ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.

Why you should listen

Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.

Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.

In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com
TED2014

Ray Kurzweil: Get ready for hybrid thinking

レイ・カーツワイル: ハイブリッド思考の世界が来る

Filmed:
3,548,296 views

2億年前、我々の祖先である初期の哺乳類は、脳の新たな器官、大脳新皮質を発達させました。この切手サイズの組織(クルミの大きさ程の脳を覆っていた)は人間が進化する上での鍵となりました。フューチャリストのレイ・カーツワイルは次なる脳の大きな飛躍--クラウドの演算能力の利用--に備えるべきだと提言します。
- Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio

Double-click the English transcript below to play the video.

00:12
Let me tell you a storyストーリー.
0
988
2316
一つ 物語をお話しします
00:15
It goes行く back 200 million百万 years.
1
3304
1799
2億年前のことです
00:17
It's a storyストーリー of the neocortex新皮質,
2
5103
1984
これは大脳新皮質
--「新たな外皮」-- の物語です
00:19
whichどの means手段 "new新しい rind."
3
7087
1974
これは大脳新皮質
--「新たな外皮」-- の物語です
00:21
So in these early早い mammals哺乳類,
4
9061
2431
さてネズミのような初期の哺乳類では--
00:23
because only mammals哺乳類 have a neocortex新皮質,
5
11492
2055
ちなみに 大脳新皮質を
有するのは哺乳類のみです--
00:25
rodent-likeげっ歯類のような creatures生き物.
6
13547
1664
ちなみに 大脳新皮質を
有するのは哺乳類のみです--
00:27
It was the sizeサイズ of a postage送料 stamp切手 and just as thin薄いです,
7
15211
3579
それは切手サイズの大きさと薄さで
00:30
and was a thin薄いです coveringカバーする around
8
18790
1439
彼らのクルミ大の
00:32
their彼らの walnut-sizedウォールナットサイズの brain,
9
20229
2264
脳を覆う ほんの薄い外皮だったのですが
00:34
but it was capable可能な of a new新しい typeタイプ of thinking考え.
10
22493
3701
新しい考え方を可能にしました
00:38
Ratherむしろ than the fixed一定 behaviors行動
11
26194
1567
哺乳類以外の動物が持つ
00:39
that non-mammalian非哺乳動物 animals動物 have,
12
27761
1992
組み込まれた習性に従うだけではなく
00:41
it could invent発明する new新しい behaviors行動.
13
29753
2692
新たな習性の発明を可能にしました
00:44
So a mouseマウス is escapingエスケープする a predator捕食者,
14
32445
2553
例えばネズミが天敵から逃げていて
00:46
its pathパス is blockedブロックされた,
15
34998
1540
逃げ道がふさがっていると
00:48
it'llそれはよ try to invent発明する a new新しい solution溶液.
16
36538
2129
別の解決策を見出そうとします
00:50
That mayかもしれない work, it mayかもしれない not,
17
38667
1266
上手くいくかは分かりません
00:51
but if it does, it will remember思い出す that
18
39933
1910
しかし 上手くいけばそれを覚え
00:53
and have a new新しい behavior動作,
19
41843
1292
新たな習性を得て
00:55
and that can actually実際に spread普及 virallyウイルス的に
20
43135
1457
その習性は種 全体に
00:56
throughを通して the rest残り of the communityコミュニティ.
21
44592
2195
ウイルスのように広まります
00:58
Anotherもう一つ mouseマウス watching見ている this could say,
22
46787
1609
他のネズミがそれを見て
01:00
"Hey, that was prettyかなり clever賢い, going around that rock,"
23
48396
2704
「あの岩を迂回したのは賢かったな」
01:03
and it could adopt採用 a new新しい behavior動作 as well.
24
51100
3725
と言って自分も新しい習性を
取り入れるのです
01:06
Non-mammalian非哺乳動物 animals動物
25
54825
1717
哺乳類以外の動物は
01:08
couldn'tできなかった do any of those things.
26
56542
1713
