TED2009
Juan Enriquez: The next species of human
Juan Enriquez észbontóan új tudományról gondolkodik.
Filmed:
Readability: 3.4
3,584,967 views
A bankvilág egyik meghatározó képviselője, Juan Enriquez szerint most jön a neheze. Nem a szavazócédulánk, vagy a tőzsde lesz az oka. A tudományos laborok felől érkezik a változás, kiváló testi és lelki adottságú gyerekek képében, akik ... mások lesznek mint mi.
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.
00:12
There's a great big elephant in the room called the economy.
0
0
3000
Egy jó nagy elefánt van itt velünk. A gazdaság.
00:16
So let's start talking about that.
1
4000
2000
Beszélgessünk róla.
00:18
I wanted to give you a current picture of the economy.
2
6000
3000
Szeretném megmutatni Önöknek a gazdaság mai állapotát.
00:21
That's what I have behind myself.
3
9000
3000
Ime, itt van mögöttem.
00:24
(Laughter)
4
12000
3000
(Nevetés)
00:27
But of course what we have to remember is this.
5
15000
3000
Persze, amit ebből tudnunk érdemes, az ez:
00:30
And what you have to think about is,
6
18000
3000
Ha tűzben táncolunk, akkor érdemes végiggondolni
00:33
when you're dancing in the flames, what's next?
7
21000
3000
hogy mi következik ezután?
00:36
So what I'm going to try to do in the next 17 and a half minutes
8
24000
3000
A következő 17 és fél percben tehát
00:39
is I'm going to talk first about the flames --
9
27000
2000
először a lángokról beszélek,
00:41
where we are in the economy --
10
29000
2000
arról, hogyan áll most a gazdaság,
00:43
and then I'm going to take three trends
11
31000
2000
majd 3 olyan trendről lesz szó,
00:45
that have taken place at TED over the last 25 years
12
33000
3000
amelyekről a TED-en az elmúlt 25 évben beszéltünk már, és
00:48
and that will take place in this conference
13
36000
2000
amelyek a mostani konferenciának is témái lesznek.
00:50
and I will try and bring them together.
14
38000
3000
Megpróbálom felvázolni a gazdaság és e trendek közti összefüggéseket.
00:53
And I will try and give you a sense of what the ultimate reboot looks like.
15
41000
4000
Azt is megpróbálom érzékeltetni Önökkel, hogyan tudjuk a gazdaságot újra beindítani.
00:57
Those three trends are
16
45000
2000
A három trend a következő:
00:59
the ability to engineer cells,
17
47000
2000
hol tartunk a sejtek átalakításában,
01:01
the ability to engineer tissues,
18
49000
2000
a szövetek átalakításában, és
01:03
and robots.
19
51000
2000
a robotokról.
01:05
And somehow it will all make sense.
20
53000
2000
És mindezekből majd egy kép rajzolódik ki.
01:07
But anyway, let's start with the economy.
21
55000
3000
Nos, kezdjük a gazdasággal.
01:10
There's a couple of really big problems that are still sitting there.
22
58000
3000
Több, igazán nagy problémával küzdünk már egy ideje.
01:13
One is leverage.
23
61000
2000
Az egyik a tőkeáttétel.
01:15
And the problem with leverage is
24
63000
2000
A tőkeáttétellel az a gond, hogy
01:17
it makes the U.S. financial system look like this.
25
65000
3000
ettől az USA pénzügyi szektora így fest.
01:20
(Laughter)
26
68000
3000
(Nevetés)
01:27
So, a normal commercial bank has nine to 10 times leverage.
27
75000
3000
Egy átlagos kereskedelmi bankban a tőkeáttétel kilenc- tízszeres.
01:30
That means for every dollar you deposit, it loans out about nine or 10.
28
78000
3000
Ez azt jelenti, hogy minden egyes betétként elhelyezett dollárra 9-10 dollárt hitelez a bank.
01:33
A normal investment bank is not a deposit bank,
29
81000
3000
Egy átlagos befektetési bank nem takarékszövetkezet,
01:36
it's an investment bank;
30
84000
2000
az bizony befektetési bank,
01:38
it has 15 to 20 times.
31
86000
2000
ahol a tőkeáttétel 15 - 20-szoros.
01:40
It turns out that B of A in September had 32 times.
32
88000
3000
Kiderült, hogy a Bank of America tőkeáttételi mutatója szeptemberben 32-szeres volt.
01:43
And your friendly Citibank had 47 times.
33
91000
3000
és a barátságos Citibanknak 47-szeres.
01:46
Oops.
34
94000
2000
Hoppá.
01:48
That means every bad loan goes bad 47 times over.
35
96000
4000
Ez azt jelenti, hogy a rossz hitelek 47-szeresét veszti el a bank a betétekből.
01:52
And that, of course, is the reason why all of you
36
100000
3000
Ez az oka annak, amiért Önök mindannyian
01:55
are making such generous and wonderful donations
37
103000
3000
oly igen nagyvonalúan támogatják
01:58
to these nice folks.
38
106000
2000
ezeket a kedves fickókat.
02:03
And as you think about that,
39
111000
2000
És ha tovább gondoljuk mindezt
02:05
you've got to wonder: so what do banks have in store for you now?
40
113000
3000
fölmerülhet bennünk, vajon mit tartogatnak számunkra a bankok?
02:11
(Laughter)
41
119000
3000
(Nevetés)
02:20
It ain't pretty.
42
128000
2000
Hát, ez nem túl szép.
02:23
The government, meanwhile, has been acting like Santa Claus.
43
131000
4000
A kormány eközben Mikulást játszik.
02:27
We all love Santa Claus, right?
44
135000
3000
Mindnyájan szeretjük a Mikulást, ugye?
