TED2003
Juan Enriquez: The life code that will reshape the future
Χουάν Ενρίκεζ: Ο κώδικας της ζωής που επανασχηματίσει το μέλλον
Filmed:
Readability: 3.4
831,634 views
Οι επιστημονικές ανακαλύψεις, σημειώνει ο φουτουριστής Χουάν Ενρίκεζ, απαιτούν αλλαγή στον κώδικα και η δυνατότητά μας να ευημερήσουμε βασίζεται στη βαθιά μας γνώση γι' αυτόν τον κώδικα. Εδώ εφαρμόζει αυτήν την αντίληψη στον τομέα της γενωμικής.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:25
I'm supposed to scare you, because it's about fear, right?
0
1000
3000
Υποτίθεται ότι θα πρέπει να σας τρομάξω, διότι έχει σχέση με τον φόβο, σωστά;
00:29
And you should be really afraid,
1
5000
2000
Και θα έπρεπε να είστε πραγματικά φοβισμένοι,
00:31
but not for the reasons why you think you should be.
2
7000
2000
αλλά όχι για τους λόγους που νομίζετε.
00:34
You should be really afraid that --
3
10000
2000
Θα έπρεπε να φοβάστε πραγματικά ότι,
00:36
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
12000
4000
αν γίνεται να δούμε το πρώτο σλάιντ -- ωραία -- ότι χάνετε.
00:42
Because if you spend this week thinking about Iraq and
5
18000
4000
Γιατί αν περάσατε αυτήν την εβδομάδα σκεπτόμενοι το Ιράκ,
00:46
thinking about Bush and thinking about the stock market,
6
22000
4000
σκεπτόμενοι τον Μπους, ή το χρηματιστήριο,
00:50
you're going to miss one of the greatest adventures that we've ever been on.
7
26000
2000
τότε θα χάσετε μια από τις μεγαλύτερες περιπέτειες που έχουμε ζήσει ποτέ.
00:53
And this is what this adventure's really about.
8
29000
2000
Και αυτό είναι αυτή η περιπέτεια.
00:55
This is crystallized DNA.
9
31000
4000
Αυτό είναι κρυσταλλωμένο DNA.
00:59
Every life form on this planet -- every insect, every bacteria, every plant,
10
35000
3000
Κάθε μορφή ζωής σε αυτόν τον πλανήτη --κάθε έντομο, κάθε βακτήριο, κάθε φυτό,
01:02
every animal, every human, every politician -- (Laughter)
11
38000
3000
κάθε ζώο, κάθε άνθρωπος, κάθε πολιτικός -- (Γέλια)
01:07
is coded in that stuff.
12
43000
2000
είναι όλα κωδικοποιημένα σε αυτό το πράγμα.
01:09
And if you want to take a single crystal of DNA, it looks like that.
13
45000
4000
Και άμα θες να πάρεις έναν μόνο κρύσταλλο DNA, τότε φαίνεται κάπως έτσι.
01:13
And we're just beginning to understand this stuff.
14
49000
2000
Μόλις αρχίζουμε να το καταλαβαίνουμε αυτό.
01:16
And this is the single most exciting adventure that we have ever been on.
15
52000
3000
Και αυτή είναι η πιο συναρπαστική περιπέτεια που έχουμε ζήσει ποτέ.
01:20
It's the single greatest mapping project we've ever been on.
16
56000
3000
Είναι το μεγαλύτερο έργο χαρτογράφησης που έχουμε αναλάβει ποτέ.
01:23
If you think that the mapping of America's made a difference,
17
59000
2000
Αν νομίζετε ότι η χαρτογράφηση της Αμερικής έκανε τη διαφορά,
01:25
or landing on the moon, or this other stuff,
18
61000
3000
ή η προσεδάφιση στο φεγγάρι, ή όλα αυτά τα πράγματα,
01:28
it's the map of ourselves and the map of every plant
19
64000
3000
είναι ο χάρτης του εαυτού μας και ο χάρτης κάθε φυτού
01:31
and every insect and every bacteria that really makes a difference.
20
67000
3000
και κάθε εντόμου και κάθε βακτηρίου που στ' αλήθεια κάνει την διαφορά.
01:34
And it's beginning to tell us a lot about evolution.
21
70000
3000
Και έχει αρχίσει να μας λέει πολλά για την εξέλιξη.
01:39
(Laughter)
22
75000
4000
(Γέλια)
01:43
It turns out that what this stuff is --
23
79000
2000
Φαίνεται τελικά, ότι αυτό το πράγμα --
01:45
and Richard Dawkins has written about this --
24
81000
2000
και ο Ρίτσαρντ Ντώκινς έχει γράψει για αυτό --
01:47
is, this is really a river out of Eden.
25
83000
2000
είναι όντως ένα ποτάμι που πηγάζει από την Εδέμ.
01:49
So, the 3.2 billion base pairs inside each of your cells
26
85000
4000
Έτσι τα 3.2 δισεκατομμύρια ζεύγη βάσεων μέσα σε καθένα από τα κύτταρα σας,
01:53
is really a history of where you've been for the past billion years.
27
89000
3000
ουσιαστικά είναι μια ιστορία του πού βρισκόσασταν τα προηγούμενα δισεκατομμύρια χρόνια.
01:56
And we could start dating things,
28
92000
1000
Και μπορούμε να αρχίσουμε να χρονολογούμε πράγματα,
01:57
and we could start changing medicine and archeology.
29
93000
3000
ν' αρχίσουμε ν' αλλάζουμε την ιατρική και την αρχαιολογία.
02:01
It turns out that if you take the human species about 700 years ago,
30
97000
3000
Από ό,τι φαίνεται, εάν πάρουμε το ανθρώπινο είδος περίπου πριν 700 χρόνια,
02:04
white Europeans diverged from black Africans in a very significant way.
31
100000
3000
οι λευκοί Ευρωπαίοι ξεχώρισαν σημαντικά από τους μαύρους Αφρικανούς.
02:07
White Europeans were subject to the plague.
32
103000
5000
Οι λευκοί Ευρωπαίοι πέρασαν την πανούκλα.
02:13
And when they were subject to the plague, most people didn't survive,
33
109000
3000
Και όταν εκτέθηκαν σ' αυτήν, οι περισσότεροι δεν επιβίωσαν,
02:16
but those who survived had a mutation on the CCR5 receptor.
34
112000
4000
αλλά αυτοί που επιβίωσαν είχαν μια μετάλλαξη στον υποδοχέα CCR5.
02:20
And that mutation was passed on to their kids
35
116000
2000
Αυτή η μετάλλαξη πέρασε στα παιδιά τους,
02:22
because they're the ones that survived,
36
118000
2000
γιατί αυτά ήταν που επιβίωσαν,
02:24
so there was a great deal of population pressure.
37
120000
2000
και έτσι υπήρξε αυτή η τεράστια πληθυσμιακή πίεση.
02:26
In Africa, because you didn't have these cities,
38
122000
2000
Στην Αφρική επειδή δεν υπήρχαν μεγάλες πόλεις,
02:28
you didn't have that CCR5 population pressure mutation.
39
124000
3000
δεν υπήρξε αυτή η πληθυσμιακή πίεση για τη μετάλλαξη του υποδοχέα CCR5.
02:31
We can date it to 700 years ago.
40
127000
3000
Μπορούμε να το χρονολογήσουμε στα 700 χρόνια πριν.
02:34
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
130000
4000
Αυτός είναι ένας λόγος που το AIDS εξαπλώνεται σε όλη την Αφρική μ' αυτήν την ταχύτητα,
02:38
and not as fast across Europe.
42
134000
4000
ενώ δεν εξαπλώνεται τόσο γρήγορα στην Ευρώπη.
02:42
And we're beginning to find these little things for malaria,
43
138000
3000
Και αρχίζουμε σιγά σιγά να βρίσκουμε αυτές τις λεπτομέρειες για την ελονοσία,
02:45
for sickle cell, for cancers.
44
141000
3000
την δρεπανοκυτταρική αναιμία και τους καρκίνους.
02:49
And in the measure that we map ourselves,
45
145000
2000
Στο μέτρο που χαρτογραφούμε τους εαυτούς μας,
02:51
this is the single greatest adventure that we'll ever be on.
46
147000
2000
αυτή είναι η μεγαλύτερη περιπέτεια που θα ζήσουμε ποτέ.
02:53
And this Friday, I want you to pull out a really good bottle of wine,
47
149000
4000
Και αυτήν την Παρασκευή, θέλω να βγάλετε ένα πολύ καλό μπουκάλι κρασί,
02:57
and I want you to toast these two people.
