TED2014
Joi Ito: Want to innovate? Become a "now-ist"
Joi Ito: Újítani akarunk? Legyünk "jelenisták"!
Filmed:
Readability: 4.2
2,304,454 views
"Emlékszenek az internet előtti időkre?" — kérdi Joi Ito. "Emlékszenek, mikor az emberek megpróbálták megjósolni a jövőt?" Lebilincselő előadásában Joi, a MIT Media Lab vezetője eltekint a jövőre vonatkozó jóslatoktól, és helyette az egy szempillantás alatti alkotás új felfogásával foglalkozik: gyorsan létrehozni és állandóan tökéletesíteni, nem várva semmilyen engedélyre vagy jóváhagyásra arról, hogy a mi gondolatunk a helyes. Ez az alulról fölfelé építkező innováció figyelhető meg mostanában a legtöbb káprázatos futurisztikus projektben. Ezek úgy kezdődnek - hangsúlyozza az előadó -, hogy nyitottak vagyunk és figyelünk a jelenleg körülöttünk zajló eseményekre. Azt javasolja: ne legyünk futuristák, legyünk inkább "jelenisták".
Double-click the English transcript below to play the video.
00:12
On March 10, 2011,
0
543
2743
2011. március 10-én
00:15
I was in Cambridge at the MIT Media Lab
1
3286
3007
Cambridge-ben, az MIT Média Laborban volt
00:18
meeting with faculty, students and staff,
2
6293
3229
találkozóm a karral, diákokkal
és a munkatársaimmal
és a munkatársaimmal
00:21
and we were trying to figure out whether
3
9522
1789
s azon tűnődtünk,
00:23
I should be the next director.
4
11311
2360
alkalmas leszek-e új igazgatónak vagy sem.
00:25
That night, at midnight,
5
13671
2369
Akkor éjszaka, éjfélkor,
00:28
a magnitude 9 earthquake
6
16040
1770
9-es fokozatú földrengés rázta meg
00:29
hit off of the Pacific coast of Japan.
7
17810
2866
Japán csendes-óceáni partját.
00:32
My wife and family were in Japan,
8
20676
2285
Feleségem és családom Japánban volt,
00:34
and as the news started to come in,
9
22961
3310
és ahogy a hírek kezdtek befutni,
00:38
I was panicking.
10
26271
1699
bepánikoltam.
00:39
I was looking at the news streams
11
27970
1262
Figyeltem a híreket,
00:41
and listening to the press conferences
12
29232
2828
s hallgattam a kormányzat
00:44
of the government officials
13
32060
2210
és a Tokiói Villamos Művek
00:46
and the Tokyo Power Company,
14
34270
1590
hivatalos sajtóközleményeit.
00:47
and hearing about this explosion
15
35860
2551
Ott hallottam az atomerőműnél történt
00:50
at the nuclear reactors
16
38411
1199
robbanásokról
00:51
and this cloud of fallout
17
39610
1681
és a radioaktív csapadékfelhőről,
00:53
that was headed towards our house
18
41291
1899
amely a helyszíntől
00:55
which was only about 200 kilometers away.
19
43190
2899
alig 200 km-re lévő házunk felé tartott.
00:58
And the people on TV weren't telling us
20
46089
2831
De a tévében nem arról beszéltek,
01:00
anything that we wanted to hear.
21
48920
1940
amiről hallani szerettünk volna.
01:02
I wanted to know what was going on with the reactor,
22
50860
1960
Engem a reaktor állapota érdekelt,
01:04
what was going on with the radiation,
23
52820
1422
a radioaktivitás alakulása,
01:06
whether my family was in danger.
24
54242
2328
és hogy a családom veszélyben van-e.
01:08
So I did what instinctively felt like the right thing,
25
56570
3189
Így azt tettem,
amit ösztönösen helyesnek ítéltem,
amit ösztönösen helyesnek ítéltem,
01:11
which was to go onto the Internet
26
59759
1671
azaz beléptem az internetre,
01:13
and try to figure out
27
61430
1342
és próbáltam kitalálni,
01:14
if I could take matters into my own hands.
28
62772
2411
hogyan vehetném a kezembe az ügyet.
