TED2005
Ray Kurzweil: The accelerating power of technology
Рэй Курцвейл о том, как технология изменит нас
Filmed:
Readability: 5.3
2,876,494 views
Изобретатель и предприниматель с далёким видением Рэй Курцвэйл обоснованно и с обилием деталей разъясняет, почему к 2020-м годам будет сконструирован человеческой мозг, а нанороботы будут управлять нашим сознанием.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:24
Well, it's great to be here.
0
0
1000
Как здорово быть здесь.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Много было сказано о технологии, её перспективах и опасностях.
00:30
I've been quite interested in both.
2
6000
2000
Мне интересны обе эти стороны.
00:32
If we could convert 0.03 percent
3
8000
4000
Если бы можно было преобразовать 0,03% от попадающего на Землю
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
солнечного света в энергию,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
то все планируемые на 2030 год потребности были бы удовлетворены.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Сегодня это невозможно, потому что солнечные батареи громоздки,
00:46
expensive and very inefficient.
7
22000
2000
дороги и весьма неэффективны.
00:48
There are nano-engineered designs,
8
24000
3000
Имеются нанотехнологические проекты,
00:51
which at least have been analyzed theoretically,
9
27000
2000
которые, согласно теоретическим выкладкам,
00:53
that show the potential to be very lightweight,
10
29000
2000
могут оказаться очень лёгкими, очень дешёвыми и
00:55
very inexpensive, very efficient,
11
31000
2000
очень эффективными, и все энергетические потребности
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
могли бы быть удовлетворены за счёт этого возобновляемого источника.
01:01
Nano-engineered fuel cells
13
37000
2000
Топливные элементы, разработанные на основе нанотехнологии,
01:03
could provide the energy where it's needed.
14
39000
3000
могли бы предоставлять энергию там, где она нужна.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Здесь основное направление – децентрализация,
01:08
moving from centralized nuclear power plants and
16
44000
3000
переход от централизованных АЭС и
01:11
liquid natural gas tankers
17
47000
2000
резервуаров со сжиженным газом
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
к децентрализованным источникам, более экологически чистым,
01:17
a lot more efficient
19
53000
3000
более эффективным,
01:20
and capable and safe from disruption.
20
56000
4000
более ёмким и более устойчивым.
01:24
Bono spoke very eloquently,
21
60000
2000
Выступавший до меня Боно очень красиво выразился,
01:26
that we have the tools, for the first time,
22
62000
4000
что впервые в истории у нас есть средства, чтобы
01:30
to address age-old problems of disease and poverty.
23
66000
4000
решать древнейшие проблемы: болезнь и бедность.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
И в этом направлении движется большинство стран мира.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
В 1990 г. в Восточной Азии и Тихоокеанском регионе
01:42
there were 500 million people living in poverty --
26
78000
2000
в бедности жили 500 млн. человек,
01:44
that number now is under 200 million.
27
80000
3000
сегодня их число составляет менее 200 млн. человек.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
По прогнозам Всемирного банка, к 2011 г. цифра упадёт ниже 20 млн.,
01:50
which is a reduction of 95 percent.
29
86000
3000
т.е. сократится на 95%. Мне понравилось, как Боно
01:53
I did enjoy Bono's comment
30
89000
3000
провёл связь от района Хейт-Эшбери [центр движения хиппи]
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
к расположенной недалеко от него Силиконовой долине [центр компьютерной технологии].
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Я сам из Массачусетса, центра высоких технологий, и могу сказать, что
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
в 60-х годах мы тоже были хиппи, просто центром наших сборов
02:08
although we hung around Harvard Square.
34
104000
3000
было место возле метро «Гарвардская площадь» [недалеко от MIT].
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Да, возможность преодолеть болезни и бедность у нас есть,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
при условии, что мы сможем проявить волю – об этом я ещё поговорю.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Кевин Келли говорил об ускорении развития в технологии, –
02:22
That's been a strong interest of mine,
38
118000
3000
тема, которая меня всегда интересовала.
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
Я разрабатываю эту проблематику в течение примерно 30 лет.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Выяснилось, что мои технические изобретения должны внедряться по окончании проекта,
02:33
That invariably, the world was a different place
41
129000
3000
но мир к тому моменту все ещё
02:36
when I would introduce a technology.
42
132000
2000
не был готов к их внедрению.
02:38
And, I noticed that most inventions fail,
43
134000
2000
Я также отметил, что большинство изобретений неудачны не потому,
02:40
not because the R&D department can't get it to work --
44
136000
3000
что отдел разработок не может найти им применение –
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
большинство бизнес-планов были бы действительно успешны,
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
будь у них возможность создать то, что они намечали –
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
но свыше 90% проектов терпят неудачу из-за того, что для них ещё не настало время:
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
далеко не все факторы внешней среды способствуют успешному внедрению.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Тогда я бросился изучать тенденции в технологическом развитии,
03:00
and track where technology would be at different points in time,
50
156000
3000
рассчитывать, к чему может привести технология в различные моменты в будущем
03:03
and began to build the mathematical models of that.
51
159000
3000
и начал строить для этого математические модели.
03:06
It's kind of taken on a life of its own.
52
162000
2000
Это увлечение зажило собственной жизнью.
