TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: Wat wordt de volgende grote wetenschappelijke doorbraak?
Filmed:
Readability: 4.3
1,571,528 views
Door de geschiedenis heen heeft speculatie geleid tot prachtige, revolutionaire wetenschap -- het heeft onze ogen openend voor geheel nieuwe universa. "Ik heb het niet over wetenschap die kleine stapjes neemt," zegt Eric Haseltine, "ik heb het over wetenschap die enorme sprongen maakt." In deze talk neemt Haseltine ons hartstochtelijk mee naar de randen van het intellectuele streven aan de hand van twee ideeën -- een die al geschiedenis heeft gemaakt en de andere die zich met een bewonderenswaardige ambitie (en een gezonde dosis scepsis van velen) verdiept in een van de grootste vragen van de mensheid.
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio
Double-click the English transcript below to play the video.
00:12
Tonight, I'm going to share with you
my passion for science.
my passion for science.
0
920
3616
Vanavond ga ik met jullie
mijn passie voor de wetenschap delen.
mijn passie voor de wetenschap delen.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
Ik ga het niet hebben
over wetenschap die kleine stapjes neemt,
over wetenschap die kleine stapjes neemt,
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
maar over wetenschap
die met reuzenschreden vooruitgaat.
die met reuzenschreden vooruitgaat.
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
Het gaat over... Darwin, over... Einstein!
00:27
I'm talking revolutionary science
that turns the world on its head.
that turns the world on its head.
4
15280
3600
Over wetenschapsrevoluties
die de wereld op zijn kop zetten.
die de wereld op zijn kop zetten.
00:31
In a moment, I'm going to talk
about two ideas that might do this.
about two ideas that might do this.
5
19440
3400
Zo dadelijk spreek ik over twee ideeën
die net dat zouden kunnen doen.
die net dat zouden kunnen doen.
00:35
I say "might"
6
23800
1216
Ik zeg 'zouden',
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
omdat de meeste revolutionaire
ideeën de mist ingaan
ideeën de mist ingaan
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
en zelfs de juiste
hebben zelden de impact
hebben zelden de impact
00:42
that we want them to have.
9
30320
1696
die we zouden wensen.
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Om uit te leggen
waarom ik net die twee eruit pikte,
waarom ik net die twee eruit pikte,
00:46
I'm going to start with a mystery.
11
34560
1680
begin ik met een mysterie.
00:48
1847, Vienna, Austria.
12
36840
3080
1847, Wenen, Oostenrijk.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Ignaz Semmelweis was een sombere,
obsessief degelijke dokter
obsessief degelijke dokter
die de leiding had
over twee kraamklinieken.
over twee kraamklinieken.
00:56
who ran two maternity clinics.
14
44720
1856
00:58
They were identical except for one thing.
15
46600
2440
Ze waren identiek op één ding na:
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
vrouwen stierven van hoge koortsen
vlak na de bevalling
vlak na de bevalling
01:04
three times more often
at one of the clinics than at the other.
at one of the clinics than at the other.
17
52400
3560
drie maal vaker
in de ene kliniek dan in de andere.
in de ene kliniek dan in de andere.
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Om uit te vissen
wat dit verschil veroorzaakte,
wat dit verschil veroorzaakte,
ging Semmelweis alles na
wat hem maar te binnen viel.
wat hem maar te binnen viel.
01:11
Semmelweis looked at everything he could.
19
59560
2016
01:13
Sanitation? No.
20
61600
1736
Sanitair?
Nee.
Nee.
01:15
Medical procedures? No.
21
63360
2000
Medische procedures?
Nee.
Nee.
01:18
Air flow? No.
22
66000
1920
Tocht?
Nee.
Nee.
Het raadsel bleef onopgelost totdat hij
een autopsie uitvoerde op een dokter
een autopsie uitvoerde op een dokter
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
01:24
who died of an infected scalpel cut.
24
72080
2000
die gestorven was
aan een geïnfecteerde scalpelwonde.
aan een geïnfecteerde scalpelwonde.
01:26
The doctor's symptoms were identical
to those of the mothers who were dying.
to those of the mothers who were dying.
25
74760
3776
De dokter vertoonde dezelfde symptomen
als de stervende moeders.
als de stervende moeders.