01:17
On the Net, I found there were a lot of other people
29
65183
1841
Arra jöttem rá, hogy sokan vagyunk,
01:19
like me trying to figure out what was going on,
30
67024
2066
akik próbáljuk megérteni a történteket.
01:21
and together we sort of loosely formed a group
31
69090
2216
Közösen, Safecast néven
01:23
and we called it Safecast,
32
71306
2471
csoportot alakítottunk, és elhatároztuk,
01:25
and we decided we were going to try
33
73777
1172
hogy megmérjük
01:26
to measure the radiation
34
74949
1746
a radioaktivitás szintjét,
01:28
and get the data out to everybody else,
35
76695
1774
s nyilvánosságra hozzuk az adatokat,
01:30
because it was clear that the government
36
78469
1672
mivel nyilvánvaló volt,
01:32
wasn't going to be doing this for us.
37
80141
2902
hogy a kormányzat helyettünk
ezt nem fogja megtenni.
ezt nem fogja megtenni.
01:35
Three years later,
38
83043
1417
Három évvel később
01:36
we have 16 million data points,
39
84460
3094
16 millió adatunk volt,
magunk terveztünk Geiger-Müller-számlálót,
01:39
we have designed our own Geiger counters
40
87554
2745
01:42
that you can download the designs
41
90299
1653
a terve letölthető,
01:43
and plug it into the network.
42
91952
874
csatlakozhatnak a hálózatra.
01:44
We have an app that shows you
43
92826
1904
Egy alkalmazásunk mutatja Japán
01:46
most of the radiation in Japan
and other parts of the world.
and other parts of the world.
44
94730
3027
és a világ más részeinek
sugárzási szintjét.
sugárzási szintjét.
01:49
We are arguably one of the most successful
45
97757
2205
Vélhetően a miénk a világ
egyik legsikeresebb
egyik legsikeresebb
01:51
citizen science projects in the world,
46
99962
1855
amatőr tudományos projektje.
01:53
and we have created
47
101817
2352
Létrehoztuk a sugárzási
adatokat tartalmazó
adatokat tartalmazó
01:56
the largest open dataset of radiation measurements.
48
104169
3501
legnagyobb nyilvános adattárat.
01:59
And the interesting thing here
49
107670
2742
Az itt az érdekes, hogy hogyan —
02:02
is how did — (Applause) — Thank you.
50
110412
4648
(Taps) — Köszönöm.
02:07
How did a bunch of amateurs
51
115060
2091
Hogyan sikerült néhány amatőrnek,
02:09
who really didn't know what we were doing
52
117151
2169
akik valójában nem is tudták,
mit csinálnak,
mit csinálnak,
02:11
somehow come together
53
119320
1689
valahogy összefogni,
02:13
and do what NGOs and the government
54
121009
3184
és megtenni, amire a civil szervezetek
02:16
were completely incapable of doing?
55
124193
2418
és a kormányzat képtelen volt?
02:18
And I would suggest that this has something to do
56
126611
2758
Állítom: ennek az internethez van köze.
02:21
with the Internet. It's not a fluke.
57
129369
1760
Nem volt véletlen.
02:23
It wasn't luck, and it wasn't because it was us.
58
131129
2851
Nem a szerencse és nem miattunk történt,
02:25
It helped that it was an event
59
133980
1418
hanem azért, mert egy esemény
02:27
that pulled everybody together,
60
135398
1635
összekovácsolt minket.
02:29
but it was a new way of doing things
61
137033
1758
De új módon cselekedtünk,
02:30
that was enabled by the Internet
62
138791
2079
ezt az internet
02:32
and a lot of the other things that were going on,
63
140870
1592
és sok minden tette lehetővé.
02:34
and I want to talk a little bit about
64
142462
2013
Szeretnék egy keveset szólni arról,
02:36
what those new principles are.
65
144475
2669
hogy pontosan mik ezek az új elvek.
02:39
So remember before the Internet? (Laughter)
66
147144
4808
Emlékeznek az internet előtti időkre?
(Nevetés)
(Nevetés)
02:43
I call this B.I. Okay?
67
151952
1788
Ezt IE-nek nevezem. Rendben?
02:45
So, in B.I., life was simple.
68
153740
3611
Az IE idején az élet egyszerű volt.
02:49
Things were Euclidian, Newtonian,
69
157351
2746
Minden euklideszi, newtoni
02:52
somewhat predictable.