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Образовалась группа из 10 человек, мы занялись сбором решающих
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
технологических параметров в разнообразных областях и построением для этого моделей.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
Многие говорят, что будущее не прогнозируемо.
03:19
And if you ask me,
56
175000
2000
Спросите меня, будет ли через три года
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
стоимость акции Google выше или ниже, чем сегодня –
03:24
that's very hard to say.
58
180000
2000
мне будет трудно ответить.
03:26
Will WiMax CDMA G3
59
182000
3000
Будут ли через три года WiMax, CDMA, G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
стандартами беспроводной связи? Затрудняюсь ответить.
03:31
But if you ask me, what will it cost
61
187000
2000
Но спросите меня, во сколько обойдётся вычисление
03:33
for one MIPS of computing in 2010,
62
189000
3000
одного миллиона операций в секунду в 2010-м году,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
или секвенирование пары оснований ДНК в 2012-м году,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
или беспроводная передача одного мегабайта данных в 2014-м году, –
03:43
it turns out that those are very predictable.
65
199000
3000
как оказалось, эти вещи вполне прогнозируемы. Изменения описываются
03:46
There are remarkably smooth exponential curves
66
202000
2000
замечательно гладкими экспоненциальными кривыми
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
в ряде областей: производительность на единицу цены, мощность, пропускная способность.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Я покажу вам небольшие примеры этих прогнозов, но сначала
03:53
but there's really a theoretical reason
69
209000
2000
следует отметить, что для экспоненциальной скорости
03:55
why technology develops in an exponential fashion.
70
211000
5000
развития технологии имеется теоретическое обоснование.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
Многие, представляя себе будущее, мыслят линейно.
04:02
They think they're going to continue
72
218000
2000
Людям кажется, что можно продолжать
04:04
to develop a problem
73
220000
2000
разработку вопроса или решение проблемы
04:06
or address a problem using today's tools,
74
222000
3000
с помощью инструментов сегодняшнего дня и
04:09
at today's pace of progress,
75
225000
2000
с сегодняшней скоростью продвижения,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
но они упускают из расчётов эффект экспоненциального роста.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
Проект "Геном человека" в 1990-м году вызывал много споров.
04:18
We had our best Ph.D. students,
78
234000
2000
В его распоряжении была наша самая перспективная молодёжь,
04:20
our most advanced equipment around the world,
79
236000
2000
самое лучшее в мире оборудование.
04:22
we got 1/10,000th of the project done,
80
238000
2000
[Через пару лет] была завершена лишь 1/10000 часть проекта.
04:24
so how're we going to get this done in 15 years?
81
240000
2000
Как же закончить проект за 15 лет?
04:26
And 10 years into the project,
82
242000
3000
Спустя 10 лет скептики настаивали:
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
«Прошло две трети срока,
04:32
and you've managed to only sequence
84
248000
2000
а вам удалось секвенировать лишь
04:34
a very tiny percentage of the whole genome."
85
250000
3000
небольшой процент всего генома».
04:37
But it's the nature of exponential growth
86
253000
2000
Но ведь экспоненциальный рост по самой своей сути таков, что,
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
как только достигнута точка перегиба, рост идёт взрывообразный.
04:41
Most of the project was done in the last
88
257000
2000
Большая часть результатов была получена
04:43
few years of the project.
89
259000
2000
за последние годы.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Секвенирование ВИЧ заняло 15 лет,
04:47
we sequenced SARS in 31 days.
91
263000
2000
секвенирование вируса атипичной пневмонии – 31 день.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Потенциал решения проблем накапливается.
04:53
I'm going to show you just a few examples
93
269000
2000
На паре примеров я покажу,
04:55
of how pervasive this phenomena is.
94
271000
3000
насколько всеохватывающе это явление.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
Скорость реальной смены парадигм, скорость принятия новых идей,
05:02
is doubling every decade, according to our models.
96
278000
3000
согласно нашим моделям, удваивается каждые десять лет.
05:05
These are all logarithmic graphs,
97
281000
3000
Перед вами – логарифмическая шкала.
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
На такой шкале переход на 1 или 2 ступени вверх означает умножение на 10 или на 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Полвека ушло у человечества на распространение телефона,
05:14
the first virtual-reality technology.
100
290000
3000
этой первой технологии виртуальной реальности.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Мобильные телефоны распространились примерно за восемь лет.
05:19
If you put different communication technologies
102
295000
3000
Если на этой логарифмической шкале отметить распространение
05:22
on this logarithmic graph,
103
298000
2000
различных коммуникационных технологий –
05:24
television, radio, telephone
104
300000
2000
телевидения, радио, телефона –
05:26
were adopted in decades.
105
302000
2000
то в каждом случае это были десятки лет.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Недавние технологии – персональный компьютер, веб, мобильные телефоны –
05:31
were under a decade.
107
307000
2000
потребовали менее десяти лет.
05:33
Now this is an interesting chart,
108
309000
2000
Перед вами интересный график.
05:35
and this really gets at the fundamental reason why
109
311000
2000
Тут показана главная причина ускорения
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
эволюционных процессов – а ведь и биология, и технология
05:41
accelerate.
111
317000
2000
являются эволюционными процессами.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Двигателем каждого из этих процессов является взаимодействие. Оно создаёт
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
новые возможности, которые затем используются для перехода на следующий этап.