これが出来ません
01:10
They had fixed一定 behaviors行動.
27
58255
1215
習性は固定されています
01:11
Now they could learn学ぶ a new新しい behavior動作
28
59470
1331
新しい習性を得るためには
01:12
but not in the courseコース of one lifetime一生.
29
60801
2576
一生涯では足りません
01:15
In the courseコース of maybe a thousand lifetimes生涯,
30
63377
1767
千世代ほどを通して
01:17
it could evolve進化する a new新しい fixed一定 behavior動作.
31
65144
3330
新たな習性を進化させます
01:20
That was perfectly完全に okay 200 million百万 years ago.
32
68474
3377
2億年前はそれで全然大丈夫でした
01:23
The environment環境 changedかわった very slowlyゆっくり.
33
71851
1981
環境の変化はゆっくりしていて
01:25
It could take 10,000 years for there to be
34
73832
1554
大きく環境が変化するのに
01:27
a significant重要な environmental環境 change変化する,
35
75386
2092
1万年近くかかったでしょう
01:29
and during that period期間 of time
36
77478
1382
そしてそれぐらいの期間で
01:30
it would evolve進化する a new新しい behavior動作.
37
78860
2929
新しい習性を進化させるのです
01:33
Now that went行った along一緒に fine,
38
81789
1521
それでも上手くいってましたが
01:35
but then something happened起こった.
39
83310
1704
6,500万年前に
01:37
Sixty-five65 million百万 years ago,
40
85014
2246
あることが起きました
01:39
there was a sudden突然, violent暴力的な
change変化する to the environment環境.
41
87260
2615
急で 過激な 環境の変化です
01:41
We call it the Cretaceous白亜系 extinction絶滅 eventイベント.
42
89875
3505
K-T境界(白亜紀末)の
大量絶滅と呼ばれています
01:45
That's when the dinosaurs恐竜 went行った extinct絶滅した,
43
93380
2293
これは恐竜が絶滅し
01:47
that's when 75 percentパーセント of the
44
95673
3449
動植物の75%が
01:51
animal動物 and plant工場 species went行った extinct絶滅した,
45
99122
2746
絶滅した時です
01:53
and that's when mammals哺乳類
46
101868
1745
そして哺乳類が絶滅種の
01:55
overtook追い越す their彼らの ecological生態学的 nicheニッチ,
47
103613
2152
ニッチを埋めた時でもありました
01:57
and to anthropomorphize擬人化, biological生物学的 evolution進化 said,
48
105765
3654
そして「生物学的進化」さんは
こう言いました
02:01
"Hmmうーん, this neocortex新皮質 is prettyかなり good stuffもの,"
49
109419
2025
「この大脳新皮質っていいね」
02:03
and it began始まった to grow成長する it.
50
111444
1793
そしてそれを育て始めました
02:05
And mammals哺乳類 got biggerより大きい,
51
113237
1342
哺乳類は大きくなり
02:06
their彼らの brains頭脳 got biggerより大きい at an even fasterもっと早く paceペース,
52
114579
2915
脳はさらに速いペースで肥大化し
02:09
and the neocortex新皮質 got biggerより大きい even fasterもっと早く than that
53
117494
3807
大脳新皮質はそれより
さらに速く肥大化しました
02:13
and developed発展した these distinctive独特の ridges尾根 and folds折り畳み
54
121301
2929
そして表面積を大きくするための
02:16
basically基本的に to increase増加する its surface表面 areaエリア.
55
124230
2881
特徴的な隆起や折り目が発達しました
02:19
If you took取った the human人間 neocortex新皮質
56
127111
1819
もし人間の大脳新皮質を
02:20
and stretched伸ばされた it out,
57
128930
1301
取り出して広げたら
02:22
it's about the sizeサイズ of a table napkinナプキン,
58
130231
1713
テーブルナプキンぐらいになります
02:23
and it's still a thin薄いです structure構造.
59
131944
1306
組織は非常に薄く
02:25
It's about the thickness厚さ of a table napkinナプキン.
60
133250
1980
テーブルナプキンほどの厚みです
