex,
2
5103
1984
זהו סיפורו של הניאו-קורטקס,
שפירושו "קליפה חדשה".
שפירושו "קליפה חדשה".
00:19
which means "new rind."
3
7087
1974
00:21
So in these early mammals,
4
9061
2431
אצל אותם יונקים קדומים -
00:23
because only mammals have a neocortex,
5
11492
2055
כי רק ליונקים יש ניאו-קורטקס -
00:25
rodent-like creatures.
6
13547
1664
שהיו יצורים דמויי-מכרסמים,
00:27
It was the size of a postage stamp and just as thin,
7
15211
3579
הוא היה בגודל בול דואר
וגם באותו עובי,
וגם באותו עובי,
00:30
and was a thin covering around
8
18790
1439
והיווה ציפוי דק סביב מוחם,
שהיה בגודל אגוז,
שהיה בגודל אגוז,
00:32
their walnut-sized brain,
9
20229
2264
00:34
but it was capable of a new type of thinking.
10
22493
3701
אבל הוא היה מסוגל
לחשיבה מסוג חדש.
לחשיבה מסוג חדש.
00:38
Rather than the fixed behaviors
11
26194
1567
במקום ההתנהגויות הקבועות
של חיות שאינן יונקים,
של חיות שאינן יונקים,
00:39
that non-mammalian animals have,
12
27761
1992
00:41
it could invent new behaviors.
13
29753
2692
הוא ידע להמציא התנהגויות חדשות.
00:44
So a mouse is escaping a predator,
14
32445
2553
למשל, עכבר שבורח מפני טורף
ודרכו חסומה,
ודרכו חסומה,
00:46
its path is blocked,
15
34998
1540
00:48
it'll try to invent a new solution.
16
36538
2129
ינסה להמציא פתרון חדש,
שאולי יצליח ואולי לא,
שאולי יצליח ואולי לא,
00:50
That may work, it may not,
17
38667
1266
00:51
but if it does, it will remember that
18
39933
1910
אבל במידה ויצליח,
הוא יזכור אותו
הוא יזכור אותו
00:53
and have a new behavior,
19
41843
1292
וירכוש התנהגות חדשה
שעשויה להתפשט באופן ויראלי
שעשויה להתפשט באופן ויראלי
00:55
and that can actually spread virally
20
43135
1457
00:56
through the rest of the community.
21
44592
2195
בקרב כל הקהילה.
עכבר אחר, שצפה בו, אולי יאמר:
00:58
Another mouse watching this could say,
22
46787
1609
01:00
"Hey, that was pretty clever, going around that rock,"
23
48396
2704
"זה היה מחוכם למדי,
לעקוף את הסלע ההוא."
לעקוף את הסלע ההוא."
01:03
and it could adopt a new behavior as well.
24
51100
3725
וגם הוא יאמץ התנהגות חדשה.
01:06
Non-mammalian animals
25
54825
1717
חיות שאינן יונקים
לא יכלו לעשות דבר מכל אלה.
לא יכלו לעשות דבר מכל אלה.
01:08
couldn't do any of those things.
26
56542
1713
היו להן התנהגויות קבועות.
01:10
They had fixed behaviors.
27
58255
1215
01:11
Now they could learn a new behavior
28
59470
1331
הן אמנם יכלו ללמוד
התנהגויות חדשות,
התנהגויות חדשות,
01:12
but not in the course of one lifetime.
29
60801
2576
אבל לא בתקופת חייהן.
01:15
In the course of maybe a thousand lifetimes,
30
63377
1767
אולי במרוצת אלף תקופות-חיים
01:17
it could evolve a new fixed behavior.
31
65144
3330
הן יכלו לפתח
התנהגות קבועה חדשה.
התנהגות קבועה חדשה.
01:20
That was perfectly okay 200 million years ago.
32
68474
3377
לפני 200 מיליון שנה
לא היתה עם זה בעיה:
לא היתה עם זה בעיה:
01:23
The environment changed very slowly.
33
71851
1981
הסביבה השתנתה לאט מאד.
