TED2005
Ray Kurzweil: The accelerating power of technology
ריי קורצווייל על הדרך בה טכנולוגיה תשנה אותנו
Filmed:
Readability: 5.3
2,876,494 views
ממציא, יזם ובעל חזון, ריי קורצווייל מסביר בפירוט רב מדוע, עד שנות ה-20 של המאה ה-21 נצליח לפענח את הדרך בה פועל המח האנושי וננובוטים יפעילו את תודעתנו.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:24
Well, it's great to be here.
0
0
1000
ובכן, נפלא להיות כאן.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
שמענו רבות על ההבטחות שבטכנולוגיה, כמו גם על הסכנות שבה
00:30
I've been quite interested in both.
2
6000
2000
די התעניינתי בשתי הסוגיות.
00:32
If we could convert 0.03 percent
3
8000
4000
אם היינו יכולים להמיר 0.03 אחוז
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
מאור השמש הנופל על כדור הארץ לאנרגיה
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
היינו יכולים לספק את כל צרכי האנרגיה הצפויים עד שנת 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
איננו יכולים לעשות זאת כיום כי פאנלים סולרים כבדים,
00:46
expensive and very inefficient.
7
22000
2000
יקרים ומאוד לא יעילים.
00:48
There are nano-engineered designs,
8
24000
3000
ישנם עיצובי הנדסת-ננו,
00:51
which at least have been analyzed theoretically,
9
27000
2000
שעברו לפחות ניתוח תיאורטי
00:53
that show the potential to be very lightweight,
10
29000
2000
ומראים פוטנציאל להיות מאוד קלים,
00:55
very inexpensive, very efficient,
11
31000
2000
מאוד זולים ומאוד יעילים,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
ונוכל באמת לספק את כל צרכי האנרגיה שלנו בצורה מתחדשת.
01:01
Nano-engineered fuel cells
13
37000
2000
תאי דלק בהנדסת ננו
01:03
could provide the energy where it's needed.
14
39000
3000
יוכלו לספק את האנרגיה במקום בו היא דרושה.
01:06
That's a key trend, which is decentralization,
15
42000
2000
זוהי מגמת מפתח, ביזור,
01:08
moving from centralized nuclear power plants and
16
44000
3000
מעבר מריכוזיות בתחנות כח גרעיניות
01:11
liquid natural gas tankers
17
47000
2000
ומיכליות גז טבעי נוזלי
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
למשאבים מבוזרים ידידותיים יותר לסביבה,
01:17
a lot more efficient
19
53000
3000
יעילים בהרבה
01:20
and capable and safe from disruption.
20
56000
4000
כשירים ובטוחים מהפרעות.
01:24
Bono spoke very eloquently,
21
60000
2000
בונו דיבר ברהיטות רבה,
01:26
that we have the tools, for the first time,
22
62000
4000
על כך שיש לנו, בפעם הראשונה, את הכלים
01:30
to address age-old problems of disease and poverty.
23
66000
4000
לטיפול בבעיות עתיקות היומין של מחלות ועוני.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
רוב איזורי העולם נעים בכיוון זה.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
ב-1990, במזרח אסיה ואיזור האוקיינוס השקט,
01:42
there were 500 million people living in poverty --
26
78000
2000
היו 500 מליון בני אדם שחיו בעוני -
01:44
that number now is under 200 million.
27
80000
3000
המספר הזה היום הוא פחות מ-200 מליון.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
הבנק העולמי מעריך שעד 2011 הוא יהיה מתחת ל-20 מליון,
01:50
which is a reduction of 95 percent.
29
86000
3000
הפחתה של 95 אחוז.
01:53
I did enjoy Bono's comment
30
89000
3000
נהניתי מההערה של בונו
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
על הקישור בין הייט-אשבורי לעמק הסיליקון.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
בעוד שאני אמנם מקהילת ההיי-טק של מסצ'וסטס
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
הייתי מציין שגם אנחנו היינו היפים בשנות השישים,
02:08
although we hung around Harvard Square.
34
104000
3000
למרות שהסתובבנו סביב כיכר הרווארד.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
אבל אכן יש לנו את הפוטנציאל להתגבר על מחלות ועוני,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
ואני הולך לדבר על הנושאים הללו, אם יש לנו את הרצון.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
קווין קלי דיבר על ההאצה הטכנולוגית.
02:22
That's been a strong interest of mine,
38
118000
3000
זהו תחום עניין רציני שלי,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
ונושא שפיתחתי בערך 30 שנה.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
הגעתי למסקנה שהטכנולוגיות שלי היו צריכות להתקבל על הדעת בזמן סיום הפרויקט.
02:33
That invariably, the world was a different place
41
129000
3000
שבאופן עקבי, העולם היה מקום שונה
02:36
when I would introduce a technology.
42
132000
2000
כשהייתי מציג טכנולוגיה.
02:38
And, I noticed that most inventions fail,
43
134000
2000
ושמתי לב שרוב ההמצאות נכשלות
02:40
not because the R&D department can't get it to work --
44
136000
3000
לא בגלל שמחלקת המחקר והפיתוח לא מצליחה לגרום לזה לעבוד -
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
אם מסתכלים על רוב התכניות העסקיות, הן למעשה יצליחו
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
אם תינתן להן ההזדמנות לבנות את מה שהן אמרו שהן הולכות לבנות,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
ותשעים אחוז מהפרוייקטים האלו יכשלו, בגלל שהתזמון שגוי -
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
לא כל הגורמים המאפשרים יהיו במקומם כשיהיו צריכים אותם.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
אז התחלתי להיות תלמיד נלהב של מגמות טכנולוגיות,
03:00
and track where technology would be at different points in time,
50
156000
3000
ולעקוב אחרי מיקומם של טכנולוגיות בנקודות שונות בזמן,
03:03
and began to build the mathematical models of that.
51
159000
3000
והתחלתי לבנות לזה מודלים מתמטיים.
03:06
It's kind of taken on a life of its own.