48
153000
2000
και να πιείτε για αυτούς τους δυο ανθρώπους.
03:00
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
156000
4000
Γιατί αυτήν την Παρασκευή, πριν 50 χρόνια, οι Γουότσον και Κρικ ανακάλυψαν την δομή του DNA
03:04
and that is almost as important a date
50
160000
3000
και αυτή είναι μια σχεδόν εξίσου σημαντική ημερομηνία
03:07
as the 12th of February when we first mapped ourselves,
51
163000
3000
με τη 12η Φεβρουαρίου, όταν χαρτογραφήσαμε τους εαυτούς μας για πρώτη φορά.
03:10
but anyway, we'll get to that.
52
166000
2000
Αλλά θα φτάσουμε και σ' αυτό.
03:12
I thought we'd talk about the new zoo.
53
168000
2000
Έλεγα να μιλήσουμε για τον καινούργιο ζωολογικό κήπο.
03:14
So, all you guys have heard about DNA, all the stuff that DNA does,
54
170000
4000
Έτσι λοιπόν, όλοι σας έχετε ακούσει για το DNA και για όλα όσα αυτό κάνει.
03:18
but some of the stuff we're discovering is kind of nifty
55
174000
3000
αλλά ορισμένα από τα πράγματα που ανακαλύπτουμε έχουν και κάποια πρακτική σημασία,
03:21
because this turns out to be the single most abundant species on the planet.
56
177000
5000
γιατί αυτό φαίνεται να είναι το πιο άφθονο είδος στον πλανήτη.
03:26
If you think you're successful or cockroaches are successful,
57
182000
3000
Αν νομίζετε ότι εσείς ή οι κατσαρίδες είστε πετυχημένοι,
03:29
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
185000
3000
από ό,τι φαίνεται υπάρχουν κάπου 10 τρισεκατομμύρια τρισεκατομμυρίων Πλευρόκοκκοι εκεί έξω.
03:32
And we didn't know that Pleurococcus was out there,
59
188000
3000
Και εμείς δεν ξέραμε ότι ο Πλευρόκοκκος ήταν έκει έξω,
03:35
which is part of the reason
60
191000
1000
πράγμα που είναι μέρος του λόγου,
03:36
why this whole species-mapping project is so important.
61
192000
5000
για τον οποίο όλη αυτή η χαρτογράφηση των ειδών είναι τόσο σημαντική.
03:41
Because we're just beginning to learn
62
197000
2000
Διότι μόλις αρχίζουμε να μαθαίνουμε,
03:43
where we came from and what we are.
63
199000
1000
από που ερχόμαστε και τι είμαστε.
03:45
And we're finding amoebas like this. This is the amoeba dubia.
64
201000
3000
Βρίσκουμε αμοιβάδες σαν και αυτήν. Αυτή είναι η Amoeba dubia.
03:49
And the amoeba dubia doesn't look like much,
65
205000
2000
και μπορεί να μην της φαίνεται και πολύ,
03:51
except that each of you has about 3.2 billion letters,
66
207000
3000
εκτός του ότι ο καθένας από σας έχει κάπου 3.2 δισεκατομμύρια γράμματα,
03:54
which is what makes you you,
67
210000
2000
που είναι αυτό που κάνει εσάς να είστε εσείς,
03:56
as far as gene code inside each of your cells,
68
212000
3000
όσον αφορά το γενετικό κωδικό μέσα στα κύτταρά σας,
03:59
and this little amoeba which, you know,
69
215000
3000
ενώ αυτή η μικρή αμοιβάδα, η οποία
04:02
sits in water in hundreds and millions and billions,
70
218000
2000
βρίσκεται στο νερό σε εκατοντάδες κι εκατομμύρια και δισεκατομμύρια,
04:05
turns out to have 620 billion base pairs of gene code inside.
71
221000
6000
έχει όπως φαίνεται, 620 δισεκατομμύρια ζεύγη βάσεων γενετικού κώδικα.
04:11
So, this little thingamajig has a genome
72
227000
3000
Έτσι αυτό το πραγματάκι έχει ένα γονιδίωμα,
04:14
that's 200 times the size of yours.
73
230000
2000
200 φορές μεγαλύτερο από το δικό σας.
04:17
And if you're thinking of efficient information storage mechanisms,
74
233000
3000
Εάν σκέφτεστε αποδοτικούς μηχανισμούς αποθήκευσης πληροφοριών,
04:21
it may not turn out to be chips.
75
237000
2000
ίσως να μην είναι τελικά τα μικροτσίπς.
04:24
It may turn out to be something that looks a little like that amoeba.
76
240000
4000
Μπορεί να είναι κάτι που μοιάζει λίγο μ' αυτή την αμοιβάδα.
04:28
And, again, we're learning from life and how life works.
77
244000
4000
Έτσι μαθαίνουμε και πάλι από την ζωή και για το πώς αυτή λειτουργεί.
04:32
This funky little thing: people didn't used to think
78
248000
4000
Άλλο μικρό πραγματάκι: οι άνθρωποι θεωρούσαν
04:36
that it was worth taking samples out of nuclear reactors
79
252000
3000
ότι δεν άξιζε τον κόπο να πάρει κανείς δείγματα από πυρηνικούς αντιδραστήρες,
04:39
because it was dangerous and, of course, nothing lived there.
80
255000
3000
γιατί ήταν επικίνδυνο και φυσικά τίποτα δε ζούσε εκεί.
04:42
And then finally somebody picked up a microscope
81
258000
3000
Μέχρι που τελικά κάποιος πήρε ένα μικροσκόπιο
04:45
and looked at the water that was sitting next to the cores.
82
261000
3000
κι εξέτασε το νερό που στεκόταν δίπλα στους αντιδραστήρες.
04:48
And sitting next to that water in the cores
83
264000
2000
και στο νερό αυτό, δίπλα στους αντιδραστήρες, βρέθηκε
04:50
was this little Deinococcus radiodurans, doing a backstroke,
84
266000
3000
ο μικρός Deinococcus radiodurans, να κάνει ύπτια κολύμβηση
04:53
having its chromosomes blown apart every day,
85
269000
2000
με τα χρωμοσώματα του να διασπώνται κάθε μέρα,
04:55
six, seven times, restitching them,
86
271000
3000
6, 7 φορές και αυτό να τα ξαναράβει
04:58
living in about 200 times the radiation that would kill you.
87
274000
2000
ζώντας σε ραδιενέργεια 200 φορές μεγαλύτερη από αυτήν που θα σας σκότωνε.
05:01
And by now you should be getting a hint as to how diverse
88
277000
3000
Κάπου εδώ θα πρέπει να έχετε τις υποψίες σας σχετικά με το πόσο ποικιλόμορφο,
05:04
and how important and how interesting this journey into life is,
89
280000
2000
πόσο σημαντικό κι ενδιαφέρον είναι αυτό το ταξίδι στην ζωή,
05:06
and how many different life forms there are,
90
282000
3000
και πόσες πολλές διαφορετικές μορφές ζωής υπάρχουν,
05:09
and how there can be different life forms living in
91
285000
3000
και πώς τόσες διαφορετικές μορφές ζωής μπορούν να ζουν
05:12
very different places, maybe even outside of this planet.
92
288000
3000
σε πολύ διαφορετικά μέρη, ίσως ακόμα κι εκτός αυτού του πλανήτη
05:16
Because if you can live in radiation that looks like this,
93
292000
2000
Διότι αν μπορείς να ζεις με ραδιενέργεια σαν και αυτήν,
05:18
that brings up a whole series of interesting questions.
94
294000
3000
αυτό γεννά μια σειρά από ενδιαφέρουσες ερωτήσεις.
05:22
This little thingamajig: we didn't know this thingamajig existed.
95
298000
3000
Αυτό το πραγματάκι -- Δεν γνωρίζαμε καν ότι υπήρχε.
05:26
We should have known that this existed
96
302000
2000
Θα έπρεπε να ξέρουμε ότι υπήρχε,
05:28
because this is the only bacteria that you can see to the naked eye.
97
304000
3000
επειδή αυτό είναι το μόνο βακτήριο που μπορούμε να δούμε με γυμνό μάτι.
05:31
So, this thing is 0.75 millimeters.
98
307000
3000
Έχει μέγεθος 0,75 χιλιοστά.
05:34
It lives in a deep trench off the coast of Namibia.
99
310000
2000
Ζει σε μια βαθιά χαράδρα λίγο έξω από την ακτή της Namibia.
05:37
And what you're looking at with this namibiensis
100
313000
2000
Και αυτό που βλέπετε εδώ
05:39
is the biggest bacteria we've ever seen.