02:27
But it has so manyたくさんの convolutions畳み込み and ridges尾根
61
135230
2497
しかし いくつもの隆起と皺のため
02:29
it's now 80 percentパーセント of our brain,
62
137727
3075
脳の80%も占めているのです
02:32
and that's where we do our thinking考え,
63
140802
2461
そしてそこで思考が行われていて
02:35
and it's the great sublimator昇華装置.
64
143263
1761
考えを昇華させてくれます
02:37
We still have that old古い brain
65
145024
1114
基本的な欲求や
02:38
that provides提供する our basic基本的な drivesドライブ and motivations動機,
66
146138
2764
動機を与える古い脳はまだ残っています
02:40
but I mayかもしれない have a driveドライブ for conquest征服,
67
148902
2716
しかし 例えば私が持つ支配欲は
02:43
and that'llそれは be sublimated昇華した by the neocortex新皮質
68
151618
2715
大脳新皮質によって昇華されるのです--
02:46
into writing書き込み a poem or inventing発明 an appアプリ
69
154333
2909
詩を書いたり アプリを開発したり
02:49
or giving与える a TEDTED Talk,
70
157242
1509
TEDで講演をすることに
02:50
and it's really the neocortex新皮質 that's where
71
158751
3622
その昇華が起こっている場所こそが
02:54
the actionアクション is.
72
162373
1968
大脳新皮質なのです
02:56
Fifty五十 years ago, I wrote書きました a paper
73
164341
1717
50年前 私は論文で
02:58
describing記述 how I thought the brain worked働いた,
74
166058
1918
私の考える脳のメカニズム--
02:59
and I described記載された it as a seriesシリーズ of modulesモジュール.
75
167976
3199
モジュールの連続的な組み合わせ--
を説明しました
03:03
Each moduleモジュール could do things with a patternパターン.
76
171175
2128
各モジュールは一つの
パターンを処理します
03:05
It could learn学ぶ a patternパターン. It could remember思い出す a patternパターン.
77
173303
2746
パターンを習い パターンを覚え
03:08
It could implement実装する a patternパターン.
78
176049
1407
パターンを実行します
03:09
And these modulesモジュール were organized組織された in hierarchies階層,
79
177456
2679
そしてモジュールは階層的に組織され
03:12
and we created作成した that hierarchy階層 with our own自分の thinking考え.
80
180135
2954
その階層は私達自身の思考により
組織されます
03:15
And there was actually実際に very little to go on
81
183089
3333
50年前はその論文からそれ以上発展することは
03:18
50 years ago.
82
186422
1562
殆どありませんでしたが
03:19
It led me to meet会う President大統領 Johnsonジョンソン.
83
187984
2115
でも これでジョンソン大統領に会えました
03:22
I've been thinking考え about this for 50 years,
84
190099
2173
私はこのことに関して50年間考え
03:24
and a year and a halfハーフ ago I came来た out with the book
85
192272
2828
1年半前に 本を出版しました
03:27
"How To Create作成する A Mindマインド,"
86
195100
1265
「思考の創り方」です
03:28
whichどの has the same同じ thesis論文,
87
196365
1613
同じ仮説を立ててますが
03:29
but now there's a plethora過多 of evidence証拠.
88
197978
2812
今度は沢山の証拠があります
03:32
The amount of dataデータ we're getting取得 about the brain
89
200790
1814
ニューロサイエンスにより
03:34
from neuroscience神経科学 is doubling倍増する everyすべて year.
90
202604
2203
脳に関するデータは
毎年倍増しています
03:36
Spatial空間的 resolution解決 of brainscanning頭脳スキャン of all typesタイプ
91
204807
2654
あらゆる脳スキャンの
イメージ映像が
03:39
is doubling倍増する everyすべて year.
92
207461
2285
毎年倍増しているのです
03:41
We can now see inside内部 a living生活 brain
93
209746
1717
現在では生きている脳の中を見て