01:25
It could take 10,000 years for there to be
34
73832
1554
לפעמים נדרשו 10,000 שנים
כדי שיתרחש שינוי סביבתי ניכר,
כדי שיתרחש שינוי סביבתי ניכר,
01:27
a significant environmental change,
35
75386
2092
01:29
and during that period of time
36
77478
1382
ובמשך הזמן הזה, בעל-החיים
היה מפתח התנהגות חדשה.
היה מפתח התנהגות חדשה.
01:30
it would evolve a new behavior.
37
78860
2929
01:33
Now that went along fine,
38
81789
1521
הכל היה בסדר,
אבל אז קרה משהו.
אבל אז קרה משהו.
01:35
but then something happened.
39
83310
1704
01:37
Sixty-five million years ago,
40
85014
2246
לפני 65 מיליון שנה
אירע שינוי סביבתי פתאומי ואלים.
אירע שינוי סביבתי פתאומי ואלים.
01:39
there was a sudden, violent
change to the environment.
change to the environment.
41
87260
2615
01:41
We call it the Cretaceous extinction event.
42
89875
3505
אנו מכנים אותו
"הכחדת הקרטיקון-שלישון".
"הכחדת הקרטיקון-שלישון".
01:45
That's when the dinosaurs went extinct,
43
93380
2293
באירוע הזה נכחדו הדינוזאורים,
01:47
that's when 75 percent of the
44
95673
3449
ו-75% מכל החיות והצמחים
נכחדו גם הם,
נכחדו גם הם,
01:51
animal and plant species went extinct,
45
99122
2746
01:53
and that's when mammals
46
101868
1745
ואז כבשו היונקים
את הגומחה האקולוגית שלהם,
את הגומחה האקולוגית שלהם,
01:55
overtook their ecological niche,
47
103613
2152
01:57
and to anthropomorphize, biological evolution said,
48
105765
3654
ואם נדמה אותה לאדם,
האבולוציה הביולוגית אמרה:
האבולוציה הביולוגית אמרה:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
109419
2025
"הממ.. הניאו-קורטקס הזה
איננו רע בכלל",
איננו רע בכלל",
02:03
and it began to grow it.
50
111444
1793
והיא החלה לפתח אותו.
02:05
And mammals got bigger,
51
113237
1342
והיונקים הלכו וגדלו,
02:06
their brains got bigger at an even faster pace,
52
114579
2915
ומוחותיהם גדלו בקצב מהיר עוד יותר,
02:09
and the neocortex got bigger even faster than that
53
117494
3807
והניאו-קורטקס גדל
אפילו יותר מהר,
אפילו יותר מהר,
02:13
and developed these distinctive ridges and folds
54
121301
2929
ופיתח את הרכסים והקפלים
המובהקים האלה,
המובהקים האלה,
02:16
basically to increase its surface area.
55
124230
2881
עקרונית, במטרה להגדיל
את שטח הפנים שלו.
את שטח הפנים שלו.
02:19
If you took the human neocortex
56
127111
1819
אילו לקחתם את הניאו-קורטקס האנושי
02:20
and stretched it out,
57
128930
1301
ופרשתם אותו,
הוא בערך בגודל מפית,
הוא בערך בגודל מפית,
02:22
it's about the size of a table napkin,
58
130231
1713
והוא עדיין דק.
עוביו הוא כשל מפית,
עוביו הוא כשל מפית,
02:23
and it's still a thin structure.
59
131944
1306
02:25
It's about the thickness of a table napkin.
60
133250
1980
02:27
But it has so many convolutions and ridges
61
135230
2497
אבל יש בו כל-כך הרבה
פיתולים ורכסים,
פיתולים ורכסים,
02:29
it's now 80 percent of our brain,
62
137727
3075
עד שכיום הוא מהווה
80% מהמוח שלנו,
80% מהמוח שלנו,
02:32
and that's where we do our thinking,
63
140802
2461
ובו אנו מבצעים את החשיבה שלנו,
02:35
and it's the great sublimator.
64
143263
1761
וזהו מנוע סובלימציה נהדר.
