TED2009
Ray Kurzweil: A university for the coming singularity
레이 쿠르즈웨일: 다가오는 특이성에 대비하는 미래의 대학
Filmed:
Readability: 4.9
1,025,725 views
레이 쿠르즈웨일이 기술의 몹시 빠른 진보가 결국은 경기 침체를 가속화시킬 것이라는 최근의 도표를 보여줍니다. 이와 함께 앞으로 나타날 기술과 이를 인류를 위해 잘 사용할 수 있는 방법에 대해서 연구하는 "특이성 대학"이라는 그의 새로운 프로젝트를 공개합니다.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:13
Information technology grows in an exponential manner.
0
1000
3000
정보기술은 기하급수적으로 성장해왔습니다.
00:16
It's not linear. And our intuition is linear.
1
4000
4000
선형적이지 않지요. 그리고 우리의 직관은 선형적입니다.
00:20
When we walked through the savanna a thousand years ago
2
8000
2000
천 년 전에 사바나 초원을 걷고 있던 인류는
00:22
we made linear predictions where that animal would be,
3
10000
2000
어디에 동물이 있을지에 대해 선형적으로 예측했습니다.
00:24
and that worked fine. It's hardwired in our brains.
4
12000
3000
나쁘지 않았어요. 지금의 우리 뇌는 그런 식으로 생각하도록 되어있죠.
00:27
But the pace of exponential growth
5
15000
3000
하지만 기하급수적인 성장이야말로
00:30
is really what describes information technologies.
6
18000
3000
정보기술을 잘 설명할 수 있는 말입니다.
00:33
And it's not just computation.
7
21000
3000
단순한 계산이 아니에요.
00:36
There is a big difference between linear and exponential growth.
8
24000
2000
선형과 기하급수적인 성장 사이에는 큰 차이가 있죠.
00:38
If I take 30 steps linearly -- one, two, three, four, five --
9
26000
4000
제가 선형적으로 30걸음을 간다면, 하나, 둘, 셋, 넷, 다섯,
00:42
I get to 30.
10
30000
2000
그리고 30에 도달하겠죠.
00:44
If I take 30 steps exponentially -- two, four, eight, 16 --
11
32000
3000
30걸음을 기하급수적으로 간다면, 둘, 넷, 여덟, 열여섯,
00:47
I get to a billion.
12
35000
2000
10억까지 가게 됩니다.
00:49
It makes a huge difference.
13
37000
2000
엄청난 차이죠.
00:51
And that really describes information technology.
14
39000
2000
그리고 이것이 정보기술을 설명해 주는 개념입니다.
00:53
When I was a student at MIT,
15
41000
2000
제가 MIT의 학생이었을 때는,
00:55
we all shared one computer that took up a whole building.
16
43000
2000
건물 전체를 차지하는 한 대의 컴퓨터를 나눠서 썼어요.
00:57
The computer in your cellphone today is a million times cheaper,
17
45000
3000
오늘날 여러분 휴대폰에 있는 컴퓨터가 수백 만배 싸고,
01:00
a million times smaller,
18
48000
2000
수백 만배 작으면서도,
01:02
a thousand times more powerful.
19
50000
2000
속도는 수천 배나 더 빠를겁니다.
01:04
That's a billion-fold increase in capability per dollar
20
52000
3000
달러당 가치로 환산하면 수십억 배 차이가 납니다.
01:07
that we've actually experienced since I was a student.
21
55000
2000
이 변화상은 제가 학생이었던 시절부터 지금까지 실제로 경험한 일이죠.
01:09
And we're going to do it again in the next 25 years.
22
57000
3000
그리고 다음 25년간 이런 변화를 다시 겪게 될 겁니다.
01:12
Information technology progresses
23
60000
2000
정보기술은 여러 번 반복되는
01:14
through a series of S-curves
24
62000
2000
S자 곡선을 따라 발전하고
01:16
where each one is a different paradigm.
25
64000
2000
각 단계마다 서로 다른 패러다임을 가집니다.
01:18
So people say, "What's going to happen when Moore's Law comes to an end?"
26
66000
3000
사람들은 이렇게 말하죠. "무어의 법칙이 끝나고 나면 어떻게 되는거야?"
01:21
Which will happen around 2020.
27
69000
2000
2020년 쯤이 되겠죠.
01:23
We'll then go to the next paradigm.
28
71000
2000
그 때가 되면 우리는 다음 패러다임으로 넘어가게 됩니다.
