TED2009
Ray Kurzweil: A university for the coming singularity
Ray Kurzweil: Une université pour la singularité à venir
Filmed:
Readability: 4.9
1,025,725 views
Les tout nouveaux graphiques de Ray Kurzweil montrent que la progression débridée de la technologie ne va faire qu’accélérer – récession ou non. Il dévoile son nouveau projet, l’Université de la Singularité, pour étudier les technologies à venir et les guider pour qu’elles bénéficient à l’humanité.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:13
Information technology grows in an exponential manner.
0
1000
3000
Les technologies de l’information croissent exponentiellement.
00:16
It's not linear. And our intuition is linear.
1
4000
4000
Ce n’est pas linéaire. Notre intuition, elle, est linéaire.
00:20
When we walked through the savanna a thousand years ago
2
8000
2000
Il y a des milliers d’années, quand nous marchions dans la savane
00:22
we made linear predictions where that animal would be,
3
10000
2000
nous faisions des prédictions linéaires pour savoir où cet animal sera.
00:24
and that worked fine. It's hardwired in our brains.
4
12000
3000
Et ça marchait bien. C’est câblé dans nos cerveaux.
00:27
But the pace of exponential growth
5
15000
3000
Mais le rythme de croissance exponentielle
00:30
is really what describes information technologies.
6
18000
3000
est ce qui décrit le mieux les technologies de l’information.
00:33
And it's not just computation.
7
21000
3000
Et il ne s’agit pas seulement de calcul.
00:36
There is a big difference between linear and exponential growth.
8
24000
2000
Il y a une grande différence entre une croissance linéaire et une exponentielle.
00:38
If I take 30 steps linearly -- one, two, three, four, five --
9
26000
4000
Si je fais 30 pas en ligne droite, un, deux, trois, quatre, cinq,
00:42
I get to 30.
10
30000
2000
j'arrive à 30.
00:44
If I take 30 steps exponentially -- two, four, eight, 16 --
11
32000
3000
Si je fais 30 pas exponentiellement, deux, quatre, huit, seize,
00:47
I get to a billion.
12
35000
2000
j'arrive à un milliard.
00:49
It makes a huge difference.
13
37000
2000
Cela fait une énorme différence.
00:51
And that really describes information technology.
14
39000
2000
Et c’est vraiment ce qui décrit les technologies de l’information.
00:53
When I was a student at MIT,
15
41000
2000
Quand j’étais étudiant au MIT (Massachusetts Institute of Technology)
00:55
we all shared one computer that took up a whole building.
16
43000
2000
nous partagions tous un ordinateur qui remplissait tout un bâtiment.
00:57
The computer in your cellphone today is a million times cheaper,
17
45000
3000
L’ordinateur dans votre téléphone portable est un million de fois moins cher,
01:00
a million times smaller,
18
48000
2000
un million de fois plus petit,
01:02
a thousand times more powerful.
19
50000
2000
mille fois plus puissant.
01:04
That's a billion-fold increase in capability per dollar
20
52000
3000
C’est une multiplication par un milliard de la capacité par dollar
01:07
that we've actually experienced since I was a student.
21
55000
2000
c'est ce que nous avons vécu dans les faits depuis que j’étais étudiant.
01:09
And we're going to do it again in the next 25 years.
22
57000
3000
Et nous allons le refaire durant les 25 prochaines années.
01:12
Information technology progresses
23
60000
2000
Les technologies de l’information progressent
01:14
through a series of S-curves
24
62000
2000
en suivant des courbes en S
01:16
where each one is a different paradigm.
25
64000
2000
qui correspondent chacune à un modèle différent.
01:18
So people say, "What's going to happen when Moore's Law comes to an end?"
26
66000
3000
Les gens disent, «Que va-t-il se passer quand la Loi de Moore ne sera plus vraie?»
01:21
Which will happen around 2020.
27
69000
2000
Ce qui va arriver aux alentours de 2020.
01:23
We'll then go to the next paradigm.
28
71000
2000
Nous passerons alors au modèle suivant.