עדיין יש לנו המוח הישן,
עדיין יש לנו המוח הישן,
02:37
We still have that old brain
65
145024
1114
02:38
that provides our basic drives and motivations,
66
146138
2764
שמספק לנו דחפים והנעות בסיסיים,
02:40
but I may have a drive for conquest,
67
148902
2716
אבל יכול להיות לי דחף לכיבוש,
02:43
and that'll be sublimated by the neocortex
68
151618
2715
והניאו-קורטקס ימיר אותו
02:46
into writing a poem or inventing an app
69
154333
2909
לכתיבת שיר או המצאת יישומון
02:49
or giving a TED Talk,
70
157242
1509
או מתן הרצאת TED,
02:50
and it's really the neocortex that's where
71
158751
3622
והניאו-קורטקס הוא למעשה המקום
שבו הכל מתרחש.
שבו הכל מתרחש.
02:54
the action is.
72
162373
1968
לפני 50 שנה כתבתי מאמר
שמתאר איך לדעתי המוח פועל,
שמתאר איך לדעתי המוח פועל,
02:56
Fifty years ago, I wrote a paper
73
164341
1717
02:58
describing how I thought the brain worked,
74
166058
1918
02:59
and I described it as a series of modules.
75
167976
3199
ותיארתי אותו כסדרה של יחידות.
03:03
Each module could do things with a pattern.
76
171175
2128
כל יחידה יודעת לעשות דברים
באמצעות דפוס
באמצעות דפוס
03:05
It could learn a pattern. It could remember a pattern.
77
173303
2746
היא מסוגלת ללמוד דפוס מסוים.
לזכור דפוס מסוים.
לזכור דפוס מסוים.
03:08
It could implement a pattern.
78
176049
1407
היא יכולה ליישם דפוס מסוים.
03:09
And these modules were organized in hierarchies,
79
177456
2679
והיחידות האלה מאורגנות בהיררכיות,
03:12
and we created that hierarchy with our own thinking.
80
180135
2954
ואנו יצרנו היררכיה זו
בעזרת החשיבה שלנו.
בעזרת החשיבה שלנו.
03:15
And there was actually very little to go on
81
183089
3333
ולא היה בעצם הרבה חומר
להתבסס עליו, לפני 50 שנה.
להתבסס עליו, לפני 50 שנה.
03:18
50 years ago.
82
186422
1562
03:19
It led me to meet President Johnson.
83
187984
2115
- זה זיכה אותי בפגישה
עם הנשיא ג'ונסון --
עם הנשיא ג'ונסון --
03:22
I've been thinking about this for 50 years,
84
190099
2173
חשבתי על זה במשך 50 שנה,
03:24
and a year and a half ago I came out with the book
85
192272
2828
ולפני שנה וחצי פרסמתי את הספר
"איך ליצור מוח",
"איך ליצור מוח",
03:27
"How To Create A Mind,"
86
195100
1265
03:28
which has the same thesis,
87
196365
1613
שנשען על אותה הנחת-יסוד,
אך כיום, עם שפע הוכחות.
אך כיום, עם שפע הוכחות.
03:29
but now there's a plethora of evidence.
88
197978
2812
03:32
The amount of data we're getting about the brain
89
200790
1814
כמות הנתונים שאנו מקבלים
אודות המוח, ממדעי המוח,
אודות המוח, ממדעי המוח,
03:34
from neuroscience is doubling every year.
90
202604
2203
מוכפלת מידי שנה.
03:36
Spatial resolution of brainscanning of all types
91
204807
2654
רמת ההפרדה המרחבית
בסריקות מוח מכל הסוגים
בסריקות מוח מכל הסוגים
03:39
is doubling every year.
92
207461
2285
מוכפלת מידי שנה.
03:41
We can now see inside a living brain
93
209746
1717
היום אנו מסוגלים להתבונן
לתוך מוח חי
לתוך מוח חי
03:43
and see individual interneural connections
94
211463
2870
ולראות את הקישורים
הבין-עצביים הנפרדים
הבין-עצביים הנפרדים
03:46
connecting in real time, firing in real time.
95
214333
2703
שנעשים בזמן אמיתי,
איתותים עצביים בזמן אמיתי.
איתותים עצביים בזמן אמיתי.
03:49
We can see your brain create your thoughts.
96
217036
2419
אנו יכולים לראות את המוח
כשהוא מחולל מחשבות.
כשהוא מחולל מחשבות.