05:49
So the first step in biological evolution,
114
325000
3000
Первый этап биологической эволюции,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
эволюция ДНК – на самом деле, сначала появилась РНК –
05:54
took billions of years,
116
330000
2000
занял миллиарды лет,
05:56
but then evolution used that information-processing backbone
117
332000
3000
но затем эволюция использовала этот носитель информации
05:59
to bring on the next stage.
118
335000
2000
для перехода на следующий этап.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Кембрийский взрыв, во время которого образовалась структура тела животных,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
занял 10 миллионов лет, что в 200 раз быстрее.
06:08
And then evolution used those body plans
121
344000
2000
Затем эволюция использовала сформировавшиеся структуры тел,
06:10
to evolve higher cognitive functions,
122
346000
2000
чтобы развить высшие когнитивные функции,
06:12
and biological evolution kept accelerating.
123
348000
2000
и биологическая эволюция продолжила ускоряться.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
Это присуще процессу эволюции.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
Homo sapiens –это вид, который впервые создал технику,
06:20
the species that combined a cognitive function
126
356000
2000
и при этом имеет и когнитивные функции,
06:22
with an opposable appendage --
127
358000
2000
и противостоящий отросток [в виде больших пальцев рук] –
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
кстати, большой палец у шимпанзе на самом деле годится не на очень-то многое.
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
Homo sapiens смог изменять своё окружение с помощью
06:30
and fine motor coordination,
130
366000
2000
хватки пальцами и тонкой координации движений,
06:32
and use our mental models to actually change the world
131
368000
2000
используя умственные модели для реального изменения мира
06:34
and bring on technology.
132
370000
2000
и создания техники.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Так вот, эволюция нашего вида заняла сотни тысяч лет.
06:39
and then working through interaction,
134
375000
2000
Затем, с помощью взаимодействия,
06:41
evolution used, essentially,
135
377000
2000
эволюция, по существу, использовала
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
создающий технику вид для перехода на следующую стадию –
06:46
which were the first steps in technological evolution.
137
382000
3000
на первые шаги эволюции технологической.
06:49
And the first step took tens of thousands of years --
138
385000
3000
Первые шаги: каменные орудия, огонь, колесо, –
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
заняли десятки тысяч лет – ускорение продолжалось.
06:55
We always used then the latest generation of technology
140
391000
2000
Человек всегда использовал последнее поколение техники
06:57
to create the next generation.
141
393000
2000
для создания последующего.
06:59
Printing press took a century to be adopted;
142
395000
2000
Для распространения печатного станка понадобилось сто лет.
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
Первые компьютеры проектировали на бумаге, сейчас они проектируются на компьютерах.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
Процесс неуклонно ускорялся. Обратите внимание:
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
если график линейный, то кажется, что все события произошли только что.
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
Некоторые стали утверждать, что я просто ставлю на график точки так,
07:17
that fall on that straight line."
147
413000
2000
чтобы он попадали на прямую.
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Тогда я взял 15 авторитетных источников на эту тематику –
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
Британская энциклопедия, Музей естественной истории, космический календарь Карла Сагана, –
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
замечу, что эти источники не имели цель продвигать мою точку зрения.
07:29
these were just lists in reference works,
151
425000
2000
Это просто справочные списки событий,
07:31
and I think that's what they thought the key events were
152
427000
3000
которые они посчитали достаточно важными для включения в список
07:34
in biological evolution and technological evolution.
153
430000
3000
этапов биологической и технологической эволюции.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
Опять получается прямая линия, хотя она, естественно, слегка утолщается оттого, что
07:40
because people do have disagreements, what the key points are,
155
436000
3000
есть разница во мнениях о том, что считать решающим событием:
07:43
there's differences of opinion when agriculture started,
156
439000
2000
разнятся мнения о том, когда зародилось сельское хозяйство,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
или сколько времени занял Кембрийский взрыв.
07:48
But you see a very clear trend.
158
444000
2000
Однако проявляется очень ясная тенденция:
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
несомненное и основополагающее ускорение процесса эволюции.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
Мощность, производительность на единицу стоимости и пропускная способность
08:00
every year.
161
456000
2000
информационных технологий удваиваются ежегодно.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
Это – глубоко заложенный взрывной потенциал. Это– экспоненциальный рост.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Из моего личного опыта: в период моей учёбы в MIT
08:08
computer taking up about the size of this room,
164
464000
2000
компьютер размером примерно с это помещение
08:10
less powerful than the computer in your cell phone.
165
466000
5000
был менее мощным, чем компьютер в сегодняшних мобильных телефонах.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Закон Мура, который часто отождествляют с понятием экспоненциального роста –
08:19
is just one example of many, because it's basically
167
475000
2000
лишь один из многих примеров.
08:21
a property of the evolutionary process of technology.
168
477000
5000
Он характерен для процесса технологической эволюции.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
На этой логарифмической шкале я отметил 49 известных моделей компьютеров –
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
кстати, прямая на логарифмической шкале означает экспоненциальный рост –
08:33
that's another exponential.
171
489000
2000
и рост опять получается экспоненциальный.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
В 1900-х годах требовалось 3 года для удвоения производительности вычислений
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
на единицу стоимости, в середине века – 2 года, сейчас удвоение идёт за год.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
Рост остаётся экспоненциальным, несмотря на смену пяти концепций.