101
315000
2000
είναι το μεγαλύτερο βακτήριο που έχουμε δει ποτέ.
05:41
So, it's about the size of a little period on a sentence.
102
317000
3000
Είναι περίπου στο μέγεθος μιας μικρής τελείας σε μια πρόταση.
05:45
Again, we didn't know this thing was there three years ago.
103
321000
4000
Επαναλαμβάνω πως δεν ξέραμε μόλις πριν από 3 χρόνια, ότι αυτό το πράγμα υπήρχε.
05:49
We're just beginning this journey of life in the new zoo.
104
325000
3000
Μόλις τώρα ξεκινάμε αυτό το ταξίδι της ζωής στον νέο ζωολογικό κήπο.
05:53
This is a really odd one. This is Ferroplasma.
105
329000
3000
Αυτό είναι ένα πραγματικά περίεργο πλάσμα. Ονομάζεται Φερρόπλασμα.
05:57
The reason why Ferroplasma is interesting is because it eats iron,
106
333000
3000
Ο λόγος που το Φερρόπλασμα έχει ενδιαφέρον, είναι επειδή τρώει σίδηρο,
06:01
lives inside the equivalent of battery acid,
107
337000
3000
ζει μέσα σε περιβάλλον αντίστοιχο με οξύ μπαταρίας,
06:05
and excretes sulfuric acid.
108
341000
2000
και απεκκρίνει θειικό οξύ.
06:09
So, when you think of odd life forms,
109
345000
2000
Έτσι, όταν σκέφτεται κανείς περίεργες μορφές ζωής,
06:11
when you think of what it takes to live,
110
347000
3000
και τι χρειάζεται για να ζει κάτι,
06:15
it turns out this is a very efficient life form,
111
351000
2000
αυτή φαίνεται να είναι μια πολύ αποδοτική μορφή ζωής,
06:17
and they call it an archaea. Archaea means "the ancient ones."
112
353000
4000
και ανήκει στα Αρχαιοβακτήρια, από την ελληνική λέξη "αρχαίος".
06:21
And the reason why they're ancient is because this thing came up
113
357000
4000
Ο λόγος που ονομάζονται Αρχαία είναι επειδή εμφανίστηκαν
06:25
when this planet was covered
114
361000
2000
όταν ο πλανήτης ήταν καλυμμένος
06:27
by things like sulfuric acid in batteries,
115
363000
1000
με ουσίες όπως θειικό οξύ μπαταριών,
06:28
and it was eating iron when the earth was part of a melted core.
116
364000
4000
και αυτό έτρωγε σίδηρο όταν η γη ήταν τμήμα ενός λιωμένου πυρήνα.
06:33
So, it's not just dogs and cats and whales and dolphins
117
369000
4000
Άρα, δεν είναι μόνο σκύλοι και γάτες, φάλαινες και δελφίνια,
06:37
that you should be aware of and interested in on this little journey.
118
373000
4000
τα μόνα που θα πρέπει να γνωρίζετε σε αυτό το μικρό ταξίδι.
06:41
Your fear should be that you are not,
119
377000
3000
Ο φόβος σας θα έπρεπε να είναι ότι,
06:44
that you're paying attention to stuff which is temporal.
120
380000
3000
δίνετε σημασία σε πράγματα που είναι παροδικά.
06:47
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
383000
5000
Εννοώ, ο Τζωρτζ Μπους -- αυτός θα φύγει, σωστά; Η ζωή δεν πρόκειται.
06:53
Whether the humans survive or don't survive,
122
389000
3000
Είτε οι άνθρωποι επιβιώσουν είτε όχι,
06:56
these things are going to be living on this planet or other planets.
123
392000
3000
αυτά τα πράγματα θα ζούνε σ' αυτόν τον πλανήτη ή σε άλλους.
06:59
And it's just beginning to understand this code of DNA
124
395000
4000
Αυτή είναι η αρχή της κατανόησης του κώδικα του DNA
07:03
that's really the most exciting intellectual adventure
125
399000
3000
που είναι η πιο συναρπαστική νοητική περιπέτεια
07:06
that we've ever been on.
126
402000
3000
που έχουμε ζήσει ποτέ.
07:09
And you can do strange things with this stuff. This is a baby gar.
127
405000
4000
Και μπορείς να κάνεις περίεργα πράγματα με όλα αυτά.Αυτό είναι ένα βρέφος Γκαρ.
07:13
Conservation group gets together,
128
409000
2000
Ομάδες διατήρησης ειδών συγκεντρώνονται,
07:15
tries to figure out how to breed an animal that's almost extinct.
129
411000
4000
και προσπαθούν να βρούνε έναν τρόπο ν' αναπαράγουν ένα ζώο που έχει σχεδόν εξαφανιστεί.
07:20
They can't do it naturally, so what they do with this thing is
130
416000
3000
Δεν μπορούν να το κάνουν με φυσικό τρόπο, έτσι αυτό που κάνουν,
07:23
they take a spoon, take some cells out of an adult gar's mouth, code,
131
419000
5000
είναι να παίρνουν μ' ένα κουτάλι μερικά κύτταρα από το στόμα ενός ενήλικου Γκαρ, διαβάζουν τον κώδικα,
07:29
take the cells from that and insert it into a fertilized cow's egg,
132
425000
4000
και τα βάζουν σε ένα γονιμοποιημένο ωάριο αγελάδας,
07:34
reprogram cow's egg -- different gene code.
133
430000
3000
επαναπρογραμματίζοντας το ωάριο της αγελάδας με διαφορετικό γενετικό κώδικα.
07:38
When you do that, the cow gives birth to a gar.
134
434000
4000
Όταν το κάνεις αυτό, η αγελάδα γεννάει Γκαρ.
07:43
We are now experimenting with bongos, pandas, elims, Sumatran tigers,
135
439000
6000
Τώρα πειραματιζόμαστε με μπόνγκο, πάντα, ελίμ, τίγρεις της Σουμάτρα,
07:49
and the Australians -- bless their hearts --
136
445000
3000
και οι Αυστραλοί -- ο Θεός να τους έχει καλά--
07:52
are playing with these things.
137
448000
1000
παίζουν με αυτά τα πράγματα.
07:53
Now, the last of these things died in September 1936.
138
449000
4000
Το τελευταίο από αυτά τα πλάσματα πέθανε τον Σεπτέμβριο του 1936.
07:57
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
453000
4000
Αυτές είναι τίγρεις της Τασμανίας. Η τελευταία πέθανε στον ζωολογικό κήπο Hobart.
08:01
But it turns out that as we learn more about gene code
140
457000
3000
Αλλά απ' ό,τι φαίνεται, όσο πιο πολλά μαθαίνουμε για τον γενετικό κώδικα
08:04
and how to reprogram species,
141
460000
2000
και το πώς να επαναπρογραμματίζουμε είδη,
08:06
we may be able to close the gene gaps in deteriorate DNA.
142
462000
5000
ίσως να μπορούμε να καλύψουμε τα γενετικά κενά στο αλλοιωμένο DNA.
08:11
And when we learn how to close the gene gaps,
143
467000
3000
Μόλις μάθουμε πώς να καλύψουμε τα γενετικά κενά,
08:14
then we can put a full string of DNA together.
144
470000
2000
τότε θα μπορούμε να "συρράψουμε" μια ολόκληρη αλυσίδα DNA.
08:17
And if we do that, and insert this into a fertilized wolf's egg,
145
473000
4000
Και αν καταφέρουμε αυτό και το βάλουμε σε ένα γονιμοποιημένο ωάριο λύκου,
08:22
we may give birth to an animal
146
478000
2000
τότε ίσως καταφέρουμε να δώσουμε ζωή σ' ένα ζώο
08:24
that hasn't walked the earth since 1936.
147
480000
2000
το οποίο δεν έχει περπατήσει στην γη από το 1936.
08:27
And then you can start going back further,
148
483000
2000
Και ύστερα θα μπορούμε να πάμε ακόμα πιο πίσω,
08:29
and you can start thinking about dodos,
149
485000
2000
και ν' αρχίσουμε να σκεφτόμαστε τα πτηνά ντόντο,
08:32
and you can think about other species.
150
488000
1000
ίσως και άλλα είδη.
08:34
And in other places, like Maryland, they're trying to figure out
151
490000
3000
Σε κάποια μέρη, όπως στο Maryland, προσπαθούν να καταλάβουν,
08:37
what the primordial ancestor is.
152
493000
2000
ποιος είναι ο πρωταρχικός πρόγονος.
