TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: Quale sarà la prossima grande scoperta scientifica?
Filmed:
Readability: 4.3
1,571,528 views
Nel corso della storia, la speculazione ha dato impulso ad una scienza meravigliosa e rivoluzionaria - che ha aperto i nostri occhi su universi completamente nuovi. "Non parlo di piccoli passi," dice Eric Haseltine. "Parlo di quella scienza che procede a grandi balzi." Nel suo discorso, Haseltine ci conduce appassionatamente ai vertici della ricerca scientifica con due idee - una che ha già fatto la storia, e l'altra che scava nelle più grandi domande dell'umanità con ambizione ammirevole (e una sana dose di scetticismo da parte di molti).
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Double-click the English transcript below to play the video.
00:12
Tonight, I'm going to share with you
my passion for science.
my passion for science.
0
920
3616
Questa sera condividerò
con voi la mia passione per la scienza.
con voi la mia passione per la scienza.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
Non mi riferisco alla scienza
che procede a piccoli passi.
che procede a piccoli passi.
Parlo di quella scienza
che fa procede a grandi balzi.
che fa procede a grandi balzi.
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
Parlo di Darwin,
parlo di Einstein,
parlo di Einstein,
00:27
I'm talking revolutionary science
that turns the world on its head.
that turns the world on its head.
4
15280
3600
parlo di quella scienza rivoluzionaria
che fa girar la testa al mondo.
che fa girar la testa al mondo.
00:31
In a moment, I'm going to talk
about two ideas that might do this.
about two ideas that might do this.
5
19440
3400
Fra poco parlerò di due
idee che potrebbero riuscirci.
idee che potrebbero riuscirci.
00:35
I say "might"
6
23800
1216
Dico "potrebbero"
perché le idee rivoluzionarie
sono spesso sbagliate,
sono spesso sbagliate,
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
e anche quelle giuste di rado
provocano la reazione
provocano la reazione
00:42
that we want them to have.
9
30320
1696
che ci aspetteremmo.
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Per spiegare perché ho
scelto proprio due idee,
scelto proprio due idee,
00:46
I'm going to start with a mystery.
11
34560
1680
inizierò con un mistero.
00:48
1847, Vienna, Austria.
12
36840
3080
1847, Vienna, Austria.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Ignaz Semmelweis era un
dottore severo e assai scrupoloso
dottore severo e assai scrupoloso
00:56
who ran two maternity clinics.
14
44720
1856
che gestiva due
cliniche ostetriche.
cliniche ostetriche.
00:58
They were identical except for one thing.
15
46600
2440
Erano identiche, fatta
eccezione per una cosa.
eccezione per una cosa.
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
Le donne morivano di
febbri alte dopo il parto
febbri alte dopo il parto
01:04
three times more often
at one of the clinics than at the other.
at one of the clinics than at the other.
17
52400
3560
tre volte più spesso in una
clinica piuttosto che nell'altra.
clinica piuttosto che nell'altra.
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Cercando di capire quale
fosse la differenza che le causava
fosse la differenza che le causava
01:11
Semmelweis looked at everything he could.
19
59560
2016
Semmelweis esaminò
tutto ciò che poteva.
tutto ciò che poteva.
01:13
Sanitation? No.
20
61600
1736
L'igiene? No.
01:15
Medical procedures? No.
21
63360
2000
Procedure mediche? No.
01:18
Air flow? No.
22
66000
1920
Correnti d'aria? No.
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
Il mistero rimase irrisolto
finché non fece l'autopsia su un dottore
finché non fece l'autopsia su un dottore
01:24
who died of an infected scalpel cut.
24
72080
2000
morto per un taglio da bisturi infetto.
01:26
The doctor's symptoms were identical
to those of the mothers who were dying.
to those of the mothers who were dying.
25
74760
3776
I sintomi del dottore erano identici a
quelli delle madri che stavano morendo.
quelli delle madri che stavano morendo.
01:30
How was that possible?
26
78560
1376
Com'era possibile?