01:25
And Moore's Law was not the first paradigm
29
73000
2000
사실 무어의 법칙이 컴퓨터의 능력이 기하급수적으로
01:27
to bring exponential growth to computing.
30
75000
2000
발전한다고 했던 최초의 패러다임을 아니었어요.
01:29
The exponential growth of computing started
31
77000
2000
컴퓨터 능력의 기하급수적인 성장은
01:31
decades before Gordon Moore was even born.
32
79000
2000
고든 무어가 태어나기도 전부터 시작되었습니다.
01:33
And it doesn't just apply to computation.
33
81000
4000
그리고 컴퓨터 세계에만 국한된 이야기도 아니에요.
01:37
It's really any technology where we can measure
34
85000
2000
측정 가능한 정보 속성을 가지고 있는
01:39
the underlying information properties.
35
87000
3000
모든 기술이 이런 패러다임을 따르죠.
01:42
Here we have 49 famous computers. I put them in a logarithmic graph.
36
90000
4000
여기에 마흔아홉 가지의 유명한 컴퓨터들이 있습니다. 로그 함수 그래프로 표현해 봤어요.
01:46
The logarithmic scale hides the scale of the increase,
37
94000
4000
로그 함수는 증가세를 숨기는 특성이 있어요.
01:50
because this represents trillions-fold increase
38
98000
2000
사실은 지금 보시는 그래프도
01:52
since the 1890 census.
39
100000
3000
1890년 이후 수조 배 증가한 것을 나타내고 있거든요.
01:55
In 1950s they were shrinking vacuum tubes,
40
103000
2000
1950년대에는 진공관의 크기를 줄이려고 노력했었어요.
01:57
making them smaller and smaller. They finally hit a wall;
41
105000
3000
점점 더 작게 만들려고만 했었죠. 그러다보니 결국 벽에 부딪히게 되었죠.
02:00
they couldn't shrink the vacuum tube any more and keep the vacuum.
42
108000
2000
진공 상태를 유지하면서 크기를 더 이상 줄일 수가 없었어요.
02:02
And that was the end of the shrinking of vacuum tubes,
43
110000
3000
진공관 크기 축소 경쟁은 그렇게 끝납니다.
02:05
but it was not the end of the exponential growth of computing.
44
113000
3000
하지만, 이로써 컴퓨터의 기하급수적인 발전이 끝났다는 뜻은 아닙니다.
02:08
We went to the fourth paradigm, transistors,
45
116000
2000
네 번째 패러다임인 트랜지스터로 넘어갔죠.
02:10
and finally integrated circuits.
46
118000
2000
그리고 마침내 집적회로로 넘어갑니다.
02:12
When that comes to an end we'll go to the sixth paradigm;
47
120000
2000
그것도 끝나자 우리는 여섯 번째 패러다임으로 넘어갑니다.
02:14
three-dimensional self-organizing molecular circuits.
48
122000
4000
스스로 구조를 갖추는 3차원 분자회로입니다.
02:18
But what's even more amazing, really, than this
49
126000
3000
하지만 이런 환상적인 진보의 속도보다도
02:21
fantastic scale of progress,
50
129000
2000
정말 더욱 엄청난 것은
02:23
is that -- look at how predictable this is.
51
131000
2000
이 진보의 속도가 얼마나 예측 가능했었냐는 것이에요.
02:25
I mean this went through thick and thin,
52
133000
2000
제 말은 이런 진보의 추세가 좋을 때나 안 좋을 때,
02:27
through war and peace, through boom times and recessions.
53
135000
3000
전시와 평시, 호황과 불황에도 끄떡없었다는 뜻입니다.
02:30
The Great Depression made not a dent in this exponential progression.
54
138000
4000
대공황마저도 이 기하급수적인 진보에 흠집 하나 못 냈어요.
02:34
We'll see the same thing in the economic recession we're having now.
55
142000
4000
지금 우리가 겪는 경기침체에도 마찬가지일 거에요.
02:38
At least the exponential growth of information technology capability
56
146000
3000
적어도 정보기술 능력의 발전은
02:41
will continue unabated.
57
149000
3000
계속될 겁니다.
02:44
And I just updated these graphs.
58
152000
2000
최근에 이 도표들을 새로 만들었습니다.
02:46
Because I had them through 2002 in my book, "The Singularity is Near."