01:30
How was that possible?
26
78560
1376
Hoe was dat mogelijk?
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
Hoe kon een mannelijke dokter
hetzelfde krijgen als nieuwe moeders?
hetzelfde krijgen als nieuwe moeders?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis reconstrueerde alles
wat de dokter had gedaan
wat de dokter had gedaan
01:38
right before he got sick,
29
86840
1256
net voor hij ziek werd.
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
Hij ontdekte dat hij een autopsie
op een lijk had uitgevoerd.
op een lijk had uitgevoerd.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
Was er iets in zijn wonde geraakt
dat hem had gedood?
dat hem had gedood?
01:48
With growing excitement,
32
96760
1776
Met stijgende opwinding
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
onderzocht Semmelweis
elk verband dat hij vond
elk verband dat hij vond
01:53
between dead bodies in the morgue
and dead mothers in his delivery room,
and dead mothers in his delivery room,
34
101400
5376
tussen lijken in het mortuarium
en dode moeders in de verloskamer
en dode moeders in de verloskamer
01:58
and he found it.
35
106800
1600
en hij... vond het.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Het bleek dat in de kliniek
met het hoge dodental,
met het hoge dodental,
02:04
but not the others,
37
112200
1776
maar niet in de andere,
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
dokters bevallingen deden
vlak nadat ze in het mortuarium
autopsieën hadden uitgevoerd.
autopsieën hadden uitgevoerd.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
Aha! Lijken besmetten
de handen van de dokters
de handen van de dokters
02:15
and killing his mothers.
40
123120
1240
en doodden zijn moeders.
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Dus beval hij dat de dokters
hun handen steriel moesten maken
hun handen steriel moesten maken
02:20
and the deaths stopped.
42
128320
2280
en het sterven... stopte.
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
Dr. Ignaz Semmelweis
had de besmettelijke ziekte ontdekt.
had de besmettelijke ziekte ontdekt.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
Maar de dokters van die tijd
dachten dat hij gek was,
dachten dat hij gek was,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
want ze wisten
al honderden jaren lang
al honderden jaren lang
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
dat stinkende uitwasemingen,
die ze miasma's noemden,
die ze miasma's noemden,
ziekten veroorzaakten
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
en niet die hypothetische deeltjes
die je niet kon zien.
die je niet kon zien.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
20 jaar had de Fransman
Louis Pasteur nodig
Louis Pasteur nodig
02:49
to prove that Semmelweis was right.
49
157080
1960
om aan te tonen dat Semmelweis gelijk had.
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur was een landbouwkundig chemicus
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
die probeerde uit te vissen
waarom melk en bier zo vaak bedierven.
waarom melk en bier zo vaak bedierven.
02:58
He found that bacteria were the culprits.
52
166600
2440
Hij ontdekte dat bacteriën
de boosdoeners waren.
de boosdoeners waren.
03:02
He also found that bacteria
could kill people in exactly the same way
could kill people in exactly the same way
53
170160
3856
Hij ontdekte ook dat bacteriën
mensen op dezelfde manier konden doden
mensen op dezelfde manier konden doden
03:06
that Semmelweis's patients were dying.
54
174040
2320
als ze deden met Semmelweis' patiënten.
03:09
We now look at what I want
to talk about tonight, in two ideas.
to talk about tonight, in two ideas.
55
177120
4400
Met twee ideeën
wil ik vanavond iets duidelijk maken.
wil ik vanavond iets duidelijk maken.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
We zagen het bij Semmelweis.
Hij was een revolutionair.
Hij was een revolutionair.
Hij deed het om twee redenen.
03:18
He did it for two reasons.
57
186560
1256
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
Ten eerste opende hij onze ogen
voor een totaal nieuwe wereld.
voor een totaal nieuwe wereld.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
We kenden bacteriën al van rond 1680.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
We wisten alleen niet
dat ze mensen doodden.
dat ze mensen doodden.
03:29
And he also demolished fond ideas
that people kept close to their heart.
that people kept close to their heart.
61
197200
5056
En hij vernietigde geliefde ideeën
die mensen aan hun hart drukten.
die mensen aan hun hart drukten.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
Miasma's doodden geen mensen.
Bacteriën doodden mensen.