08:45
Moore's Law was just the last part of that,
175
501000
2000
Закон Мура относится к последней концепции:
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
интегральным микросхемам, и касается уменьшения размеров транзисторов.
08:50
but we had electro-mechanical calculators,
177
506000
3000
Но до этого были электромеханические калькуляторы,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
которые помогли расшифровать код Энигма немецких подводных лодок;
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
были вакуумные лампы – они помогли посчитать прогноз президентских выборов Эйзенхауэра;
08:59
discreet transistors used in the first space flights
180
515000
3000
дискретные транзисторы, которые использовались в первых космических полётах;
09:02
and then Moore's Law.
181
518000
2000
и только потом – закон Мура.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Едва иссякал потенциал одной из концепций,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
ей на смену приходила другая и экспоненциальный рост продолжался.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Вакуумные лампы становились всё меньше и меньше, но этому был предел.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
Невозможно было уменьшать размер далее и сохранять вакуум.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Тут нежданно-негаданно появляется новая парадигма: транзисторы.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
На самом деле, проявление признаков конца одной концепции
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
подталкивает исследования в направлении создания другой.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
Конец закона Мура прогнозируется уже давно:
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
в первом прогнозе была дата –2002-й год, в сегодняшних – 2022-й год.
09:30
But by the teen years,
191
546000
3000
Но примерно к 2013-2019-м годам
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
транзисторы будут иметь ширину в несколько атомов,
09:36
and we won't be able to shrink them any more.
193
552000
2000
и дальше их уменьшать станет невозможно.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Это будет концом закона Мура, но не экспоненциального роста
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
вычислительных мощностей, потому что чипы пока ещё плоские.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Мы живём в трёхмерном мире и могли бы использовать и третье измерение.
09:46
We will go into the third dimension
197
562000
2000
Так оно и произойдёт:
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
за несколько последних лет уже достигнут впечатляющий прогресс
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
в разработке трёхмерных самоорганизующихся молекулярных схем.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Они появятся задолго до того, как прекратится действие закона Мура.
10:02
Supercomputers -- same thing.
201
578000
2000
То же относится и к суперкомпьютерам.
10:05
Processor performance on Intel chips,
202
581000
3000
То же относится и к производительности процессоров Intel,
10:08
the average price of a transistor --
203
584000
3000
и средней цене транзистора.
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
В 1968-м году на один доллар можно было купить один транзистор.
10:14
You could buy 10 million in 2002.
205
590000
3000
В 2002-м году – 10 миллионов транзисторов.
10:17
It's pretty remarkable how smooth
206
593000
3000
Примечательно, насколько гладким получается
10:20
an exponential process that is.
207
596000
2000
экспоненциальный процесс.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
Можно было бы подумать, что это всё – кабинетный эксперимент, подбор цифр.
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
Но нет, тут отражены непредсказуемые события по всему миру:
10:29
countries accusing each other of dumping products,
210
605000
2000
обвинения разных стран в международном демпинге,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
размещение акций, банкротства, маркетинговые кампании.
10:33
You would think it would be a very erratic process,
212
609000
3000
Казалось бы, процесс не должен поддаваться расчётам,
10:36
and you have a very smooth
213
612000
2000
однако результат этого хаотичного процесса –
10:38
outcome of this chaotic process.
214
614000
2000
очень ровная прямая.
10:40
Just as we can't predict
215
616000
2000
Точно так же невозможно прогнозировать
10:42
what one molecule in a gas will do --
216
618000
2000
поведение одной молекулы газа –
10:44
it's hopeless to predict a single molecule --
217
620000
3000
невозможно говорить просто об одной молекуле.
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
Наряду с этим, свойства газа в целом прогнозируемы
10:49
using thermodynamics, very accurately.
219
625000
3000
достаточно точно с помощью термодинамики.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
Так же и здесь: нельзя прогнозировать результат отдельного проекта,
10:55
but the result of this whole worldwide,
221
631000
2000
но результат глобальной, хаотичной,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
непредсказуемой деятельности конкурентной среды
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
и процесс эволюции технологии очень даже можно прогнозировать.
11:05
And we can predict these trends far into the future.
224
641000
3000
Мы можем делать прогнозы далёкого будущего.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
В отличие от воды, которая всегда – вода,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
нельзя сказать, что транзистор – всегда транзистор.
11:14
As we make them smaller and less expensive,
227
650000
2000
Они становятся меньше и дешевле,
11:16
the electrons have less distance to travel.
228
652000
2000
и электронам нужно преодолевать меньшее расстояние.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
Транзистор становится быстрее, а отсюда – экспоненциальный рост их скорости,
11:22
so the cost of a cycle of one transistor
230
658000
4000
так что стоимость цикла одного транзистора
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
уменьшается вдвое каждые 1,1 года.
11:29
You add other forms of innovation and processor design,
232
665000
3000
С влиянием прочих изобретений и усовершенствований в дизайне процессоров
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
производительность на единицу стоимости удваивается каждый год.
11:36
And that's basically deflation --
234
672000
3000
Ведь это не что иное, как падение цены,
11:39
50 percent deflation.