52
162000
2000
זה די קיבל חיים משלו,
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
יש לי קבוצה של 10 אנשים שעובדים איתי על איסוף נתונים
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
של מידות מפתח של טכנולוגיה בהרבה תחומים שונים, ואנחנו בונים מודלים.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
ותשמעו אנשים אומרים שאנחנו לא יכולים לחזות את העתיד.
03:19
And if you ask me,
56
175000
2000
ואם תשאלו אותי,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
האם המחיר של גוגל יהיה גבוה או נמוך יותר בעוד שלוש שנים,
03:24
that's very hard to say.
58
180000
2000
יהיה מאוד קשה לומר.
03:26
Will WiMax CDMA G3
59
182000
3000
האם WiMax, CDMA, G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
יהיו הסטנדרטים האלחוטיים בעוד שלוש שנים? מאוד קשה לומר.
03:31
But if you ask me, what will it cost
61
187000
2000
אבל אם תשאלו אותי, כמה יעלה
03:33
for one MIPS of computing in 2010,
62
189000
3000
MIPS (מליון חישובים בשניה) אחד בשנת 2010,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
או עלות ריצוף זוג בסיסים של DNA ב-2012,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
או עלות שליחה אלחוטית של מגה-בייט ב-2014,
03:43
it turns out that those are very predictable.
65
199000
3000
מסתבר שאלו מאוד צפויים.
03:46
There are remarkably smooth exponential curves
66
202000
2000
ישנן עקומות אקספוננציאליות חלקות באופן יוצא דופן
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
שמושלות במחירי ביצועים, תכולה ורוחב פס.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
ואני הולך להראות לכם דוגמא קטנה של זה,
03:53
but there's really a theoretical reason
69
209000
2000
אבל ישנה סיבה תאורטית
03:55
why technology develops in an exponential fashion.
70
211000
5000
מדוע טכנולוגיה מתפתחת באופן אקספוננציאלי.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
והרבה אנשים, כשהם חושבים על העתיד, חושבים בצורה לינארית.
04:02
They think they're going to continue
72
218000
2000
הם חושבים שהם ימשיכו
04:04
to develop a problem
73
220000
2000
לפתח בעיה
04:06
or address a problem using today's tools,
74
222000
3000
או לטפל בבעיה תוך שימוש בכלים של היום,
04:09
at today's pace of progress,
75
225000
2000
בקצב ההתקדמות של היום,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
והם לא מביאים בחשבון את הגידול האקספוננציאלי הזה.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
פרויקט הגנום היה שנוי במחלוקת ב-1990.
04:18
We had our best Ph.D. students,
78
234000
2000
היו בו מיטב הדוקטורנטים,
04:20
our most advanced equipment around the world,
79
236000
2000
והציוד הכי מתקדם, בכל העולם,
04:22
we got 1/10,000th of the project done,
80
238000
2000
וסיימנו 1/10,000 של הפרויקט,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
אז איך היינו אמורים לסיים את כולו תוך 15 שנה?
04:26
And 10 years into the project,
82
242000
3000
ועשר שנים לתוך הפרויקט,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
המפקפקים היו מאוד נחושים, באומרם "אתם כבר אחרי שני-שליש מהפרויקט,
04:32
and you've managed to only sequence
84
248000
2000
וכל מה שהצלחתם זה לרצף רק
04:34
a very tiny percentage of the whole genome."
85
250000
3000
אחוז מאוד קטן של הגנום כולו."
04:37
But it's the nature of exponential growth
86
253000
2000
אבל זהו הטבע של גידול אקספוננציאלי
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
שברגע שהוא מגיע ל"ברך" של העקומה, הוא מתפוצץ.
04:41
Most of the project was done in the last
88
257000
2000
רוב הפרויקט בוצע
04:43
few years of the project.
89
259000
2000
בשנתיים האחרונות שלו.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
לקח לנו 15 שנה לרצף את וירוס ה-HIV -
04:47
we sequenced SARS in 31 days.
91
263000
2000
ריצפנו את ה-SARS ב-31 יום.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
כלומר, היכולות שלנו להתגבר על בעיות מסוג זה גדלות.
04:53
I'm going to show you just a few examples
93
269000
2000
אני הולך להראות לכם רק כמה דוגמאות
04:55
of how pervasive this phenomena is.
94
271000
3000
שמראות כמה נרחבת התופעה הזו.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
קצב השינוי התפיסתי הממשי, הקצב של אימוץ רעיונות חדשים,
05:02
is doubling every decade, according to our models.
96
278000
3000
מכפיל את עצמו כל עשור, לפי המודלים שלנו.
05:05
These are all logarithmic graphs,
97
281000
3000
כל הגרפים הללו לוגריתמיים,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
כך שכשעולים בדרגות התצוגה מוכפלת בפקטור של 10 או 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
לקח לנו חצי מאה לאמץ את רעיון הטלפון,
05:14
the first virtual-reality technology.
100
290000
3000
טכנולוגיית המציאות המדומה הראשונה.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
טלפונים סלולריים אומצו בשמונה שנים בערך.
05:19
If you put different communication technologies
102
295000
3000
אם שמים טכנולוגיות תקשורת שונות
05:22
on this logarithmic graph,
103
298000
2000
על תרשים לוגריתמי,
05:24
television, radio, telephone
104
300000
2000
טלויזיה, רדיו, טלפון
05:26
were adopted in decades.
105
302000
2000
אומצו על גבי עשורים.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
טכנולוגיות חדשות - כגון המחשב האישי, הווב, טלפונים סלולריים -
05:31
were under a decade.
107
307000
2000
לקחו פחות מעשור.
05:33
Now this is an interesting chart,
108
309000
2000
עכשיו, הנה שרטוט מעניין,
05:35
and this really gets at the fundamental reason why
109
311000
2000
וכאן ממש נוגעים בסיבה הבסיסית לכך
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
שתהליכים אבולוציוניים - ותהליכים טכנולוגיים, כמו ביולוגיים הם אבולוציוניים -
05:41
accelerate.
111
317000
2000
מאיצים.
05:43
They work through interaction -- they create a capability,
112
319000
3000
הם מתפקדים כתהליכי גומלין - הם יוצרים קיבולת,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
ואז מנצלים את הקיבולת שיצרו כדי להביא את השלב הבא.