Bacteriën doodden mensen.
03:38
So this brings me to the two ideas
I want to talk about tonight.
I want to talk about tonight.
63
206080
3336
Dat brengt me bij de twee ideeën
waarover ik het nu ga hebben.
waarover ik het nu ga hebben.
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
Een heeft onze ogen geopend
voor een totaal nieuw universum
voor een totaal nieuw universum
03:44
and the other attacks long-held beliefs.
65
212280
3976
en het ander valt een lang
gekoesterd geloof aan.
gekoesterd geloof aan.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
We beginnen met dr. Eric Betzig.
03:50
He's a physicist who has opened our eyes
to an entirely new world
to an entirely new world
67
218240
3896
Hij is een fysicus die ons
een heel nieuwe wereld heeft getoond
een heel nieuwe wereld heeft getoond
03:54
by violating the laws of physics.
68
222160
1880
door de wetten
van de fysica te overtreden.
van de fysica te overtreden.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig is een echte rebel.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Hij nam ontslag bij het
prestigieuze Bell Laboratory,
prestigieuze Bell Laboratory,
04:01
inventing new microscopes for biology
71
229480
2256
waar hij nieuwe microscopen
voor de biologie ontwikkelde,
voor de biologie ontwikkelde,
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
omdat hij vond dat wetenschappers
met zijn briljante uitvindingen
met zijn briljante uitvindingen
04:08
and doing lousy work with them.
73
236120
1520
minderwaardig werk verrichtten.
04:10
So he became a househusband,
74
238880
3040
Dus werd hij... huisman,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
maar verloor nooit
zijn passie voor het uitzoeken
zijn passie voor het uitzoeken
hoe met microscopen
steeds fijnere details zichtbaar te maken,
steeds fijnere details zichtbaar te maken,
04:17
how to get microscopes
to see finer and finer details
to see finer and finer details
76
245960
2896
04:20
than had ever been seen before
or ever could be seen.
or ever could be seen.
77
248880
2477
fijner dan ooit gezien
of zelfs fijner dan mogelijk was.
of zelfs fijner dan mogelijk was.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Dat is cruciaal voor als we ooit
willen begrijpen hoe cellen werken
willen begrijpen hoe cellen werken
04:28
and how cancer works,
79
256440
1495
en hoe kanker werkt,
04:29
and how something
150th the size of a head of a pin
150th the size of a head of a pin
80
257959
5417
en hoe iets dat één 150ste is
van de grootte van een speldenknop
van de grootte van een speldenknop
04:35
can do all these amazing things,
81
263400
2136
al deze verbazende dingen kan doen,
04:37
like make proteins
82
265560
1576
zoals het maken van proteïnen,
04:39
and move charges around
83
267160
1896
ladingen rondbewegen
04:41
and all of those things.
84
269080
1280
en al die andere dingen.
04:43
There's just one problem.
85
271400
1680
Maar er is een probleem:
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
de wetten van de fysica.
04:49
and part of the law of physics
is the thing called the diffraction limit.
is the thing called the diffraction limit.
87
277040
3456
Eén ervan heet de diffractielimiet.
Je kan het vergelijken met de grens
waar je bij de oogarts
waar je bij de oogarts
04:52
The diffraction limit is kind of like
when you go to a doctor's office,
when you go to a doctor's office,
88
280520
3376
04:55
you can only see so far down,
no matter how good glasses you have.
no matter how good glasses you have.
89
283920
3136
geen kleinere letters meer kunt lezen
ongeacht hoe sterk je lenzen ook zijn.
ongeacht hoe sterk je lenzen ook zijn.
04:59
This was a so-called impossible problem.
90
287080
3376
Dit was een zogezegd onoplosbaar probleem.
05:02
But one of Betzig's friends
figured out how to take a tiny molecule
figured out how to take a tiny molecule
91
290480
3176
Maar een van Betzigs vrienden
kon een kleine molecule maken
kon een kleine molecule maken
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
die zelfs te klein was
voor de beste microscoop,
voor de beste microscoop,
05:08
and get it to light up and fluoresce.
93
296120
2136
maar hij kon ze laten
oplichten en fluoresceren.
oplichten en fluoresceren.
05:10
"Aha!" Betzig said.