02:30
But the problem with Santa Clause is,
45
138000
3000
Csak gond van ezzel a Mikulással, mert
02:33
if you look at the mandatory spending of what these folks have been doing
46
141000
3000
látjuk, hogy mit is tettek a kötelező kiadásokkal,
02:36
and promising folks,
47
144000
2000
és mit igértek.
02:38
it turned out that in 1967, 38 percent was mandatory spending
48
146000
5000
Kiderül, hogy 1967-ben a kötelező kiadások a költségvetés 38%-át jelentették
02:43
on what we call "entitlements."
49
151000
3000
ezek az úgynevezett "kötelezettségek".
02:46
And then by 2007 it was 68 percent.
50
154000
3000
Ez az arány 2007-ben 68% volt.
02:49
And we weren't supposed to run into 100 percent until about 2030.
51
157000
4000
És úgy terveztük, hogy majd csak 2030-ban érjük el a 100%-ot.
02:54
Except we've been so busy giving away a trillion here, a trillion there,
52
162000
3000
Ehelyett nagy igyekezetünkben ígértünk ide is oda is egy-egy 1 trilliót,
02:57
that we've brought that date of reckoning forward
53
165000
3000
így ezt az időpontot előrehoztuk
03:00
to about 2017.
54
168000
3000
körülbelül 2017-re.
03:03
And we thought we were going to be able to lay these debts off on our kids,
55
171000
3000
Azt gondoltuk, hogy majd ráhagyhatjuk az adósságot a gyermekeinkre.
03:06
but, guess what?
56
174000
2000
de mi történik?
03:08
We're going to start to pay them.
57
176000
2000
Elkezdjük visszafizetni.
03:10
And the problem with this stuff is, now that the bill's come due,
58
178000
2000
És ezzel az a gond, hogy most, hogy megjött a számla
03:12
it turns out Santa isn't quite as cute when it's summertime.
59
180000
4000
kiderült, hogy a Mikulás nem is olyan aranyos nyáron.
03:16
Right?
60
184000
2000
Igaz?
03:18
(Laughter)
61
186000
3000
(Nevetés)
03:30
Here's some advice from one of the largest investors in the United States.
62
198000
4000
Íme néhány jótanács az egyik legnagyobb amerikai befektetőtől.
03:34
This guy runs the China Investment Corporation.
63
202000
3000
Ez az úr a Kínai Befektetési Társaság vezetője.
03:37
He is the main buyer of U.S. Treasury bonds.
64
205000
3000
Ő veszi a legtöbb amerikai államkötvényt.
03:40
And he gave an interview in December.
65
208000
3000
Decemberben készítettek vele egy interjút.
03:43
Here's his first bit of advice.
66
211000
2000
Íme az első tanácsa. [Legyenek kedvesek azokkkal az országokkal, amelyek a kötvényeiket veszik.]
03:45
And here's his second bit of advice.
67
213000
3000
És íme a második. [Szívesen finanszírozzuk a gazdasági fejlődésüket. Egészen addig, amíg ez fenntartható fejlődést jelent.]
03:50
And, by the way,
68
218000
2000
Egyébként,
03:52
the Chinese Prime Minister reiterated this at Davos last Sunday.
69
220000
3000
múlt vasárnap a kínai miniszterelnök Davosban megismételte mindezt.
03:55
This stuff is getting serious enough
70
223000
2000
Ez a téma kezd annyira komollyá válni, hogy
03:57
that if we don't start paying attention to the deficit,
71
225000
2000
ha nem figyelünk oda az államháztartási hiányra
03:59
we're going to end up losing the dollar.
72
227000
3000
az lesz a vége, hogy elveszítjük a dollárt.
04:02
And then all bets are off.
73
230000
3000
És akkor bizony nincs több lehetőség.
04:05
Let me show you what it looks like.
74
233000
3000
Hadd mutassam meg, hogy mit is jelent ez.
04:08
I think I can safely say
75
236000
2000
Bizton állíthatom, hogy
04:10
that I'm the only trillionaire in this room.
76
238000
3000
én vagyok az egyetlen trilliomos a teremben.
04:14
This is an actual bill.
77
242000
2000
Ez itt egy váltó.
04:16
And it's 10 triliion dollars.
78
244000
3000
10 trillió dollárról.
04:19
The only problem with this bill is it's not really worth very much.
79
247000
3000
Az vele az egyelen gond, hogy nem sokat ér.
04:22
That was eight bucks last week, four bucks this week,
80
250000
3000
Múlt héten 8, ezen a héten 4 dollárt ért.
04:25
a buck next week.
81
253000
2000
Jövő héten pedig már csak egyet fog.
04:27
And that's what happens to currencies when you don't stand behind them.
82
255000
4000
Ez történik egy devizával, ha nincs mögötte fedezet.
04:32
So the next time somebody as cute as this shows up on your doorstep,
83
260000
5000
Tehát, ha legközelebb egy kedves kéregető kopogtat az ajtójukon,
04:37
and sometimes this creature's called Chrysler and sometimes Ford and sometimes ... whatever you want --
84
265000
7000
amit néha Chryslernek, néha Fordnak, vagy bármi másnak hívnak,
04:44
you've just got to say no.
85
272000
2000
mondjanak neki nemet.
04:46
And you've got to start banishing a word that's called "entitlement."
86
274000
4000
És száműzzék a szótárukból a "kötelezettség" szót.
04:50
And the reason we have to do that in the short term
87
278000
3000
És ezt egyszerűen azért kell megtennünk, mert
04:53
is because we have just run out of cash.
88
281000
3000
kifogytunk a készpénzből.
04:56
If you look at the federal budget, this is what it looks like.
89
284000
3000
Ha benézünk az államkincstárba, ezt találjuk.
04:59
The orange slice is what's discretionary.
90
287000
3000
A narancssárga szelettel rendelkezhetünk szabadon,
05:02
Everything else is mandated.
91
290000
2000
A fennmaradó részt már előre kijelölt célokra költjük.