01:25
And Moore's Law was not the first paradigm
29
73000
2000
Et la Loi de Moore n’a pas été le premier modèle
01:27
to bring exponential growth to computing.
30
75000
2000
à fournir une croissance exponentielle à la puissance de calcul.
01:29
The exponential growth of computing started
31
77000
2000
La croissance exponentielle de la puissance de calcul a commencé
01:31
decades before Gordon Moore was even born.
32
79000
2000
des dizaines d’années avant même que Gordon Moore ne naisse.
01:33
And it doesn't just apply to computation.
33
81000
4000
Et cela ne s’applique pas seulement au calcul.
01:37
It's really any technology where we can measure
34
85000
2000
On peut mesurer les propriétés de l’information sous jacente
01:39
the underlying information properties.
35
87000
3000
de vraiment n’importe quelle technologie.
01:42
Here we have 49 famous computers. I put them in a logarithmic graph.
36
90000
4000
Ici nous avons 49 ordinateurs célèbres. Je les ai représentés avec une échelle logarithmique.
01:46
The logarithmic scale hides the scale of the increase,
37
94000
4000
L’échelle logarithmique masque l’importance de l’augmentation.
01:50
because this represents trillions-fold increase
38
98000
2000
En effet, ceci représente une multiplication par un billion
01:52
since the 1890 census.
39
100000
3000
depuis l’état de 1890.
01:55
In 1950s they were shrinking vacuum tubes,
40
103000
2000
Dans les années 50, ils réduisaient la taille des tubes à vide,
01:57
making them smaller and smaller. They finally hit a wall;
41
105000
3000
les rendant de plus en plus petits. Finalement, ils atteignirent un mur.
02:00
they couldn't shrink the vacuum tube any more and keep the vacuum.
42
108000
2000
Ils ne pouvaient pas réduire plus la taille du tube à vide tout en gardant le vide.
02:02
And that was the end of the shrinking of vacuum tubes,
43
110000
3000
Et ce fut la fin de la réduction des tubes à vide.
02:05
but it was not the end of the exponential growth of computing.
44
113000
3000
Mais ce ne fut pas la fin de la croissance exponentielle du calcul.
02:08
We went to the fourth paradigm, transistors,
45
116000
2000
Nous sommes alors passés au quatrième modèle : les transistors.
02:10
and finally integrated circuits.
46
118000
2000
Et finallement les circuits intégrés.
02:12
When that comes to an end we'll go to the sixth paradigm;
47
120000
2000
Quand cela touchera à sa fin, nous passerons au sixième modèle,
02:14
three-dimensional self-organizing molecular circuits.
48
122000
4000
les circuits moléculaires tri-dimensionnels et auto-organisés.
02:18
But what's even more amazing, really, than this
49
126000
3000
Mais vraiment, ce qui est encore plus impressionnant que ce
02:21
fantastic scale of progress,
50
129000
2000
fantastique rythme de croissance
02:23
is that -- look at how predictable this is.
51
131000
2000
est de voir à quel point il est prévisible.
02:25
I mean this went through thick and thin,
52
133000
2000
Je veux dire qu'il traversa des périodes d’abondance et de vaches maigres,
02:27
through war and peace, through boom times and recessions.
53
135000
3000
connu la guerre et la paix, des époques de boom économique ou de récession
02:30
The Great Depression made not a dent in this exponential progression.
54
138000
4000
La Grande Dépression ne causa même pas un tressaillement de cette progression exponentielle
02:34
We'll see the same thing in the economic recession we're having now.
55
142000
4000
Nous voyons la même chose pendant la période de récession que nous vivons aujourd’hui.
02:38
At least the exponential growth of information technology capability
56
146000
3000
La croissance exponentielle des capacités des technologies de l’information, au moins,
02:41
will continue unabated.
57
149000
3000
va continuer sans faiblir.
02:44
And I just updated these graphs.
58
152000
2000
Je viens juste de mettre à jour ces graphiques.
02:46
Because I had them through 2002 in my book, "The Singularity is Near."