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
Come poteva un dottore uomo
ammalarsi come le novelle madri?
ammalarsi come le novelle madri?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis ricostruì tutto
ciò che aveva fatto il dottore
ciò che aveva fatto il dottore
01:38
right before he got sick,
29
86840
1256
poco prima di ammalarsi,
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
e scoprì che aveva eseguito
un'autopsia su un cadavere.
un'autopsia su un cadavere.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
Qualcosa finito nella
sua ferita lo aveva ucciso?
sua ferita lo aveva ucciso?
01:48
With growing excitement,
32
96760
1776
Con entusiasmo nascente
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
Sammelweis cercò ogni
connessione possibile
connessione possibile
01:53
between dead bodies in the morgue
and dead mothers in his delivery room,
and dead mothers in his delivery room,
34
101400
5376
tra i cadaveri nell'obitorio e
le madri decedute nella sua sala parto.
le madri decedute nella sua sala parto.
01:58
and he found it.
35
106800
1600
E la trovò.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Venne fuori che nell'ospedale
col tasso di morte più alto,
col tasso di morte più alto,
02:04
but not the others,
37
112200
1776
ma non negli altri,
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
i dottori facevano nascere i bambini
dopo aver svolto autopsie in obitorio.
dopo aver svolto autopsie in obitorio.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
Aha! I cadaveri contaminavano
le mani dei dottori
le mani dei dottori
02:15
and killing his mothers.
40
123120
1240
e uccidevano le madri.
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Ordinò così ai dottori
di sterilizzare le proprie mani
di sterilizzare le proprie mani
02:20
and the deaths stopped.
42
128320
2280
e le morti si fermarono.
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
Il dottore Ignaz Semmelweis aveva
scoperto una malattia infettiva.
scoperto una malattia infettiva.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
Ma i dottori del tempo
pensarono fosse pazzo,
pensarono fosse pazzo,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
perché avevano
imparato per secoli
imparato per secoli
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
che i vapori odorosi chiamati
miasma provocavano malattie,
miasma provocavano malattie,
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
non queste ipotetiche particelle
che non si vedevano nemmeno.
che non si vedevano nemmeno.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
Ci sono voluti 20 anni
affinché il francese Louis Pasteur
affinché il francese Louis Pasteur
02:49
to prove that Semmelweis was right.
49
157080
1960
provasse che Semmelweis aveva ragione.
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur era un chimico agrario
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
che cercò di capire perché il latte e
la birra si guastavano così spesso.
la birra si guastavano così spesso.
02:58
He found that bacteria were the culprits.
52
166600
2440
Scoprì che ne erano
colpevoli i batteri.
colpevoli i batteri.
03:02
He also found that bacteria
could kill people in exactly the same way
could kill people in exactly the same way
53
170160
3856
Scoprì anche che i batteri potevano
uccidere le persone nello stesso modo
uccidere le persone nello stesso modo
03:06
that Semmelweis's patients were dying.
54
174040
2320
in cui morivano le pazienti
di Semmelweis.
di Semmelweis.
03:09
We now look at what I want
to talk about tonight, in two ideas.
to talk about tonight, in two ideas.
55
177120
4400
Esamineremo ora ciò di cui
voglio parlarvi stasera, in due idee.
voglio parlarvi stasera, in due idee.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
L'abbiamo visto con Semmelweis,
che era un rivoluzionario.
che era un rivoluzionario.
03:18
He did it for two reasons.
57
186560
1256
Lo ha fatto per due motivi
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
Uno: ci ha aperto gli occhi
su un mondo completamente nuovo.
su un mondo completamente nuovo.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
Sapevamo dei batteri dal 1680.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
Solo che non sapevamo che
i batteri uccidessero le persone.
i batteri uccidessero le persone.
03:29
And he also demolished fond ideas
that people kept close to their heart.
that people kept close to their heart.
61
197200
5056
Ha anche distrutto idee radicate,
ritenute care dalla gente.
ritenute care dalla gente.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
I miasmi non uccidevano le persone.
I batteri si.
I batteri si.
03:38
So this brings me to the two ideas
I want to talk about tonight.
I want to talk about tonight.
