TED Talks Live
Eric Haseltine: What will be the next big scientific breakthrough?
Eric Haseltine: Qual será a próxima grande descoberta científica?
Filmed:
Readability: 4.3
1,571,528 views
Ao longo da História, a especulação foi o motor da ciência bela e revolucionária — abrindo-nos os olhos para um universo completamente novo. "Não me refiro à ciência que dá pequenos passos", diz Eric Haseltine. "Refiro-me à ciência que dá passos enormes." Nesta palestra, Haseltine leva-nos ao limite da busca intelectual de modo fervoroso, com duas ideias — uma que já fez História, e outra que mergulha numa das maiores questões da humanidade, com uma ambição admirável (e uma dose saudável de cepticismo de muitos).
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
Esta noite vou partilhar convosco
a minha paixão pela ciência.
a minha paixão pela ciência.
00:16
I'm not talking about science
that takes baby steps.
that takes baby steps.
1
4560
3016
Não me refiro à ciência
que dá pequenos passos.
que dá pequenos passos.
00:19
I'm talking about science
that takes enormous leaps.
that takes enormous leaps.
2
7600
4256
Refiro-me à ciência
que dá passos enormes.
que dá passos enormes.
00:23
I'm talking Darwin, I'm talking Einstein,
3
11880
3376
Refiro-me a Darwin,
refiro-me a Einstein,
refiro-me a 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
refiro-me à ciência revolucionária
que vira o mundo de pernas para o ar.
que vira o mundo de pernas para o ar.
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
Dentro de momentos, irei falar-vos
sobre duas ideias com este potencial.
sobre duas ideias com este potencial.
Eu digo "potencial"
00:35
I say "might"
6
23800
1216
porque muitas ideias revolucionárias
estão simplesmente erradas,
estão simplesmente erradas,
00:37
because, with revolutionary ideas,
most are flat wrong,
most are flat wrong,
7
25040
2776
00:39
and even those that are right
seldom have the impact
seldom have the impact
8
27840
2456
e mesmo as que estão certas
raramente têm o impacto
raramente têm o impacto
00:42
that we want them to have.
9
30320
1696
que gostaríamos que tivessem.
00:44
To explain why I picked
two ideas in particular,
two ideas in particular,
10
32040
2496
Para explicar porque escolhi
estas duas ideias,
estas duas ideias,
00:46
I'm going to start with a mystery.
11
34560
1680
vou começar com um mistério.
00:48
1847, Vienna, Austria.
12
36840
3080
1847, Viena, Áustria.
00:53
Ignaz Semmelweis was a somber,
compulsively thorough doctor
compulsively thorough doctor
13
41080
3616
Ignaz Semmelweis era um médico
soturno e compulsivamente minucioso
soturno e compulsivamente minucioso
00:56
who ran two maternity clinics.
14
44720
1856
que geria duas maternidades.
00:58
They were identical except for one thing.
15
46600
2440
Estas eram iguais excepto num aspecto.
A morte de mulheres, após o parto,
devido a febres altas
devido a febres altas
01:01
Women were dying of high fevers
soon after giving birth
soon after giving birth
16
49720
2656
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
tinha uma incidência três vezes maior
numa das maternidades.
numa das maternidades.
01:08
Trying to figure out
what the difference was that caused this,
what the difference was that caused this,
18
56600
2936
Para tentar perceber
que diferença causava este fenómeno,
que diferença causava este fenómeno,
01:11
Semmelweis looked at everything he could.
19
59560
2016
Semmelweis investigou tudo o que pôde.
01:13
Sanitation? No.
20
61600
1736
Saneamento? Não.
01:15
Medical procedures? No.
21
63360
2000
Procedimentos médicos? Não.
01:18
Air flow? No.
22
66000
1920
Circulação de ar? Não.
01:20
The puzzle went unsolved
until he happened to autopsy a doctor
until he happened to autopsy a doctor
23
68800
3256
O enigma ficou por resolver
até que ele autopsiou um médico
até que ele autopsiou um médico
que morrera após a infecção
de um corte feito com um bisturi.
de um corte feito com um bisturi.
01:24
who died of an infected scalpel cut.
