TEDxSummit
Juan Enriquez: Will our kids be a different species?
Juan Enriquez: Nossas crianças serão uma espécie diferente?
Filmed:
Readability: 3.6
2,006,663 views
Através da evolução humana, múltiplas versões de humanos coexistiram. Poderíamos estar no meio de uma evolução agora? Em TEDxSummit, Juan Enriquez atravessa o tempo e o espaço para nos trazer ao momento presente -- e mostra como a tecnologia está revelando evidências que sugerem que uma rápida evolução pode estar a caminho.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:16
All right. So, like all good stories,
0
435
1983
Muito bem. Então, como todas as boas histórias,
00:18
this starts a long, long time ago
1
2418
1934
esta começa há muito, muito tempo
00:20
when there was basically nothing.
2
4352
2149
quando não havia basicamente nada.
00:22
So here is a complete picture of the universe
3
6501
2400
Aqui está um quadro completo do universo
00:24
about 14-odd billion years ago.
4
8901
3452
há aproximadamente 14 estranhos bilhões de anos.
00:28
All energy is concentrated into a single point of energy.
5
12353
3084
Toda energia está concentrada em um único ponto.
00:31
For some reason it explodes,
6
15437
1584
Por alguma razão ele explode,
00:32
and you begin to get these things.
7
17021
2116
e começamos a ter essas coisas.
00:35
So you're now about 14 billion years into this.
8
19137
2866
Portanto, agora estamos nisto há mais ou menos 14 bilhões de anos.
00:37
And these things expand and expand and expand
9
22003
1896
E essas coisas se expandem, se expandem, e se expandem
00:39
into these giant galaxies,
10
23899
1699
nestas galáxias gigantes,
00:41
and you get trillions of them.
11
25598
1319
e temos trilhões delas.
00:42
And within these galaxies
12
26917
2148
E dentro dessas galáxias
00:44
you get these enormous dust clouds.
13
29065
2119
temos essas enormes nuvens de poeira.
00:47
And I want you to pay particular attention
14
31184
1765
E quero que prestem especial atenção
00:48
to the three little prongs
15
32949
1450
às três pequenas garras
00:50
in the center of this picture.
16
34399
1901
no centro desta imagem.
00:52
If you take a close-up of those,
17
36300
1415
Se fizermos um close-up delas,
00:53
they look like this.
18
37715
1653
elas terão esta aparência.
00:55
And what you're looking at is columns of dust
19
39368
2850
E o que estão vendo são colunas de poeira
00:58
where there's so much dust --
20
42218
2047
onde há tanta poeira --
01:00
by the way, the scale of this is a trillion vertical miles --
21
44265
4333
a propósito, a escala disto é um trilhão de milhas na vertical --
01:04
and what's happening is there's so much dust,
22
48598
2918
e o que acontece é que há tanta poeira,
01:07
it comes together and it fuses
23
51516
1934
que ela se junta e se funde
01:09
and ignites a thermonuclear reaction.
24
53450
3459
e dispara uma reação termonuclear.
01:12
And so what you're watching
25
56909
842
E, assim, o que estão vendo
01:13
is the birth of stars.
26
57751
1985
é o nascimento das estrelas.
01:15
These are stars being born out of here.
27
59736
1657
Estas são estrelas nascendo longe daqui.
01:17
When enough stars come out,
28
61393
2468
Quando surgem bastante estrelas,
01:19
they create a galaxy.
29
63861
1798
elas criam uma galáxia.
01:21
This one happens to be a particularly important galaxy,
30
65659
3434
Esta é uma galáxia particularmente importante,
01:24
because you are here.
31
69093
2216
porque vocês estão aqui.
01:27
(Laughter)
32
71309
1167
(Risadas)
01:28
And as you take a close-up of this galaxy,
33
72476
1651
E quando fazemos um close-up desta galáxia,
01:30
you find a relatively normal,
34
74127
2065
encontramos uma estrela relativamente normal,
01:32
not particularly interesting star.
35
76192
2368
não particularmente interessante.
01:34
By the way, you're now about two-thirds of the way into this story.
36
78560
4015
A propósito, agora estamos nessa história há mais ou menos dois terços do caminho total.
01:38
So this star doesn't even appear
37
82575
2182
Portanto, essa estrela não aparece
01:40
until about two-thirds of the way into this story.
38
84757
2951
até chegarmos a cerca de dois terços desse caminho.
01:43
And then what happens
39
87708
1078
Então, o que acontece
01:44
is there's enough dust left over
40
88786
1406
é que resta bastante poeira
01:46
that it doesn't ignite into a star,
41
90192
1966
que não produz uma estrela,
01:48
it becomes a planet.
42
92158
2000
torna-se um planeta.
01:50
And this is about a little over four billion years ago.