03:51
We can see your thoughts create your brain,
97
219455
1575
אנו יכולים לראות איך המחשבות
יוצרות את המוח,
יוצרות את המוח,
03:53
which is really key to how it works.
98
221030
1999
שזה המפתח להבנת אופן פעולתו.
03:55
So let me describe briefly how it works.
99
223029
2219
אז הבה ואתאר לכם בקצרה
כיצד הוא פועל.
כיצד הוא פועל.
03:57
I've actually counted these modules.
100
225248
2275
ספרתי את היחידות האלה:
יש לנו כ-300 מיליון כאלה,
יש לנו כ-300 מיליון כאלה,
03:59
We have about 300 million of them,
101
227523
2046
04:01
and we create them in these hierarchies.
102
229569
2229
ואנו יצרנו אותן בהיררכיות האלה.
04:03
I'll give you a simple example.
103
231798
2082
אתן לכם דוגמה פשוטה.
04:05
I've got a bunch of modules
104
233880
2805
יש לי קבוצת יחידות
04:08
that can recognize the crossbar to a capital A,
105
236685
3403
שמסוגלת לזהות את הקו האופקי
באות "ת",
באות "ת",
04:12
and that's all they care about.
106
240088
1914
וזה כל מה שמעניין אותן.
04:14
A beautiful song can play,
107
242002
1578
אולי מתנגן שיר נפלא,
אולי תחלוף נערה יפה -
אולי תחלוף נערה יפה -
04:15
a pretty girl could walk by,
108
243580
1434
04:17
they don't care, but they see
a crossbar to a capital A,
a crossbar to a capital A,
109
245014
2846
לא איכפת להן. אבל כשהן מזהות
את הקו האופקי באות "ת",
את הקו האופקי באות "ת",
04:19
they get very excited and they say "crossbar,"
110
247860
3021
הן מתרגשות מאד ואומרות:
"קו אופקי",
"קו אופקי",
04:22
and they put out a high probability
111
250881
2112
ומפיקות פלט סבירות גבוהה
בזיז סיב העצב שלהן.
בזיז סיב העצב שלהן.
04:24
on their output axon.
112
252993
1634
זה עובר לרמה הבאה,
04:26
That goes to the next level,
113
254627
1333
04:27
and these layers are organized in conceptual levels.
114
255960
2750
והרבדים האלה מאורגנים
ברמות תפישתיות,
ברמות תפישתיות,
04:30
Each is more abstract than the next one,
115
258710
1856
כשכל רמה מופשטת יותר
מהרמה הבאה,
מהרמה הבאה,
04:32
so the next one might say "capital A."
116
260566
2418
כך שהרמה הבאה עשויה לומר:
האות "ת".
האות "ת".
04:34
That goes up to a higher
level that might say "Apple."
level that might say "Apple."
117
262984
2891
זה עולה לרמה הבאה
שאולי תגיד: "תפוח".
שאולי תגיד: "תפוח".
04:37
Information flows down also.
118
265875
2167
המידע גם מאיט.
04:40
If the apple recognizer has seen A-P-P-L,
119
268042
2936
אם מזהה התפוח ראה "ת, פ, ו"
04:42
it'll think to itself, "Hmm, I
think an E is probably likely,"
think an E is probably likely,"
120
270978
3219
הוא יחשוב לעצמו: "הממ, לדעתי
יש סבירות גבוהה ל'ח',"
יש סבירות גבוהה ל'ח',"
04:46
and it'll send a signal down to all the E recognizers
121
274197
2564
והוא ישגר למטה אות,
לכל מזהי ה"ח",
לכל מזהי ה"ח",
04:48
saying, "Be on the lookout for an E,
122
276761
1619
שמודיע: "היכונו להופעת 'ח',
נראה לי שצפויה 'ח'."
נראה לי שצפויה 'ח'."
04:50
I think one might be coming."
123
278380
1556
מזהי ה"ח" ינמיכו
את סף הרגישות שלהם,
את סף הרגישות שלהם,
04:51
The E recognizers will lower their threshold
124
279936
2843
04:54
and they see some sloppy
thing, could be an E.
thing, could be an E.