03:43
and see individual個人 interneuralインターナル connections接続
94
211463
2870
個々の神経がリアルタイムで
03:46
connecting接続する in realリアル time, firing発砲 in realリアル time.
95
214333
2703
繋がりを作り
伝達を行い
03:49
We can see your brain create作成する your thoughts思考.
96
217036
2419
脳が考えを創り また 考えが脳を創る
03:51
We can see your thoughts思考 create作成する your brain,
97
219455
1575
場面が見られます
03:53
whichどの is really keyキー to how it works作品.
98
221030
1999
実はこれがカギなのです
03:55
So let me describe説明する briefly簡単に how it works作品.
99
223029
2219
簡単にですが 説明します
03:57
I've actually実際に counted数えられた these modulesモジュール.
100
225248
2275
私はモジュールの数を数えました
03:59
We have about 300 million百万 of them,
101
227523
2046
それらは3億個近くあり
04:01
and we create作成する them in these hierarchies階層.
102
229569
2229
それらで階層を作りました
04:03
I'll give you a simple単純 example.
103
231798
2082
簡単な例を示します
04:05
I've got a bunch of modulesモジュール
104
233880
2805
ここにたくさんのモジュールがあります
04:08
that can recognize認識する the crossbarクロスバー to a capital資本 A,
105
236685
3403
これらは大文字「A」の横棒を認識します
04:12
and that's all they careお手入れ about.
106
240088
1914
機能はそれだけです
04:14
A beautiful綺麗な song can play遊びます,
107
242002
1578
美しい音楽が流れても
04:15
a prettyかなり girl女の子 could walk歩く by,
108
243580
1434
素敵な女性がそばに来ても
04:17
they don't careお手入れ, but they see
a crossbarクロスバー to a capital資本 A,
109
245014
2846
反応しません
しかしAの横棒を見たら
04:19
they get very excited興奮した and they say "crossbarクロスバー,"
110
247860
3021
非常に興奮して「横棒」と言います
04:22
and they put out a high高い probability確率
111
250881
2112
軸索から信号が出力される確率は
04:24
on their彼らの output出力 axon軸索.
112
252993
1634
非常に高くなり
04:26
That goes行く to the next levelレベル,
113
254627
1333
次の階層に出力されます
04:27
and these layers are organized組織された in conceptual概念的な levelsレベル.
114
255960
2750
階層ごとに異なる概念レベルで
組織されています
04:30
Each is more abstract抽象 than the next one,
115
258710
1856
それぞれが前の階より抽象的です
04:32
so the next one mightかもしれない say "capital資本 A."
116
260566
2418
次の階層が「大文字A」と言い
04:34
That goes行く up to a higher高い
levelレベル that mightかもしれない say "Apple林檎."
117
262984
2891
さらに高い階層で「APPLE」と
言うかもしれません
04:37
Information情報 flows流れ down alsoまた、.
118
265875
2167
情報は下方にも流れます
04:40
If the apple林檎 recognizer認識装置 has seen見た A-P-P-LAPPL,
119
268042
2936
APPLE 認識モジュールが
A-P-P-L と認識したら
04:42
it'llそれはよ think to itself自体, "Hmmうーん, I
think an E is probably多分 likelyおそらく,"
120
270978
3219
その層は「ウーン Eがおそらく次だろう」
と考え
04:46
and it'llそれはよ send送信する a signal信号 down to all the E recognizers認識装置
121
274197
2564
E認識モジュールたちに伝達します
04:48
saying言って, "Be on the lookout外を見る for an E,
122
276761
1619
「Eに目を光らせて
04:50
I think one mightかもしれない be coming到来."
123
278380
1556
もうすぐ来るから」と
04:51
The E recognizers認識装置 will lower低い their彼らの threshold閾値
124
279936
2843
E認識モジュールは閾値を低くして
04:54
and they see some sloppy汚い
thing, could be an E.