08:39
Because each of us contains our entire gene code
153
495000
3000
Γιατί ο καθένας από εμάς εμπεριέχει ολόκληρο τον γενετικό κώδικα
08:42
of where we've been for the past billion years,
154
498000
3000
για το πού βρισκόμασταν τα τελευταία δισεκατομμύρια χρόνια,
08:45
because we've evolved from that stuff,
155
501000
2000
γιατί εμείς εξελιχθήκαμε από αυτό,
08:47
you can take that tree of life and collapse it back,
156
503000
2000
κι έτσι μπορείς να πάρεις το δέντρο της ζωής και να το ακολουθήσεις αντίστροφα,
08:49
and in the measure that you learn to reprogram,
157
505000
3000
και στο μέτρο που θα έχουμε μάθει να επαναπρογραμματίζουμε,
08:52
maybe we'll give birth to something
158
508000
2000
ίσως να καταφέρουμε να δώσουμε ζωή σε κάτι
08:54
that is very close to the first primordial ooze.
159
510000
2000
που να είναι πολύ κοντά στον πρωταρχικό πρόγονο.
08:56
And it's all coming out of things that look like this.
160
512000
2000
Και όλα αυτά έρχονται από πράγματα σαν και αυτό.
08:58
These are companies that didn't exist five years ago.
161
514000
2000
Αυτές οι εταιρείες δεν υπήρχαν μόλις πριν 5 χρόνια.
09:00
Huge gene sequencing facilities the size of football fields.
162
516000
4000
Τεράστιες εγκαταστάσεις γενετικής ακολουθίας στο μέγεθος ποδοσφαιρικών γηπέδων.
09:04
Some are public. Some are private.
163
520000
2000
Μερικές είναι δημόσιες, μερικές ιδιωτικές.
09:06
It takes about 5 billion dollars to sequence a human being the first time.
164
522000
3000
Χρειάστηκαν 5 δισεκατομμύρια δολάρια για να αποκρυπτογραφηθεί η πρώτη ανθρώπινη ακολουθία.
09:10
Takes about 3 million dollars the second time.
165
526000
2000
Χρειάστηκαν 3 εκατομμύρια δολάρια για την δεύτερη φορά.
09:12
We will have a 1,000-dollar genome within the next five to eight years.
166
528000
4000
Θα έχουμε γονιδίωμα με 1.000 δολάρια μέσα στα επόμενα 5 ως 8 χρόνια.
09:16
That means each of you will contain on a CD your entire gene code.
167
532000
4000
Αυτό σημαίνει ότι ο καθένας από εσάς θα έχει σε ένα CD ολόκληρο τον γενετικό του κώδικα.
09:21
And it will be really boring. It will read like this.
168
537000
2000
Και θα είναι πολύ βαρετός. Θα είναι κάπως έτσι.
09:24
(Laughter)
169
540000
2000
(γέλια)
09:26
The really neat thing about this stuff is that's life.
170
542000
2000
Το ωραίο πράγμα με αυτά είναι ότι αυτό είναι η ζωή.
09:28
And Laurie's going to talk about this one a little bit.
171
544000
3000
Και η Λώρυ θα μιλήσει για αυτό λιγάκι.
09:31
Because if you happen to find this one inside your body,
172
547000
2000
Γιατί εάν τύχει και βρείτε αυτό μέσα στο σώμα σας,
09:33
you're in big trouble, because that's the source code for Ebola.
173
549000
2000
τότε έχετε μπλέξει, διότι αυτό είναι ο κώδικας για τον ιό Έμπολα.
09:37
That's one of the deadliest diseases known to humans.
174
553000
2000
Είναι μια από τις πιο θανατηφόρες αρρώστιες γνωστές στον άνθρωπο.
09:39
But plants work the same way and insects work the same way,
175
555000
2000
Αλλά και τα φυτά δουλεύουν με τον ίδιο τρόπο, όπως και τα έντομα,
09:41
and this apple works the same way.
176
557000
2000
και αυτό το μήλο δουλεύει με τον ίδιο τρόπο.
09:43
This apple is the same thing as this floppy disk.
177
559000
2000
Αυτό το μήλο είναι το ίδιο πράγμα με μια δισκέτα.
09:45
Because this thing codes ones and zeros,
178
561000
2000
Γιατί αυτό το πράγμα κωδικοποιεί 1 και 0,
09:47
and this thing codes A, T, C, Gs, and it sits up there,
179
563000
2000
και αυτό το πράγμα κωδικοποιεί Α, Τ, C και G, και κάθεται εκεί πάνω,
09:49
absorbing energy on a tree, and one fine day
180
565000
3000
απορροφώντας ενέργεια πάνω σε ένα δέντρο, ώσπου μια ωραία μέρα
09:52
it has enough energy to say, execute, and it goes [thump]. Right?
181
568000
4000
όταν έχει αρκετή ενέργεια για να πει, "εκτέλεσε", πέφτει. Σωστά;
09:56
(Laughter)
182
572000
3000
(Γέλια)
09:59
And when it does that, pushes a .EXE, what it does is,
183
575000
4000
Και όταν κάνει αυτό, σπρώχνει ένα αρχείο .EXE και αυτό που κάνει,
10:03
it executes the first line of code, which reads just like that,
184
579000
3000
είναι ότι εκτελεί την πρώτη γραμμή του κώδικα, που λέει αυτό:
10:06
AATCAGGGACCC, and that means: make a root.
185
582000
3000
AATCAGGGACCC, και αυτό σημαίνει-- φτιάξε ρίζα.
10:09
Next line of code: make a stem.
186
585000
2000
Επόμενη γραμμή κώδικα-- φτιάξε μίσχο.
10:11
Next line of code, TACGGGG: make a flower that's white,
187
587000
3000
Επόμενη γραμμή κώδικα, TACGGGG -- φτιάξε ένα λουλούδι που να είναι άσπρο,
10:14
that blooms in the spring, that smells like this.
188
590000
3000
ν' ανθίζει την άνοιξη και να μυρίζει έτσι.
10:17
In the measure that you have the code
189
593000
2000
Στο μέτρο που έχεις τον κώδικα
10:19
and the measure that you read it --
190
595000
3000
και στο μέτρο που τον διαβάζεις --
10:22
and, by the way, the first plant was read two years ago;
191
598000
2000
και παρεμπιπτόντως, το πρώτο φυτό διαβάστηκε πριν 2 χρόνια,
10:24
the first human was read two years ago;
192
600000
2000
ο πρώτος άνθρωπος διαβάστηκε πριν 2 χρόνια,
10:26
the first insect was read two years ago.
193
602000
2000
το πρώτο έντομο διαβάστηκε πριν 2 χρόνια.
10:28
The first thing that we ever read was in 1995:
194
604000
3000
Το πρώτο πράγμα που διαβάσαμε ήτανε το 1995,
10:31
a little bacteria called Haemophilus influenzae.
195
607000
2000
ένα μικρό βακτήριο που λέγετε Αιμόφιλος της Ινφλουένζας.
10:34
In the measure that you have the source code, as all of you know,
196
610000
3000
Στο μέτρο που έχεις τον κώδικα, όπως όλοι σας ξέρετε,
10:37
you can change the source code, and you can reprogram life forms
197
613000
2000
μπορείς να τον αλλάξεις και να επαναπρογραμματίσεις μορφές ζωής,
10:39
so that this little thingy becomes a vaccine,
198
615000
2000
έτσι ώστε αυτό το πραγματάκι να γίνει ένα εμβόλιο,
10:41
or this little thingy starts producing biomaterials,
199
617000
3000
ή αυτό το πραγματάκι να αρχίσει να φτιάχνει βιοϋλικά,
10:44
which is why DuPont is now growing a form of polyester
200
620000
3000
κι αυτός είναι ο λόγος που η εταιρεία DuPont αναπτύσσει μια μορφή πολυεστέρα,
10:47
that feels like silk in corn.
201
623000
2000
η οποία έχει αίσθηση μεταξιού, μέσα σε καλαμπόκι.
10:50
This changes all rules. This is life, but we're reprogramming it.
202
626000
5000
Αυτό αλλάζει όλους τους κανόνες. Αυτό είναι ζωή, αλλά την επαναπρογραμματίζουμε.
10:57
This is what you look like. This is one of your chromosomes.
203
633000
4000
Αυτό είναι το πώς φαίνεστε. Να ένα από τα χρωμοσώματά σας.
