ABOUT THE SPEAKER
Nathan Myhrvold - Polymath
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer.

Why you should listen

Since leaving his post as Microsoft's Chief Technology Officer in 1999 (with fortune in tow), Nathan Myhrvold has been a professional exemplar of the spirit of the "Renaissance Man," proudly following his interests wherever they've led. His dispersed passions have triggered an impressive list of accomplishments, including world barbecue championships, major archeological finds (several Tyrannosaurus rex skeletons), prize-winning wildlife photography, building a section of Babbage's Difference Engine #2, s, and a new and consuming interest in the sous-vide cooking technique.

Malcolm Gladwell's 2008 New Yorker profile of him revealed an impish but truly inspired character whose latest company, Intellectual Ventures -- which brainstorms and patents a wide array of inventions --  has been accused in some quarters of acting like a 'patent troll' but is described by Myhrvold as "a disruptive organization providing  an efficient way for patent holders to get paid for the inventions they own, and... for technology companies to gain easy access to the invention rights they need." After funding big-vision projects such as the Allen Telescope Array, exploring active volcanoes and investigating penguin digestion, Myhrvold insists that his hobbies aren't as discursive as they seem. They do have a common denominator, after all: him.

More profile about the speaker
Nathan Myhrvold | Speaker | TED.com
TED2010

Nathan Myhrvold: Could this laser zap malaria?

Νέιθαν Μάιχρβολτ: Θα μπορούσε αυτό το λέιζερ να εξαφανίσει την ελονοσία;

Filmed:
965,317 views

Οι τελευταίες εφευρέσεις του Νέιθαν Μάιχρβολτ και της ομάδας του -- τόσο λαμπρές όσο και τολμηρές -- μας θυμίζουν ότι ο κόσμος χρειάζεται τρελή δημιουργικότητα για να αντιμετωπίσει μεγάλα προβλήματα, όπως την ελονοσία. Και όπως ακριβώς πέφτει η ιδέα, ξεδιπλώνει μια ζωντανή επίδειξη ενός νέου μηχανισμού εξολόθρευσης κουνουπιών που πρέπει να δείτε για να τον πιστέψετε.
- Polymath
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer. Full bio

Double-click the English transcript below to play the video.

