TED2009
Juan Enriquez: The next species of human
חואן אנריקז חולק מדע חדש ומהמם
Filmed:
Readability: 3.4
3,584,967 views
אפילו כאשר בנקי-ענק מתהכפים, חואן אנריקז טוען שהאיתחול הגדול עדיין בדרך. אבל אל תחפשו אותו בפתק ההצבעה שלכם - או בבורסה. הוא יבוא ממעבדות, והוא מבטיח גוף ומוח חדים יותר. ילדינו הולכים להיות... שונים.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:12
There's a great big elephant in the room called the economy.
0
0
3000
יש פיל גדול בחדר שנקרא: הכלכלה.
00:16
So let's start talking about that.
1
4000
2000
אז בואו נתחיל בלדבר על זה.
00:18
I wanted to give you a current picture of the economy.
2
6000
3000
אני רוצה לתת לכם תמונה עדכנית של הכלכלה.
00:21
That's what I have behind myself.
3
9000
3000
זה מה שיש לי פה מאחוריי.
00:24
(Laughter)
4
12000
3000
(כתוב: הכלכלה...) (צחוק)
00:27
But of course what we have to remember is this.
5
15000
3000
אבל, כמובן, שעלינו לזכור את זה: (כתוב: המפתח לניהול משבר הוא לשים עין על הטווח הארוך...
00:30
And what you have to think about is,
6
18000
3000
(המשך הכתוב: בזמן שרוקדים בלהבות.) ועלינו לחשוב על כך
00:33
when you're dancing in the flames, what's next?
7
21000
3000
שבזמן שרוקדים בלהבות, מה בא אח"כ?
00:36
So what I'm going to try to do in the next 17 and a half minutes
8
24000
3000
אז מה שאנסה לעשות ב-17 וחצי הדקות הבאות
00:39
is I'm going to talk first about the flames --
9
27000
2000
הוא שאני אדבר קודם על הלהבות
00:41
where we are in the economy --
10
29000
2000
איפה שאנחנו בכלכלה
00:43
and then I'm going to take three trends
11
31000
2000
ואז אדבר על שלוש מגמות,
00:45
that have taken place at TED over the last 25 years
12
33000
3000
שהתרחשו ב-TED ב-25 השנים האחרונות,
00:48
and that will take place in this conference
13
36000
2000
ושיתרחשו בכנס הזה,
00:50
and I will try and bring them together.
14
38000
3000
ואנסה לאחד אותן.
00:53
And I will try and give you a sense of what the ultimate reboot looks like.
15
41000
4000
ואנסה לתת לכם מושג איך האיתחול האולטימטיבי נראה.
00:57
Those three trends are
16
45000
2000
שלוש המגמות הללו הן:
00:59
the ability to engineer cells,
17
47000
2000
היכולת להנדס תאים,
01:01
the ability to engineer tissues,
18
49000
2000
היכולת להנדס רקמות
01:03
and robots.
19
51000
2000
ורובוטים.
01:05
And somehow it will all make sense.
20
53000
2000
ואיכשהו, הכל יתחבר בצורה הגיונית.
01:07
But anyway, let's start with the economy.
21
55000
3000
אבל בכל מקרה, בואו נתחיל בכלכלה.
01:10
There's a couple of really big problems that are still sitting there.
22
58000
3000
יש כמה בעיות ממש גדולות שעדיין יושבות שם.
01:13
One is leverage.
23
61000
2000
אחת היא מינוף.
01:15
And the problem with leverage is
24
63000
2000
והבעיה עם מינוף היא,
01:17
it makes the U.S. financial system look like this.
25
65000
3000
שהיא גורמת למערכת הכלכלית של ארה"ב להיראות כך:
01:20
(Laughter)
26
68000
3000
(צחוק)
01:27
So, a normal commercial bank has nine to 10 times leverage.
27
75000
3000
אז בנק סחר רגיל ממנף פי 9 עד 10.
01:30
That means for every dollar you deposit, it loans out about nine or 10.
28
78000
3000
זה אומר, שעבור כל דולר שאתם מפקידים הוא מלווה 9 עד 10.
01:33
A normal investment bank is not a deposit bank,
29
81000
3000
בנק השקעות רגיל הוא לא בנק הפקדות,
01:36
it's an investment bank;
30
84000
2000
הוא בנק השקעות
01:38
it has 15 to 20 times.
31
86000
2000
אז יש לו פי 15 עד פי 20.
01:40
It turns out that B of A in September had 32 times.
32
88000
3000
מסתבר שלבנק אמריקה בספטמבר היה פי 32.
01:43
And your friendly Citibank had 47 times.
33
91000
3000
ולחברינו, סיטיבנק, היה פי 47.
01:46
Oops.
34
94000
2000
אופס...
01:48
That means every bad loan goes bad 47 times over.
35
96000
4000
זה אומר שכל הלוואה גרועה מזיקה פי 47.
01:52
And that, of course, is the reason why all of you
36
100000
3000
וזו, כמובן, הסיבה שכולכם
01:55
are making such generous and wonderful donations
37
103000
3000
תורמים כל כך הרבה תרומות נדיבות
01:58
to these nice folks.
38
106000
2000
לחבר'ה הנחמדים האלה.
02:03
And as you think about that,
39
111000
2000
וכשחושבים על זה
02:05
you've got to wonder: so what do banks have in store for you now?
40
113000
3000
חייבים לתהות: מה ניתן לצפות מהבנקים כעת?
02:11
(Laughter)
41
119000
3000
(על החולצות: עוד ז-- טוב) (צחוק)
02:20
It ain't pretty.
42
128000
2000
זה לא יפה.
02:23
The government, meanwhile, has been acting like Santa Claus.
43
131000
4000
הממשלה, בינתיים, מתנהגת כמו סנטה קלאוס.
02:27
We all love Santa Claus, right?
44
135000
3000
כולנו אוהבים את סנטה, נכון?