24
72080
2000
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
Os sintomas do médico eram idênticos
aos das mães moribundas.
aos das mães moribundas.
01:30
How was that possible?
26
78560
1376
Como era isso possível?
01:31
How could a male doctor
get the same thing as new mothers?
get the same thing as new mothers?
27
79960
2880
Como podia um homem apanhar
a mesma doença que mulheres puérperas?
a mesma doença que mulheres puérperas?
01:35
Semmelweis reconstructed
everything the doctor had done
everything the doctor had done
28
83560
3256
Semmelweis reconstituiu
todas as acções do médico
todas as acções do médico
01:38
right before he got sick,
29
86840
1256
mesmo antes de ficar doente,
01:40
and he discovered
that he'd been autopsying a corpse.
that he'd been autopsying a corpse.
30
88120
4296
e descobriu que ele
tinha estado a autopsiar um cadáver.
tinha estado a autopsiar um cadáver.
01:44
Had something gotten
in his wound that killed him?
in his wound that killed him?
31
92440
2800
Teria sido algo que entrara na ferida dele
que o matou?
que o matou?
01:48
With growing excitement,
32
96760
1776
Com emoção crescente,
01:50
Semmelweis looked
for any connection he could
for any connection he could
33
98560
2816
Semmelweis olhou
para todas as relações que conseguia,
para todas as relações que conseguia,
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
entre cadáveres na morgue
e mães mortas na sua sala de parto,
e mães mortas na sua sala de parto,
01:58
and he found it.
35
106800
1600
e encontrou a resposta.
02:01
It turned out that at the hospital
with the high death rate,
with the high death rate,
36
109320
2856
Acontece que, no hospital
com a maior taxa de mortes,
com a maior taxa de mortes,
02:04
but not the others,
37
112200
1776
e apenas nesse,
02:06
doctors delivered babies immediately
after autopsying corpses in the morgue.
after autopsying corpses in the morgue.
38
114000
5136
os médicos faziam os partos imediatamente
após autopsiarem corpos na morgue.
após autopsiarem corpos na morgue.
02:11
Aha! Corpses were contaminating
the doctors' hands
the doctors' hands
39
119160
3936
Aha! Os cadáveres estavam a contaminar
as mãos dos médicos
as mãos dos médicos
02:15
and killing his mothers.
40
123120
1240
e a matar as mães.
02:17
So he ordered the doctors
to sterilize their hands,
to sterilize their hands,
41
125240
3055
Assim, ele ordenou que os médicos
esterilizassem as mãos,
esterilizassem as mãos,
02:20
and the deaths stopped.
42
128320
2280
e as mortes cessaram.
02:23
Dr. Ignaz Semmelweis
had discovered infectious disease.
had discovered infectious disease.
43
131400
4400
O Dr. Ignaz Semmelweis
descobrira as doenças infecciosas.
descobrira as doenças infecciosas.
02:28
But the doctors of the day
thought he was crazy,
thought he was crazy,
44
136400
3416
Mas os médicos da altura
pensaram que ele era maluco,
pensaram que ele era maluco,
02:31
because they knew,
and had for hundreds of years,
and had for hundreds of years,
45
139840
3496
porque eles sabiam,
há séculos,
há séculos,
02:35
that odorous vapors
called miasmas caused disease,
called miasmas caused disease,
46
143360
5096
que eram os vapores pútridos
chamados miasmas que causavam as doenças,
chamados miasmas que causavam as doenças,
02:40
not these hypothetical particles
that you couldn't see.
that you couldn't see.
47
148480
3400
e não essas partículas hipotéticas
que não se podiam ver.
que não se podiam ver.
02:44
It took 20 years
for Frenchman Louis Pasteur
for Frenchman Louis Pasteur
48
152880
4176
Foram precisos vinte anos
para que o francês Louis Pasteur
para que o francês Louis Pasteur
02:49
to prove that Semmelweis was right.
49
157080
1960
provasse que Semmelweis estava certo.
02:51
Pasteur was an agricultural chemist
50
159680
2696
Pasteur era químico agrícola
02:54
who tried to figure out
why milk and beer spoiled so often.
why milk and beer spoiled so often.