125
282779
1945
Eに見えなくもない物も認識します
04:56
Ordinarily通常は you wouldn'tしないだろう think so,
126
284724
1490
普段とは違って
04:58
but we're expecting期待している an E, it's good enough十分な,
127
286214
2009
予期していたので
「E を見た」と言い
05:00
and yeah, I've seen見た an E, and then apple林檎 says言う,
128
288223
1817
APPLE モジュールは
05:02
"Yeah, I've seen見た an Apple林檎."
129
290040
1728
「APPLE を見た」と言います
05:03
Go up another別の five levelsレベル,
130
291768
1746
さらに5つ階層を上がれば
05:05
and you're now at a prettyかなり high高い levelレベル
131
293514
1353
この階層のかなり--
05:06
of this hierarchy階層,
132
294867
1569
高い所に来ます
05:08
and stretchストレッチ down into the different異なる senses感覚,
133
296436
2353
そこでは下の階層の別の五感の情報を
05:10
and you mayかもしれない have a moduleモジュール
that sees見える a certainある fabricファブリック,
134
298789
2655
―特定の生地、声、 香水を―
05:13
hears聞く a certainある voice音声 quality品質,
smells臭い a certainある perfume香水,
135
301444
2844
認識するモジュールの
情報を組み合わせ
05:16
and will say, "My wife has entered入った the roomルーム."
136
304288
2513
「妻が部屋に入ってきた」
と言います
05:18
Go up another別の 10 levelsレベル, and now you're at
137
306801
1895
さらに10階層上がれば
05:20
a very high高い levelレベル.
138
308696
1160
かなり高い階層に出ます
05:21
You're probably多分 in the frontal正面 cortex皮質,
139
309856
1937
そこは前頭部皮質あたりでしょう
05:23
and you'llあなたは have modulesモジュール that say, "That was ironic皮肉な.
140
311793
3767
そこでのモジュールはこう言うでしょう
「今のは皮肉だね」
05:27
That's funny面白い. She's prettyかなり."
141
315560
2370
「それは面白い 彼女はかわいい」
05:29
You mightかもしれない think that those are more sophisticated洗練された,
142
317930
2105
上の階層の方が洗練されている
と思いがちですが
05:32
but actually実際に what's more complicated複雑な
143
320035
1506
実際に複雑なのは
05:33
is the hierarchy階層 beneath下の them.
144
321541
2669
その下の階層組織なのです
05:36
There was a 16-year-old-歳 girl女の子, she had brain surgery手術,
145
324210
2620
16才の女の子が脳手術を受けているとき
05:38
and she was conscious意識的な because the surgeons外科医
146
326830
2051
執刀医が彼女と話をするため
05:40
wanted to talk to her.
147
328881
1537
意識を保っておきました
05:42
You can do that because there's no pain痛み receptors受容体
148
330418
1822
脳の痛みは感じないため
こんなことが出来ます
05:44
in the brain.
149
332240
1038
脳の痛みは感じないため
こんなことが出来ます
05:45
And wheneverいつでも they stimulated刺激された particular特に,
150
333278
1800
そして 大脳新皮質の
05:47
very small小さい pointsポイント on her neocortex新皮質,
151
335078
2463
ある小さな点を刺激したら
05:49
shown示された here in red, she would laugh笑い.
152
337541
2665
この赤い部分です--
彼女は笑いました
05:52
So at first they thought they were triggeringトリガー
153
340206
1440
執刀医たちは 反射的に笑う点を
05:53
some kind種類 of laugh笑い reflex反射的,
154
341646
1720
刺激したと考えていましたが
05:55
but no, they quickly早く realized実現した they had found見つけた
155
343366
2519
すぐに大脳新皮質のユーモアを
05:57
the pointsポイント in her neocortex新皮質 that detect検出する humorユーモア,
156
345885
3044
認識する部分を見つけたと気づきました
06:00
and she just found見つけた everything hilarious陽気な
157
348929
1969