02:30
But the problem with Santa Clause is,
45
138000
3000
אבל הבעיה עם סנטה קלאוס היא,
02:33
if you look at the mandatory spending of what these folks have been doing
46
141000
3000
אם תסתכלו על ההוצעות ההכרחיות על מה שהחבר'ה האלה עושים,
02:36
and promising folks,
47
144000
2000
ומבטיחים לאנשים,
02:38
it turned out that in 1967, 38 percent was mandatory spending
48
146000
5000
מסתבר שב-1967: 38 אחוז היו הוצעות הכרחיות,
02:43
on what we call "entitlements."
49
151000
3000
ומה שאנחנו מכנים "זכאויות".
02:46
And then by 2007 it was 68 percent.
50
154000
3000
ואז ב-2007 כבר היו 68 אחוז.
02:49
And we weren't supposed to run into 100 percent until about 2030.
51
157000
4000
ולא היינו אמורים להגיע ל-100 אחוז עד 2030 בערך.
02:54
Except we've been so busy giving away a trillion here, a trillion there,
52
162000
3000
אלא שהיינו עסוקים כל כך בלתת טריליון כאן, טריליון שם,
02:57
that we've brought that date of reckoning forward
53
165000
3000
שהקדמנו את יום הדין.
03:00
to about 2017.
54
168000
3000
ל-2017 בערך.
03:03
And we thought we were going to be able to lay these debts off on our kids,
55
171000
3000
ואנחנו חשבנו שנוכל להשאיר את החובות האלה לילדינו,
03:06
but, guess what?
56
174000
2000
אבל, נחשו מה?
03:08
We're going to start to pay them.
57
176000
2000
אנחנו נתחיל לשלם אותם.
03:10
And the problem with this stuff is, now that the bill's come due,
58
178000
2000
והבעיה עם הדבר הזה היא, שעכשיו, כשיומו של השטר חלף,
03:12
it turns out Santa isn't quite as cute when it's summertime.
59
180000
4000
מסתבר שסנטה לא כל כך חמוד בקיץ.
03:16
Right?
60
184000
2000
נכון?
03:18
(Laughter)
61
186000
3000
(צחוק)
03:30
Here's some advice from one of the largest investors in the United States.
62
198000
4000
הנה עצה מאחד המשקיעים הגדולים ביותר בארה"ב.
03:34
This guy runs the China Investment Corporation.
63
202000
3000
הבחור הזה מנהל את חברת ההשקעות הסינית.
03:37
He is the main buyer of U.S. Treasury bonds.
64
205000
3000
הוא הקונה העיקרי של אג"ח ממשלתי של ארה"ב.
03:40
And he gave an interview in December.
65
208000
3000
והוא התראיין בדצמבר.
03:43
Here's his first bit of advice.
66
211000
2000
הנה החלק הראשון בעצתו: (היו נחמדים למי שלווים ממנו כסף)
03:45
And here's his second bit of advice.
67
213000
3000
והנה החלק השני בעצתו: (נשמח לתמוך בכם... אם זה בר-קיום)
03:50
And, by the way,
68
218000
2000
ודרך אגב,
03:52
the Chinese Prime Minister reiterated this at Davos last Sunday.
69
220000
3000
רה"מ הסיני עבר על זה מחדש בדאבוס ביום ראשון האחרון.
03:55
This stuff is getting serious enough
70
223000
2000
הדברים האלה נהיים מספיק רציניים,
03:57
that if we don't start paying attention to the deficit,
71
225000
2000
שאם לא נתחיל לשים לב לגירעון
03:59
we're going to end up losing the dollar.
72
227000
3000
בסוף נאבד את הדולר.
04:02
And then all bets are off.
73
230000
3000
ואז כל ההימורים מבוטלים.
04:05
Let me show you what it looks like.
74
233000
3000
בואו אני אראה לכם איך זה נראה:
04:08
I think I can safely say
75
236000
2000
אני חושב שאני יכול להגיד בבטחה
04:10
that I'm the only trillionaire in this room.
76
238000
3000
שאני הטריליונר היחיד בחדר הזה.
04:14
This is an actual bill.
77
242000
2000
זה שטר אמיתי.
04:16
And it's 10 triliion dollars.
78
244000
3000
והוא שווה 10 טריליון דולר.
04:19
The only problem with this bill is it's not really worth very much.
79
247000
3000
הבעיה היחידה עם השטר הזה היא שהוא לא שווה הרבה.
04:22
That was eight bucks last week, four bucks this week,
80
250000
3000
זה היה שווה 8 דולר שבוע שעבר, 4 דולר השבוע,
04:25
a buck next week.
81
253000
2000
ודולר אחד בשבוע הבא.
04:27
And that's what happens to currencies when you don't stand behind them.
82
255000
4000
וזה מה שקורה למטבע כשלא עומדים מאחוריו.
04:32
So the next time somebody as cute as this shows up on your doorstep,
83
260000
5000
אז בפעם הבאה שמישהו חמוד כזה מופיע במפתן דלתכם,
04:37
and sometimes this creature's called Chrysler and sometimes Ford and sometimes ... whatever you want --
84
265000
7000
ולפעמים ליצור הזה קוראים קרייזלר, ולפעמים פורד, ולפעמים... מה שבא לכם.
04:44
you've just got to say no.
85
272000
2000
אתם חייבים פשוט להגיד: לא.
04:46
And you've got to start banishing a word that's called "entitlement."
86
274000
4000
ואתם חייבים להיפטר מהמילה "זכאויות",
04:50
And the reason we have to do that in the short term
87
278000
3000
והסיבה שאנחנו צריכים לעשות את זה בטווח הקצר
04:53
is because we have just run out of cash.
88
281000
3000
היא, כי נגמרו לנו המזומנים.
04:56
If you look at the federal budget, this is what it looks like.
89
284000
3000
אם תסתכלו על התקציב הפדרלי, כך הוא נראה:
04:59
The orange slice is what's discretionary.
90
287000
3000
הפרוסה הכתומה ניתנת ע"פ שיקול דעת.
05:02
Everything else is mandated.
91
290000
2000
כל השאר מוכתב מראש.