00:15
We inventεφευρίσκω.
0
0
2000
Εφευρίσκουμε.
00:17
My companyΕταιρία inventsεφευρίσκει
1
2000
2000
Η εταιρεία μου εφευρίσκει
00:19
all kindsείδη of newνέος technologyτεχνολογία
2
4000
2000
σε όλα τα είδη νέας τεχνολογίας
00:21
in lots of differentδιαφορετικός areasπεριοχές.
3
6000
2000
σε πολλές διαφορετικές περιοχές.
00:23
And we do that for a coupleζευγάρι of reasonsαιτιολογικό.
4
8000
2000
Και το κάνουμε για δυο λόγους.
00:25
We inventεφευρίσκω for funδιασκέδαση --
5
10000
2000
Εφευρίσκουμε για διασκέδαση --
00:27
inventionεφεύρεση is a lot of funδιασκέδαση to do --
6
12000
3000
το να εφευρίσκεις είναι πολύ διασκεδαστικό --
00:30
and we alsoεπίσης inventεφευρίσκω for profitκέρδος.
7
15000
2000
και επίσης εφευρίσκουμε για το κέρδος.
00:32
The two are relatedσχετίζεται με because
8
17000
2000
Αυτά τα δυο συσχετίζονται γιατί
00:34
the profitκέρδος actuallyπράγματι takes long enoughαρκετά that if it isn't funδιασκέδαση,
9
19000
2000
το κέρδος στην πραγματικότητα αργεί τόσο πολύ που αν κάτι δεν είναι διασκεδαστικό
00:36
you wouldn'tδεν θα ήταν have the time to do it.
10
21000
2000
δεν θα είχατε το χρόνο να το κάνετε.
00:38
So we do this
11
23000
2000
Έτσι κάνουμε αυτές
00:40
funδιασκέδαση and profit-orientedπροσανατολισμένοι στο κέρδος inventingεφευρίσκοντας
12
25000
2000
τις προσανατολισμένες στη διασκέδαση και στο κέρδος εφευρέσεις
00:42
for mostπλέον of what we do,
13
27000
2000
ως επί το πλείστον,
00:44
but we alsoεπίσης have a programπρόγραμμα where we inventεφευρίσκω for humanityανθρωπότητα --
14
29000
3000
αλλά έχουμε επίσης κι ένα πρόγραμμα στο οποίο εφευρίσκουμε για την ανθρωπότητα --
00:47
where we take some of our bestκαλύτερος inventorsεφευρέτες,
15
32000
2000
όπου παίρνουμε κάποιους από τους καλύτερους εφευρέτες μας,
00:49
and we say, "Are there problemsπροβλήματα
16
34000
2000
και λέμε, "Υπάρχουν προβλήματα
00:51
where we have a good ideaιδέα for solvingεπίλυση a problemπρόβλημα the worldκόσμος has?" --
17
36000
3000
για τα οποία έχουμε μια καλή ιδέα ώστε να λύσουμε ένα πρόβλημα του κόσμου;" --
00:54
and to solveλύσει it in the way we try to solveλύσει problemsπροβλήματα,
18
39000
3000
και να το λύσουμε με τρόπους που εμείς γνωρίζουμε,
00:57
whichοι οποίες is with dramaticδραματικός, crazyτρελός,
19
42000
2000
δραματικούς, τρελούς,
00:59
out-of-the-boxout-of-the-box solutionsλύσεων.
20
44000
2000
έξω από τους συνήθεις τρόπους.
01:01
BillBill GatesΠύλες is one of those smartestπιο έξυπνο guys of oursΔικός μας
21
46000
2000
Ο Μπιλ Γκέιτς είναι ένας απ' αυτούς τους εξυπνότερους ανθρώπους μας
01:03
that work on these problemsπροβλήματα
22
48000
2000
που εργάζεται πάνω σ' αυτά τα προβλήματα
01:05
and he alsoεπίσης fundsκεφάλαια this work, so thank you.
23
50000
3000
και επίσης χρηματοδοτεί αυτή τη δουλειά, γι' αυτό τον ευχαριστούμε.
01:08
So I'm going to brieflyεν ολίγοις discussσυζητώ
24
53000
2000
Έτσι θα μιλήσω με συντομία
01:10
a coupleζευγάρι of problemsπροβλήματα that we have
25
55000
2000
για δυο προβλήματα που έχουμε
01:12
and a coupleζευγάρι of problemsπροβλήματα where
26
57000
2000
και δυο προβλήματα για τα οποία
01:14
we'veέχουμε got some solutionsλύσεων underwayσε εξέλιξη.
27
59000
2000
έχουμε κάποιες λύσεις σε εξέλιξη.
01:16
VaccinationΟ εμβολιασμός is one of the
28
61000
3000
Ο εμβολιασμός είνα μία
01:19
keyκλειδί techniquesτεχνικές in publicδημόσιο healthυγεία,
29
64000
2000
από τις κύριες τεχνικές στη δημόσια υγεία,
01:21
a fantasticφανταστικός thing.
30
66000
2000
κάτι φανταστικό.
01:23
But in the developingανάπτυξη worldκόσμος a lot of vaccinesεμβόλια
31
68000
3000
Αλλά στον αναπτυσσόμενο κόσμο πολλά εμβόλια
01:26
spoilχαλάσει before they're administeredχορηγείται,
32
71000
2000
καταστρέφονται πριν διακινηθούν,
01:28
and that's because they need to be keptδιατηρούνται coldκρύο.
33
73000
3000
κι αυτό συμβαίνει γιατί είναι αναγκαίο να διατηρούνται κρύα.
01:31
AlmostΣχεδόν all vaccinesεμβόλια need to be keptδιατηρούνται at refrigeratorψυγείο temperaturesθερμοκρασίες.
34
76000
3000
Σχεδόν όλα τα εμβόλια είναι αναγκαίο να διατηρούνται σε θερμοκρασίες ψυγείου.
01:34
They go badκακό very quicklyγρήγορα if you don't,
35
79000
2000
Καταστρέφονται πολύ γρήγορα αν δεν το κάνετε,
01:36
and if you don't have stableσταθερός powerεξουσία gridπλέγμα, this doesn't happenσυμβεί,
36
81000
3000
και αν δεν διαθέτετε σταθερό δίκτυο ηλεκτροδότησης, αυτό δεν ισχύει,
01:39
so kidsπαιδιά dieκαλούπι.
37
84000
2000
έτσι παιδιά πεθαίνουν.
01:41
It's not just the lossαπώλεια of the vaccineεμβόλιο that mattersθέματα;
38
86000
3000
Δεν είναι μόνο η απώλεια του εμβολίου που έχει σημασία,
01:44
it's the factγεγονός that those kidsπαιδιά don't get vaccinatedεμβολιασμένα.
39
89000
3000
είναι το γεγονός ότι αυτά τα παιδιά δεν εμβολιάζονται.
01:47
This is one of the waysτρόπους that
40
92000
3000
Αυτός είναι ένας από τους τρόπους που
01:50
vaccinesεμβόλια are carriedμεταφέρθηκε:
41
95000
2000
τα εμβόλια μεταφέρονται:
01:52
These are StyrofoamΦελιζόλ chestsμπαούλα. These are beingνα εισαι carriedμεταφέρθηκε by people,
42
97000
3000
Αυτές είναι θήκες φελιζόλ. Μεταφέρονται από ανθρώπους
01:55
but they're alsoεπίσης put on the backsπλάτες of pickupπαραλαβή trucksφορτηγά.
43
100000
2000
αλλά επίσης τοποθετούνται σε καρότσες από φορτηγάκια.
01:57
We'veΈχουμε got a differentδιαφορετικός solutionλύση.
44
102000
3000
Έχουμε μια διαφορετική λύση.
02:00
Now, one of these StyrofoamΦελιζόλ chestsμπαούλα
45
105000
3000
Τώρα, μία από αυτές τις θήκες φελιζόλ,
02:03
will last for about fourτέσσερα hoursώρες with iceπάγος in it.
46
108000
2000
αντέχει περίπου τέσσερις ώρες με πάγο μέσα της.
02:05
And we thought, well, that's not really good enoughαρκετά.
47
110000
3000
Και θεωρήσαμε, λοιπόν, πως αυτό δεν είναι στην πραγματικότητα αρκετά καλό.
02:08
So we madeέκανε this thing.
48
113000
2000
Έτσι κατασκευάσαμε αυτό.
02:10
This lastsδιαρκεί sixέξι monthsμήνες with no powerεξουσία;
49
115000
3000
Αυτό διαρκεί έξι μήνες χωρίς καθόλου ενέργεια,
02:13
absolutelyαπολύτως zeroμηδέν powerεξουσία,
50
118000
2000
απολύτως μηδενική ενέργεια,
02:15
because it losesχάνει lessπιο λιγο
51
120000
2000
γιατί έχει απώλεια μικρότερη
02:17
than a halfΉμισυ a wattWatt.
52
122000
2000
από μισό βατ.
02:19
Now, this is our secondδεύτερος generationsγενεών prototypeπρωτότυπο.
53
124000
3000
Τώρα, αυτό είναι το πρωτότυπο της δεύτερης γενιάς μας.
02:22
The thirdτρίτος generationγενιά prototypeπρωτότυπο is, right now,
54
127000
2000
Το πρωτότυπο τρίτης γενιάς είναι, αυτή τη στιγμή
02:24
in UgandaΟυγκάντα beingνα εισαι testedδοκιμαστεί.
55
129000
3000
στην Ουγκάντα και δοκιμάζεται.
02:27
Now, the reasonλόγος we were ableικανός to come up with this
56
132000
2000
Τώρα, ο λόγος που μπορέσαμε να καταλήξουμε σε αυτό
02:29
is two keyκλειδί ideasιδέες:
57
134000
2000
είναι δύο κεντρικές ιδέες:
02:31
One is that this is similarπαρόμοιος to a cryogenicκρυογονική DewarDewar,
58
136000
2000
Η μία είναι ότι αυτό είναι παρόμοιο με ένα κρυογονικό δοχείο Dewar,
02:33
something you'dεσείς keep liquidυγρό nitrogenαζώτου or liquidυγρό heliumηλίου in.
59
138000
3000
κάτι που διατηρεί μέσα του υγρό άζωτο ή υγρό ήλιο.
02:36
They have incredibleαπίστευτος insulationμόνωση,
60
141000
2000
Έχουν απίστευτη μόνωση,
02:38
so let's put some incredibleαπίστευτος insulationμόνωση here.
61
143000
2000
έτσι ας βάλουμε λίγη απίστευτη μόνωση εδώ.
02:40
