TEDxSummit
Juan Enriquez: Will our kids be a different species?
Juan Enriquez: A gyerekeink már más faj lesznek?
Filmed:
Readability: 3.6
2,006,663 views
Az emberi evolúció során több emberverzió is egymás mellett élt. Esetleg most is egy frissítés közepén járunk? Juan Enriquez a TEDxSummiten időn és téren keresztülszáguldva jut el a mostani pillanatig -- és mutatja meg, hogy a technológia milyen bizonyítékokkal is szolgál a talán éppen most zajló, gyors evolúcióra.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:16
All right. So, like all good stories,
0
435
1983
Mint minden jó történet,
00:18
this starts a long, long time ago
1
2418
1934
ez is réges-régen kezdődött,
00:20
when there was basically nothing.
2
4352
2149
mikor tulajdonképpen még semmi sem volt.
00:22
So here is a complete picture of the universe
3
6501
2400
Ez az univerzumunk teljes képe
00:24
about 14-odd billion years ago.
4
8901
3452
körülbelül 14 milliárd éve.
00:28
All energy is concentrated into a single point of energy.
5
12353
3084
Minden energia egyetlen egy pontba koncentrálódik.
00:31
For some reason it explodes,
6
15437
1584
Valamilyen oknál fogva felrobban,
00:32
and you begin to get these things.
7
17021
2116
és mindenféle dolgok kezdenek megjelenni.
00:35
So you're now about 14 billion years into this.
8
19137
2866
Most járunk körülbelül 14 milliárd évnél.
00:37
And these things expand and expand and expand
9
22003
1896
Ezek a dolgok csak nőnek és nőnek,
00:39
into these giant galaxies,
10
23899
1699
több billió ilyen
00:41
and you get trillions of them.
11
25598
1319
hatalmas galaxissá.
00:42
And within these galaxies
12
26917
2148
És ezekben a galaxisokban
00:44
you get these enormous dust clouds.
13
29065
2119
hatalmas porfelhők vannak.
00:47
And I want you to pay particular attention
14
31184
1765
Fordítsanak különös figyelmet
00:48
to the three little prongs
15
32949
1450
erre a három ágacskára
00:50
in the center of this picture.
16
34399
1901
a kép közepén!
00:52
If you take a close-up of those,
17
36300
1415
Így néznek ki,
00:53
they look like this.
18
37715
1653
ha ráközelítünk.
00:55
And what you're looking at is columns of dust
19
39368
2850
Ezek a poroszlopok amit látnak,
00:58
where there's so much dust --
20
42218
2047
mikor ennyi por van egy helyen --
01:00
by the way, the scale of this is a trillion vertical miles --
21
44265
4333
amúgy billió mérföldes léptékben képzeljék el ezt -
01:04
and what's happening is there's so much dust,
22
48598
2918
szóval mikor ilyen sok por van együtt,
01:07
it comes together and it fuses
23
51516
1934
az történik, hogy összeállnak,
01:09
and ignites a thermonuclear reaction.
24
53450
3459
és egy termonukleáris reakció indul el.
01:12
And so what you're watching
25
56909
842
És amit most éppen látnak,
01:13
is the birth of stars.
26
57751
1985
az a csillagok születése.
01:15
These are stars being born out of here.
27
59736
1657
Ezek éppen megszülető csillagok.
01:17
When enough stars come out,
28
61393
2468
Mikor már elég csillag van,
01:19
they create a galaxy.
29
63861
1798
összeállnak egy galaxissá.
01:21
This one happens to be a particularly important galaxy,
30
65659
3434
Ez itt például pont egy különösen fontos galaxis,
01:24
because you are here.
31
69093
2216
mert mind itt vagyunk.
01:27
(Laughter)
32
71309
1167
(Nevetés)
01:28
And as you take a close-up of this galaxy,
33
72476
1651
És ha ráközelítünk erre a galaxisra,
01:30
you find a relatively normal,
34
74127
2065
láthatunk egy viszonylag normális,
01:32
not particularly interesting star.
35
76192
2368
nem különösebben érdekes csillagot.
01:34
By the way, you're now about two-thirds of the way into this story.
36
78560
4015
Mellesleg körülbelül a történet két harmadánál járunk.
01:38
So this star doesn't even appear
37
82575
2182
Szóval ez a csillag meg sem jelenik
01:40
until about two-thirds of the way into this story.
38
84757
2951
a történet kétharmadáig.
01:43
And then what happens
39
87708
1078
És most az történik,
01:44
is there's enough dust left over
40
88786
1406
hogy van annyi maradék por,
01:46
that it doesn't ignite into a star,
41
90192
1966
ami nem gyullad ki csillagként,
01:48
it becomes a planet.
42
92158
2000
hanem egy bolygó lesz.
01:50
And this is about a little over four billion years ago.