51
162400
4176
que tentou perceber porque é que
o leite e a cerveja se estragavam tanto.
o leite e a cerveja se estragavam tanto.
02:58
He found that bacteria were the culprits.
52
166600
2440
Descobriu que os culpados
eram as bactérias.
eram as bactérias.
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
Também descobriu que as bactérias
conseguiam matar pessoas da mesma forma
conseguiam matar pessoas da mesma forma
03:06
that Semmelweis's patients were dying.
54
174040
2320
que os pacientes
de Semmelweis tinham morrido.
de Semmelweis tinham morrido.
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
Vamos agora analisar aquilo de que vos
quero falar esta noite, em duas ideias.
quero falar esta noite, em duas ideias.
03:14
We saw it with Semmelweis,
that he was a revolutionary.
that he was a revolutionary.
56
182600
2920
Já vimos isto com Semmelweis,
que ele foi um revolucionário.
que ele foi um revolucionário.
03:18
He did it for two reasons.
57
186560
1256
E foi-o por duas razões.
03:19
One, he opened our eyes
to a completely new world.
to a completely new world.
58
187840
3240
Primeira, ele abriu-nos os olhos
para um mundo totalmente novo.
para um mundo totalmente novo.
03:23
We'd known since the 1680s about bacteria.
59
191720
2976
Já se sabia da existência de bactérias
desde a década de 1680.
desde a década de 1680.
03:26
We just didn't know
that bacteria killed people.
that bacteria killed people.
60
194720
2456
Simplesmente, não sabíamos
que podiam matar pessoas.
que podiam matar pessoas.
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
Ele também deitou abaixo ideias queridas
e acarinhadas por várias pessoas.
e acarinhadas por várias pessoas.
03:34
Miasmas didn't kill people.
Bacteria killed people.
Bacteria killed people.
62
202280
3320
Os miasmas não matavam pessoas.
As bactérias matavam pessoas.
As bactérias matavam pessoas.
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
Isto leva-me às duas ideias
de que quero falar esta noite.
de que quero falar esta noite.
03:41
One has opened our eyes
to a completely new universe,
to a completely new universe,
64
209440
2816
Uma abriu-nos os olhos
para um universo totalmente novo,
para um universo totalmente novo,
03:44
and the other attacks long-held beliefs.
65
212280
3976
e a outra atacou crenças antigas.
03:48
Let's get started with Dr. Eric Betzig.
66
216280
1936
Comecemos com o 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
É um físico que nos abriu os olhos
para um mundo completamente novo
para um mundo completamente novo
03:54
by violating the laws of physics.
68
222160
1880
desafiando as leis da Física.
03:56
Betzig is a true rebel.
69
224720
1280
Betzig é um verdadeiro rebelde.
03:58
He quit a job at prestigious
Bell Laboratory
Bell Laboratory
70
226560
2896
Despediu-se do prestigioso
Bell Laboratory,
Bell Laboratory,
04:01
inventing new microscopes for biology
71
229480
2256
onde inventava
microscópios novos para Biologia,
microscópios novos para Biologia,
04:03
because he thought scientists
were taking his brilliant inventions
were taking his brilliant inventions
72
231760
4336
porque achou que os cientistas
estavam a fazer um péssimo trabalho
estavam a fazer um péssimo trabalho
com as suas invenções brilhantes.
04:08
and doing lousy work with them.
73
236120
1520
04:10
So he became a househusband,
74
238880
3040
Então tornou-se num dono de casa,
04:15
but he never lost his passion
for figuring out
for figuring out
75
243360
2576
mas nunca perdeu a paixão
por tentar descobrir
por tentar descobrir
como fazer com que os microscópicos
vissem com um detalhe maior
vissem com um detalhe maior
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
do que alguma vez se tinha visto
ou poderia ser visto.
ou poderia ser visto.