それでそこを刺激する度に
06:02
wheneverいつでも they stimulated刺激された these pointsポイント.
158
350898
2437
彼女には全てが滑稽に感じたのです
06:05
"You guys are so funny面白い just standing立っている around,"
159
353335
1925
「貴方たちがそこにいるだけで面白いわ」
06:07
was the typical典型的な commentコメント,
160
355260
1738
というのが主なコメントでしたが
06:08
and they weren'tなかった funny面白い,
161
356998
2302
執刀医たちは面白くありませんでした
06:11
not while doing surgery手術.
162
359300
3247
手術中だったのですから
06:14
So how are we doing today今日?
163
362547
4830
では現代ではどのように
なっているでしょうか?
06:19
Well, computersコンピュータ are actually実際に beginning始まり to masterマスター
164
367377
3054
まぁ まず コンピューターが人間の
06:22
human人間 language言語 with techniques技術
165
370431
2001
言語を大脳新皮質のそれに似た
06:24
that are similar類似 to the neocortex新皮質.
166
372432
2867
技術で習得してきています
06:27
I actually実際に described記載された the algorithmアルゴリズム,
167
375299
1514
実は私が開発し
06:28
whichどの is similar類似 to something calledと呼ばれる
168
376813
2054
「階層隠れマルコフモデル」
06:30
a hierarchical階層的 hidden隠された Markovマルコフ modelモデル,
169
378867
2233
と呼ばれる 私が90年代に
06:33
something I've worked働いた on since以来 the '90s.
170
381100
3241
取り組んでいたものに類似しています
06:36
"Jeopardyジアパディー" is a very broad広い naturalナチュラル language言語 gameゲーム,
171
384341
3238
「ジェパディー」は広範囲な
自然言語を使うゲームですが
06:39
and Watsonワトソン got a higher高い scoreスコア
172
387579
1892
「ワトソン」の得点はベストプレーヤー
二人を合わせたものより上でした
06:41
than the bestベスト two players選手 combined結合された.
173
389471
2000
「ワトソン」の得点はベストプレーヤー
二人を合わせたものより上でした
06:43
It got this queryクエリ correct正しい:
174
391471
2499
彼はこの問題にも正解しました
06:45
"A long, tiresome面倒な speechスピーチ
175
393970
2085
「泡立ったパイのトッピングによる
06:48
delivered配信された by a frothy泡立つ pieパイ toppingトッピング,"
176
396055
2152
長くて退屈なスピーチ」
06:50
and it quickly早く responded応答した,
"What is a meringueメレンゲ harangue説教?"
177
398207
2796
「メレンゲ・ハレンゲとは何?」
とすぐに答えました
06:53
And Jenningsジェニングス and the other guy didn't get that.
178
401003
2635
ジェニングズたちには
この答えが分かってませんでした
06:55
It's a prettyかなり sophisticated洗練された example of
179
403638
1926
これはコンピューターが人の言語を
06:57
computersコンピュータ actually実際に understanding理解 human人間 language言語,
180
405564
1914
理解できるという高度な例です
06:59
and it actually実際に got its knowledge知識 by reading読書
181
407478
1652
その知識は実際に
07:01
Wikipediaウィキペディア and severalいくつかの other encyclopedias百科事典.
182
409130
3785
ウィキペディアやその他百科事典を
読んで得られたものです
07:04
Five to 10 years from now,
183
412915
2133
5年から10年後
07:07
searchサーチ enginesエンジン will actually実際に be basedベース on
184
415048
2184
検索エンジンは言葉の組み合わせや
07:09
not just looking for combinations組み合わせ of words言葉 and linksリンク
185
417232
2794
リンクに基づくだけではなく
07:12
but actually実際に understanding理解,
186
420026
1914
ウェブ上の情報や
07:13
reading読書 for understanding理解 the billions何十億 of pagesページ
187
421940
2411
本を読んで 理解した内容に
07:16
on the webウェブ and in books.
188
424351
2733
基づくものになるでしょう
07:19