125
282779
1945
ואם יראו משהו
שדומה איכשהו ל"ח",
שדומה איכשהו ל"ח",
בד"כ הם לא יעשו זאת,
04:56
Ordinarily you wouldn't think so,
126
284724
1490
04:58
but we're expecting an E, it's good enough,
127
286214
2009
אבל, "אנו מצפים ל'ח',
נסתפק בזה;
נסתפק בזה;
05:00
and yeah, I've seen an E, and then apple says,
128
288223
1817
"באמת, ראיתי 'ח',"
ואז מזהה התפוח יאמר:
ואז מזהה התפוח יאמר:
"נכון, זיהיתי 'תפוח'."
05:02
"Yeah, I've seen an Apple."
129
290040
1728
05:03
Go up another five levels,
130
291768
1746
נעלה חמש רמות,
05:05
and you're now at a pretty high level
131
293514
1353
והגענו לרמה גבוהה למדי
בהיררכיה הזאת,
בהיררכיה הזאת,
05:06
of this hierarchy,
132
294867
1569
05:08
and stretch down into the different senses,
133
296436
2353
נתפשט לחושים השונים,
05:10
and you may have a module
that sees a certain fabric,
that sees a certain fabric,
134
298789
2655
ושם, יחידה מסוימת
אולי תזהה אריג מסוים,
אולי תזהה אריג מסוים,
05:13
hears a certain voice quality,
smells a certain perfume,
smells a certain perfume,
135
301444
2844
תזהה איכות קול מסוימת,
תריח בושם מסוים,
תריח בושם מסוים,
05:16
and will say, "My wife has entered the room."
136
304288
2513
ותאמר: "אשתי נכנסה לחדר."
05:18
Go up another 10 levels, and now you're at
137
306801
1895
עולים 10 רמות
וכעת נמצאים ברמה גבוהה מאד,
וכעת נמצאים ברמה גבוהה מאד,
05:20
a very high level.
138
308696
1160
05:21
You're probably in the frontal cortex,
139
309856
1937
אולי באונה המצחית,
05:23
and you'll have modules that say, "That was ironic.
140
311793
3767
ושם יש יחידות שיאמרו:
"זה היה אירוני."
"זה היה אירוני."
05:27
That's funny. She's pretty."
141
315560
2370
"זה מצחיק."
"היא יפה."
"היא יפה."
05:29
You might think that those are more sophisticated,
142
317930
2105
אולי נראה לכם שאלה יחידות
מתוחכמות יותר,
מתוחכמות יותר,
05:32
but actually what's more complicated
143
320035
1506
אך למעשה, מה שיותר מורכב
הוא ההיררכיה שביסודן.
הוא ההיררכיה שביסודן.
05:33
is the hierarchy beneath them.
144
321541
2669
05:36
There was a 16-year-old girl, she had brain surgery,
145
324210
2620
נערה אחת, בת 16,
עברה ניתוח מוח,
עברה ניתוח מוח,
05:38
and she was conscious because the surgeons
146
326830
2051
והיא היתה בהכרה
משום שהמנתחים שלה
רצו לשוחח איתה -
רצו לשוחח איתה -
05:40
wanted to talk to her.
147
328881
1537
05:42
You can do that because there's no pain receptors
148
330418
1822
-- זה אפשרי,
כי אין במוח קולטני כאב --
כי אין במוח קולטני כאב --
05:44
in the brain.
149
332240
1038
05:45
And whenever they stimulated particular,
150
333278
1800
ובכל פעם שהם גירו
נקודות זעירות מסוימות
בניאו-קורטקס שלה,
בניאו-קורטקס שלה,
05:47
very small points on her neocortex,
151
335078
2463
05:49
shown here in red, she would laugh.
152
337541
2665
שמוצגות כאן באדום,
היא צחקה.
היא צחקה.
05:52
So at first they thought they were triggering
153
340206
1440
תחילה הם חשבו שהם מגרים
רפלקס צחוק כלשהו,
רפלקס צחוק כלשהו,
05:53
some kind of laugh reflex,
154
341646
1720
05:55
but no, they quickly realized they had found
155
343366
2519
אבל לא. הם הבינו במהרה
שהם גילו
שהם גילו
05:57
the points in her neocortex that detect humor,
156
345885
3044
בניאו-קורטקס שלה
את הנקודות שמזהות הומור,
את הנקודות שמזהות הומור,
06:00
and she just found everything hilarious
157
348929
1969
ולכן היא חשבה שהכל מצחיק
06:02
whenever they stimulated these points.