05:49
So the first step in biological evolution,
114
325000
3000
אז, השלב הראשון באבולוציה הביולוגית,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
התפתחות ה-DNA - בעצם זה היה ה-RNA שהופיע קודם -
05:54
took billions of years,
116
330000
2000
לקח מיליארדי שנים,
05:56
but then evolution used that information-processing backbone
117
332000
3000
אבל אז האבולוציה ניצלה את שילדת עיבוד הנתונים הזו
05:59
to bring on the next stage.
118
335000
2000
כדי להביא את השלב הבא.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
אז המפץ הקמבריוני, בו התפתחו כל תבניות הגוף של החיות,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
לקח רק 10 מליון שנים. הוא היה מהיר פי 200.
06:08
And then evolution used those body plans
121
344000
2000
ואז האבולוציה השתמשה בתבניות הגוף האלו
06:10
to evolve higher cognitive functions,
122
346000
2000
כדי לפתח תפקודים קוגניטיביים גבוהים,
06:12
and biological evolution kept accelerating.
123
348000
2000
והאבולוציה הביולוגית המשיכה להאיץ.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
זוהי תכונה טבעית של תהליכים אבולוציוניים.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
אז הומו ספייאנס, המין הראשון שיצר טכנולוגיה,
06:20
the species that combined a cognitive function
126
356000
2000
המין ששילב תפקוד קוגניטיבי
06:22
with an opposable appendage --
127
358000
2000
עם אגודל נגדי -
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
ודרך אגב, לשיפנזים אין ממש אגודל
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
כך שיכולנו לתפעל את סביבתנו באמצעות אחיזה
06:30
and fine motor coordination,
130
366000
2000
וקואורדינציה עדינה,
06:32
and use our mental models to actually change the world
131
368000
2000
ושימוש במודלים המחשבתיים שלנו לשנות את העולם
06:34
and bring on technology.
132
370000
2000
ולהביא קדימה את הטכנולוגיה.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
אבל, בכל מקרה, האבולוציה של המין שלנו לקחה מאות אלפי שנים,
06:39
and then working through interaction,
134
375000
2000
ואז, דרך עבודת גומלין,
06:41
evolution used, essentially,
135
377000
2000
אבולוציה בעצם השתמשה
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
בטכנולוגיה ליצירת מינים כדי להגיע אל השלב הבא
06:46
which were the first steps in technological evolution.
137
382000
3000
שהיה בעצם הצעדים הראשונים באבולוציה הטכנולוגית.
06:49
And the first step took tens of thousands of years --
138
385000
3000
והשלב הראשון לקח עשרות אלפי שנים -
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
כלי אבן, האש, הגלגל - ההאצה המשיכה.
06:55
We always used then the latest generation of technology
140
391000
2000
תמיד השתמשנו בדור האחרון של הטכנולוגיה
06:57
to create the next generation.
141
393000
2000
כדי ליצור את הדור הבא.
06:59
Printing press took a century to be adopted;
142
395000
2000
אימוץ המצאת הדפוס לקח מאה שנה,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
המחשבים הראשונים תוכננו עם עט ונייר - היום אנחנו משתמשים במחשבים.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
וחווינו האצה מתמשכת של התהליך.
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
דרך אגב, אם את מסתכלים על הגרף הליניארי הזה, נראה כאילו הכל קרה ממש עכשיו,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
אבל צופה פלוני אומר: "טוב, קורצוויל פשוט שם נקודות על הגרף
07:17
that fall on that straight line."
147
413000
2000
שמסתדרות בקו ישר."
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
אז, לקחתי 15 רשימות שונות מהוגי מפתח,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
כמו אנציקלופדיה בריטניקה, מוזיאון היסטורית הטבע, לוח השנה הקוסמי של קארל סאגאן
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
על אותו - ואלו לא היו אנשים שניסו להוכיח את הנקודה שלי,
07:29
these were just lists in reference works,
151
425000
2000
אלו היו רק רשימות של עבודות סימוכין.
07:31
and I think that's what they thought the key events were
152
427000
3000
ואני חושב שזה מה שהם חשבו שהיו אירועי המפתח
07:34
in biological evolution and technological evolution.
153
430000
3000
באבולוציה הביולוגית והטכנולוגית.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
ושוב, זה מסתדר באותו קו ישר. ישנה קצת התעבות של הקו
07:40
because people do have disagreements, what the key points are,
155
436000
3000
כי קיימת מידה של אי הסכמה בין אנשים, מה הם אירועי המפתח,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
יש חילוקי דעות מתי החלה החקלאות,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
או מתי - כמה זמן נמשך המפץ הקמבריוני.
07:48
But you see a very clear trend.
158
444000
2000
אבל ניתן לראות מגמה מאוד ברורה.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
ישנה האצה בסיסית ועמוקה של התהליך האבולוציוני הזה.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
טכנולוגיות מידע מכפילות את הקיבולת שלהן, מחיר מול ביצועים, רוחב פס,
08:00
every year.
161
456000
2000
כל שנה.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
וזה הפיצוץ המעמיק של גידול אקספוננציאלי.
08:06
A personal experience, when I was at MIT --
163
462000
2000
חוויה אישית, כשהייתי ב-MIT
08:08
computer taking up about the size of this room,
164
464000
2000
מחשב שגודלו היה כגודל החדר הזה,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
היה פחות חזק מהמחשב בטלפונים הסלולרים שלכם.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
אבל חוק מור, שלעיתים קרובות מזוהה עם הגידול האקספוננציאלי הזה,
08:19
is just one example of many, because it's basically
167
475000
2000
הוא רק דוגמא אחת מני רבות, בגלל שזאת
08:21
a property of the evolutionary process of technology.
168
477000
5000
תכונה בסיסית של התהליך האבולוציוני של טכנולוגיה.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
אם אנחנו - הנחתי 49 מחשבים מפורסמים על הגרף הלוגריתמי הזה -
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
דרך אגב, קו ישר בגרף לוגריתמי הוא גידול אקספוננציאלי -
08:33
that's another exponential.