59
154000
3000
Je les ai en effet depuis 2002 dans mon livre: Humanité 2.0 : La bible du changement (The Singularity is Near)
02:49
So we updated them,
60
157000
2000
Nous les avons donc mis à jour
02:51
so I could present it here, to 2007.
61
159000
3000
jusqu'à 2007, pour que je puisse les présenter ici.
02:54
And I was asked, "Well aren't you nervous?
62
162000
2000
Et on m’a demandé «Alors, vous n’êtes pas nerveux?
02:56
Maybe it kind of didn't stay on this exponential progression."
63
164000
4000
Peut-être que ce n’est pas vraiment resté sur ce rythme de croissance exponentielle.»
03:00
I was a little nervous
64
168000
2000
J’étais un peu nerveux.
03:02
because maybe the data wouldn't be right,
65
170000
2000
Parce que les données n’allaient peut-être pas marcher.
03:04
but I've done this now for 30 years,
66
172000
2000
Mais je fais ça depuis 30 ans.
03:06
and it has stayed on this exponential progression.
67
174000
3000
Et cela a continué avec cette progression exponentielle.
03:09
Look at this graph here.You could buy one transistor for a dollar in 1968.
68
177000
3000
Regardez cette courbe. Vous pouviez acheter un transistor pour un dollar en 1968.
03:12
You can buy half a billion today,
69
180000
2000
Vous pouvez en acheter un demi-milliard aujourd’hui.
03:14
and they are actually better, because they are faster.
70
182000
2000
Et en fait, ils sont même mieux, car ils sont plus rapides.
03:16
But look at how predictable this is.
71
184000
2000
Mais regardez à quel point tout ceci est prévisible.
03:18
And I'd say this knowledge is over-fitting to past data.
72
186000
3000
Je dirais même que ce modèle s’adapte trop bien aux données passées.
03:21
I've been making these forward-looking predictions for about 30 years.
73
189000
4000
Cela fait environ 30 ans que je fais ces prédictions à long terme.
03:25
And the cost of a transistor cycle,
74
193000
2000
Et le prix d’un cycle de transistor,
03:27
which is a measure of the price performance of electronics,
75
195000
2000
ce qui est une mesure du prix de la performance en électronique,
03:29
comes down about every year.
76
197000
2000
diminue à peu près tous les ans.
03:31
That's a 50 percent deflation rate.
77
199000
2000
C’est un taux de déflation de 50 %.
03:33
And it's also true of other examples,
78
201000
2000
C’est aussi vrai pour d’autres exemples
03:35
like DNA data or brain data.
79
203000
2000
comme les données ADN ou les données cérébrales.
03:37
But we more than make up for that.
80
205000
2000
Mais nous faisons plus que compenser cela.
03:39
We actually ship more than twice as much
81
207000
2000
Nous fournissons effectivement plus que deux fois plus
03:41
of every form of information technology.
82
209000
2000
de toutes les formes de technologie de l’information.
03:43
We've had 18 percent growth in constant dollars
83
211000
3000
Durant la seconde moitié du siècle dernier, nous avons eu une croissance de 18% à dollar constant
03:46
in every form of information technology for the last half-century,
84
214000
3000
pour toutes les formes des technologies de l’information.
03:49
despite the fact that you can get twice as much of it each year.
85
217000
4000
Malgré le fait que vous puissiez en avoir deux fois plus tous les ans.
03:53
This is a completely different example.
86
221000
2000
C’est un exemple complètement différent.
03:55
This is not Moore's Law.
87
223000
2000
Il ne s’agit pas de la Loi de Moore.
03:57
The amount of DNA data
88
225000
2000
La quantité d’ADN
03:59
we've sequenced has doubled every year.
89
227000
2000
que nous avons séquencée a doublé tous les ans.
04:01
The cost has come down by half every year.
90
229000
3000
Le coût a diminué de moitié tous les ans.
04:04
And this has been a smooth progression
91
232000
2000
Et cela a été une progression régulière
04:06
since the beginning of the genome project.