The other ideaιδέα is kindείδος of interestingενδιαφέρων,
62
145000
3000
Η άλλη ιδέα είναι κατά κάποιο τρόπο ενδιαφέρουσα:
02:43
whichοι οποίες is, you can't reachφθάνω insideμέσα anymoreπια.
63
148000
3000
δεν έχετε πια πρόσβαση στο εσωτερικό.
02:46
Because if you openΆνοιξε it up and reachφθάνω insideμέσα,
64
151000
2000
Γιατί αν την ανοίξετε και αποκτήσετε πρόσβαση στο εσωτερικό,
02:48
you'dεσείς let the heatθερμότητα in, the gameπαιχνίδι would be over.
65
153000
2000
θα επιτρέψετε την είσοδο θερμότητας και όλα θα τελειώσουν.
02:50
So the insideμέσα of this thing actuallyπράγματι looksφαίνεται like a CokeΚοκ machineμηχανή.
66
155000
3000
Έτσι το εσωτερικό αυτού του πράγματος στην πραγματικότητα μοιάζει με μία μηχανή πώλησης Κόκα Κόλα.
02:53
It vendsvends out little individualάτομο vialsφιαλίδια.
67
158000
3000
Είναι αυτόματος πωλητής για μικρά, μεμονωμένα φιαλίδια.
02:56
So a simpleαπλός ideaιδέα,
68
161000
2000
Έτσι μια απλή ιδέα,
02:58
whichοι οποίες we hopeελπίδα is going to changeαλλαγή the way vaccinesεμβόλια are distributedδιανέμονται
69
163000
3000
η οποία ελπίζουμε ότι πρόκειται να αλλάξει τον τρόπο με τον οποίο τα εμβόλια διανέμονται,
03:01
in AfricaΑφρική and around the worldκόσμος.
70
166000
2000
στην Αφρική και σ'όλο τον κόσμο.
03:04
We'llΕμείς θα moveκίνηση on to malariaελονοσία.
71
169000
2000
Θα προχωρήσουμε στην ελονοσία.
03:06
MalariaΕλονοσία is one of the great publicδημόσιο healthυγεία problemsπροβλήματα.
72
171000
3000
Η ελονοσία είναι ένα από τα μεγάλα προβλήματα της δημόσιας υγείας.
03:09
EstherEsther DufloDuflo talkedμίλησε a little bitκομμάτι about this.
73
174000
2000
Η Έσθερ Ντάφλο μίλησε λίγο για αυτό.
03:11
Two hundredεκατό millionεκατομμύριο people a yearέτος.
74
176000
3000
Διακόσια πενήντα εκατομμύρια άνθρωποι αρρωσταίνουν κάθε χρόνο.
03:14
EveryΚάθε 43 secondsδευτερολέπτων a childπαιδί in AfricaΑφρική diesπεθαίνει;
75
179000
3000
Κάθε 43 δευτερόλεπτα ένα παιδί στην Αφρική πεθαίνει,
03:18
27 will dieκαλούπι duringστη διάρκεια my talk.
76
183000
3000
27 θα πεθάνουν κατά τη διάρκεια της ομιλίας μου.
03:23
And there's no way for us here in this countryΧώρα
77
188000
3000
Και δεν υπάρχει κανένας τρόπος για εμάς εδώ σε αυτή τη χώρα
03:26
to graspπιάσιμο really what that meansπου σημαίνει to the people involvedεμπλεγμένος.
78
191000
3000
να κατανοήσουμε τι πραγματικά σημαίνει αυτό για τους ανθρώπους που εμπλέκονται.
03:29
AnotherΈνα άλλο commentσχόλιο of Esther'sΤου/της ΑΝΝΥ
79
194000
2000
Ένα άλλο σχόλιο της Έσθερ
03:31
was that we reactαντιδρώ when there's
80
196000
2000
ήταν ότι αντιδρούμε όταν συμβαίνει
03:33
a tragedyτραγωδία like HaitiΑϊτή,
81
198000
2000
μια τραγωδία όπως αυτή στην Αϊτή,
03:35
but that tragedyτραγωδία is ongoingσε εξέλιξη.
82
200000
2000
αλλά εκείνη η τραγωδία εξελίσσεται.
03:37
So what can we do about it?
83
202000
2000
Έτσι, τι μπορούμε να κάνουμε γι' αυτό;
03:39
Well, there are a lot of things people have triedδοκιμασμένος
84
204000
2000
Λοιπόν, υπάρχουν πολλά πράγματα που οι άνθρωποι έχουν δοκιμάσει
03:41
for manyΠολλά yearsχρόνια for solvingεπίλυση malariaελονοσία.
85
206000
2000
για πολλά χρόνια για να επιλύσουν την ελονοσία.
03:43
You can sprayσπρέι; the problemπρόβλημα is there are environmentalπεριβάλλοντος issuesθέματα.
86
208000
3000
Μπορείτε να ψεκάσετε, το πρόβλημα είναι ότι υπάρχουν περιβαλλοντολογικά ζητήματα.
03:46
You can try to treatκέρασμα people and createδημιουργώ awarenessεπίγνωση.
87
211000
3000
Μπορείτε να δοκιμάσετε να θεραπεύσετε τους ανθρώπους και να ευαισθητοποιήσετε.
03:49
That's great, exceptεκτός the placesθέσεις that have malariaελονοσία really badκακό,
88
214000
3000
Αυτό είναι εξαιρετικό, με τη διαφορά ότι τα μέρη που έχουν πραγματική έξαρση ελονοσίας,
03:52
they don't have healthυγεία careΦροντίδα systemsσυστήματα.
89
217000
2000
δεν διαθέτουν συστήματα υγειονομικής περίθαλψης.
03:54
A vaccineεμβόλιο would be a terrificκαταπληκτική thing,
90
219000
2000
Ένα εμβόλιο θα ήταν κάτι καταπληκτικό,
03:56
only they don't work yetΑκόμη.
91
221000
2000
μόνο που δεν έχει ακόμα αποτέλεσμα.
03:58
People have triedδοκιμασμένος for a long time. There are a coupleζευγάρι of interestingενδιαφέρων candidatesΟι υποψήφιοι.
92
223000
3000
Οι άνθρωποι δοκίμασαν για μεγάλο χρονικό διάστημα. Υπάρχουν ένα-δύο ενδιαφέροντα υποψήφια.
04:01
It's a very difficultδύσκολος thing to make a vaccineεμβόλιο for.
93
226000
3000
Είναι πολύ δύσκολο πράγμα να βρεθεί εμβόλιο για αυτή.
04:05
You can distributeδιανέμω bedκρεβάτι netsδίχτυα,
94
230000
2000
Μπορείτε να μοιράσετε κουνουπιέρες,
04:07
and bedκρεβάτι netsδίχτυα are very effectiveαποτελεσματικός if you use them.
95
232000
3000
και οι κουνουπιέρες είναι πολύ αποτελεσματικές αν τις χρησιμοποιείτε.
04:10
You don't always use them for that. People fishψάρι with them.
96
235000
2000
Δεν τις χρησιμοποιείτε πάντα γι'αυτό. Οι άνθρωποι ψαρεύουν μ'αυτές.
04:12
They don't always get to everyoneΟλοι.
97
237000
2000
Δεν φτάνουν πάντα στον καθένα.
04:14
And bedκρεβάτι netsδίχτυα
98
239000
2000
Και οι κουνουπιέρες
04:16
have an effectαποτέλεσμα on the epidemicεπιδημία,
99
241000
2000
έχουν κάποιο αποτέλεσμα στην επιδημία,
04:18
but you're never going to make it extinctεξαφανισμένος with bedκρεβάτι netsδίχτυα.
100
243000
3000
αλλά ποτέ δεν πρόκειται να την εξαλείψετε με κουνουπιέρες.
04:21
Now, malariaελονοσία is
101
246000
2000
Τώρα, η ελονοσία είναι
04:23
an incrediblyαπίστευτα complicatedπερίπλοκος diseaseασθένεια.
102
248000
3000
μια απίστευτα πολύπλοκη ασθένεια.
04:26
We could spendδαπανήσει hoursώρες going over this.
103
251000
2000
Θα μπορούσαμε να περάσουμε ώρες μιλώντας γι΄αυτήν.
04:28
It's got this sortείδος of soapσαπούνι opera-likeΌπερα-όπως lifestyleΤΡΟΠΟΣ ΖΩΗΣ;
104
253000
2000
Έχει αυτό τον τρόπο ζωής σαν σαπουνόπερα,
04:30
they have sexφύλο, they burrowλαγούμι into your liverσυκώτι,
105
255000
3000
υπάρχει σεξ, τρυπώνουν στο συκώτι σας,
04:33
they tunnelσήραγγα into your bloodαίμα cellsκυττάρων ...
106
258000
3000
διεισδύουν στα αιμοσφαίριά σας...
04:36
it's an incrediblyαπίστευτα complicatedπερίπλοκος diseaseασθένεια,
107
261000
2000
είναι μια απίστευτα πολύπλοκη ασθένεια,
04:38
but that's actuallyπράγματι one of the things we find interestingενδιαφέρων about it
108
263000
3000
όμως αυτό είναι στην πραγματικότητα ένα από τα πράγματα που βρίσκουμε ενδιαφέροντα γι' αυτή
04:41
and why we work on malariaελονοσία:
109
266000
2000
και ο λόγος που δουλεύουμε στην ελονοσία:
04:43
There's a lot of potentialδυνητικός waysτρόπους in.
110
268000
3000
Υπάρχουν πολλοί δυνητικοί τρόποι γι' αυτό.
04:47
One of those waysτρόπους mightθα μπορούσε be better diagnosisδιάγνωση.
111
272000
3000
Ένας από αυτούς τους τρόπους θα ήταν η καλύτερη διάγνωση.
04:50
So we hopeελπίδα this yearέτος
112
275000
2000
Έτσι ελπίζουμε αυτή τη χρονιά
04:52
to prototypeπρωτότυπο eachκαθε of these devicesσυσκευές.
113
277000
3000
να φτιάξουμε πρωτότυπα για καθεμία από αυτές τις συσκευές.
04:56
One does an automaticΑυτόματη malariaελονοσία diagnosisδιάγνωση
114
281000
3000
Μία κάνει αυτόματη διάγνωση ελονοσίας
04:59
in the sameίδιο way that a diabetic'sδιαβητική glucoseγλυκόζη meterμετρητής worksεργοστάσιο:
115
284000
3000
με τον ίδιο τρόπο που λειτουργεί ο μετρητής γλυκόζης ενός διαβητικού:
05:02
You take a dropπτώση of bloodαίμα,
116
287000
2000
Παίρνετε μια σταγόνα αίματος,
05:04