171
489000
2000
זה עוד אקספוננט.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
לקח לנו שלוש שנים להכפיל מחיר מול ביצועים של מחשבים ב-1900,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
שנתיים באמצע המאה, ועכשיו מוכפל כל שנה.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
וזאת צמיחה אקספוננציאלית דרך חמש תפיסות שונות.
08:45
Moore's Law was just the last part of that,
175
501000
2000
חוק מור הוא רק החלק האחרון של זה,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
על מעגל משולב, בו אנחנו מצמקים טרנזיסטורים,
08:50
but we had electro-mechanical calculators,
177
506000
3000
אבל היו לנו מחשבונים אלקטרו-מכניים,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
מחשבים מבוססי ממסרים שפיצחו את קוד האניגמה,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
שפופרות ריק בשנות ה-50 שחזו את בחירתו של אייזנהאואר,
08:59
discreet transistors used in the first space flights
180
515000
3000
טרנזיסטורים דיסקרטיים שהיו בשימוש בטיסות הראשונות לחלל
09:02
and then Moore's Law.
181
518000
2000
ואז חוק מור.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
בכל פעם שלתפיסה אחת נגמר הסוס,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
באה תפיסה אחרת, לא קשורה, להמשיך את הגידול האקספוננציאלי.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
בזמנו כיווצו שפופרות ריק, ועשו אותם יותר ויותר קטנות.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
עד שנתקלו בקיר. אי אפשר היה לכווץ אותם ולשמור על הריק.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
תפיסה שונה לגמרי - טרנזיסטורים הופיעה פתאום.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
למעשה, כשאנחנו רואים את סוף הדרך של תפיסה מסוימת,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
נוצר לחץ מחקרי ליצור את התפיסה הבאה.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
ומכיוון שאנחנו מנבאים את סופו של חוק מור
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
כבר זמן לא מועט - הניבוי הראשוני היה 2002, עד שהיום אומרים 2022.
09:30
But by the teen years,
191
546000
3000
אבל עד שנות העשרה,
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
מאפייני הטרנזיסטורים יהיה ברוחב כמה אטומים,
09:36
and we won't be able to shrink them any more.
193
552000
2000
ולא נוכל לכווץ אותם יותר.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
זה יהיה סופו של חוק מור, אבל זה לא יהיה סופה של
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
הגדילה האקספוננציאלית של המחשוב מכיוון ששבבים שטוחים.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
אנחנו חיים בעולם תלת ממדי, אנחנו יכולים להשתמש גם במימד השלישי.
09:46
We will go into the third dimension
197
562000
2000
אנחנו נכנס לתוך המימד השלישי
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
והיתה התקדמות אדירה, תוך מספר שנים מועט,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
בבנייה מוצלחת של מעגלים מולקולריים תלת-מימדיים.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
אלו יהיו מוכנים הרבה לפני שלחוק מור יגמר הסוס.
10:02
Supercomputers -- same thing.
201
578000
2000
מחשבי על - אותו דבר.
10:05
Processor performance on Intel chips,
202
581000
3000
ביצוע מעבדים על שבבי אינטל,
10:08
the average price of a transistor --
203
584000
3000
המחיר הממוצע של טרנזיסטור -
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
ב-1968, היה אפשר לקנות אחד בדולר.
10:14
You could buy 10 million in 2002.
205
590000
3000
ב-2002 אפשר לקנות 10 מליון.
10:17
It's pretty remarkable how smooth
206
593000
3000
זה די מדהים כמה התהליך
10:20
an exponential process that is.
207
596000
2000
האקספוננציאלי הזה חלק.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
כלומר, הייתם חושבים שזאת התוצאה של ניסוי במעבדה,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
אבל זאת תוצאה של התנהגות כאוטית עולמית -
10:29
countries accusing each other of dumping products,
210
605000
2000
מדינות המאשימות אחת את השניה בהצפת מוצרים,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
הנפקות, פשיטות רגל, תכניות שיווקיות.
10:33
You would think it would be a very erratic process,
212
609000
3000
הייתם חושבים שזה יהיה תהליך מאוד בלתי צפוי,
10:36
and you have a very smooth
213
612000
2000
ויש לכם תוצאה מאוד חלקה
10:38
outcome of this chaotic process.
214
614000
2000
של התהליך הכאוטי הזה.
10:40
Just as we can't predict
215
616000
2000
כמו שאיננו יכולים לחזות
10:42
what one molecule in a gas will do --
216
618000
2000
מה מולקולת גז אחת תעשה -
10:44
it's hopeless to predict a single molecule --
217
620000
3000
זה חסר סיכוי לחזות מולקולה אחת -
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
ובכל זאת ניתן לחזות את תכונות הגז הכולל
10:49
using thermodynamics, very accurately.
219
625000
3000
באופן מאוד מדויק, על ידי שימוש בתרמודינמיקה.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
זה אותו דבר. איננו יכולים לחזות פרויקט מסוים,
10:55
but the result of this whole worldwide,
221
631000
2000
אבל התוצאה של התחרות העולמית,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
הכאוטית והלא צפויה הזאת
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
ושל התהליך האבולוציוני הטכנולוגי, ניתנת מאוד לחיזוי.
11:05
And we can predict these trends far into the future.
224
641000
3000
ואנחנו יכולים לחזות את המגמות הללו אל העתיד הרחוק.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
שלא כמו הורדים של גרטרוד שטיין,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
זה לא המקרה שטרנזיסטור הוא טרנזיסטור.
11:14
As we make them smaller and less expensive,
227
650000
2000
ככל שאנחנו מקטינים אותם ומוזילים אותם,
11:16
the electrons have less distance to travel.
228
652000
2000
המרחק אותו צריכים האלקטרונים לעבור קטן.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
הם מהירים יותר, כך שמתקבלת צמיחה אקספוננציאלית במהירות טרנזיסטורים,
11:22
so the cost of a cycle of one transistor
230
658000
4000
אז מחירו של מחזור של טרנזיסטור אחד
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
יורד בחצי כל 1.1 שנים.
11:29
You add other forms of innovation and processor design,
232
665000
3000
אם מוסיפים עוד צורות חדשנות ועיצוב מעבדים,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
מקבלים הכפלה של מחיר/ביצוע של מחשבים כל שנה.