04:23
This is crucial if we're ever
going to understand how cells work,
going to understand how cells work,
78
251960
4456
Isto é fundamental para perceber
como as células funcionam,
como as células funcionam,
como o cancro funciona,
04:28
and how cancer works,
79
256440
1495
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
e como algo que mede um centésimo
quinquagésimo da cabeça de um alfinete
quinquagésimo da cabeça de um alfinete
04:35
can do all these amazing things,
81
263400
2136
pode fazer tantas coisas e tão fascinantes
04:37
like make proteins
82
265560
1576
como fazer proteínas,
04:39
and move charges around
83
267160
1896
movimentar cargas
04:41
and all of those things.
84
269080
1280
e todas essas coisas.
04:43
There's just one problem.
85
271400
1680
Só há um problema.
04:46
There's this thing
called the law of physics,
called the law of physics,
86
274040
2976
Há uma coisa chamada
Lei da Física,
Lei da Física,
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
e parte desta lei é uma coisa
que se chama Limite de Difração.
que se chama Limite de Difração.
O limite de difração é mais ou menos
como quando vão a uma consulta,
como quando vão a uma consulta,
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
e só conseguem ver até uma dada resolução,
por melhores óculos que tenham.
por melhores óculos que tenham.
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
04:59
This was a so-called impossible problem.
90
287080
3376
Este era um problema impossível.
Mas um dos amigos de Betzig
conseguiu pegar numa molécula minúscula,
conseguiu pegar numa molécula minúscula,
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
05:05
that was smaller than
the best microscope could see
the best microscope could see
92
293680
2416
mais pequena que
a resolução do melhor microscópio,
a resolução do melhor microscópio,
05:08
and get it to light up and fluoresce.
93
296120
2136
fazê-la iluminar-se
e tornar-se fluorescente.
e tornar-se fluorescente.
05:10
"Aha!" Betzig said.
94
298280
2496
"Aha!", disse 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
"Parece-me que as leis da Física
afinal não são assim tão inquebráveis."
afinal não são assim tão inquebráveis."
05:17
So he lashed together a microscope
in his friend's living room.
in his friend's living room.
96
305520
4856
Então montou um microscópio
na sala de estar de um amigo.
na sala de estar de um amigo.
05:22
He had no laboratory.
97
310400
1816
Ele não tinha laboratório.
05:24
This revolutionary instrument
got different protein molecules
got different protein molecules
98
312240
3576
Este instrumento revolucionário
permitiu que diferentes proteínas
permitiu que diferentes proteínas
05:27
to light up in different colors,
99
315840
1560
emitissem luzes de cores diferentes.
05:30
and with a computer, he was able
to turn very, very fuzzy blurs
to turn very, very fuzzy blurs
100
318080
4696
Com a ajuda de um computador,
ele conseguiu transformar borrões
ele conseguiu transformar borrões
05:34
into very sharp dots and produce images
of unprecedented and startling clarity.
of unprecedented and startling clarity.
101
322800
6696
em pontos nítidos e gerar imagens com uma
nitidez impressionante e sem precedentes.
nitidez impressionante e sem precedentes.
05:41
For this work, last year,
102
329520
2296
Foi por este trabalho que, no ano passado,
05:43
Eric Betzig won the Nobel Prize.
103
331840
2600
Eric Betzig ganhou o Prémio Nobel.
05:47
Why?
104
335360
1216
Porquê?
05:48
Because now we can see
with unprecedented detail
with unprecedented detail
105
336600
4096
Porque agora conseguimos ver coisas
com um detalhe sem precedentes
com um detalhe sem precedentes
05:52
things that we never had seen before,
106
340720
1816
coisas que nunca tínhamos visto.
05:54
and now doctors can get
a better handle on things like cancer.
a better handle on things like cancer.
107
342560
3840
Agora os médicos conseguem
compreender melhor coisas como o cancro.
compreender melhor coisas como o cancro.
05:59
But do you think
Betzig was satisfied there?
Betzig was satisfied there?
108
347080
2496
Mas acham que Betzig se ficou por aqui?
06:01
No.
109
349600
1296
Não.
06:02
He wanted movies.
110
350920
1856
Ele queria filmes.
06:04
The problem was
111
352800
1216
O problema era
06:06
that even the genius microscopes
that he invented were just too slow.
that he invented were just too slow.
112
354040
3976
que até os seus melhores microscópicos
eram demasiado lentos.
eram demasiado lentos.