235
675000
2000
50%-ое падение цены,
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
причём не только компьютеров. Это относится к секвенированию ДНК,
11:44
it's true of brain scanning;
237
680000
2000
к сканированию мозга, к всемирной
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
сети Интернет. Всё, что поддаётся выражению в виде числа, –
11:48
we have hundreds of different measurements
239
684000
3000
а существуют сотни
11:51
of different, information-related measurements --
240
687000
3000
связанных с информацией измерений:
11:54
capacity, adoption rates --
241
690000
2000
мощность, скорость внедрения –
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
удваивается, в целом, каждые 12, 13, 15 месяцев,
11:59
depending on what you're looking at.
243
695000
2000
в зависимости от объекта измерения.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
Производительность на единицу стоимости растёт на 40-50%, а это – дефляция цены.
12:06
And economists have actually started worrying about that.
245
702000
2000
Такое явление даже вызвало беспокойство среди экономистов.
12:08
We had deflation during the Depression,
246
704000
2000
Падение цен было во времена Великой депрессии,
12:10
but that was collapse of the money supply,
247
706000
2000
но то был развал денежного обращения и
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
крушение доверия потребителя, то есть явления другого ряда.
12:15
This is due to greater productivity,
249
711000
2000
А сейчас причина – увеличение производительности.
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
Экономисты говорят: "Это не может долго продолжаться.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
При 50%-ом падении цен, население может повысить объём потребления на 30-40%,
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
чего будет недостаточно для поддержания производства".
12:25
But what we're actually seeing is that
253
721000
2000
Однако в реальности потребление более чем достаточно
12:27
we actually more than keep up with it.
254
723000
2000
для поддержания уровня производства.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
За последние 50 лет темп роста информационных технологий,
12:32
in information technology over the last 50 years.
256
728000
3000
усреднённый на весь период, составил 28% ежегодно.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Лет 10 назад никто и не думал производить iPod за 10 000 долларов,
12:39
As the price performance makes new applications feasible,
258
735000
3000
но как только производительность на единицу стоимости сделала
12:42
new applications come to the market.
259
738000
2000
выгодным создание новых приложений, они тут же появились на рынке.
12:44
And this is a very widespread phenomena.
260
740000
3000
И такие явления повсеместны.
12:47
Magnetic data storage --
261
743000
2000
Возьмём магнитные средства хранения информации –
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
это не закон Мура: речь об уменьшении магнитных частиц.
12:52
different engineers, different companies, same exponential process.
263
748000
4000
И вновь: различные изобретатели, различные фирмы, но рост тот же –экспоненциальный.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Самая глубокая из всех революций в том, что человек стал понимать собственную биологию
13:00
in these information terms.
265
756000
2000
в информационных терминах.
13:02
We're understanding the software programs
266
758000
2000
Человек начинает понимать те вычислительные программки,
13:04
that make our body run.
267
760000
2000
посредством которых функционирует человеческое тело.
13:06
These were evolved in very different times --
268
762000
2000
Программки зародились в совершенно другую эпоху,
13:08
we'd like to actually change those programs.
269
764000
2000
и их хотелось, вообще говоря, заменить.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Одна из таких программок – ген инсулинового жирового рецептора –
13:12
basically says, "Hold onto every calorie,
271
768000
2000
диктует: «Сохраняй каждую калорию, поскольку
13:14
because the next hunting season may not work out so well."
272
770000
4000
следующий сезон охоты может оказаться не столь удачным.»
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
Десятки тысяч лет назад это было в интересах вида.
13:21
We'd like to actually turn that program off.
274
777000
3000
Хотелось бы отключить эту программку.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Эксперимент уже проведён на мышах. Подопытные мыши ненасытно поедали пищу,
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
но не прибавляли в весе и имели все связанные с этим преимущества:
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
у них не было диабета, болезней сердца,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
и жили они на 20% дольше. Короче, они наслаждались позитивной стороной ограничений
13:35
without the restriction.
279
791000
2000
в приёме калорий без самого ограничения.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Несколько фармацевтических фирм обратили на это внимание,
13:40
felt that would be
281
796000
3000
высоко оценив рыночные перспективы
13:43
interesting drug for the human market,
282
799000
3000
подобного препарата для людей.
13:46
and that's just one of the 30,000 genes
283
802000
2000
А это всего лишь один из 30 тысяч генов,
13:48
that affect our biochemistry.
284
804000
3000
влияющих на биохимию человека.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
В ту эпоху, когда человек эволюционировал, не в его интересах было, достигнув возраста
13:54
at the age of most people at this conference, like myself,
286
810000
3000
большинства участников этой конференции, например, моего возраста,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
продолжать жить много дольше, так как в этом случае истощались бы драгоценные ресурсы,
14:01
which were better deployed towards the children
288
817000
1000
которые следовало бы
14:02
and those caring for them.
289
818000
2000
направить детям и тем, кто их растит.
14:04
So, life -- long lifespans --
290
820000
2000
Поэтому продолжительная жизнь,
14:06
like, that is to say, much more than 30 --
291
822000
2000
то есть намного дольше 30 лет,
14:08
weren't selected for,
292
824000
3000
не имела при эволюционном отборе преимуществ.
14:11
but we are learning to actually manipulate
293
827000
3000
Однако мы учимся влиять на эти программки
14:14
and change these software programs
294
830000
2000
и изменять их благодаря
14:16
through the biotechnology revolution.