11:01
And what you can do now is,
204
637000
2000
Αυτό που μπορείς να κάνεις τώρα,
11:03
you can outlay exactly what your chromosome is,
205
639000
3000
είναι να δεις ποιο ακριβώς είναι το χρωμόσωμά σου,
11:06
and what the gene code on that chromosome is right here,
206
642000
3000
και ποιος γενετικός κώδικας βρίσκεται σ' αυτό το χρωμόσωμα,
11:09
and what those genes code for, and what animals they code against,
207
645000
3000
ποιο πράγμα κωδικοποιούν αυτά τα γονίδια και ενάντια σε ποια ζώα,
11:12
and then you can tie it to the literature.
208
648000
2000
και τότε μπορείς να το συσχετίσεις με τη βιβλιογραφία.
11:14
And in the measure that you can do that, you can go home today,
209
650000
3000
Στο μέτρο που μπορείς να το κάνεις αυτό, μπορείς να πας σπίτι σήμερα,
11:17
and get on the Internet, and access
210
653000
2000
να μπεις στο διαδίκτυο και να έχεις πρόσβαση
11:19
the world's biggest public library, which is a library of life.
211
655000
3000
στην μεγαλύτερη παγκοσμίως δημόσια βιβλιοθήκη, που είναι μια βιβλιοθήκη της ζωής.
11:23
And you can do some pretty strange things
212
659000
2000
Μπορείς να κάνεις μερικά αρκετά περίεργα πράγματα,
11:25
because in the same way as you can reprogram this apple,
213
661000
2000
γιατί με τον ίδιο τρόπο που μπορείς να επαναπρογραμματίσεις αυτό το μήλο,
11:28
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
664000
2000
εαν πας στο εργαστήριο του Cliff Tabin στην Ιατρική σχολή του Harvard,
11:31
he's reprogramming chicken embryos to grow more wings.
215
667000
4000
επαναπρογραμματίζει έμβρυα κοτόπουλων για να βγάλουν περισσότερες φτερούγες.
11:37
Why would Cliff be doing that? He doesn't have a restaurant.
216
673000
3000
Τώρα γιατί ο Cliff να το κάνει αυτό; Δεν είναι ότι έχει εστιατόριο.
11:40
(Laughter)
217
676000
1000
(Γέλια)
11:42
The reason why he's reprogramming that animal to have more wings
218
678000
3000
Ο λόγος που επαναπρογραμματίζει αυτό το ζώο να έχει πιο πολλές φτερούγες
11:45
is because when you used to play with lizards as a little child,
219
681000
3000
είναι επειδή όταν παίζατε με τις σαύρες όταν ήσασταν μικρό παιδί,
11:48
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
684000
4000
και πιάνατε μια σαύρα, μερικές φορές η ουρά της έπεφτε, αλλά μετά έβγαινε ξανά.
11:52
Not so in human beings:
221
688000
3000
Δεν συμβαίνει όμως το ίδιο στους ανθρώπους:
11:55
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
691000
3000
Αν κόψεις ένα χέρι, κόψεις ένα πόδι, δεν ξαναμεγαλώνουν.
11:58
But because each of your cells contains your entire gene code,
223
694000
4000
Αλλά επειδή το καθένα από τα κύτταρά σου περιέχει ολόκληρο τον γενετικό σου κώδικα,
12:03
each cell can be reprogrammed, if we don't stop stem cell research
224
699000
4000
το κάθε κύτταρο μπορεί να επαναπρογραμματιστεί, αν δεν σταματήσουμε την έρευνα των βλαστοκυττάρων,
12:07
and if we don't stop genomic research,
225
703000
2000
κι αν δεν σταματήσουμε την γενωμική έρευνα,
12:09
to express different body functions.
226
705000
3000
έτσι ώστε να εκφράζει διαφορετικές σωματικές λειτουργίες.
12:13
And in the measure that we learn how chickens grow wings,
227
709000
3000
Στο μέτρο που θα μάθουμε πώς να μεγαλώνουμε φτερούγες σε κοτόπουλα,
12:16
and what the program is for those cells to differentiate,
228
712000
2000
και ποιο είναι το πρόγραμμα για να διαφοροποιηθούν αυτά τα κύτταρα,
12:18
one of the things we're going to be able to do
229
714000
3000
ένα από τα πράγματα που θα μπορούμε να κάνουμε
12:21
is to stop undifferentiated cells, which you know as cancer,
230
717000
3000
θα είναι να σταματήσουμε αδιαφοροποίητα κύτταρα, τα οποία γνωρίζετε ως καρκίνο,
12:25
and one of the things we're going to learn how to do
231
721000
2000
και ένα από τα πράγμα που θα μάθουμε πώς να κάνουμε
12:27
is how to reprogram cells like stem cells
232
723000
3000
θα είναι πώς να επαναπρογραμματίζουμε κύτταρα σαν τα βλαστοκύτταρα
12:30
in such a way that they express bone, stomach, skin, pancreas.
233
726000
6000
με τέτοιο τρόπο, ώστε να εκφράζουν κόκκαλο, στομάχι, δέρμα, πάγκρεας.
12:37
And you are likely to be wandering around -- and your children --
234
733000
3000
Και μπορεί να καταλήξετε να κινείστε -- εσείς και τα παιδιά σας --
12:40
on regrown body parts in a reasonable period of time,
235
736000
3000
πάνω σε μέλη που έχουν ξαναμεγαλώσει, μέσα σε μια σχετικά λογική χρονική περίοδο,
12:44
in some places in the world where they don't stop the research.
236
740000
3000
σε κάποια μέρη στον κόσμο που δεν σταματάνε την έρευνα.
12:49
How's this stuff work? If each of you differs
237
745000
5000
Πως λειτουργούν αυτά τα πράγματα; Εάν ο καθένας από εσάς διαφέρει
12:54
from the person next to you by one in a thousand, but only three percent codes,
238
750000
3000
από τον διπλανό του κατά ένα στα χίλια, αλλά μόνο το 3% αυτού κωδικοποιείται,
12:57
which means it's only one in a thousand times three percent,
239
753000
2000
αυτό σημαίνει ότι είναι μόνο ένα στα χίλια επί 3%,
12:59
very small differences in expression and punctuation
240
755000
3000
δηλαδή πολύ μικρές διαφορές στην έκφραση και τη στίξη
13:02
can make a significant difference. Take a simple declarative sentence.
241
758000
3000
μπορούν να προκαλέσουν μεγάλες διαφορές. Ορίστε μια απλή πρόταση δήλωσης:
13:07
(Laughter)
242
763000
2000
[Μια γυναίκα χωρίς τον άντρα της είναι ένα τίποτα] --(Γέλια)
13:09
Right?
243
765000
1000
Σωστά;
13:10
That's perfectly clear. So, men read that sentence,
244
766000
4000
Αυτό είναι απόλυτα κατανοητό. Έτσι, οι άντρες βλέπουν αυτήν την πρόταση,
13:14
and they look at that sentence, and they read this.
245
770000
2000
και διαβάζουν αυτό.
13:22
Okay?
246
778000
1000
[Μια γυναίκα, χωρίς τον άντρα της, είναι ένα τίποτα] Εντάξει;
13:23
Now, women look at that sentence and they say, uh-uh, wrong.
247
779000
4000
Τώρα, οι γυναίκες βλέπουν αυτήν την πρόταση και λένε, "χμμ λάθος".
13:27
This is the way it should be seen.
248
783000
2000
Αυτός είναι ο τρόπος που πρέπει να διαβαστεί:
13:31
(Laughter)
249
787000
8000
[Μια γυναίκα: χωρίς αυτήν, ο άντρα της είναι ένα τίποτα] -- (Γέλια)
13:39
That's what your genes are doing.
250
795000
1000
Αυτό κάνουν και τα γονίδιά σας.
13:40
That's why you differ from this person over here by one in a thousand.
251
796000
5000
Γιαυτό διαφέρετε από τον διπλανό σας κατά ένα στα χίλια.
13:45
Right? But, you know, he's reasonably good looking, but...
252
801000
3000
Σωστά; Αλλά ξέρετε, αυτός είναι σχετικά όμορφος, αλλά...
13:48
I won't go there.
253
804000
2000
Δεν θα πάω εκεί.
13:51
You can do this stuff even without changing the punctuation.
254
807000
3000
Μπορείς να τα κάνεις αυτά ακόμη και χωρίς να αλλάξεις τη στίξη.
13:55
You can look at this, right?
255
811000
4000
Μπορείς να δεις αυτό, σωστά; [Εφορία]
13:59
And they look at the world a little differently.
256
815000
2000
Κι αυτοί βλέπουν τον κόσμο λίγο διαφορετικά.
14:01
They look at the same world and they say...