you put it in there and it automaticallyαυτομάτως tellsλέει you.
117
289000
2000
την βάζετε εκεί μέσα και σας λέει αυτομάτως.
05:06
TodayΣήμερα, you need to do a complicatedπερίπλοκος laboratoryεργαστήριο procedureδιαδικασία,
118
291000
3000
Σήμερα, χρειάζεται να κάνετε μια περίπλοκη εργαστηριακή διαδικασία,
05:09
createδημιουργώ a bunchδέσμη of microscopeμικροσκόπιο slidesδιαφάνειες
119
294000
2000
δημιουργείτε ένα σωρό διαφάνειες μικροσκοπίου
05:11
and have a trainedεκπαιδευμένο personπρόσωπο examineΕξετάστε it.
120
296000
3000
και βάζετε κάποιον εκπαιδευμένο να το εξετάσει.
05:14
The other thing is, you know,
121
299000
2000
Κάτι άλλο, ξέρετε,
05:16
it would be even better if you didn't have to drawσχεδιάζω the bloodαίμα.
122
301000
3000
ακόμα καλύτερο θα ήταν αν δεν χρειαζόταν να πάρετε αίμα.
05:19
And if you look throughδιά μέσου the eyeμάτι,
123
304000
2000
Και αν κοιτάξετε διαμέσου του ματιού,
05:21
or you look at the vesselsσκαφών on the whiteάσπρο of the eyeμάτι,
124
306000
3000
ή κοιτάξετε τα αγγεία πάνω στο λευκό του ματιού,
05:24
in factγεγονός, you mayενδέχεται be ableικανός to do this
125
309000
2000
στην πραγματικότητα, ίσως μπορείτε να το κάνετε
05:26
directlyκατευθείαν, withoutχωρίς drawingσχέδιο any bloodαίμα at all,
126
311000
3000
απευθείας, χωρίς να τραβήξετε καθόλου αίμα,
05:29
or throughδιά μέσου your nailνύχι bedsκρεβάτια.
127
314000
2000
ή διαμέσου των νυχιών σας.
05:31
Because if you actuallyπράγματι look throughδιά μέσου your fingernailsτα νύχια, you can see bloodαίμα vesselsσκαφών,
128
316000
3000
Γιατί κυριολεκτικά κοιτάξετε διαμέσου των νυχιών σας, μπορείτε να δείτε αιμοφόρα αγγεία,
05:34
and onceμια φορά you see bloodαίμα vesselsσκαφών, we think we can see the malariaελονοσία.
129
319000
3000
και μόλις δείτε τα αγγεία, νομίζουμε ότι μπορούμε να δούμε την ελονοσία.
05:38
We can see it because of this moleculeμόριο
130
323000
2000
Μπορούμε να τη δούμε εξαιτίας αυτού του μορίου
05:40
calledπου ονομάζεται hemozoinhemozoin.
131
325000
2000
που ονομάζεται αιμοζωίνη.
05:42
It's producedπαράγεται by the malariaελονοσία parasiteπαράσιτο
132
327000
3000
Παράγεται από το παράσιτο της ελονοσίας
05:45
and it's a very interestingενδιαφέρων crystallineκρυστάλλινος substanceουσία.
133
330000
3000
και είναι μια πολύ ενδιαφέρουσα κρυσταλλική ουσία.
05:49
InterestingΕνδιαφέροντα, anywayΤΕΛΟΣ παντων, if you're a solid-stateστερεάς κατάστασης physicistφυσικός.
134
334000
2000
Ενδιαφέρουσα, σε κάθε περίπτωση, αν είστε φυσικός στερεάς κατάστασης.
05:51
There's a lot of coolδροσερός stuffυλικό we can do with it.
135
336000
3000
Είναι πλήθος ενδιαφέροντα πράγματα που μπορούμε να κάνουμε με αυτή.
05:54
This is our femtosecondfemtosecond laserλέιζερ labεργαστήριο.
136
339000
3000
Αυτό είναι το εργαστήριο μας με λέιζερ φεμτοδευτερόλεπτου.
05:57
So this createsδημιουργεί pulsesόσπρια of lightφως
137
342000
2000
Αυτό, λοιπόν, δημιουργεί παλμούς φωτός
05:59
that last a femtosecondfemtosecond.
138
344000
2000
που διαρκούν ένα φεμτοδευτερόλεπτο.
06:01
That's really, really, really shortμικρός.
139
346000
3000
Αυτό είναι αλήθεια, πολύ, πολύ σύντομο.
06:05
This is a pulseσφυγμός of lightφως that's
140
350000
2000
Αυτός είναι ένας παλμός φωτός ο οποίος είναι
06:07
only about one wavelengthμήκος κύματος of lightφως long,
141
352000
2000
μόνο περίπου ένα μήκος κύματος φωτός μακρύς,
06:09
so it's a wholeολόκληρος bunchδέσμη of photonsφωτόνια
142
354000
2000
έτσι είναι ένας ολόκληρος σωρός από φωτόνια
06:11
all comingερχομός and hittingνα χτυπήσει simultaneouslyΤΑΥΤΟΧΡΟΝΑ.
143
356000
2000
όπου όλα έρχονται και συγκρούονται ταυτόχρονα.
06:13
It createsδημιουργεί a very highυψηλός peakκορυφή powerεξουσία
144
358000
2000
Δημιουργείται μία πολύ υψηλή μέγιστη ισχύ
06:15
and it letsεπιτρέπει you do all kindsείδη of interestingενδιαφέρων things;
145
360000
2000
και σας επιτρέπει να κάνετε πολλά ενδιαφέροντα πράγματα,
06:17
in particularιδιαιτερος, it letsεπιτρέπει you find hemozoinhemozoin.
146
362000
2000
ιδιαίτερα, σας επιτρέπει να βρίσκετε αιμοζωίνη.
06:19
So here'sεδώ είναι an imageεικόνα of redτο κόκκινο bloodαίμα cellsκυττάρων,
147
364000
3000
Λοιπόν εδώ είναι μια εικόνα ερυθρών αιμοσφαιρίων,
06:22
and now we can actuallyπράγματι mapχάρτης
148
367000
2000
και τώρα μπορούμε κυριολεκτικά να χαρτογραφίσουμε
06:24
where the hemozoinhemozoin and where the malariaελονοσία parasitesπαράσιτα are
149
369000
3000
που είναι η αιμοζωίνη και που είναι τα παράσιτα της ελονοσίας
06:27
insideμέσα those redτο κόκκινο bloodαίμα cellsκυττάρων.
150
372000
2000
μέσα σε εκείνα τα ερυθρά αιμοσφαίρια.
06:29
And usingχρησιμοποιώντας bothκαι τα δυο this techniqueτεχνική
151
374000
2000
Και χρησιμοποιώντας ταυτόχρονα αυτή την τεχνική
06:31
and other opticalοπτική techniquesτεχνικές,
152
376000
2000
και άλλες οπτικές τεχνικές,
06:33
we think we can make those diagnosticsδιάγνωσης.
153
378000
2000
νομίζουμε ότι μπορούμε να κάνουμε αυτές τις διαγνώσεις.
06:35
We alsoεπίσης have anotherαλλο hemozoin-orientedπροσανατολισμένη στην hemozoin
154
380000
2000
Και επίσης έχουμε μια άλλη προσανατολισμένη στην αιμοζωίνη
06:37
therapyθεραπεία for malariaελονοσία:
155
382000
2000
θεραπεία για την ελονοσία:
06:39
a way, in acuteοξύς casesπεριπτώσεις, to actuallyπράγματι
156
384000
2000
ένα τρόπο, σε οξείες περιπτώσεις, κυριολεκτικά
06:41
take the malariaελονοσία parasiteπαράσιτο and filterφίλτρο it out of the bloodαίμα systemΣύστημα.
157
386000
3000
να παίρνουμε το παράσιτο της ελονοσίας και να το φιλτράρουμε έξω από το σύστημα του αίματος.
06:44
SortΕίδος of like doing dialysisαιμοκάθαρση,
158
389000
2000
Κάτι σαν να κάνουμε διάλυση,
06:46
but for relievingανακούφιση the parasiteπαράσιτο loadφορτώνω.
159
391000
3000
αλλά για ανακούφιση από το φορτίο του παρασίτου.
06:49
This is our thousand-coreχιλιάδες-πυρήνα supercomputerυπερυπολογιστής.
160
394000
3000
Αυτός είναι ο χιλιο-πύρηνος υπερυπολογιστής μας.
06:52
We're kindείδος of softwareλογισμικό guys,
161
397000
2000
Είμαστε κατά κάποιο τρόπο τύποι της πληροφορικής,
06:54
and so nearlyσχεδόν any problemπρόβλημα that you poseστάση,
162
399000
3000
και έτσι σχεδόν κάθε πρόβλημα που θέτετε,
06:57
we like to try to solveλύσει with some softwareλογισμικό.
163
402000
3000
μας αρέσει να προσπαθούμε να το λύσουμε με κάποιον κώδικα.
07:00
One of the problemsπροβλήματα that you have if you're tryingπροσπαθεί to eradicateεκρίζω malariaελονοσία
164
405000
3000
Ένα από το προβλήματα που έχετε αν προσπαθείτε να εξαλείψετε την ελονοσία
07:03
or reduceπεριορίζω it
165
408000
2000
ή να την ελαττώσετε
07:05
is you don't know what's the mostπλέον effectiveαποτελεσματικός thing to do.
166
410000
3000
είναι ότι δεν γνωρίζετε ποιο είναι το πιο αποτελεσματικό πράγμα να κάνετε.
07:08
Okay, we heardακούσει about bedκρεβάτι netsδίχτυα earlierνωρίτερα.
167
413000
2000
Εντάξει, ακούσαμε νωρίτερα για τις κουνουπιέρες.
07:10
You spendδαπανήσει a certainβέβαιος amountποσό perανά bedκρεβάτι netκαθαρά.
168
415000
2000
Ξοδεύετε ένα συγκεκριμένο ποσό ανά κουνουπιέρα.
07:12
Or you could sprayσπρέι.
169
417000
2000
Ή θα μπορούσατε να ψεκάσετε.
07:14
You can give drugφάρμακο administrationδιαχείριση.
170
419000
2000
Μπορείτε να δώσετε φαρμακευτική αγωγή.
07:16
There's all these differentδιαφορετικός interventionsπαρεμβάσεις
171
421000
2000
Υπάρχουν όλες αυτές οι διαφορετικές παρεμβάσεις
07:18