63
206080
3336
Questo mi porta alle due idee
di cui voglio parlare stasera.
di cui voglio parlare stasera.
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
Una ci ha aperto gli occhi su un
mondo completamente nuovo
mondo completamente nuovo
03:44
and the other attacks long-held beliefs.
65
212280
3976
mentre l'altra attacca
credenze stabilite da tempo.
credenze stabilite da tempo.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
Iniziamo con il dottor Eric Betzig.
03:50
He's a physicist who has opened our eyes
to an entirely new world
to an entirely new world
67
218240
3896
è un medico che ci ha aperto
gli occhi su un mondo nuovo
gli occhi su un mondo nuovo
03:54
by violating the laws of physics.
68
222160
1880
violando le leggi della fisica.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig è un vero ribelle.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Ha lasciato il lavoro in un
prestigioso Bell Laboratory
prestigioso Bell Laboratory
04:01
inventing new microscopes for biology
71
229480
2256
per inventare nuovi
microscopi per la biologia
microscopi per la biologia
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
perché pensava che gli scienziati
usassero le sue invenzioni brillanti
usassero le sue invenzioni brillanti
04:08
and doing lousy work with them.
73
236120
1520
per farne lavori disgustosi.
04:10
So he became a househusband,
74
238880
3040
Così è diventato un casalingo,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
ma non ha mai perso
la passione per capire
la passione per capire
come far vedere al microscopio
dettagli sempre più piccoli
dettagli sempre più piccoli
04:17
how to get microscopes
to see finer and finer details
to see finer and finer details
76
245960
2896
04:20
than had ever been seen before
or ever could be seen.
or ever could be seen.
77
248880
2477
che non si erano visti prima,
o non potevano esserlo.
o non potevano esserlo.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Questo è cruciale se vogliamo capire
come funzionano le cellule,
come funzionano le cellule,
04:28
and how cancer works,
79
256440
1495
e come funziona il cancro,
04:29
and how something
150th the size of a head of a pin
150th the size of a head of a pin
80
257959
5417
e come può una cosa 150 volte
più piccola della testa di uno spillo,
più piccola della testa di uno spillo,
04:35
can do all these amazing things,
81
263400
2136
fare tutte queste cose meravigliose,
04:37
like make proteins
82
265560
1576
come creare proteine
04:39
and move charges around
83
267160
1896
e spostare carichi
04:41
and all of those things.
84
269080
1280
e tutte queste cose.
04:43
There's just one problem.
85
271400
1680
C'è solo un problema.
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
Ci sono queste cose
chiamate leggi della fisica,
chiamate leggi della fisica,
04:49
and part of the law of physics
is the thing called the diffraction limit.
is the thing called the diffraction limit.
87
277040
3456
e parte delle leggi della fisica
è il limite di diffrazione.
è il limite di diffrazione.
Il limite di diffrazione è come
quando vai nello studio del dottore,
quando vai nello studio del dottore,
04:52
The diffraction limit is kind of like
when you go to a doctor's office,
when you go to a doctor's office,
88
280520
3376
e puoi vedere solo fin lì,
non conta la qualità degli occhiali.
non conta la qualità degli occhiali.
04:55
you can only see so far down,
no matter how good glasses you have.
no matter how good glasses you have.
89
283920
3136
Questo era un cosiddetto
problema irrisolvibile.
problema irrisolvibile.
04:59
This was a so-called impossible problem.
90
287080
3376
05:02
But one of Betzig's friends
figured out how to take a tiny molecule
figured out how to take a tiny molecule
91
290480
3176
Uno degli amici di Betzig, però,
capì come prendere una molecola
capì come prendere una molecola
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
più piccola da esser vista
col miglior microscopio
col miglior microscopio
05:08
and get it to light up and fluoresce.
93
296120
2136
illuminarla e renderla fluorescente.
05:10
"Aha!" Betzig said.
94
298280
2496
"Aha!" disse Betzig.
05:12
"I think maybe the laws of physics
are not so unbreakable after all."
are not so unbreakable after all."
95
300800
4696
"Penso che le leggi della fisica
non siano poi così infrangibili."
non siano poi così infrangibili."