92
234000
2000
depuis le début du projet Génome.
04:08
And halfway through the project, skeptics said,
93
236000
2000
À mi-chemin du projet, les sceptiques disaient,
04:10
"Well, this is not working out. You're halfway through the genome project
94
238000
3000
«Ça ne marche pas. Vous en êtes à la moitié du projet Génome
04:13
and you've finished one percent of the project."
95
241000
2000
et vous n’avez fini que 1 % du projet.»
04:15
But that was really right on schedule.
96
243000
2000
Mais en fait, c’était exactement dans les délais.
04:17
Because if you double one percent seven more times,
97
245000
2000
Parce que si vous doublez 1 % sept fois de suite,
04:19
which is exactly what happened,
98
247000
2000
ce qui est exactement ce qui est arrivé,
04:21
you get 100 percent. And the project was finished on time.
99
249000
3000
vous obtenez 100 %. Et le projet fut fini en temps et en heure.
04:24
Communication technologies:
100
252000
2000
Les technologies de communication :
04:26
50 different ways to measure this,
101
254000
2000
50 façons différentes de mesurer cela.
04:28
the number of bits being moved around, the size of the Internet.
102
256000
3000
Le nombre de bits qui sont déplacés, la taille d'Internet.
04:31
But this has progressed at an exponential pace.
103
259000
2000
Mais cela a progressé à un rythme exponentiel.
04:33
This is deeply democratizing.
104
261000
2000
Ça se démocratise en profondeur.
04:35
I wrote, over 20 years ago in "The Age of Intelligent Machines,"
105
263000
3000
J’ai écrit, il ya 20 ans dans L’âge des Machines intelligentes (The Age of Intelligent Machines),
04:38
when the Soviet Union was going strong, that it would be swept away
106
266000
3000
alors que l’Union Sovétique se renforçait, qu’elle allait être balayée
04:41
by this growth of decentralized communication.
107
269000
4000
par cette croissance de la communication décentralisée.
04:45
And we will have plenty of computation as we go through the 21st century
108
273000
3000
Et nous allons avoir une puissance de calcul abondante tandis que nous avancerons dans le 21ième siècle
04:48
to do things like simulate regions of the human brain.
109
276000
4000
qui nous permettra de faire des choses comme simuler des régions du cerveau humain.
04:52
But where will we get the software?
110
280000
2000
Mais où allons nous trouver le logiciel ?
04:54
Some critics say, "Oh, well software is stuck in the mud."
111
282000
3000
Certains critiques disent, «Oh, bah le logiciel est échec et mat»
04:57
But we are learning more and more about the human brain.
112
285000
2000
Mais nous en apprenons de plus en plus sur le cerveau humain.
04:59
Spatial resolution of brain scanning is doubling every year.
113
287000
3000
La résolution spatiale de l’imagerie cérébrale double tous les ans.
05:02
The amount of data we're getting about the brain is doubling every year.
114
290000
3000
La quantité de données sur le cerveau que nous obtenons double tous les ans.
05:05
And we're showing that we can actually turn this data
115
293000
3000
Et nous sommes en train de montrer que nous pouvons transformer ces données
05:08
into working models and simulations of brain regions.
116
296000
3000
en modèles fonctionnels et en simulations de régions du cerveau.
05:11
There is about 20 regions of the brain that have been modeled,
117
299000
2000
Il y a environ 20 régions du cerveau qui ont été modelisées,
05:13
simulated and tested:
118
301000
2000
simulées et testées :
05:15
the auditory cortex, regions of the visual cortex;
119
303000
3000
le cortex auditif, des régions du cortex visuel,
05:18
cerebellum, where we do our skill formation;
120
306000
2000
le cervelet, où nous formons nos compétences
05:20
slices of the cerebral cortex, where we do our rational thinking.
121
308000
4000
des tranches du cortex cérébral, où nos pensées rationnelles se font.
05:24
And all of this has fueled
122
312000
2000
Et tout ceci a nourri
05:26
an increase, very smooth and predictable, of productivity.