but they have differentδιαφορετικός kindsείδη of effectivenessαποτελεσματικότητα.
172
423000
2000
αλλά αυτές έχουν διάφορα είδη αποτελεσματικότητας.
07:20
How can you tell?
173
425000
2000
Πώς μπορείτε να βγάλετε συμπέρασμα;
07:22
So we'veέχουμε createdδημιουργήθηκε, usingχρησιμοποιώντας our supercomputerυπερυπολογιστής,
174
427000
2000
Έτσι δημιουργήσαμε, χρησιμοποιώντας τον υπερυπολογιστή μας,
07:24
the world'sτου κόσμου bestκαλύτερος computerυπολογιστή modelμοντέλο of malariaελονοσία,
175
429000
2000
το καλύτερο υπολογιστικό μοντέλο στον κόσμο για την ελονοσία,
07:26
whichοι οποίες we'llΚαλά showπροβολή you now.
176
431000
3000
το οποίο θα σας δείξουμε τώρα.
07:29
We pickedεκλεκτός MadagascarΜαδαγασκάρη.
177
434000
3000
Επιλέξαμε την Μαδαγασκάρη.
07:32
We have everyκάθε roadδρόμος,
178
437000
2000
Έχουμε κάθε δρόμο,
07:34
everyκάθε villageχωριό,
179
439000
2000
κάθε χωριό,
07:36
everyκάθε, almostσχεδόν, squareτετράγωνο inchίντσα of MadagascarΜαδαγασκάρη.
180
441000
3000
κάθε, σχεδόν, τετραγωνική ίντσα της Μαδαγασκάρης.
07:39
We have all of the precipitationΥετός dataδεδομένα
181
444000
3000
Έχουμε όλα τα στοιχεία βροχοπτώσεων
07:42
and the temperatureθερμοκρασία dataδεδομένα.
182
447000
2000
και τα στοιχεία θερμοκρασιών.
07:44
That's very importantσπουδαίος because the humidityυγρασία and precipitationΥετός
183
449000
3000
Αυτό είναι πολύ σημαντικό, γιατί η υγρασία και η βροχόπτωση
07:47
tell you whetherκατά πόσο you've got
184
452000
2000
λένε κατά πόσο έχετε
07:49
standingορθοστασία poolsπισίνες of waterνερό for the mosquitoesτα κουνούπια to breedράτσα.
185
454000
3000
λιμνάζοντα νερά για να αναπαραχθούν τα κουνούπια.
07:52
So that setsσκηνικά the stageστάδιο on whichοι οποίες you do this.
186
457000
3000
Έτσι εκείνο καθορίζει το στάδιο στο οποίο μπορείτε να κάνετε αυτό.
07:55
You then have to introduceπαρουσιάζω the mosquitoesτα κουνούπια,
187
460000
2000
Μετά πρέπει να εισάγετε τα κουνούπια,
07:57
and you have to modelμοντέλο that
188
462000
2000
και πρέπει να μοντελοποιήσετε αυτό
07:59
and how they come and go.
189
464000
2000
και πώς έρχονται και φεύγουν.
08:01
UltimatelyΤελικά, it givesδίνει you this.
190
466000
2000
Τελικά, σας δίνει αυτό.
08:03
This is malariaελονοσία spreadingδιάδοση
191
468000
2000
Αυτή είναι η εξάπλωση της ελονοσίας
08:05
acrossαπέναντι MadagascarΜαδαγασκάρη.
192
470000
2000
κατά μήκος της Μαδαγασκάρης.
08:07
And this is this latterτελευταίος partμέρος of the rainyτων βροχών seasonεποχή.
193
472000
3000
Και αυτό είναι το τελευταίο μέρος της εποχής των βροχών.
08:10
We're going to the dryξηρός seasonεποχή now.
194
475000
2000
Πάμε στην περίοδο ξηρασίας τώρα.
08:12
It nearlyσχεδόν goesπηγαίνει away in the dryξηρός seasonεποχή,
195
477000
2000
Σχεδόν εξαφανίζεται στην περίοδο ξηρασίας,
08:14
because there's no placeθέση for the mosquitoesτα κουνούπια to breedράτσα.
196
479000
3000
γιατί δεν υπάρχει μέρος για τα κουνούπια να αναπαραχθούν.
08:17
And then, of courseσειρά μαθημάτων, the nextεπόμενος yearέτος it comesέρχεται roaringΦλοίσβος back.
197
482000
3000
Και μετά, φυσικά, την επόμενη χρονιά επιστρέφει παταγωδώς.
08:21
By doing these kindsείδη of simulationsπροσομοιώσεις,
198
486000
3000
Κάνοντας αυτά τα είδη προσομοιώσεων,
08:24
we want to eradicateεκρίζω or controlέλεγχος malariaελονοσία
199
489000
2000
θέλουμε να εξαλείψουμε ή να ελέγξουμε την ελονοσία
08:26
thousandsχιλιάδες of timesφορές in softwareλογισμικό
200
491000
3000
χιλιάδες φορές στο λογισμικό
08:29
before we actuallyπράγματι have to do it in realπραγματικός life;
201
494000
3000
πριν το κάνουμε στην πραγματικότητα στην αληθινή ζωή,
08:32
to be ableικανός to simulateπροσποιούμαι bothκαι τα δυο the economicοικονομικός trade-offsσυμβιβασμούς --
202
497000
3000
να είμαστε σε θέση να προσομοιώνουμε και τους οικονομικούς συμβιβασμούς --
08:35
how manyΠολλά bedκρεβάτι netsδίχτυα versusεναντίον how much sprayingψεκασμό? --
203
500000
3000
πόσες κουνουπιέρες έναντι πόσου ψεκασμού; --
08:38
or the socialκοινωνικός trade-offsσυμβιβασμούς --
204
503000
2000
ή τους κοινωνικούς συμβιβασμούς --
08:40
what happensσυμβαίνει if unrestαναταραχή breaksφρένα out?
205
505000
3000
τι θα συμβεί αν ξεσπάσουν ταραχές;
08:43
We alsoεπίσης try to studyμελέτη our foeεχθρός.
206
508000
2000
Επίσης προσπαθούμε να μελετήσουμε τον αντίπαλό μας.
08:45
This is a high-speedυψηλή ταχύτητα cameraΦΩΤΟΓΡΑΦΙΚΗ ΜΗΧΑΝΗ viewθέα
207
510000
2000
Αυτή είναι μια εικόνα κάμερας υψηλής ταχύτητας
08:47
of a mosquitoκουνούπι.
208
512000
2000
ενός κουνουπιού.
08:50
And, in a momentστιγμή,
209
515000
2000
Και σε μία στιγμή,
08:52
we're going to see a viewθέα of the airflowροή αέρα.
210
517000
3000
πρόκειται να δούμε μια εικόνα της ροής αέρα.
08:55
Here, we're tryingπροσπαθεί to visualizeφαντάζομαι the airflowροή αέρα
211
520000
2000
Εδώ, προσπαθούμε να οπτικοποιήσουμε τη ροή αέρα
08:57
around the wingsπαρασκήνια of the mosquitoκουνούπι
212
522000
2000
γύρω από τα πτερύγια του κουνουπιού
08:59
with little particlesσωματίδια we're illuminatingφωτιστικός with a laserλέιζερ.
213
524000
3000
με μικρά σωματίδια που φωτίζουμε με ένα λέιζερ.
09:02
By understandingκατανόηση how mosquitoesτα κουνούπια flyπετώ,
214
527000
2000
Καταλαβαίνοντας πως πετούν τα κουνούπια,
09:04
we hopeελπίδα to understandκαταλαβαίνουν how to make them not flyπετώ.
215
529000
3000
ελπίζουμε να καταλάβουμε πώς να τα κάνουμε να μην πετούν.
09:07
Now, one of the waysτρόπους you can make them not flyπετώ
216
532000
2000
Τώρα, ένας από τους τρόπους να τα κάνετε να μην πετούν,
09:09
is with DDTDDT.
217
534000
2000
είναι με DDT (διχλωρο-διφαινυλοτριχλωροαιθάνιο).
09:11
This is a realπραγματικός adΕνα δ.
218
536000
2000
Αυτή είναι μια πραγματική διαφήμιση.
09:13
This is one of those things you just can't make up.
219
538000
3000
Είναι κάτι που δεν μπορείτε απλά να επινοήσετε.
09:16
OnceΜια φορά uponεπάνω σε a time, this was the primaryπρωταρχικός techniqueτεχνική,
220
541000
3000
Μια φορά κι έναν καιρό, αυτή ήταν η κύρια τεχνική,
09:19
and, in factγεγονός, manyΠολλά countriesχώρες got ridαπαλλάσσω of malariaελονοσία throughδιά μέσου DDTDDT.
221
544000
3000
και, στην πραγματικότητα, πολλές χώρες ξεφορτώθηκαν την ελονοσία μέσω του DDT.
09:22
The UnitedΕνωμένοι StatesΚράτη μέλη did.
222
547000
2000
Οι Ηνωμένες Πολιτείες το έκαναν.
09:24
In 1935, there were 150,000 casesπεριπτώσεις a yearέτος
223
549000
3000
Το 1935, υπήρχαν 150.000 περιστατικά ανά έτος
09:27
of malariaελονοσία in the UnitedΕνωμένοι StatesΚράτη μέλη,
224
552000
3000
ελονοσίας στις Ηνωμένες Πολιτείες,
09:30
but DDTDDT and a massiveογκώδης publicδημόσιο healthυγεία effortπροσπάθεια
225
555000
2000
αλλά το DDT και μία μαζική προσπάθεια στη δημόσια υγεία
09:32
managedδιαχειρίζεται to squelchsquelch it.
226
557000
3000
κατάφεραν να τη συντρίψουν.
09:35
So we thought,
227
560000
2000
Έτσι σκεφτήκαμε,
09:37
"Well, we'veέχουμε doneΈγινε all these things that are focusedεστιασμένη on the PlasmodiumPlasmodium,
228
562000
3000
"Λοιπόν, έχουμε κάνει όλα αυτά τα πράγματα που εστιάζουν στο Πλασμόδιο,
09:40
the parasiteπαράσιτο involvedεμπλεγμένος.
229
565000
2000
το παράσιτο που εμπλέκεται.
09:42
What can we do to the mosquitoκουνούπι?
230
567000
2000
Τι μπορούμε να κάνουμε στο κουνούπι;
09:44
Well, let's try to killσκοτώνω it with consumerκαταναλωτής electronicsΗΛΕΚΤΡΟΝΙΚΑ ΕΙΔΗ."
231
569000
3000
Λοιπόν ας προσπαθήσουμε να το σκοτώσουμε με ηλεκτρονικά μαζικής κατανάλωσης."