295
832000
2000
революции в биотехнологии. Например,
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
мы может подавлять гены посредством вмешательства на уровне РНК.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Интересные новые формы генной терапии
14:24
that overcome the problem of placing the genetic material
298
840000
2000
решают проблему размещения генетического материала
14:26
in the right place on the chromosome.
299
842000
2000
в нужном месте хромосомы.
14:28
There's actually a -- for the first time now,
300
844000
3000
Сейчас методы генной терапии впервые перешли
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
к этапу испытания на людях с целью излечения от
14:34
a fatal disease -- using gene therapy.
302
850000
3000
смертельного заболевания –лёгочной гипертензии.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Так что, в будущем будут не только дети на заказ, но и старички на заказ.
14:40
And this technology is also accelerating.
304
856000
3000
Эта технология тоже ускоряется.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
В 1990-м году секвенирование одной пары оснований стоило 10 долларов,
14:46
then a penny in 2000.
306
862000
2000
в 2000-м году – один цент,
14:48
It's now under a 10th of a cent.
307
864000
2000
а сейчас – менее 1/10 цента.
14:50
The amount of genetic data --
308
866000
2000
Количество генетической информации…
14:52
basically this shows that smooth exponential growth
309
868000
3000
Этот график отражает гладкий экспоненциальный рост
14:55
doubled every year,
310
871000
2000
с ежегодным удвоением,
14:57
enabling the genome project to be completed.
311
873000
3000
что и позволило завершить проект "Геном человека".
15:00
Another major revolution: the communications revolution.
312
876000
3000
Ещё одна крупная революция – коммуникационная. Производительность
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
на единицу цены, пропускная способность, мощность, измеренные самыми разными методами;
15:08
wired, wireless is growing exponentially.
314
884000
3000
проводная и беспроводная связь – всё это растёт экспоненциально.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
Интернет как удваивал, так и продолжает удваивать мощность,
15:14
measured many different ways.
316
890000
2000
согласно самым разнообразным измерениям.
15:16
This is based on the number of hosts.
317
892000
2000
Вот это, например, основано на количестве узлов сети.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Миниатюризация: размер технических средств
15:20
at an exponential rate,
319
896000
2000
уменьшается экспоненциально,
15:22
both wired and wireless.
320
898000
2000
как проводных, так и беспроводных.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Вот пара проектов из книги Эрика Дрекслера –
15:28
which we're now showing are feasible
322
904000
2000
как теперь показано с помощью симуляций
15:30
with super-computing simulations,
323
906000
2000
на суперкомпьютере, это вполне реально, –
15:32
where actually there are scientists building
324
908000
2000
где учёные конструируют
15:34
molecule-scale robots.
325
910000
2000
роботов молекулярных размеров.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
У одного робота удивительно человеческая походка,
15:38
that's built out of molecules.
327
914000
3000
но он сконструирован из молекул.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Имеются маленькие механизмы, работающие на экспериментальной основе.
15:45
The most exciting opportunity
329
921000
3000
Самая интересная перспектива –
15:48
is actually to go inside the human body
330
924000
2000
проникновение в человеческое тело
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
и выполнение диагностических и терапевтических функций.
15:53
And this is less futuristic than it may sound.
332
929000
2000
Это не столь фантастично, как может показаться.
15:55
These things have already been done in animals.
333
931000
2000
Подобные опыты уже были проведены на животных. Одно из
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
нанотехнологических устройств лечит диабет 1-го типа. Оно размером с кровяную клетку.
16:01
They put tens of thousands of these
335
937000
2000
Десятки тысяч таких устройств помещаются
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
в клетку крови – испытания проводились на крысах –
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
что позволяет контролировать выделение инсулина
16:07
and actually cures type 1 diabetes.
338
943000
2000
и реально излечивать диабет 1-го типа.
16:09
What you're watching is a design
339
945000
3000
Вы сейчас видите проект создания
16:12
of a robotic red blood cell,
340
948000
2000
красной кровяной клетки-робота.
16:14
and it does bring up the issue that our biology
341
950000
2000
Тут мы сталкиваемся с такой проблемой:
16:16
is actually very sub-optimal,
342
952000
2000
наша биологическая структура недостаточно оптимальна,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
хотя и имеет потрясающую сложность.
16:21
Once we understand its principles of operation,
344
957000
3000
Если мы поймём принцип её функционирования, то,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
с учётом ускорения темпов наших биологических разработок,
16:28
we can actually design these things to be
346
964000
2000
мы сможем разработать устройства,
16:30
thousands of times more capable.
347
966000
2000
в тысячи раз более эффективные.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Анализ искусственного эритроцита, который проектирует Роб Фрейтас, показал, что,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
если удастся заменить 10% красных кровяных клеток этими роботами,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
то можно пробежать олимпийский спринт за 15 минут без единого вдоха,
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
или можно просидеть 4 часа на дне бассейна.