05:05
It makes no difference if we cut out the bridges to Alaska in the overall scheme of things.
92
293000
3000
בשקלול הסופי זה לא ישנה שום דבר אם תקטעו את הגשרים לאלסקה.
05:08
So what we have to start thinking about doing
93
296000
3000
אז מה שעלינו לחשוב עליו,
05:11
is capping our medical spending
94
299000
2000
הוא להגביל את הוצאות הבריאות שלנו,
05:13
because that's a monster that's simply going to eat the entire budget.
95
301000
3000
מכיוון שזו מפלצת שפשוט הולכת לאכול לנו את כל התקציב.
05:16
We've got to start thinking about asking people
96
304000
3000
אנחנו צריכים להתחיל לבקש מאנשים
05:19
to retire a little bit later.
97
307000
2000
לפרוש בגיל מאוחר יותר.
05:22
If you're 60 to 65 you retire on time.
98
310000
3000
אם אתם בני 60 עד 65 תפרשו בזמן.
05:25
Your 401(k) just got nailed.
99
313000
2000
תוכנית הפנסיה שלכם מובטחת.
05:27
If you're 50 to 60 we want you to work two years more.
100
315000
3000
אם אתם בני 50 עד 60, אנחנו רוצים שתעבדו עוד שנתיים.
05:30
If you're under 50 we want you to work four more years.
101
318000
3000
אם אתם מתחת לגיל 50, אנחנו רוצים שתעבדו עוד ארבע שנים.
05:33
The reason why that's reasonable is,
102
321000
3000
הסיבה שזה הגיוני היא,
05:36
when your grandparents were given Social Security,
103
324000
2000
כשלסבים שלכם ניתן ביטוח לאומי
05:38
they got it at 65 and were expected to check out at 68.
104
326000
3000
הם קיבלו אותו בגיל 65 וציפו מהם שיעזבו בגיל 68.
05:41
Sixty-eight is young today.
105
329000
3000
68 זה צעיר היום.
05:44
We've also got to cut the military about three percent a year.
106
332000
4000
אנחנו צריכים גם לקצץ בצבא בשלושה אחוזים בשנה.
05:48
We've got to limit other mandatory spending.
107
336000
2000
אנחנו צריכים להגביל הוצעות אחרות, שמוכתבות מראש.
05:50
We've got to quit borrowing as much,
108
338000
3000
אנחנו צריכים להפסיק ללוות כ"כ הרבה,
05:53
because otherwise the interest is going to eat that whole pie.
109
341000
3000
כי אחרת הריבית תאכל את כל העוגה.
05:56
And we've got to end up with a smaller government.
110
344000
2000
ואנחנו צריכים לסיים עם ממשלה קטנה יותר.
05:58
And if we don't start changing this trend line,
111
346000
3000
ואם לא נתחיל לשנות את המגמה הזו,
06:01
we are going to lose the dollar
112
349000
2000
אנחנו בסוף נאבד את הדולר,
06:03
and start to look like Iceland.
113
351000
2000
ונתחיל להיראות כמו איסלנד.
06:05
I got what you're thinking.
114
353000
3000
אני יודע מה אתם חושבים:
06:08
This is going to happen when hell freezes over.
115
356000
4000
זה יקרה כשהגיהנום יקפא על פניו.
06:13
But let me remind you this December it did snow in Vegas.
116
361000
3000
אבל אני רק רוצה להזכיר לכם שבדצמבר האחרון באמת ירד שלג בלאס וגאס.
06:18
(Laughter)
117
366000
3000
(צחוק)
06:23
Here's what happens if you don't address this stuff.
118
371000
3000
הנה מה שקורא כשלא מטפלים בנושאים האלה:
06:26
So, Japan had a fiscal real estate crisis
119
374000
3000
אז, ליפן היה משבר נדל"ן ציבורי
06:29
back in the late '80s.
120
377000
2000
בשנות ה-80'.
06:31
And its 225 largest companies today
121
379000
3000
ו-225 החברות הגדולות של יפן
06:34
are worth one quarter of what they were 18 years ago.
122
382000
3000
שוות רבע ממה שהיו שוות לפני 18 שנה.
06:37
We don't fix this now,
123
385000
2000
אם לא נתקן את זה עכשיו,
06:39
how would you like to see a Dow 3,500 in 2026?
124
387000
3000
איך הייתם רוצים לראות את הדאו עומד על 3,500 ב-2026?
06:42
Because that's the consequence of not dealing with this stuff.
125
390000
3000
כי אלה התוצאות של אי-התמודדות עם הנושאים האלה.
06:45
And unless you want this person
126
393000
3000
ואלא אם כן אנו רוצים שהאדם הזה
06:48
to not just become the CFO of Florida, but the United States,
127
396000
3000
יהפוך לא רק לכלכלן הראשי של פלורידה, אלא של כל ארה"ב,
06:51
we'd better deal with this stuff.
128
399000
3000
כדאי שנתמודד עם זה.
06:54
That's the short term. That's the flame part.
129
402000
3000
זה הטווח הקצר. זה החלק של הלהבות.
06:57
That's the financial crisis.
130
405000
2000
זה המשבר הפיננסי.
06:59
Now, right behind the financial crisis there's a second and bigger wave
131
407000
4000
עכשיו, ממש מאחורי המשבר הפיננסי, מגיע גל שני וגדול יותר,
07:03
that we need to talk about.
132
411000
1000
שאנחנו צריכים לדבר עליו.
07:04
That wave is much larger, much more powerful,
133
412000
2000
הגל הזה גדול בהרבה, וחזק בהרבה,
07:06
and that's of course the wave of technology.
134
414000
3000
וזה, כמובן, גל הטכנולוגיה.
07:09
And what's really important in this stuff is,
135
417000
2000
ומה שממש חשוב בנושא הזה הוא,
07:11
as we cut, we also have to grow.
136
419000
2000
כשאנחנו מקצצים, אנחנו צריכים גם לצמוח.