94
298280
2496
"Aha!", zei Betzig.
05:12
"I think maybe the laws of physics
are not so unbreakable after all."
are not so unbreakable after all."
95
300800
4696
"Misschien zijn de fysicawetten
niet zo onverbreekbaar als gedacht."
niet zo onverbreekbaar als gedacht."
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Hij knutselde een microscoop in elkaar
in de woonkamer van zijn vriend.
in de woonkamer van zijn vriend.
05:22
He had no laboratory.
97
310400
1816
Hij had geen laboratorium.
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Dit revolutionaire instrument
liet verschillende eiwitmoleculen
liet verschillende eiwitmoleculen
05:27
to light up in different colors,
99
315840
1560
in allerlei kleuren oplichten
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
en met een computer kon hij
zeer, zeer wazige vlekken
zeer, zeer wazige vlekken
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
veranderen in scherpe punten en beelden
van voorheen ongekende helderheid.
05:41
For this work, last year,
102
329520
2296
Voor dit werk kreeg hij
vorig jaar de Nobelprijs.
vorig jaar de Nobelprijs.
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
05:47
Why?
104
335360
1216
Waarom?
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
Omdat we nu
met tot nu toe ongekend detail
met tot nu toe ongekend detail
dingen kunnen zien
die we eerder nooit hadden gezien.
die we eerder nooit hadden gezien.
05:52
things that we never had seen before,
106
340720
1816
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
Dokters hebben nu een betere manier
om dingen als kanker aan te pakken.
om dingen als kanker aan te pakken.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
Maar dacht je dat Betzig nu tevreden was?
06:01
No.
109
349600
1296
Neen.
06:02
He wanted movies.
110
350920
1856
Hij wilde bewegende beelden.
06:04
The problem was
111
352800
1216
Maar zelfs zijn geniale microscopen
waren daarvoor te traag.
waren daarvoor te traag.
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
06:10
So what did he do?
113
358040
1256
Dus wat ging hij doen?
06:11
He came up with a 200-year-old idea
114
359320
3576
Hij gebruikte een 200 jaar oud idee:
06:14
called moiré patterns.
115
362920
1696
moiré-patronen.
06:16
So the way that works is
if you take two very, very fine patterns
if you take two very, very fine patterns
116
364640
3456
Als je twee zeer fijne patronen neemt
06:20
and you move them across each other,
117
368120
1776
en ze over elkaar schuift,
06:21
you will see a gross pattern
118
369920
3016
dan zie je een groter patroon
06:24
that a microscope can see
119
372960
1480
dat voor een microscoop zichtbaar is
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
en dat je anders niet kon zien.
06:29
So he applied this technique
to taking a really blurry image of a cell
to taking a really blurry image of a cell
121
377480
3296
Hij paste deze techniek toe
op een wazig beeld van een cel
op een wazig beeld van een cel
en liet er hopen gestructureerde
lichtpatronen doorheen gaan
lichtpatronen doorheen gaan
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
06:35
until this cell became crystal clear.
123
383400
2440
totdat de cel kristalhelder in beeld kwam.
06:38
And here is the result:
124
386840
2016
Hier zie je het resultaat:
06:40
a mysterious new world,
125
388880
2736
een mysterieuze nieuwe wereld
06:43
full of strange things zipping around
126
391640
2136
waarin allerlei
vreemde dingen rondzwermen
vreemde dingen rondzwermen
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
die dingen doen die we niet begrijpen.
06:49
But when we figure it out,
we'll have a better handle on life itself.
we'll have a better handle on life itself.
128
397600
3976
Maar zodra we het doorgronden,
zullen we het leven zelf beter begrijpen.
zullen we het leven zelf beter begrijpen.
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
Zie je bijvoorbeeld die groene bolletjes?
06:55
Those things are called clathrins.
130
403720
1680
Dat zijn clathrinen.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
Het zijn moleculen
die andere moleculen beschermen
die andere moleculen beschermen
07:00
as they move through a cell.
132
408400
1376
als ze door een cel bewegen.
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Maar soms worden ze gekaapt door virussen
om die cellen te infecteren.
om die cellen te infecteren.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
En zie je die kleine kronkelende
wormachtige dingen rondkruipen?
wormachtige dingen rondkruipen?