05:05
It makes no difference if we cut out the bridges to Alaska in the overall scheme of things.
92
293000
3000
Alepvetően nincs semmi jelentősége, hogy lemondunk-e az Alaszkába vezető hídról.
05:08
So what we have to start thinking about doing
93
296000
3000
Tehát azon érdemes gondolkodnunk például, hogy
05:11
is capping our medical spending
94
299000
2000
korlátozzuk az egészségügyi kiadásainkat,
05:13
because that's a monster that's simply going to eat the entire budget.
95
301000
3000
mert ez a tétel egy olyan szörnyeteg, amely felemésztheti akár az egész költségvetésünket is.
05:16
We've got to start thinking about asking people
96
304000
3000
El kell kezdenünk azon is gondolkozni, hogy arra kérjük honfitársainkat, hogy
05:19
to retire a little bit later.
97
307000
2000
egy kicsit később menjenek csak nyugdíjba.
05:22
If you're 60 to 65 you retire on time.
98
310000
3000
Ha Ön 60-65 év között van, akkor elmehet nyugdíjba.
05:25
Your 401(k) just got nailed.
99
313000
2000
?????????????
05:27
If you're 50 to 60 we want you to work two years more.
100
315000
3000
Az 50 és 60 közöttiektől azt várjuk, hogy dolgozzanak 2 évvel tovább.
05:30
If you're under 50 we want you to work four more years.
101
318000
3000
Aki még nincs 50, attól azt várjuk, hogy dolgozzon 4 évvel tovább.
05:33
The reason why that's reasonable is,
102
321000
3000
Mindezt azzal magyarázhatjuk, hogy
05:36
when your grandparents were given Social Security,
103
324000
2000
amikor nagyapáink beléptek az társadalombiztosítás rendszerébe, azzal számoltunk, hogy
05:38
they got it at 65 and were expected to check out at 68.
104
326000
3000
65 évesen mennek nyugdíjba, és 68 évesen már el is hagyják a rendszert.
05:41
Sixty-eight is young today.
105
329000
3000
Viszont ma a 68 évesek fiatanak számítanak.
05:44
We've also got to cut the military about three percent a year.
106
332000
4000
A hadikiadásokat is csökkentenünk kell, évi 3%-kal.
05:48
We've got to limit other mandatory spending.
107
336000
2000
A többi kötelező elemet is korlátoznunk kell.
05:50
We've got to quit borrowing as much,
108
338000
3000
Kevesebb kölcsönt vehetünk fel,
05:53
because otherwise the interest is going to eat that whole pie.
109
341000
3000
mert a kamatok felemésztik az egész keretet.
05:56
And we've got to end up with a smaller government.
110
344000
2000
És csökkentenünk kell az államapparátust.
05:58
And if we don't start changing this trend line,
111
346000
3000
És ha nem változtatjuk meg az eddigi trendet,
06:01
we are going to lose the dollar
112
349000
2000
elveszthetjük a dollárt,
06:03
and start to look like Iceland.
113
351000
2000
és úgy fogunk járni, mint Izland.
06:05
I got what you're thinking.
114
353000
3000
Tudom, mit gondolnak.
06:08
This is going to happen when hell freezes over.
115
356000
4000
Ez akkor történhet meg, majd ha fagyni fog a pokolban.
06:13
But let me remind you this December it did snow in Vegas.
116
361000
3000
De had emlékeztessem Önöket, idén havazott Vegasban.
06:18
(Laughter)
117
366000
3000
(Nevetés)
06:23
Here's what happens if you don't address this stuff.
118
371000
3000
Íme, ez lesz abból, ha nem foglalkozunk ezzel a kérdéssel.
06:26
So, Japan had a fiscal real estate crisis
119
374000
3000
Japánban a '80-as évek végén ingatlanpiaci válság
06:29
back in the late '80s.
120
377000
2000
következett be.
06:31
And its 225 largest companies today
121
379000
3000
A 225 legnagyobb japán vállalat értéke ma
06:34
are worth one quarter of what they were 18 years ago.
122
382000
3000
a 18 évvel ezelőtti értékük egynegyede.
06:37
We don't fix this now,
123
385000
2000
Ha ma nem oldjuk meg a problémáinkat, akkor
06:39
how would you like to see a Dow 3,500 in 2026?
124
387000
3000
mit fognak szólni egy 3500-on álló DOW-hoz 2026-ban?
06:42
Because that's the consequence of not dealing with this stuff.
125
390000
3000
Mert ez lenne a következménye, ha most nem lépünk.
06:45
And unless you want this person
126
393000
3000
És, hacsak nem akarják ezt az úriembert Floridán kívül
06:48
to not just become the CFO of Florida, but the United States,
127
396000
3000
még az Egyesült Államok első számú pénzügyi vezetőjének is,
06:51
we'd better deal with this stuff.
128
399000
3000
akkor jobb, ha foglalkozunk ezzel a kérdéssel.
06:54
That's the short term. That's the flame part.
129
402000
3000
Ennyit a rövid távról. A tűzoltásról.
06:57
That's the financial crisis.
130
405000
2000
Ez a kérdésnek a pénzügyi válságra vonatkozó része.
06:59
Now, right behind the financial crisis there's a second and bigger wave
131
407000
4000
Nos, a pénzügyi válságot követi egy második, nagyobb hullám,
07:03
that we need to talk about.
132
411000
1000
amiről ügyszintén szót kell ejtenünk.
07:04
That wave is much larger, much more powerful,
133
412000
2000
Ez a hullám sokkal hatalmasabb és erőteljesebb,
07:06
and that's of course the wave of technology.
134
414000
3000
ez természetesen a tudományos-technikai fejlődés.
07:09
And what's really important in this stuff is,
135
417000
2000
És ezzel kapcsolatban az a legfontosabb,
07:11
as we cut, we also have to grow.
136
419000
2000
hogy a korlátozással egyidejűleg növekednünk is kell.