257
817000
2000
Αυτοί βλέπουν τον κόσμο και λένε... [Δικός μας]
14:03
(Laughter)
258
819000
6000
(Γέλια)
14:09
That's how the same gene code -- that's why you have 30,000 genes,
259
825000
4000
Για τον ίδιο λόγο ο ίδιος γενετικός κώδικας -- γι' αυτό έχετε κάπου 30.000 γονίδια,
14:13
mice have 30,000 genes, husbands have 30,000 genes.
260
829000
3000
τα ποντίκια έχουν 30.000 γονίδια, οι σύζυγοι έχουν 30.000 γονίδια.
14:16
Mice and men are the same. Wives know that, but anyway.
261
832000
3000
Ποντίκια και άντρες είναι το ίδιο. Οι γυναίκες το ξέρουν αυτό παρεμπιπτόντως.
14:20
You can make very small changes in gene code
262
836000
2000
Μπορείς να κάνεις πολύ μικρές αλλαγές στο γενετικό κώδικα
14:22
and get really different outcomes,
263
838000
2000
και να πάρεις πολύ διαφορετικά αποτελέσματα,
14:26
even with the same string of letters.
264
842000
2000
ακόμα και με την ίδια ακολουθία γραμμάτων.
14:30
That's what your genes are doing every day.
265
846000
2000
Αυτό κάνουν τα γονίδιά σας κάθε μέρα.
14:33
That's why sometimes a person's genes
266
849000
2000
Γι' αυτό μερικές φορές τα γονίδια κάποιου
14:35
don't have to change a lot to get cancer.
267
851000
2000
δεν χρειάζεται ν' αλλάξουν και πολύ, για να πάθει καρκίνο.
14:41
These little chippies, these things are the size of a credit card.
268
857000
4000
Αυτά τα μικρά τσιπάκια, είναι στο μέγεθος μιας πιστωτικής κάρτας.
14:46
They will test any one of you for 60,000 genetic conditions.
269
862000
2000
Αυτά θα ελέγχουν οποιονδήποτε από εσάς για 60.000 γενετικές ασθένειες.
14:49
That brings up questions of privacy and insurability
270
865000
3000
Αυτό προκαλεί ερωτήματα ατομικών δικαιωμάτων και ασφάλειας
14:52
and all kinds of stuff, but it also allows us to start going after diseases,
271
868000
2000
και διάφορα άλλα πράγματα, αλλά επίσης μας επιτρέπει να αντιμετωπίζουμε ασθένειες
14:55
because if you run a person who has leukemia through something like this,
272
871000
3000
γιατί αν περάσεις κάποιον που έχει λευχαιμία από κάτι σαν κι αυτό,
14:59
it turns out that three diseases with
273
875000
2000
αποδεικνύεται ότι τρεις ασθένειες με
15:01
completely similar clinical syndromes
274
877000
4000
εντελώς όμοια κλινικά σύνδρομα
15:05
are completely different diseases.
275
881000
2000
είναι εντελώς διαφορετικές μεταξύ τους.
15:07
Because in ALL leukemia, that set of genes over there over-expresses.
276
883000
3000
Γιατί στην λευχαιμία ALL, αυτό το σετ γονιδίων υπερεκφράζεται.
15:10
In MLL, it's the middle set of genes,
277
886000
2000
Στην MLL, είναι το μεσαίο σετ των γονιδίων,
15:12
and in AML, it's the bottom set of genes.
278
888000
2000
και στην AML, είναι το κάτω σετ γονιδίων.
15:14
And if one of those particular things is expressing in your body,
279
890000
5000
Κι αν ένα απ' αυτά τα συγκεκριμένα πράγματα εκφράζεται στο σώμα σας,
15:19
then you take Gleevec and you're cured.
280
895000
2000
τότε παίρνετε Gleevec και θεραπεύστε.
15:22
If it is not expressing in your body,
281
898000
2000
Αν δεν εκφράζεται στο σώμα σας,
15:24
if you don't have one of those types --
282
900000
2000
εάν δεν έχετε κάποιον από αυτούς τους τύπους --
15:26
a particular one of those types -- don't take Gleevec.
283
902000
3000
κάποιον συγκεκριμένο από αυτούς τους τύπους -- μην πάρετε Gleevec.
15:29
It won't do anything for you.
284
905000
1000
Δεν θα σας κάνει τίποτα.
15:31
Same thing with Receptin if you've got breast cancer.
285
907000
2000
Το ίδιο ισχύει και με το Receptin αν έχετε καρκίνο του στήθους.
15:34
Don't have an HER-2 receptor? Don't take Receptin.
286
910000
3000
Εάν δεν έχετε υποδοχέα HER-2, μην πάρετε Receptin.
15:37
Changes the nature of medicine. Changes the predictions of medicine.
287
913000
4000
Αλλάζει τη φύση της ιατρικής. Αλλάζει τις προβλέψεις της ιατρικής.
15:41
Changes the way medicine works.
288
917000
2000
Αλλάζει τον τρόπο που λειτουργεί η ιατρική.
15:43
The greatest repository of knowledge when most of us went to college
289
919000
3000
Ο μεγαλύτερος θησαυρός γνώσεων, όταν οι περισσότεροι από μας πήγαμε στο κολέγιο,
15:46
was this thing, and it turns out that
290
922000
2000
ήταν αυτό το πράγμα, και τελικά
15:48
this is not so important any more.
291
924000
2000
δεν είναι και τόσο σημαντικό τώρα πια.
15:50
The U.S. Library of Congress, in terms of its printed volume of data,
292
926000
4000
Η αμερικάνικη βιβλιοθήκη του Κογκρέσου, όσον αφορά τον όγκο τυπωμένων δεδομένων,
15:54
contains less data than is coming out of a good genomics company
293
930000
4000
περιέχει λιγότερα δεδομένα από αυτά που προέρχονται από μια καλή εταιρεία γενωμικής,
15:58
every month on a compound basis.
294
934000
3000
σε μηνιαία βάση.
16:01
Let me say that again: A single genomics company
295
937000
3000
Αφήστε να το ξαναπώ: Μια εταιρεία γενωμικής,
16:04
generates more data in a month, on a compound basis,
296
940000
3000
παράγει περισσότερα δεδομένα σε έναν μήνα,
16:07
than is in the printed collections of the Library of Congress.
297
943000
3000
απ' όσα υπάρχουν στις τυπωμένες συλλογές της βιβλιοθήκης του Κογκρέσου.
16:11
This is what's been powering the U.S. economy. It's Moore's Law.
298
947000
4000
Αυτό είναι που τροφοδοτεί την αμερικανική οικονομία. Είναι ο νόμος του Moore.
16:15
So, all of you know that the price of computers halves every 18 months
299
951000
5000
Όλοι σας ξέρετε ότι η τιμή των υπολογιστών υποδιπλασιάζεται κάθε 18 μήνες
16:20
and the power doubles, right?
300
956000
2000
και η ισχύς διπλασιάζεται, σωστά;
16:22
Except that when you lay that side by side with the speed
301
958000
4000
Μόνο που αν αυτό το παραβάλλεις με την ταχύτητα
16:26
with which gene data's being deposited in GenBank,
302
962000
3000
με την οποία γενετικά δεδομένα αποθηκεύονται στην GenBank,
16:29
Moore's Law is right here: it's the blue line.
303
965000
4000
ο νόμος του Moore είναι αυτός εδώ: Είναι η μπλε γραμμή.
16:34
This is on a log scale, and that's what superexponential growth means.
304
970000
4000
Αυτό είναι σε λογαριθμική κλίμακα και είναι η λεγόμενη υπερεκθετική ανάπτυξη.
16:38
This is going to push computers to have to grow faster
305
974000
4000
Αυτό θα σπρώξει τους υπολογιστές ώστε να αναπτυχθούν ταχύτερα
16:42
than they've been growing, because so far,
306
978000
2000
από ό,τι αναπτύσσονταν ως τώρα,
16:44
there haven't been applications that have been required
307
980000
3000
γιατί δεν υπήρχαν εφαρμογές που απαιτούσαν
16:47
that need to go faster than Moore's Law. This stuff does.
308
983000
3000
ταχύτητα μεγαλύτερη από αυτήν του νόμου του Moore. Αυτό όμως την απαιτεί.
16:50
And here's an interesting map.
309
986000
2000
Να ένας ενδιαφέρων χάρτης.
16:52
This is a map which was finished at the Harvard Business School.
310
988000
4000
Αυτός είναι ένας χάρτης που φτιάχτηκε στην Επιχειρηματική Σχολή του Χάρβαρντ.
16:56
One of the really interesting questions is, if all this data's free,
311
992000
3000
Ένα από τα πραγματικά ενδιαφέροντα ερωτήματα είναι, αν όλα τα δεδομένα είναι δωρεάν,
16:59
who's using it? This is the greatest public library in the world.