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Trasportò un microscopio
nel salotto del suo amico.
nel salotto del suo amico.
05:22
He had no laboratory.
97
310400
1816
Non aveva un laboratorio.
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Questo strumento rivoluzionario
portava diverse molecole proteiche
portava diverse molecole proteiche
05:27
to light up in different colors,
99
315840
1560
ad accendersi di colori diversi,
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
e, con un computer, era in grado
di trasformare macchie sfocate
di trasformare macchie sfocate
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
in punti precisi e di produrre immagini
di un chiarezza notevole, senza precendenti
di un chiarezza notevole, senza precendenti
05:41
For this work, last year,
102
329520
2296
Per questo lavoro, lo scorso anno,
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
Eric Betzig ha vinto il premio Nobel.
05:47
Why?
104
335360
1216
Perché?
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
Perché ora possiamo vedere
con dettagli mai visti prima
con dettagli mai visti prima
05:52
things that we never had seen before,
106
340720
1816
cose che non abbiamo visto mai,
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
e ora i dottori possono afferrare
meglio cose come il cancro.
meglio cose come il cancro.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
Ma pensate che Betzig
fosse soddisfatto qui?
fosse soddisfatto qui?
06:01
No.
109
349600
1296
No.
06:02
He wanted movies.
110
350920
1856
Lui voleva dei filmati.
06:04
The problem was
111
352800
1216
Il problema era che
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
anche i geniali microscopi che
aveva inventato erano troppo lenti.
aveva inventato erano troppo lenti.
06:10
So what did he do?
113
358040
1256
Quindi cosa fece?
06:11
He came up with a 200-year-old idea
114
359320
3576
Se ne uscì con un'idea
vecchia di 200 anni
vecchia di 200 anni
06:14
called moiré patterns.
115
362920
1696
dal nome di modelli moiré.
06:16
So the way that works is
if you take two very, very fine patterns
if you take two very, very fine patterns
116
364640
3456
Ora, funziona se si prendono
due modelli molto sottili
due modelli molto sottili
06:20
and you move them across each other,
117
368120
1776
e si muovono l'uno sull'altro,
06:21
you will see a gross pattern
118
369920
3016
ne risulta un modello complessivo
06:24
that a microscope can see
119
372960
1480
che il microscopio vede,
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
ma che altrimenti
non si potrebbe vedere.
non si potrebbe vedere.
06:29
So he applied this technique
to taking a really blurry image of a cell
to taking a really blurry image of a cell
121
377480
3296
Applicò questa tecnica per prendere
l'immagine cellulare sfocata
l'immagine cellulare sfocata
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
e muovere molti modelli di luce
strutturati su di essa
strutturati su di essa
06:35
until this cell became crystal clear.
123
383400
2440
fino a che la cellula diventa visibile.
06:38
And here is the result:
124
386840
2016
Questo è il risultato:
06:40
a mysterious new world,
125
388880
2736
un nuovo misterioso mondo,
06:43
full of strange things zipping around
126
391640
2136
pieno di strane cose che svolazzano
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
facendo cose che noi
non conosciamo.
non conosciamo.
06:49
But when we figure it out,
we'll have a better handle on life itself.
we'll have a better handle on life itself.
128
397600
3976
Ma quando lo capiremo,
afferreremo meglio il processo della vita.
afferreremo meglio il processo della vita.
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
Per esempio, quelle gocce
verdi che vedete?
verdi che vedete?
06:55
Those things are called clathrins.
130
403720
1680
Quelle cose sono chiamati clatrine.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
Sono molecole che
proteggono altre molecole
proteggono altre molecole
07:00
as they move through a cell.
132
408400
1376
che si spostano all'interno.
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Sfortunatamente i virus a volte
le dirottano per infettare le cellule.
le dirottano per infettare le cellule.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
Vedete poi quelle piccole cose sinuose
simili a vermi che si muovono?
simili a vermi che si muovono?
07:09
Those are actin molecules.
135
417280
2296
Quelle sono molecole di actina.