09:48
Now, that soundsήχους sillyανόητος,
232
573000
2000
Τώρα, αυτό ακούγεται χαζό,
09:50
but eachκαθε of these devicesσυσκευές
233
575000
2000
αλλά καθεμία από αυτές τις συσκευές
09:52
has something interestingενδιαφέρων in it that maybe you could use.
234
577000
3000
έχει κάτι ενδιαφέρον μέσα της που ίσως θα μπορούσατε να χρησιμοποιήσετε.
09:55
Your Blu-rayBlu-ray playerπαίχτης has
235
580000
2000
Η συσκευή σας για αναπαραγωγή Blu-ray έχει
09:57
a very cheapφτηνός blueμπλε laserλέιζερ.
236
582000
2000
ένα πολύ φθηνό μπλε λέιζερ.
09:59
Your laserλέιζερ printerεκτυπωτής has a mirrorκαθρέφτης galvanometerΓαλβανόμετρο
237
584000
2000
Ο εκτυπωτής σας λέιζερ έχει ένα κατοπτρικό γαλβανόμετρο
10:01
that's used to steerβόδι a laserλέιζερ beamΠλάτος very accuratelyμε ακρίβεια;
238
586000
3000
που χρησιμοποιείται για να κατευθύνει μια δέσμη λέιζερ με πολλή ακρίβεια,
10:04
that's what makesκάνει those little dotsκουκκίδες on the pageσελίδα.
239
589000
3000
αυτό είναι που κάνει εκείνες τις μικρές τελείες στη σελίδα.
10:07
And, of courseσειρά μαθημάτων, there's signalσήμα processingεπεξεργασία
240
592000
2000
Και φυσικά, υπάρχει επεξεργασία σήματος
10:09
and digitalψηφιακό camerasκάμερες.
241
594000
2000
και ψηφιακές κάμερες.
10:11
So what if we could put all that togetherμαζί
242
596000
3000
Έτσι τι θα γινόταν αν μπορούσαμε να τα βάλουμε όλα αυτά μαζί
10:14
to shootβλαστός them out of the skyουρανός with lasersλέιζερ?
243
599000
3000
για να τα καταρρίψουμε με λέιζερ;
10:17
(LaughterΤο γέλιο)
244
602000
2000
(Γέλιο)
10:19
(ApplauseΧειροκροτήματα)
245
604000
3000
(Χειροκρότημα)
10:22
Now, in our companyΕταιρία, this is what we call
246
607000
3000
Τώρα, στην εταιρεία μας, αυτό είναι που ονομάζουμε
10:25
"the pinky-suckροζ-πιπιλίζουν momentστιγμή."
247
610000
2000
"η στιγμή πιπιλίσματος του μικρού δακτύλου"
10:27
(LaughterΤο γέλιο)
248
612000
2000
(Γέλιο)
10:29
What if we could do that?
249
614000
2000
Κι αν θα μπορούσαμε να το κάνουμε;
10:31
Now, just suspendαναστολή disbeliefδυσπιστία for a momentστιγμή,
250
616000
3000
Τώρα, απλώς αναστείλετε τη δυσπιστία για μια στιγμή,
10:34
and let's think of what could happenσυμβεί
251
619000
2000
και ας σκεφτούμε τι θα συνέβαινε
10:36
if we could do that.
252
621000
2000
αν θα μπορούσαμε να το κάνουμε αυτό.
10:38
Well, we could protectπροστατεύω very high-valueυψηλής αξίας targetsστόχους like clinicsκλινικές.
253
623000
3000
Λοιπόν, θα μπορούσαμε να προστατεύσουμε στόχους πολύ υψηλής αξίας όπως οι κλινικές.
10:41
ClinicsΚλινικές are fullγεμάτος of people that have malariaελονοσία.
254
626000
3000
Οι κλινικές είναι γεμάτες ανθρώπους με ελονοσία.
10:44
They're sickάρρωστος, and so they're lessπιο λιγο ableικανός to defendυπερασπίζω themselvesτους εαυτούς τους from the mosquitoesτα κουνούπια.
255
629000
3000
Είναι άρρωστοι, κι έτσι είναι λιγότερο ικανοί να υπερασπίζουν τον εαυτό τους από τα κουνούπια.
10:47
You really want to protectπροστατεύω them.
256
632000
2000
Στ' αλήθεια θέλετε να τους προστατεύσετε.
10:49
Of courseσειρά μαθημάτων, if you do that,
257
634000
2000
Φυσικά, αν κάνετε αυτό,
10:51
you could alsoεπίσης protectπροστατεύω your backyardπισω αυλη.
258
636000
2000
θα μπορούσατε επίσης να προστατεύσετε την αυλή σας.
10:53
And farmersαγρότες could protectπροστατεύω theirδικα τους cropsσπάρτα
259
638000
2000
Και οι αγρότες θα μπορούσαν να προστατεύσουν τις σοδειές τους
10:55
that they want to sellΠουλώ to WholeΣύνολο FoodsΤρόφιμα
260
640000
2000
τις οποίες θέλουν να πουλήσουν στη Λαχαναγορά
10:57
because our photonsφωτόνια
261
642000
2000
γιατί τα φωτόνιά μας
10:59
are 100 percentτοις εκατό organicοργανικός. (LaughterΤο γέλιο)
262
644000
2000
είναι 100% οργανικά. (Γέλιο)
11:01
They're completelyεντελώς naturalφυσικός.
263
646000
3000
Είναι πλήρως φυσικά.
11:04
Now, it actuallyπράγματι getsπαίρνει better than this.
264
649000
2000
Τώρα, στην πραγματικότητα γίνεται καλύτερο απ' αυτό.
11:06
You could, if you're really smartέξυπνος,
265
651000
3000
Θα μπορούσατε, αν είστε στα αλήθεια έξυπνοι,
11:09
you could shineλάμψη a nonlethalμη θανατηφόρα laserλέιζερ on the bugέντομο
266
654000
3000
θα μπορούσατε να ακτινοβολήσετε ένα μη φονικό λέιζερ στο ζωύφιο
11:12
before you zapZAP it,
267
657000
2000
πριν το εξολοθρεύσετε,
11:14
and you could listen to the wingπτέρυγα beatΡυθμός frequencyσυχνότητα
268
659000
2000
και θα μπορούσατε να ακούσετε τη συχνότητα χτύπων πτερυγίων
11:16
and you could measureμετρήσει the sizeμέγεθος.
269
661000
2000
και θα μπορούσατε να μετρήσετε το μέγεθος.
11:18
And then you could decideαποφασίζω:
270
663000
2000
Και μετά θα μπορούσατε να αποφασίσετε:
11:20
"Is this an insectέντομο I want to killσκοτώνω,
271
665000
2000
"Είναι αυτό ένα έντομο που θέλω να σκοτώσω,
11:22
or an insectέντομο I don't want to killσκοτώνω?"
272
667000
2000
ή ένα έντομο που δεν θέλω να σκοτώσω΄"
11:24
Moore'sMoore lawνόμος madeέκανε computingχρήση υπολογιστή cheapφτηνός;
273
669000
2000
Ο νόμος του Μουρ έκανε την υπολογιστική ισχύ φθηνή,
11:26
so cheapφτηνός we can weighζυγίζω
274
671000
2000
τόσο φθηνή που μπορούμε να ζυγίσουμε
11:28
the life of an individualάτομο insectέντομο
275
673000
2000
τη ζωή ενός συγκεκριμένου εντόμου
11:30
and decideαποφασίζω thumbsΜπράβο up
276
675000
3000
και να αποφασίσουμε εάν θα ζήσει
11:33
or thumbsΜπράβο down. (LaughterΤο γέλιο)
277
678000
3000
ή εάν θα πεθάνει. (Γέλιο)
11:36
Now, it turnsστροφές out we only killσκοτώνω the femaleθηλυκός mosquitoesτα κουνούπια.
278
681000
3000
Τώρα, προκύπτει ότι σκοτώνουμε μόνο τα θηλυκά κουνούπια.
11:39
They're the only onesαυτές that are dangerousεπικίνδυνος.
279
684000
2000
Είναι τα μόνα που είναι επικίνδυνα.
11:41
MosquitoesΤα κουνούπια only drinkποτό bloodαίμα
280
686000
2000
Τα κουνούπια πίνουν αίμα μόνο
11:43
to layλαϊκός eggsτα αυγά.
281
688000
2000
για να εναποθέτουν αυγά.
11:45
MosquitoesΤα κουνούπια actuallyπράγματι liveζω ... theirδικα τους day-to-dayαπό μέρα σε μέρα nutritionθρέψη
282
690000
3000
Τα κουνούπια στην πραγματικότητα ζούνε με... η καθημερινή διατροφή τους
11:48
comesέρχεται from nectarνέκταρ, from flowersλουλούδια --
283
693000
2000
προέρχεται από νέκταρ, από λουλούδια --
11:50
in factγεγονός, in the labεργαστήριο, we feedταίζω oursΔικός μας raisinsσταφίδες --
284
695000
3000
Στην πραγματικότητα, στο εργαστήριο, ταΐζουμε τα δικά μας με σταφίδες -
11:53
but the femaleθηλυκός needsανάγκες the bloodαίμα mealγεύμα.
285
698000
3000
αλλά τα θηλυκά χρειάζονται το γεύμα αίματος.
11:56
So, this soundsήχους really crazyτρελός, right?
286
701000
2000
Λοιπόν, αυτό ακούγεται στα αλήθεια τρελό, σωστά;
11:58
Would you like to see it?
287
703000
2000
Θα θέλατε να το δείτε;
12:00
AudienceΤο κοινό: Yeah!
288
705000
2000
Ακροατήριο: Ναι!
12:02
NathanNathan MyhrvoldMyhrvold: Okay, so our legalνομικός departmentτμήμα preparedέτοιμος a disclaimerαποποίηση ευθυνών,
289
707000
3000
Νέιθαν Μάιχρβολτ: Εντάξει, λοιπόν το νομικό τμήμα μας ετοίμασε μια αποποίηση ευθυνών,
12:06
and here it is.
290
711000
2000
που είναι αυτό εδώ.
12:08
(LaughterΤο γέλιο)
291
713000
3000
(Γέλιο)
12:13
Now, after thinkingσκέψη about this a little bitκομμάτι
292
718000
3000
Τώρα, αφού το σκεφτήκαμε για λίγο
12:16
we thought, you know, it probablyπιθανώς would be simplerαπλούστερη
293
721000
2000
νομίσαμε, ξέρετε, ίσως θα ήταν απλούστερο
12:18