07:09
Those are actin molecules.
135
417280
2296
Dat zijn actinemoleculen.
Helaas gebruiken virussen ook die dingen
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
om de celkern binnen te dringen
07:14
to get into the cell nucleus
137
422040
1456
07:15
to replicate themselves and make you sick.
138
423520
2120
om zich daar te reproduceren
en je ziek te maken.
en je ziek te maken.
07:18
Now that we can look at movies
139
426240
1856
Maar nu we die bewegende beelden hebben
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
van wat er zich diep in de cel afspeelt,
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
hebben we een grotere kans
om virale ziekten als aids te genezen.
om virale ziekten als aids te genezen.
07:27
So when you look at a movie like this,
142
435680
1856
Als je zo'n film bekijkt,
07:29
it's very clear that Betzig has opened
our eyes to a completely new world.
our eyes to a completely new world.
143
437560
4000
is het overduidelijk dat Betzig
onze ogen heeft geopend
voor een totaal nieuwe wereld.
voor een totaal nieuwe wereld.
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
Maar hij heeft geen gekoesterd geloof
aan stukken geslagen.
aan stukken geslagen.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Zo komen we bij
dr. Aubrey de Grey in Cambridge.
dr. Aubrey de Grey in Cambridge.
07:42
at Cambridge.
146
450160
1200
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey liet wetenschappers
ongelovig het hoofd schudden
ongelovig het hoofd schudden
met een interessant idee:
we kunnen onsterfelijk worden.
07:48
we can be immortal.
148
456800
1376
07:50
We can beat aging.
149
458200
1616
We kunnen verouderen verslaan.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
De meeste wetenschappers
vinden hem een kwakzalver.
vinden hem een kwakzalver.
07:55
Any Biology 101 student knows
151
463320
3296
Elke beginnende biologiestudent
weet dat verouderen
weet dat verouderen
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
een onvermijdelijk gevolg is van leven.
08:02
For example, when we eat,
153
470680
2096
Bijvoorbeeld, als we eten,
nemen we voedsel op en metaboliseren het
08:04
we take in food and we metabolize it,
154
472800
1856
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
waarbij vrije radicalen
worden geproduceerd.
worden geproduceerd.
08:09
You might have heard of those.
156
477080
1456
Je hebt er misschien al over gehoord.
08:10
Also known as oxygen ions,
157
478560
1936
Deze zuurstofionen
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
binden aan ons DNA, doen het muteren
08:14
and cause us to get old and lose our hair.
159
482920
2056
en doen ons oud worden
en ons haar verliezen.
en ons haar verliezen.
08:17
(Laughter)
160
485000
1576
(Gelach)
08:18
It's just like, no, it's exactly like
161
486600
2736
Bijna te vergelijken,
nee, exact te vergelijken
nee, exact te vergelijken
08:21
oxygen binding to iron and making it rust.
162
489360
2176
met zuurstof dat ijzer doet roesten.
08:23
So you age because you rust out.
163
491560
2456
Je veroudert door te verroesten.
08:26
(Laughter)
164
494040
2176
(Gelach)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
O, en wetenschappers
kennen onsterfelijkheid:
kennen onsterfelijkheid:
08:33
in cancer cells.
166
501360
1976
van kankercellen.
08:35
So if you stop aging,
167
503360
2296
Dus als je stopt met ouder worden,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
veranderen jullie allemaal in reusachtige,
wandelende, kwaadaardige tumoren.
08:42
These are cherished beliefs,
but could de Grey be on to something?
but could de Grey be on to something?
169
510680
3160
Dat zijn gekoesterde geloven,
maar heeft de Grey een punt?
maar heeft de Grey een punt?
Ik denk dat hij wat aandacht verdient.
08:47
I think he deserves a closer look.
170
515159
1657
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
Om te beginnen heb ik moeite
om hem als kwakzalver te zien.
om hem als kwakzalver te zien.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Ja, hij begon als computerwetenschapper,
08:54
not a biologist,
173
522360
1496
niet als bioloog,
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
maar hij behaalde een graad
in de biologie in Cambridge.
in de biologie in Cambridge.