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
Тогда выражение "Дорогая, я пошёл в бассейн" приобретёт новое значение.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
Интересно, что произойдёт с олимпийскими отборочными
16:52
Presumably we'll ban them,
354
988000
2000
соревнованиями. Скорее всего, их упразднят:
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
ведь подростки в физкультурных залах школ будут
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
с лёгкостью превосходить олимпийцев.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Фрейтас разработал проект белой кровяной клетки-робота.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Реализация возможна в районе 2020-го года,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
но они не отдалённы, как может показаться.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Регулярно проводятся 4 крупные конференции по созданию устройств размера кровяных клеток,
17:14
there are many experiments in animals.
361
1010000
2000
много экспериментов проводится на животных,
17:16
There's actually one going into human trial,
362
1012000
2000
а один сейчас – и с людьми,
17:18
so this is feasible technology.
363
1014000
3000
так что эта технология вполне реальна.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Вернёмся к экспоненциальному росту вычислительной техники.
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
Объём вычисления стоимостью в 1000 долларов находится на уровне примерно между
17:27
It will intersect human intelligence
366
1023000
3000
мозгом насекомого и мозгом мыши, и он достигнет уровня человеческого мозга,
17:30
in terms of capacity in the 2020s,
367
1026000
3000
считая только мощность, к 2020-м годам.
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
Но это только аппаратное оборудование.
17:35
Where will we get the software?
369
1031000
2000
Где же взять программное обеспечение?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Оказывается, можно поискать внутри мозга человека.
17:39
and in fact not surprisingly,
371
1035000
2000
Не вызывает удивления ежегодное удвоение
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
разрешающей способности сканирования мозга в пространстве и во времени.
17:45
And with the new generation of scanning tools,
373
1041000
2000
С новым поколением инструментов сканирования
17:47
for the first time we can actually see
374
1043000
2000
мы впервые в состоянии увидеть
17:49
individual inter-neural fibers
375
1045000
2000
отдельные межнейронные волокна
17:51
and see them processing and signaling in real time --
376
1047000
3000
и проследить в реальном времени их обработку и передачу сигналов.
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
Но тут возникает вопрос: Хорошо, мы сегодня можем получить
17:56
but can we understand it?
378
1052000
2000
такие данные, но можем ли мы понять их?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Дуглас Хофштадтер размышляет так: Возможно, наш ум
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
недостаточно большой, чтобы понять себя,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
но если бы мы были умнее, то мозг обладал бы намного большей сложностью,
18:07
and we'd never catch up to it.
382
1063000
2000
за которой мы тоже не угнались бы.
18:10
It turns out that we can understand it.
383
1066000
3000
Как выясняется, понять мозг мы можем.
18:13
This is a block diagram of
384
1069000
3000
Перед вами блок-схема
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
симуляции слуховой коры человеческого мозга.
18:20
that actually works quite well --
386
1076000
2000
Модель хорошо работает в психо-акустических тестах и
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
даёт результаты, весьма близкие к слуховому восприятию у человека.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Вот ещё одна симуляция – мозжечка,
18:29
that's more than half the neurons in the brain --
389
1085000
2000
то есть области, охватывающей более половины всех нейронов мозга.
18:31
again, works very similarly to human skill formation.
390
1087000
3000
Опять-таки, результаты весьма близки к формированию способностей у человека.
18:35
This is at an early stage, but you can show
391
1091000
3000
Исследования находятся на ранней стадии, но можно показать, что
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
при экспоненциальном росте объёма информации о мозге и
18:41
and the exponential improvement
393
1097000
2000
при экспоненциальном росте совершенствования
18:43
in the resolution of brain scanning,
394
1099000
2000
разрешающей способности сканирования мозга,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
конструирование человеческого мозга станет возможно
18:48
by the 2020s.
396
1104000
2000
к 2020-м годам.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Уже имеются хорошие модели и симуляции около 15 регионов
18:53
out of the several hundred.
398
1109000
3000
мозга из общего числа в несколько сот.
18:56
All of this is driving
399
1112000
2000
Всё это даёт импульс экспоненциально
18:58
exponentially growing economic progress.
400
1114000
2000
растущему экономическому прогрессу.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
Производительность труда поднялась за последние 50 лет
19:05
of labor in the last 50 years.
402
1121000
2000
с 30 до 150 долларов в час.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
Объём электронной торговли растёт экспоненциально и уже составил 1 триллион долларов.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Вы спросите, а разве в экономике не было бума и спада?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
Эти явления относятся чисто к рынку капитала. На Уолл-Стрите
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
обнаружили, что у технологии революционный потенциал, что действительно так,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
но через полгода, когда революция всех бизнес-моделей так и не произошла,
19:21
they figured, well, that was wrong,
408
1137000
2000
там решили, что это мнение ошибочно,
19:23
and then we had this bust.
409
1139000
2000
и после этого произошёл спад.
19:26
All right, this is a technology
410
1142000
2000
А вот перед вами технология,
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
создаваемая на базе наших наработок:
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
обычной опцией в мобильном телефоне станет
19:35
It would be able to translate from one language to another.
413
1151000
2000
перевод с одного языка на другой.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
В заключение представлю вам несколько вариантов развития.
19:49
By 2010 computers will disappear.
415
1165000
3000
К 2010-му году компьютеры станут исчезать.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Они будут настолько малыми, что будут внедрены в одежду и в среду.
19:56
Images will be written directly to our retina,
417
1172000
2000
Изображение образов будет вписываться прямо в клетчатку,
19:58
providing full-immersion virtual reality,
418
1174000
2000
что создаст виртуальную реальность полного погружения, т.н.