43
94158
4825
Ez körülbelül négy milliárd éve történik.
01:54
And soon thereafter
44
98983
1433
Nem sokkal ezután
01:56
there's enough material left over
45
100416
1917
még mindig van elég maradék anyag,
01:58
that you get a primordial soup,
46
102333
4563
hogy összeálljon az őslevessé,
02:02
and that creates life.
47
106896
1764
és létrehozza az életet.
02:04
And life starts to expand and expand and expand,
48
108660
3881
És az élet csak nő és nő és nő,
02:08
until it goes kaput.
49
112541
1751
amíg össze nem omlik.
02:10
(Laughter)
50
114292
3488
(Nevetés)
02:13
Now the really strange thing
51
117780
1430
Az igazán furcsa rész az,
02:15
is life goes kaput, not once, not twice,
52
119210
2906
hogy az élet nem egyszer, nem kétszer,
02:18
but five times.
53
122116
2216
hanem ötször omlik össze.
02:20
So almost all life on Earth
54
124332
2102
Szóval a Földön szinte minden élet megszűnik
02:22
is wiped out about five times.
55
126434
2464
körülbelül öt alkalommal.
02:24
And as you're thinking about that,
56
128898
1552
Ha belegondolnak igazából annyi történik,
02:26
what happens is you get more and more complexity,
57
130450
2432
hogy egyre komplexebb és komplexebb,
02:28
more and more stuff
58
132882
1234
több és több dolog lesz
02:30
to build new things with.
59
134116
4118
amiből építkezni lehet.
02:34
And we don't appear
60
138234
1270
Mi fel sem tűnünk
02:35
until about 99.96 percent of the time into this story,
61
139504
5648
körülbelül a történet 99,96%-ig
02:41
just to put ourselves and our ancestors in perspective.
62
145152
3930
-- csak hogy objektívan láthassuk magunkat és őseinket.
02:44
So within that context, there's two theories of the case
63
149082
3459
Szóval tulajdonképpen két teória van arra,
02:48
as to why we're all here.
64
152541
1689
hogy miért is vagyunk itt.
02:50
The first theory of the case
65
154230
1589
Az első elmélet az,
02:51
is that's all she wrote.
66
155819
3409
hogy így lett megírva.
02:55
Under that theory,
67
159228
1359
E szerint
02:56
we are the be-all and end-all
68
160587
1836
mi vagyunk a teremtés
02:58
of all creation.
69
162423
1733
színe-java.
03:00
And the reason for trillions of galaxies,
70
164156
2884
És az ok galaxisok billióinak,
03:02
sextillions of planets,
71
167040
2013
bolygók trilliárdjainak létezésére
03:04
is to create something that looks like that
72
169053
4710
az, hogy valami ilyesmi
03:09
and something that looks like that.
73
173763
3633
és ilyesmi megszülethessen.
03:13
And that's the purpose of the universe;
74
177396
1541
Ez az univerzum célja,
03:14
and then it flat-lines,
75
178937
1284
és őszintén szólva
03:16
it doesn't get any better.
76
180221
1311
ennél nem is lesz jobb.
03:17
(Laughter)
77
181532
4480
(Nevetés)
03:21
The only question you might want to ask yourself is,
78
186012
2819
A kérdés amit fel kell tennünk magunknak az,
03:24
could that be just mildly arrogant?
79
188831
5235
hogy nem arrogáns ez egy kicsit?
03:29
And if it is --
80
194066
1741
És ha esetleg az --
03:31
and particularly given the fact that we came very close to extinction.
81
195807
5382
főleg azt tekintve, hogy mennyire közel kerültünk a kihaláshoz.
03:37
There were only about 2,000 of our species left.
82
201189
3367
A fajunknak körülbelül kétezer példánya maradt.
03:40
A few more weeks without rain,
83
204556
2083
Pár esőmentes héttel több,
03:42
we would have never seen any of these.
84
206639
3084
és soha nem találkoztunk volna velük.
03:45
(Laughter)
85
209723
6699
(Nevetés)
03:52
(Applause)
86
216422
4634
(Taps)
03:56
So maybe you have to think about a second theory
87
221056
2966
Szóval talán keresni kell egy másik elméletet
03:59
if the first one isn't good enough.
88
224022
2917
ha már az első nem elég jó.
04:02
Second theory is: Could we upgrade?
89
226939
1784
A második elmélet: Javulhatunk?
04:04
(Laughter)
90
228723
2899
(Nevetés)
04:07
Well, why would one ask a question like that?
91
231622
3234
Miért is tennénk fel ezt a kérdést?
04:10
Because there have been at least 29 upgrades so far
92
234856
2465
Mert eddig a humanoidák legalább 29 javuláson
04:13
of humanoids.
93
237321
2036
vannak túl.
04:15
So it turns out that we have upgraded.