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
Hij publiceerde erg belangrijk werk
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
over mitochondriaal DNA
en een hoop andere zaken.
en een hoop andere zaken.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
Daarbij startte hij
een anti-verouderingsstichting
een anti-verouderingsstichting
die zeven verschillende oorzaken
van veroudering benoemde,
van veroudering benoemde,
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
09:10
to me, that seem very plausible,
179
538320
2256
die mij althans erg plausibel leken.
09:12
and he is hot in pursuit
of fixes for every single one of them.
of fixes for every single one of them.
180
540600
4136
Hij is er hard aan bezig
om voor elk ervan een remedie te zoeken.
om voor elk ervan een remedie te zoeken.
09:16
For example, one of the reasons we age
is that our mitochondrial DNA mutates,
is that our mitochondrial DNA mutates,
181
544760
5016
Zo is bijvoorbeeld één van de redenen
dat we verouderen
dat we verouderen
het feit dat ons
mitochondriaal DNA muteert.
mitochondriaal DNA muteert.
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
We worden oud
doordat onze cellen energie kwijtraken.
doordat onze cellen energie kwijtraken.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Hij denkt, en geeft overtuigende bewijzen,
09:27
that using viruses we can do gene therapy,
184
555520
2536
dat we aan gentherapie
kunnen doen met virussen,
kunnen doen met virussen,
09:30
fix that DNA
185
558080
1656
het DNA repareren
09:31
and rejuvenate our cells.
186
559760
1720
en onze cellen verjongen.
09:35
One more thing.
187
563400
1336
Nog iets.
09:36
We have an existent proof
188
564760
1856
We hebben bewijzen
09:38
that extreme longevity is possible.
189
566640
2720
dat een extreem hoge ouderdom mogelijk is.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
De zogeheten langlevende den
kan 5.000 jaar oud worden
kan 5.000 jaar oud worden
09:47
and some lobsters don't age at all.
191
575720
3800
en sommige kreeften
verouderen helemaal niet.
verouderen helemaal niet.
09:52
Now, this doesn't mean that de Grey
is going to revolutionize our lifespans.
is going to revolutionize our lifespans.
192
580640
4336
Dat betekent nog niet dat de Grey
zorgt voor een revolutie
in onze levensverwachting.
in onze levensverwachting.
09:57
I mean, after all, we're not trees,
and most of us are not lobsters.
and most of us are not lobsters.
193
585000
3816
We zijn tenslotte geen bomen
en de meesten van ons zijn geen kreeften.
en de meesten van ons zijn geen kreeften.
10:00
(Laughter)
194
588840
1216
(Gelach)
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Maar ik moet geloven dat er daar ergens
Darwins en Einsteins moeten rondlopen
Darwins en Einsteins moeten rondlopen
10:07
and I'll tell you why.
196
595840
1376
en ik zeg jullie waarom.
10:09
Consider this:
197
597240
1200
Realiseer je wel:
10:11
there are seven times more people
alive today than during Darwin's time.
alive today than during Darwin's time.
198
599160
5296
er leven nu zevenmaal meer mensen
dan in de tijd van Darwin.
dan in de tijd van Darwin.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
En viermaal meer
dan in de tijd van Einstein.
dan in de tijd van Einstein.
10:19
When you consider
200
607960
1216
Als je bedenkt
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
dat het percentage wetenschappers
in de bevolking de hoogte is ingeschoten,
in de bevolking de hoogte is ingeschoten,
10:24
there are now seven million scientists.
202
612440
2376
er zijn nu zeven miljoen wetenschappers,
10:26
I've got to believe, and I do believe,
that there's one of them out there
that there's one of them out there
203
614840
3440
dan moet ik geloven, en dat doe ik ook,
dat daar nu iemand
in volslagen onbekendheid bezig is
in volslagen onbekendheid bezig is
10:31
who is working right now in obscurity
204
619720
2336
met ons leven overhoop te halen.
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
En eerlijk gezegd kijk ik ernaar uit
om overhoop te worden gehaald.
om overhoop te worden gehaald.
10:36
but I can't wait to be rocked.
206
624520
1816
10:38
Thank you.
207
626360
1256
Dank je.
10:39
(Applause)
208
627640
6961
(Applaus)
ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovatorEric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.
Why you should listen
Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.
In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.
In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.
Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.
Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.
Eric Haseltine | Speaker | TED.com