07:13
Among other things, because startup companies
137
421000
3000
בין שאר הדברים, מכיוון שחברות סטארט-אפ
07:16
are .02 percent of U.S. GDP investmentm
138
424000
2000
הן %0.02 מכלל התל"ג הלאומי המושקע של ארה"ב
07:18
and they're about 17.8 percent of output.
139
426000
3000
והן בערך %17.8 מהייצוא.
07:23
It's groups like that in this room that generate the future of the U.S. economy.
140
431000
3000
זה קבוצות כמו אלו בחדר הזה שמייצרות את העתיד של כלכלת ארה"ב.
07:26
And that's what we've got to keep growing.
141
434000
2000
וזה מה שעלינו להמשיך לגדל.
07:28
We don't have to keep growing these bridges to nowhere.
142
436000
3000
אנחנו לא צריכים להמשיך לבנות גשרים לשום-מקום.
07:32
So let's bring a romance novelist into this conversation.
143
440000
4000
אז בואו נערב סופר רומנים בדיון.
07:38
And that's where these three trends come together.
144
446000
5000
וכאן שלוש המגמות מתחברות.
07:43
That's where the ability to engineer microbes,
145
451000
3000
כאן היכולת להנדס מיקרובים,
07:46
the ability to engineer tissues,
146
454000
2000
היכולת להנדס רקמות,
07:48
and the ability to engineer robots
147
456000
2000
והיכולת להנדס רובוטים
07:50
begin to lead to a reboot.
148
458000
2000
מתחילות להוביל לאיתחול מחדש.
07:52
And let me recap some of the stuff you've seen.
149
460000
2000
ותנו לי לסקור מחדש חלק מהדברים שראינו.
07:54
Craig Venter showed up last year
150
462000
2000
קרייג ונטר הופיע שנה שעברה,
07:56
and showed you the first fully programmable cell that acts like hardware
151
464000
2000
והראה לכם את התא הראשון שאפשר לתכנת באופן מלא כמו חומרה,
07:58
where you can insert DNA and have it boot up as a different species.
152
466000
3000
שאפשר להכניס אליו דנ"א ולגרום לו להיטען כמין אחר לחלוטין.
08:01
In parallel, the folks at MIT
153
469000
3000
במקביל, החבר'ה ב-MIT
08:04
have been building a standard registry of biological parts.
154
472000
3000
בונים רישום סטנדרטי של חלקים ביולוגיים.
08:07
So think of it as a Radio Shack for biology.
155
475000
3000
אז תחשבו על זה כמו אופיס דיפו לביולוגיה.
08:10
You can go out and get your proteins, your RNA, your DNA, whatever.
156
478000
3000
אתם יכולים לצאת ולקנות את החלבונים שלכם, הרנ"א שלכם, הדנ"א שלכם, מה שאתם רוצים,
08:13
And start building stuff.
157
481000
3000
ולהתחיל לבנות דברים.
08:16
In 2006 they brought together high school students and college students
158
484000
3000
ב-2006 קיבצו יחד תלמידי תיכון ומכללות,
08:19
and started to build these little odd creatures.
159
487000
2000
והתחילו לבנות את היצורים הקטנים והמוזרים האלה.
08:21
They just happened to be alive instead of circuit boards.
160
489000
3000
במקרה הם חיים ולא עשויים ממעגלים משולבים.
08:24
Here was one of the first things they built.
161
492000
3000
הנה אחד הדברים הראשונים שהם בנו.
08:27
So, cells have this cycle.
162
495000
2000
אז, לתאים יש מחזור.
08:29
First they don't grow.
163
497000
2000
דבר ראשון, הם לא גדלים.
08:31
Then they grow exponentially.
164
499000
2000
ואז הם גדלים מעריכית.
08:33
Then they stop growing.
165
501000
2000
ואז הם מפסיקים לגדול.
08:35
Graduate students wanted a way of telling which stage they were in.
166
503000
3000
הבוגרים רצו דרך לדעת באיזה שלב הם נמצאים.
08:38
So they engineered these cells
167
506000
2000
אז הם הינדסו את התאים האלה,
08:40
so that when they're growing in the exponential phase,
168
508000
2000
כך שבשלב הגדילה המעריכית,
08:42
they would smell like wintergreen.
169
510000
2000
הם יריחו כמו ווינרטגרין (פרח).
08:44
And when they stopped growing they would smell like bananas.
170
512000
3000
וכשהם מפסיקים לגדול, הם יריחו כמו בננה.
08:47
And you could tell very easily when your experiment was working
171
515000
3000
ואפשר היה לדעת בקלות כשהניסוי עבד,
08:50
and wasn't, and where it was in the phase.
172
518000
3000
וכשהוא לא עבד, ובאיזה שלב במחזור הם נמצאים.
08:53
This got a bit more complicated two years later.
173
521000
3000
זה נעשה קצת מורכב יותר שנתיים לאחר מכן.
08:56
Twenty-one countries came together. Dozens of teams.
174
524000
2000
21 מדינות חברו יחד. עשרות צוותים.
08:58
They started competing.
175
526000
2000
הם התחילו להתחרות.
09:00
The team from Rice University started to engineer the substance in red wine
176
528000
5000
הצוות מאוניברסיטת רייס התחיל להנדס את החומר ביין אדום
09:05
that makes red wine good for you
177
533000
2000
שגורם ליין אדום להיות טוב בשבילכם,
09:07
into beer.
178
535000
2000
שיהיה קיים בבירה.
09:10
So you take resveratrol and you put it into beer.
179
538000
4000
אז לוקחים רזברטרול ושמים אותו בבירה.
09:14
Of course, one of the judges is wandering by, and he goes,
180
542000
3000
כמובן, אחד השופטים, עבר ליד, ואמר:
09:17
"Wow! Cancer-fighting beer! There is a God."
181
545000
4000
"וואו! בירה שנלחמת בסרטן! יש אלוהים."
09:21
(Laughter)
182
549000
3000
(צחוק)
09:24
The team from Taiwan was a little bit more ambitious.
183
552000
3000
הצוות מטייוואן היה קצת יותר שאפתני.