07:13
Among other things, because startup companies
137
421000
3000
Többek között azért, mert a kezdő vállalkozások
07:16
are .02 percent of U.S. GDP investmentm
138
424000
2000
az USA GDP-jének 0,02%-ával gazdálkodhatnak,
07:18
and they're about 17.8 percent of output.
139
426000
3000
viszont ők adják a termelés 17,8%-át.
07:23
It's groups like that in this room that generate the future of the U.S. economy.
140
431000
3000
Ők az USA jövője. Hasonlóak hozzánk, akik ebben a teremben összejöttünk.
07:26
And that's what we've got to keep growing.
141
434000
2000
Ez az, amit továbbra is ösztönöznünk kell.
07:28
We don't have to keep growing these bridges to nowhere.
142
436000
3000
Nincs szükségünk a semmibe vezető hidakra.
07:32
So let's bring a romance novelist into this conversation.
143
440000
4000
És most kapcsoljunk be egy romantikus írót a történetünkbe.
07:38
And that's where these three trends come together.
144
446000
5000
Ez az a pont, ahol a három trend összeér.
07:43
That's where the ability to engineer microbes,
145
451000
3000
Ezen a ponton találkozik az egysejtűek módosítása,
07:46
the ability to engineer tissues,
146
454000
2000
a szövetek módosítása és
07:48
and the ability to engineer robots
147
456000
2000
a robotok fejlesztése.
07:50
begin to lead to a reboot.
148
458000
2000
Ez vezet majd az újrakezdéshez.
07:52
And let me recap some of the stuff you've seen.
149
460000
2000
Had idézzek fel néhány dolgot, mit már láthattak itt.
07:54
Craig Venter showed up last year
150
462000
2000
Tavaly Craig Venter bemutatta Önöknek
07:56
and showed you the first fully programmable cell that acts like hardware
151
464000
2000
az első programozható sejtet, ami hardverként viselkedik.
07:58
where you can insert DNA and have it boot up as a different species.
152
466000
3000
Beillesztünk egy DNS-t, és egy másik fajt kapunk.
08:01
In parallel, the folks at MIT
153
469000
3000
Ezzel egyidőben, a srácok az MIT-n
08:04
have been building a standard registry of biological parts.
154
472000
3000
összeállították a biológiai alkotóelemek egységes adatbázisát.
08:07
So think of it as a Radio Shack for biology.
155
475000
3000
Szóval képzeljenek el egy biológiai raktárat, ahol
08:10
You can go out and get your proteins, your RNA, your DNA, whatever.
156
478000
3000
fehérjét, az RNS-t, és DNS-t vásárolhatnak. Bármit.
08:13
And start building stuff.
157
481000
3000
És elkezdenek barkácsolni.
08:16
In 2006 they brought together high school students and college students
158
484000
3000
2006-ban összehoztak főiskolásokat és egyetemistákat,
08:19
and started to build these little odd creatures.
159
487000
2000
és furcsa lényeket kezdtek el létrehozni.
08:21
They just happened to be alive instead of circuit boards.
160
489000
3000
Csak ezek éppen nem áramkörök voltak, hanem élőlények.
08:24
Here was one of the first things they built.
161
492000
3000
Ez volt az egyik első ilyen élőlény.
08:27
So, cells have this cycle.
162
495000
2000
A sejteknek ez az élet-görbéje.
08:29
First they don't grow.
163
497000
2000
Először nem nővekednek.
08:31
Then they grow exponentially.
164
499000
2000
Azután gyors növekedésbe kezdenek.
08:33
Then they stop growing.
165
501000
2000
Aztán megáll a növekedés.
08:35
Graduate students wanted a way of telling which stage they were in.
166
503000
3000
Az egyetemisták azt akarták, hogy mindig tudják, hogy éppen melyik fázisban vannak a sejtek.
08:38
So they engineered these cells
167
506000
2000
Tehát olyan sejteket fejlesztettek ki,
08:40
so that when they're growing in the exponential phase,
168
508000
2000
amelyeknek örökzöld illata van akkor,
08:42
they would smell like wintergreen.
169
510000
2000
ha a gyors növekedés fázisában vannak.
08:44
And when they stopped growing they would smell like bananas.
170
512000
3000
És amikor megáll a növekedés, akkor banánillatuk van.
08:47
And you could tell very easily when your experiment was working
171
515000
3000
Így nagyon egyszerűen meg lehetett állapítani, hogy működik-e a kísérlet,
08:50
and wasn't, and where it was in the phase.
172
518000
3000
és, hogy éppen melyik fázisban tartanak.
08:53
This got a bit more complicated two years later.
173
521000
3000
2 évre rá jelentősen kinőtte magát ez a munka.
08:56
Twenty-one countries came together. Dozens of teams.
174
524000
2000
21 országból több tucat csapat jött össze.
08:58
They started competing.
175
526000
2000
És elkezdődött a verseny.
09:00
The team from Rice University started to engineer the substance in red wine
176
528000
5000
A Rice egyetem csapata azon kezdett el dolgozni,
09:05
that makes red wine good for you
177
533000
2000
hogy miként lehet a vörösbor jótékony
09:07
into beer.
178
535000
2000
hatású összetevőit átvinni a sörbe.
09:10
So you take resveratrol and you put it into beer.
179
538000
4000
Vesszük hát a rezveratrolt, és átvisszük a sörbe.
09:14
Of course, one of the judges is wandering by, and he goes,
180
542000
3000
Persze, amikor az egyik versenybíró ezt meglátta, felkiáltott:
09:17
"Wow! Cancer-fighting beer! There is a God."
181
545000
4000
Ez igen! Rákellenes sör! Van Isten!
09:21
(Laughter)
182
549000
3000
(Nevetés)
09:24
The team from Taiwan was a little bit more ambitious.