94
239357
2850
Úgy tűnik igenis javultunk.
04:18
We've upgraded time and again and again.
95
242207
1915
Újra és újra javultunk.
04:20
And it turns out that we keep discovering upgrades.
96
244122
2916
És úgy tűnik, újabb javulásokat fedezünk fel.
04:22
We found this one last year.
97
247038
2184
Ezt tavaly találtuk.
04:25
We found another one last month.
98
249222
2617
Egy másikat múlt hónapban.
04:27
And as you're thinking about this,
99
251839
2199
És ha már ezen gondolkodunk,
04:29
you might also ask the question:
100
254038
2103
feltehetjük a kérdést:
04:32
So why a single human species?
101
256141
3097
miért EGY emberi fajról beszélünk?
04:35
Wouldn't it be really odd
102
259238
1834
Igazán furcsa lenne, ha
04:36
if you went to Africa and Asia and Antarctica
103
261072
3784
Afrikában és Ázsiában és az Antarktiszon
04:40
and found exactly the same bird --
104
264856
2619
pontosan ugyanabba a madárba botlanánk --
04:43
particularly given that we co-existed at the same time
105
267475
3792
tekintve, hogy legalább nyolc más
04:47
with at least eight other versions of humanoid
106
271267
2786
emberverzióval is együtt éltünk
04:49
at the same time on this planet?
107
274053
2468
már ezen a bolygón?
04:52
So the normal state of affairs
108
276521
1879
Szóval normális esetben
04:54
is not to have just a Homo sapiens;
109
278400
2510
nem csak a Homo sapiens,
04:56
the normal state of affairs
110
280910
1021
normális esetben
04:57
is to have various versions of humans walking around.
111
281931
3829
több különböző emberféle is itt mászkál.
05:01
And if that is the normal state of affairs,
112
285760
2817
És ha ez a normális eset,
05:04
then you might ask yourself,
113
288577
2368
akkor jogos a kérdés,
05:06
all right, so if we want to create something else,
114
290945
2065
oké, ha valami mást akarunk teremteni
05:08
how big does a mutation have to be?
115
293010
2868
mekkora mutációra van szükség?
05:11
Well Svante Paabo has the answer.
116
295878
2632
Svante Paabo tudja a választ.
05:14
The difference between humans and Neanderthal
117
298510
2800
A különbség emberek és neandervölgyiek között
05:17
is 0.004 percent of gene code.
118
301310
3299
a génkészlet 0,004 százaléka.
05:20
That's how big the difference is
119
304609
1700
Ekkora a különbség
05:22
one species to another.
120
306309
2217
két különböző faj között.
05:24
This explains most contemporary political debates.
121
308526
4400
Ez megmagyarázza napjaink néhány politikai vitáját.
05:28
(Laughter)
122
312926
1935
(Nevetés)
05:30
But as you're thinking about this,
123
314861
3211
De ha már itt járunk,
05:33
one of the interesting things
124
318072
1358
az egyik legérdekesebb dolog az, hogy
05:35
is how small these mutations are and where they take place.
125
319430
3397
hol vannak és mennyire kicsik ezek a mutációk.
05:38
Difference human/Neanderthal
126
322827
1333
Az emberek és a neandervölgyiek
05:40
is sperm and testis,
127
324160
1733
spermájukban, heréjükben,
05:41
smell and skin.
128
325893
1368
illatukban és bőrükben különböznek.
05:43
And those are the specific genes
129
327261
1486
Ezek azok a gének
05:44
that differ from one to the other.
130
328747
2680
amik eltérnek egymástól.
05:47
So very small changes can have a big impact.
131
331427
3101
Szóval elég kis változások is nagy hatással járnak.
05:50
And as you're thinking about this,
132
334528
1632
És miközben ezen gondolkozunk,
05:52
we're continuing to mutate.
133
336160
2516
folytatjuk a mutálódást.
05:54
So about 10,000 years ago by the Black Sea,
134
338676
2901
Körülbelül 10.000 éve a Fekete-tengernél
05:57
we had one mutation in one gene
135
341577
2060
felbukkant egy génen egy mutáció,
05:59
which led to blue eyes.
136
343637
2556
ami a kék szemhez vezetett.
06:02
And this is continuing and continuing and continuing.
137
346193
3884
És ez folytatódik és folytatódik,
06:05
And as it continues,
138
350077
1434
és ahogy folytatódik,
06:07
one of the things that's going to happen this year
139
351511
1765
mi ebben az évben
06:09
is we're going to discover the first 10,000 human genomes,
140
353276
3333
fel fogjuk fedezni az első 10.000 emberi genomot,
06:12
because it's gotten cheap enough to do the gene sequencing.
141
356609
3269
mert mára elég olcsó a génszekvenálás.
06:15
And when we find these,
142
359878
1588
És ha megtaláljuk ezeket,
06:17
we may find differences.