to do this with a nonlethalμη θανατηφόρα laserλέιζερ.
294
723000
2000
να το κάνουμε με ένα μη φονικό λέιζερ.
12:20
So, EricEric JohansonΓιόχανσον, who builtχτισμένο the deviceσυσκευή,
295
725000
3000
Έτσι, ο Έρικ Γιόχανσον, ο οποίος έφτιαξε τη συσκευή,
12:23
actuallyπράγματι, with partsεξαρτήματα from eBayeBay;
296
728000
2000
στην πραγματικότητα με εξαρτήματα από το eBay,
12:25
and PablosΠάμπλο HolmanHolman over here,
297
730000
2000
και ο Πάμπλος Χόλμαν εκεί πέρα,
12:27
he's got mosquitoesτα κουνούπια in the tankΔεξαμενή.
298
732000
2000
έχει κουνούπια στη δεξαμενή.
12:29
We have the deviceσυσκευή over here.
299
734000
2000
Έχουμε τη συσκευή εδώ.
12:31
And we're going to showπροβολή you,
300
736000
2000
Και πρόκειται να σας δείξουμε,
12:33
insteadαντι αυτου of the killσκοτώνω laserλέιζερ,
301
738000
2000
αντί του φονικού λέιζερ,
12:35
whichοι οποίες will be a very briefσύντομος, instantaneousστιγμιαίος pulseσφυγμός,
302
740000
2000
το οποίο θα είναι ένας πολύ σύντομος, στιγμιαίος παλμός,
12:37
we're going to have a greenπράσινος laserλέιζερ pointerδείκτης
303
742000
2000
πρόκειται να έχουμε ένα πράσινο καταδείκτη λέιζερ
12:39
that's going to stayδιαμονή on the mosquitoκουνούπι for, actuallyπράγματι, quiteαρκετά a long periodπερίοδος of time;
304
744000
3000
που θα μείνει πάνω στο κουνούπι, στην πραγματικότητα, για μεγάλη χρονική περίοδο,
12:42
otherwiseσε διαφορετική περίπτωση, you can't see it very well.
305
747000
2000
αλλιώς δεν μπορείτε να το δείτε πολύ καλά.
12:44
Take it away EricEric.
306
749000
2000
Δικό σου Έρικ.
12:46
EricEric JohansonΓιόχανσον: What we have here
307
751000
2000
Έρικ Γιόχανσον: Αυτό που έχουμε εδώ
12:48
is a tankΔεξαμενή on the other sideπλευρά of the stageστάδιο.
308
753000
2000
είναι μια δεξαμενή στην άλλη άκρη της σκηνής.
12:50
And we have ... this computerυπολογιστή screenοθόνη
309
755000
2000
Και έχουμε... αυτή η οθόνη υπολογιστή
12:52
can actuallyπράγματι see the mosquitoesτα κουνούπια as they flyπετώ around.
310
757000
2000
μπορεί στην πραγματικότητα να δει τα κουνούπια καθώς πετούν τριγύρω.
12:54
And PablosΠάμπλο, if he stirsανακατώνει up our mosquitoesτα κουνούπια a little bitκομμάτι
311
759000
3000
Και ο Πάμπλος, αν ανακατέψει λίγο τα κουνούπια μας
12:57
we can see them flyingπέταγμα around.
312
762000
2000
μπορούμε να τα δούμε να πετούν τριγύρω.
12:59
Now, that's a fairlyαρκετά straightforwardειλικρινής imageεικόνα processingεπεξεργασία routineρουτίνα,
313
764000
2000
Τώρα, αυτή είναι μια αρκετά απλή ρουτίνα επεξεργασίας εικόνας,
13:01
and let me showπροβολή you how it worksεργοστάσιο.
314
766000
2000
και επιτρέψτε μου να σας δείξω πώς δουλεύει.
13:03
Here you can see that the insectsέντομα are beingνα εισαι trackedπαρακολουθούνται
315
768000
2000
Εδώ μπορείτε να δείτε ότι τα έντομα εγκλωβίζονται
13:05
as they're flyingπέταγμα around,
316
770000
2000
καθώς πετούν τριγύρω,
13:07
whichοι οποίες is kindείδος of funδιασκέδαση.
317
772000
3000
κάτι που είναι κάπως διασκεδαστικό.
13:10
NextΕπόμενη we can actuallyπράγματι lightφως them up with a laserλέιζερ. (LaughterΤο γέλιο)
318
775000
2000
Στη συνέχεια μπορούμε να τα φωτίσουμε με ένα λέιζερ. (Γέλιο)
13:12
Now, this is a lowχαμηλός poweredτροφοδοτείται laserλέιζερ,
319
777000
2000
Τώρα, αυτό είναι ένα λέιζερ χαμηλής ισχύος,
13:14
and we can actuallyπράγματι pickδιαλέγω up a wing-beatπτέρυγα-beat frequencyσυχνότητα.
320
779000
2000
και μπορούμε να επιλέξουμε μια συχνότητα χτύπων πτερυγίου.
13:16
So you mayενδέχεται be ableικανός to hearακούω some mosquitoesτα κουνούπια flyingπέταγμα around.
321
781000
3000
Έτσι ίσως μπορείτε να ακούσετε μερικά κουνούπια να πετάνε τριγύρω.
13:19
NMNM: That's a mosquitoκουνούπι wingπτέρυγα beatΡυθμός you're hearingακρόαση.
322
784000
3000
ΝΜ: Αυτό που ακούτε είναι ο χτύπος του φτερού ενός κουνουπιού.
13:24
EJEJ: FinallyΤέλος, let's see what this looksφαίνεται like.
323
789000
3000
ΕΤ: Τέλος, ας δούμε πως είναι.
13:29
There you can see mosquitoesτα κουνούπια as they flyπετώ around, beingνα εισαι litανάβει up.
324
794000
3000
Εκεί μπορείτε να δείτε κουνούπια να φωτίζονται καθώς πετούν.
13:32
This is slowedεπιβραδύνθηκε way down
325
797000
2000
Αυτό επιβραδύνεται σημαντικά
13:34
so that you have an opportunityευκαιρία to see what's happeningσυμβαίνει.
326
799000
2000
ώστε να έχετε μια ευκαιρία να δείτε τι συμβαίνει.
13:36
Here we have it runningτρέξιμο at high-speedυψηλή ταχύτητα modeτρόπος.
327
801000
2000
Εδώ το έχουμε να τρέχει σε λειτουργία υψηλής ταχύτητας.
13:38
So this systemΣύστημα that was builtχτισμένο for TEDTED is here to illustrateεικονογραφώ
328
803000
2000
Έτσι αυτό το σύστημα που φτιάχτηκε για το TED είναι εδώ για να δείξει
13:40
that it is technicallyτεχνικά possibleδυνατόν to actuallyπράγματι deployαναπτύξετε a systemΣύστημα like this,
329
805000
3000
ότι είναι τεχνικά εφικτό όντως να χρησιμοποιηθεί ένα τέτοιο σύστημα,
13:43
and we're looking very hardσκληρά at how to make it
330
808000
3000
και εξετάζουμε πολύ εντατικά πώς να το κάνουμε
13:46
highlyυψηλά cost-effectiveαποδοτική to use in placesθέσεις like AfricaΑφρική and other partsεξαρτήματα of the worldκόσμος.
331
811000
3000
εξαιρετικά συμφέρον για χρήση σε μέρη όπως την Αφρική και άλλα σημεία του κόσμου.
13:49
(ApplauseΧειροκροτήματα)
332
814000
6000
(Χειροκρότημα)
13:56
NMNM: So it wouldn'tδεν θα ήταν be any funδιασκέδαση to showπροβολή you that
333
821000
3000
ΝΜ: Έτσι δεν θα είχε πλάκα να σας το δείξω
13:59
withoutχωρίς showingεπίδειξη you what actuallyπράγματι happensσυμβαίνει when we hitΚτύπημα 'em'em.
334
824000
3000
χωρίς να σας δείξω τι πραγματικά συμβαίνει όταν τα χτυπάμε.
14:02
(LaughterΤο γέλιο)
335
827000
2000
(Γέλιο)
14:10
(LaughterΤο γέλιο)
336
835000
3000
(Γέλιο)
14:13
This is very satisfyingικανοποίηση.
337
838000
2000
Αυτό είναι πολύ ικανοποιητικό.
14:15
(LaughterΤο γέλιο)
338
840000
2000
(Γέλιο)
14:18
This is one of the first onesαυτές we did.
339
843000
2000
Αυτό είναι ένα από τα πρώτα που κάναμε.
14:20
The energy'sτης ενέργειας a little bitκομμάτι highυψηλός here.
340
845000
2000
Η ενέργειά του είναι λίγο υψηλή εδώ.
14:22
(LaughterΤο γέλιο)
341
847000
3000
(Γέλιο)
14:27
We'llΕμείς θα loopβρόχος around here in just a secondδεύτερος, and you'llθα το κάνετε see anotherαλλο one.
342
852000
2000
Θα το γυρίσουμε εδώ σε ένα δευτερόλεπτο, και θα δείτε άλλο ένα.
14:29
Here'sΕδώ είναι anotherαλλο one. BangΜπανγκ.
343
854000
2000
Εδώ είναι άλλο ένα. Μπαμ.
14:31
An interestingενδιαφέρων thing is, we killσκοτώνω them all the time;
344
856000
3000
Ένα ενδιαφέρον πράγμα είναι ότι, τα σκοτώνουμε κάθε φορά,
14:34
we'veέχουμε never actuallyπράγματι gottenπήρε the wingsπαρασκήνια to shutκλειστός off in midairmidair.
345
859000
3000
στην πραγματικότητα ποτέ δεν κάναμε τα φτερά να σταματήσουν στον αέρα.
14:37
The wingπτέρυγα motorμοτέρ is very resilientανθεκτική.
346
862000
2000
Η κίνηση των φτερών είναι πολύ ανθεκτική.
14:39
I mean, here we're blowingφυσώντας wingsπαρασκήνια off
347
864000
2000
Εννοώ, εδώ ανατινάζουμε τα φτερά
14:41
but the wingπτέρυγα motorμοτέρ keepsκρατάει all the way down.
348
866000
3000
αλλά η κίνηση των φτερών συνεχίζει μέχρι κάτω.
14:45
So, that's what I have. ThanksΕυχαριστώ very much.
349
870000
2000
Λοιπόν, αυτά είχα να πω. Ευχαριστώ πάρα πολύ.
14:47
(ApplauseΧειροκροτήματα)
350
872000
16000
(Χειροκρότημα)
Translated by Dimitrios Oikonomou
Reviewed by Nikolaos Benias