70
160097
1459
és valahogy előrelátható volt.
02:53
People actually tried to predict the future,
71
161556
2410
Az emberek próbálták megjósolni a jövőt,
02:55
even the economists.
72
163966
1714
még a közgazdászok is.
02:57
And then the Internet happened,
73
165680
3214
És akkor megjelent az internet,
03:00
and the world became extremely complex,
74
168894
2071
és a világ elképesztően bonyolulttá,
03:02
extremely low-cost, extremely fast,
75
170965
2637
olcsóvá és gyorssá vált,
03:05
and those Newtonian laws
76
173602
2118
és azokról a newtoni törvényekről,
03:07
that we so dearly cherished
77
175720
1799
melyeket oly sokra tartottunk,
03:09
turned out to be just local ordinances,
78
177519
2197
kiderült, hogy csak holmi helyi előírások.
03:11
and what we found was that in this
79
179716
1751
Azt találtuk,
03:13
completely unpredictable world
80
181467
2613
hogy e teljesen kiszámíthatatlan világban
03:16
that most of the people who were surviving
81
184080
2032
a túlélő emberek többsége
03:18
were working with sort of a different set of principles,
82
186112
3333
már más elvek alapján cselekszik.
03:21
and I want to talk a little bit about that.
83
189445
2631
Erről szeretnék egy kicsit beszélni.
03:24
Before the Internet, if you remember,
84
192076
1364
Az internet előtt,
03:25
when we tried to create services,
85
193440
1905
amikor szolgáltatásokat hoztunk létre,
03:27
what you would do is you'd create
86
195345
1026
a hardver, a hálózati
03:28
the hardware layer and the
network layer and the software
network layer and the software
87
196371
2312
és a szoftver részt kellett létrehozni.
03:30
and it would cost millions of dollars
88
198683
2028
Több millió dollárba került
03:32
to do anything that was substantial.
89
200711
2307
bármi lényegit kidolgozni.
03:35
So when it costs millions of dollars
to do something substantial,
to do something substantial,
90
203018
2439
Így amikor több millió
dollárba kerül a fejlesztés,
dollárba kerül a fejlesztés,
03:37
what you would do is you'd get an MBA
91
205457
2072
a teendőnk egy MBA-s mukit szerezni,
03:39
who would write a plan
92
207529
1458
aki elkészíti a terveket
03:40
and get the money
93
208987
943
és pénzt szerez
a kockázati tőkéstől és nagy cégektől,
03:41
from V.C.s or big companies,
94
209930
1744
03:43
and then you'd hire the designers and the engineers,
95
211674
2113
s tervezőket, mérnököket veszünk fel
s ők létrehozzák a terméket.
03:45
and they'd build the thing.
96
213787
1023
03:46
This is the Before Internet, B.I., innovation model.
97
214810
4619
De ez az Internet Előtti,
IE innovációs modell.
IE innovációs modell.
03:51
What happened after the Internet was
98
219429
2307
De az internet után
03:53
the cost of innovation went down so much
99
221736
1756
az innováció ára nagyot csökkent,
03:55
because the cost of collaboration,
the cost of distribution,
the cost of distribution,
100
223492
2487
mivel az együttműködés, a terjesztés
03:57
the cost of communication, and Moore's Law
101
225979
2643
és a kommunikáció költsége,
és Moore-törvény miatt
és Moore-törvény miatt
04:00
made it so that the cost of trying a new thing
102
228622
2676
az újdonság kidolgozásának költsége
04:03
became nearly zero,
103
231298
1394
közel nulla lett.
04:04
and so you would have Google, Facebook, Yahoo,
104
232692
2269
Így jött a Google, Facebook, Yahoo,
04:06
students that didn't have permission —
105
234961
1771
az engedély nélküli diákok
— engedély nélküli innováció —
04:08
permissionless innovation —
106
236732
1373
04:10
didn't have permission, didn't have PowerPoints,
107
238105
1620
nem volt PowerPointjuk sem,
04:11
they just built the thing,
108
239725
2103
csak úgy megépítették az elképzelésüket,
04:13
then they raised the money,
109
241828
1444
s utána megszerezték hozzá a pénzt,
04:15
and then they sort of figured out a business plan
110
243272
2201
nagyjából összehozták az üzleti tervet,
04:17
and maybe later on they hired some MBAs.