09:27
They tried to engineer bacterias in such a way
184
555000
3000
הם ניסו להנדס בקטריות,
09:30
that they would act as your kidneys.
185
558000
3000
כך שהן יתפקדו ככליות.
09:33
Four years ago, I showed you this picture.
186
561000
3000
לפני ארבע שנים, הראיתי את התמונה הזו:
09:36
And people oohed and ahhed,
187
564000
2000
ואנשים עשו אווו, ואאה....
09:38
because Cliff Tabin had been able to grow an extra wing on a chicken.
188
566000
3000
מכיוון שקליף טבין הצליח לגדל כנף נוספת בתרנגולת.
09:41
And that was very cool stuff back then.
189
569000
3000
ואז זה היה דבר ממש מגניב.
09:44
But now moving from bacterial engineering to tissue engineering,
190
572000
3000
אבל עכשיו נעבור מהנדסה בקטריאלית להנדסת רקמות.
09:47
let me show you what's happened in that period of time.
191
575000
3000
בואו אני אראה לכם מה קרה בתקופת הזמן הזו.
09:50
Two years ago, you saw this creature.
192
578000
3000
לפני שנתיים ראיתם את היצור הזה:
09:53
An almost-extinct animal from Xochimilco, Mexico
193
581000
3000
חיה שכמעט נכחדה מסוצ'ימילקו, מקסיקו,
09:56
called an axolotl
194
584000
2000
שנקראת אקסולוטל,
09:58
that can re-generate its limbs.
195
586000
2000
שיכולה לייצר מחדש את גפיה.
10:00
You can freeze half its heart. It regrows.
196
588000
2000
אפשר להקפיא חצי מליבה, והוא יגדל.
10:02
You can freeze half the brain. It regrows.
197
590000
2000
אפשר להקפיא חצי ממוחה, והוא יגדל.
10:04
It's almost like leaving Congress.
198
592000
2000
זה כמעט כמו לעזוב את הקונגרס.
10:06
(Laughter)
199
594000
3000
(צחוק)
10:12
But now, you don't have to have the animal itself to regenerate,
200
600000
3000
אבל עכשיו, לא צריכים את החיה עצמה כדי לייצר מחדש,
10:15
because you can build cloned mice molars in Petri dishes.
201
603000
5000
מכיוון שעכשיו ניתן לייצר שיניים טוחנות משוכפלות של עכברים בצלחות פטרי.
10:21
And, of course if you can build mice molars in Petri dishes,
202
609000
4000
וכמובן שאם ניתן לבנות שיניים טוחנות של עכברים בצלחות פטרי,
10:25
you can grow human molars in Petri dishes.
203
613000
3000
ניתן לגדל שיניים טוחנים של בני-אדם בצלחות פטרי.
10:28
This should not surprise you, right?
204
616000
2000
זה לא אמור להפתיע אתכם, נכון?
10:30
I mean, you're born with no teeth.
205
618000
2000
אני מתכוון, אתם נולדים בלי שיניים.
10:32
You give away all your teeth to the tooth fairy.
206
620000
3000
אתם נותנים את כל השיניים שלכם לפיית השיניים.
10:35
You re-grow a set of teeth.
207
623000
2000
אתם מגדלים מחדש סט חדש של שיניים.
10:37
But then if you lose one of those second set of teeth, they don't regrow,
208
625000
3000
אבל אז, אם אתם מאבדים שיניים מהסט החדש, הן לא גדלות מחדש,
10:40
unless, if you're a lawyer.
209
628000
2000
אלא אם אתה עורך-דין.
10:42
(Laughter)
210
630000
4000
(צחוק)
10:46
But, of course, for most of us,
211
634000
3000
אבל, כמובן, עבור רובנו
10:49
we know how to grow teeth, and therefore we can take adult stem teeth,
212
637000
3000
אנחנו יודעים לגדל שיניים, ולכן אנחנו יכולים לקחת שורשי שיניים בוגרים,
10:52
put them on a biodegradable mold, re-grow a tooth,
213
640000
3000
לשים אותם בתבניות ביולוגיות מתכלות, לגדל מחדש שן,
10:55
and simply implant it.
214
643000
1000
ופשוט להשתיל אותה.
10:56
And we can do it with other things.
215
644000
3000
ואנחנו יכולים לעשות את זה עם דברים אחרים.
10:59
So, a Spanish woman who was dying of T.B. had a donor trachea,
216
647000
5000
אז, לאישה ספרדיה שגססה משחפת היה תורם קנה נשימה,
11:04
they took all the cells off the trachea,
217
652000
2000
הסירו את כל התאים מקנה הנשימה,
11:06
they spraypainted her stem cells onto that cartilage.
218
654000
3000
ריססו את תאי הגזע שלה על הסחוס הזה.
11:09
She regrew her own trachea,
219
657000
2000
היא גידלה מחדש את קנה הנשימה שלה,
11:11
and 72 hours later it was implanted.
220
659000
3000
ו-72 שעות לאחר מכן הוא הושתל.
11:14
She's now running around with her kids.
221
662000
2000
היא עכשיו רצה בהנאה עם ילדיה.
11:16
This is going on in Tony Atala's lab in Wake Forest
222
664000
3000
זה מה שמתרחש במעבדתו של טוני אטלה בווייק פורסט,
11:19
where he is re-growing ears for injured soldiers,
223
667000
3000
שם הוא מגדל מחדש אוזניים לחיילים פצועים,
11:22
and he's also re-growing bladders.
224
670000
4000
והוא גם מגדל מחדש שלפוחיות שתן,
11:26
So there are now nine women walking around Boston
225
674000
3000
כך שיש עכשיו 9 נשים שמסתובבות ברחבי בוסטון
11:29
with re-grown bladders,
226
677000
2000
עם שלפוחיות שתן שגודלו מחדש,
11:31
which is much more pleasant than walking around with a whole bunch of plastic bags
227
679000
2000
שזה הרבה יותר נעים מאשר להסתובב עם ערימה של שקיות פלסטיק
11:33
for the rest of your life.
228
681000
2000
למשך שארית חייך.