▲Back to top

ABOUT THE SPEAKER
Nathan Myhrvold - Polymath
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer.

Why you should listen

Since leaving his post as Microsoft's Chief Technology Officer in 1999 (with fortune in tow), Nathan Myhrvold has been a professional exemplar of the spirit of the "Renaissance Man," proudly following his interests wherever they've led. His dispersed passions have triggered an impressive list of accomplishments, including world barbecue championships, major archeological finds (several Tyrannosaurus rex skeletons), prize-winning wildlife photography, building a section of Babbage's Difference Engine #2, s, and a new and consuming interest in the sous-vide cooking technique.

Malcolm Gladwell's 2008 New Yorker profile of him revealed an impish but truly inspired character whose latest company, Intellectual Ventures -- which brainstorms and patents a wide array of inventions --  has been accused in some quarters of acting like a 'patent troll' but is described by Myhrvold as "a disruptive organization providing  an efficient way for patent holders to get paid for the inventions they own, and... for technology companies to gain easy access to the invention rights they need." After funding big-vision projects such as the Allen Telescope Array, exploring active volcanoes and investigating penguin digestion, Myhrvold insists that his hobbies aren't as discursive as they seem. They do have a common denominator, after all: him.

More profile about the speaker
Nathan Myhrvold | Speaker | TED.com