06:10
So what did he do?
113
358040
1256
Então o que fez ele?
06:11
He came up with a 200-year-old idea
114
359320
3576
Lembrou-se de uma ideia com 200 anos
06:14
called moiré patterns.
115
362920
1696
designada Padrões de Moiré.
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
Isto funciona do seguinte modo:
se pegarmos em dois padrões muito finos
se pegarmos em dois padrões muito finos
06:20
and you move them across each other,
117
368120
1776
e os sobrepusermos,
06:21
you will see a gross pattern
118
369920
3016
veremos um padrão grande
06:24
that a microscope can see
119
372960
1480
que o microscópico consegue ver
06:27
that otherwise you would not
be able to see.
be able to see.
120
375360
2096
e que, de outra forma,
não conseguiríamos ver.
não conseguiríamos ver.
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
Ele aplicou esta técnica para pegar
numa imagem pouco nítida da célula
numa imagem pouco nítida da célula
06:32
and moving lots of structured
light patterns across it
light patterns across it
122
380800
2576
e moveu vários padrões estruturados
de luz através dela
de luz através dela
06:35
until this cell became crystal clear.
123
383400
2440
até a célula se tornar
perfeitamente nítida.
perfeitamente nítida.
06:38
And here is the result:
124
386840
2016
E eis o resultado:
06:40
a mysterious new world,
125
388880
2736
um novo e misterioso mundo,
06:43
full of strange things zipping around
126
391640
2136
repleto de coisas estranhas a vaguear,
06:45
doing things that
we don't know what they're doing.
we don't know what they're doing.
127
393800
2400
a fazer coisas
que não sabemos o que são.
que não sabemos o que são.
(Risos)
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
Mas quando descobrirmos,
iremos perceber melhor a própria vida.
iremos perceber melhor a própria vida.
06:53
For example, those
green globs that you see?
green globs that you see?
129
401600
2096
Por exemplo,
vêem aqueles glóbulos verdes?
vêem aqueles glóbulos verdes?
06:55
Those things are called clathrins.
130
403720
1680
Essas coisas chamam-se clatrinas.
06:57
They're molecules
that protect other molecules
that protect other molecules
131
405960
2416
São moléculas
que protegem outras moléculas
que protegem outras moléculas
07:00
as they move through a cell.
132
408400
1376
que se movem na célula.
07:01
Unfortunately, viruses sometimes
hijack those to infect cells.
hijack those to infect cells.
133
409800
4336
Infelizmente, os vírus, por vezes,
usam-nas para infectar células.
usam-nas para infectar células.
07:06
Also, you see those little squiggly
wormlike things moving around?
wormlike things moving around?
134
414160
3096
Vêem também aquelas espécies
de minhocas sinuosas às voltas?
de minhocas sinuosas às voltas?
07:09
Those are actin molecules.
135
417280
2296
São moléculas actinas.
07:11
Unfortunately, viruses
also climb down those things
also climb down those things
136
419600
2416
Infelizmente, os vírus
também se ligam a elas
também se ligam a elas
07:14
to get into the cell nucleus
137
422040
1456
para entrar no núcleo celular,
07:15
to replicate themselves and make you sick.
138
423520
2120
onde se replicam, provocando doenças.
07:18
Now that we can look at movies
139
426240
1856
Agora que podemos ver filmes
07:20
of what's actually going on
deep inside a cell,
deep inside a cell,
140
428120
2856
do que se passa nas
profundezas da célula,
profundezas da célula,
07:23
we have a much better chance
of curing viral diseases like AIDS.
of curing viral diseases like AIDS.
141
431000
4080
temos mais hipóteses
de curar infecções virais como a SIDA.
de curar infecções virais como a SIDA.
07:27
So when you look at a movie like this,
142
435680
1856
Portanto, quando vemos um filme destes,
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
torna-se óbvio que Betzig abriu as portas
para um mundo completamente novo.
para um mundo completamente novo.
07:34
But he hasn't shattered
any cherished beliefs.
any cherished beliefs.
144
442560
4120
Mas ele não destruiu nenhuma crença fixa.