So you'llあなたは be walking歩く along一緒に, and GoogleGoogle will popポップ up
189
427084
2616
あなたが歩いている時に
グーグルが出てきて
07:21
and say, "You know, Maryメアリー, you expressed表現された concern懸念
190
429700
3081
こう言います
「マリー 一か月前に貴方は
07:24
to me a month ago that your glutathioneグルタチオン supplement補足
191
432781
3019
グルタチオンのサプリが
血液脳関門を通ってないのではと
07:27
wasn'tなかった getting取得 past過去 the blood-brain血液脳 barrierバリア.
192
435800
2231
不安になっていましたね
07:30
Well, new新しい research研究 just came来た out 13 seconds ago
193
438031
2593
実は13秒前新しい研究が発表され
07:32
that showsショー a whole全体 new新しい approachアプローチ to that
194
440624
1711
グルタチオン摂取の全く新しい
07:34
and a new新しい way to take glutathioneグルタチオン.
195
442335
1993
アプローチを紹介しています
07:36
Let me summarize要約する it for you."
196
444328
2562
今から要約しますね」
07:38
Twenty20 years from now, we'll私たちは have nanobotsナノボット,
197
446890
3684
今から20年後にはナノボットが
開発されているでしょう
07:42
because another別の exponential指数関数的 trend傾向
198
450574
1627
微細化の技術は
07:44
is the shrinking収縮 of technology技術.
199
452201
1615
急激に進歩しています
07:45
They'll彼らは go into our brain
200
453816
2370
それらは毛細血管をとおって
07:48
throughを通して the capillaries毛細血管
201
456186
1703
脳に行きます
07:49
and basically基本的に connect接続する our neocortex新皮質
202
457889
2477
そして私たちの大脳新皮質を
07:52
to a synthetic合成 neocortex新皮質 in the cloud
203
460366
3185
クラウドの人工大脳新皮質につなぎ
07:55
providing提供する an extension拡張 of our neocortex新皮質.
204
463551
3591
大脳新皮質の機能を拡張します
07:59
Now today今日, I mean,
205
467142
1578
今でも私たちの電話には
08:00
you have a computerコンピューター in your phone電話,
206
468720
1530
コンピューターがあります
08:02
but if you need 10,000 computersコンピュータ for a few少数 seconds
207
470250
2754
複雑な研究のために1万の
コンピューターを
08:05
to do a complex複合体 searchサーチ,
208
473004
1495
数秒間必要とするとき
08:06
you can accessアクセス that for a second二番 or two in the cloud.
209
474499
3396
クラウドにアクセスすればすぐに出来ます
08:09
In the 2030s, if you need some extra余分な neocortex新皮質,
210
477895
3095
2030年代では余分に大脳新皮質が
必要になれば
08:12
you'llあなたは be ableできる to connect接続する to that in the cloud
211
480990
2273
脳から直接クラウドにつなげられること
になるでしょう
08:15
directly直接 from your brain.
212
483263
1648
脳から直接クラウドにつなげられること
になるでしょう
08:16
So I'm walking歩く along一緒に and I say,
213
484911
1543
私は歩きながら
08:18
"Oh, there's Chrisクリス Andersonアンダーソン.
214
486454
1363
「あ クリス・アンダーソンだ」と言い
08:19
He's coming到来 my way.
215
487817
1525
彼が近づいてきます
08:21
I'd better think of something clever賢い to say.
216
489342
2335
何か賢いことを言わなければ
08:23
I've got three seconds.
217
491677
1524
時間は3秒
08:25
My 300 million百万 modulesモジュール in my neocortex新皮質
218
493201
3097
私の大脳新皮質にある3億の
モジュールだけでは足りない
08:28
isn't going to cutカット it.
219
496298
1240
私の大脳新皮質にある3億の
モジュールだけでは足りない
08:29
I need a billion more."
220
497538
1246
後10億必要だ
08:30
I'll be ableできる to accessアクセス that in the cloud.
221
498784
3323
そこで私はクラウドにアクセスできます
08:34
And our thinking考え, then, will be a hybridハイブリッド