43
94158
4825
E isso acontece um pouco mais de quatro bilhões de anos atrás.
01:54
And soon thereafter
44
98983
1433
E logo depois disso
01:56
there's enough material left over
45
100416
1917
há material de sobra suficiente
01:58
that you get a primordial soup,
46
102333
4563
para que tenhamos uma sopa primordial,
02:02
and that creates life.
47
106896
1764
e isso cria vida.
02:04
And life starts to expand and expand and expand,
48
108660
3881
E a vida começa a se expandir, e expandir e expandir,
02:08
until it goes kaput.
49
112541
1751
até que é destruída.
02:10
(Laughter)
50
114292
3488
(Risadas)
02:13
Now the really strange thing
51
117780
1430
Bem, o que é realmente estranho
02:15
is life goes kaput, not once, not twice,
52
119210
2906
é que a vida é destruída, não uma, nem duas vezes,
02:18
but five times.
53
122116
2216
mas cinco vezes.
02:20
So almost all life on Earth
54
124332
2102
Assim, quase toda a vida na Terra
02:22
is wiped out about five times.
55
126434
2464
é aniquilada aproximadamente cinco vezes.
02:24
And as you're thinking about that,
56
128898
1552
E enquanto pensam sobre isso,
02:26
what happens is you get more and more complexity,
57
130450
2432
o que acontece é que temos cada vez mais complexidade,
02:28
more and more stuff
58
132882
1234
cada vez mais material
02:30
to build new things with.
59
134116
4118
para construir coisas novas.
02:34
And we don't appear
60
138234
1270
E nós não aparecemos
02:35
until about 99.96 percent of the time into this story,
61
139504
5648
antes de decorridos cerca de 99,96 por cento do tempo dessa história,
02:41
just to put ourselves and our ancestors in perspective.
62
145152
3930
apenas para colocar nós mesmos e nossos ancestrais em perspectiva.
02:44
So within that context, there's two theories of the case
63
149082
3459
Assim, dentro desse contexto, há duas teorias
02:48
as to why we're all here.
64
152541
1689
sobre a razão de estarmos todos aqui.
02:50
The first theory of the case
65
154230
1589
A primeira teoria
02:51
is that's all she wrote.
66
155819
3409
é que isso é tudo que foi escrito.
02:55
Under that theory,
67
159228
1359
De acordo com essa teoria,
02:56
we are the be-all and end-all
68
160587
1836
somos o início e o fim
02:58
of all creation.
69
162423
1733
de toda a criação.
03:00
And the reason for trillions of galaxies,
70
164156
2884
E a razão para trilhões de galáxias,
03:02
sextillions of planets,
71
167040
2013
sextilhões de planetas,
03:04
is to create something that looks like that
72
169053
4710
é criar algo parecido com isso
03:09
and something that looks like that.
73
173763
3633
e algo que pareça com isso.
03:13
And that's the purpose of the universe;
74
177396
1541
E esse é o propósito do universo;
03:14
and then it flat-lines,
75
178937
1284
então ele se acomoda,
03:16
it doesn't get any better.
76
180221
1311
não fica melhor.
03:17
(Laughter)
77
181532
4480
(Risadas)
03:21
The only question you might want to ask yourself is,
78
186012
2819
A única pergunta que podem fazer a si mesmos é:
03:24
could that be just mildly arrogant?
79
188831
5235
isso não seria um pouquinho arrogante?
03:29
And if it is --
80
194066
1741
E se é --
03:31
and particularly given the fact that we came very close to extinction.
81
195807
5382
e principalmente por termos chegado muito perto da extinção.
03:37
There were only about 2,000 of our species left.
82
201189
3367
Restavam apenas cerca de 2.000 da nossa espécie.
03:40
A few more weeks without rain,
83
204556
2083
Mais algumas semanas sem chuva e
03:42
we would have never seen any of these.
84
206639
3084
nunca teríamos visto nenhum destes.
03:45
(Laughter)
85
209723
6699
(Risadas)
03:52
(Applause)
86
216422
4634
(Aplausos)
03:56
So maybe you have to think about a second theory
87
221056
2966
Portanto, talvez tenhamos que pensar sobre uma segunda teoria,
03:59
if the first one isn't good enough.
88
224022
2917
se a primeira não for suficientemente boa.
04:02
Second theory is: Could we upgrade?
89
226939
1784
E a segunda teoria é: podemos evoluir?
04:04
(Laughter)
90
228723
2899
(Risadas)
04:07
Well, why would one ask a question like that?
91
231622
3234
Bem, por que alguém faria uma pergunta dessas?
04:10
Because there have been at least 29 upgrades so far
92
234856
2465
Porque houve no mínimo 29 evoluções de humanoides
04:13
of humanoids.
93
237321
2036
até agora.
04:15
So it turns out that we have upgraded.