312
995000
4000
ποιος τα χρησιμοποιεί; Αυτή είναι η μεγαλύτερη δημόσια βιβλιοθήκη στον κόσμο.
17:03
Well, it turns out that there's about 27 trillion bits
313
999000
3000
Απ' ό,τι φαίνεται υπάρχουν κάπου 27 τρισεκατομμύρια bits
17:06
moving inside from the United States to the United States;
314
1002000
3000
που μετακινούνται μέσα από τις ΗΠΑ στις ΗΠΑ,
17:09
about 4.6 trillion is going over to those European countries;
315
1005000
4000
περίπου 4.6 τρισεκατομμύρια που πηγαίνουν σε ευρωπαϊκές χώρες,
17:13
about 5.5's going to Japan; there's almost no communication
316
1009000
3000
και κάπου 5,5 πηγαίνουν στην Ιαπωνία, δεν υπάρχει σχεδόν καθόλου επικοινωνία
17:16
between Japan, and nobody else is literate in this stuff.
317
1012000
4000
με την Ιαπωνία, και κανένας άλλος δεν είναι μορφωμένος σε αυτά τα θέματα.
17:20
It's free. No one's reading it. They're focusing on the war;
318
1016000
5000
Είναι δωρεάν. Κανένας δεν τα διαβάζει. Είναι όλοι επικεντρωμένοι στον πόλεμο,
17:25
they're focusing on Bush; they're not interested in life.
319
1021000
2000
ή στον Μπους, δεν ενδιαφέρονται για την ζωή.
17:28
So, this is what a new map of the world looks like.
320
1024000
2000
Έτσι, αυτός είναι ο καινούργιος χάρτης του κόσμου.
17:31
That is the genomically literate world. And that is a problem.
321
1027000
6000
Αυτός είναι ο γενωμικά μορφωμένος κόσμος. Και αυτό είναι ένα πρόβλημα.
17:37
In fact, it's not a genomically literate world.
322
1033000
2000
Βασικά, ο κόσμος μας δεν είναι ένας γενωμικά μορφωμένος κόσμος.
17:39
You can break this out by states.
323
1035000
2000
Μπορείς να τον χωρίσεις σε πολιτείες.
17:41
And you can watch states rise and fall depending on
324
1037000
2000
Και μπορείς να δεις πολιτείες να ανεβαίνουν και να πέφτουν, ανάλογα
17:43
their ability to speak a language of life,
325
1039000
2000
με την ικανότητά τους να μιλάνε την γλώσσα της ζωής,
17:45
and you can watch New York fall off a cliff,
326
1041000
2000
μπορείς να δεις την Νέα Υόρκη να πέφτει κατακόρυφα,
17:47
and you can watch New Jersey fall off a cliff,
327
1043000
2000
όπως και το Νιου Τζέρσεϋ,
17:49
and you can watch the rise of the new empires of intelligence.
328
1045000
3000
ενώ μπορείς να δεις την άνοδο των νέων αυτοκρατοριών της πληροφορίας.
17:53
And you can break it out by counties, because it's specific counties.
329
1049000
3000
Μπορείς να το χωρίσεις σε χώρες, διότι είναι συγκεκριμένες χώρες.
17:56
And if you want to get more specific,
330
1052000
2000
Κι αν θες να γίνεις πιο συγκεκριμένος,
17:58
it's actually specific zip codes.
331
1054000
2000
στην πραγματικότητα είναι συγκεκριμένοι ταχυδρομικοί κώδικες.
18:00
(Laughter)
332
1056000
2000
(Γέλια)
18:02
So, you want to know where life is happening?
333
1058000
3000
Έτσι, θέλετε να μάθετε πού συμβαίνει η ζωή;
18:05
Well, in Southern California it's happening in 92121. And that's it.
334
1061000
5000
Ε λοιπόν, στην Νότια Καλιφόρνια συμβαίνει στον τ.κ. 92121. Αυτό είναι όλο.
18:11
And that's the triangle between Salk, Scripps, UCSD,
335
1067000
5000
Αυτό είναι το τρίγωνο μεταξύ των Sulk*, Scripps και UCSD,
18:16
and it's called Torrey Pines Road.
336
1072000
2000
και ονομάζεται οδός Torrey Pines.
18:18
That means you don't need to be a big nation to be successful;
337
1074000
3000
Αυτό σημαίνει ότι δεν χρειάζεται να είσαι κάποιο μεγάλο έθνος για να είσαι πετυχημένος·
18:21
it means you don't need a lot of people to be successful;
338
1077000
2000
ότι δεν χρειάζεσαι πολλούς ανθρώπους για να είσαι πετυχημένος·
18:23
and it means you can move most of the wealth of a country
339
1079000
3000
κι ότι μπορείς να μετακινήσεις τον περισσότερο πλούτο μιας χώρας
18:26
in about three or four carefully picked 747s.
340
1082000
3000
μέσα σε περίπου 3 ή 4 προσεκτικά επιλεγμένα Boeing 747.
18:30
Same thing in Massachusetts. Looks more spread out but --
341
1086000
4000
Το ίδιο πράγμα και στην Μασαχουσέτη. Φαίνεται πιο απλωμένο αλλά --
18:34
oh, by the way, the ones that are the same color are contiguous.
342
1090000
3000
παρεμπιπτόντως, αυτά που έχουν το ίδιο χρώμα είναι συνεχόμενα.
18:38
What's the net effect of this?
343
1094000
2000
Ποιο είναι το συνολικό αποτέλεσμα;
18:40
In an agricultural society, the difference between
344
1096000
2000
Σε μια αγροτική κοινωνία, η διαφορά μεταξύ
18:42
the richest and the poorest,
345
1098000
1000
των πλουσιότερων και των φτωχότερων,
18:44
the most productive and the least productive, was five to one. Why?
346
1100000
4000
των πιο παραγωγικών και των λιγότερο παραγωγικών, ήταν 5 προς 1. Γιατί;
18:48
Because in agriculture, if you had 10 kids
347
1104000
2000
Διότι στην αγροτική κοινωνία, αν είχες 10 παιδιά
18:50
and you grow up a little bit earlier and you work a little bit harder,
348
1106000
3000
και ξυπνούσες λίγο νωρίτερα και δούλευες λιγάκι πιο σκληρά,
18:53
you could produce about five times more wealth, on average,
349
1109000
2000
μπορούσες να παράγεις περίπου 5 φορές περισσότερο πλούτο, κατά μέσο όρο,
18:55
than your neighbor.
350
1111000
1000
από τον γείτονα.
18:57
In a knowledge society, that number is now 427 to 1.
351
1113000
3000
Σε μια κοινωνία γνώσης, αυτή η αναλογία είναι τώρα 427 προς 1.
19:01
It really matters if you're literate, not just in reading and writing
352
1117000
4000
Έχει μεγάλη διαφορά να είσαι μορφωμένος, κι όχι μόνο στο διάβασμα και στο γράψιμο,
19:05
in English and French and German,
353
1121000
2000
στα Αγγλικά, τα Γαλλικά και τα Γερμανικά,
19:07
but in Microsoft and Linux and Apple.
354
1123000
2000
αλλά και σε Microsoft, σε Linux και σε Apple.
19:10
And very soon it's going to matter if you're literate in life code.
355
1126000
4000
Πολύ σύντομα θα έχει σημασία αν θα είσαι μορφωμένος στον κώδικα της ζωής.
19:14
So, if there is something you should fear,
356
1130000
2000
Έτσι, αν υπάρχει κάτι που θα έπρεπε να φοβάστε,
19:16
it's that you're not keeping your eye on the ball.
357
1132000
3000
είναι ότι δεν έχετε τα μάτια σας στην μπάλα.
19:19
Because it really matters who speaks life.
358
1135000
2000
Γιατί πραγματικά μετράει ποιος μιλάει τη γλώσσα της ζωής.
19:22
That's why nations rise and fall.
359
1138000
2000
Γι' αυτό τα έθνη ανεβαίνουν και πέφτουν.
19:25
And it turns out that if you went back to the 1870s,
360
1141000
3000
Κι απ' ό,τι φαίνεται, αν πας πίσω στο 1870,
19:28
the most productive nation on earth was Australia, per person.
361
1144000
3000
το πιο παραγωγικό έθνος στην γη ήταν η Αυστραλία, κατά κεφαλήν.