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
обогащённую реальную реальность. Мы будем общаться с виртуальными личностями.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
А переход к 2029-му году знаменует полную зрелость всех направлений.
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
Надо представлять себе, как много новых оборотов
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
наберут к тому времени всё ускоряющиеся поколения техники.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Производительность увеличится в 2 в 25-й степени раз,
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
то же произойдёт с мощностью и пропускной способностью технологии,
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
что само по себе феноменально.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Техника будет в миллионы раз более мощной, чем сегодня,
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
будет завершено конструирование человеческого мозга,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
вычисления стоимостью в 1000 долларов будут намного продуктивнее
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
человеческого мозга в терминах только мощности.
20:34
Computers will combine
430
1210000
2000
Компьютеры совместят в себе
20:36
the subtle pan-recognition powers
431
1212000
2000
тонкие способности распознавания, присущие человеку,
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
с возможностями в областях, где превосходство машин уже достигнуто:
20:41
in terms of doing analytic thinking,
433
1217000
2000
применение аналитического аппарата и
20:43
remembering billions of facts accurately.
434
1219000
2000
безошибочное запоминание миллиардов фактов.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
Кроме того, машины могут очень быстро обмениваться информацией.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
Но речь не идёт о вторжении пришельцев в виде заумных машин:
20:52
We are going to merge with our technology.
437
1228000
2000
человек начнёт сливаться с техникой.
20:54
These nano-bots I mentioned
438
1230000
2000
Нанороботы, о которых я упоминал, будут
20:56
will first be used for medical and health applications:
439
1232000
4000
использоваться поначалу в медицине и гигиене:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
при очищении среды, создании источников энергии, как то:
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
мощных топливных элементов, распределённых децентрализованных солнечных панелей и прочего.
21:08
But they'll also go inside our brain,
442
1244000
2000
Они же будут работать внутри мозга человека,
21:10
interact with our biological neurons.
443
1246000
2000
взаимодействуя с биологическими нейронами.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Мы указали на главные принципы, при которых такое возможно.
21:15
So, for example,
445
1251000
2000
Например, полное погружение
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
в виртуальную реальность изнутри нервной системы [происходит так]:
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
нанороботы перекрывают сигналы, поступающие от органов чувств,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
и заменяют их на сигналы, получаемые мозгом
21:25
if you were in the virtual environment,
449
1261000
2000
из виртуальной реальности, что создаёт
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
ощущение полного присутствия в виртуальной среде,
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
в которую можно переместиться с друзьями и вместе ощутить
21:31
with anyone involving all of the senses.
452
1267000
2000
любые переживания по всему спектру органов чувств.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
Устройства, которые я называю «Проектором переживаний» разместят целые потоки
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
чувственного опыта на интернете посредством неврологических аналогов эмоций.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Каждый может подключиться и ощутить, что такое стать другим человеком.
21:43
But most importantly,
456
1279000
2000
Но самое главное –
21:45
it'll be a tremendous expansion
457
1281000
2000
человеческий ум получит колоссальное развитие
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
через непосредственное слияние с такой технологией,
21:51
which in some sense we're doing already.
459
1287000
2000
и этим, в каком-то смысле, мы уже занимаемся.
21:53
We routinely do intellectual feats
460
1289000
2000
Для нас стали обыденностью интеллектуальные достижения,
21:55
that would be impossible without our technology.
461
1291000
2000
которые были бы немыслимы без технологии.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
Продолжительность жизни, которая составляла в 1800-м году 37 лет,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
будет очень быстро увеличиваться благодаря революциям
22:05
this will move up very rapidly
464
1301000
2000
в биотехнологии и нанотехнологии
22:07
in the years ahead.
465
1303000
2000
в последующие годы.
22:09
My main message is that progress in technology
466
1305000
4000
Главная мысль, которую я хочу донести, – технический прогресс
22:13
is exponential, not linear.
467
1309000
3000
идёт не линейно, а экспоненциально.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Многие, даже учёные, исходя из линейной модели,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
говорят: «Пройдут сотни лет, прежде чем
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
человек сможет создать самовоспроизводящееся поточное производство нанороботов
22:25
or artificial intelligence."
471
1321000
2000
или искусственный интеллект».
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Но если вникнуть в смысл экспоненциального роста,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
то станет ясно, что это всё станет доступно довольно скоро.
22:33
And information technology is increasingly encompassing
474
1329000
3000
Информационные технологии всё больше охватывают
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
все аспекты нашей жизни: музыку, производство,
22:40
to our biology to our energy to materials.
476
1336000
4000
биологию, энергетику, материалы.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
В 2020-х годах человек сможет производить почти всё, что ему нужно,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
из информации и очень дешёвого сырья,
22:49
using nano-technology.
479
1345000
3000
применяя нанотехнологию.
22:52
These are very powerful technologies.
480
1348000
2000
Такая технология обладает огромной мощью
22:54
They both empower our promise and our peril.
481
1350000
4000
и таит в себе и надежду и погибель.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
А мы обязаны обладать волей, чтобы направить её на правильное применение.
23:01
Thank you very much.
483
1357000
1000
Благодарю вас.
23:02
(Applause)
484
1358000
1000
(Аплодисменты)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com