94
239357
2850
Acontece que evoluímos.
04:18
We've upgraded time and again and again.
95
242207
1915
Evoluímos repetidamente e mais uma vez.
04:20
And it turns out that we keep discovering upgrades.
96
244122
2916
E acontece que continuamos descobrindo evoluções.
04:22
We found this one last year.
97
247038
2184
Encontramos esta no ano passado.
04:25
We found another one last month.
98
249222
2617
E outra no mês passado.
04:27
And as you're thinking about this,
99
251839
2199
E enquanto pensam sobre isso,
04:29
you might also ask the question:
100
254038
2103
vocês também poderiam perguntar:
04:32
So why a single human species?
101
256141
3097
Então, por que uma única espécie humana?
04:35
Wouldn't it be really odd
102
259238
1834
Não seria muito estranho
04:36
if you went to Africa and Asia and Antarctica
103
261072
3784
se vocês fossem à África, Ásia e Antártica
04:40
and found exactly the same bird --
104
264856
2619
e encontrassem exatamente o mesmo pássaro --
04:43
particularly given that we co-existed at the same time
105
267475
3792
principalmente considerando que coexistimos na mesma época
04:47
with at least eight other versions of humanoid
106
271267
2786
com, pelo menos, oito versões diferentes de humanoides
04:49
at the same time on this planet?
107
274053
2468
neste planeta ao mesmo tempo?
04:52
So the normal state of affairs
108
276521
1879
Portanto, o normal
04:54
is not to have just a Homo sapiens;
109
278400
2510
não é ter apenas um Homo Sapiens;
04:56
the normal state of affairs
110
280910
1021
o normal
04:57
is to have various versions of humans walking around.
111
281931
3829
é ter várias versões de humanos vagando por aí.
05:01
And if that is the normal state of affairs,
112
285760
2817
E se isso é o normal,
05:04
then you might ask yourself,
113
288577
2368
então vocês poderiam se perguntar,
05:06
all right, so if we want to create something else,
114
290945
2065
muito bem, então, se queremos criar algo mais,
05:08
how big does a mutation have to be?
115
293010
2868
qual deve ser o tamanho de uma mutação?
05:11
Well Svante Paabo has the answer.
116
295878
2632
Bem, Svante Paabbo tem a resposta.
05:14
The difference between humans and Neanderthal
117
298510
2800
A diferença entre os humanos e o Neandertal
05:17
is 0.004 percent of gene code.
118
301310
3299
é de 0,004 por cento do código genético.
05:20
That's how big the difference is
119
304609
1700
Esse é o tamanho da diferença
05:22
one species to another.
120
306309
2217
entre uma espécie e outra.
05:24
This explains most contemporary political debates.
121
308526
4400
Isto explica a maioria dos debates políticos contemporâneos.
05:28
(Laughter)
122
312926
1935
(Risadas)
05:30
But as you're thinking about this,
123
314861
3211
Mas, enquanto pensam sobre isso,
05:33
one of the interesting things
124
318072
1358
uma das coisas interessantes
05:35
is how small these mutations are and where they take place.
125
319430
3397
é como são pequenas essas mutações e onde elas acontecem.
05:38
Difference human/Neanderthal
126
322827
1333
A diferença humano/Neandertal
05:40
is sperm and testis,
127
324160
1733
está no esperma e nos testículos,
05:41
smell and skin.
128
325893
1368
no cheiro e na pele.
05:43
And those are the specific genes
129
327261
1486
E esses são os genes específicos
05:44
that differ from one to the other.
130
328747
2680
que diferem um do outro.
05:47
So very small changes can have a big impact.
131
331427
3101
Mudanças tão pequenas podem ter um grande impacto.
05:50
And as you're thinking about this,
132
334528
1632
E enquanto pensam sobre isso,
05:52
we're continuing to mutate.
133
336160
2516
continuamos a sofrer mutações.
05:54
So about 10,000 years ago by the Black Sea,
134
338676
2901
Então, cerca de 10.000 anos atrás, no Mar Negro,
05:57
we had one mutation in one gene
135
341577
2060
tivemos uma mutação em um gene
05:59
which led to blue eyes.
136
343637
2556
que deu origem aos olhos azuis.
06:02
And this is continuing and continuing and continuing.
137
346193
3884
E isto continua e continua e continua.
06:05
And as it continues,
138
350077
1434
E enquanto continua,
06:07
one of the things that's going to happen this year
139
351511
1765
uma das coisas que vai acontecer este ano
06:09
is we're going to discover the first 10,000 human genomes,
140
353276
3333
é que descobriremos os primeiros 10.000 genomas humanos,
06:12
because it's gotten cheap enough to do the gene sequencing.
141
356609
3269
pois fazer a sequência genética ficou muito barato.
06:15
And when we find these,
142
359878
1588
E quando os descobrirmos,
06:17
we may find differences.