123
314000
3000
une augmentation, très régulière et prédictible, de la productivité.
05:29
We've gone from 30 dollars to 130 dollars
124
317000
2000
La valeur moyenne d’une heure de travail humain
05:31
in constant dollars in the value of an average hour of human labor,
125
319000
4000
est passée à dollar constant de 30 $ à 130 $,
05:35
fueled by this information technology.
126
323000
3000
grâce à ces technologies de l’information.
05:38
And we're all concerned about energy and the environment.
127
326000
3000
Nous sommes tous inquiets au sujet de l’énergie et de l’environnement.
05:41
Well this is a logarithmic graph.
128
329000
2000
Et bien, ceci est une courbe logarithmique.
05:43
This represents a smooth doubling,
129
331000
2000
Elle représente un doublement régulier,
05:45
every two years, of the amount of solar energy we're creating,
130
333000
4000
tous les deux ans, de la quantité d’énergie solaire que nous produisons.
05:49
particularly as we're now applying nanotechnology,
131
337000
2000
Et notamment, maintenant que nous utilisons les nanotechnologies,
05:51
a form of information technology, to solar panels.
132
339000
3000
une forme de technologie de l’information, aux panneaux solaires.
05:54
And we're only eight doublings away
133
342000
2000
Et nous ne sommes qu’à huit doublements
05:56
from it meeting 100 percent of our energy needs.
134
344000
2000
d'atteindre 100 % de nos besoins énergétiques.
05:58
And there is 10 thousand times more sunlight than we need.
135
346000
4000
Il y a dix mille fois plus de lumière solaire que nous n’en avons besoin.
06:02
We ultimately will merge with this technology. It's already very close to us.
136
350000
5000
Au final, nous allons nous mélanger avec ces technologies. Ce jour est déjà très proche.
06:07
When I was a student it was across campus, now it's in our pockets.
137
355000
3000
Quand j’étais étudiant, ça s’étendait sur tout le campus. Maintenant, ça tient dans nos poches.
06:10
What used to take up a building now fits in our pockets.
138
358000
3000
Ce qui prenait tout un bâtiment tient maintenant dans nos poches.
06:13
What now fits in our pockets would fit in a blood cell in 25 years.
139
361000
3000
Ce qui tient dans nos poches aujourd’hui, tiendra dans une cellule sanguine dans 25 ans.
06:16
And we will begin to actually deeply influence
140
364000
4000
Et nous allons commencer à influencer profondément
06:20
our health and our intelligence,
141
368000
2000
notre santé et notre intelligence,
06:22
as we get closer and closer to this technology.
142
370000
4000
en devenant de plus en plus proches de ces technologies.
06:26
Based on that we are announcing, here at TED,
143
374000
3000
C’est sur ces bases, que nous annonçons, ici à TED,
06:29
in true TED tradition, Singularity University.
144
377000
3000
dans la vrai tradition de TED, l’Université de la Singularité.
06:32
It's a new university
145
380000
2000
C’est une nouvelle université
06:34
that's founded by Peter Diamandis, who is here in the audience,
146
382000
2000
fondée par Peter Diamandis, qui est présent aujourd’hui,
06:36
and myself.
147
384000
2000
et moi-même.
06:38
It's backed by NASA and Google,
148
386000
2000
Elle est supportée par la NASA et Google
06:40
and other leaders in the high-tech and science community.
149
388000
4000
ainsi que par d’autres leaders de la high-tech et de la communauté scientifique.
06:44
And our goal was to assemble the leaders,
150
392000
3000
Notre but était de rassembler les leaders,
06:47
both teachers and students,
151
395000
2000
professeurs et étudiants,
06:49
in these exponentially growing information technologies,
152
397000
2000
de ces technologies de l’information à la croissance exponentielle
06:51
and their application.
153
399000
2000
et de leurs applications.
06:53
But Larry Page made an impassioned speech
154
401000
2000
Mais Larry Page fit un discours passionné
06:55
at our organizing meeting,
155
403000
2000
lors de notre réunion d’organisation,
06:57
saying we should devote this study
156
405000
5000
disant que nous devrions consacrer cette étude
07:02
to actually addressing some of the major challenges facing humanity.