158
350898
2437
בכל פעם שהם גירו
את הנקודות האלה.
את הנקודות האלה.
06:05
"You guys are so funny just standing around,"
159
353335
1925
"אתם כל-כך מצחיקים
כשאתם עומדים ככה מסביב,"
כשאתם עומדים ככה מסביב,"
06:07
was the typical comment,
160
355260
1738
היתה התגובה האופיינית,
06:08
and they weren't funny,
161
356998
2302
והם לא היו מצחיקים כלל.
06:11
not while doing surgery.
162
359300
3247
לא במהלך הניתוח.
06:14
So how are we doing today?
163
362547
4830
אז מה מצבנו היום?
06:19
Well, computers are actually beginning to master
164
367377
3054
ובכן, המחשבים מתחילים להשתלט
על השפה האנושית
על השפה האנושית
06:22
human language with techniques
165
370431
2001
בעזרת טכניקות דומות לאלה
של הניאו-קורטקס.
של הניאו-קורטקס.
06:24
that are similar to the neocortex.
166
372432
2867
06:27
I actually described the algorithm,
167
375299
1514
למען האמת, תיארתי את האלגוריתם,
שדומה למשהו שקרוי:
שדומה למשהו שקרוי:
06:28
which is similar to something called
168
376813
2054
06:30
a hierarchical hidden Markov model,
169
378867
2233
"מודל מרקוב היררכי סמוי",
שאני עובד עליו מאז שנות ה-90.
שאני עובד עליו מאז שנות ה-90.
06:33
something I've worked on since the '90s.
170
381100
3241
06:36
"Jeopardy" is a very broad natural language game,
171
384341
3238
"ג'פרדי" הוא שעשועון שפה טבעית
מקיף ביותר,
מקיף ביותר,
06:39
and Watson got a higher score
172
387579
1892
והמחשב "ווטסון" השיג ניקוד גבוה יותר
06:41
than the best two players combined.
173
389471
2000
משני השחקנים הטובים ביותר
גם יחד.
גם יחד.
06:43
It got this query correct:
174
391471
2499
הוא הבין נכון את החידה הזו:
06:45
"A long, tiresome speech
175
393970
2085
"נאום ארוך ומייגע
שנושא ציפוי של עוגה,"
שנושא ציפוי של עוגה,"
06:48
delivered by a frothy pie topping,"
176
396055
2152
06:50
and it quickly responded,
"What is a meringue harangue?"
"What is a meringue harangue?"
177
398207
2796
וענה במהירות:
"כמה שהקצפת מעייפת",
"כמה שהקצפת מעייפת",
06:53
And Jennings and the other guy didn't get that.
178
401003
2635
בעוד ג'נינגס והמתחרה השני
לא הבינו זאת.
לא הבינו זאת.
06:55
It's a pretty sophisticated example of
179
403638
1926
זאת דוגמה מתוחכמת למדי
למחשב שמבין שפה אנושית,
למחשב שמבין שפה אנושית,
06:57
computers actually understanding human language,
180
405564
1914
06:59
and it actually got its knowledge by reading
181
407478
1652
והוא רכש את הידע שלו מקריאת
"וויקיפדיה" ואנציקלופדיות נוספות.
"וויקיפדיה" ואנציקלופדיות נוספות.
07:01
Wikipedia and several other encyclopedias.
182
409130
3785
07:04
Five to 10 years from now,
183
412915
2133
בעוד 5-10 שנים
07:07
search engines will actually be based on
184
415048
2184
מנועי החיפוש יהיו מבוססים
לא רק על חיפוש
צירופי מלים וקישורים,
צירופי מלים וקישורים,
07:09
not just looking for combinations of words and links
185
417232
2794
07:12
but actually understanding,
186
420026
1914
אלא על הבנה ממשית,
07:13
reading for understanding the billions of pages
187
421940
2411
וכדי להבין הם יקראו
מיליארדי דפים ברשת ובספרים.