143
361466
2494
megtaláljuk a különbségeket.
06:19
And by the way, this is not a debate that we're ready for,
144
363960
3076
Mellesleg erre a vitára még nem állunk készen,
06:22
because we have really misused the science in this.
145
367036
3376
mert eleget használtuk rosszra a tudományt.
06:26
In the 1920s, we thought there were major differences between people.
146
370412
3683
A 20-as években azt hittük, az emberek jelentősen különböznek egymástól.
06:29
That was partly based on Francis Galton's work.
147
374095
3798
Ez részben Francis Galton munkáin alapult.
06:33
He was Darwin's cousin.
148
377893
2136
Ő Darwin unokatestvére volt.
06:35
But the U.S., the Carnegie Institute,
149
380029
2315
De az USA, a Carnegie Intézet,
06:38
Stanford, American Neurological Association
150
382344
2582
Stanford, az Amerikai Neurológusok Egyesülete
06:40
took this really far.
151
384926
1868
túl messzire ment.
06:42
That got exported and was really misused.
152
386794
3599
Az elképzelés elterjedt és problémát okozott.
06:46
In fact, it led to some absolutely horrendous
153
390393
2685
Tulajdonképpen emberi lények
06:48
treatment of human beings.
154
393078
2013
rettenetes bánásmódjához vezetett.
06:50
So since the 1940s, we've been saying there are no differences,
155
395091
2594
Szóval az 1940-es évek óta azt mondjuk, nincs különbség,
06:53
we're all identical.
156
397685
1320
mind ugyanolyanok vagyunk.
06:54
We're going to know at year end if that is true.
157
399005
3277
Az év végére megtudjuk, hogy ez igaz-e.
06:58
And as we think about that,
158
402282
1732
És mikor ezen gondolkozunk,
06:59
we're actually beginning to find things
159
404014
1518
furcsa dolgokat találunk,
07:01
like, do you have an ACE gene?
160
405532
3466
például, hogy van-e ACE-géned?
07:04
Why would that matter?
161
408998
1978
Miért is fontos ez?
07:06
Because nobody's ever climbed an 8,000-meter peak without oxygen
162
410976
4038
Mert oxigén nélkül senki sem mászott meg 8000 méter magas csúcsokat,
07:10
that doesn't have an ACE gene.
163
415014
2750
akinek nem volt ACE-génje.
07:13
And if you want to get more specific,
164
417764
1869
És ha jobban bele akarunk menni,
07:15
how about a 577R genotype?
165
419633
3015
mi van az 577R genotípussal?
07:18
Well it turns out that every male Olympic power athelete ever tested
166
422648
4700
Kiderült, hogy minden valaha tesztelt olimpiai teljesítménysportoló férfi
07:23
carries at least one of these variants.
167
427348
3250
legalább egy variációját hordozza a génnek.
07:26
If that is true,
168
430598
1654
Ha ez igaz,
07:28
it leads to some very complicated questions
169
432252
2158
elvezethet néhány nagyon bonyolult kérdéshez
07:30
for the London Olympics.
170
434410
1801
a londoni olimpiával kapcsolatban.
07:32
Three options:
171
436211
1519
Három lehetőség van:
07:33
Do you want the Olympics to be a showcase
172
437730
2832
Azt akarjuk, hogy az olimpia keményen dolgozó
07:36
for really hardworking mutants?
173
440562
2700
mutánsok parádéja legyen?
07:39
(Laughter)
174
443262
1733
(Nevetés)
07:40
Option number two:
175
444995
2735
A második lehetőség:
07:43
Why don't we play it like golf or sailing?
176
447730
3398
Miért nem úgy játszunk, mint a golfban vagy a vitorlázásban?
07:47
Because you have one and you don't have one,
177
451128
2474
Ha neked van és neked nincs,
07:49
I'll give you a tenth of a second head start.
178
453602
3995
akkor neked adok egy tizedmásodperc előnyt.
07:53
Version number three:
179
457597
1071
A harmadik verzió:
07:54
Because this is a naturally occurring gene
180
458668
2069
mivel ez egy természetesen előforduló gén,
07:56
and you've got it and you didn't pick the right parents,
181
460737
2782
és neked van te pedig nem a jó szülőket választottad,
07:59
you get the right to upgrade.
182
463519
3949
akkor neked lesz jogod javulni.
08:03
Three different options.
183
467468
1751
Három különböző lehetőség.
08:05
If these differences are the difference
184
469219
1622
Ha ezek a különbségek választják el
08:06
between an Olympic medal and a non-Olympic medal.
185
470841
3378
az olimpiai érmet a nem olimpiai éremtől.
08:10
And it turns out that as we discover these things,
186
474219
2834
És felfedezzük ezeket a dolgokat,
08:12
we human beings really like to change
187
477053
3335
pedig mi emberek nagyon szeretünk változtatni,
08:16
how we look, how we act,
188
480388
1694
a kinézetünket, a viselkedésünket,
08:17
what our bodies do.