59
154000
3000
왜냐하면 2002년에 썼던 "특이점이 온다"라는 제 책에 있던 도표거든요.
02:49
So we updated them,
60
157000
2000
그래서 갱신했죠.
02:51
so I could present it here, to 2007.
61
159000
3000
이제 2007년인 지금 여기서 보여드릴 수 있겠네요.
02:54
And I was asked, "Well aren't you nervous?
62
162000
2000
이런 질문도 듣습니다. "음, 그러면 당신은 불안하지는 않나요?
02:56
Maybe it kind of didn't stay on this exponential progression."
63
164000
4000
이 기하급수적인 진보가 언제까지 계속될지 모르잖아요."
03:00
I was a little nervous
64
168000
2000
저도 사실 좀 걱정은 됩니다.
03:02
because maybe the data wouldn't be right,
65
170000
2000
제 자료들이 맞지 않게 될까봐요.
03:04
but I've done this now for 30 years,
66
172000
2000
하지만 이 일을 저는 30년 동안 해왔어요.
03:06
and it has stayed on this exponential progression.
67
174000
3000
그리고 그 동안 계속 기하급수적인 속도였죠.
03:09
Look at this graph here.You could buy one transistor for a dollar in 1968.
68
177000
3000
여기 이 도표를 보세요. 1968년에 트랜지스터 하나를 1달러에 살 수 있었어요.
03:12
You can buy half a billion today,
69
180000
2000
오늘날은 십억 개를 살 수 있습니다.
03:14
and they are actually better, because they are faster.
70
182000
2000
그리고 더 빠르니 품질도 더 좋은 셈이죠.
03:16
But look at how predictable this is.
71
184000
2000
하지만 이것들이 얼마나 예측가능한지 보세요.
03:18
And I'd say this knowledge is over-fitting to past data.
72
186000
3000
이 지식들은 모두 과거 자료에 맞추어서 얻어진 것들이거든요.
03:21
I've been making these forward-looking predictions for about 30 years.
73
189000
4000
저는 지난 30년 동안 이런 식의 미래 예측을 내놨어요.
03:25
And the cost of a transistor cycle,
74
193000
2000
그리고 전자부품의 가격대 성능비를 측정하는 지표로
03:27
which is a measure of the price performance of electronics,
75
195000
2000
트랜지스터 하나가 계산 한 번할 때 드는 비용을 보면
03:29
comes down about every year.
76
197000
2000
매년 감소하는 것을 알 수 있죠.
03:31
That's a 50 percent deflation rate.
77
199000
2000
50%씩 감소해 왔습니다.
03:33
And it's also true of other examples,
78
201000
2000
DNA나 뇌 관련 자료들과 똑같이
03:35
like DNA data or brain data.
79
203000
2000
이것도 사실입니다.
03:37
But we more than make up for that.
80
205000
2000
그냥 만들어낸 이야기가 아닙니다.
03:39
We actually ship more than twice as much
81
207000
2000
한 해에 수출되는 정보 기술 관련 모든 제품과 서비스는
03:41
of every form of information technology.
82
209000
2000
매년 두 배씩 증가합니다.
03:43
We've had 18 percent growth in constant dollars
83
211000
3000
지난 반세기 동안 모든 종류의 정보기술이 이룬 발전을
03:46
in every form of information technology for the last half-century,
84
214000
3000
불변 달러 가치로 환산하면 18%에 이릅니다.
03:49
despite the fact that you can get twice as much of it each year.
85
217000
4000
동일한 가격을 지불하고 2배 가치를 얻는 사실은 고려하지 않았습니다.
03:53
This is a completely different example.
86
221000
2000
이번 것은 완전히 다른 사례입니다.
03:55
This is not Moore's Law.
87
223000
2000
무어의 법칙이 아니에요.
03:57
The amount of DNA data
88
225000
2000
우리가 처리할 수 있는 DNA 정보량은
03:59
we've sequenced has doubled every year.
89
227000
2000
매년 두 배씩 증가해 왔습니다.
04:01
The cost has come down by half every year.
90
229000
3000
가격은 매년 절반으로 떨어져왔지요.
04:04
And this has been a smooth progression
91
232000
2000
게놈 프로젝트가 시작된 이래로
04:06
since the beginning of the genome project.
92
234000
2000
완만히 발전해 왔습니다.
04:08
And halfway through the project, skeptics said,
93
236000
2000
프로젝트가 절반쯤 진행됐을 때, 회의론자들은 이렇게 말했습니다.
04:10
"Well, this is not working out. You're halfway through the genome project
94
238000
3000
"이건 아마 안 될거야. 프로젝트의 시간이 절반이나 지났는데,
04:13
and you've finished one percent of the project."
95
241000
2000
아직 전체의 1% 자료 밖에 처리하지 못했잖아."
04:15
But that was really right on schedule.
96
243000
2000
하지만 실제로는 일정에 정확히 맞아가고 있던 것이었어요.
04:17
Because if you double one percent seven more times,
97
245000
2000
왜냐하면 1%를 두 배씩 늘리기를 7번만 하면
04:19
which is exactly what happened,
98
247000
2000
100%에 도달하거든요.
04:21
you get 100 percent. And the project was finished on time.
99
249000
3000
실제 프로젝트도 그렇게 진행되었고, 일정에 맞춰서 끝났습니다.
04:24
Communication technologies:
100
252000
2000
통신 기술:
04:26
50 different ways to measure this,
101
254000
2000
이것을 측정하는 방법은 50가지나 있습니다.
04:28
the number of bits being moved around, the size of the Internet.
102
256000
3000
돌아다니는 비트의 개수나 인터넷의 크기가 그것이죠.
04:31
But this has progressed at an exponential pace.
103
259000
2000
하지만 이것들도 기하급수적인 속도로 진보해 왔어요.
04:33
This is deeply democratizing.
104
261000
2000
깊숙이 민주화된 방식으로요.
04:35
I wrote, over 20 years ago in "The Age of Intelligent Machines,"
105
263000
3000
20년 전에 소비에트 연합이 한참 잘 나갈 때,
04:38
when the Soviet Union was going strong, that it would be swept away
106
266000
3000
"The Age of Intelligent Machines"라는 책에서 저는
04:41
by this growth of decentralized communication.
107
269000
4000
분산형 의사소통의 증가로 인해서 소련이 곧 무너질 것이라고 썼습니다.
04:45
And we will have plenty of computation as we go through the 21st century
108
273000
3000
21세기를 지나면서 인류는 엄청난 계산 능력을 가지게 될 것 입니다.
04:48
to do things like simulate regions of the human brain.
109
276000
4000
그러면 인간 두뇌의 각 부분들을 시뮬레이션하는 것도 가능하겠지요.
04:52
But where will we get the software?
110
280000
2000
하지만 그런 소프트웨어를 어떻게 만들 수 있을까요?
04:54
Some critics say, "Oh, well software is stuck in the mud."
111
282000
3000
일부 비평가들은, "아, 소프트웨어는 그 쪽에서는 완전 꽉 막혔어."라고 합니다.
04:57
But we are learning more and more about the human brain.
112
285000
2000
하지만 앞으로 우리는 인간 두뇌에 대해서 점점 더 많이 알게 될 것입니다.
04:59
Spatial resolution of brain scanning is doubling every year.
113
287000
3000
뇌 스캔의 공간 해상도가 매년 두 배씩 증가하고 있습니다.
05:02
The amount of data we're getting about the brain is doubling every year.
114
290000
3000
우리가 수합하는 뇌에 대한 자료도 매해 두 배씩 늘고 있지요.
05:05
And we're showing that we can actually turn this data
115
293000
3000
결국 우리는 실제로 이 자료들을 뇌의 각 부분에 대해서
05:08
into working models and simulations of brain regions.
116
296000
3000
실제 작동하는 모델이나 시뮬레이션으로 만드는데 사용할 수 있을 것입니다.
05:11
There is about 20 regions of the brain that have been modeled,
117
299000
2000
현재까지 우리는 뇌의 약 20가지 부분들을 모델링하고,
05:13
simulated and tested:
118
301000
2000
시뮬레이션하고 테스트 해왔습니다.
05:15
the auditory cortex, regions of the visual cortex;
119
303000
3000
청각 피질, 시각 피질 뿐만 아니라
05:18
cerebellum, where we do our skill formation;
120
306000
2000
기술을 익히는데 필요한 소뇌와,
05:20
slices of the cerebral cortex, where we do our rational thinking.
121
308000
4000
이성적 사고를 가능케 하는 대뇌 피질도 그에 속합니다.
05:24
And all of this has fueled
122
312000
2000
그리고 이 모든 것들의 생산성은
05:26
an increase, very smooth and predictable, of productivity.
123
314000
3000
아주 완만하고 예측 가능한 속도로 증가하고 있습니다.
05:29
We've gone from 30 dollars to 130 dollars
124
317000
2000
정보기술로 말미암아
05:31
in constant dollars in the value of an average hour of human labor,
125
319000
4000
시간당 인간 노동력 가치 평균이 30 달러에서 130달러로
05:35
fueled by this information technology.
126
323000
3000
증가할 수 있었습니다.
05:38
And we're all concerned about energy and the environment.
127
326000
3000
이제는 모두들 에너지와 환경에 대해서 신경을 쓰고 있습니다.
05:41
Well this is a logarithmic graph.
128
329000
2000
이것도 로그 함수 그래프에요.
05:43
This represents a smooth doubling,
129
331000
2000
이것은 우리가 만들어내는 태양 에너지의 양이
05:45
every two years, of the amount of solar energy we're creating,
130
333000
4000
2년마다 두 배씩 완만히 증가하고 있다는 것을 보여줍니다.
05:49
particularly as we're now applying nanotechnology,
131
337000
2000
특히 이제는 태양 전지판에 정보 기술의 일종인
05:51
a form of information technology, to solar panels.
132
339000
3000
나노 기술을 접목시키고 있습니다.
05:54
And we're only eight doublings away
133
342000
2000
이제 8번만 더 두 배가 되면
05:56
from it meeting 100 percent of our energy needs.
134
344000
2000
우리가 사용하는 에너지 수요를 100% 채울 수 있게 됩니다.
05:58
And there is 10 thousand times more sunlight than we need.
135
346000
4000
태양에너지는 우리가 필요한 에너지보다 10,000배나 더 많거든요.
06:02
We ultimately will merge with this technology. It's already very close to us.
136
350000
5000
우리는 최종적으로 이 기술을 생활 속에 받아들이게 될 것입니다. 이미 가까이 와 있어요.
06:07
When I was a student it was across campus, now it's in our pockets.
137
355000
3000
제 학창 시절에는 학교만큼 크던 태양 전지판이 이제 주머니에 넣을 수 있을 정도로 작아졌어요.
06:10
What used to take up a building now fits in our pockets.
138
358000
3000
한 건물 전체를 차지했던 것이 이제 주머니에 들어간다고요.
06:13
What now fits in our pockets would fit in a blood cell in 25 years.
139
361000
3000
지금 주머니 크기의 것은 25년 안에 혈액 세포에 들어갈 수 있게 될 것입니다.
06:16
And we will begin to actually deeply influence
140
364000
4000
그리고 나면, 우리는 건강과 지능에 대해서
06:20
our health and our intelligence,
141
368000
2000
아주 심대한 영향을 끼칠 수 있겠죠.
06:22
as we get closer and closer to this technology.
142
370000
4000
이런 기술에 점점 가까워지면서 말이에요.
06:26
Based on that we are announcing, here at TED,
143
374000
3000
지금까지 말씀드린 것을 바탕으로 여기 TED에서
06:29
in true TED tradition, Singularity University.
144
377000
3000
지극히 TED다운 전통에 따라 '특이성 대학'을 소개하고자 합니다.
06:32
It's a new university
145
380000
2000
일종의 새로운 대학인데요,
06:34
that's founded by Peter Diamandis, who is here in the audience,
146
382000
2000
여기 청중 사이에 앉아있는 피터 다이아만디스 씨와
06:36
and myself.
147
384000
2000
제가 만든 학교입니다.
06:38
It's backed by NASA and Google,
148
386000
2000
나사와 구글을 비롯한
06:40
and other leaders in the high-tech and science community.
149
388000
4000
과학기술 산업의 다른 선두 주자들의 지원을 받고 있죠.
06:44
And our goal was to assemble the leaders,
150
392000
3000
저희의 목표는 이렇게 기하급수적으로 성장하는
06:47
both teachers and students,
151
395000
2000
정보기술과 그 응용 산업에서
06:49
in these exponentially growing information technologies,
152
397000
2000
선도적 역할을 하는 기업, 교육자, 학생들을
06:51
and their application.
153
399000
2000
한 군데 모으는 것입니다.
06:53
But Larry Page made an impassioned speech
154
401000
2000
설립 모임 당시 래리 페이지는
06:55
at our organizing meeting,
155
403000
2000
열정적으로 이렇게 이야기 했습니다.
06:57
saying we should devote this study
156
405000
5000
인류가 직면하고 있는 주요 문제를
07:02
to actually addressing some of the major challenges facing humanity.
157
410000
4000
해결하기 위한 연구를 진행해야 한다고요.
07:06
And if we did that, then Google would back this.
158
414000
2000
그리고 우리가 일을 진행하면 구글이 지원을 해주기로 했었죠.
07:08
And so that's what we've done.
159
416000
2000
이게 지금까지 해왔던 일입니다.
07:10
The last third of the nine-week intensive summer session
160
418000
4000
9주 간의 집중적인 여름 학기의 마지막 3주 동안에는
07:14
will be devoted to a group project to address
161
422000
2000
인류가 맞닥드린 주요 과제들을
07:16
some major challenge of humanity.
162
424000
2000
다루기 위한 그룹 프로젝트들이 진행됩니다.
07:18
Like for example, applying the Internet,
163
426000
2000
예를 들어, 지금은 어디에나 있는 인터넷을
07:20
which is now ubiquitous, in the rural areas of China or in Africa,
164
428000
5000
중국이나 아프리카의 시골 지역에 적용하여
07:25
to bringing health information
165
433000
2000
세계의 주요 개발국에
07:27
to developing areas of the world.
166
435000
3000
의료 정보를 제공하는 문제에 대해서 생각해 보는 식이죠.
07:30
And these projects will continue past these sessions,
167
438000
3000
그리고 이 프로젝트들은 수업이 끝나고 나서도
07:33
using collaborative interactive communication.
168
441000
3000
쌍방향의 협력적 의사소통을 통해서 계속 진행될 겁니다.
07:36
All the intellectual property that is created and taught
169
444000
4000
수업에서 사용된 모든 저작물들도 온라인에 올려서
07:40
will be online and available,
170
448000
2000
많은 사람들이 볼 수 있게 할 겁니다.
07:42
and developed online in a collaborative fashion.
171
450000
3000
그리고 협동하는 방식으로 만들어 나가야죠.
07:45
Here is our founding meeting.
172
453000
2000
이것이 첫 번째 회의의 내용입니다.
07:47
But this is being announced today.
173
455000
2000
하지만 오늘 처음으로 발표하는 겁니다.
07:49
It will be permanently headquartered in Silicon Valley,
174
457000
3000
실리콘 밸리에 있는 나사 애임즈 연구소에
07:52
at the NASA Ames research center.
175
460000
2000
영구적으로 자리 잡을 예정입니다.
07:54
There are different programs for graduate students,
176
462000
2000
대학원생이나 회사 경영자들을 위해서는
07:56
for executives at different companies.
177
464000
3000
별도의 프로그램이 존재합니다.
07:59
The first six tracks here -- artificial intelligence,
178
467000
2000
지금 보시는 10가지 전공 중 앞의 여섯 가지 과정은
08:01
advanced computing technologies, biotechnology, nanotechnology --
179
469000
3000
인공 지능, 고급 컴퓨팅 기술, 생명 과학, 나노 기술 등
08:04
are the different core areas of information technology.
180
472000
4000
정보기술의 서로 다른 핵심 영역으로 구성되어 있습니다.
08:08
Then we are going to apply them to the other areas,
181
476000
2000
그리고 이를 7~10번에 있는
08:10
like energy, ecology,
182
478000
3000
에너지, 환경,
08:13
policy law and ethics, entrepreneurship,
183
481000
2000
정책과 윤리, 기업가 정신 등 타분야에 접목시킬 겁니다.
08:15
so that people can bring these new technologies to the world.
184
483000
4000
사람들이 이 새로운 기술들을 실생활에서 사용할 수 있도록 말이죠.
08:19
So we're very appreciative of the support we've gotten
185
487000
5000
우리는 지금까지 지식인들과 업계 선도자들로부터 받았던
08:24
from both the intellectual leaders, the high-tech leaders,
186
492000
2000
지원에 정말 감사를 드리고 싶습니다.
08:26
particularly Google and NASA.
187
494000
2000
구글과 나사에는 특히 감사드립니다.
08:28
This is an exciting new venture.
188
496000
2000
정말 흥미로운 신사업이죠.
08:30
And we invite you to participate. Thank you very much.
189
498000
3000
여러분의 많은 참여 부탁드립니다. 대단히 감사합니다.
08:33
(Applause)
190
501000
3000
(박수)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com