157
410000
4000
à nous confronter à quelques uns des défis majeurs auxquels l’humanité est confrontée.
07:06
And if we did that, then Google would back this.
158
414000
2000
Et que si nous faisions cela, alors Google nous supporterait.
07:08
And so that's what we've done.
159
416000
2000
Donc c’est ce que nous avons fait.
07:10
The last third of the nine-week intensive summer session
160
418000
4000
Le dernier tiers de la session estivale intensive de neuf semaines
07:14
will be devoted to a group project to address
161
422000
2000
sera consacrée à un projet de groupe s’intéressant
07:16
some major challenge of humanity.
162
424000
2000
à un défi majeur de l’humanité.
07:18
Like for example, applying the Internet,
163
426000
2000
Comme par exemple, utiliser Internet,
07:20
which is now ubiquitous, in the rural areas of China or in Africa,
164
428000
5000
qui est maintenant omniprésent, dans les régions rurales de Chine ou en Afrique,
07:25
to bringing health information
165
433000
2000
pour apporter de l’information médicale
07:27
to developing areas of the world.
166
435000
3000
pour développer des régions du monde.
07:30
And these projects will continue past these sessions,
167
438000
3000
Et ces projets continueront après ces sessions,
07:33
using collaborative interactive communication.
168
441000
3000
grâce à une communication collaborative et interactive.
07:36
All the intellectual property that is created and taught
169
444000
4000
Toute la propriété intellectuelle qui est créée et enseignée
07:40
will be online and available,
170
448000
2000
sera en ligne et disponible,
07:42
and developed online in a collaborative fashion.
171
450000
3000
et développée en ligne d’une façon collaborative.
07:45
Here is our founding meeting.
172
453000
2000
Ceci est notre réunion fondatrice.
07:47
But this is being announced today.
173
455000
2000
Mais l’annonce en est faite aujourd’hui.
07:49
It will be permanently headquartered in Silicon Valley,
174
457000
3000
Son siège définitif sera dans la Silicon Valley,
07:52
at the NASA Ames research center.
175
460000
2000
au centre de recherche Ames de la NASA.
07:54
There are different programs for graduate students,
176
462000
2000
Il y a différents programmes pour les nouveaux diplômés,
07:56
for executives at different companies.
177
464000
3000
pour les cadres dirigeants de différentes entreprises.
07:59
The first six tracks here -- artificial intelligence,
178
467000
2000
Les six premiers cursus, ici, intelligence artificielle,
08:01
advanced computing technologies, biotechnology, nanotechnology --
179
469000
3000
technologies avancées de calcul, biotechnologie, nanotechnologie
08:04
are the different core areas of information technology.
180
472000
4000
sont les domaines centraux des technologies de l’information.
08:08
Then we are going to apply them to the other areas,
181
476000
2000
Nous les appliqueront alors à d’autres domaines,
08:10
like energy, ecology,
182
478000
3000
comme l’énergie, l’écologie,
08:13
policy law and ethics, entrepreneurship,
183
481000
2000
lois et éthique politiques, entrepreunariat,
08:15
so that people can bring these new technologies to the world.
184
483000
4000
pour que les gens puissent apporter ces nouvelles technologies au monde.
08:19
So we're very appreciative of the support we've gotten
185
487000
5000
Ainsi, nous apprécions énormément le soutien que nous avons obtenu
08:24
from both the intellectual leaders, the high-tech leaders,
186
492000
2000
à la fois des leaders intellectuels et des leaders high-tech,
08:26
particularly Google and NASA.
187
494000
2000
en particulier de Google et de la NASA.
08:28
This is an exciting new venture.
188
496000
2000
C’est une nouvelle entreprise commune excitante.
08:30
And we invite you to participate. Thank you very much.
189
498000
3000
Et nous vous invitons à y participer. Merci beaucoup.
08:33
(Applause)
190
501000
3000
(Applaudissements)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com