11:35
This is kind of getting boring, right?
229
683000
3000
זה כבר מתחיל לשעמם, נכון?
11:38
I mean, you understand where this story's going.
230
686000
2000
אני מתכוון, אתם מבינים לאן זה מתקדם.
11:40
But, I mean it gets more interesting.
231
688000
2000
אבל, אני מתכוון שזה נהיה מעניין יותר.
11:42
Last year, this group was able to take all the cells off a heart,
232
690000
4000
שנה שעברה, הקבוצה הזו הצליחה להסיר את כל התאים מלב,
11:46
leaving just the cartilage.
233
694000
3000
ולהשאיר רק את הסחוסים.
11:49
Then, they sprayed stem cells onto that heart, from a mouse.
234
697000
2000
ואז, הם ריססו תאי-גזע על הלב הזה מעכברים.
11:51
Those stem cells self-organized, and that heart started to beat.
235
699000
4000
תאי-הגזע האלה התארגנו מחדש, והלב הזה התחיל לפעום.
11:55
Life happens.
236
703000
3000
חיים קורים.
11:59
This may be one of the ultimate papers.
237
707000
3000
זה אולי הולך להיות אחד מהמאמרים האולטימטיביים.
12:02
This was done in Japan and in the U.S., published at the same time,
238
710000
3000
זה נעשה ביפן ובארה"ב, פורסם באותו זמן,
12:05
and it rebooted skin cells into stem cells, last year.
239
713000
4000
וזה איתחל תאי-עור מחדש לתאי-גזע, שנה שעברה.
12:10
That meant that you can take the stuff right here,
240
718000
3000
זה אומר שאתה יכול לקחת את החומר מכאן,
12:13
and turn it into almost anything in your body.
241
721000
2000
להפוך אותו כמעט לכל דבר בגוף שלך.
12:15
And this is becoming common, it's moving very quickly,
242
723000
3000
וזה נהיה נפוץ. זה נע מהר.
12:18
it's moving in a whole series of places.
243
726000
3000
זה נע בהרבה כיונים.
12:22
Third trend: robots.
244
730000
2000
מגמה שלישית: רובוטים.
12:25
Those of us of a certain age grew up expecting that by now
245
733000
3000
חלקינו בגיל מסויים גדלנו בציפייה שעכשיו
12:28
we would have Rosie the Robot from "The Jetsons" in our house.
246
736000
4000
תהיה לנו בבית את רוזי הרובוט "מהג'טסונים".
12:32
And all we've got is a Roomba.
247
740000
3000
וכל מה שיש לנו זה רומבה (רובוט קטן ששואב אבק בבית).
12:35
(Laughter)
248
743000
3000
(צחוק)
12:38
We also thought we'd have this robot to warn us of danger.
249
746000
4000
חשבנו גם שיהיה לנו את הרובוט הזה שיזהיר אותנו מסכנה.
12:42
Didn't happen.
250
750000
2000
לא קרה.
12:44
And these were robots engineered for a flat world, right?
251
752000
3000
ואלה רובוטים שתוכננו לעולם שטוח, נכון?
12:47
So, Rosie runs around on skates
252
755000
2000
אז, רוזי מסתובבת על סקייטים,
12:49
and the other one ran on flat threads.
253
757000
2000
והשני הסתובב על זחל שטוח.
12:52
If you don't have a flat world, that's not good,
254
760000
2000
אם אין לכם עולם שטוח, זה לא טוב,
12:54
which is why the robot's we're designing today are a little different.
255
762000
5000
ובדיוק בגלל זה הרובוטים שאנחנו מתכננים היום הם קצת שונים.
13:00
This is Boston Dynamics' "BigDog."
256
768000
2000
זה "כלב-גדול" של בוסטון-דינמיקס.
13:05
And this is about as close as you can get to a physical Turing test.
257
773000
3000
וזה כמעט הכי קרוב שניתן להגיע למבחן טיורינג פיזי.
13:08
O.K., so let me remind you, a Turing test is where you've got a wall,
258
776000
4000
טוב, אז תנו להזכיר לכם, במבחן טיורינג יש לכם קיר
13:12
you're talking to somebody on the other side of the wall,
259
780000
2000
אתם מדברים עם מישהו בצד השני של הקיר,
13:14
and when you don't know if that thing is human or animal --
260
782000
3000
וכשאתם לא יודעים אם הדבר הזה הוא אנושי או חיה,
13:17
that's when computers have reached human intelligence.
261
785000
4000
אז מחשבים הגיעו לרמת אינטיליגנציה אנושית.
13:21
This is not an intelligence Turing rest,
262
789000
3000
זה לא מבחן טיורינג לאינטיליגנציה,
13:24
but this is as close as you can get to a physical Turing test.
263
792000
3000
אבל זה הכי קרוב שאפשר להגיע למבחן טיורינג פיזי.
13:27
And this stuff is moving very quickly,
264
795000
2000
והנושא הזה מתקדם מהר מאוד.
13:29
and by the way, that thing can carry about 350 pounds of weight.
265
797000
4000
ודרך אגב, הדבר הזה יכול לשאת 160 ק"ג.
13:34
These are not the only interesting robots.
266
802000
3000
אלה לא הרובוטים המעניינים היחידים.
13:37
You've also got flies, the size of flies,
267
805000
2000
יש גם זבובים בגודל של זבובים,
13:39
that are being made by Robert Wood at Harvard.
268
807000
3000
שבונה רוברט ווד בהרווארד.
13:42
You've got Stickybots that are being made at Stanford.
269
810000
3000
יש רובוטים דביקים שנבנים בסטנפורד.
13:45
And as you bring these things together,
270
813000
3000
וכשמחברים את הדברים האלה יחד,
13:48
as you bring cells, biological tissue engineering and mechanics together,
271
816000
6000
כשמחברים תאים, הנדסת רקמות ביולוגיות ומכניקה יחד,
13:54
you begin to get some really odd questions.
272
822000
3000
מתחילים לקבל שאלה מאוד מוזרה.