183
552000
3000
A taiwani csapat ennél némileg komolyabb célt tűzött ki magának.
09:27
They tried to engineer bacterias in such a way
184
555000
3000
Olyan baktériumokat próbáltak létrehozni,
09:30
that they would act as your kidneys.
185
558000
3000
amelyek a vese szerepét töltik be.
09:33
Four years ago, I showed you this picture.
186
561000
3000
Négy éve mutattam Önöknek ezt a képet.
09:36
And people oohed and ahhed,
187
564000
2000
És az emberek teljesen odavoltak, mert
09:38
because Cliff Tabin had been able to grow an extra wing on a chicken.
188
566000
3000
Cliff Tabin képes volt a csirkének harmadik szárnyat növeszteni.
09:41
And that was very cool stuff back then.
189
569000
3000
Ez akkor még nagyon vagány dolog volt.
09:44
But now moving from bacterial engineering to tissue engineering,
190
572000
3000
Most azonban a baktériumok átalakításáról áttérünk a szövetek módosítására
09:47
let me show you what's happened in that period of time.
191
575000
3000
Hadd mutassam be Önöknek, hogy hová jutottunk ez idő alatt.
09:50
Two years ago, you saw this creature.
192
578000
3000
2 évvel ezelőtt ezt a lényt látták.
09:53
An almost-extinct animal from Xochimilco, Mexico
193
581000
3000
Ez az állat, az axolotl már majdnem kihalt
09:56
called an axolotl
194
584000
2000
a mexikói Xochimolcóban. Képes arra, hogy
09:58
that can re-generate its limbs.
195
586000
2000
elvesztett végtagjai helyén újakat növesszen.
10:00
You can freeze half its heart. It regrows.
196
588000
2000
Lefagyaszthatjuk a fél szívét. És újranő.
10:02
You can freeze half the brain. It regrows.
197
590000
2000
Lefagyaszthatjuk a fél agyát. És újranő.
10:04
It's almost like leaving Congress.
198
592000
2000
Nagyon emlékeztet a Kongresszusra.
10:06
(Laughter)
199
594000
3000
(Nevetés)
10:12
But now, you don't have to have the animal itself to regenerate,
200
600000
3000
De már arra sincs szükségünk, hogy az állat maga regenerálódjon,
10:15
because you can build cloned mice molars in Petri dishes.
201
603000
5000
mert egy petricsészében létre tudunk hozni klónozott egérzápfogakat.
10:21
And, of course if you can build mice molars in Petri dishes,
202
609000
4000
És, ha létre tudunk hozni egérzápfogakat petricsészében,
10:25
you can grow human molars in Petri dishes.
203
613000
3000
akkor létre tudunk hozni emberi zápfogakat is a petricsészében.
10:28
This should not surprise you, right?
204
616000
2000
Ezen már meg sem kellene lepődnünk, ugye?
10:30
I mean, you're born with no teeth.
205
618000
2000
Arról beszélek, hogy fogak nélkül születünk.
10:32
You give away all your teeth to the tooth fairy.
206
620000
3000
Később minden fogunkat a fogtündérnek adjuk.
10:35
You re-grow a set of teeth.
207
623000
2000
Majd új fogakat növesztünk.
10:37
But then if you lose one of those second set of teeth, they don't regrow,
208
625000
3000
De ha ezek közül a fogak közül elvesztünk egyet, akkor az már nem nő újra,
10:40
unless, if you're a lawyer.
209
628000
2000
hacsak nem vagyunk ügyvédek.
10:42
(Laughter)
210
630000
4000
(Nevetés)
10:46
But, of course, for most of us,
211
634000
3000
De természetesen a legtöbbünk tudja
10:49
we know how to grow teeth, and therefore we can take adult stem teeth,
212
637000
3000
hogyan kell fogat növeszteni. Csak fogjuk az őssejteket
10:52
put them on a biodegradable mold, re-grow a tooth,
213
640000
3000
behelyezzük őket egy biológiailag lebomló öntőformába, újranövesztjük,
10:55
and simply implant it.
214
643000
1000
majd simán beültetjük.
10:56
And we can do it with other things.
215
644000
3000
És sok minden mással is megtehetjük ugyanezt.
10:59
So, a Spanish woman who was dying of T.B. had a donor trachea,
216
647000
5000
Amikor egy haldokló, TBC-fetőzött spanyol hölgy donortól kapott légcsövet,
11:04
they took all the cells off the trachea,
217
652000
2000
eltávolították a légcsőről az összes sejtet,
11:06
they spraypainted her stem cells onto that cartilage.
218
654000
3000
majd a porcot befújták a hölgy őssejtjeivel.
11:09
She regrew her own trachea,
219
657000
2000
Így a hölgy maga növesztett új légcsövet,
11:11
and 72 hours later it was implanted.
220
659000
3000
amit 72 óra múlva már be is ültettek a testébe.
11:14
She's now running around with her kids.
221
662000
2000
Ma pedig már a gyermekeivel szaladgál.
11:16
This is going on in Tony Atala's lab in Wake Forest
222
664000
3000
Ez a Wake Forestben található Tony Atala laboratórium,
11:19
where he is re-growing ears for injured soldiers,
223
667000
3000
ahol sebesült katonák fülét növesztik újra,
11:22
and he's also re-growing bladders.
224
670000
4000
és ha kell, akár húgyhólyagokat is.
11:26
So there are now nine women walking around Boston
225
674000
3000
Így ma már kilenc nő él ilyen úton
11:29
with re-grown bladders,
226
677000
2000
növesztett hugyhólyaggal,
11:31
which is much more pleasant than walking around with a whole bunch of plastic bags
227
679000
2000
ami azért sokkal barátságosabb, mint egy nejlonzacskóval rohangálni
11:33
for the rest of your life.
228
681000
2000
egész hátralévő életükben.
11:35
This is kind of getting boring, right?