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
Purtroppo i virus riescono
a scendervi dentro
a scendervi dentro
07:14
to get into the cell nucleus
137
422040
1456
fino al nucleo
07:15
to replicate themselves and make you sick.
138
423520
2120
e replicarsi e renderci malati.
07:18
Now that we can look at movies
139
426240
1856
Ora, se possiamo guardare dei filmati
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
su cosa accade realmente
all'interno di una cellula,
all'interno di una cellula,
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
abbiamo chance maggiori di
curare malattie virali come l'AIDS.
curare malattie virali come l'AIDS.
07:27
So when you look at a movie like this,
142
435680
1856
Perciò guardando un filmato come questo
07:29
it's very clear that Betzig has opened
our eyes to a completely new world.
our eyes to a completely new world.
143
437560
4000
è chiaro che Betzig ha aperto i nostri
occhi su un mondo completamente nuovo.
occhi su un mondo completamente nuovo.
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
Tuttavia non ha frantumato
nessun credo prezioso.
nessun credo prezioso.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Questo ci porta al dottor Aubrey de Grey
07:42
at Cambridge.
146
450160
1200
a Cambridge.
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey tiene impegnati quegli scienziati
che vogliono svincolarsi da un'idea:
che vogliono svincolarsi da un'idea:
07:48
we can be immortal.
148
456800
1376
possiamo essere immortali.
07:50
We can beat aging.
149
458200
1616
Possiamo sconfiggere l'invecchiamento.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
Ora, molti scienziati
lo ritengono uno squinternato.
lo ritengono uno squinternato.
07:55
Any Biology 101 student knows
151
463320
3296
Qualsiasi studente di biologia al liceo sa
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
che l'invecchiamento è
una conseguenza inevitabile della vita.
una conseguenza inevitabile della vita.
08:02
For example, when we eat,
153
470680
2096
Per esempio, quando mangiamo,
08:04
we take in food and we metabolize it,
154
472800
1856
ingeriamo del cibo e lo metabolizziamo,
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
e viene espulso ciò che
chiamiamo radicali liberi.
chiamiamo radicali liberi.
08:09
You might have heard of those.
156
477080
1456
Ne avrete sentito parlare.
08:10
Also known as oxygen ions,
157
478560
1936
Conosciuti anche come ioni d'ossigeno,
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
si legano al nostro DNA,
causano mutazioni,
causano mutazioni,
08:14
and cause us to get old and lose our hair.
159
482920
2056
e ci fanno invecchiare e perdere i capelli.
08:17
(Laughter)
160
485000
1576
(Risate)
08:18
It's just like, no, it's exactly like
161
486600
2736
È quasi come, no, è esattamente come
08:21
oxygen binding to iron and making it rust.
162
489360
2176
l'ossigeno che si lega al
ferro e provoca ruggine.
ferro e provoca ruggine.
08:23
So you age because you rust out.
163
491560
2456
Perciò invecchiate perché vi arrugginite.
08:26
(Laughter)
164
494040
2176
(Risate)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
Oh, e gli scienziati sanno che
c'è qualcosa chiamata immortalità
c'è qualcosa chiamata immortalità
08:33
in cancer cells.
166
501360
1976
nelle cellule tumorali.
08:35
So if you stop aging,
167
503360
2296
Perciò se smettiamo di invecchiare,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
tutti noi diventeremmo
dei giganti tumori ostili deambulanti.
dei giganti tumori ostili deambulanti.
08:42
These are cherished beliefs,
but could de Grey be on to something?
but could de Grey be on to something?
169
510680
3160
Sono credenze preziose, ma de Grey
potrebbe aver intuito qualcosa?
potrebbe aver intuito qualcosa?
08:47
I think he deserves a closer look.
170
515159
1657
Credo meriti un'analisi più attenta.