13:57
In the last Olympics, this gentleman,
273
825000
2000
באולימפיאדה האחרונה, האדון הזה,
13:59
who had several world records in the Special Olympics,
274
827000
4000
בעל מספר שיאים באולימפיאדה המיוחדת,
14:03
tried to run in the normal Olympics.
275
831000
2000
ניסה לרוץ באולימפיאדה הרגילה.
14:05
The only issue with Oscar Pistorius
276
833000
2000
הבעיה היחידה של אוסקר פיסטוריוס
14:07
is he was born without bones in the lower part of his legs.
277
835000
4000
היא שהוא נולד בלי עצמות בחלק התחתון של רגליו.
14:11
He came within about a second of qualifying.
278
839000
2000
הייתה חסרה לו שניה אחת כדי להתקבל.
14:13
He sued to be allowed to run,
279
841000
3000
הוא תבע שיתנו לו לרוץ,
14:16
and he won the suit,
280
844000
2000
הוא זכה בתביעה,
14:18
but didn't qualify by time.
281
846000
2000
אבל הוא לא עמד בדרישת הזמן.
14:20
Next Olympics, you can bet that Oscar, or one of Oscar's successors,
282
848000
5000
באולימפיאדה הבאה, תהיו בטוחים שאוסקר, או אחד מיורשיו,
14:25
is going to make the time.
283
853000
2000
ישיג את הזמן הזה.
14:27
And two or three Olympics after that, they are going to be unbeatable.
284
855000
3000
ושתיים-שלוש אולימפיאדות אח"כ, הם יהיו בלתי-מנוצחים.
14:30
And as you bring these trends together, and as you think of what it means
285
858000
5000
וכשמחברים את המגמות הללו יחד, וכשחושבים מה זה אומר
14:35
to take people who are profoundly deaf, who can now begin to hear --
286
863000
4000
לקחת אנשים חרשים באופן מוחלט, שעכשיו יכולים להתחיל לשמוע...
14:39
I mean, remember the evolution of hearing aids, right?
287
867000
3000
אני מתכוון להתפתחות של מכשירי שמיעה, נכון?
14:42
I mean, your grandparents had these great big cones,
288
870000
3000
אני מתכוון שלסביכם היו את הקונוסים הגדולים האלה,
14:45
and then your parents had these odd boxes
289
873000
2000
ולהורים שלכם היו את הקופסאות המוזרות האלה
14:47
that would squawk at odd times during dinner,
290
875000
2000
שהיו מקרקרות בזמנים לא מתאימים בארוחת ערב,
14:49
and now we have these little buds that nobody sees.
291
877000
2000
ועכשיו יש לנו את הניצנים הקטנים האלה שאף אחד לא רואה.
14:51
And now you have cochlear implants
292
879000
2000
ועכשיו יש השתלות לתוך שבלול האוזן,
14:53
that go into people's heads and allow the deaf to begin to hear.
293
881000
5000
שנכנסות לתוך ראשיהם של אנשים ומאפשרות לחרשים לשוב ולשמוע.
14:58
Now, they can't hear as well as you and I can.
294
886000
2000
עכשיו, הם לא יכולים לשמוע טוב כמוכם.
15:00
But, in 10 or 15 machine generations they will,
295
888000
3000
אבל, תוך 10 עד 15 דורות מכונה הם יצליחו,
15:03
and these are machine generations, not human generations.
296
891000
2000
והכוונה לדורות מכונה, לא לדורות אדם.
15:06
And about two or three years after they can hear as well as you and I can,
297
894000
4000
ושנתיים-שלוש אחרי שהם יוכלו לשמוע טוב כמוכם
15:10
they'll be able to hear maybe how bats sing, or how whales talk,
298
898000
4000
הם אולי יוכלו לשמוע עטלפים שרים, או לווייתנים מדברים,
15:14
or how dogs talk, and other types of tonal scales.
299
902000
3000
או איך כלבים מדברים, וסוגים שונים של סולמות טון.
15:17
They'll be able to focus their hearing,
300
905000
2000
הם יוכלו למקד את השמיעה שלהם.
15:19
they'll be able to increase the sensitivity, decrease the sensitivity,
301
907000
3000
הם יוכלו להגדיל את הרגישות, להקטין את הרגישות.
15:22
do a series of things that we can't do.
302
910000
2000
לעשות סדרה של דברים שאנחנו לא יכולים.
15:24
And the same thing is happening in eyes.
303
912000
2000
ואותו הדבר קורה עם עיניים.
15:27
This is a group in Germany that's beginning to engineer eyes
304
915000
3000
זו קבוצה בגרמניה שמתחילה להנדס עיניים
15:30
so that people who are blind can begin to see light and dark.
305
918000
4000
כדי שאנשים עיוורים יוכלו להבדיל בין אור לחושך.
15:34
Very primitive.
306
922000
2000
מאוד פרימיטיבי.
15:36
And then they'll be able to see shape.
307
924000
2000
ואז הם יתחילו לראות צורה.
15:38
And then they'll be able to see color, and then they'll be able to see in definition,
308
926000
3000
ואז הם יוכלו לראות צבע, ורמת ההפרדה בראייה תגדל,
15:41
and one day, they'll see as well as you and I can.
309
929000
3000
ויום אחד הם יוכלו לראות טוב כמוני וכמוכם.
15:44
And a couple of years after that, they'll be able to see in ultraviolet,
310
932000
3000
וכמה שנים אחרי זה, הם יוכלו לראות אולטרה-סגול.
15:47
they'll be able to see in infrared, they'll be able to focus their eyes,
311
935000
2000
הם יוכלו לראות אינפרה-אדום. הם יוכלו למקד את עיניהם.
15:49
they'll be able to come into a microfocus.
312
937000
3000
הם יוכלו להתמקד ברמת מיקרו.
15:52
They'll do stuff you and I can't do.
313
940000
2000
הם יוכלו לעשות דברים שאני ואתם לא יכולים.
15:55
All of these things are coming together,
314
943000
2000
וכל הדברים האלה מתחברים,
15:57
and it's a particularly important thing to understand,
315
945000
4000
וזה חשוב במיוחד להבין,
16:01
as we worry about the flames of the present,
316
949000
3000
שבזמן שאנו דואגים ללהבות ההווה,
16:04
to keep an eye on the future.
317
952000
3000
צריך לשים עין על העתיד.
16:07
And, of course, the future is looking back 200 years,
318
955000
3000
וכמובן, העתיד הוא להסתכל אחורה 200 שנה,
16:10
because next week is the 200th anniversary of Darwin's birth.
319
958000
4000
מכיוון ששבוע הבא זה יום-הולדת ה-200 של דארווין.
16:14
And it's the 150th anniversary of the publication of "The Origin of Species."
320
962000
6000
וחגיגות 150 שנה לפירסום "מוצא המינים".
16:20
And Darwin, of course, argued that evolution is a natural state.
321
968000
4000
ודארווין, כמובן, טען שאבולוציה היא מצב טבעי.
16:24
It is a natural state in everything that is alive, including hominids.
322
972000
6000
היא מצב טבעי בכל דבר חי, כולל הומונידים.
16:30
There have actually been 22 species of hominids
323
978000
5000
למעשה היו 22 מינים של הומונידים
16:35
that have been around, have evolved, have wandered in different places,
324
983000
4000
שהיו בסביבה, התפתחו, נדדו באיזורים שונים,
16:39
have gone extinct.
325
987000
2000
ונכחדו.
16:41
It is common for hominids to evolve.
326
989000
5000
זה טבעי עבור הומונידים להתפתח.
16:46
And that's the reason why, as you look at the hominid fossil record,
327
994000
3000
וזו הסיבה שבהסתכלות על מאובני הומונידים,
16:49
erectus, and heidelbergensis, and floresiensis, and Neanderthals,
328
997000
8000
ארקטוס, היילדלברגנסיס ופלרוסיינסיס וניאנדרטלי
16:57
and Homo sapiens, all overlap.
329
1005000
4000
והומו ספיאנס, הם חופפים.
17:02
The common state of affairs is to have overlapping versions of hominids,
330
1010000
5000
המצב הנפוץ הוא שיש גרסאות חופפות של הומונידים.
17:07
not one.
331
1015000
2000
לא אחת.
17:09
And as you think of the implications of that,
332
1017000
2000
וכשחושבים על ההשלכות של זה,
17:11
here's a brief history of the universe.
333
1019000
2000
הנה הסטוריה קצרה של היקום:
17:13
The universe was created 13.7 billion years ago,
334
1021000
3000
היקום נוצר לפני 13.7 מיליארד שנים,
17:16
and then you created all the stars, and all the planets,
335
1024000
2000
ואז נוצרו כל הכוכבים, וכל הפלנטות,
17:18
and all the galaxies, and all the Milky Ways.
336
1026000
2000
וכל הגלאקסיות, וכל שבילי החלב.
17:20
And then you created Earth about 4.5 billion years ago,
337
1028000
3000
ואז נוצר כדור הארץ לפני 4.5 מיליארד שנים,
17:23
and then you got life about four billion years ago,
338
1031000
3000
ואז יש חיים לפני 4 מיליארד שנים,
17:26
and then you got hominids about 0.006 billion years ago,
339
1034000
4000
ואז יש הומונידים לפני 0.006 מיליארד שנים,
17:30
and then you got our version of hominids about 0.0015 billion years ago.
340
1038000
5000
ואז יש את הגרסה שלנו להומונידים לפני בערך 0.0015 מיליון שנים,
17:35
Ta-dah!
341
1043000
2000
טה-דה!
17:37
Maybe the reason for thr creation of the universe,
342
1045000
2000
אולי הסיבה להיווצרות היקום
17:39
and all the galaxies, and all the planets, and all the energy,
343
1047000
3000
וכל הגלאקסיות וכל הפלנטות וכל האנרגיה
17:42
and all the dark energy, and all the rest of stuff
344
1050000
2000
וכל האנרגיה האפלה וכל השאר
17:44
is to create what's in this room.
345
1052000
4000
היא כדי ליצור את מה שיש פה בחדר.
17:48
Maybe not.
346
1056000
2000
אולי לא.
17:51
That would be a mildly arrogant viewpoint.
347
1059000
3000
זו תהיה נקודת-מבט מעט שחצנית.
17:54
(Laughter)
348
1062000
4000
(צחוק)
17:59
So, if that's not the purpose of the universe, then what's next?
349
1067000
3000
אז, אם זו לא מטרת היקום, מה הלאה?
18:04
(Laughter)
350
1072000
4000
(צחוק)
18:08
I think what we're going to see is we're going to see a different species of hominid.
351
1076000
4000
אני חושב שמה שאנחנו עומדים לראות הוא זן חדש של הומונידים.
18:13
I think we're going to move from a Homo sapiens into a Homo evolutis.
352
1081000
4000
אני חושב שאנחנו עומדים לעבור מהומו-ספיאנס להומו-אבולוטיס
18:17
And I think this isn't 1,000 years out.
353
1085000
2000
ואני חושב שזה לא עוד 1,000 שנים.
18:19
I think most of us are going to glance at it,
354
1087000
3000
אני חושב שרובינו נזכה למבט חטוף,
18:22
and our grandchildren are going to begin to live it.
355
1090000
2000
ושנכדינו עומדים לחיות את זה.
18:24
And a Homo evolutis brings together these three trends
356
1092000
3000
והומו-אבולוטיס מאחד את שלוש המגמות הללו
18:27
into a hominid that takes direct and deliberate control
357
1095000
3000
ליצירת הומוניד שלוקח חלק פעיל בשליטה
18:30
over the evolution of his species, her species and other species.
358
1098000
4000
על מיניו, מיניה ומינים אחרים.
18:35
And that, of course, would be the ultimate reboot.
359
1103000
4000
וזה, כמובן, האיתחול האולטימטיבי.
18:39
Thank you very much.
360
1107000
2000
תודה רבה לכם.
18:41
(Applause)
361
1109000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com