מיליארדי דפים ברשת ובספרים.
07:16
on the web and in books.
188
424351
2733
07:19
So you'll be walking along, and Google will pop up
189
427084
2616
לדוגמה, את תטיילי לך,
ו"גוגל" יעלה ויגיד:
ו"גוגל" יעלה ויגיד:
07:21
and say, "You know, Mary, you expressed concern
190
429700
3081
"את יודעת, מרי,
לפני חודש הבעת בפני דאגה
לפני חודש הבעת בפני דאגה
07:24
to me a month ago that your glutathione supplement
191
432781
3019
"מכך שתוסף הגלותטיון שלך
לא עובר את מחסום דם המוח.
לא עובר את מחסום דם המוח.
07:27
wasn't getting past the blood-brain barrier.
192
435800
2231
07:30
Well, new research just came out 13 seconds ago
193
438031
2593
"אז מחקר שפורסם לפני 13 שניות
07:32
that shows a whole new approach to that
194
440624
1711
"מציג גישה חדשה לגמרי לכך
ודרך חדשה לנטילת גלותטיון.
ודרך חדשה לנטילת גלותטיון.
07:34
and a new way to take glutathione.
195
442335
1993
"הבה ואסכם אותו עבורך."
07:36
Let me summarize it for you."
196
444328
2562
07:38
Twenty years from now, we'll have nanobots,
197
446890
3684
בעוד 20 שנה
יהיו לנו ננובוטים,
יהיו לנו ננובוטים,
07:42
because another exponential trend
198
450574
1627
כי מגמה מעריכית נוספת
היא מיזעור הטכנולוגיה.
היא מיזעור הטכנולוגיה.
07:44
is the shrinking of technology.
199
452201
1615
07:45
They'll go into our brain
200
453816
2370
הם ייכנסו למוח דרך נימי הדם
07:48
through the capillaries
201
456186
1703
ועקרונית, יחברו את הניאו-קורטקס
07:49
and basically connect our neocortex
202
457889
2477
07:52
to a synthetic neocortex in the cloud
203
460366
3185
לניאו-קורטקס מלאכותי בענן,
07:55
providing an extension of our neocortex.
204
463551
3591
ובכך יספקו הרחבה
לניאו-קורטקס שלנו.
לניאו-קורטקס שלנו.
07:59
Now today, I mean,
205
467142
1578
היום יש הרי מחשב
בטלפונים שלנו,
בטלפונים שלנו,
08:00
you have a computer in your phone,
206
468720
1530
08:02
but if you need 10,000 computers for a few seconds
207
470250
2754
אבל כשנחוצים 10,000 מחשבים
לכמה שניות, לחיפוש מורכב,
לכמה שניות, לחיפוש מורכב,
08:05
to do a complex search,
208
473004
1495
08:06
you can access that for a second or two in the cloud.
209
474499
3396
אפשר לגשת אליהם
לשניה או שתיים, בענן.
לשניה או שתיים, בענן.
08:09
In the 2030s, if you need some extra neocortex,
210
477895
3095
בשנות ה-30 של המאה ה-21,
אם נזדקק לתוספת ניאו-קורטקס,
אם נזדקק לתוספת ניאו-קורטקס,
08:12
you'll be able to connect to that in the cloud
211
480990
2273
נוכל להתחבר אליו בענן
ישירות מן המוח.
ישירות מן המוח.
08:15
directly from your brain.
212
483263
1648
08:16
So I'm walking along and I say,
213
484911
1543
למשל, אני מטייל לי ואומר:
08:18
"Oh, there's Chris Anderson.
214
486454
1363
"הנה כריס אנדרסון.
הוא בא לקראתי.
הוא בא לקראתי.
08:19
He's coming my way.
215
487817
1525
"כדאי שיהיה לי משהו מחוכם לומר.
08:21
I'd better think of something clever to say.
216
489342
2335
08:23
I've got three seconds.
217
491677
1524
"יש לי 3 שניות.
08:25
My 300 million modules in my neocortex
218
493201
3097
"300 מיליון היחידות
של הניאו-קורטקס שלי
של הניאו-קורטקס שלי
"לא יספיקו בשביל זה.