07:39
That leads us to Dr. Aubrey de Grey
145
447200
2936
Isto leva-nos ao Dr. Aubrey de Grey,
07:42
at Cambridge.
146
450160
1200
em Cambridge.
07:44
De Grey definitely has scientists
squirming with an interesting idea:
squirming with an interesting idea:
147
452440
4336
De Grey deixou, sem dúvida, cientistas
a debaterem-se com uma ideia interessante:
a debaterem-se com uma ideia interessante:
Podemos ser imortais.
07:48
we can be immortal.
148
456800
1376
07:50
We can beat aging.
149
458200
1616
Podemos vencer o envelhecimento.
07:51
Now, most scientists
think he's a crackpot.
think he's a crackpot.
150
459840
2560
A maior parte dos cientistas
considera-o lunático.
considera-o lunático.
(Risos)
07:55
Any Biology 101 student knows
151
463320
3296
Qualquer aluno de Biologia sabe
07:58
that aging is an inevitable
consequence of living.
consequence of living.
152
466640
4016
que o envelhecimento
é uma consequência inevitável da vida.
é uma consequência inevitável da vida.
08:02
For example, when we eat,
153
470680
2096
Por exemplo, quando comemos,
08:04
we take in food and we metabolize it,
154
472800
1856
ingerimos comida e metabolizamo-la,
08:06
and that throws off
what we call free radicals.
what we call free radicals.
155
474680
2376
e isso gera aquilo a que chamamos
radicais livres.
radicais livres.
08:09
You might have heard of those.
156
477080
1456
Já devem ter ouvido falar.
08:10
Also known as oxygen ions,
157
478560
1936
Também conhecidos como iões de oxigénio,
08:12
those bind to our DNA, cause it to mutate,
158
480520
2376
que se ligam ao nosso ADN,
causam mutações,
causam mutações,
08:14
and cause us to get old and lose our hair.
159
482920
2056
fazem-nos ficar velhos
e perder o cabelo.
e perder o cabelo.
08:17
(Laughter)
160
485000
1576
(Risos)
08:18
It's just like, no, it's exactly like
161
486600
2736
É exactamente como o oxigénio
08:21
oxygen binding to iron and making it rust.
162
489360
2176
ligar-se ao ferro e enferrujá-lo.
08:23
So you age because you rust out.
163
491560
2456
Ou seja, envelhecemos
porque enferrujamos.
porque enferrujamos.
08:26
(Laughter)
164
494040
2176
(Risos)
08:28
Oh, and scientists also know
there is something called immortality:
there is something called immortality:
165
496240
5096
Ah, e os cientistas também sabem
que há algo chamado imortalidade:
que há algo chamado imortalidade:
08:33
in cancer cells.
166
501360
1976
em células cancerígenas.
08:35
So if you stop aging,
167
503360
2296
Por isso, se deixarem de envelhecer,
08:37
all of you are going to turn
into giant walking malignant tumors.
into giant walking malignant tumors.
168
505680
3920
todos vocês se tornam em tumores malignos
gigantes e ambulantes.
gigantes e ambulantes.
(Risos)
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
Essas são crenças fixas,
mas poderá de Grey estar no caminho certo?
mas poderá de Grey estar no caminho certo?
08:47
I think he deserves a closer look.
170
515159
1657
Eu acho que ele merece ser ouvido.
08:48
First of all, I have a really hard time
seeing him as a crackpot.
seeing him as a crackpot.
171
516840
3136
Primeiro, custa-me vê-lo como um lunático.
08:52
Yeah, he started off life
as a computer scientist,
as a computer scientist,
172
520000
2336
Sim, ele começou
como cientista informático,
como cientista informático,
08:54
not a biologist,
173
522360
1496
não como biólogo,
08:55
but he earned a PhD
in biology from Cambridge,
in biology from Cambridge,
174
523880
3816
mas fez o doutoramento
em Biologia em Cambridge,
em Biologia em Cambridge,
08:59
and he has published
some very significant work
some very significant work
175
527720
2376
e publicou alguns trabalhos relevantes
09:02
on mitochondrial DNA
and a bunch of other stuff.
and a bunch of other stuff.