229
683000
3000
Ez már kezd kicsit unalmas lenni, igaz?
11:38
I mean, you understand where this story's going.
230
686000
2000
Úgy értem, tudják merre tart ez az egész.
11:40
But, I mean it gets more interesting.
231
688000
2000
De ez ugyanakkor egyre érdekesebb is.
11:42
Last year, this group was able to take all the cells off a heart,
232
690000
4000
Tavaly ez a csapat képes volt minden sejtet lefejteni egy szívről,
11:46
leaving just the cartilage.
233
694000
3000
és csak a porcot hagyták meg.
11:49
Then, they sprayed stem cells onto that heart, from a mouse.
234
697000
2000
Azután egy egér őssejtjeit fújták erre a szívre.
11:51
Those stem cells self-organized, and that heart started to beat.
235
699000
4000
Az őssejtek összeszerveződtek, és a szív dobogni kezdett.
11:55
Life happens.
236
703000
3000
Az élet él, és élni akar.
11:59
This may be one of the ultimate papers.
237
707000
3000
Ezek itt valószínűleg a legutóbbi tanulmányok e témában, melyek
12:02
This was done in Japan and in the U.S., published at the same time,
238
710000
3000
egyidejüleg számolnak be az Amerikában és Japánban született eredményekről
12:05
and it rebooted skin cells into stem cells, last year.
239
713000
4000
melyek során tavaly bőrsejteket őssejtté alakítottak át.
12:10
That meant that you can take the stuff right here,
240
718000
3000
Ez azt jelenti, hogy egy innen kimetszett sejtből,
12:13
and turn it into almost anything in your body.
241
721000
2000
a testünk szinte bármely szövetét vagy szervét pótolhatjuk.
12:15
And this is becoming common, it's moving very quickly,
242
723000
3000
És ez kezd mindennapossá válni,
12:18
it's moving in a whole series of places.
243
726000
3000
a világ egyre több helyén.
12:22
Third trend: robots.
244
730000
2000
A harnmadik trend: a robotok.
12:25
Those of us of a certain age grew up expecting that by now
245
733000
3000
Az én generációam azzal a jövőképpel nőtt fel, hogy
12:28
we would have Rosie the Robot from "The Jetsons" in our house.
246
736000
4000
mára minden háztartásban a Jetson családból ismert Rosie robot segíti majd a házimunkát.
12:32
And all we've got is a Roomba.
247
740000
3000
Ehelyett mindebből csak Rumba, az önjáró porszívó valósult meg.
12:35
(Laughter)
248
743000
3000
(Nevetés)
12:38
We also thought we'd have this robot to warn us of danger.
249
746000
4000
Azt is gondoltuk, hogy a robotok majd figyelmeztetnek minden veszélyre.
12:42
Didn't happen.
250
750000
2000
Hát, ez sem jött be.
12:44
And these were robots engineered for a flat world, right?
251
752000
3000
Ezek a robotok ráadásul egyenletes talajon működnek, igaz?
12:47
So, Rosie runs around on skates
252
755000
2000
Így Rosie csoszogva közlekedik,
12:49
and the other one ran on flat threads.
253
757000
2000
a másik pedig görgőkön.
12:52
If you don't have a flat world, that's not good,
254
760000
2000
Nem sima talaj esetén ez nem működik,
12:54
which is why the robot's we're designing today are a little different.
255
762000
5000
ezért a manapság tervezett robotok kicsit mások.
13:00
This is Boston Dynamics' "BigDog."
256
768000
2000
Ez a Boston Dynamics "BigDog" nevű robotja.
13:05
And this is about as close as you can get to a physical Turing test.
257
773000
3000
Nagyon közel van ahhoz, hogy kiállja a Turing teszt próbáját.
13:08
O.K., so let me remind you, a Turing test is where you've got a wall,
258
776000
4000
Csak, hogy emlékeztessem Önöket. A Turing tesztben adott egy fal, míg Önök
13:12
you're talking to somebody on the other side of the wall,
259
780000
2000
beszélnek a fal túloldalán lévőhöz.
13:14
and when you don't know if that thing is human or animal --
260
782000
3000
Ha nem tudják eldönteni, hogy az a másik ember-e vagy sem
13:17
that's when computers have reached human intelligence.
261
785000
4000
akkor érte el a számítógép az emberi intelligencia szintjét.
13:21
This is not an intelligence Turing rest,
262
789000
3000
Amit látunk nem az intelligenciát vizsgáló Turing teszt, de
13:24
but this is as close as you can get to a physical Turing test.
263
792000
3000
igen közel áll egy mechanikai alapú Turing teszthez.
13:27
And this stuff is moving very quickly,
264
795000
2000
És ez a szerkezet nagyon gyorsan mozog
13:29
and by the way, that thing can carry about 350 pounds of weight.
265
797000
4000
és mellesleg 170 kiló terhet képes szállítani.
13:34
These are not the only interesting robots.
266
802000
3000
Más, érdekes robotok is vannak.
13:37
You've also got flies, the size of flies,
267
805000
2000
Vannak légy-méretű robotok
13:39
that are being made by Robert Wood at Harvard.
268
807000
3000
melyeket Robert Wood készített a Harvardon.
13:42
You've got Stickybots that are being made at Stanford.
269
810000
3000
Vannak pálcika-robotok Stanfordból.
13:45
And as you bring these things together,
270
813000
3000
Ha mindezeket, azaz a sejtek és a
13:48
as you bring cells, biological tissue engineering and mechanics together,
271
816000
6000
a szövetek módosítását, valamint a mechanikai megoldásokat egybevetjük
13:54
you begin to get some really odd questions.
272
822000
3000
meglehetősen furcsa kérdés vetődik fel.
13:57
In the last Olympics, this gentleman,
273
825000
2000
A legutóbbi olimpia alkalmával ez az úr, aki
13:59
who had several world records in the Special Olympics,
274
827000
4000
számos paraolimpiai világcsúcsot tart, nos ő
14:03
tried to run in the normal Olympics.