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
Prima di tutto, fatico a
vederlo come uno squinternato.
vederlo come uno squinternato.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Si, ha iniziato la sua carriera
come informatico,
come informatico,
08:54
not a biologist,
173
522360
1496
non come biologo,
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
ma si è guadagnato un dottorato
in biologia a Cambridge,
in biologia a Cambridge,
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
e ha pubblicato
opere significative
opere significative
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
sul DNA mitocondriale
e un sacco di altre cose.
e un sacco di altre cose.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
Secondariamente, ha creato
una fondazione anti età
una fondazione anti età
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
che ha identificato sette
cause dell'invecchiamento,
cause dell'invecchiamento,
09:10
to me, that seem very plausible,
179
538320
2256
a mio avviso plausibili,
ed è alla ricerca di cure per
ognuna di esse.
ognuna di esse.
09:12
and he is hot in pursuit
of fixes for every single one of them.
of fixes for every single one of them.
180
540600
4136
09:16
For example, one of the reasons we age
is that our mitochondrial DNA mutates,
is that our mitochondrial DNA mutates,
181
544760
5016
Per esempio, il motivo per cui invecchiamo
è che il nostro DNA mitocondriale muta,
è che il nostro DNA mitocondriale muta,
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
e invecchiando, le nostre
cellule perdono energia.
cellule perdono energia.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Lui crede, e sta costruendo
un caso credibile,
un caso credibile,
09:27
that using viruses we can do gene therapy,
184
555520
2536
che usando i virus
possiamo fare terapia genetica,
possiamo fare terapia genetica,
09:30
fix that DNA
185
558080
1656
riparare il DNA
09:31
and rejuvenate our cells.
186
559760
1720
e ringiovanire le nostre cellule.
09:35
One more thing.
187
563400
1336
Un'altra cosa.
09:36
We have an existent proof
188
564760
1856
Abbiamo la prova esistente
09:38
that extreme longevity is possible.
189
566640
2720
che la longevità estrema è possibile.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
Gli alberi di pino dai coni setosi
vivono 5000 anni,
vivono 5000 anni,
09:47
and some lobsters don't age at all.
191
575720
3800
e alcuni gamberi non invecchiano proprio.
09:52
Now, this doesn't mean that de Grey
is going to revolutionize our lifespans.
is going to revolutionize our lifespans.
192
580640
4336
Ora, ciò non significa che de Grey
rivoluzionerà la durata della vita.
rivoluzionerà la durata della vita.
09:57
I mean, after all, we're not trees,
and most of us are not lobsters.
and most of us are not lobsters.
193
585000
3816
Dopotutto, non siamo alberi,
e molti di noi non sono gamberi.
e molti di noi non sono gamberi.
10:00
(Laughter)
194
588840
1216
(Risate)
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Ma credo che ci siano dei
Darwin e Einstein là fuori,
Darwin e Einstein là fuori,
10:07
and I'll tell you why.
196
595840
1376
e vi dirò perché.
10:09
Consider this:
197
597240
1200
Consideriamo questo:
10:11
there are seven times more people
alive today than during Darwin's time.
alive today than during Darwin's time.
198
599160
5296
ci sono sette volte più persone
vive oggi rispetto al tempo di Darwin.
vive oggi rispetto al tempo di Darwin.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
Ci sono quattro volte più persone vive
oggi rispetto al tempo di Einstein.
oggi rispetto al tempo di Einstein.
10:19
When you consider
200
607960
1216
Se pensiamo
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
che la proporzione di scienziati nella
popolazione è salita alle stelle,
popolazione è salita alle stelle,
10:24
there are now seven million scientists.
202
612440
2376
ci sono oggi sette milioni di scienziati.
10:26
I've got to believe, and I do believe,
that there's one of them out there
that there's one of them out there
203
614840
3440
Devo credere, e lo credo,
che ce ne sia qualcuno là fuori
che ce ne sia qualcuno là fuori
10:31
who is working right now in obscurity
204
619720
2336
che lavora proprio adesso nell'oscurità
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
per scuotere le nostre vite,
e non so voi,
e non so voi,
10:36
but I can't wait to be rocked.
206
624520
1816
ma io non vedo l'ora di essere scosso.
10:38
Thank you.
207
626360
1256
Grazie.
(Applausi)
10:39
(Applause)
208
627640
6961
ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovatorEric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.
Why you should listen
Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.
In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.
In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.
Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.
Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.
Eric Haseltine | Speaker | TED.com