189
482082
1594
a testünket.
08:19
And we had about 10.2 million plastic surgeries in the United States,
190
483676
4374
Körülbelül 10,2 millió plasztikai műtét zajlik az Egyesült Államokban,
08:23
except that with the technologies that are coming online today,
191
488050
3317
de ezekkel a technológiákkal amik ma elérhetővé válnak,
08:27
today's corrections, deletions,
192
491367
2701
a mai korrekciók, eltüntetések,
08:29
augmentations and enhancements
193
494068
1919
augmentációk és javítások
08:31
are going to seem like child's play.
194
495987
2913
gyerekjátéknak fognak tűnni.
08:34
You already saw the work by Tony Atala on TED,
195
498900
3701
Már Önök is látták Tony Atala TED előadását,
08:38
but this ability to start filling
196
502601
3567
ez a lehetőség, hogy
08:42
things like inkjet cartridges with cells
197
506168
2933
nyomtatópatronokat sejtekkel töltünk meg
08:45
are allowing us to print skin, organs
198
509101
4674
lehetővé teszi, hogy bőrt, szerveket
08:49
and a whole series of other body parts.
199
513775
2750
és más testrészeket nyomtassunk.
08:52
And as these technologies go forward,
200
516525
1884
És ahogy ezek a technológiák fejlődnek,
08:54
you keep seeing this, you keep seeing this, you keep seeing things --
201
518409
3784
és újra és újra találkozunk ilyen dolgokkal --
08:58
2000, human genome sequence --
202
522193
2774
2000-ben a humángenom felfedezése --
09:00
and it seems like nothing's happening,
203
524967
3782
olyan, mintha semmi sem történne
09:04
until it does.
204
528749
3112
amíg egyszer csak meg nem történik.
09:07
And we may just be in some of these weeks.
205
531861
3524
És akár most is ilyen hetekben járhatunk.
09:11
And as you're thinking about
206
535385
1599
És ha belegondolunk,
09:12
these two guys sequencing a human genome in 2000
207
536984
3451
ez a két fickó akik 2000-ben felderítik a humángenomot,
09:16
and the Public Project sequencing the human genome in 2000,
208
540435
3553
és a Public Project amint 2000-ben felderíti a humángenomot --
09:19
then you don't hear a lot,
209
543988
3164
nem hallasz róluk túl sokat,
09:23
until you hear about an experiment last year in China,
210
547152
3984
de aztán tavaly hallasz egy kínai kísérletről,
09:27
where they take skin cells from this mouse,
211
551136
4017
ahol fogták egy egér bőrsejtjeit,
09:31
put four chemicals on it,
212
555153
1733
vegyi anyagokat öntöttek rá,
09:32
turn those skin cells into stem cells,
213
556886
3566
a bőrsejteket őssejtté változtatták,
09:36
let the stem cells grow
214
560452
1465
ezeket hagyták nőni,
09:37
and create a full copy of that mouse.
215
561917
3087
és létrehozták az egér pontos másolatát.
09:40
That's a big deal.
216
565004
3247
Ez elég nagy dolog.
09:44
Because in essence
217
568251
1016
Mert tulajdonképpen ez azt jelenti,
09:45
what it means is you can take a cell,
218
569267
2148
hogy foghatsz egy sejtet,
09:47
which is a pluripotent stem cell,
219
571415
2286
ami egy pluripotens őssejt,
09:49
which is like a skier at the top of a mountain,
220
573701
2684
olyan mint egy síelő a hegy tetején,
09:52
and those two skiers become two pluripotent stem cells,
221
576385
3817
és ez a két síelő két pluripotens őssejtté válik,
09:56
four, eight, 16,
222
580202
1782
néggyé, nyolccá, tizenhattá,
09:57
and then it gets so crowded
223
581984
1668
és annyira zsúfolt lesz
09:59
after 16 divisions
224
583652
1800
16 osztódás után, hogy
10:01
that those cells have to differentiate.
225
585452
2502
a sejteknek szét kell válniuk.
10:03
So they go down one side of the mountain,
226
587954
1433
Úgyhogy lemennek a hegy egyik oldalán,
10:05
they go down another.
227
589387
1233
a hegy másik oldalán.
10:06
And as they pick that,
228
590620
1534
És ahogy ezt kiválasztják,
10:08
these become bone,
229
592154
2250
ezek csonttá válnak,
10:10
and then they pick another road and these become platelets,
230
594404
2932
aztán akik másik utat választanak vérlemezkék lesznek,
10:13
and these become macrophages,
231
597336
2117
ezek makrofágok,
10:15
and these become T cells.
232
599453
1267
ezek pedig T-sejtek.