176
530120
2456
sobre ADN mitocondrial
e um monte de outras coisas.
e um monte de outras coisas.
09:04
Secondly, he started
an antiaging foundation
an antiaging foundation
177
532600
3096
Em segundo lugar, ele criou
uma fundação de anti-envelhecimento
uma fundação de anti-envelhecimento
09:07
that has identified
seven different causes of aging,
seven different causes of aging,
178
535720
2576
que identificou sete causas diferentes
para o envelhecimento,
para o envelhecimento,
09:10
to me, that seem very plausible,
179
538320
2256
que me parecem bastante plausíveis,
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
e está numa busca incansável
de soluções para todas elas.
de soluções para todas elas.
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
Por exemplo:
Um do motivos pelos quais envelhecemos
é que o ADN mitocondrial sofre mutações,
é que o ADN mitocondrial sofre mutações,
09:21
and we get kind of old
and our cells lose energy.
and our cells lose energy.
182
549800
2680
ficamos meio velhos
e as nossas células perdem energia.
e as nossas células perdem energia.
09:25
He believes, and he's made
a convincing case,
a convincing case,
183
553160
2336
Ele acredita, e explica-o
de forma convincente,
de forma convincente,
09:27
that using viruses we can do gene therapy,
184
555520
2536
que podemos fazer terapia genética
usando vírus,
usando vírus,
09:30
fix that DNA
185
558080
1656
reparar o ADN
09:31
and rejuvenate our cells.
186
559760
1720
e rejuvenescer as nossas células.
09:35
One more thing.
187
563400
1336
Mais uma coisa.
09:36
We have an existent proof
188
564760
1856
Nós temos a prova viva
09:38
that extreme longevity is possible.
189
566640
2720
que é possível uma longevidade enorme.
09:42
Bristlecone pine trees live 5,000 years,
190
570520
4160
Os pinheiros Bristlecone
vivem cinco mil anos,
vivem cinco mil anos,
09:47
and some lobsters don't age at all.
191
575720
3800
e algumas lagostas
nem sequer envelhecem.
nem sequer envelhecem.
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
Agora, isto não significa que de Grey vai
revolucionar a nossa esperança de vida.
revolucionar a nossa esperança de vida.
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
Quer dizer, apesar de tudo, não somos
árvores e, em geral, não somos lagostas.
árvores e, em geral, não somos lagostas.
10:00
(Laughter)
194
588840
1216
(Risos)
10:02
But I've got to believe that there are
Darwins and Einsteins out there,
Darwins and Einsteins out there,
195
590080
4800
Mas quero acreditar que existem
Darwins e Einsteins por aí,
Darwins e Einsteins por aí,
10:07
and I'll tell you why.
196
595840
1376
e digo-vos porquê.
10:09
Consider this:
197
597240
1200
Reparem:
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
Há sete vezes mais pessoas vivas
hoje que no tempo de Darwin.
hoje que no tempo de Darwin.
10:16
There are four times as many people
alive today as Einstein.
alive today as Einstein.
199
604480
3456
Há quatro vezes mais pessoas vivas
hoje que no tempo de Einstein.
hoje que no tempo de Einstein.
10:19
When you consider
200
607960
1216
Se considerarem
10:21
that the proportion of scientists
in the population has skyrocketed,
in the population has skyrocketed,
201
609200
3216
que a proporção de cientistas
na população disparou,
na população disparou,
10:24
there are now seven million scientists.
202
612440
2376
— há agora sete milhões de cientistas —
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
tenho de acreditar, e acredito,
que há um deles algures
que há um deles algures
10:31
who is working right now in obscurity
204
619720
2336
a trabalhar na obscuridade,
neste preciso momento,
neste preciso momento,
para agitar as nossas vidas
— e não sei quanto a vocês,
— e não sei quanto a vocês,
10:34
to rock our lives,
and I don't know about you,
and I don't know about you,
205
622080
2416
10:36
but I can't wait to be rocked.
206
624520
1816
mas eu mal posso esperar
por ser agitado.
por ser agitado.
10:38
Thank you.
207
626360
1256
Obrigado.
10:39
(Applause)
208
627640
6961
(Aplausos)
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