275
831000
2000
megkísérelt indulni a rendes Olimpián.
14:05
The only issue with Oscar Pistorius
276
833000
2000
Az egyetlen hátránya Oscar Pistoriusnak az,
14:07
is he was born without bones in the lower part of his legs.
277
835000
4000
hogy bokától lefelé csont nélkül született.
14:11
He came within about a second of qualifying.
278
839000
2000
A selejtezők során néhány tizedmásodperccel maradt le a döntőbe jutásról.
14:13
He sued to be allowed to run,
279
841000
3000
Beperelték, hogy ne futhasson.
14:16
and he won the suit,
280
844000
2000
De ő megnyerte a pert.
14:18
but didn't qualify by time.
281
846000
2000
viszont az időeredménye alapján még nem jutott be a döntőbe.
14:20
Next Olympics, you can bet that Oscar, or one of Oscar's successors,
282
848000
5000
Biztosra vehetjük, hogy a következő olimpiára Oscar, vagy egy sorstársa
14:25
is going to make the time.
283
853000
2000
ki fog jutni.
14:27
And two or three Olympics after that, they are going to be unbeatable.
284
855000
3000
És két vagy három olimpia múlva verhetetlenek lesznek.
14:30
And as you bring these trends together, and as you think of what it means
285
858000
5000
Ha összeillesztjük ezeket a trendeket, és megértjük, hogy mindez mit is jelent...
14:35
to take people who are profoundly deaf, who can now begin to hear --
286
863000
4000
azaz a teljesen süket emberek egyszer csak hallani fognak ...
14:39
I mean, remember the evolution of hearing aids, right?
287
867000
3000
Gondoljanak csak a hallókészülék fejlődési lépcsőire!
14:42
I mean, your grandparents had these great big cones,
288
870000
3000
Tudják, nagyapáinknak még nagy tölcsér segítette a hallását
14:45
and then your parents had these odd boxes
289
873000
2000
majd a szüleink ezeket a fura dobozokat használták
14:47
that would squawk at odd times during dinner,
290
875000
2000
amelyek a legrosszabbkor gerjedtek be a vacsora alatt,
14:49
and now we have these little buds that nobody sees.
291
877000
2000
és mára már olyan picivé váltak, hogy nem is láthatóak.
14:51
And now you have cochlear implants
292
879000
2000
És íme, itt van a belső fül - beültetés
14:53
that go into people's heads and allow the deaf to begin to hear.
293
881000
5000
mely már a fej belsejében van, és a süketek hallani tudnak.
14:58
Now, they can't hear as well as you and I can.
294
886000
2000
Bár még nem hallanak olyan jól, mint az egészségesek,
15:00
But, in 10 or 15 machine generations they will,
295
888000
3000
de 10 vagy 15 lépcsőfok múlva már nem lesz különbség.
15:03
and these are machine generations, not human generations.
296
891000
2000
Ezek a gépek fejlődési lépcsői, és nem az emberéi.
15:06
And about two or three years after they can hear as well as you and I can,
297
894000
4000
Rövid idő alatt ezekkel a hallókészülékekkel igen jól lehet majd hallani,
15:10
they'll be able to hear maybe how bats sing, or how whales talk,
298
898000
4000
sőt, lehetséges hogy meghallhatjuk a denevérek énekét és a bálnák beszédét
15:14
or how dogs talk, and other types of tonal scales.
299
902000
3000
és a kutyák eddig hallhatatlan beszédét.
15:17
They'll be able to focus their hearing,
300
905000
2000
Képesek lesznek a hallás fókuszálására,
15:19
they'll be able to increase the sensitivity, decrease the sensitivity,
301
907000
3000
az ingerköszöb emelésére, vagy csökkentésére és más dolgokra is,
15:22
do a series of things that we can't do.
302
910000
2000
melyekre mi nem vagyunk képesek.
15:24
And the same thing is happening in eyes.
303
912000
2000
És ugyanez történik a szemünkkel is.
15:27
This is a group in Germany that's beginning to engineer eyes
304
915000
3000
Ez a német kutató-csoport a szem megváltoztatásán dolgozik,
15:30
so that people who are blind can begin to see light and dark.
305
918000
4000
így az eddig vak emberek képesek érzékelni a fényt és a sötétséget.
15:34
Very primitive.
306
922000
2000
Ez még igen kezdetleges.
15:36
And then they'll be able to see shape.
307
924000
2000
Lesz idő, amikor majd formákat is érzékelnek.
15:38
And then they'll be able to see color, and then they'll be able to see in definition,
308
926000
3000
Később pedig színeket, és egyszer csak nagyobb felbontásban érzékelnek majd.
15:41
and one day, they'll see as well as you and I can.
309
929000
3000
Eljön a nap, amikor ugyanolyan jól látnak majd, mint mi.
15:44
And a couple of years after that, they'll be able to see in ultraviolet,
310
932000
3000
Majd elérkezik a pillanat, amikor érzékelni fogják az ultraibolya és
15:47
they'll be able to see in infrared, they'll be able to focus their eyes,
311
935000
2000
az infravörös fényeket, majd pedig élesen fognak látni,
15:49
they'll be able to come into a microfocus.
312
937000
3000
sőt az igen apró tárgyakat és érzékelik majd.
15:52
They'll do stuff you and I can't do.
313
940000
2000
Olyan dolgokra lesznek képesek, amire mi nem.
15:55
All of these things are coming together,
314
943000
2000
Mindezek a dolgok egymást erősítik majd.
15:57
and it's a particularly important thing to understand,
315
945000
4000
Fontos ennek a megértése főleg manapság,
16:01
as we worry about the flames of the present,
316
949000
3000
amikor a dolgok a körmünkre égnek.
16:04
to keep an eye on the future.