143
361466
2494
podemos encontrar diferenças.
06:19
And by the way, this is not a debate that we're ready for,
144
363960
3076
E, a propósito, este não é um debate para o qual estamos preparados,
06:22
because we have really misused the science in this.
145
367036
3376
porque nisso a ciência é realmente mal utilizada.
06:26
In the 1920s, we thought there were major differences between people.
146
370412
3683
Nos anos 20, acreditávamos que havia grandes diferenças entre as pessoas.
06:29
That was partly based on Francis Galton's work.
147
374095
3798
Isso era de certa forma baseado no trabalho de Francis Galton.
06:33
He was Darwin's cousin.
148
377893
2136
Ele era primo de Darwin.
06:35
But the U.S., the Carnegie Institute,
149
380029
2315
Mas os EUA, o Instituto Carnegie,
06:38
Stanford, American Neurological Association
150
382344
2582
Stanford, a Associação Neurológica Americana
06:40
took this really far.
151
384926
1868
levaram isso muito longe.
06:42
That got exported and was really misused.
152
386794
3599
Isso foi exportado e muito mal empregado.
06:46
In fact, it led to some absolutely horrendous
153
390393
2685
De fato, levou a um péssimo tratamento
06:48
treatment of human beings.
154
393078
2013
dos seres humanos.
06:50
So since the 1940s, we've been saying there are no differences,
155
395091
2594
Assim, desde a década de 40, temos dito que não há diferenças,
06:53
we're all identical.
156
397685
1320
somos todos idênticos.
06:54
We're going to know at year end if that is true.
157
399005
3277
Ao final do ano saberemos se isso é verdade.
06:58
And as we think about that,
158
402282
1732
E enquanto pensamos sobre isso,
06:59
we're actually beginning to find things
159
404014
1518
estamos na verdade começando a encontrar coisas
07:01
like, do you have an ACE gene?
160
405532
3466
como, você tem um gene ACE?
07:04
Why would that matter?
161
408998
1978
Por que isso importaria?
07:06
Because nobody's ever climbed an 8,000-meter peak without oxygen
162
410976
4038
Porque ninguém jamais escalou um pico de 8.000 metros sem oxigênio
07:10
that doesn't have an ACE gene.
163
415014
2750
sem ter um gene ACE.
07:13
And if you want to get more specific,
164
417764
1869
E se você quer ser mais específico,
07:15
how about a 577R genotype?
165
419633
3015
que tal um genótipo 577R?
07:18
Well it turns out that every male Olympic power athelete ever tested
166
422648
4700
Bem, acontece que todo atleta olímpico de potência já examinado
07:23
carries at least one of these variants.
167
427348
3250
carrega pelo menos uma dessas variantes.
07:26
If that is true,
168
430598
1654
Se isso for verdadeiro,
07:28
it leads to some very complicated questions
169
432252
2158
leva a algumas questões muito complicadas
07:30
for the London Olympics.
170
434410
1801
para as Olimpíadas de Londres.
07:32
Three options:
171
436211
1519
Três opções.
07:33
Do you want the Olympics to be a showcase
172
437730
2832
Vocês querem que as Olimpíadas sejam uma demonstração
07:36
for really hardworking mutants?
173
440562
2700
para mutantes realmente esforçados?
07:39
(Laughter)
174
443262
1733
(Risadas)
07:40
Option number two:
175
444995
2735
Opção número dois.
07:43
Why don't we play it like golf or sailing?
176
447730
3398
Por que não fazemos como no golfe ou na vela?
07:47
Because you have one and you don't have one,
177
451128
2474
Porque vocês têm um e vocês não têm,
07:49
I'll give you a tenth of a second head start.
178
453602
3995
dou-lhes um décimo de segundo de vantagem.
07:53
Version number three:
179
457597
1071
Versão número três.
07:54
Because this is a naturally occurring gene
180
458668
2069
Porque este é um gene que ocorre naturalmente
07:56
and you've got it and you didn't pick the right parents,
181
460737
2782
e vocês o têm e vocês não escolheram os pais certos,
07:59
you get the right to upgrade.
182
463519
3949
vocês tem o direito de evoluir.
08:03
Three different options.
183
467468
1751
Três opções diferentes.
08:05
If these differences are the difference
184
469219
1622
Se estas são a diferença
08:06
between an Olympic medal and a non-Olympic medal.
185
470841
3378
entre uma medalha olímpica e uma medalha não olímpica.
08:10
And it turns out that as we discover these things,
186
474219
2834
E acontece que à medida que descobrimos essas coisas,
08:12
we human beings really like to change
187
477053
3335
nós, seres humanos, realmente gostamos de mudar
08:16
how we look, how we act,
188
480388
1694
a nossa aparência, o modo de agimos,
08:17
what our bodies do.