222
502107
2812
そして私たちの思考は生物学的と
08:36
of biological生物学的 and non-biological非生物学的 thinking考え,
223
504919
3522
非生物学的な思考のハイブリッドになります
08:40
but the non-biological非生物学的 portion部分
224
508441
1898
そして非生物学的な部分は
08:42
is subject主題 to my law法律 of accelerating加速する returns返品.
225
510339
2682
私の収穫加速の法則に則ります
08:45
It will grow成長する exponentially指数関数的に.
226
513021
2239
指数関数的に成長するのです
08:47
And remember思い出す what happens起こる
227
515260
2016
前回 大脳新皮質が拡張した時
08:49
the last time we expanded拡張された our neocortex新皮質?
228
517276
2645
何が起きたか覚えていますか?
08:51
That was two million百万 years ago
229
519921
1426
200万年前 私たちは
08:53
when we becameなりました humanoidsヒューマノイド
230
521347
1236
ヒト科へと進化し
08:54
and developed発展した these large foreheads.
231
522583
1594
大きな前頭葉を発達させました
08:56
Other primates霊長類 have a slanted傾いた brow.
232
524177
2583
他の類人猿の額も突き出していますが
08:58
They don't have the frontal正面 cortex皮質.
233
526760
1745
前頭葉はありません
09:00
But the frontal正面 cortex皮質 is not
really qualitatively定性的に different異なる.
234
528505
3685
しかし 前頭葉は質的に特別ではなく
09:04
It's a quantitative定量的 expansion拡張 of neocortex新皮質,
235
532190
2743
大脳新皮質が拡張しているのです
09:06
but that additional追加 quantity of thinking考え
236
534933
2703
思考の量が増えたことが
09:09
was the enabling可能にする factor因子 for us to take
237
537636
1779
質的な飛躍を遂げることを
09:11
a qualitative定性 leap飛躍 and invent発明する language言語
238
539415
3346
可能にした要因なのです
09:14
and artアート and science科学 and technology技術
239
542761
1967
言語や芸術、科学や技術
09:16
and TEDTED conferencesカンファレンス.
240
544728
1454
そしてTED
09:18
No other species has done完了 that.
241
546182
2131
他の種にはできなかったことです
09:20
And so, over the next few少数 decades数十年,
242
548313
2075
次の数十年で私たちは
09:22
we're going to do it again.
243
550388
1760
また飛躍します
09:24
We're going to again expand拡大する our neocortex新皮質,
244
552148
2274
再び 大脳新皮質を拡張します
09:26
only this time we won't〜されません be limited限られた
245
554422
1756
ただし今度は決まった構造の容器に
その限界を決められることはありません
09:28
by a fixed一定 architecture建築 of enclosure囲い.
246
556178
4280
ただし今度は決まった構造の容器に
その限界を決められることはありません
09:32
It'llそれは be expanded拡張された withoutなし limit限界.
247
560458
3304
限界なく拡張するのです
09:35
That additional追加 quantity will again
248
563762
2243
この量的な拡張はまたもや
09:38
be the enabling可能にする factor因子 for another別の qualitative定性 leap飛躍
249
566005
3005
文化と技術に質的な飛躍をもたらす
09:41
in culture文化 and technology技術.
250
569010
1635
要因となるでしょう
09:42
Thank you very much.
251
570645
2054
ありがとうございました
09:44
(Applause拍手)
252
572699
3086
(拍手)
Translated by Makoto Ikeo
Reviewed by Eriko T.

▲Back to top

ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.

Why you should listen

Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.

Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.

In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee