ABOUT THE SPEAKER
Aubrey de Grey - Crusader against aging
Aubrey de Grey, British researcher on aging, claims he has drawn a roadmap to defeat biological aging. He provocatively proposes that the first human beings who will live to 1,000 years old have already been born.

Why you should listen

A true maverick, Aubrey de Grey challenges the most basic assumption underlying the human condition -- that aging is inevitable. He argues instead that aging is a disease -- one that can be cured if it's approached as "an engineering problem." His plan calls for identifying all the components that cause human tissue to age, and designing remedies for each of them — forestalling disease and eventually pushing back death. He calls the approach Strategies for Engineered Negligible Senescence (SENS).

With his astonishingly long beard, wiry frame and penchant for bold and cutting proclamations, de Grey is a magnet for controversy. A computer scientist, self-taught biogerontologist and researcher, he has co-authored journal articles with some of the most respected scientists in the field.

But the scientific community doesn't know what to make of him. In July 2005, the MIT Technology Review challenged scientists to disprove de Grey's claims, offering a $20,000 prize (half the prize money was put up by de Grey's Methuselah Foundation) to any molecular biologist who could demonstrate that "SENS is so wrong that it is unworthy of learned debate." The challenge remains open; the judging panel includes TEDsters Craig Venter and Nathan Myhrvold. It seems that "SENS exists in a middle ground of yet-to-be-tested ideas that some people may find intriguing but which others are free to doubt," MIT's judges wrote. And while they "don't compel the assent of many knowledgeable scientists," they're also "not demonstrably wrong."

More profile about the speaker
Aubrey de Grey | Speaker | TED.com
TEDGlobal 2005

Aubrey de Grey: A roadmap to end aging

Aubrey de Grey: "အိုမင်းခြင်းကို အဆုံးသတ်ရေးဆီကို ရှေ့ရှရေး

Filmed:
4,332,848 views

Cambridge သုတေသနပညာရှင် Aubrey de Grey က အိုမင်းခြင်းဟာ ကုသပျောက်ကင်းနိုင်တဲ့ ရောဂါတစ်ခုသာ ဖြစ်တယ်လို့ ဆိုပါတယ်။ လူဟာ အခြေခံအားဖြင့် နည်းလမ်း ၇-နည်းနဲ့ အသက်အရွယ်အိုမင်းလာကြပြီး အဲဒီအချက်အားလုံးကို မဖြစ်အောင် ရှောင်လွှဲနိုင်ပါတယ်တဲ့..
- Crusader against aging
Aubrey de Grey, British researcher on aging, claims he has drawn a roadmap to defeat biological aging. He provocatively proposes that the first human beings who will live to 1,000 years old have already been born. Full bio

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

00:25
18 minutes is an absolutely brutal time limit,
0
0
2000
၁၈ မိနစ်ဆိုတာကတော့ တော်တော့်ကို ရက်စက်တဲ့ အချိန်ကန့်သတ်ချက်ပါပဲ...
00:27
so I'm going to dive straight in, right at the point
1
2000
2000
ဒါကြောင့် လိုရင်းအချက်ကိုပဲ တည့်တည့်ပြောပါမယ်။
00:29
where I get this thing to work.
2
4000
2000
အခု ကျွန်တော်ပြောမယ့်အရာကို ဘယ်လိုရခဲ့တယ်ဆိုတာကိုပေ့ါ..
00:31
Here we go. I'm going to talk about five different things.
3
6000
2000
ကဲ..စပြီနော်။ ကျွန်တော်က မတူညီတဲ့အရာ ငါးမျိုးအကြောင်းပြောပါမယ်။
00:33
I'm going to talk about why defeating aging is desirable.
4
8000
3000
အိုမင်းခြင်းကို တိုက်ခိုက်အနိုင်ယူနိုင်ခြင်းဟာ ဘာကြောင့်ဖြစ်သင့်တဲ့အချက်လဲ..ဆိုတာ ပြောပါမယ်။
00:36
I'm going to talk about why we have to get our shit together,
5
11000
2000
ဘာကြောင့် ကျွန်တော်တို့တွေရဲ့အသိတွေကို စုစည်းပြီးတော့...
00:38
and actually talk about this a bit more than we do.
6
13000
2000
ဒီအကြောင်းကို အခုထက် နည်းနည်းပိုပြီး ပြောသင့်တဲ့အကြောင်း ကျွန်တော်ပြောမှာပါ။
00:40
I'm going to talk about feasibility as well, of course.
7
15000
2000
ဒါ့အပြင် ...ဖြစ်နိုင်ခြေရှိမရှိဆိုတာတွေကိုလည်း ပြောသွားမှာပါ။
00:42
I'm going to talk about why we are so fatalistic
8
17000
2000
ကျွန်တော်တို့တွေဟာ ဘာဖြစ်လို့ ကံအကြောင်းကြောင့်ပဲလို့ ယုံကြည်နေကြတာလဲ..
00:44
about doing anything about aging.
9
19000
2000
အိုမင်းခြင်းနဲ့ပတ်သက်ပြီး လုပ်နိုင်တာတွေကိုပေါ့။
00:46
And then I'm going spend perhaps the second half of the talk
10
21000
2000
ကျွန်တော့် ဟောပြောပွဲရဲ့ ဒုတိယပိုင်းတစ်ချိန်လုံးကို သုံးပြီး
00:48
talking about, you know, how we might actually be able to prove that fatalism is wrong,
11
23000
5000
အိုမင်းခြင်းနဲ့ပတ်သက်ရင် ကံကိုပုံချနေကြတာဟာ မှားယွင်းကြောင်း ဘယ်လိုသက်သေပြနိုင်တယ်ဆိုတာကို ပြောသွားမှာပါ။
00:53
namely, by actually doing something about it.
12
28000
2000
နာမည်တပ်ပြောရရင်တော့ 'အိုမင်းခြင်းအတွက် တစ်ခုခုကို တကယ်လုပ်ပြခြင်း' ပေါ့။
00:55
I'm going to do that in two steps.
13
30000
2000
အဲဒါကို ကျွန်တော် အဆင့်နှစ်ဆင့်နဲ့ ရှင်းပြသွားပါမယ်။
00:57
The first one I'm going to talk about is
14
32000
2000
ပထမအဆင့်ကတော့....
00:59
how to get from a relatively modest amount of life extension --
15
34000
3000
အတန်အသင့် ပိုရှည်လာမယ့် ပျမ်းမျှသက်တမ်းကို
01:02
which I'm going to define as 30 years, applied to people
16
37000
3000
ကျွန်တော့်အနေနဲ့ နှစ်-၃၀ လို့ သတ်မှတ်လို်က်မယ်၊ အဲဒီအသက်ကို
01:05
who are already in middle-age when you start --
17
40000
2000
သက်လတ်ပိုင်းလူတွေကို ပေါင်းထည့်ပေးလိုက်၊ ရလာတဲ့အသက်ကနေ
01:07
to a point which can genuinely be called defeating aging.
18
42000
3000
'ဇရာကို တွန်းလှန်အောင်မြင်ပြီ' လို့ စစ်စစ်မှန်မှန် ခေါ်လို့ရတဲ့အရွယ်အထိ ဘယ်လို ရောက်အောင်သွားမလဲ ဆိုတာပါ။
01:10
Namely, essentially an elimination of the relationship between
19
45000
4000
ဒါကို 'ဆက်စပ်မှုကို ခြေဖျက်ပစ်လိုက်ခြင်း' လို့ ခေါ်ပါတယ်။
01:14
how old you are and how likely you are to die in the next year --
20
49000
2000
'ခင်ဗျားရဲ့လက်ရှိအသက်' နဲ့ 'နောက်တစ်နှစ်မှာ ခင်ဗျား သေဆုံးနိုင်ခြေ' နဲ့ ဆက်စပ်မှု..
01:16
or indeed, to get sick in the first place.
21
51000
2000
ဒါမှမဟုတ် ' အရင်ဆုံး နေမကောင်းဖြစ်နိုင်ခြေ ' နဲ့ ဆက်စပ်မှုကို ဖျက်ပစ်ဖို့ပါ..
01:18
And of course, the last thing I'm going to talk about
22
53000
2000
နောက်ဆုံး ကျွန်တော်ပြောမှာကတော့....
01:20
is how to reach that intermediate step,
23
55000
2000
အဲဒီအလယ်အဆင့်ကို ဘယ်လိုရောက်အောင် သွားမလဲဆိုတာပါပဲ။
01:22
that point of maybe 30 years life extension.
24
57000
3000
နှစ်ပေါင်းသုံးဆယ် ပိုရှည်လာမယ့် ပျမ်းမျှသက်တမ်းကို ပြောတာပါ။
01:25
So I'm going to start with why we should.
25
60000
3000
ဒီတော့ ကျွန်တော်တို့ ဘာကြောင့် အသက်ရှည်သင့်သလဲဆိုတာနဲ့ စတင်ပါမယ်။
01:28
Now, I want to ask a question.
26
63000
2000
အခု ကျွန်တော် မေးခွန်းတစ်ခု မေးချင်ပါတယ်။
01:30
Hands up: anyone in the audience who is in favor of malaria?
27
65000
3000
ဒီပရိတ်သတ်ထဲမှာ ငှက်ဖျားကို သဘောကျတဲ့သူရှိရင် လက်ထောင်ပြပါ။
01:33
That was easy. OK.
28
68000
1000
လွယ်ပါတယ်နော်။ အိုကေ။
01:34
OK. Hands up: anyone in the audience
29
69000
2000
ဟုတ်ပြီ..ပရိတ်သတ်ထဲက လက်ထောင်ပြပါ..
01:36
who's not sure whether malaria is a good thing or a bad thing?
30
71000
3000
ငှက်ဖျားဆိုတာ ကောင်းတဲ့ဟာလား ဆိုးတဲ့ဟာလားဆိုတာ မသေချာတဲ့သူ လက်ထောင်ပြပါ။
01:39
OK. So we all think malaria is a bad thing.
31
74000
2000
ဟုတ်ပြီ..ဒါဆို ဒီက ပရိတ်သတ်အားလုံးက ငှက်ဖျားဟာဆိုးတယ်ဆိုတာ သေချာသိတာပေါ့နော်။
01:41
That's very good news, because I thought that was what the answer would be.
32
76000
2000
ဒါဟာ သတင်းကောင်းပါ။ ဘာဖြစ်လို့လဲဆိုတော့ အဲဒီအဖြေပဲ ဖြစ်မယ်လို့ ကျွန်တော်က ထင်ထားလို့ပါ။
01:43
Now the thing is, I would like to put it to you
33
78000
2000
ဒီမှာ..ကျွန်တော် ခင်ဗျားတို့ကို တင်ပြချင်တာက
01:45
that the main reason why we think that malaria is a bad thing
34
80000
3000
ငှက်ဖျားကို ဆိုးတယ်လို့ ကျွန်တော်တို့ ထင်နေကြရတဲ့ အဓိကအကြောင်းရင်းက
01:48
is because of a characteristic of malaria that it shares with aging.
35
83000
4000
အိုမင်းခြင်းနဲ့ ငှက်ဖျားရဲ့ဝိသေသတစ်ခု ဆက်စပ်နေလို့ပါပဲ။
01:52
And here is that characteristic.
36
87000
3000
အဲဒီ ၀ိသေသက ဒီလိုပါ..
01:55
The only real difference is that aging kills considerably more people than malaria does.
37
90000
5000
သူတို့နှစ်ခုရဲ့ တစ်ခုတည်းသော ကွဲပြားမှုက အိုမင်းခြင်းက ငှက်ဖျားထက် လူတွေအများကြီးကို ပိုပြီးသတ်ပစ်လို့ပါ။
02:00
Now, I like in an audience, in Britain especially,
38
95000
2000
ကဲ.. ကျွန်တော့အနေနဲ့ ပရိတ်သတ်တွေကို .. (အထူးသဖြင့် ဗြိတိန်မှာပေ့ါဗျာ)..
02:02
to talk about the comparison with foxhunting,
39
97000
2000
မြေခွေးကိုအမဲလိုက်တာနဲ့ နိိှုင်းယှဉ်ပြီး ပြောပြချင်ပါတယ်။
02:04
which is something that was banned after a long struggle,
40
99000
3000
မြေခွေးအမဲလိုက်တာကို ဥပဒေအရ တားမြစ်ပေးဖို့ နှစ်ပေါင်းများစွာကြိုးစားခဲ့ရပြီး..
02:07
by the government not very many months ago.
41
102000
3000
လွန်ခဲ့တဲ့ လအနည်းငယ်အတွင်းကမှ အစိုးရက သဘောတူခဲ့တာပါ။
02:10
I mean, I know I'm with a sympathetic audience here,
42
105000
2000
အခု ကျွန်တော်ဟာ စာနာတတ်တဲ့ ပရိတ်သတ်နဲ့ ရှိနေတယ်ဆိုတာ သိပါတယ်။
02:12
but, as we know, a lot of people are not entirely persuaded by this logic.
43
107000
3000
ဒါပေမယ့်..ကျွန်တော်တို့သိကြတဲ့အတိုင်းပဲ.. လူတော်တော်များများက ဒီအတွေးအခေါ်ကို သိပ်သဘောမတူကြသေးပါဘူး။
02:15
And this is actually a rather good comparison, it seems to me.
44
110000
3000
တကယ်တော့ ကျွန်တော့အတွက် ဒီဟာက အတော်ကောင်းတဲ့ နှိုင်းယှဉ်စရာအချက်ပါပဲ။
02:18
You know, a lot of people said, "Well, you know,
45
113000
2000
လူအများကပြောလိမ့်မယ့်..အင်း..သိတယ်မဟုတ်လား...
02:20
city boys have no business telling us rural types what to do with our time.
46
115000
5000
မြို့ကလူတွေက ငါတို့လိုတောသားတွေကို ကိုယ့်အချိန်တွေ ဘယ်လိုသုံးရမယ်ဆိုတာ လာပြောစရာမလိုပါဘူး။
02:25
It's a traditional part of the way of life,
47
120000
2000
ဒါက တောနေလူ့ဘဝရဲ့ အစဉ်အလာ တစ်ခုဖြစ်နေတဲ့အတွက် ..
02:27
and we should be allowed to carry on doing it.
48
122000
2000
ကျွန်တော်တို့ကို ဆက်လုပ်ခွင့်ပေးသင့်ပါတယ်။
02:29
It's ecologically sound; it stops the population explosion of foxes."
49
124000
3000
ဂေဟစနစ် အရလည်း သင့်တော်တယ်။ မြေခွေးကောင်ရေ ဖောင်းပွလာမှာကိုလည်း တားပေးတယ်လေ။
02:32
But ultimately, the government prevailed in the end,
50
127000
2000
ဒါပေမယ့် နောက်ဆုံးတော့လည်း အစိုးရက နိုင်သွားတာပါပဲ..
02:34
because the majority of the British public,
51
129000
1000
ဘာလို့လဲဆိုတော့ ဗြိတိန်ပြည်သူအများစုနဲ့..
02:35
and certainly the majority of members of Parliament,
52
130000
2000
ပါလီမန်အဖွဲ့ဝင်အများစုက...
02:37
came to the conclusion that it was really something
53
132000
2000
နောက်ဆုံး ကောက်ချက်ဆွဲလိုက်တာက..ဒါဟာ..
02:39
that should not be tolerated in a civilized society.
54
134000
2000
ယဉ်ကျေးတဲ့လူ့အဖွဲ့အစည်းမှာ မဖြစ်သင့်ဘူးတဲ့။
02:41
And I think that human aging shares
55
136000
1000
ကျွန်တော်ထင်တာက လူတွေ အိုမင်းခြင်းမှာ..
02:42
all of these characteristics in spades.
56
137000
2000
ဒီဝိသေသတွေ ပါ၀င်နေပါတယ်။
02:45
What part of this do people not understand?
57
140000
2000
ဒါရဲ့ ဘယ်အပိုင်းကို လူတွေနားမလည်တာလဲ။
02:47
It's not just about life, of course --
58
142000
2000
ဒါဟာ ဘဝအတွက်တင် မဟုတ်ပါဘူး။
02:49
(Laughter) --
59
144000
1000
(ရယ်သံများ)
02:50
it's about healthy life, you know --
60
145000
3000
ဒါဟာ ကျန်းမာတဲ့ ဘဝအတွက်ဖြစ်ပါတယ်။
02:53
getting frail and miserable and dependent is no fun,
61
148000
3000
အားအင်ချိနဲ့လာပြီး မသက်မသာ နဲ့ သူများအပေါ်မှီခိုနေရတာက ပျော်စရာမဟုတ်ဘူးလေ..
02:56
whether or not dying may be fun.
62
151000
2000
သေခြင်းဟာ ပျော်စရာ ဖြစ်ဖြစ် မဖြစ်ဖြစ်ပေ့ါ။
02:58
So really, this is how I would like to describe it.
63
153000
2000
ဒီတော့ ဒါ တကယ်ပဲ ကျွန်တော် ဖော်ပြလိုတဲ့ပုံစံပါ။
03:00
It's a global trance.
64
155000
2000
ဒါဟာ တစ်ကမ္ဘာလုံးက ဒီအချက်နဲ့ပတ်သက်ပြီး နဝေတိန်တောင်ဖြစ်နေသေးတဲ့အချက်ပါ။
03:02
These are the sorts of unbelievable excuses
65
157000
2000
ဒါတွေဟာ မယုံနိုင်စရာ ဆင်ခြေတွေပါပဲ....
03:04
that people give for aging.
66
159000
2000
အိုမင်းခြင်းနဲ့ပတ်သက်ပြီး လူတွေပေးတဲ့ ဆင်ခြေတွေလေ။
03:06
And, I mean, OK, I'm not actually saying
67
161000
2000
တကယ်တော့ ကျွန်တော်က
03:08
that these excuses are completely valueless.
68
163000
2000
ဒီအကြောင်းပြချက်တွေဟာ လုံးဝတန်ဖိုးမဲ့တယ်လို့ ပြောနေတာမဟုတ်ပါဘူး။
03:10
There are some good points to be made here,
69
165000
2000
ဒီနေရာမှာ ကောင်းတဲ့အချက်တစ်ချို့ထုတ်ပြစရာရှိပါတယ်။
03:12
things that we ought to be thinking about, forward planning
70
167000
3000
ကျွန်တော်တို့ စဉ်းစားသင့်တဲ့ အရာတွေ၊ ရှေ့အတွက် ပြင်ဆင်ဖို့..
03:15
so that nothing goes too -- well, so that we minimize
71
170000
2000
ဒါမှ နောက်ပိုင်းမှာ..ဘာမှမဖြစ်အောင်..ဒါမှမဟုတ် ဆိုးဆိုးရွားရွားမဖြစ်အောင် လျှော့ချဖို့..
03:17
the turbulence when we actually figure out how to fix aging.
72
172000
3000
အိုမင်းခြင်းကို ပြန်လည်ပြုပြင်ဖို့အတွက် တကယ့်တကယ် လုပ်ကြတဲ့အခါ ကြုံရမယ့် ခက်ခဲကြမ်းတမ်းမှုတွေကိုပေ့ါ။
03:20
But these are completely crazy, when you actually
73
175000
3000
ဒါပေမယ့် ဒါတွေဟာ တကယ့်ကို ရူးသွပ်မှုပါပဲ..
03:23
remember your sense of proportion.
74
178000
2000
ခင်ဗျားအနေနဲ့ ခင်ဗျားရဲ့ အချိုးချ ချင့်ချိန်နိုင်မှုကို သတိရသွားတဲ့အခါမှာပေ့ါ။
03:25
You know, these are arguments; these are things that
75
180000
4000
ခင်ဗျားတို့သိလား...ဒါတွေဟာ ပြန်လှန်ငြင်းဆိုချက်တွေပါ။ ဒါတွေဟာ..
03:29
would be legitimate to be concerned about.
76
184000
2000
တကယ့်ကို သတိထားရမယ့်အချက်တွေ ဖြစ်လာပါလိမ့်မယ်။
03:31
But the question is, are they so dangerous --
77
186000
3000
ဒါပေမယ့် မေးသင့်တဲ့ မေးခွန်းတစ်ခုက..ဒါတွေဟာ အရမ်းပဲ အန္တရာယ်ရှိသလား...
03:34
these risks of doing something about aging --
78
189000
2000
အသက်အိုမင်းခြင်းကို တိုက်ဖျက်ဖို့တစ်ခုခုလုပ်တာရဲ့ ဆိုးကျိုးတွေဟာ.....
03:36
that they outweigh the downside of doing the opposite,
79
191000
4000
သူ့ရဲ့ဆန့်ကျင်ဘက်ကိုလုပ်တာထက် အန္တရာယ်ပိုများပါသလား...ဆိုတဲ့ မေးခွန်းပါ။
03:40
namely, leaving aging as it is?
80
195000
2000
ဘယ်လိုပြောရမလဲဆိုတော့...အိုမင်းခြင်းကို ဒီအတိုင်းပဲ ထားလိုက်ကြမှာလား
03:42
Are these so bad that they outweigh
81
197000
2000
အဲဒါတွေဟာ အလွန်ဆိုးတဲ့အချက်လား...
03:44
condemning 100,000 people a day to an unnecessarily early death?
82
199000
6000
တစ်နေ့ကို လူတစ်သိန်းလောက်မသေသင့်ပဲ စောစောသေနေတာကို ဒီအတိုင်းပဲ ပစ်ထားရမှာလား။
03:50
You know, if you haven't got an argument that's that strong,
83
205000
2000
ခင်ဗျားမှာသာ ဒီလောက်ပြင်းပြင်းထန်ထန် စောဒကတက်စရာမရှိဘူးဆိုရင်..
03:52
then just don't waste my time, is what I say.
84
207000
3000
ကျွန်တော့အချိန်တွေကို လာမဖြုန်းပါနဲ့လို့ ကျွန်တော်ပြောတာပါ။
03:55
(Laughter)
85
210000
1000
(ရယ်သံများ)
03:56
Now, there is one argument
86
211000
1000
အခု ငြင်းဆိုချက်တစ်ခုရှိပါတယ်။
03:57
that some people do think really is that strong, and here it is.
87
212000
2000
တစ်ချို့လူတွေက တကယ့်ကို ပြင်းပြင်းထန်ထန် ဒီလို ထင်ကြပါတယ်။
03:59
People worry about overpopulation; they say,
88
214000
2000
လူတွေက လူဦးရေအရမ်းများလာမှာကို စိတ်ပူကြပါတယ်..လို့ပြောကြပါတယ်။
04:01
"Well, if we fix aging, no one's going to die to speak of,
89
216000
2000
အင်း..တကယ်လို့ ကျွန်တော်တို့က အိုမင်းခြင်းကို ပြန်ပြင်နိုင်မယ်ဆိုရင် ဘယ်သူမှ မသေတော့ဘူးပေ့ါ..
04:03
or at least the death toll is going to be much lower,
90
218000
3000
ဒါမှမဟုတ် အနည်းဆုံးတော့ သေဆုံးနှုန်းတော့ အများကြီးနည်းသွားမယ်ပေါ့...
04:06
only from crossing St. Giles carelessly.
91
221000
2000
သူတော်စင် St. Giles ကို ပြီးစလွယ်လေး ၀တ်ပြုရှိခိုးလိုက်တာနဲ့တင် မသေတော့ဘူးပေါ့...
04:08
And therefore, we're not going to be able to have many kids,
92
223000
2000
ဒါကြောင့် ကျွန်တော်တို့မှာ ကလေးတွေလည်း အများကြီးရမလာနိုင်တော့ဘူး။
04:10
and kids are really important to most people."
93
225000
2000
ကလေးတွေဟာ လူအများစုအတွက် တကယ့်ကို အရေးကြီးပါတယ်။
04:12
And that's true.
94
227000
2000
ဒါဟာတကယ်မှန်ပါတယ်။
04:14
And you know, a lot of people try to fudge this question,
95
229000
3000
နောက်ပြီး ခင်ဗျားတို့သိလား..လူတော်တော်များများက ဒီမေးခွန်းကို ပေါ့ပေ့ါပျက်ပျက် သဘောထားပြီး
04:17
and give answers like this.
96
232000
1000
ဒီလိုအဖြေမျိုး ပေးတတ်ကြတယ်။
04:18
I don't agree with those answers. I think they basically don't work.
97
233000
3000
ကျွန်တော်ကတော့ အဲဒီလိုအဖြေတွေကို သဘောမတူပါဘူး။ ဒါတွေဟာ အခြေခံအားဖြင့် အလုပ်မဖြစ်ဘူးလို့ပဲ ကျွန်တော်ယူဆပါတယ်။
04:21
I think it's true, that we will face a dilemma in this respect.
98
236000
3000
ဒါ့အတွက်နဲ့ ကျွန်တော်တို့ ဒွိဟဖြစ်စရာ ကြံုရပါလိမ့်မယ်။
04:24
We will have to decide whether to have a low birth rate,
99
239000
4000
ကျွန်တော်တို့ဆုံးဖြတ်ရမှာက... မွေးဖွားနှုန်းနည်းတာကို ရွေးမလား..
04:28
or a high death rate.
100
243000
2000
သေဆုံးနှုန်းမြင့်မားတာကို ရွေးမှာလား။
04:30
A high death rate will, of course, arise from simply rejecting these therapies,
101
245000
3000
မြင့်မားတဲ့ သေဆုံးနှုန်းဆိုတာက ဒီလိုကုထုံးတွေကို လက်မခံရင် ဖြစ်လာမှာပဲ...
04:33
in favor of carrying on having a lot of kids.
102
248000
4000
ကလေးတွေအများကြီးဆက်ပြီးမွေးတာကို ရွေးချယ်ရင်းနဲ့ပေ့ါ။
04:37
And, I say that that's fine --
103
252000
2000
ကျွန်တော်ကတော့ ဒါ အဆင်ပြေပါတယ်လို့ ပြောပါမယ်။
04:39
the future of humanity is entitled to make that choice.
104
254000
3000
လူသားတွေရဲ့အနာဂါတ်က ဒီရွေးချယ်မှုကို လုပ်နိုင်ပါတယ်။
04:42
What's not fine is for us to make that choice on behalf of the future.
105
257000
4000
အဆင်မပြေတာက ဘာလဲဆိုတော့ ကျွန်တော်တို့က ဒီရွေးချယ်မှုကို အနာဂါတ်ရဲ့ ကိုယ်စားလုပ်ပေးရတာပဲ။
04:46
If we vacillate, hesitate,
106
261000
2000
ကျွန်တော်တို့တွေသာ ချီတုံချတုံဖြစ်နေပြီး..
04:48
and do not actually develop these therapies,
107
263000
3000
အိုမင်းမှုအတွက် ကုထုံးတွေကိုသာ မတီထွင်ခဲ့ရင်...
04:51
then we are condemning a whole cohort of people --
108
266000
4000
ဒါဆို ကျွန်တော်တို့ဟာ ဒီလူတွေအားလုံးကို ပစ်ထားလိုက်ရာ ကျနေပြီ...
04:55
who would have been young enough and healthy enough
109
270000
2000
အဲဒီလူတွေဟာ ကုထုံးတွေကြောင့် အတော်လေး အရွယ်တင်ကျန်းမာလာကြရမှာ...
04:57
to benefit from those therapies, but will not be,
110
272000
2000
ဒါပေမယ့် အဲဒီအကျိုးတွေ သူတို့ရလာတော့မှာ မဟုတ်ပါဘူး။
04:59
because we haven't developed them as quickly as we could --
111
274000
2000
ဘာဖြစ်လို့လဲဆိုတော့ ဒီကုထုံးတွေကို ကျွန်တော်တို့ တတ်နိုင်သလောက် မြန်မြန်မထုတ်လုပ်ကြလို့ပေ့ါ။
05:01
we'll be denying those people an indefinite life span,
112
276000
2000
ကျွန်တော်တို့တွေက ဒီလူတွေကို အဆုံးမသိတဲ့သက်တမ်းအထိမနေရအောင် ငြင်းပယ်ထားသလိုဖြစ်နေလိမ့်မယ်...
05:03
and I consider that that is immoral.
113
278000
2000
နောက်ပြီး ဒါ မလုပ်သင့်ဘူးလို့ ကျွန်တော် ထင်တယ်။
05:05
That's my answer to the overpopulation question.
114
280000
3000
ဒါကတော့ လူဦးရေအလွန်များပြားလာခြင်းအတွက် ကျွန်တော့်ရဲ့ အဖြေပါ။
05:08
Right. So the next thing is,
115
283000
2000
မှန်ပါတယ်။ နောက်တစ်ခုကတော့....
05:10
now why should we get a little bit more active on this?
116
285000
2000
ဘာဖြစ်လို့ ကျွန်တော်တို့ ဒီကိစ္စကို ပိုအားထည့်ပြီးလုပ်သင့်သလဲဆိုတော့...
05:12
And the fundamental answer is that
117
287000
2000
အခြေခံအကျဆုံးအဖြေက...
05:14
the pro-aging trance is not as dumb as it looks.
118
289000
3000
အိုမင်းတာကို လက်ခံထားတဲ့အစွဲက ထင်သလောက်တော့ မထုံလှပါဘူး။
05:17
It's actually a sensible way of coping with the inevitability of aging.
119
292000
4000
အဲဒါဟာ တကယ်တော့ ရှောင်လို့မရတဲ့ အိုမင်းခြင်းကို ကိုယ့်ကိုယ်ကိုလက်ခံနိုင်စေတဲ့ နည်းကောင်းတစ်ခုပဲလေ။
05:21
Aging is ghastly, but it's inevitable, so, you know,
120
296000
4000
အိုမင်းခြင်းဟာ ကြောက်စရာပဲ..ဒါပေမယ့် ဒါဟာရှောင်လွှဲလို့မရဘူး...ဒီလိုပဲ ခင်ဗျားတို့ သိထားတယ်လေ။
05:25
we've got to find some way to put it out of our minds,
121
300000
2000
ခင်ဗျားတို့ ဒီအတွေးတွေကို စိတ်ထဲက ထုတ်ပစ်ဖို့ နည်းတော့ ရှာထားသင့်တယ်။
05:27
and it's rational to do anything that we might want to do, to do that.
122
302000
4000
နောက်ပြီး အဲဒီအတွက် ဘာမဆိုလုပ်ချင်တာလုပ်တာက သဘာဝကျပါတယ်။
05:31
Like, for example, making up these ridiculous reasons
123
306000
3000
ဥပမာအားဖြင့်ပေ့ါလေ..ဒီလိုမိုက်မဲတဲ့ အကြောင်းပြချက်တွေလုပ်ပြတာ...
05:34
why aging is actually a good thing after all.
124
309000
2000
တကယ်တော့ အိုမင်းခြင်းဟာ ကောင်းတဲ့အရာတစ်ခုပဲ ဆိုတာကိုပေ့ါ။
05:36
But of course, that only works when we have both of these components.
125
311000
4000
ဒါပေမယ့်ပေါ့လေ...ကျွန်တော်တို့မှာ အဲဒီအကြောင်းအချက်နှစ်မျိုးစလုံးရှိနေမှ အဆင်ပြေမှာ..
05:40
And as soon as the inevitability bit becomes a little bit unclear --
126
315000
3000
နောက်ပြီး မဖြစ်နိုင်ဘူး၊ မရှောင်လွှဲနိုင်ဘူးဆိုတဲ့အချက်က နည်းနည်းမသေချာဖြစ်လာတဲ့အခါ...
05:43
and we might be in range of doing something about aging --
127
318000
2000
နောက်ပြီး ကျွန်တော်တို့ကလည်း ဒီအိုမင်းခြင်းအတွက် တစ်ခုခုလုပ်တဲ့အခါ...
05:45
this becomes part of the problem.
128
320000
2000
ဒါဟာ ပြသနာရဲ့ အစိတ်အပိုင်းတစ်ခုဖြစ်လာပါတယ်။
05:47
This pro-aging trance is what stops us from agitating about these things.
129
322000
4000
ဒီ အိုမင်းခြင်းအတွက် လက်ခံထားတဲ့အစွဲက ဒါနဲ့ပတ်သက်ပြီး ကျွန်တော်တို့ ချီတုံချတုံဖြစ်နေတာကို ရပ်စေတာပါပဲ။
05:51
And that's why we have to really talk about this a lot --
130
326000
4000
ဒါကြောင့် ကျွန်တော်တို့ ဒီအကြောင်းကို အများကြီးပြောဖို့ တကယ့်ကို လိုလာတာပါ။
05:55
evangelize, I will go so far as to say, quite a lot --
131
330000
2000
ကျွန်တော်ဒါကို တော်တော်လေးကို ပြောပါမယ်။
05:57
in order to get people's attention, and make people realize
132
332000
3000
လူတွေရဲ့ အာရုံစိုက်မှုကို ပိုရလာအောင်နဲ့ လူတွေကိုပိုပြီး သေချာသိလာအောင်..
06:00
that they are in a trance in this regard.
133
335000
2000
သူတို့တွေဟာ ဒါနဲ့ပတ်သက်ရင် ယောင်ယောင်ဝါးဝါးအဆင့်မှာပဲရှိနေပါတယ်။
06:02
So that's all I'm going to say about that.
134
337000
2000
ဒါနဲ့ပတ်သက်ပြီး ကျွန်တော်ပြောချင်တာက ဒီလောက်ပါပဲ။
06:04
I'm now going to talk about feasibility.
135
339000
3000
ဖြစ်နိုင်ခြေအကြောင်း အခု ပြောပြပါမယ်။
06:07
And the fundamental reason, I think, why we feel that aging is inevitable
136
342000
4000
နောက်ပြီးတော့ အိုမင်းခြင်းဟာ ရှောင်လွှဲလို့မရဘူးလို့ ကျွန်တော်တို့ ထင်ကြရခြင်းရဲ့ အခြေခံအကြောင်းရင်းတွေ...
06:11
is summed up in a definition of aging that I'm giving here.
137
346000
3000
အဲဒီအချက်တွေကို အခ ကျွန်တော်ပြောပြမယ့် အိုမင်းခြင်းရဲ့ အဓိပ္ပါယ်ဖွင့်ဆိုချက်က ရှင်းပြနိုင်ပါလိမ့်မယ်။
06:14
A very simple definition.
138
349000
1000
တကယ့်ကို ရိုးစင်းတဲ့ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ပါပဲ...
06:15
Aging is a side effect of being alive in the first place,
139
350000
3000
အိုမင်းခြင်းဟာ အသက်ရှင်နေခြင်းရဲ့ ဘေးထွက်ဆိုးကျိုးပဲပေ့ါ။
06:18
which is to say, metabolism.
140
353000
2000
ဇီဝဖြစ်ပျက်ခြင်းအားဖြင့်လို့ ဆိုရပါမယ်။
06:20
This is not a completely tautological statement;
141
355000
3000
ယုတ္တဗေဒအရတော့ ဒါဟာ လုံးလုံးမှန်ကန်တယ်လို့ ပြောနိုင်တဲ့ အဆိုမဟုတ်ပေမယ့်..
06:23
it's a reasonable statement.
142
358000
1000
ဒါဟာ ယုတ္တိရှိတဲ့ ဖော်ပြချက်ဖြစ်ပါတယ်။
06:24
Aging is basically a process that happens to inanimate objects like cars,
143
359000
4000
အိုမင်းခြင်းဟာ အခြေခံအားဖြင့်ပြောရမယ်ဆိုရင် မော်တော်ကားလိုမျိုး အသက်ဝိဉာဏ်မရှိတဲ့ အရာတစ်ခုမှာ ဖြစ်တဲ့ဖြစ်စဉ်မျိုးပါပဲ...
06:28
and it also happens to us,
144
363000
2000
ကျွန်တော်တို့ကိုလည်း အဲဒါမျိုးဖြစ်ပါတယ်။
06:30
despite the fact that we have a lot of clever self-repair mechanisms,
145
365000
3000
ကျွန်တော်တို့မှာ ကိုယ့်ဖာသာကိုယ် ပြန်ပြင်နိုင်တဲ့ ထက်မြက်တဲ့ စနစ်တွေရှိနေတာတောင်မှ အဲလိုဖြစ်တာပါပဲ...
06:33
because those self-repair mechanisms are not perfect.
146
368000
2000
ဘာဖြစ်လို့လဲဆိုတော့ အဲဒီပြန်ပြင်တဲ့စနစ်တွေက ခြောက်ပစ်ကင်းသဲလဲစင် ကောင်းနေတာမဟုတ်ဘူးလေ။
06:35
So basically, metabolism, which is defined as
147
370000
2000
ဒါကြောင့်... ဇီဝပြောင်းလဲမှှုစနစ်ဆိုတာ...
06:37
basically everything that keeps us alive from one day to the next,
148
372000
3000
အခြေခံအားဖြင့်ပြောမယ်ဆိုရင် ကျွန်တော်တို့ကို တစ်နေ့ပြီးတစ်နေ့ ဆက်ပြီး အသက်ရှင်နေအောင် လုပ်ပေးနေတဲ့ အရာအားလုံးပဲ ဖြစ်ပါတယ်။
06:40
has side effects.
149
375000
2000
ဘေးထွက်ဆိုးကျိုးတွေလည်း ရှိတယ်။
06:42
Those side effects accumulate and eventually cause pathology.
150
377000
2000
အဲဒီဘေးထွက်ဆိုးကျိုးတွေက စုလာပြီးတော့ တစ်ဖြည်းဖြည်းနဲ့ ရောဂါဖြစ်လာစေတယ်။
06:44
That's a fine definition. So we can put it this way:
151
379000
2000
ဒါဟာ အဓိပ္ပါယ်ဖွင့်ဆိုချက် ကောင်းတစ်ခုပါ။ ကဲ...ဒီလိုပြောကြည့်ရအောင်...
06:46
we can say that, you know, we have this chain of events.
152
381000
2000
ဒီလို်အတွဲလိုက် ဖြစ်ပျက်နေတာတွေဟာ ကျွန်တော်တို့မှာရှိပါတယ်လို့ ပြောနိုင်ပါတယ်။
06:48
And there are really two games in town,
153
383000
2000
အဲဒီမှာ ဂိမ်းနှစ်မျိုးရှိပါတယ်။
06:50
according to most people, with regard to postponing aging.
154
385000
3000
အိုမင်းခြင်းကို အချိန်နောက်ပြန်ဆွဲတာနဲ့ ပတ်သက်ပြီးတော့ လူအများစုပြောကြတာပေ့ါလေ...
06:53
They're what I'm calling here the "gerontology approach" and the "geriatrics approach."
155
388000
4000
ဒါကို ကျွန်တော်က ဘယ်လိုခေါ်သလဲဆိုတော့ Gerontology အိုမင်းခြင်းဆိုင်ရာလေ့လာတဲ့ဘာသာရပ် နဲ့ Geriatrics အိုမင်းခြင်းနဲ့ ဆိုင်တဲ့ ဆေးဝါးကုသမှုဆိုင်ရာ ပညာရပ် နည်းလမ်းတွေဖြစ်ပါတယ်။
06:57
The geriatrician will intervene late in the day,
156
392000
2000
Geriatrician အိုမင်းခြင်းနဲ့ဆိုင်တဲ့ ရောဂါအထူးကု တွေက....
06:59
when pathology is becoming evident,
157
394000
2000
ရောဂါဗေဒဆိုင်ရာတွေ ထင်ရှားလာတဲ့အခါမှ စတင်လှုပရှားပါလိမ့်မယ်။
07:01
and the geriatrician will try and hold back the sands of time,
158
396000
3000
နောက်ပြီး အဲဒီ Geriatrician တွေက လူနာတွေရဲ့ အချိန်တွေကို ကြိုးစားပြီး နောက်ပြန်ဆွဲထားဖို့ လုပ်ကြပါလိမ့်မယ်....
07:04
and stop the accumulation of side effects
159
399000
3000
နောက်ပြီးတော့ ဘေးထွက်ဆိုးကျိုးတွေ တဖြည်းဖြည်းစုလာမှာကို ရပ်အောင်လုပ်မယ်။
07:07
from causing the pathology quite so soon.
160
402000
2000
ရောဂါတွေ မြန်မြန်ဖြစ်မလာအောင်ပေါ့။
07:09
Of course, it's a very short-term-ist strategy; it's a losing battle,
161
404000
3000
တကယ်တော့ ဒါဟာ ရေတိုနည်းပါပဲ၊ ရှုံးမယ့်စစ်ပွဲပါပဲ...
07:12
because the things that are causing the pathology
162
407000
3000
ဘာဖြစ်လို့လဲဆိုတော့ ရောဂါကိုဖြစ်စေတဲ့အရာတွေ..
07:15
are becoming more abundant as time goes on.
163
410000
2000
အဲဒါတွေဟာ အချိန်နဲ့အမျှ ပိုပိုများလာတယ်။
07:17
The gerontology approach looks much more promising on the surface,
164
412000
4000
Gerontology ချဉ်းကပ်နည်းဟာ အပြင်ပန်းအားဖြင့်တော့ ပိုပြီး စိတ်ချရသလိရှိပါတယ်။
07:21
because, you know, prevention is better than cure.
165
416000
3000
ဘာဖြစ်လို့လဲဆိုတော့ ကာကွယ်ခြင်းဟာ ကုသခြင်းထက် ပိုကောင်းလို့ပါပဲ။
07:24
But unfortunately the thing is that we don't understand metabolism very well.
166
419000
3000
ဒါပေမယ့် ကံမကောင်းတာတစ်ခုကတော့ ကျွန်တော်တို့တွေဟာ ဇီဝဖြစ်ပျက်မှုအကြောင်းကို သေသေချာချာ နားမလည်ကြတာပဲ...
07:27
In fact, we have a pitifully poor understanding of how organisms work --
167
422000
3000
တကယ်တော့ ကျွန်တော်တို့ဟာ သတ္တဝါတွေ၊ ပိုးမွှားတွေ အကြောင်းကို သနားစရာကောင်းလောက်အောင်ကို နားမလည်ကြပါဘူး။
07:30
even cells we're not really too good on yet.
168
425000
2000
ဆဲလ်တွေအကြောင်းတောင်မှ သိပ်အသိကြီး မဟုတ်ပါဘူး။
07:32
We've discovered things like, for example,
169
427000
2000
ကျွန်တော်တို့တွေဟာ လေ့လာတွေ့ရှိခဲ့တယ်...ဥပမာ...
07:34
RNA interference only a few years ago,
170
429000
3000
RNA interference ရိုက်ဘိုနယူးကလီးရစ် အက်စစ် အကြောင်းကို လွန်ခဲ့တဲ့ နှစ်အနည်းငယ်ကမှ တွေ့ရှိခဲ့တာပါ။
07:37
and this is a really fundamental component of how cells work.
171
432000
2000
ဒါတောင်မှ ဒါဟာ ဆဲလ်တစ်ခု အလုပ်လုပ်တာရဲ့ တကယ့်အခြေခံအချက်လေးပဲ ရှိသေးတယ်။
07:39
Basically, gerontology is a fine approach in the end,
172
434000
3000
အခြေခံအားဖြင့် ပြောမယ်ဆိုရင် gerontology ဟာ အဆုံးမှာတော့ ကောင်းတဲ့ ချဉ်းကပ်နည်းပဲ...
07:42
but it is not an approach whose time has come
173
437000
2000
ဒါပေမယ့် ဒီနည်းဟာ
07:44
when we're talking about intervention.
174
439000
2000
ဒါကို ဘယ်လိုနည်းနဲ့ ကိုင်တွယ်မလဲဆိုတာ ပြောကြတဲ့အခါ သုံးလို့ရတဲ့ နည်းတော့ မဟုတ်ပါဘူး။
07:46
So then, what do we do about that?
175
441000
3000
ဒါဆို...ဒီကိစ္စကို ဘယ်လိုလုပ်ကြမလဲ။
07:49
I mean, that's a fine logic, that sounds pretty convincing,
176
444000
2000
ဆိုလိုတာက..ဒါဟာ လောဂျစ်ကောင်းတစ်ခုပါ နောက်ပြီးတော့ အတော်လေးလည်း ယုံကြည်ရသလို ထင်ရပါတယ်။
07:51
pretty ironclad, doesn't it?
177
446000
2000
တော်တော်လေး ခိုင်မာလုံခြံုနေတယ်၊ ဟုတ်တယ်မဟုတ်လား။
07:53
But it isn't.
178
448000
2000
ဒါပေမယ့် အဲဒီလို မဟုတ်ပါဘူး။
07:55
Before I tell you why it isn't, I'm going to go a little bit
179
450000
3000
ဘာဖြစ်လို့ မဟုတ်တာလဲလို့ မပြောခင်မှာ ကျွန်တော် နည်းနည်းထပ်ရှင်းပါမယ်။
07:58
into what I'm calling step two.
180
453000
2000
ကျွန်တော်ပြောခဲ့တဲ့ နံပါတ်-၂ အဆင့်ပါ။
08:00
Just suppose, as I said, that we do acquire --
181
455000
4000
ဆိုကြပါစို့...ခုနကပြောခဲ့သလို ကျွန်တော်တို့ တကယ်ရခဲ့မယ်....
08:04
let's say we do it today for the sake of argument --
182
459000
2000
ဒီငြင်းဆိုချက်အတွက် ကျွန်တော်တို့ ဒီနေ့လုပ်ဖြစ်ကြမယ်ဆိုရင်.....
08:06
the ability to confer 30 extra years of healthy life
183
461000
4000
ကျန်းကျန်းမာမာနဲ့ နောက်အနှစ် ၃၀ အသက် ပိုရှည်လာနိုင်အောင်ပေ့ါ။
08:10
on people who are already in middle age, let's say 55.
184
465000
3000
လူလတ်ပိုင်းအရွယ်တွေ..အသက် ၅၅ လောက်ရှိနေတဲ့ လူတွေအတွက်ပေ့ါ...
08:13
I'm going to call that "robust human rejuvenation." OK.
185
468000
3000
ဒါကို ကျွန်တော်က လူသားတွေ အားကောင်းမှုနဲ့နုပျိုလာမှု လို့ခေါ်မယ်၊ အိုကေ။
08:16
What would that actually mean
186
471000
1000
တကယ်က ဒါဟာ ဘာကို ဆိုလိုချင်တာလဲ...
08:17
for how long people of various ages today --
187
472000
3000
ဒီနေ့ အသက်အရွယ်အမျိုးမျိုးရှိနေတဲ့ လူတွေဟာ.....
08:20
or equivalently, of various ages at the time that these therapies arrive --
188
475000
3000
ဒါမှမဟုတ်...အဲဒီကုထုံးတွေ ရလာတဲ့အချိန်မှာ အသက်အရွယ် အမျိုးမျိုးကို ရောက်နေကြမယ့် လူတွေဟာ...
08:24
would actually live?
189
479000
1000
တကယ်တမ်းကျတော့ ဘယ်လောက်ကြာကြာ ပိုနေရမှာလဲ။
08:26
In order to answer that question -- you might think it's simple,
190
481000
2000
ဒီမေးခွန်းကို ဖြေဖို့အတွက်က လွယ်လွယ်လေးလို့ ခင်ဗျားတို့ ထင်ချင်ထင်ကြလိမ့်မယ်။
08:28
but it's not simple.
191
483000
1000
ဒါပေမယ့် မလွယ်ပါဘူး။
08:29
We can't just say, "Well, if they're young enough to benefit from these therapies,
192
484000
3000
အင်း...သူတို့တွေသာ ဒီကုထုံးရဲ့ အကျိုးကို ခံစားရနိုင်လောက်အောင် ငယ်ရွယ်နေတုန်းပဲဆိုရင်..
08:32
then they'll live 30 years longer."
193
487000
1000
သူတို့အသက် ၃၀ ပိုရှည်ရှည်နေရလိမ့်မယ်...ကျွန်တော်တို့ ဒီလိုလေးပဲတော့ မပြောနိုင်ပါဘူး။
08:33
That's the wrong answer.
194
488000
2000
ဒါမှားတဲ့အဖြေပါ။
08:35
And the reason it's the wrong answer is because of progress.
195
490000
2000
ဘာလို့ အဖြေမှားဖြစ်ရတာလဲဆိုတော့ တဖြည်းဖြည်းတိုးတက်လာနေမှုကြောင့်ပဲ ဖြစ်ပါတယ်။
08:37
There are two sorts of technological progress really,
196
492000
2000
ပညာရပ်ပိုင်းဆိုင်ရာ တိုးတက်မှုနှစ်မျိုး တကယ်ကို ရှိပါတယ်။
08:39
for this purpose.
197
494000
1000
ဒီအိုမင်းခြင်းနဲ့ပတ်သက်ပြီးတော့ပေါ့။
08:40
There are fundamental, major breakthroughs,
198
495000
3000
ဒါတွေဟာ အခြေခံကျတာတွေ ဖြစ်ပါတယ်။ အဓိကကျတဲ့ ရှာဖွေတွေ့ရှိမှုလည်း ဖြစ်ပါတယ်။
08:43
and there are incremental refinements of those breakthroughs.
199
498000
4000
ဒီလို ထိုးဖောက်ရှာဖွေတွေ့ရှိမှုတွေကို ဒီထက်ပိုပြီး အသေးစိတ်လေ့လာမှုတွေ ရှိပါတယ်။
08:47
Now, they differ a great deal
200
502000
2000
အခုဆိုရင် ဒါတွေဟာ တော်တော်လေးကို ပြောင်းလဲလာပါပြီ။
08:49
in terms of the predictability of time frames.
201
504000
3000
အချိန်ကာလကို မှန်းဆနိုင်တာနဲ့ ပတ်သက်ပြီးတောပေ့ါ။
08:52
Fundamental breakthroughs:
202
507000
1000
အခြေခံကျတဲ့ ထိုးဖောက်ရှာဖွေတွေ့ရှိမှုတွေ...
08:53
very hard to predict how long it's going to take
203
508000
2000
ဒါတွေလက်တွေ့ဖြစ်လာဖို့ ဘယ်လောက်တောင် ကြာဦးမလဲဆိုတာကတော့ မှန်းရတာ အရမ်းခက်ပါတယ်။
08:55
to make a fundamental breakthrough.
204
510000
1000
အဲဒါတွေကို လုပ်နိုင်ဖို့....
08:56
It was a very long time ago that we decided that flying would be fun,
205
511000
3000
ဟိုး...ရှေးရှေးတုန်းကဆိုရင် ကျွန်တော်တို့ ဆုံးဖြတ်ခဲ့ဖူးတာက.... ပျံလို့ရရင် ပျော်ဖို့ကောင်းမှာပဲ..လို့လေ။
08:59
and it took us until 1903 to actually work out how to do it.
206
514000
3000
ဒါပေမယ့်် တကယ်တမ်းကျတော့ ၁၉၀၃ ခုနှစ်ကျမှ တကယ်ပျံနိုင်ဖို့အထိ လုပ်ဆောင်နိုင်ခဲ့တာပါ။
09:02
But after that, things were pretty steady and pretty uniform.
207
517000
4000
ဒါပေမယ့် အဲဒီနောက်ပိုင်းကျတော့ အရာအားလုံးဟာ တော်တော်လေး ပုံမှန်ဖြစ်သွားပြန်ရော။
09:06
I think this is a reasonable sequence of events that happened
208
521000
3000
ကျွန်တော်ထင်တယ်။ အဲဒီလိုဖြစ်ပျက်ခဲ့တာဟာ ဖြစ်သင့်ဖြစ်ထိုက်တဲ့ ဖြစ်စဉ်ပါပဲ...
09:09
in the progression of the technology of powered flight.
209
524000
4000
လေကြောင်းနဲ့ ပျံသန်းနိုင်တဲ့ နည်းပညာ တိုးတက်မှုအတွက်ပေ့ါ။
09:13
We can think, really, that each one is sort of
210
528000
4000
ကျွန်တော်တို့ တကယ် စဉ်းစားနိုင်တာက.. အဲဒီတစ်ခုစီဟာ...
09:17
beyond the imagination of the inventor of the previous one, if you like.
211
532000
3000
သူ့အရင်က တီထွင်ခဲ့တဲ့လူရဲ့ စိတ်ကူးနိုင်စွမ်းထက် ပိုပါတယ်။
09:20
The incremental advances have added up to something
212
535000
4000
တိုးတက်ဖြစ်ပေါ်မှုတွေဟာ ထပ်ထပ်စုပေါင်းလာပြီး....
09:24
which is not incremental anymore.
213
539000
2000
ထပ်တိုးလို့မရတော့တဲ့ အထိကို ရောက်လာတယ်။
09:26
This is the sort of thing you see after a fundamental breakthrough.
214
541000
3000
ဒါဟာ ထိုးဖောက်ရှာဖွေတွေ့ရှိမှု တစ်ခုခုတိုင်းမှာ ခင်ဗျားတို့ တွေ့နိုင်တာမျိုးပဲ။
09:29
And you see it in all sorts of technologies.
215
544000
2000
နည်းပညာရပ်တိုင်းမှာ ခင်ဗျားတို့ တွေ့နိုင်တယ်။
09:31
Computers: you can look at a more or less parallel time line,
216
546000
3000
ဒီလိုအချိန်ကာလအတွင်းလောက်မှာပဲ ကွန်ပျူတာကိုလည်း ခင်ဗျားတို့ ကြည့်နိုင်ပါတယ်။
09:34
happening of course a bit later.
217
549000
1000
နည်းနည်းတော့ နောက်ကျပြီးမှ ဖြစ်တာပေ့ါလေ။
09:35
You can look at medical care. I mean, hygiene, vaccines, antibiotics --
218
550000
3000
ကျန်းမာရေးစောင့်ရှောက်မှုတွေကိုလည်း ကြည့်နိုင်တယ်။ ဆိုလိုတာက.. တစ်ကိုယ်ရည်သန့်ရှင်းရေး၊ ကာကွယ်ဆေးတွေ၊ ပိုးမွှားတိုက်ဖျက်တဲ့ ဆေးတွေ...
09:38
you know, the same sort of time frame.
219
553000
2000
ဒီကာလအပိုင်းအခြားအတွင်းမှာပဲလေ။
09:40
So I think that actually step two, that I called a step a moment ago,
220
555000
4000
ဒါကြောင့်ကျွန်တော်ထင်တာက ဒုတိယအဆင့်မှာ...ဒါကို ကျွန်တော်က ခုနက အဆင့်တစ်ခုလို့ ပြောခဲ့တဲ့ဟာ..
09:44
isn't a step at all.
221
559000
1000
အဆင့်တစ်ခုတော့ လုံးဝမဟုတ်ဘူး။
09:45
That in fact, the people who are young enough
222
560000
3000
အဲဒီဟာက တကယ်တော့ ငယ်ရွယ်နေသေးတဲ့လူတွေကို ....
09:48
to benefit from these first therapies
223
563000
2000
ပထမကုထုံးတွေကနေ အကျိုးရနိုင်ဖို့အတွက် ဆိုရင်...
09:50
that give this moderate amount of life extension,
224
565000
2000
ပထမကုထုံးဆိုတာ..အသက်ကို တော်ရုံအချိန်ကာလလောက် ပိုရှည်စေတဲ့အကျိုးပေ့ါလေ....
09:52
even though those people are already middle-aged when the therapies arrive,
225
567000
4000
ကုထုံးတွေရောက်လာတဲ့အချိန်မှာ အဲဒီလူငယ်တွေက လူလတ်ပိုင်းအရွယ်ရောက်နေပြီ ဆိုရင်တောင်မှ...
09:56
will be at some sort of cusp.
226
571000
2000
တကယ့်ကို ထူးခြားတဲ့ အပြောင်းအလဲ အချိုးအကွေ့ဖြစ်စေလိမ့်မယ်။
09:58
They will mostly survive long enough to receive improved treatments
227
573000
4000
သူတို့တွေအများစုဟာ ပိုကောင်းလာတဲ့ ကုသမှုတွေရနိုင်လာတဲ့အထိ အသက်ရှင်နေကြလိမ့်မယ်။
10:02
that will give them a further 30 or maybe 50 years.
228
577000
2000
အဲဒီကုထုံးတွေကို ရနိုင်တဲ့အတွက် သူတို့တွေဟာ နောက်ထပ် နှစ် ၃၀ (ဒါမှမဟုတ် နှစ် ၅၀ လည်းဖြစ်ချင်ဖြစ်မယ်) ထပ်နေခွင့်ရလိမ့်မယ်။
10:04
In other words, they will be staying ahead of the game.
229
579000
3000
တနည်းအားဖြင့်တော့ သူတို့တွေဟာ ဒီကစားပွဲမှာ ဦးဆောင်ကစားနိုင်ကြလိမ့်မယ်။
10:07
The therapies will be improving faster than
230
582000
3000
ကုထုံးတွေဟာ ပိုပြီး မြန်မြန်တိုးတက်လာလိမ့်မယ်။
10:10
the remaining imperfections in the therapies are catching up with us.
231
585000
4000
ကုထုံးရဲ့ ကျန်တဲ့ လိုအပ်ချက်လေးတွေကိုကျော်လွှား၊ မြန်မြန်တိုးတက်လာပြီး ကျွန်တော်တို့ကို အမှီလိုက်လာလိမ့်မယ်။
10:14
This is a very important point for me to get across.
232
589000
2000
ဒါဟာ ကျွန်တော်တို့ တွေ့ကြံုရမယ့်အလွန်အရေးကြီးတဲ့ အချက်ပဲဖြစ်ပါတယ်။
10:16
Because, you know, most people, when they hear
233
591000
2000
ဘာဖြစ်လို့လဲဆိုတော့ လူအများစုက ဒီလိုကြားတဲ့အခါ...
10:18
that I predict that a lot of people alive today are going to live to 1,000 or more,
234
593000
5000
ကျွန်တော်က 'လူအများကြီးဟာ နှစ်၁၀၀၀ (ဒါမှမဟုတ်) ဒါ့ထက်ပိုပြီး နေရမယ်' လို့ ဟောကိန်းထုတ်တာကို ကြားရတဲ့အခါ....
10:23
they think that I'm saying that we're going to invent therapies in the next few decades
235
598000
4000
သူတို့ဘယ်လိုထင်ကြသလဲဆိုတော့..ကျွန်တော်တို့ ဒါအတွက် ကုထုံးကို နောက်ဆယ်စုနှစ်တွေကျမှ တီထွင်ကြမယ်လို့ ထင်ကြတယ်။
10:27
that are so thoroughly eliminating aging
236
602000
3000
အိုမင်းခြင်းကို လုံးဝပျောက်သွားစေတဲ့ ကုထုံး....
10:30
that those therapies will let us live to 1,000 or more.
237
605000
3000
နှစ်တစ်ထောင်နဲ့အထက် အသက်ရှည်စေတဲ့ ကုထုံးတွေပေ့ါ။
10:33
I'm not saying that at all.
238
608000
2000
ကျွန်တော်အဲဒီလို လုံးဝမပြောပါဘူး။
10:35
I'm saying that the rate of improvement of those therapies
239
610000
2000
ကျွန်တော်ပြောနေတာက ဒီလိုကုထုံးတွေရဲ့ တိုးတက်မှုနှုန်းပါ။
10:37
will be enough.
240
612000
1000
အဲဒီတိုးတက်မှုနှုန်းက လုံလုံလောက်လောက်ရှိပါတယ်။
10:38
They'll never be perfect, but we'll be able to fix the things
241
613000
3000
သူတို့တွေဟာ ဘယ်တော့မှတော့ ခြောက်ပစ်ကင်းသဲလဲစင်ဖြစ်မှာ မဟုတ်ပါဘူး။ ဒါပေမယ့် ကျွန်တော်တို့တွေက ကိစ္စတွေကို ကိုင်တွယ်နိုင်ပါလိမ့်မယ်...
10:41
that 200-year-olds die of, before we have any 200-year-olds.
242
616000
3000
အသက်နှစ်ရာကျော်တွေ မရှိသေးခင်မှာ အသက်နှစ်ရာရှိတဲ့လူတွေ သေဆုံးခြင်းကို ကိုင်တွယ်နိုင်မှာပါ။
10:44
And the same for 300 and 400 and so on.
243
619000
2000
အသက် သုံး၊ လေးရာ၊ စသည်ဖြင့် အတွက်လည်း အတူတူပါပဲ။
10:46
I decided to give this a little name,
244
621000
3000
ဒါလေးကို နာမည်လေးတစ်ခုပေးဖို့ ကျွန်တော် ဆုံးဖြတ်လိုက်ပါတယ်။
10:49
which is "longevity escape velocity."
245
624000
1000
အလျင်ကို ကျော်လွှားနိုင်တဲ့ အသက်ရှည်ခြင်း လို့ပေ့ါ။
10:51
(Laughter)
246
626000
2000
ရယ်သံများ
10:53
Well, it seems to get the point across.
247
628000
3000
ကဲ..ကြည့်ရတာကတော့ လိုရင်းကို ကျော်သွားပြီ။
10:56
So, these trajectories here are basically how we would expect people to live,
248
631000
5000
အဲဒီတော့ ဒီလမ်းကြောင်း၊ အချိုးအကွေ့တွေဟာ လူ့ဘဝတစ်လျှောက်မှာ ပုံမှန်အားဖြင့် တွေ့ကြံုရမယ့်ပုံစံပါပဲ။
11:01
in terms of remaining life expectancy,
249
636000
2000
ကိုယ့်ရဲ့လက်ကျန်ဘဝအချိန်လေးအနေနဲ့....
11:03
as measured by their health,
250
638000
2000
သူတို့ရဲ့ ကျန်းမာရေးအခြေအနေနဲ့ တိုင်းတာပြီး...
11:05
for given ages that they were at the time that these therapies arrive.
251
640000
3000
အဲဒီကုထုံးတွေရောက်လာတဲ့အချိန်ကျရင် ရောက်ရှိနေကြမယ့် သူတို့ရဲ့အသက်...............
11:08
If you're already 100, or even if you're 80 --
252
643000
2000
ခင်ဗျားဟာ အသက် ၁၀၀ ရှိနေပြီဆိုရင် (ဒါမှမဟုတ်) အသက်၈၀ ဆိုရင်တောင်မှ....
11:10
and an average 80-year-old,
253
645000
2000
ပျမ်းမျှအားဖြင့် အသက် ၈၀ ထားပါတော့။
11:12
we probably can't do a lot for you with these therapies,
254
647000
2000
ဒီအရွယ်ရောက်နေပြီဆိုရင်တော ကျွန်တော်တို့ရဲ့ ဒီကုထုံးတွေဟာ ခင်ဗျားအတွက် ဘာမှသိပ်လုပ်ပေးနိုင်မယ်မထင်ဘူး။
11:14
because you're too close to death's door
255
649000
2000
ဘာလို့လဲဆိုတော့ ခင်ဗျားက နောက်ဆုံးအချိန်နားရောက်နေပြီကိုး။
11:16
for the really initial, experimental therapies to be good enough for you.
256
651000
4000
တကယ့်အစပိုင်းမှာတော့ စမ်းသပ်ထားတဲ့ကုထုံးတွေက ခင်ဗျားအတွက် အတော်ပါပဲ။
11:20
You won't be able to withstand them.
257
655000
1000
အဲဒါတွေကို ခင်ဗျားခံနိုင်ရည်ရှိမှာ မဟုတ်ဘူး။
11:21
But if you're only 50, then there's a chance
258
656000
2000
ဒါပေမယ့် ခင်ဗျားဟာ အဲဒီအချိန်မှာ အသက်ငါးဆယ်ပဲရှိသေးတယ် ဆိုရင်တော့... အခွင့်အရေးရှိပါတယ်။
11:23
that you might be able to pull out of the dive and, you know --
259
658000
3000
တရရိန်ထိုးကျဆင်းနေတာကနေ ခင်ဗျားကို ပြန်ဆွဲတင်ရင် တင်နိုင်လိမ့်မယ်။ သိတယ်မဟုတ်လား။
11:26
(Laughter) --
260
661000
1000
ရယ်သံများ
11:27
eventually get through this
261
662000
3000
ဒီလိုနဲ့ ဒါကို ကျော်ဖြတ်ပြီး....
11:30
and start becoming biologically younger in a meaningful sense,
262
665000
3000
အဓိပ္ပါယ်ရှိရှိနဲ့ ရုပ်ဇီဝအရ ပိုပြီး ပြန်နုပျိုလာလိမ့်မယ်။
11:33
in terms of your youthfulness, both physical and mental,
263
668000
2000
ခင်ဗျားရဲ့ နုပျိုမှုဟာ ရုပ်ပိုင်းရော စိတ်ပိုင်းရော...
11:35
and in terms of your risk of death from age-related causes.
264
670000
2000
ဒါ့အပြင် အသက်အရွယ်အိုမင်းလို့ ဖြစ်လာတဲ့ အကြောင်းတွေကြောင့် သေဆုံးနိုင်ခြေကိုလည်း လျော့လာစေလိမ့်မယ်။
11:37
And of course, if you're a bit younger than that,
265
672000
2000
အဲဒီအချိန်မှာ ခင်ဗျားအသက်က ငါးဆယ်ထက်ပိုငယ်နေတယ်ဆိုရင်တော့.....
11:39
then you're never really even going
266
674000
2000
ခင်ဗျားဟာ ဘယ်တော့မှ ....
11:41
to get near to being fragile enough to die of age-related causes.
267
676000
3000
(အသက်ကြီးလာချိန်မှာ အမျိုးမျိုးဖြစ်ပြီး သေဆုံးသွားနိုင်တဲ့) ထိခိုက်လွယ်တဲ့ အခြေအနေကို ရောက်မလာနိုင်တော့ဘူး။
11:44
So this is a genuine conclusion that I come to, that the first 150-year-old --
268
679000
5000
ကျွန်တော်က ဒါကြောင့်ဒီလို အဆုံးသတ်ချင်ပါတယ်။ ပထမဦးဆုံးသော အသက် ၁၅၀ နှစ်အထိ နေနိုင်တဲ့သူ...
11:49
we don't know how old that person is today,
269
684000
2000
အဲဒီလူဟာ ဒီနေ့အသက်ဘယ်လောက်ရှိပြီလဲ..ကျွန်တော်တို့ မသိဘူး။
11:51
because we don't know how long it's going to take
270
686000
2000
ဘာဖြစ်လို့လဲဆိုတော့ ဘယ်လောက်ထပ်ကြာဦးမလဲ မသိဘူး။
11:53
to get these first-generation therapies.
271
688000
2000
ပထမဦးဆုံးတီထွင်လိုက်တဲ့ ကုထုံးပေါ်လာဖို့။
11:55
But irrespective of that age,
272
690000
2000
ဒါပေမယ့် အသက်ဘယ်လောက်ပဲ ရှိနေနေပါ။
11:57
I'm claiming that the first person to live to 1,000 --
273
692000
4000
ကျွန်တော်တင်ပြလိုတာက အသက် ၁၀၀၀ အထိနေနိုင်တဲ့ ပထမဦးဆုံးလူဟာ...
12:01
subject of course, to, you know, global catastrophes --
274
696000
3000
ကမ္ဘာပေါ်မှာဖြစ်နေတဲ့ ကပ်ဘေး အမျိုးမျိုးပေါ်တော့ မူတည်တာပေ့ါလေ...
12:04
is actually, probably, only about 10 years younger than the first 150-year-old.
275
699000
4000
အဲဒီအသက် တစ်ထောင်နေနိုင်တဲ့လူဟာ ပထမဦးဆုံးအသက် ၁၅၀ နေနိုင်မယ့်လူထက် ဆယ်နှစ်လောက်ပဲ ငယ်ချင်ငယ်ပါလိမ့်မယ်။
12:08
And that's quite a thought.
276
703000
2000
ဒါဟာ တကယ့်အတွေးတစ်ခုပါ။
12:10
Alright, so finally I'm going to spend the rest of the talk,
277
705000
3000
ကဲ...ကောင်းပြီ။ ဒီတော့ နောက်ဆုံးတော့ ကျွန်တော့်ဟောပြောပွဲရဲ့ နောက်ပိုင်းအချိန်ကို ဘယ်လိုသုံးမလဲဆိုတော့....
12:13
my last seven-and-a-half minutes, on step one;
278
708000
3000
ကျွန်တော့်ရဲ့ နောက်ဆုံး ခုနစ်မိနစ်ခွဲကို ... အဆင့်-၁ အတွက် သုံးပါမယ်။
12:16
namely, how do we actually get to this moderate amount of life extension
279
711000
5000
ကျွန်တော်တို့ တော်သင့်ရုံ အသက်ပိုရှည်အောင် ဘယ်လိုလုပ်ကြမလဲ။
12:21
that will allow us to get to escape velocity?
280
716000
3000
ဘဝရဲ့ အလျင်ကနေ လွတ်မြောက်နိုင်မယ့်ဟာပေါ့။
12:24
And in order to do that, I need to talk about mice a little bit.
281
719000
4000
ဒီလိုလုပ်ဖို့အတွက်ဆိုရင် ကျွန်တော်က ကြွက်တွေအကြောင်း နည်းနည်းတော့ ပြောဖို့လိုလိမ့်မယ်။
12:28
I have a corresponding milestone to robust human rejuvenation.
282
723000
3000
လူသားတွေ ပြန်နုပျိုလာအောင် အားသွန်ခွန်စိုက် ကြိုးစားရာမှာ ကျွန်တော့်မှာ မှတ်တိုင်တစ်ခုရှိပါတယ်။
12:31
I'm calling it "robust mouse rejuvenation," not very imaginatively.
283
726000
3000
ဒါကို ကျွန်တော်က 'အားကောင်းတဲ့ကြွက်နုပျိုခြင်း' လို့ခေါ်ချင်ပါတယ်။ သိပ်တော့ စိတ်ကူးယဉ်မဆန်ဘူးပေ့ါ။
12:34
And this is what it is.
284
729000
2000
အဲဒါဟာ ဘာလဲဆိုတော့..အခုပြောမယ့်ဟာပါ။
12:36
I say we're going to take a long-lived strain of mouse,
285
731000
2000
ကျွန်တော်တို့တွေဟာ အသက်ရှည်ကြွက်မျိုးတွေကို ယူပါမယ်။
12:38
which basically means mice that live about three years on average.
286
733000
3000
ဒါကဘာလဲဆိုတော့ ပျမ်းမျှအားဖြင့် အသက်သုံးနှစ်အထိနေတဲ့ ကြွက်တွေပေ့ါ။
12:41
We do exactly nothing to them until they're already two years old.
287
736000
3000
သူတို့အသက်နှစ်နှစ်အထိ သူတို့ကို ကျွန်တော်တို့ ဘာမှမလုပ်သေးဘူး။
12:44
And then we do a whole bunch of stuff to them,
288
739000
2000
နှစ်နှစ်ပြီးတော့မှ သူတို့ကို လုပ်စရာတွေအားလုံးစလုပ်ပါမယ်။
12:46
and with those therapies, we get them to live,
289
741000
2000
ဒီကုထုံးတွေကို သုံးပြီး သူတို့ကို အသက်ဆက်ရှင်နေအောင်...
12:48
on average, to their fifth birthday.
290
743000
2000
ပျမ်းမျှအားဖြင့် သူတို့ အသက်ငါးနှစ်မွေးနေ့ ရောက်တဲ့အထိလုပ်ပေးမယ်။
12:50
So, in other words, we add two years --
291
745000
2000
တနည်းပြောရမယ်ဆိုရင် ကျွန်တော်တို့ ၂-နှစ် ပေါင်းထည့်လိုက်မယ်။
12:52
we treble their remaining lifespan,
292
747000
2000
သူတို့ရဲ့ လက်ကျန်သက်တမ်းကို ကျွန်တော်တို့တွေ ပြန်တည်ဆောက်ကြမယ်။
12:54
starting from the point that we started the therapies.
293
749000
2000
ကုထုံးနဲ့ စကုတဲ့အချိန်က စလိုက်မယ်။
12:56
The question then is, what would that actually mean for the time frame
294
751000
3000
ဒီမှာ မေးစရာရှိလာတာက အဲဒီအချိန်ကာလ က ဘာကို ဆိုလိုသလဲ။
12:59
until we get to the milestone I talked about earlier for humans?
295
754000
3000
ကျွန်တော်ခုနပြောခဲ့တဲ့ မှတ်တိုင်ကို ရောက်တဲ့အထိလား။
13:02
Which we can now, as I've explained,
296
757000
2000
ခုနကျွန်တော်ရှင်းပြခဲ့သလို...
13:04
equivalently call either robust human rejuvenation or longevity escape velocity.
297
759000
4000
လူသားတွေကောင်းစွာ ပြန်လည်နုပျိုလာခြင်း ဒါမှမဟုတ် အလျင်ကို ရှောင်လွှဲပြီး အသက်ပိုရှည်လာခြင်း ဘယ်လိုပဲဖြစ်ဖြစ် ခေါ်နိုင်ပါတယ်။
13:08
Secondly, what does it mean for the public's perception
298
763000
3000
ဒုတိယအဆင့်က...ဒါဟာ လူထုရဲ့ အမြင်အပေါ်ဘယ်လို အဓိပ္ပါယ်သက်ရောက်စေသလဲ။
13:11
of how long it's going to take for us to get to those things,
299
766000
2000
အဲဒီအရာတွေရလာဖို့ အချိန်ဘယ်လောက်ယူရဦးမလဲဆိုတဲ့ လူတွေရဲ့ အမြင်။
13:13
starting from the time we get the mice?
300
768000
2000
ကြွက်တွေနဲ့ စမ်းသပ်အဆင်ပြေပြီးတဲ့အချိန်က စပြီးပေ့ါ။
13:15
And thirdly, the question is, what will it do
301
770000
2000
တတိယအနေနဲ့...မေးခွန်းက..အဲဒါကဘာလုပ်ပေးမလဲ..
13:17
to actually how much people want it?
302
772000
1000
လူဘယ်လောက်များများက ဒါကို တကယ်လိုချင်ကြသလဲ။
13:19
And it seems to me that the first question
303
774000
2000
ကျွန်တော့်အတွက်ကတော့ ပထမမေးခွန်းက...
13:21
is entirely a biology question,
304
776000
1000
ဇီဝဆိုင်ရာ မေးခွန်းသက်သက်ပဲဖြစ်တယ်။
13:22
and it's extremely hard to answer.
305
777000
2000
နောက်ပြီး ဖြေဖို့တော်တော်ကြီးကို ခက်ပါတယ်။
13:24
One has to be very speculative,
306
779000
2000
အဲဒီမှာ ထင်မြင်ယူဆမှုရှိ ရမယ်။
13:26
and many of my colleagues would say that we should not do this speculation,
307
781000
3000
ကျွန်တော့ရဲ့ လုပ်ဖော်ကိုင်ဖက်တွေကတော့ ကျွန်တော်တို့ ဒီထင်မြင်ယူဆတာကို မလုပ်သင့်ဘူးလို့ ပြောလိမ့်မယ်။
13:29
that we should simply keep our counsel until we know more.
308
784000
4000
ကျွန်တော်တို့ဒီထက်ပိုသိလာတဲ့အချိန်အထိ ကျွန်တော်တို့ ထုတ်မပြောသင့်ဘူးတဲ့။
13:33
I say that's nonsense.
309
788000
1000
ဒါက အဓိပ္ပါယ်မရှိပါဘူးလို့ ကျွန်တော်ပြောလိုက်တယ်။
13:34
I say we absolutely are irresponsible if we stay silent on this.
310
789000
3000
ကျွန်တော်တို့ မပြောပဲ တိတ်တိတ်နေရင် တာဝန်မယူရာကျသွားလိမ့်မယ်လို့ ပြောလိုက်တယ်။
13:37
We need to give our best guess as to the time frame,
311
792000
3000
အချိန်နဲ့အမျှ ကျွန်တော်တို့ရဲ့အကောင်းဆုံး ထင်မြင်ချက်တွေကို ချပြသင့်တယ်လေ။
13:40
in order to give people a sense of proportion
312
795000
3000
ဒါမှ လူတွေကလည်း သူတို့ ရဲ့ အပိုင်းကို သိလာပြီး
13:43
so that they can assess their priorities.
313
798000
2000
သူတို့ဘယ်ဟာကို ဦးစားပေးရမယ်ဆိုတာ ဆန်းစစ်နိုင်မှာပေ့ါ။
13:45
So, I say that we have a 50/50 chance
314
800000
3000
ဒါကြောင့် ကျွန်တော်ပြောချင်တာက ကျွန်တော်တို့မှာ ရာခိုင်နှုန်း ၅၀း၅၀ အခွင့်အရေးရှိပါတယ်။
13:48
of reaching this RHR milestone,
315
803000
2000
ဒီ မှတ်တိုင်ကို ရောက်ဖို့ပေ့ါ။
13:50
robust human rejuvenation, within 15 years from the point
316
805000
3000
လူသားများ အားကောင်းစွာနဲ့ ပြန်နုပျိုလာမှုကို ၁၅ နှစ်အကြာမှာ...
13:53
that we get to robust mouse rejuvenation.
317
808000
2000
ကြွက်တွေနဲ့ စမ်းသပ်အောင်မြင်ပြီး...
13:55
15 years from the robust mouse.
318
810000
3000
အဲဒါကနေ ၁၅ နှစ်အကြာမှာ...
13:58
The public's perception will probably be somewhat better than that.
319
813000
3000
လူထုရဲ့ ထင်မြင်ယူဆချက်ကတော့ ဒီထက်ပိုကောင်းချင်ကောင်းနိုင်ပါတယ်။
14:01
The public tends to underestimate how difficult scientific things are.
320
816000
2000
သိပ္ပံနည်းပညာ ဘယ်လောက်ခက်ခဲတယ်ဆိုတာကို လူတွေက အများအားဖြင့် လျှော့တွက်ကြတယ်။
14:03
So they'll probably think it's five years away.
321
818000
2000
အဲဒီတော့ သူတို့က နောက်ငါးနှစ်လောက်ဆို ရမှာပါလို့ ထင်ချင်ထင်ကြမယ်။
14:05
They'll be wrong, but that actually won't matter too much.
322
820000
2000
သူတို့မှားပါလိမ့်မယ်။ ဒါပေမယ့် ဒါကလည်း သိပ်တော့ အကြောင်းမဟုတ်ပါဘူး။
14:07
And finally, of course, I think it's fair to say
323
822000
3000
နောက်ဆုံးအနေနဲ့ကတော့ ဒီလိုပြောရင် သင့်မယ်ထင်ပါတယ်။
14:10
that a large part of the reason why the public is so ambivalent about aging now
324
825000
4000
အခုအချိန်မှာ အိုမင်းခြင်းနဲ့ပတ်သက်ပြီး လူတွေအနေနဲ့ ဘာဖြစ်လို့ စိတ်နှစ်ခွဖြစ်နေတယ်ဆိုတာ နဲ့ပတ်သက်ပြီး အဓိက အကြောင်းပြချက်ကတော့ ....
14:14
is the global trance I spoke about earlier, the coping strategy.
325
829000
2000
ကျွန်တော်ပြောခဲ့တဲ့ တစ်ကမ္ဘာလုံးရဲ့ အိုမင်းခြင်းအပေါ် ခံယူထားတဲ့ အစွဲပဲဖြစ်ပါတယ်။
14:16
That will be history at this point,
326
831000
2000
ဒီအချိန်ကျရင်တော့ အဲဒါဟာ အတိတ်မှာကျန်ခဲ့မှာပါ။
14:18
because it will no longer be possible to believe that aging is inevitable in humans,
327
833000
3000
ဘာဖြစ်လို့လဲဆိုတော့ အဲဒီအချိန်ကျရင် အိုမင်းခြင်းဟာ လူသားတွေအမြဲကြံုတွေ့ရမယ့်အရာလို့ ယုံကြည်ဖို့ မဖြစ်နိုင်တော့ပါဘူ။
14:21
since it's been postponed so very effectively in mice.
328
836000
3000
ဘာဖြစ်လို့လဲဆိုတော့ အိုမင်းခြင်းကို နောက်ဆုတ်ဖို့ ကြွက်တွေနဲ့ သေသေချာချာ စမ်းသပ်အောင်မြင်ပြီမို့လို့ပေ့ါ။
14:24
So we're likely to end up with a very strong change in people's attitudes,
329
839000
4000
ဒီတော့ ကျွန်တော်တို့ဟာ လူတွေရဲ့ ခံယူမှုမှာ အလွန်အားကောင်းတဲ့ အပြောင်းအလဲ ဖြစ်သွားနိုင်ပါစေလိမ့်မယ်။
14:28
and of course that has enormous implications.
330
843000
2000
အဲဒါဟာ တကယ့်ကို အကျိုးသက်ရောက်မှု ကြီးကြီးမားမား ရှိပါတယ်။
14:31
So in order to tell you now how we're going to get these mice,
331
846000
2000
ဒီတော့ အခုခင်ဗျားတို့ကို ကြွက်တွေအဆင့်ကို ကျွန်တော်တို့ ဘယ်လိုရောက်လာမယ်ဆိုပြောဖို့အတွက်...
14:34
I'm going to add a little bit to my description of aging.
332
849000
2000
ကျွန်တော့်ရဲ့ အိုမင်းခြင်းအဓိပ္ပါယ် ကို နည်းနည်းထပ်ရှင်းပြပါမယ်
14:36
I'm going to use this word "damage"
333
851000
2000
ပျက်စီးခြင်းဆိုတဲ့ စကားလုံး ကို ကျွန်တော်သုံးပါမယ်။
14:38
to denote these intermediate things that are caused by metabolism
334
853000
4000
ဇီဝဖြစ်ပျက်မှုကြောင့်ဖြစ်ရတဲ့ အရာတွေကို ပြောပြဖို့ပါ။
14:42
and that eventually cause pathology.
335
857000
2000
အဲဒါတွေက ရောဂါဖြစ်စဉ်တွေကို ဖြစ်ပေါ်စေတယ်လေ။
14:44
Because the critical thing about this
336
859000
2000
ဘာလို့လိုဆိုတော့ ဒါနဲ့ပတ်သက်တဲ့ အရေးကြီးအချက်က...
14:46
is that even though the damage only eventually causes pathology,
337
861000
2000
ပျက်စီးခြင်းဟာ ရောဂါဖြစ်စဉ်တွေကို ဖြစ်စေတယ် ဆိုရင်တောင်မှ...
14:48
the damage itself is caused ongoing-ly throughout life, starting before we're born.
338
863000
5000
ပျက်စီးခြင်းကိုယ်တိုင်ဟာလည်း ကျွန်တော်တို့ မွေးတဲ့အချိန်ကစပြီး တစ်ဘဝလုံး ဆက်တိုက်ဖြစ်နေတာပဲလေ။
14:53
But it is not part of metabolism itself.
339
868000
3000
ဒါပေမယ့် ပျက်စီးခြင်းကိုယ်တိုင်ကကျတော့ ဇီဝဖြစ်ပျက်မှုထဲမှာ မပါဘူးလေ။
14:56
And this turns out to be useful.
340
871000
1000
အဲဒီအချက်ဟာ အသုံးဝင်သွားပါတယ်။
14:57
Because we can re-draw our original diagram this way.
341
872000
3000
ဘာလို့လဲဆိုတော့ ကျွန်တော်တို့ရဲ့ မူရင်းပုံကို ဒီလိုနည်းနဲ့ ပြန်ဆွဲလို့ရတယ်လေ။
15:00
We can say that, fundamentally, the difference between gerontology and geriatrics
342
875000
3000
Gerontology နဲ့ Geriatrics အကြောင်းတွေကို ကျွန်တော်တို့တွေ အခြေခံကျကျ ပြောနိုင်ပါမယ်။
15:03
is that gerontology tries to inhibit the rate
343
878000
2000
Gerontology က တားပေးဖို့ ကြိုးစားလိမ့်မယ်...
15:05
at which metabolism lays down this damage.
344
880000
2000
ဇီဝဖြစ်ပျက်မှုက ဒီပျက်စီးမှုကို ဖြစ်လာမှာကိုပေါ့။
15:07
And I'm going to explain exactly what damage is
345
882000
2000
ဘယ်လို ပျက်စီးမှုလဲဆိုတာ ကျွန်တော်သေချာရှင်းပြပါမယ်။
15:09
in concrete biological terms in a moment.
346
884000
2000
ဇီဝဗေဒဆိုင်ရာ အသုံးအနှုန်းအတိအကျတွေနဲ့ အခုမကြာခင်ပဲ ရှင်းပြပါမယ်။
15:12
And geriatricians try to hold back the sands of time
347
887000
2000
Geriatricians တွေက အချိန်တွေကို ဆွဲထားဖို့ ကြိုးစားကြမယ်။
15:14
by stopping the damage converting into pathology.
348
889000
2000
ပျက်စီးမှုတွေက ရောဂါဖြစ်စဉ်အဖြစ်ပြောင်းပေးတာကို တားပေးပြီးတော့ပေ့ါ။
15:16
And the reason it's a losing battle
349
891000
2000
အဲဒါဟာ ရှံုးမယ့်စစ်ပွဲဖြစ်ရတဲ့ အကြောင်းကတော့
15:18
is because the damage is continuing to accumulate.
350
893000
2000
ပျက်စီးခြင်းဟာ တစ်ဖြည်းဖြည်းနဲ့ ဆက်ပြီးစုစည်းလာနေမှာမို့လို့ပါပဲ။
15:20
So there's a third approach, if we look at it this way.
351
895000
3000
ကဲ..ဒီမှာ တတိယချဉ်းကပ်နည်းပါ။ ဒီလိုနည်းနဲ့ ကြည့်မယ်ဆိုရင်ပေ့ါ။
15:23
We can call it the "engineering approach,"
352
898000
2000
ဒါကို အင်ဂျင်နီယာချဉ်းကပ်နည်းလို့ ခေါ်နိုင်ပါတယ်။
15:25
and I claim that the engineering approach is within range.
353
900000
3000
ဒီနည်းဟာ လက်တစ်ကမ်းအတွင်းမှာပဲ ရှိနေတယ်လို့ ကျွန်တော်ပြောချင်ပါတယ်။
15:28
The engineering approach does not intervene in any processes.
354
903000
3000
ဒီနည်းဟာ ဒီဖြစ်စဉ်ထဲမှာ ၀င်ရောက်လှုပ်ရှားမှာ မဟုတ်ပါဘူး။
15:31
It does not intervene in this process or this one.
355
906000
2000
အဲဒါဟာ ဒီဖြစ်စဉ်ထဲမှာ ၀င်မပါပါဘူး။
15:33
And that's good because it means that it's not a losing battle,
356
908000
3000
အဲဒါကောင်းပါတယ်။ ဘာဖြစ်လို့လဲဆိုတော့ ဒါကဘာကို ဆိုလိုလဲဆိုတော့ ဒါဟာ ရှံုးမယ့်စစ်ပွဲမဟုတ်လို့ပါ။
15:36
and it's something that we are within range of being able to do,
357
911000
3000
နောက်ပြီးတော့ ကျွန်တော်တို့ရနိုင် ရောက်နိုင်တဲ့ဟာလည်း ဖြစ်ပါတယ်။
15:39
because it doesn't involve improving on evolution.
358
914000
3000
ဒီဟာက ပြောင်းလဲဖြစ်ပေါ်မှုဖြစ်စဉ်တိုးတက်လာမှုမှာ မပါ၀င်တဲ့အတွက်လည်း ဖြစ်ပါတယ်။
15:42
The engineering approach simply says,
359
917000
2000
အင်ဂျင်နီယာ ချဉ်းကပ်နည်းက ရိုးရိုးလေးပဲ..ပြောပါတယ်။
15:44
"Let's go and periodically repair all of these various types of damage --
360
919000
4000
ပျက်စီးခြင်းအမျိုးမျိုးကို အချိန်နဲ့အမျှ ပြန်ပြင်ဆင်မယ်။
15:48
not necessarily repair them completely, but repair them quite a lot,
361
923000
4000
လုံးဝကောင်းသွားအောင် ပြင်ပစ်မယ်တော့ မဆိုလိုပါဘူး။ ဒါပေမယ့် တော်တော်များများကို ပြင်ပါမယ်။
15:52
so that we keep the level of damage down below the threshold
362
927000
3000
ဒါမှ ဒီပျက်စီးသွားတဲ့ အနေအထားကို....
15:55
that must exist, that causes it to be pathogenic."
363
930000
3000
ရောဂါတွေဖြစ်လာနိုင်တဲ့ အနေလောက်မရောက်အောင် ထားရပါမယ်။
15:58
We know that this threshold exists,
364
933000
2000
အဲဒီရောဂါဖြစ်လာနိုင်တဲ့အဆင့် ရှိတယ်ဆိုတာ ကျွန်တော်တို့ သိကြပါတယ်။
16:00
because we don't get age-related diseases until we're in middle age,
365
935000
3000
ဘာဖြစ်လို့လဲဆိုတော့ အိုမင်းခြင်းနဲ့ပတ်သက်တဲ့ ရောဂါတွေက ကျွန်တော်တို့ လူလတ်ပိုင်းရောက်တဲ့အထိ မဖြစ်ဘူးလေ။
16:03
even though the damage has been accumulating since before we were born.
366
938000
3000
ပျက်စီးမှုဟာ ကျွန်တော်တို့ မွေးဖွားမလာခင်ကတည်းက စပြီး တစ်ဖြည်းဖြည်း စုလာတယ်ဆိုပေမယ့်...
16:06
Why do I say that we're in range? Well, this is basically it.
367
941000
4000
ကျွန်တော်တို့ ဟာလက်တစ်ကမ်းမှာ ရောက်နေတယ်လို့ ဘာလို့ ကျွန်တော်ပြောပါသလဲ။ အင်း..ဒါဟာ အခြေခံပါပဲ။
16:10
The point about this slide is actually the bottom.
368
945000
3000
ဒီSlide မှာ ပြောထားတဲ့အချက်က တကယ့်အခြေခံပါပဲ။
16:13
If we try to say which bits of metabolism are important for aging,
369
948000
3000
ဇီဝဖြစ်ပျက်ခြင်းရဲ့ ဘယ်အပိုင်းလေးက အသက်အရွယ်အိုမင်းခြင်းအတွက် အရေးကြီးတာလဲလို့ ကျွန်တော်တို့ပြောရမယ်ဆိုရင်..
16:16
we will be here all night, because basically all of metabolism
370
951000
3000
ကျွန်တော်တို့အားလုံး ဒီတစ်ညလုံး ဒီမှာပဲ နေရပါလိမ့်မယ် ဘာဖြစ်လို့လဲဆိုတော့ ဇီဝဖြစ်ပျက်ခြင်းရဲ့ အစိတ်အပိုင်းအားလုံးဟာ..အခြေခံအားဖြင့်..
16:19
is important for aging in one way or another.
371
954000
2000
အသက်အိုမင်းခြင်းအတွက် တစ်နည်းမဟုတ်တစ်နည်း အရေးပါနေတာကြောင့်ပါပဲ။
16:21
This list is just for illustration; it is incomplete.
372
956000
2000
ဒါဟာ ရှင်းပြဖို့အတွက်ပါပဲ...မပြည့်စုံသေးပါဘူး။
16:24
The list on the right is also incomplete.
373
959000
2000
ညာဘက်မှာ ပြထားတဲ့ စာရင်းကလည်း မပြည့်စုံပါဘူး။
16:26
It's a list of types of pathology that are age-related,
374
961000
3000
အဲဒါက အသက်ကြီးလာတာနဲ့ဆိုင်တဲ့ ရောဂါဗေဒအမျိုးအစားစာရင်းပါ။
16:29
and it's just an incomplete list.
375
964000
2000
အဲဒါဟာ မပြည့်စုံတဲ့ စာရင်းပါ။
16:31
But I would like to claim to you that this list in the middle is actually complete --
376
966000
3000
ဒါပေမယ့် ကျွန်တော်ပြောချင်တာက အလယ်မှာရှိတဲ့ စာရင်းက တကယ်တော့ ပြည့်စုံပါတယ်။
16:34
this is the list of types of thing that qualify as damage,
377
969000
3000
ဒါဟာ ပျက်စီးတယ်လို့ ပြောနိုင်တဲ့ အရာတွေစာရင်းပါ။
16:37
side effects of metabolism that cause pathology in the end,
378
972000
3000
နောက်ဆုံးမှာ ရောဂါတွေဖြစ်စေတဲ့ ဇီဝဖြစ်ပျက်မှုရဲ့နောက်ဆက်တွဲဆိုးကျိုးတွေပါ။
16:40
or that might cause pathology.
379
975000
2000
ဒါမှမဟုတ် ရောဂါတွေဖြစ်လာစေနိုင်တာပါ။
16:42
And there are only seven of them.
380
977000
3000
အဲဒီမှာ ရ-မျိုးပဲ ရှိပါတယ်။
16:45
They're categories of things, of course, but there's only seven of them.
381
980000
3000
အဲဒါတွေက အမျိုးအစားတွေပါ။ ဒါပေမယ့် ရ-မျိုးပဲ ရှိပါတယ်။
16:48
Cell loss, mutations in chromosomes, mutations in the mitochondria and so on.
382
983000
5000
ဆဲလ်တွေဆုံးရှံုးတာ၊ ခရိုမိုဆုံးတွေ၊ မိုက်တို ကွန်ဒရီးယားတွေ၊ စတာတွေမှာ ပြောင်းလဲသွားတာတွေပါ။
16:53
First of all, I'd like to give you an argument for why that list is complete.
383
988000
5000
ပထမဆုံးအနေနဲ့ ကျွန်တော်ပြောချင်တာက ဒီစာရင်းဟာ ဘာဖြစ်လို့ ပြည့်စုံတဲ့စာရင်း ဖြစ်တာလဲ။
16:58
Of course one can make a biological argument.
384
993000
2000
ဘယ်သူမဆို ဇီဝဆိုင်ရာ ငြင်းချက်ထုတ်နိုင်တာပေ့ါ။
17:00
One can say, "OK, what are we made of?"
385
995000
2000
ဟုတ်ပြီ။ ငါတို့တွေဟာ ဘာနဲ့လုပ်ထားတာလဲ..လို့ ပြောနိုင်ပါတယ်။
17:02
We're made of cells and stuff between cells.
386
997000
2000
ကျွန်တော်တို့ကို ဆဲလ်တွေနဲ့ ဆဲလ်တွေတစ်ခုနဲ့တစ်ခု ကြားမှာ ရှိနေတဲ့ အရာတွေနဲ့ လုပ်ထားတာပေါ့။
17:04
What can damage accumulate in?
387
999000
3000
ပျက်စီးမှုတွေဟာ ဘယ်ဟာအဖြစ်ကို စုစည်းသွားနိုင်သလဲ။
17:07
The answer is: long-lived molecules,
388
1002000
2000
အဖြေကတော့ သက်တမ်းရှည်မော်လီကျူးတွေပဲ ဖြစ်ပါတယ်။
17:09
because if a short-lived molecule undergoes damage, but then the molecule is destroyed --
389
1004000
3000
ဘာလို့လဲဆိုတော့ သက်တမ်းတိုတဲ့ မော်လီကျူးတွေက ပျက်စီးမှုဖြစ်ခဲ့ရင် အဲဒီဟာကို ဖျက်ဆီးပစ်လိုက်ပါတယ်။
17:12
like by a protein being destroyed by proteolysis -- then the damage is gone, too.
390
1007000
4000
ပရိုတင်းကို ခြေဖျက်တဲ့ စနစ်ကနေပြီး ပရိုတင်းတွေကို ဖျက်ဆီးလိုက်သလိုပေ့ါ..အဲဒီအပျက်အစီးတွေလည်း အားလုံးကုန်သွားပါတယ်။
17:16
It's got to be long-lived molecules.
391
1011000
2000
အဲဒီတော့ ဒါဟာ သက်တမ်းရှည်မော်လီကျူးတွေပဲ ဖြစ်ကိုဖြစ်ရမယ်။
17:18
So, these seven things were all under discussion in gerontology a long time ago
392
1013000
3000
အဲဒီ ရ မျိုးကို Gerontology ပညာရပ်ပိုင်းမှာ ဟိုးအရင်ကတည်းက ဆွေးနွေးနေခဲ့ကြတာပါ။
17:21
and that is pretty good news, because it means that,
393
1016000
4000
နောက်ပြီး ဒါဟာ တော်တော်ကို ကောင်းတဲ့သတင်းပါ။ ဘာလို့လဲဆိုတော့ ဒါက ဘာကို ဆိုလိုသလဲဆိုတော့....
17:25
you know, we've come a long way in biology in these 20 years,
394
1020000
2000
ဒီနှစ်ပေါင်းနှစ်ဆယ်အတွင်းမှာ ကျွန်တော်တို့တွေ ဇီဝဗေဒမှာ တော်တော်ကို ခရီးရောက်နေပါပြီ။
17:27
so the fact that we haven't extended this list
395
1022000
2000
ဒီစာရင်းကို ထပ်မတိုးချဲ့သေးတဲ့ အကြောင်းက...
17:29
is a pretty good indication that there's no extension to be done.
396
1024000
3000
ထပ်ချဲ့ဖို့ မလိုတဲ့ အကြောင်းပြချက်ကောင်းတစ်ခုကြောင့်ပေ့ါ။
17:33
However, it's better than that; we actually know how to fix them all,
397
1028000
2000
ဒါပေမယ့် ဒါဟာ အဲဒါထက်ပိုကောင်းပါတယ်။ အဲဒါတွေကို ဘယ်လို ပြန်ပြင်ဆင်ရမလဲဆိုတာ တကယ်တော့ ကျွန်တော်တို့ သိပါတယ်။
17:35
in mice, in principle -- and what I mean by in principle is,
398
1030000
3000
ကြွက်တွေမှာ..မူအရဆိုရင် ... မူအရဆိုတာ ဘာလဲဆိုတော့
17:38
we probably can actually implement these fixes within a decade.
399
1033000
3000
ဒီလိုပြုပြင်မှုတွေကို လာမယ့် ဆယ်နှစ်အတွင်းမှာ ကျွန်တော်တို့ လုပ်နိုင်ကောင်းလုပ်နိုင်ပါလိမ့်မယ်။
17:41
Some of them are partially implemented already, the ones at the top.
400
1036000
4000
တစ်ချို့ဟာ..အပေါ်ပိုင်းကဟာတွေဆိုရင် တစ်ပိုင်းတစ်စ စလုပ်နေပါပြီ။
17:45
I haven't got time to go through them at all, but
401
1040000
3000
အဲဒါတွေအားလုံးကို ပြောပြဖို့ ကျွန်တော့်မှာ အချိန်မရှိပါဘူး။ ဒါပေမယ့်...
17:48
my conclusion is that, if we can actually get suitable funding for this,
402
1043000
4000
ကျွန်တော် နိဂုံးချုပ်ချင်တာကတော့..ဒါအတွက် သင့်တော်တဲ့ ထောက်ပံ့ငွေရမယ်ဆိုရင်...
17:52
then we can probably develop robust mouse rejuvenation in only 10 years,
403
1047000
4000
ကြွက်တွေနဲ့ စမ်းသပ်မှုကို လာမယ့် ဆယ်နှစ်အတွင်းမှာ အောင်မြင်အောင်လုပ်နိုင်မယ်။
17:56
but we do need to get serious about it.
404
1051000
3000
ဒါပေမယ့် ကျွန်တော်တို့ ဒါကို သေသေချာချာ အားထည့်ပြီး လုပ်ဖို့တော့ လိုမှာပေ့ါ။
17:59
We do need to really start trying.
405
1054000
1000
ကျွန်တော်တို့ တကယ်ကို စပြီး ကြိုးစားသင့်ပါပြီ။
18:01
So of course, there are some biologists in the audience,
406
1056000
3000
ဒါကြောင့် ...ဒီပရိတ်သတ်ထဲမှာ ဇီဝဗေဒပညာရှင်တွေလည်းပါပါတယ်။
18:04
and I want to give some answers to some of the questions that you may have.
407
1059000
3000
ခင်ဗျားတို့မှာ မေးစရာရှိရင်လည်း ကျွန်တော်ဖြေပေးချင်ပါတယ်။
18:07
You may have been dissatisfied with this talk,
408
1062000
2000
ကျွန်တော့်ဟောပြောပွဲကို ခင်ဗျားတို့ စိတ်တိုင်းမကျတာလည်း ရှိချင်ရှိမှာပါ။
18:09
but fundamentally you have to go and read this stuff.
409
1064000
2000
ဒါပေမယ့် အခြေခံအားဖြင့်တော့ ခင်ဗျားတို့ ဒီအကြောင်းကို ရှာဖွေ ဖတ်သင့်ပါတယ်။
18:11
I've published a great deal on this;
410
1066000
2000
ဒါနဲ့ပတ်သက်ပြီး ကျွန်တော် စာအုပ် တော်တော်များများ ထုတ်ဝေခဲ့ပြီးပါပြီ။
18:13
I cite the experimental work on which my optimism is based,
411
1068000
3000
ကျွန်တော့်ရဲ့ ဒါနဲ့ပတ်သက်တဲ့ အကောင်းမြင်ဝါဒက သုတေသနကို ကိုးကားအခြေပြုပါတယ်။
18:16
and there's quite a lot of detail there.
412
1071000
2000
နောက်ပြီးဒီမှာ အသေးစိတ်တွေအများကြီးရှိပါတယ်။
18:18
The detail is what makes me confident
413
1073000
2000
အသေးစိတ်အချက်တွေက ကျွန်တော့ကို ယုံကြည်စိတ်ချမှုရှိစေပါတယ်။
18:20
of my rather aggressive time frames that I'm predicting here.
414
1075000
2000
ကျွန်တော်မှန်းဆနေတဲ့ အချိန်ကာလ ခန့်မှန်းခြေကိုပေ့ါ။
18:22
So if you think that I'm wrong,
415
1077000
2000
ဒါကြောင့် ခင်ဗျားတို့က ကျွန်တော်မှားတယ်လို့ထင်ရင်..
18:24
you'd better damn well go and find out why you think I'm wrong.
416
1079000
3000
ကျွန်တော်ဘာကြောင့်မှားတယ်လို့ ထင်သလဲဆိုတာကို သေချာ ရှာဖွေသင့်ပါတယ်။
18:28
And of course the main thing is that you shouldn't trust people
417
1083000
3000
နောက်ပြီးတော့ အဓိက,ကတော့ ခင်ဗျားတို့ လူတွေကို မယုံသင့်လို့ပါပဲ။
18:31
who call themselves gerontologists because,
418
1086000
2000
Gerontologist လို့ ခေါ်တဲ့လူတွေကိုပေါ့ဗျာ..ဘာလို့လဲဆိုတော့..
18:33
as with any radical departure from previous thinking within a particular field,
419
1088000
4000
အကြောင်းအရာနယ်ပယ်တစ်ခုခုအတွင်းမှာ အရင်တုန်းကရှိခဲ့တဲ့ အတွေးအခေါ် ထင်မြင်ယူဆချက်တွေကို ပယ်ရှားဖို့ဟာ...
18:37
you know, you expect people in the mainstream to be a bit resistant
420
1092000
4000
လူအများစုဟာ နည်းနည်းတော့ လက်မခံတာ ခင်ဗျားတို့ မျှော်လင့်ထားပါလိမ့်မယ်။
18:41
and not really to take it seriously.
421
1096000
2000
ဒါပေမယ့် ဒါကို သိပ်တော့ အပြင်းအထန်ကြီး မခံယူပါနဲ့။
18:43
So, you know, you've got to actually do your homework,
422
1098000
2000
ဒီတော့ ခင်ဗျားတို့ အိမ်စာကို တကယ်ကို လုပ်ရမယ်။
18:45
in order to understand whether this is true.
423
1100000
1000
ဒါမှန်မမှန်နားလည်အောင်လို့ပေါ့။
18:46
And we'll just end with a few things.
424
1101000
2000
ကျွန်တော် နည်းနည်းပြောပြီး အဆုံးသတ်ပါမယ်။
18:48
One thing is, you know, you'll be hearing from a guy in the next session
425
1103000
3000
တစ်ခုကတော့ အခုနောက်တစ်ယောက်က ပြောတာကို ခင်ဗျားတို့ ကြားရပါလိမ့်မယ်
18:51
who said some time ago that he could sequence the human genome in half no time,
426
1106000
4000
သူက ဘာပြောမလဲဆိုတော့ လွန်ခဲ့တုန်းက လူတွေရဲ့ Genome တွေကို တခဏနဲ့ ဆက်စပ်နိုင်တယ်လို့..
18:55
and everyone said, "Well, it's obviously impossible."
427
1110000
2000
အဲတော့ လူတွေကပြောမယ်...အင်းအဲဒါကတော့ မဖြစ်နိုင်တာ ထင်ရှားပါတယ်..လို့
18:57
And you know what happened.
428
1112000
1000
အဲဒါဘာဖြစ်မလဲသိလား။
18:58
So, you know, this does happen.
429
1113000
4000
အဲဒါတကယ်ကို ဖြစ်ပါတယ်။
19:02
We have various strategies -- there's the Methuselah Mouse Prize,
430
1117000
2000
ကျွန်တော်တို့မှာ နည်းအမျိုးမျိုးရှိပါတယ်။ Methuselah Mouse ဆုဆိုတာရှိပါတယ်။
19:04
which is basically an incentive to innovate,
431
1119000
3000
ဒါဟာ အသစ်တီထွင်ဖန်တီးဖို့အတွက် အားပေးတဲ့ ဟာတစ်ခုပါ။
19:07
and to do what you think is going to work,
432
1122000
3000
ခင်ဗျားက တကယ်အလုပ်ဖြစ်နိုင်တဲ့ဟာလို့ထင်တဲ့ဟာကို လုပ်ဖို့အတွက်...
19:10
and you get money for it if you win.
433
1125000
2000
အဲဒီဆုကိုရရင် အဲဒါလုပ်ဖို့ ပိုက်ဆံရပါတယ်။
19:13
There's a proposal to actually put together an institute.
434
1128000
3000
ဒါအတွက် အဆိုပြုလွှာတစ်ခုရှိပါတယ်။
19:16
This is what's going to take a bit of money.
435
1131000
2000
ပိုက်ဆံလည်း ကုန်မယ့်ဟာပေ့ါ။
19:18
But, I mean, look -- how long does it take to spend that on the war in Iraq?
436
1133000
3000
ဒါပေမယ့် ကျွန်တော်ဆိုလိုချင်တာက ဒီမှာ..အဲဒီပိုက်ဆံကို အီရတ်စစ်ပွဲမှာ သုံးမယ်ဆိုဘယ်လောက်ကြာကြာခံမလဲ။
19:21
Not very long. OK.
437
1136000
1000
သိပ်မကြာဘူးမဟုတ်လား။
19:22
(Laughter)
438
1137000
1000
ရယ်သံများ
19:23
It's got to be philanthropic, because profits distract biotech,
439
1138000
3000
ဒါဟာ လူသားချင်းစာနာထောက်ထားမှုနဲ့ ဆိုင်သင့်ပါတယ်။ ဘာဖြစ်လို့လဲဆိုတော့ အကျိုးအမြတ်က ဇီဝနည်းပညာကို လမ်းကြောင်းပြောင်းစေလို့ပါပဲ။
19:26
but it's basically got a 90 percent chance, I think, of succeeding in this.
440
1141000
4000
ဒါပေမယ့် အဲဒါဟာ အောင်မြင်ဖို့ ၉၀ ရာခိုင်နှုန်းရှိတယ် လို့ ကျွန်တော်ထင်ပါတယ်။
19:30
And I think we know how to do it. And I'll stop there.
441
1145000
3000
ဘယ်လိုလုပ်ရမယ်ဆိုတာလည်း ကျွန်တော်တို့ သိပါတယ်။ ဒီမှာပဲ ကျွန်တော့် ဟောပြောချက်ကို ရပ်ပါမယ်။
19:33
Thank you.
442
1148000
1000
ကျေးဇူးတင်ပါတယ်။
19:34
(Applause)
443
1149000
5000
လက်ခုပ်သံများ
19:39
Chris Anderson: OK. I don't know if there's going to be any questions
444
1154000
3000
Chris Anderson: အိုကေ၊ မေးစရာမေးခွန်းများရှိမလား မသိဘူး။
19:42
but I thought I would give people the chance.
445
1157000
2000
ဒါပေမယ့် ကျွန်တော့်ကို မေးချင်တာရှိရင် မေးဖို့ အခွင့်ရှိပါတယ်။
19:44
Audience: Since you've been talking about aging and trying to defeat it,
446
1159000
4000
(ပရိတ်သတ်)... ခင်ဗျားက အိုမင်းခြင်းနဲ့ အဲဒါကို တိုက်ခိုက်အနိုင်ယူဖို့ ကြိုးစားမယ့်အကြောင်း ပြောသွားခဲ့တယ်နော်။
19:48
why is it that you make yourself appear like an old man?
447
1163000
4000
ဒါဆိုခင်ဗျားက ဘာဖြစ်လို့ အဘိုးကြီးပုံစံ ဖြစ်နေရတာလဲ။
19:52
(Laughter)
448
1167000
4000
ရယ်သံများ
19:56
AG: Because I am an old man. I am actually 158.
449
1171000
3000
(AG) ဘာဖြစ်လို့လဲဆိုတော့ ကျွန်တော်က အဘိုးကြီးမို့လို့ပေါ့။ ကျွန်တော်က တကယ်တော့ အသက် ၁၅၈ နှစ်ရှိပါပြီ။
19:59
(Laughter)
450
1174000
1000
ရယ်သံများ
20:00
(Applause)
451
1175000
3000
လက်ခုပ်သံများ
20:03
Audience: Species on this planet have evolved with immune systems
452
1178000
4000
(ပရိတ်သတ်)..ဒီဂြိုလ်ပေါ်က သတ္တဝါတွေဟာ ကိုယ်ခံအားစနစ်နဲ့ပတ်သက်ပြီး အဆင့်ဆင့်ဖြစ်ပေါ်ပြောင်းလဲခဲ့ပါတယ်။
20:07
to fight off all the diseases so that individuals live long enough to procreate.
453
1182000
4000
လူတွေအသက်ပိုရှည်ရှည်နေရပြီးတော့ တီထွင်ဖန်တီးမှုတွေလုပ်နိုင်အောင်လို့ ရောဂါတွေအားလုံးကို တိုက်ခိုက်ဖို့ပေ့ါ။
20:11
However, as far as I know, all the species have evolved to actually die,
454
1186000
5000
ဒါပေမယ့် ကျွန်တော်သိသလောက်ကတော့..သတ္တဝါတွေဖြစ်ပေါ်ပြောင်းလဲလာတာက တကယ်ကတော့ သေဖို့ပါ။
20:16
so when cells divide, the telomerase get shorter, and eventually species die.
455
1191000
5000
ဒါကြောင့် ဆဲလ်တွေ ကွဲကြတဲ့အခါ တီလိုမားရေ့စ်အင်ဇိုင်းဟာ ပိုတိုလာတယ်။ နောက်ပြီး တစ်ဖြည်းဖြည်းနဲ့ သတ္တဝါတွေသေကြတယ်။
20:21
So, why does -- evolution has -- seems to have selected against immortality,
456
1196000
5000
ဒါဆို ဘာကြောင့် ဒီဖြစ်ပေါ်ပြောင်းလဲမှုက မသေခြင်းရဲ့ ပြောင်းပြန်ကို ရွေးချယ်ခဲ့တယ် လို့ ထင်ရသလဲ။
20:26
when it is so advantageous, or is evolution just incomplete?
457
1201000
4000
အကျိုးကျေးဇူးတွေအများကြီးရှိရဲ့သားနဲ့။ ဒါမှမဟုတ် ဒီဖြစ်ပေါ်ပြောင်းလဲမှုဟာ မပြည့်စုံတာလား။
20:30
AG: Brilliant. Thank you for asking a question
458
1205000
2000
(ဟောပြောသူ).. သိပ်ကောင်းတဲ့မေးခွန်းပါ။ မေးတဲ့အတွက် ကျေးဇူးပါပဲ။
20:32
that I can answer with an uncontroversial answer.
459
1207000
2000
ဒါကို ကျွန်တော်က တိကျတဲ့အဖြေပေးနိုင်ပါတယ်။
20:34
I'm going to tell you the genuine mainstream answer to your question,
460
1209000
3000
ခင်ဗျားရဲ့မေးခွန်းအတွက် တကယ့်အဖြေကို ပြောပါမယ်။
20:37
which I happen to agree with,
461
1212000
2000
ဒီမေးခွန်းကို ကျွန်တော် သဘောတူပါတယ်။
20:39
which is that, no, aging is not a product of selection, evolution;
462
1214000
3000
အိုမင်းခြင်းဟာ ရွေးချယ်မှုရဲ့၊ ဖြစ်ပေါ်ပြောင်းလဲမှုရဲ့ ရလဒ်မဟုတ်ပါဘူး
20:42
[aging] is simply a product of evolutionary neglect.
463
1217000
2000
ဒါဟာ ဖြစ်ပေါ်ပြောင်းလဲမှုကို လစ်လျူရှုခြင်းရဲ့ ရလဒ်ပါ။
20:45
In other words, we have aging because it's hard work not to have aging;
464
1220000
5000
တစ်နည်းအားဖြင့်ဆိုရရင်.. ကျွန်တော်တို့မှာ အိုမင်းခြင်းတွေဖြစ်နေတယ်..ဘာလို့လဲဆိုတော့ မအိုအောင်လုပ်ရတာ ခက်ခဲတဲ့ အလုပ်တစ်ခုဖြစ်နေလို့ပေ့ါ။
20:50
you need more genetic pathways, more sophistication in your genes
465
1225000
2000
ခင်ဗျားတို့ မျိုးရိုးဗီဇဆိုင်ရာနဲ့ပတ်သက်ပြီး ပိုသိဖို့လိုမယ်။
20:52
in order to age more slowly,
466
1227000
2000
ပိုပြီးနှေးနှေးကွေးကွေး အိုလာစေဖို့အတွက်ပေ့ါ။
20:54
and that carries on being true the longer you push it out.
467
1229000
3000
ခင်ဗျားက အိုမင်းခြင်းကို ဆက်ပြီး တိုက်နေသမျှ အိုမင်းခြင်းရောက်လာမှုဟာ ပိုကြာနေပါလိမ့်မယ်။
20:57
So, to the extent that evolution doesn't matter,
468
1232000
5000
ဖြစ်ပေါ်ပြောင်းလဲခြင်း က အကြောင်းမဟုတ်တော့တဲ့အထိ...
21:02
doesn't care whether genes are passed on by individuals,
469
1237000
2000
မျိုးရိုးဗီဇတွေ တစ်ဦးကနေတစ်ဦးလက်ဆင့်ကမ်းသည်ဖြစ်စေ မကမ်းသည်ဖြစ်စေ...
21:04
living a long time or by procreation,
470
1239000
2000
အကြာကြီးအသက်ရှည်ရှည်နေဖို့..ဒါမှမဟုတ် တီထွင်ဖန်တီးခြင်းနဲ့...
21:07
there's a certain amount of modulation of that,
471
1242000
2000
အဲဒီမှာ တော်တော်လေးတော့ ချိန်ညှိတာရှိပါတယ်။
21:09
which is why different species have different lifespans,
472
1244000
3000
ဒါကြောင့်လည်း သတ္တဝါအမျိုးမျိုးမှာ သက်တမ်းအမျိုးမျိုး ရှိနေကြတာပေ့ါ။
21:12
but that's why there are no immortal species.
473
1247000
2000
ဒါပေမယ့် ဒါကြောင့်လည်း မသေတဲ့ သတ္တဝါဆိုတာ မရှိတာပေါ့။
21:15
CA: The genes don't care but we do?
474
1250000
2000
CA: မျိုးရိုးဗီဇက ကိစ္စ မရှိဘူး။ ကျွန်တော်တို့က ကိစ္စရှိတယ်ပေ့ါ။ ဟုတ်လား
21:17
AG: That's right.
475
1252000
1000
ဟုတ်ပါတယ်။
21:19
Audience: Hello. I read somewhere that in the last 20 years,
476
1254000
5000
(ပရိတ်သတ်) ဟယ်လို။ လွန်ခဲ့တဲ့ အနှစ်နှစ်ဆယ်က ကျွန်တော် တစ်နေရာရာမှာ ဖတ်ဖူးတယ်။
21:24
the average lifespan of basically anyone on the planet has grown by 10 years.
477
1259000
5000
ဒီဂြိုဟ်ပေါ်မှာရှိတဲ့ လူတိုင်းရဲ့ ပျမ်းမျှသက်တမ်းဟာ ဆယ်နှစ်တိုးလာတယ်တဲ့။
21:29
If I project that, that would make me think
478
1264000
3000
ဒါက ကျွန်တော့်ကို ဘယ်လိုထင်စေသလဲဆိုတော့...
21:32
that I would live until 120 if I don't crash on my motorbike.
479
1267000
4000
အကယ်လို့သာ ကျွန်တော်မော်တော်ဆိုင်ကယ်မတိုက်ခဲ့ဘူးဆိုရင် ကျွန်တော် အသက် ၁၂၀ အထိနေရလိမ့်မယ်ပေါ့နော်။
21:37
That means that I'm one of your subjects to become a 1,000-year-old?
480
1272000
5000
ဒါက ဘာကိုဆိုလိုမလဲဆိုတော့ ကျွန်တော်က အသက်တစ်ထောင်အထိနေနိုင်မယ့် ခင်ဗျားရဲ့ လူတစ်ယောက်ဖြစ်လိမ့်မယ်ပေ့ါ။ ဟုတ်လား။
21:42
AG: If you lose a bit of weight.
481
1277000
1000
ခင်ဗျား ကိုယ်အလေးချိန်နည်းနည်း လျော့သွားရင်ပေ့ါ။
21:44
(Laughter)
482
1279000
3000
ရယ်သံများ
21:47
Your numbers are a bit out.
483
1282000
3000
ခင်ဗျားရဲ့ နံပါတ်တွေက နည်းနည်းလွဲနေတယ်။
21:50
The standard numbers are that lifespans
484
1285000
3000
စံနံပါတ်တွေက ..
21:53
have been growing at between one and two years per decade.
485
1288000
3000
သက်တမ်းတွေရဲ့ စံနှုန်းက ဆယ်နှစ်တိုင်းကို တစ်နှစ် နှစ်နှစ် တိုးနေတယ်။
21:56
So, it's not quite as good as you might think, you might hope.
486
1291000
3000
ဒါကြောင့် ခင်ဗျားထင်သလောက်/မျှော်မှန်းသလောက်တော့ မကောင်းလှဘူး။
22:00
But I intend to move it up to one year per year as soon as possible.
487
1295000
2000
ဒါပေမယ့် ကျွန်တော်က အဲဒါကို တစ်နှစ်တိုင်းမှာ တစ်နှစ်ထပ်တိုးလာအောင် ဖြစ်နိုင်သမျှ မြန်မြန် တိုးပေးဖို့ ရည်ရွယ်ပါတယ်။
22:03
Audience: I was told that many of the brain cells we have as adults
488
1298000
3000
(ပရိတ်သတ်) ကျွန်တော်သိထားတာက လူကြီးတွေမှာရှိတဲ့ ဦးဏှောက်ဆဲလ်တွေဟာ ...
22:06
are actually in the human embryo,
489
1301000
1000
တကယ်တော့ သန္ဓေသားတုန်းကတည်းက ဟာတွေတဲ့။
22:08
and that the brain cells last 80 years or so.
490
1303000
2000
နောက်ပြီး အဲဒီဦးဏှောက်ဆဲလ်တွေဟာ နှစ်-၈၀ လောက်ပဲ ခံတယ်တဲ့။
22:10
If that is indeed true,
491
1305000
2000
အဲဒါသာတကယ်မှန်ခဲ့ရင်...
22:12
biologically are there implications in the world of rejuvenation?
492
1307000
3000
ပြန်လည်နုပျိုခြင်းမှာ အဲဒီအချက်က ဇီဝဗေဒဆိုင်ရာအားဖြင့် သက်ရောက်မှုရှိနိုင်မလား
22:15
If there are cells in my body that live all 80 years,
493
1310000
3000
ကျွန်တော့် ကိုယ်ခန္ဓာမှာ နှစ်ပေါင်း ၈၀ သက်တမ်းရှိတဲ့ ဆဲလ်သာ ရှိခဲ့ရင်...
22:18
as opposed to a typical, you know, couple of months?
494
1313000
2000
သူတို့ရဲ့ ပုံမှန်သက်တမ်း..လအနည်းငယ် ထက်ပေ့ါလေ...
22:20
AG: There are technical implications certainly.
495
1315000
2000
အဲဒီမှာ နည်းပညာပိုင်းဆိုင်ရာ သက်ရောက်မှု ရှိမှာ လုံးဝသေချာတာပေ့ါ။
22:22
Basically what we need to do is replace cells
496
1317000
3000
အခြေခံအားဖြင့် ကျွန်တော်တို့လုပ်ဖို့လိုတာက ဆဲလ်တွေကို အစားပြန်ထိုးဖို့ပါပဲ။
22:26
in those few areas of the brain that lose cells at a respectable rate,
497
1321000
3000
ဦးဏှောက်ရဲ့ အချို့နေရာက ဆုံးရှုံးသွားတဲ့ ဆဲလ်တွေကို လိုအပ်တဲ့နှုန်းနဲ့ ပြန်အစားထိုးမှာပါ။
22:29
especially neurons, but we don't want to replace them
498
1324000
3000
ဦးဏှောက်ထဲက နူရွန်တွေက အဓိကပေ့ါ...ဒါပေမယ့် ကျွန်တော်တို့ အဲဒါတွေကို ...
22:32
any faster than that -- or not much faster anyway,
499
1327000
2000
ပိုမြန်မြန်တော့မဟုတ်ဘူး။ ဒါမှမဟုတ်..ဘယ်လိုပဲဖြစ်ဖြစ် မြန်မြန်တော့ အစားထိုးမယ်မဟုတ်ဘူ။
22:34
because replacing them too fast would degrade cognitive function.
500
1329000
4000
ဘာလို့လဲဆိုတော့ မြန်မြန်အစားထိုးလိုက်ရင် မှတ်ဉာဏ်ရဲ့ လုပ်ဆောင်မှု လျော့ကျသွားလိမ့်မယ်လေ။
22:38
What I said about there being no non-aging species earlier on
501
1333000
3000
ကျွန်တော်အစောက ပြောခဲ့တဲ့ မအိုတဲ့ သတ္တဝါမရှိဘူးဆိုတဲ့ဟာက...
22:41
was a little bit of an oversimplification.
502
1336000
2000
အရမ်းရှင်းအောင် ပြောလိုက်တာပါ။
22:43
There are species that have no aging -- Hydra for example --
503
1338000
4000
မအိုတဲ့ သတ္တဝါတွေရှိပါတယ်။ ဥပမာအားဖြင့် ...Hydra
22:47
but they do it by not having a nervous system --
504
1342000
2000
ဒါပေမယ့် သူတို့မှာက အာရုံကြောစနစ် မရှိလို့ပါ။
22:49
and not having any tissues in fact that rely for their function
505
1344000
2000
နောက်ပြီး တစ်သျှူးတွေ မရှိတာလည်းပါတယ်။
22:51
on very long-lived cells.
506
1346000
2000
သူတို့တွေက အရမ်းကို သက်တမ်းရှည်တဲ့ ဆဲလ်တွေရဲ့ လုပ်ဆောင်မှုအပေါ် မူတည်ပြီး အသက်ရှင်တာပါ။
Translated by Swe Swe Aye
Reviewed by Maung Maung

▲Back to top

ABOUT THE SPEAKER
Aubrey de Grey - Crusader against aging
Aubrey de Grey, British researcher on aging, claims he has drawn a roadmap to defeat biological aging. He provocatively proposes that the first human beings who will live to 1,000 years old have already been born.

Why you should listen

A true maverick, Aubrey de Grey challenges the most basic assumption underlying the human condition -- that aging is inevitable. He argues instead that aging is a disease -- one that can be cured if it's approached as "an engineering problem." His plan calls for identifying all the components that cause human tissue to age, and designing remedies for each of them — forestalling disease and eventually pushing back death. He calls the approach Strategies for Engineered Negligible Senescence (SENS).

With his astonishingly long beard, wiry frame and penchant for bold and cutting proclamations, de Grey is a magnet for controversy. A computer scientist, self-taught biogerontologist and researcher, he has co-authored journal articles with some of the most respected scientists in the field.

But the scientific community doesn't know what to make of him. In July 2005, the MIT Technology Review challenged scientists to disprove de Grey's claims, offering a $20,000 prize (half the prize money was put up by de Grey's Methuselah Foundation) to any molecular biologist who could demonstrate that "SENS is so wrong that it is unworthy of learned debate." The challenge remains open; the judging panel includes TEDsters Craig Venter and Nathan Myhrvold. It seems that "SENS exists in a middle ground of yet-to-be-tested ideas that some people may find intriguing but which others are free to doubt," MIT's judges wrote. And while they "don't compel the assent of many knowledgeable scientists," they're also "not demonstrably wrong."

More profile about the speaker
Aubrey de Grey | 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