189
482082
1594
o que nossos corpos fazem.
08:19
And we had about 10.2 million plastic surgeries in the United States,
190
483676
4374
E tivemos aproximadamente 10,2 milhões de cirurgias plásticas nos Estados Unidos,
08:23
except that with the technologies that are coming online today,
191
488050
3317
sem falar que, com as tecnologias que estão surgindo online hoje,
08:27
today's corrections, deletions,
192
491367
2701
as correções, eliminações,
08:29
augmentations and enhancements
193
494068
1919
aumentos e realces
08:31
are going to seem like child's play.
194
495987
2913
vão parecer brincadeira de criança.
08:34
You already saw the work by Tony Atala on TED,
195
498900
3701
Vocês já viram o trabalho de Tony Atala no TED,
08:38
but this ability to start filling
196
502601
3567
mas essa capacidade de começar a preencher
08:42
things like inkjet cartridges with cells
197
506168
2933
coisas como cartuchos de tinta com células
08:45
are allowing us to print skin, organs
198
509101
4674
está nos deixando reproduzir pele, órgãos
08:49
and a whole series of other body parts.
199
513775
2750
e toda uma série de outras partes do corpo.
08:52
And as these technologies go forward,
200
516525
1884
E à medida que essas tecnologias avançam,
08:54
you keep seeing this, you keep seeing this, you keep seeing things --
201
518409
3784
vocês continuam vendo isto, continuam vendo isto, continuam vendo coisas --
08:58
2000, human genome sequence --
202
522193
2774
2.000, a sequência do genoma humano --
09:00
and it seems like nothing's happening,
203
524967
3782
e parece que nada está acontecendo,
09:04
until it does.
204
528749
3112
até que acontece.
09:07
And we may just be in some of these weeks.
205
531861
3524
E pode ser que estejamos em algumas destas semanas.
09:11
And as you're thinking about
206
535385
1599
E enquanto pensam sobre isso,
09:12
these two guys sequencing a human genome in 2000
207
536984
3451
esses dois sujeitos sequenciando um genoma humano, em 2000,
09:16
and the Public Project sequencing the human genome in 2000,
208
540435
3553
e o Projeto Público de sequenciamento do genoma humano, em 2000,
09:19
then you don't hear a lot,
209
543988
3164
então não ouvimos muita coisa,
09:23
until you hear about an experiment last year in China,
210
547152
3984
até que ouvimos falar de um experimento no ano passado, na China,
09:27
where they take skin cells from this mouse,
211
551136
4017
no qual eles extraem células da pele deste rato,
09:31
put four chemicals on it,
212
555153
1733
colocam quatro substâncias químicas nelas,
09:32
turn those skin cells into stem cells,
213
556886
3566
transformam essas células de pele em células-tronco,
09:36
let the stem cells grow
214
560452
1465
deixam as células-tronco crescer
09:37
and create a full copy of that mouse.
215
561917
3087
e criam uma cópia completa daquele rato.
09:40
That's a big deal.
216
565004
3247
Isso é uma grande coisa.
09:44
Because in essence
217
568251
1016
Porque na sua essência
09:45
what it means is you can take a cell,
218
569267
2148
o que isso significa é que podemos pegar uma célula,
09:47
which is a pluripotent stem cell,
219
571415
2286
que é uma célula-tronco pluripotente,
09:49
which is like a skier at the top of a mountain,
220
573701
2684
que é como um esquiador no topo de uma montanha,
09:52
and those two skiers become two pluripotent stem cells,
221
576385
3817
e esses dois esquiadores tornam-se duas células-tronco pluripotentes,
09:56
four, eight, 16,
222
580202
1782
quatro, oito, 16,
09:57
and then it gets so crowded
223
581984
1668
e então fica tão lotado
09:59
after 16 divisions
224
583652
1800
depois de 16 divisões
10:01
that those cells have to differentiate.
225
585452
2502
que aquelas células têm que diferenciar.
10:03
So they go down one side of the mountain,
226
587954
1433
Então elas descem por um lado da montanha,
10:05
they go down another.
227
589387
1233
descem pelo outro.
10:06
And as they pick that,
228
590620
1534
E quando escolhem isso,
10:08
these become bone,
229
592154
2250
estas se tormam osso,
10:10
and then they pick another road and these become platelets,
230
594404
2932
então escolhem outro caminho e essas se tormam plaquetas,
10:13
and these become macrophages,
231
597336
2117
e aquelas se tornam macrófagos
10:15
and these become T cells.
232
599453
1267
e estas se tornam células T.
10:16
But it's really hard, once you ski down,
233
600720
1952
Mas é realmente difícil, uma vez que você começa a descida,
10:18
to get back up.
234
602672
1523
voltar lá para cima.
10:20
Unless, of course, if you have a ski lift.