11:36
And that's basically deflation --
234
672000
3000
וזאת בעצם דפלציה -
11:39
50 percent deflation.
235
675000
2000
דפלציה של 50 אחוז.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
וזה לא רק מחשבים, כלומר, זה נכון לגבי ריצוף DNA,
11:44
it's true of brain scanning;
237
680000
2000
זה נכון לגבי סריקות מוח,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
זה נכון לגבי הווב. כל דבר שאנחנו יכולים לכמת,
11:48
we have hundreds of different measurements
239
684000
3000
יש לנו מאות מדידות שונות
11:51
of different, information-related measurements --
240
687000
3000
של מדדים תלויי מידע -
11:54
capacity, adoption rates --
241
690000
2000
קיבולת, קצב אימוץ -
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
והם בבסיסם מוכפלים כל 12, 13, 15 חודשים,
11:59
depending on what you're looking at.
243
695000
2000
תלוי על מה מסתכלים.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
מבחינת ביצועים, זהו קצב דפלציה של 40 עד 50 אחוז.
12:06
And economists have actually started worrying about that.
245
702000
2000
וכלכלנים התחילו לדאוג בנוגע לזה.
12:08
We had deflation during the Depression,
246
704000
2000
היתה דפלציה בזמן השפל הגדול,
12:10
but that was collapse of the money supply,
247
706000
2000
אבל זו היתה התמוטטות של אספקת כסף,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
התמוטטות של אמון הצרכנים, תופעה אחרת לגמרי.
12:15
This is due to greater productivity,
249
711000
2000
עכשיו זוהי יצרנות גדלה והולכת,
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
אבל הכלכלן אומר "אין סיכוי שתוכל לשמור על הקצב הזה.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
אם יש דפלציה של 50 אחוז, אנשים יגדילו את נפחם
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
ב-30, 40 אחוז אבל לא יוכלו לשמור על הקצב.
12:25
But what we're actually seeing is that
253
721000
2000
אבל מה שאנחנו בעצם רואים זה
12:27
we actually more than keep up with it.
254
723000
2000
שאנחנו אפילו יותר משומרים על הקצב.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
היתה לנו צמיחה מורכבת של 28 אחוז לשנה בדולרים
12:32
in information technology over the last 50 years.
256
728000
3000
בטכנולוגיית מידע במשך 50 השנים האחרונות.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
כלומר, אנשים לא בנו אייפודים ב-10,000 דולר לפני 10 שנים.
12:39
As the price performance makes new applications feasible,
258
735000
3000
כשמחיר/ביצוע הופך יישומים חדשים לברי ביצוע,
12:42
new applications come to the market.
259
738000
2000
יישומים חדשים מגיעים לשוק,
12:44
And this is a very widespread phenomena.
260
740000
3000
וזאת תופעה מאוד נפוצה.
12:47
Magnetic data storage --
261
743000
2000
אחסון מידע מגנטי -
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
זה לא חוק מור, זה כיווץ נקודות מגנטיות,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
מהנדסים שונים, חברות שונות, אותו תהליך אקספוננציאלי.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
מהפכה חשובה היא שאנחנו מבינים את הביולוגיה של עצמינו
13:00
in these information terms.
265
756000
2000
במונחי המידע האלה.
13:02
We're understanding the software programs
266
758000
2000
אנחנו מבינים את תוכנות המחשב
13:04
that make our body run.
267
760000
2000
שמריצות את גופינו.
13:06
These were evolved in very different times --
268
762000
2000
הן התפתחו בזמנים שונים מאוד --
13:08
we'd like to actually change those programs.
269
764000
2000
והיינו רוצים בעצם לשנות את התוכנות האלה.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
תוכנה אחת קטנה, שנקראת גן השומן והאינסולין,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
אומרת בעיקרון, "תחזיק כל קלוריה,
13:14
because the next hunting season may not work out so well."
272
770000
4000
מפני שבעונת הציד הבאה אולי לא תצליח כל כך."
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
זה פעל לטובת המין לפני עשרות אלפי שנים.
13:21
We'd like to actually turn that program off.
274
777000
3000
היינו רוצים בעצם לכבות את התוכנית הזו.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
הם ניסו את זה בחיות, והעכברים האלה אכלו ברעב
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
ונשארו רזים וקיבלו הטבות בריאותיות מלהיות רזים.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
הם לא חלו בסוכרת, הם לא חלו במחלות לב,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
הם חיו 20 אחוז יותר, הם קיבלו את ההטבות הבריאותיות של הגבלת קלוריות
13:35
without the restriction.
279
791000
2000
בלי ההגבלות.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
ארבע או חמש חברות תרופות הבחינו בזה,
13:40
felt that would be
281
796000
3000
וחשו שזו תהיה
13:43
interesting drug for the human market,
282
799000
3000
תרופה מעניינת לשוק האנושי,
13:46
and that's just one of the 30,000 genes
283
802000
2000
וזה רק אחד מ30000 גנים
13:48
that affect our biochemistry.
284
804000
3000
שמשפיעים על הביוכימיה שלנו.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
התפתחנו בעידן בו לא היה אינטרס לאנשים
13:54
at the age of most people at this conference, like myself,
286
810000
3000
בגיל של רוב האנשים בועידה הזו, כמוני,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
לחיות הרבה יותר, מפני שהשתמשנו במשאבים היקרים
14:01
which were better deployed towards the children
288
817000
1000
שהיו יותר חשובים לילדים
14:02
and those caring for them.
289
818000
2000
ולאלה הנושאים אותם.
14:04
So, life -- long lifespans --
290
820000
2000
אז, חיים -- חיים ארוכים --
14:06
like, that is to say, much more than 30 --
291
822000
2000
כמו, להגיד, הרבה יותר מ30 --
14:08
weren't selected for,
292
824000
3000
לא נבררו,
14:11
but we are learning to actually manipulate
293
827000
3000
אבל למדנו ממש לתפעל
14:14
and change these software programs
294
830000
2000
ולשנות את התוכנות האלה
14:16
through the biotechnology revolution.
295
832000
2000
דרך מהפכת הביוטכנולוגיה.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
לדוגמה, אנחנו יכולים להשהות גנים עם התערבות בRNA.
14:22
There are exciting new forms of gene therapy
297
838000
2000
יש שיטות חדשות ומלהיבות לרפואת גנים
14:24
that overcome the problem of placing the genetic material
298
840000
2000
שמתגברות על הבעיה של להניח חומר גנטי
14:26
in the right place on the chromosome.
299
842000
2000
במקום הנכון בכרומוזום.
14:28
There's actually a -- for the first time now,
300
844000
3000
למעשה יש -- בפעם הראשונה עכשיו,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
משהו שעובר לניסויים באדם, שמרפא לחץ דם --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
מחלה קטלנית -- על ידי שימוש בתרפיית גנים.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
אז יהיו לנו לא רק תינוקות מעוצבים, אלא גם בייבי בומרס מעוצבים.
14:40
And this technology is also accelerating.
304
856000
3000
והטכנולוגיה הזו גם מאיצה.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
זה עלה 10 דולר לזוג בסיס ב1990,
14:46
then a penny in 2000.
306
862000
2000
ואז פני ב2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
זה עכשיו פחות מעשירית סנט.
14:50
The amount of genetic data --
308
866000
2000
כמות המידע הגנטי --
14:52
basically this shows that smooth exponential growth
309
868000
3000
בעיקרון זה -- זה מראה שהגידול האקספוננציאלי החלק
14:55
doubled every year,
310
871000
2000
מוכפל כל שנה,
14:57
enabling the genome project to be completed.
311
873000
3000
מה שמאפשר לפרוייקט מיפוי הגנום להיות מושלם.
15:00
Another major revolution: the communications revolution.
312
876000
3000
גילוי גדול נוסף, מהפכת התקשורת.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
ביצועי המחיר, רוחב הפס, קיבולת התקשורת נמדדת בדרכים רבות;
15:08
wired, wireless is growing exponentially.
314
884000
3000
מחווטת, אלחוטית גדלה אקספוננציאלית.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
האינטרנט הכפיל את כוחו וממשיך כך,
15:14
measured many different ways.
316
890000
2000
נמדד בדרכים רבות.
15:16
This is based on the number of hosts.
317
892000
2000
זה מבוסס על מספר מארחים.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
הקטנה -- אנחנו מקטינים את גודל הטכנולוגיה
15:20
at an exponential rate,
319
896000
2000
בקצב אקספוננציאלי,
15:22
both wired and wireless.
320
898000
2000
גם מחווטת וגם אלחוטית.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
אלה כמה עיצובים מהספר של אריק דרקסלר --
15:28
which we're now showing are feasible
322
904000
2000
שעכשיו אנחנו מראים שהם אפשריים
15:30
with super-computing simulations,
323
906000
2000
בהדמיות מחשבי על,
15:32
where actually there are scientists building
324
908000
2000
שם אנשים בעצם בונים
15:34
molecule-scale robots.
325
910000
2000
רובוטים בקנה מידה מולקולרי.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
לאחד יש אחד שהולך בצורת הליכה די אנושית,
15:38
that's built out of molecules.
327
914000
3000
שבנוי ממולקולות.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
יש מכונות קטנות שעושות דברים על בסיס נסיוני.
15:45
The most exciting opportunity
329
921000
3000
ההזדמנות המסעירה מכולן
15:48
is actually to go inside the human body
330
924000
2000
היא בעצם להיכנס לתוך הגוף האנושי
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
ולבצע פעולות איבחוניות וטיפוליות.
15:53
And this is less futuristic than it may sound.
332
929000
2000
וזה פחות עתידני משזה נשמע.
15:55
These things have already been done in animals.
333
931000
2000
הדברים האלה כבר נעשו בחיות.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
יש מכשיר מהונדס ברמת הננו שמרפא סוכרת מסוג 1. הוא בגודל תא דם.
16:01
They put tens of thousands of these
335
937000
2000
הם שמים מאות אלפים מאלה
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
בכדורית הדם -- הם ניסו את זה בחולדות
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
זה משחרר אינסולין בצורה מבוקרת,
16:07
and actually cures type 1 diabetes.
338
943000
2000
ולמעשה מרפא סוכרת מסוג 1.
16:09
What you're watching is a design
339
945000
3000
מה שאתם רואים זה תכנון
16:12
of a robotic red blood cell,
340
948000
2000
של כדורית דם אדומה רובוטית,
16:14
and it does bring up the issue that our biology
341
950000
2000
וזה מעלה את הנושא שהביולוגיה שלנו
16:16
is actually very sub-optimal,
342
952000
2000
היא למעשה רחוקה מאופטימלית,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
אפילו שהיא מדהימה במורכבות שלה.
16:21
Once we understand its principles of operation,
344
957000
3000
ברגע שנבין את דרך הפעולה העקרונית שלה,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
והקצב בו אנחנו לומדים את הביולוגיה מואץ.
16:28
we can actually design these things to be
346
964000
2000
אנחנו יכולים למעשה לתכנן את הדברים האלה להיות
16:30
thousands of times more capable.
347
966000
2000
בעלי יכולת באלפי דרגות יותר.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
אנליזה של הרספירוסיט הזה, שתוכנן על ידי רוב פריטס,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
מראה שאם תחליפו 10 אחוז של תאי הדם האדומים שלכם עם הגרסאות הרובוטיות האלה,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
תוכלו לעשות ספרינט אולימפי למשך 15 דקות בלי לקחת נשימה.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
תוכלו לשבת בתחתית הבריכה למשך ארבע שעות --
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
אז, "חמודה, אני בבריכה," יקבל משמעות אחרת לחלוטין.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
זה יהיה מעניין לראות מה נעשה במבחנים האולימפיים.
16:52
Presumably we'll ban them,
354
988000
2000
כנראה נאסור אותם,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
אבל אז יהיו לנו רוחות רפאים של תלמידי תיכון באולמות ההתעמלות
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
באופן עיקבי מביאים תוצאות טובות יותר מספורטאים אולימפיים.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
לפריטס יש תכנון לכדורית דם לבנה רובוטית.
17:04
These are 2020-circa scenarios,
358
1000000
4000
אלה צפויים באזור 2020,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
אבל הם לא עתידניים כמו שזה נשמע.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
יש ארבע ועידות שונות לבניית מכשירים בגודל של כדורית דם,
17:14
there are many experiments in animals.
361
1010000
2000
יש הרבה ניסויים בחיות.
17:16
There's actually one going into human trial,
362
1012000
2000
יש אחד שעובר למעשה לניסוי בבני אדם,
17:18
so this is feasible technology.
363
1014000
3000
אז זו טכנולוגיה בהשג יד.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
אם נחזור לצמיחה האקספוננציאלית של המחשוב,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
אלף דולר של מחשוב שווה ערך היום בין חרק למוח של עכבר.
17:27
It will intersect human intelligence
366
1023000
3000
זה יצטלב עם אינטליגנציה אנושית
17:30
in terms of capacity in the 2020s,
367
1026000
3000
במונחים של תפוקה בשנות ה20,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
אבל זה יהיה בצד החומרה של המשוואה.
17:35
Where will we get the software?
369
1031000
2000
מאיפה נביא את התוכנה?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
ובכן, מסתבר שאנחנו יכולים לראות לתוך מוחות אנושיים,
17:39
and in fact not surprisingly,
371
1035000
2000
ולמעשה באופן לא מפתיע,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
יכולות סריקת המוח מוכפלות כל שנה.
17:45
And with the new generation of scanning tools,
373
1041000
2000
ועם כלי הסריקה מהדור החדש,
17:47
for the first time we can actually see
374
1043000
2000
לראשונה אנחנו יכולים לראות
17:49
individual inter-neural fibers
375
1045000
2000
סיבים בין ניורונים
17:51
and see them processing and signaling in real time --
376
1047000
3000
ולראות אותם מעבדים ומתקשרים בזמן אמת
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
-- ואז השאלה היא, אוקיי, אנחנו יכולים לקבל את המידע הזה עכשיו,
17:56
but can we understand it?
378
1052000
2000
אבל האם אנחנו יכולים להבין אותו?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
דאג הופסטטר תוהה, ובכן, אולי האינטליגנציה שלנו
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
לא מספיק גבוהה כדי להבין את האינטליגנציה שלנו,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
ואם היינו חכמים יותר, ובכן, אז המוחות שלנו היו הרבה יותר מורכבים,
18:07
and we'd never catch up to it.
382
1063000
2000
ולעולם לא נגיע לזה.
18:10
It turns out that we can understand it.
383
1066000
3000
מסתבר שאנחנו יכולים להבין את זה.
18:13
This is a block diagram of
384
1069000
3000
זו דיאגרמת בלוקים של
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
מודל והדמיה של אזור השמע האנושי
18:20
that actually works quite well --
386
1076000
2000
שבאמת עובד די טוב --
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
במעבר מבחנים פסיכואקוסטיים, מקבל תוצאות שי שומות לתפיסה השמיעתית האנושית.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
הנה עוד סימולציה של הצרבלום --
18:29
that's more than half the neurons in the brain --
389
1085000
2000
זה יותר מחצי מהניורונים במוח --
18:31
again, works very similarly to human skill formation.
390
1087000
3000
שוב, עובד דומה מאוד לרכישת יכולות אנושיות.
18:35
This is at an early stage, but you can show
391
1091000
3000
זה שלב מוקדם, אבל אפשר להראות
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
עם הצמיחה האקספוננציאלית של כמות המידע על המוח
18:41
and the exponential improvement
393
1097000
2000
והשיפור האקספוננציאלי
18:43
in the resolution of brain scanning,
394
1099000
2000
ברזולוצית סריקת המוח,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
נצליח להנדס אחורה את המוח האנושי
18:48
by the 2020s.
396
1104000
2000
עד שנות ה20.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
כבר היו לנו מודלים וסימולציות די טובות של 15 אזורים
18:53
out of the several hundred.
398
1109000
3000
מתוך כמה מאות.
18:56
All of this is driving
399
1112000
2000
כל זה דוחף --
18:58
exponentially growing economic progress.
400
1114000
2000
קדמה כלכלית שצומחת אקספוננציאלית.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
הפרודוקטיביות עלתה מ30 ל150 דולר לשעה
19:05
of labor in the last 50 years.
402
1121000
2000
בעבודה ב50 השנים האחרונות.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
מסחר אלקטרוני גודל אקספוננציאלית. הוא עכשיו טריליון דולר.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
אולי תתהו, ובכן, לא היה בום ואז ריסוק?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
זו היתה תופעה שמיוחסת לשוק ההון בלבד.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
וול סטריט הבחינו שזו טכנולוגיה מהפכנית, מה שהיא היתה,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
אבל אז שישה חודשים מאוחר יותר, כשהיא לא הפכה למודל עסקי,
19:21
they figured, well, that was wrong,
408
1137000
2000
הם אמרו, ובכן, זו היתה טעות,
19:23
and then we had this bust.
409
1139000
2000
ואז היה לנו את הריסוק הזה.
19:26
All right, this is a technology
410
1142000
2000
בסדר, זו טכנולוגיה
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
שחיברנו בעזרת חלק מהטכנולוגיות שאנחנו מעורבים בהן.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
זו תהיה תכונה שכיחה בטלפונים סלולריים.
19:35
It would be able to translate from one language to another.
413
1151000
2000
היא תהיה מסוגלת לתרגם משפה אחת לאחרת.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
אז תנו לי רק לסיים עם שני תרחישים.
19:49
By 2010 computers will disappear.
415
1165000
3000
עד 2010 מחשבים יעלמו.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
הם יהיו כל כך קטנים, שהם יוטמעו בבגדים שלנו, בסביבה שלנו.
19:56
Images will be written directly to our retina,
417
1172000
2000
תמונות יכתבו ישירות לרשתית שלנו,
19:58
providing full-immersion virtual reality,
418
1174000
2000
ויספקו חוויה עוטפת של מציאות מדומה,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
מציאות אמיתית מרובדת. אנחנו נתקשר עם ישויות וירטואליות.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
אבל אם נרחיק ל2029, באמת נגיע להבשלה המלאה של הטרנדים האלה,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
ואתם צריכים להעריך כמה סיבובים של הבורג
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
במונחים של דורות של טכנולוגיה שמגיעים מהר יותר ויותר יהיו לנו בנקודה ההיא.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
אני מתכוון, יהיה לנו 2 בחזקת 25
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
יותר יחס עלות ביצועים, נפח ורוחב פס
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
מהטכנולוגיות האלה, שזה די מדהים.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
זה יהיה מיליוני פעמים יותר חזק משזה היום.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
נשלים את ההנדסה לאחור של המוח האנושי,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
מחשבים -- 1000 דולר של כוח מחשוב יהיו הרבה יותר חזקים
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
מהמוח האנושי במונחים של קיבולת בסיסית.
20:34
Computers will combine
430
1210000
2000
מחשבים ישלבו
20:36
the subtle pan-recognition powers
431
1212000
2000
את כוח ההבחנה
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
של האינטליגנציה האנושית עם דרכים בהם מכונות כבר עליונות יותר,
20:41
in terms of doing analytic thinking,
433
1217000
2000
במונחים של חשיבה אנליטית,
20:43
remembering billions of facts accurately.
434
1219000
2000
זיכרון של מיליארדי עובדות בדיוק.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
מכונות יכולות לחלוק את הידע מאוד מהר.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
אבל זו לא רק פלישה חייזרית של מכונות חכמות.
20:52
We are going to merge with our technology.
437
1228000
2000
אנחנו עומדים להתמזג עם הטכנולוגיה.
20:54
These nano-bots I mentioned
438
1230000
2000
הננובוטים האלה שהזכרתי
20:56
will first be used for medical and health applications:
439
1232000
4000
יהיו בשימוש ראשית לצרכים רפואיים ובריאותיים:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
לנקות את הסביבה, לספק דלק -- תאי דלק חזקים
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
ופאנלים סולריים מבוזרים ועוד בסביבה.
21:08
But they'll also go inside our brain,
442
1244000
2000
אבל הם גם יכנסו לתוך המוח שלנו,
21:10
interact with our biological neurons.
443
1246000
2000
ויתקשרו עם הניורונים הביולוגיים.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
הדגמנו את העקרונות הבסיסיים של היכולת לעשות את זה.
21:15
So, for example,
445
1251000
2000
אז, לדוגמה,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
מציאות מדומה עוטפת מתוך מערכת העצבים,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
הננובוטים יכבו את הסיגנל המגיע מחושי הראיה שלנו,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
ויחליפו אותם עם סיגנלים שהמוח שלכם היה מקבל
21:25
if you were in the virtual environment,
449
1261000
2000
אם הייתם בתוך הסביבה הוירטואלית,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
ואז זה ירגיש כאילו אתם בתוך הסביבה הוירטואלית.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
תוכלו ללכת לשם עם עוד אנשים, ולעבור כל סוג של חוויה
21:31
with anyone involving all of the senses.
452
1267000
2000
ולערב את כל החושים.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
"מקרני חוויה" אני קורא להם, ישימו את כל זרם החוויה החושית שלהם
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
במקבילה הניורולוגית לרגשות שלהם באינטרנט.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
תוכלו להתחבר ולחוות מה זה להיות מישהו אחר.
21:43
But most importantly,
456
1279000
2000
אבל חשוב יותר,
21:45
it'll be a tremendous expansion
457
1281000
2000
זו תהיה הרחבה עצומה
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
של האינטליגנציה האנושית דרך המיזוג הישיר הזה עם הטכנולוגיה שלנו.
21:51
which in some sense we're doing already.
459
1287000
2000
שבמובן מסויים אנחנו כבר עושים.
21:53
We routinely do intellectual feats
460
1289000
2000
אנחנו עושים בצורה שגרתית מאמצים אינטלקטואליים
21:55
that would be impossible without our technology.
461
1291000
2000
שהיו בלתי אפשריים בלי הטכנולוגיה.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
אורך החיים האנושי מתארך. הוא היה 37 ב1800,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
ועם סוג כזה של מהפכות בביוטכנולוגיה, וננו טכנולוגיה,
22:05
this will move up very rapidly
464
1301000
2000
זה יעלה במהירות גדולה
22:07
in the years ahead.
465
1303000
2000
בשנים הבאות.
22:09
My main message is that progress in technology
466
1305000
4000
המסר העיקרי שלי הוא שהקידמה בטכנולוגיה
22:13
is exponential, not linear.
467
1309000
3000
היא אקספוננציאלית, לא לינארית.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
רבים -- אפילו מדענים -- מניחים מודל לינארי,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
אז הם יגידו, "או, זה יקח מאות שנים
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
עד שתהיה לנו ננו טכנולוגיה שמשכפלת את עצמה
22:25
or artificial intelligence."
471
1321000
2000
או אינטיליגנציה מלאכותית."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
אם תביטו באמת על הכוח של צמיחה אקספוננציאלית,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
תראו שהדברים האלה מאוד קרובים.
22:33
And information technology is increasingly encompassing
474
1329000
3000
וטכנולוגית המידע מכילה יותר ויותר
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
את כל חיינו, מהמוזיקה ליצור
22:40
to our biology to our energy to materials.
476
1336000
4000
לביולוגיה שלנו לאנרגיה ולחומרים.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
נהיה מסוגלים לייצר כמעט כל דבר שנצטרך בשנות ה20,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
ממידע, מחומרי גלם מאוד זולים,
22:49
using nano-technology.
479
1345000
3000
על ידי ננו טכנולוגיה.
22:52
These are very powerful technologies.
480
1348000
2000
אלה טכנולוגיות חזקות מאוד.
22:54
They both empower our promise and our peril.
481
1350000
4000
הן גם מאפשרות את העתיד שלנו וגם מסכנות אותו.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
אז צריך להיות לנו הרצון ליישם אותן במקומות הנכונים.
23:01
Thank you very much.
483
1357000
1000
תודה רבה לכם
23:02
(Applause)
484
1358000
1000
(מחיאות כפיים)
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