אני זקוק לעוד מיליארד,"
אני זקוק לעוד מיליארד,"
08:28
isn't going to cut it.
219
496298
1240
08:29
I need a billion more."
220
497538
1246
08:30
I'll be able to access that in the cloud.
221
498784
3323
ואני אוכל לגשת אליהן בענן.
08:34
And our thinking, then, will be a hybrid
222
502107
2812
ואז החשיבה שלנו תהיה
חשיבת-כלאיים:
חשיבת-כלאיים:
08:36
of biological and non-biological thinking,
223
504919
3522
ביולוגית וגם לא-ביולוגית.
08:40
but the non-biological portion
224
508441
1898
אבל החלק הלא-ביולוגי
08:42
is subject to my law of accelerating returns.
225
510339
2682
כפוף ל"חוק ההחזר המואץ" שלי:
08:45
It will grow exponentially.
226
513021
2239
הוא יגדל באופן מעריכי.
08:47
And remember what happens
227
515260
2016
זוכרים מה קרה
08:49
the last time we expanded our neocortex?
228
517276
2645
בפעם האחרונה בה הרחבנו
את הניאו-קורטקס שלנו?
את הניאו-קורטקס שלנו?
08:51
That was two million years ago
229
519921
1426
זה היה לפני 2 מיליון שנים,
כשהפכנו לדמויי-אדם
כשהפכנו לדמויי-אדם
08:53
when we became humanoids
230
521347
1236
08:54
and developed these large foreheads.
231
522583
1594
ופיתחנו את המצח הרחב הזה.
08:56
Other primates have a slanted brow.
232
524177
2583
ליונקים עילאיים אחרים
יש מצח משופע.
יש מצח משופע.
08:58
They don't have the frontal cortex.
233
526760
1745
אין להם אונה מצחית.
09:00
But the frontal cortex is not
really qualitatively different.
really qualitatively different.
234
528505
3685
אבל אונה מצחית אינה
שונה בעצם מבחינה איכותית.
שונה בעצם מבחינה איכותית.
09:04
It's a quantitative expansion of neocortex,
235
532190
2743
זו הרחבה כמותית של הניאו-קורטקס,
09:06
but that additional quantity of thinking
236
534933
2703
אך אותה תוספת כמותית בחשיבה
היא הגורם שאיפשר לנו
היא הגורם שאיפשר לנו
09:09
was the enabling factor for us to take
237
537636
1779
09:11
a qualitative leap and invent language
238
539415
3346
את הזינוק האיכותי
ואת המצאת השפה
ואת המצאת השפה
09:14
and art and science and technology
239
542761
1967
והאמנות, והמדע, והטכנולוגיה,
09:16
and TED conferences.
240
544728
1454
ואת כנסי TED.
09:18
No other species has done that.
241
546182
2131
אין עוד מין שעשה זאת.
09:20
And so, over the next few decades,
242
548313
2075
אז במהלך העשורים הבאים
נעשה זאת שוב.
נעשה זאת שוב.
09:22
we're going to do it again.
243
550388
1760
09:24
We're going to again expand our neocortex,
244
552148
2274
אנו עומדים להרחיב שוב
את הניאו-קורטקס שלנו,
את הניאו-קורטקס שלנו,
09:26
only this time we won't be limited
245
554422
1756
אלא שהפעם לא נהיה מוגבלים
09:28
by a fixed architecture of enclosure.
246
556178
4280
בגלל ארכיטקטורה נוקשה
של מארז כזה או אחר.
של מארז כזה או אחר.
09:32
It'll be expanded without limit.
247
560458
3304
הניאו-קורטקס יתרחב בצורה אינסופית.
09:35
That additional quantity will again
248
563762
2243
ושוב, תוספת הכמות
09:38
be the enabling factor for another qualitative leap
249
566005
3005
תהיה הגורם שיאפשר
זינוק איכותי נוסף
זינוק איכותי נוסף
09:41
in culture and technology.
250
569010
1635
בתרבות ובטכנולוגיה.
09:42
Thank you very much.
251
570645
2054
תודה רבה לכם.
[מחיאות כפיים]
09:44
(Applause)
252
572699
3086
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