10:16
But it's really hard, once you ski down,
233
600720
1952
De nagyon nehéz visszajutni,
10:18
to get back up.
234
602672
1523
ha egyszer elindultál lefelé.
10:20
Unless, of course, if you have a ski lift.
235
604195
5412
Kivéve persze ha van egy sílifted.
10:25
And what those four chemicals do
236
609607
2449
Ez a négy vegyi anyag képes rá,
10:27
is they take any cell
237
612056
2069
hogy bármilyen sejtet megfogjon,
10:30
and take it way back up the mountain
238
614125
1932
és visszavigye a hegy tetejére,
10:31
so it can become any body part.
239
616057
2033
így bármilyen testrésszé válhat.
10:33
And as you think of that,
240
618090
1728
Ha belegondolunk,
10:35
what it means is potentially
241
619818
1980
ez potenciálisan azt jelenti,
10:37
you can rebuild a full copy
242
621798
2175
hogy bármilyen organizmus
10:39
of any organism
243
623973
1867
teljes másolatát elkészítheted
10:41
out of any one of its cells.
244
625840
2586
egyetlen sejtjéből.
10:44
That turns out to be a big deal
245
628426
2531
Ez azért akkora dolog,
10:46
because now you can take, not just mouse cells,
246
630957
2566
mert foghatsz bármilyen sejtet, nem csak egerekét,
10:49
but you can human skin cells
247
633523
2318
emberekét is,
10:51
and turn them into human stem cells.
248
635841
3650
és emberi őssejtté alakíthatod.
10:55
And then what they did in October
249
639491
3198
Ez történt októberben,
10:58
is they took skin cells, turned them into stem cells
250
642689
3400
bőrsejtekből őssejteket,
11:01
and began to turn them into liver cells.
251
646089
3673
majd májsejteket csináltak.
11:05
So in theory,
252
649762
1044
Elméletileg tehát
11:06
you could grow any organ from any one of your cells.
253
650806
5184
bármilyen organizmust elkészíthetsz egyetlen sejtjéből.
11:11
Here's a second experiment:
254
655990
1718
Egy másik kísérlet:
11:13
If you could photocopy your body,
255
657708
3133
ha le tudnád fénymásolni a tested,
11:16
maybe you also want to take your mind.
256
660841
3052
akkor valószínűleg az elmédet is le akarnád.
11:19
And one of the things you saw at TED
257
663893
1565
Az egyik dolog amit a TED-en láthattunk
11:21
about a year and a half ago
258
665458
1250
körülbelül másfél éve,
11:22
was this guy.
259
666708
1435
ez a fickó volt.
11:24
And he gave a wonderful technical talk.
260
668143
2600
Csodálatos szakmai beszédet tartott.
11:26
He's a professor at MIT.
261
670743
1599
Professzor az MIT-n.
11:28
But in essence what he said
262
672342
1916
Dióhéjban azt mondta,
11:30
is you can take retroviruses,
263
674258
1700
hogy vehetünk retrovírusokat,
11:31
which get inside brain cells of mice.
264
675958
2800
és betehetjük egerek agysejtjeibe.
11:34
You can tag them with proteins
265
678758
2440
Megjelölhetjük őket fehérjékkel
11:37
that light up when you light them.
266
681198
2094
amik világítanak ha felkapcsoljuk őket.
11:39
And you can map the exact pathways
267
683292
3716
Így feltérképezhető minden útvonal
11:42
when a mouse sees, feels, touches,
268
687008
3483
ahogy az egér lát, érez, tapint,
11:46
remembers, loves.
269
690491
2183
emlékezik, szeret.
11:48
And then you can take a fiber optic cable
270
692674
2373
És akkor egy száloptikán keresztül
11:50
and light up some of the same things.
271
695047
3819
felkapcsolhatod ugyanazokat a dolgokat.
11:54
And by the way, as you do this,
272
698866
1832
Miközben ezt csinálod,
11:56
you can image it in two colors,
273
700698
2017
két színben képzeld el,
11:58
which means you can download this information
274
702715
2399
tehát az információt akár le is töltheted
12:01
as binary code directly into a computer.
275
705114
4740
bináris kódként a számítógépedre.
12:05
So what's the bottom line on that?
276
709854
2473
Szóval mi is a lényeg?
12:08
Well it's not completely inconceivable
277
712327
2200
Nem teljesen elképzelhetetlen,
12:10
that someday you'll be able to download your own memories,
278
714527
4495
hogy egy nap képesek leszünk letölteni a saját emlékeinket
12:14
maybe into a new body.
279
719022
2387
esetleg egy új testbe.
12:17
And maybe you can upload other people's memories as well.
280
721409
5085
És talán más emberek emlékeit is fel tudjuk tölteni.
12:22
And this might have just one or two
281
726494
2514
Ennek akad néhány kisebb
12:24
small ethical, political, moral implications.