235
604195
5412
A menos que, claro, você tenha um teleférico.
10:25
And what those four chemicals do
236
609607
2449
E o que aquelas quatro substâncias químicas fazem
10:27
is they take any cell
237
612056
2069
é pegar qualquer célula
10:30
and take it way back up the mountain
238
614125
1932
e levá-la de volta ao topo da montanha
10:31
so it can become any body part.
239
616057
2033
de modo que ela possa tornar-se qualquer parte do corpo.
10:33
And as you think of that,
240
618090
1728
E enquanto pensam nisso,
10:35
what it means is potentially
241
619818
1980
o que isso significa é que potencialmente
10:37
you can rebuild a full copy
242
621798
2175
podemos reconstruir uma cópia completa
10:39
of any organism
243
623973
1867
de qualquer organismo
10:41
out of any one of its cells.
244
625840
2586
a partir de qualquer uma de suas células.
10:44
That turns out to be a big deal
245
628426
2531
Isso passa a ser uma grande coisa
10:46
because now you can take, not just mouse cells,
246
630957
2566
porque agora podemos pegar, não apenas células de rato,
10:49
but you can human skin cells
247
633523
2318
mas células da pele humana
10:51
and turn them into human stem cells.
248
635841
3650
e transformá-las em células-tronco humanas.
10:55
And then what they did in October
249
639491
3198
E, assim, o que fizeram em outubro,
10:58
is they took skin cells, turned them into stem cells
250
642689
3400
foi pegar células da pele, transformá-las em células-tronco
11:01
and began to turn them into liver cells.
251
646089
3673
e começar a transformá-las em células do fígado.
11:05
So in theory,
252
649762
1044
Assim, em teoria,
11:06
you could grow any organ from any one of your cells.
253
650806
5184
poderíamos criar qualquer órgão a partir de qualquer uma de suas células.
11:11
Here's a second experiment:
254
655990
1718
Aqui está um segundo experimento.
11:13
If you could photocopy your body,
255
657708
3133
Se vocês pudessem fotocopiar o seu corpo,
11:16
maybe you also want to take your mind.
256
660841
3052
talvez também queiram pegar a sua mente.
11:19
And one of the things you saw at TED
257
663893
1565
E uma das coisas que vocês viram no TED,
11:21
about a year and a half ago
258
665458
1250
mais ou menos um ano e meio atrás,
11:22
was this guy.
259
666708
1435
foi esse sujeito.
11:24
And he gave a wonderful technical talk.
260
668143
2600
E ele apresentou uma palestra técnica maravilhosa.
11:26
He's a professor at MIT.
261
670743
1599
Ele é um professor no MIT (Instituto de Tecnologia de Massachusetts).
11:28
But in essence what he said
262
672342
1916
Mas, em essência, o que ele disse
11:30
is you can take retroviruses,
263
674258
1700
é que podemos pegar retrovírus,
11:31
which get inside brain cells of mice.
264
675958
2800
que ficam dentro de células cerebrais de ratos.
11:34
You can tag them with proteins
265
678758
2440
Podemos marcá-las com proteínas
11:37
that light up when you light them.
266
681198
2094
que se iluminam quando você as acende.
11:39
And you can map the exact pathways
267
683292
3716
E podemos mapear os caminhos exatos
11:42
when a mouse sees, feels, touches,
268
687008
3483
de um rato quando ele vê, sente, toca,
11:46
remembers, loves.
269
690491
2183
lembra, ama.
11:48
And then you can take a fiber optic cable
270
692674
2373
Então, podemos pegar um cabo de fibra ótica
11:50
and light up some of the same things.
271
695047
3819
e iluminar essas mesmas coisas.
11:54
And by the way, as you do this,
272
698866
1832
E, a propósito, quando fazemos isso,
11:56
you can image it in two colors,
273
700698
2017
podemos visualizar isso em duas cores,
11:58
which means you can download this information
274
702715
2399
o que significa que podemos baixar essa informação
12:01
as binary code directly into a computer.
275
705114
4740
diretamente para um computador como código binário.
12:05
So what's the bottom line on that?
276
709854
2473
Então, qual é o resultado disso?
12:08
Well it's not completely inconceivable
277
712327
2200
Bem, não é completamente inconcebível
12:10
that someday you'll be able to download your own memories,
278
714527
4495
que algum dia seremos capazes de baixar nossas próprias memórias,
12:14
maybe into a new body.
279
719022
2387
talvez em um novo corpo.
12:17
And maybe you can upload other people's memories as well.
280
721409
5085
E talvez possamos carregar as memórias de outras pessoas também.
12:22
And this might have just one or two
281
726494
2514
E isto talvez tenha apenas uma ou duas
12:24
small ethical, political, moral implications.
282
729008
3520
pequenas implicações éticas, políticas, morais.