19:31
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1147000
3000
Και η Νέα Ζηλανδία ήταν εκεί πάνω. Μετά οι ΗΠΑ ήρθαν κάπου το 1950,
19:34
and then Switzerland about 1973, and then the U.S. got back on top --
363
1150000
3000
η Ελβετία κάπου το 1973 και μετά οι ΗΠΑ ανέβηκαν πάλι στην κορυφή --
19:38
beat up their chocolates and cuckoo clocks.
364
1154000
2000
και νίκησαν τις σοκολάτες και τα ρολόγια με τους κούκους.
19:42
And today, of course, you all know that the most productive nation
365
1158000
3000
Σήμερα φυσικά, όλοι ξέρετε ότι το πιο παραγωγικό έθνος
19:45
on earth is Luxembourg, producing about one third more wealth
366
1161000
3000
στην Γη είναι το Λουξεμβούργο, παράγοντας περίπου κατά 1/3 περισσότερο πλούτο
19:48
per person per year than America.
367
1164000
2000
κατά κεφαλήν ετησίως, από ό,τι η Αμερική.
19:51
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1167000
4000
Πολύ μικρό σε έκταση κράτος. Χωρίς πετρέλαιο. Χωρίς διαμάντια. Χωρίς φυσικούς πόρους.
19:55
Just smart people moving bits. Different rules.
369
1171000
5000
Απλά έξυπνοι άνθρωποι που μετακινούν bits. Διαφορετικοί κανόνες.
20:01
Here's differential productivity rates.
370
1177000
3000
Αυτοί είναι οι ρυθμοί παραγωγικότητας.
20:05
Here's how many people it takes to produce a single U.S. patent.
371
1181000
3000
Εδώ φαίνεται πόσοι άνθρωποι χρειάζονται για να παράγουν μια Αμερικάνικη πατέντα.
20:08
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1184000
4000
Έτσι έχουμε 3.000 Αμερικάνους, 6.000 Κορεάτες, 14.000 Άγγλους,
20:12
790,000 Argentines. You want to know why Argentina's crashing?
373
1188000
3000
790.000 Αργεντινούς. Θέλετε να μάθετε γιατί η Αργεντινή καταρρέει;
20:15
It's got nothing to do with inflation.
374
1191000
2000
Δεν έχει να κάνει καθόλου με τον πληθωρισμό.
20:17
It's got nothing to do with privatization.
375
1193000
2000
Δεν έχει να κάνει καθόλου με την ιδιωτικοποίηση.
20:19
You can take a Harvard-educated Ivy League economist,
376
1195000
4000
Μπορείς να πάρεις έναν οικονομολόγο από το Χάρβαρντ και το Ivy League
20:23
stick him in charge of Argentina. He still crashes the country
377
1199000
3000
και να τον βάλεις υπεύθυνο στην Αργεντινή. Η χώρα θα εξακολουθούσε να καταρρέει,
20:26
because he doesn't understand how the rules have changed.
378
1202000
2000
γιατί αυτός δεν θα καταλάβαινε πώς έχουν αλλάξει οι κανόνες.
20:29
Oh, yeah, and it takes about 5.6 million Indians.
379
1205000
3000
Α, ναι και χρειάζεται περίπου 5,6 εκατομμύρια Ινδούς.
20:32
Well, watch what happens to India.
380
1208000
2000
Κοιτάξτε τι συμβαίνει στην Ινδία.
20:34
India and China used to be 40 percent of the global economy
381
1210000
3000
Η Ινδία και η Κίνα αποτελούσαν περίπου το 40% της παγκόσμιας οικονομίας,
20:37
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1213000
5000
κατά τη βιομηχανική επανάσταση, ενώ τώρα αποτελούν μόνο το 4,8%.
20:42
Two billion people. One third of the global population producing 5 percent of the wealth
383
1218000
4000
2 δισεκατομμύρια άνθρωποι. Το ένα τρίτο του παγκόσμιου πληθυσμού παράγει το 5% του παγκόσμιου πλούτου,
20:46
because they didn't get this change,
384
1222000
3000
γιατί δεν κατάλαβαν αυτήν την αλλαγή.
20:49
because they kept treating their people like serfs
385
1225000
2000
γιατί εξακολούθησαν να φέρονται στους ανθρώπους σαν σε δουλοπάροικους,
20:51
instead of like shareholders of a common project.
386
1227000
3000
αντί σαν σε μετόχους ενός κοινού σχεδίου.
20:55
They didn't keep the people who were educated.
387
1231000
3000
Δεν κράτησαν τους ανθρώπους που ήταν μορφωμένοι.
20:58
They didn't foment the businesses. They didn't do the IPOs.
388
1234000
2000
Δεν υπέθαλψαν τις επιχειρήσεις. Δεν έκαναν δημόσιες εγγραφές στο χρηματιστήριο.
21:01
Silicon Valley did. And that's why they say
389
1237000
4000
Η Σίλικον Βάλευ όμως το έκανε. Γι' αυτό λένε
21:05
that Silicon Valley has been powered by ICs.
390
1241000
2000
ότι η Σίλικον Βάλευ τροφοδοτείται από ICs.
21:08
Not integrated circuits: Indians and Chinese.
391
1244000
3000
Όχι IC όπως ολοκληρωμένα κυκλώματα, αλλά όπως Ινδούς και Κινέζους.
21:11
(Laughter)
392
1247000
4000
(Γέλια)
21:15
Here's what's happening in the world.
393
1251000
2000
Ορίστε τι συμβαίνει στον κόσμο.
21:17
It turns out that if you'd gone to the U.N. in 1950,
394
1253000
3000
Από ό,τι φαίνεται αν είχες πάει στον ΟΗΕ το 1950,
21:20
when it was founded, there were 50 countries in this world.
395
1256000
2000
όταν ιδρύθηκε, υπήρχαν 50 χώρες στον κόσμο.
21:22
It turns out there's now about 192.
396
1258000
3000
Τώρα υπάρχουν 192.
21:25
Country after country is splitting, seceding, succeeding, failing --
397
1261000
4000
Η μια χώρα μετά την άλλη, χωρίζεται, επιτυγχάνει, αποτυγχάνει.
21:30
and it's all getting very fragmented. And this has not stopped.
398
1266000
5000
Όλες οι χώρες κατακερματίζονται. Και αυτό δεν έχει σταματήσει.
21:35
In the 1990s, these are sovereign states
399
1271000
3000
Στη δεκαετία του '90, αυτά είναι τα κυρίαρχα κράτη
21:38
that did not exist before 1990.
400
1274000
2000
που δεν υπήρχαν πιο πριν.
21:40
And this doesn't include fusions or name changes or changes in flags.
401
1276000
5000
Αυτό δεν περιλαμβάνει ενώσεις ή αλλαγές ονομάτων ή σημαιών.
21:45
We're generating about 3.12 states per year.
402
1281000
3000
Παράγουμε περίπου 3,12 κράτη ανά έτος.
21:48
People are taking control of their own states,
403
1284000
3000
Οι άνθρωποι παίρνουν τον έλεγχο των κρατών τους,
21:51
sometimes for the better and sometimes for the worse.
404
1287000
3000
μερικές φορές για το καλύτερο, μερικές φορές για το χειρότερο.
21:54
And the really interesting thing is,
405
1290000
2000
Το πραγματικά ενδιαφέρον είναι,
21:56
you and your kids are empowered to build great empires,
406
1292000
2000
ότι εσείς και τα παιδιά σας έχετε τη δύναμη να οικοδομήσετε τεράστιες αυτοκρατορίες
21:58
and you don't need a lot to do it.
407
1294000
2000
και δε χρειάζεστε πολλά, για να τα καταφέρετε.
22:00
(Music)
408
1296000
2000
(Μουσική)
22:02
And, given that the music is over, I was going to talk
409
1298000
3000
Μόλις τελείωνε η μουσική θα μιλούσα
22:05
about how you can use this to generate a lot of wealth,
410
1301000
3000
για το πώς μπορείτε να χρησιμοποιήσετε όλα αυτά, για να παράγετε πολύ πλούτο,
22:08
and how code works.
411
1304000
2000
και πώς λειτουργεί ο κώδικας.
22:10
Moderator: Two minutes.
412
1306000
1000
(Συντονιστής -- 2 λεπτά)
22:11
(Laughter)
413
1307000
2000
(Γέλια)
22:13
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1309000
4000
Όχι, θα σταματήσω εδώ και θα το συνεχίσουμε του χρόνου
22:17
because I don't want to take any of Laurie's time.
415
1313000
2000
γιατί δεν θέλω να κλέψω καθόλου από το χρόνο της Λώρυ.
22:20
But thank you very much.
416
1316000
1000
Αλλά σας ευχαριστώ πολύ.
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com