282
729008
3520
etikai, politikai és morális vonzata.
12:28
(Laughter)
283
732528
1531
(Nevetés)
12:29
Just a thought.
284
734059
2991
Csak egy gondolat.
12:32
Here's the kind of questions
285
737050
1528
Ezek a kérdések
12:34
that are becoming interesting questions
286
738578
1980
amik egyre fontosabbá válnak
12:36
for philosophers, for governing people,
287
740558
2484
a filozófusok, kormányzók,
12:38
for economists, for scientists.
288
743042
3366
közgazdászok, tudósok számára.
12:42
Because these technologies are moving really quickly.
289
746408
3284
Mert ezek a technológiák nagyon gyorsan fejlődnek.
12:45
And as you think about it,
290
749692
1500
Gondoljunk egy kicsit bele
12:47
let me close with an example of the brain.
291
751192
3082
az agy példáján keresztül.
12:50
The first place where you would expect
292
754274
1683
A legelső hely ahol
12:51
to see enormous evolutionary pressure today,
293
755957
3051
manapság hatalmas evolúciós nyomást érzünk ,
12:54
both because of the inputs,
294
759008
2265
egyrészt a rengeteg
12:57
which are becoming massive,
295
761273
1552
bejövő információ,
12:58
and because of the plasticity of the organ,
296
762825
1782
másrészt a szerv formálhatósága miatt,
13:00
is the brain.
297
764607
2534
az az agy.
13:03
Do we have any evidence that that is happening?
298
767141
3318
Van egyáltalán bizonyítékunk minderre?
13:06
Well let's take a look at something like autism incidence per thousand.
299
770459
4731
Vegyük például az ezer főre jutó autistákat.
13:11
Here's what it looks like in 2000.
300
775190
2502
2000-ben így álltak a dolgok.
13:13
Here's what it looks like in 2002,
301
777692
2082
Így néz ki 2002-ben,
13:15
2006, 2008.
302
779774
4618
2006-ban, 2008-ban.
13:20
Here's the increase in less than a decade.
303
784392
4082
Ennyit nőtt kevesebb, mint egy évtized alatt.
13:24
And we still don't know why this is happening.
304
788474
4417
És még mindig nem értjük, miért is.
13:28
What we do know is, potentially,
305
792891
2485
Viszont tudjuk, hogy talán
13:31
the brain is reacting in
306
795376
2032
az agy hiperaktív, hiperbefolyásolható
13:33
a hyperactive, hyper-plastic way,
307
797408
2134
módon reagál,
13:35
and creating individuals that are like this.
308
799542
2950
és ilyen egyének jönnek létre.
13:38
And this is only one of the conditions that's out there.
309
802492
2757
Ez csak egy a meglévő dolgok közül.
13:41
You've also got people with who are extraordinarily smart,
310
805249
3540
Vannak emberek, akik kiemelkedően okosak,
13:44
people who can remember everything they've seen in their lives,
311
808789
2397
akik mindent képesek felidézni amit életükben láttak,
13:47
people who've got synesthesia,
312
811186
1385
emberek szinesztéziával,
13:48
people who've got schizophrenia.
313
812571
1331
emberek skizofréniával.
13:49
You've got all kinds of stuff going on out there,
314
813902
2534
Mindenféle dolgok folynak,
13:52
and we still don't understand
315
816436
1218
és még mindig nem értjük,
13:53
how and why this is happening.
316
817654
2233
hogy hogyan és miért is.
13:55
But one question you might want to ask is,
317
819887
2682
A kérdés, amit fel akarunk tenni az,
13:58
are we seeing a rapid evolution of the brain
318
822569
2628
hogy ez vajon az agy és az információfeldolgozás
14:01
and of how we process data?
319
825197
1825
gyors evolúciója-e?
14:02
Because when you think of how much data's coming into our brains,
320
827022
3063
Mert ha belegondolunk mennyire sok adat áramlik az agyunkba,
14:05
we're trying to take in as much data in a day
321
830085
3484
egy nap alatt annyi adattal szembesülünk,
14:09
as people used to take in in a lifetime.
322
833569
2551
mint régen egy élet alatt.
14:12
And as you're thinking about this,
323
836120
2632
Itt van négy elmélet a témában,
14:14
there's four theories as to why this might be going on,
324
838752
2342
hogy mi is történik éppen,
14:16
plus a whole series of others.
325
841094
1327
plusz egy csomó másik.
14:18
I don't have a good answer.
326
842421
1649
Nincsenek jó válaszaim.
14:19
There really needs to be more research on this.
327
844070
3616
Sokkal több kutatásra van szükség.
14:23
One option is the fast food fetish.
328
847686
2235
Egy lehetőség a gyorsételfétis.