12:28
(Laughter)
283
732528
1531
(Risadas)
12:29
Just a thought.
284
734059
2991
Apenas uma ideia.
12:32
Here's the kind of questions
285
737050
1528
Eis aqui o tipo de perguntas
12:34
that are becoming interesting questions
286
738578
1980
que estão se tornando questões interessantes
12:36
for philosophers, for governing people,
287
740558
2484
para filósofos, para governantes,
12:38
for economists, for scientists.
288
743042
3366
para economistas, para cientistas.
12:42
Because these technologies are moving really quickly.
289
746408
3284
Porque essas tecnologias estão avançando muito rapidamente.
12:45
And as you think about it,
290
749692
1500
E enquanto pensam sobre isso,
12:47
let me close with an example of the brain.
291
751192
3082
deixem-me encerrar com um exemplo do cérebro.
12:50
The first place where you would expect
292
754274
1683
O primeiro lugar onde você esperaria
12:51
to see enormous evolutionary pressure today,
293
755957
3051
ver uma enorme pressão evolucionária hoje,
12:54
both because of the inputs,
294
759008
2265
tanto por causa da entrada de dados,
12:57
which are becoming massive,
295
761273
1552
que está se tornando maciça,
12:58
and because of the plasticity of the organ,
296
762825
1782
quanto por causa da plasticidade do órgão,
13:00
is the brain.
297
764607
2534
é o cérebro.
13:03
Do we have any evidence that that is happening?
298
767141
3318
Temos alguma evidência de que isto está acontecendo?
13:06
Well let's take a look at something like autism incidence per thousand.
299
770459
4731
Bem, vamos dar uma olhada em algo como a incidência de autismo em cada mil pessoas.
13:11
Here's what it looks like in 2000.
300
775190
2502
Aqui está como era em 2000.
13:13
Here's what it looks like in 2002,
301
777692
2082
Aqui como era em 2002,
13:15
2006, 2008.
302
779774
4618
2006, 2008.
13:20
Here's the increase in less than a decade.
303
784392
4082
Aqui está o aumento em menos de uma década.
13:24
And we still don't know why this is happening.
304
788474
4417
E ainda não sabemos por que isto está acontecendo.
13:28
What we do know is, potentially,
305
792891
2485
O que sabemos mesmo é que, potencialmente,
13:31
the brain is reacting in
306
795376
2032
o cérebro está reagindo
13:33
a hyperactive, hyper-plastic way,
307
797408
2134
de uma forma hiperativa, hiperplástica,
13:35
and creating individuals that are like this.
308
799542
2950
e criando indivíduos que são assim.
13:38
And this is only one of the conditions that's out there.
309
802492
2757
E esta é apenas uma das condições que estão por aí.
13:41
You've also got people with who are extraordinarily smart,
310
805249
3540
Temos também pessoas que são extraordinariamente inteligentes,
13:44
people who can remember everything they've seen in their lives,
311
808789
2397
pessoas que conseguem lembrar de tudo que tenham visto na vida,
13:47
people who've got synesthesia,
312
811186
1385
pessoas que têm sinestesia,
13:48
people who've got schizophrenia.
313
812571
1331
pessoas que têm esquizofrenia.
13:49
You've got all kinds of stuff going on out there,
314
813902
2534
Temos todo tipo de coisa acontecendo por aí afora,
13:52
and we still don't understand
315
816436
1218
e ainda não compreendemos
13:53
how and why this is happening.
316
817654
2233
como e por que isso está acontecendo.
13:55
But one question you might want to ask is,
317
819887
2682
Mas uma pergunta que podem fazer é:
13:58
are we seeing a rapid evolution of the brain
318
822569
2628
estamos vendo uma rápida evolução do cérebro
14:01
and of how we process data?
319
825197
1825
e de como processamos dados?
14:02
Because when you think of how much data's coming into our brains,
320
827022
3063
Porque quando pensamos em quantos dados estão chegando em nossos cérebros,
14:05
we're trying to take in as much data in a day
321
830085
3484
estamos tentando absorver, em um dia, tantos dados
14:09
as people used to take in in a lifetime.
322
833569
2551
quanto as pessoas costumavam absorver em uma vida inteira.
14:12
And as you're thinking about this,
323
836120
2632
E enquanto pensam sobre isso,
14:14
there's four theories as to why this might be going on,
324
838752
2342
há quatro teorias sobre o porquê disto estar acontecendo,
14:16
plus a whole series of others.
325
841094
1327
mais uma série inteira de outras.
14:18
I don't have a good answer.
326
842421
1649
Não tenho uma boa resposta.
14:19
There really needs to be more research on this.
327
844070
3616
Realmente há necessidade de mais pesquisa sobre isso.
14:23
One option is the fast food fetish.
328
847686
2235
Uma opção é o fetiche do 'fast food'.