317
952000
3000
Ilyenkor kell a jövőbe néznünk.
16:07
And, of course, the future is looking back 200 years,
318
955000
3000
Most, tekintsünk vissza 200 évvel
16:10
because next week is the 200th anniversary of Darwin's birth.
319
958000
4000
mivel a jövő héten ünnepeljük Darwin születésnapját.
16:14
And it's the 150th anniversary of the publication of "The Origin of Species."
320
962000
6000
Most lesz a 150-ik évfordulója annak, hogy a "Fajok eredete" megjelent.
16:20
And Darwin, of course, argued that evolution is a natural state.
321
968000
4000
Darwin az evolúció természetes volta mellett érvelt.
16:24
It is a natural state in everything that is alive, including hominids.
322
972000
6000
Természetes, hogy minden élőlénynek, így az emberfélékre is hat az evolúció.
16:30
There have actually been 22 species of hominids
323
978000
5000
Mintegy 22 emberszabású faj létezett a Földön,
16:35
that have been around, have evolved, have wandered in different places,
324
983000
4000
fejlődött, módosult a különböző élőhelyeken,
16:39
have gone extinct.
325
987000
2000
majd némelyek kihaltak.
16:41
It is common for hominids to evolve.
326
989000
5000
Mindennapi jelenség, hogy az emberszabásúak fejlődnek.
16:46
And that's the reason why, as you look at the hominid fossil record,
327
994000
3000
Ez az oka annak - és ezt támasztják alá a kövületek is - hogy az
16:49
erectus, and heidelbergensis, and floresiensis, and Neanderthals,
328
997000
8000
erectus, a heidelbergensis, a floresiensis és a neandervölgyi,
16:57
and Homo sapiens, all overlap.
329
1005000
4000
valamint a Homo sapiens egymással átfedésben, részben egymás mellett éltek.
17:02
The common state of affairs is to have overlapping versions of hominids,
330
1010000
5000
Ma úgy látjuk, hogy az emberfélék különféle változatai
17:07
not one.
331
1015000
2000
egyidőben éltek.
17:09
And as you think of the implications of that,
332
1017000
2000
És ha ezt továbbgondoljuk, akkor eljutunk
17:11
here's a brief history of the universe.
333
1019000
2000
a világegyetem rövid történetéhez.
17:13
The universe was created 13.7 billion years ago,
334
1021000
3000
A világegyetem 13.7 milliárd éve jött létre
17:16
and then you created all the stars, and all the planets,
335
1024000
2000
majd létrejöttek a csillagok, a bolygók
17:18
and all the galaxies, and all the Milky Ways.
336
1026000
2000
és az összes galaxis, egyikük a mi Tejútunk.
17:20
And then you created Earth about 4.5 billion years ago,
337
1028000
3000
Majd 4.5 milliárd éve létrejött a Föld
17:23
and then you got life about four billion years ago,
338
1031000
3000
majd megjelent az élet úgy 4 milliárd éve,
17:26
and then you got hominids about 0.006 billion years ago,
339
1034000
4000
majd az emberfélék 0.006 milliárd éve, majd felbukkant
17:30
and then you got our version of hominids about 0.0015 billion years ago.
340
1038000
5000
a mi fajunk úgy 0.0015 milliárd éve.
17:35
Ta-dah!
341
1043000
2000
Ta-daam!
17:37
Maybe the reason for thr creation of the universe,
342
1045000
2000
Lehet, hogy a világegyetem, a galaxisok
17:39
and all the galaxies, and all the planets, and all the energy,
343
1047000
3000
a bolygók kialakulásának, az energiák megjelenésének
17:42
and all the dark energy, and all the rest of stuff
344
1050000
2000
beleértve a sötét energiát is, minden egyebet,
17:44
is to create what's in this room.
345
1052000
4000
nos lehet, hogy ennek a végcélja az volt, ami ebben a teremben van.
17:48
Maybe not.
346
1056000
2000
Lehet, hogy nem.
17:51
That would be a mildly arrogant viewpoint.
347
1059000
3000
Ez egy meglehetősen "nagyvonalú" (/elnagyolt???) megközelítés lenne.
17:54
(Laughter)
348
1062000
4000
(nevetés)
17:59
So, if that's not the purpose of the universe, then what's next?
349
1067000
3000
Nos, ha nem ez volt a végcél, akkor hogyan tovább?
18:04
(Laughter)
350
1072000
4000
(nevetés)
18:08
I think what we're going to see is we're going to see a different species of hominid.
351
1076000
4000
Azt hiszem, hogy amit tapasztalni fogunk az egy új emberféle megjelenése lesz. (Szerintem egy új emberféle fog mejelenni.???)
18:13
I think we're going to move from a Homo sapiens into a Homo evolutis.
352
1081000
4000
Azt hiszem, a Homo sapienstől a Homo evolutis irányába tartunk.
18:17
And I think this isn't 1,000 years out.
353
1085000
2000
Azt hiszem ehhez nem kell 1000 év.
18:19
I think most of us are going to glance at it,
354
1087000
3000
Azt hiszem a legtöbbünk még láthat ebből valamit,
18:22
and our grandchildren are going to begin to live it.
355
1090000
2000
és az unokáink már részesei lesznek mindennek.
18:24
And a Homo evolutis brings together these three trends
356
1092000
3000
És a Homo evolutisban mindhárom trend jelen lesz.
18:27
into a hominid that takes direct and deliberate control
357
1095000
3000
Átveszi az irányítást önnön evolúciója felett,
18:30
over the evolution of his species, her species and other species.
358
1098000
4000
valamint más fajok evolúciója felett is.
18:35
And that, of course, would be the ultimate reboot.
359
1103000
4000
És ez lesz a rendszer végső újraindítása.
18:39
Thank you very much.
360
1107000
2000
Köszönöm szépen.
18:41
(Applause)
361
1109000
3000
(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