14:25
There's beginning to be some evidence
329
849921
2449
Vannak bizonyítékok arra,
14:28
that obesity and diet
330
852370
2251
hogy az elhízás és az étkezés
14:30
have something to do
331
854621
1631
hatással vannak
14:32
with gene modifications,
332
856252
1768
a génmódosulásokra,
14:33
which may or may not have an impact
333
858020
2350
amik esetleg befolyásolhatják
14:36
on how the brain of an infant works.
334
860370
3517
a csecsemők agyi működését.
14:39
A second option is the sexy geek option.
335
863887
3955
A második lehetőség a "szexi kockafejűké".
14:43
These conditions are highly rare.
336
867842
4243
Ez nagyon ritkán fordul elő.
14:47
(Laughter)
337
872085
3038
(Nevetés)
14:51
(Applause)
338
875123
5300
(Taps)
14:56
But what's beginning to happen
339
880423
1633
De ami történik az az, hogy
14:57
is because these geeks are all getting together,
340
882056
2534
ezek a "kockafejűek" közelednek egymáshoz,
15:00
because they are highly qualified for computer programming
341
884590
2897
mert magasan képzettek a számítógépes kódolásban
15:03
and it is highly remunerated,
342
887487
2318
amit magasan megfizetnek,
15:05
as well as other very detail-oriented tasks,
343
889805
3150
sőt más részletközpontú feladatokban is jók,
15:08
that they are concentrating geographically
344
892955
2449
és így egy helyre koncentrálódnak földrajzilag,
15:11
and finding like-minded mates.
345
895404
2967
hasonlók társaságát keresve.
15:14
So this is the assortative mating hypothesis
346
898371
3568
Ez a hasonló egyedek párosodásának hipotézise,
15:17
of these genes reinforcing one another
347
901939
2700
ahol ezek a gének
15:20
in these structures.
348
904639
2117
felerősítik egymást.
15:22
The third, is this too much information?
349
906756
2950
A harmadik: túl sok információ?
15:25
We're trying to process so much stuff
350
909706
1497
Annyi dolgot próbálunk feldolgozni,
15:27
that some people get synesthetic
351
911203
2352
hogy néhány ember szinesztéziás lesz
15:29
and just have huge pipes that remember everything.
352
913555
2600
és mindenre emlékezni fog.
15:32
Other people get hyper-sensitive to the amount of information.
353
916155
2669
Más emberek túlérzékenyek lesznek az információáradatra.
15:34
Other people react with various psychological conditions
354
918824
3982
Mások különböző pszichológiai állapotokkal vagy
15:38
or reactions to this information.
355
922806
1632
reakciókkal válaszolnak az információra.
15:40
Or maybe it's chemicals.
356
924438
2702
Lehet, hogy ezt csak a vegyszerek okozzák.
15:43
But when you see an increase
357
927140
1765
De ha ekkora emelkedést
15:44
of that order of magnitude in a condition,
358
928905
2351
látsz egy betegség körében,
15:47
either you're not measuring it right
359
931256
1565
akkor vagy rosszul végzed a méréseidet,
15:48
or there's something going on very quickly,
360
932821
2518
vagy valami történik, nagyon gyorsan,
15:51
and it may be evolution in real time.
361
935339
4032
és ez talán valós idejű evolúció.
15:55
Here's the bottom line.
362
939371
2503
Szóval a lényeg.
15:57
What I think we are doing
363
941874
2181
Szerintem mint faj,
15:59
is we're transitioning as a species.
364
944055
1716
éppen átmenetben vagyunk.
16:01
And I didn't think this when Steve Gullans and I started writing together.
365
945771
5484
Mikor Steven Gullansszal elkezdtünk írni, még nem ezt gondoltam.
16:07
I think we're transitioning into Homo evolutis
366
951255
2451
Azt hiszem Homo evolutisszá válunk éppen,
16:09
that, for better or worse,
367
953706
1399
akik, bárhogyan is,
16:11
is not just a hominid that's conscious of his or her environment,
368
955105
4182
de nemcsak a saját környezetükkel szemben tudatosak,
16:15
it's a hominid that's beginning to directly and deliberately
369
959287
3219
hanem kezdik közvetlenül és akaratlagosan
16:18
control the evolution of its own species,
370
962506
3198
irányítani a saját fajuk,
16:21
of bacteria, of plants, of animals.
371
965704
3834
baktériumok, növények és állatok evolúcióját.
16:25
And I think that's such an order of magnitude change
372
969538
2835
És véleményem szerint ez a változás akkora mértékű,
16:28
that your grandkids or your great-grandkids
373
972373
3103
hogy az unokáink és dédunokáink
16:31
may be a species very different from you.
374
975476
3045
talán már egészen más faj lesznek.
16:34
Thank you very much.
375
978521
1586
Köszönöm szépen.
16:36
(Applause)
376
980107
5331
(Taps)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com