14:25
There's beginning to be some evidence
329
849921
2449
Está começando a haver alguma evidência
14:28
that obesity and diet
330
852370
2251
de que a obesidade e a alimentação
14:30
have something to do
331
854621
1631
têm algo a ver
14:32
with gene modifications,
332
856252
1768
com modificações genéticas,
14:33
which may or may not have an impact
333
858020
2350
que podem ou não ter um impacto
14:36
on how the brain of an infant works.
334
860370
3517
em como funciona o cérebro das crianças.
14:39
A second option is the sexy geek option.
335
863887
3955
A segunda opção é a do micreiro sensual.
14:43
These conditions are highly rare.
336
867842
4243
Essas condições são extremamente raras.
14:47
(Laughter)
337
872085
3038
(Risadas)
14:51
(Applause)
338
875123
5300
(Aplausos)
14:56
But what's beginning to happen
339
880423
1633
Mas o que começa a acontecer
14:57
is because these geeks are all getting together,
340
882056
2534
é que esses micreiros estão se juntando,
15:00
because they are highly qualified for computer programming
341
884590
2897
pois eles são altamente qualificados para programação de computadores
15:03
and it is highly remunerated,
342
887487
2318
e são altamente remunerados,
15:05
as well as other very detail-oriented tasks,
343
889805
3150
assim como outras tarefas muito detalhistas,
15:08
that they are concentrating geographically
344
892955
2449
então estão se concentrando geograficamente
15:11
and finding like-minded mates.
345
895404
2967
e encontrando parceiros de mesma opinião.
15:14
So this is the assortative mating hypothesis
346
898371
3568
Assim, essa é a hipótese do acasalamento
15:17
of these genes reinforcing one another
347
901939
2700
desses genes, um reforçando o outro
15:20
in these structures.
348
904639
2117
nessas estruturas.
15:22
The third, is this too much information?
349
906756
2950
A terceira: é informação demais?
15:25
We're trying to process so much stuff
350
909706
1497
Tentamos processar tanta coisa
15:27
that some people get synesthetic
351
911203
2352
que algumas pessoas ficam sinestésicas
15:29
and just have huge pipes that remember everything.
352
913555
2600
e têm conexões tão imensas que lembram de tudo.
15:32
Other people get hyper-sensitive to the amount of information.
353
916155
2669
Outras ficam hipersensíveis à quantidade de informação.
15:34
Other people react with various psychological conditions
354
918824
3982
Outras ainda reagem a essas informações com várias condições
15:38
or reactions to this information.
355
922806
1632
ou reações psicológicas.
15:40
Or maybe it's chemicals.
356
924438
2702
Ou talvez sejam substâncias químicas.
15:43
But when you see an increase
357
927140
1765
Mas quando vemos um aumento
15:44
of that order of magnitude in a condition,
358
928905
2351
dessa ordem de magnitude em uma condição,
15:47
either you're not measuring it right
359
931256
1565
ou você não está mensurando corretamente
15:48
or there's something going on very quickly,
360
932821
2518
ou há alguma coisa acontecendo muito rapidamente,
15:51
and it may be evolution in real time.
361
935339
4032
e pode ser a evolução em tempo real.
15:55
Here's the bottom line.
362
939371
2503
Eis a conclusão.
15:57
What I think we are doing
363
941874
2181
O que penso que estamos fazendo
15:59
is we're transitioning as a species.
364
944055
1716
é uma transição como espécie.
16:01
And I didn't think this when Steve Gullans and I started writing together.
365
945771
5484
E eu não pensava assim quando Steve Gullans e eu começamos a escrever juntos.
16:07
I think we're transitioning into Homo evolutis
366
951255
2451
Penso que estamos fazendo uma transição para o Homo Evolutis
16:09
that, for better or worse,
367
953706
1399
que, de um jeito ou de outro,
16:11
is not just a hominid that's conscious of his or her environment,
368
955105
4182
não é apenas um hominídeo que é consciente de seu ambiente,
16:15
it's a hominid that's beginning to directly and deliberately
369
959287
3219
é um hominídeo que está começando, direta e deliberadamente,
16:18
control the evolution of its own species,
370
962506
3198
a controlar a evolução de sua própria espécie,
16:21
of bacteria, of plants, of animals.
371
965704
3834
das bactérias, das plantas, dos animais.
16:25
And I think that's such an order of magnitude change
372
969538
2835
E penso que é uma mudança de tal ordem de magnitude
16:28
that your grandkids or your great-grandkids
373
972373
3103
que seus netos e bisnetos
16:31
may be a species very different from you.
374
975476
3045
podem ser uma espécie muito diferente de vocês.
16:34
Thank you very much.
375
978521
1586
Muito obrigado.
16:36
(Applause)
376
980107
5331
(Aplausos)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com