111
245473
2357
és esetleg később
egy pár MBA-st is felvettek.
egy pár MBA-st is felvettek.
04:19
So the Internet caused innovation,
112
247830
2311
Az internet innovációval járt,
legalább a szoftver
legalább a szoftver
04:22
at least in software and services,
113
250141
1124
és a szolgáltatás terén,
04:23
to go from an MBA-driven innovation model
114
251265
2859
így az MBA-sok vezetette
innovációs modellről áttértek
innovációs modellről áttértek
04:26
to a designer-engineer-driven innovation model,
115
254124
3903
a tervezőmérnök általi fejlesztésre,
ami az innováció határait
ami az innováció határait
04:30
and it pushed innovation to the edges,
116
258027
2098
kijjebb tolta a kollégiumi szobákba,
04:32
to the dorm rooms, to the startups,
117
260125
1546
a startupok világába,
04:33
away from the large institutions,
118
261671
1686
el a nagy intézményektől,
04:35
the stodgy old institutions that had the power
119
263357
2355
a nehézkes régi intézményektől,
melyeknek pénzük,
melyeknek pénzük,
04:37
and the money and the authority.
120
265712
1687
hatalmuk, és befolyásuk volt.
04:39
And we all know this. We all know
this happened on the Internet.
this happened on the Internet.
121
267399
2609
Mindünknek ismerős,
hogy ez az internet miatt történt.
hogy ez az internet miatt történt.
04:42
It turns out it's happening in other things, too.
122
270008
2765
Mint kiderült, más téren is ez folyik.
04:44
Let me give you some examples.
123
272773
3242
Hadd említsek egy pár példát.
04:48
So at the Media Lab, we don't just do hardware.
124
276015
2785
A Media Labban nemcsak
hardverrel foglalkozunk.
hardverrel foglalkozunk.
Mindenfélét csinálunk.
04:50
We do all kinds of things.
125
278800
1042
04:51
We do biology, we do hardware,
126
279842
1885
Biológiával is foglalkozunk,
04:53
and Nicholas Negroponte
famously said, "Demo or die,"
famously said, "Demo or die,"
127
281727
3621
és ahogy Nicholas Negroponte mondta:
"Demó vagy halál", szemben
"Demó vagy halál", szemben
04:57
as opposed to "Publish or perish,"
128
285348
1722
a "Publikálj vagy pusztulj"-jal:
04:59
which was the traditional academic way of thinking.
129
287070
2243
az a hagyományos akadémiai gondolkodásmód.
05:01
And he often said, the demo only has to work once,
130
289313
3562
Sokszor elismételte, hogy a demónak
elég csak egyszer működnie,
elég csak egyszer működnie,
05:04
because the primary mode of us impacting the world
131
292875
2816
mivel ez az elsődleges módja,
hogy hassunk a világra:
hogy hassunk a világra:
05:07
was through large companies
132
295691
1778
célja a nagy cégek elkápráztatása.
05:09
being inspired by us
133
297469
1263
A hatására
05:10
and creating products like
the Kindle or Lego Mindstorms.
the Kindle or Lego Mindstorms.
134
298732
3516
olyan termékeket gyártanak
mint pl. a Kindle vagy a Lego Mindstorms.
mint pl. a Kindle vagy a Lego Mindstorms.
05:14
But today, with the ability
135
302248
1942
De ma, mivel ilyen olcsón
05:16
to deploy things into the real world at such low cost,
136
304190
2309
valósíthatjuk meg elképzeléseinket,
05:18
I'm changing the motto now,
137
306499
2150
megváltoztatom a mottót,
05:20
and this is the official public statement.
138
308649
1813
és ez legyen a hivatalos közlemény.
05:22
I'm officially saying, "Deploy or die."
139
310462
2497
Mostantól a hivatalos mottó:
"Indítsd el vagy pusztulj".
"Indítsd el vagy pusztulj".
05:24
You have to get the stuff into the real world
140
312959
2221
Meg kell valósítanunk a terméket
ahhoz, hogy érjen valamit,
05:27
for it to really count,
141
315180
1356
05:28
and sometimes it will be large companies,
142
316536
1879
és néha lehetnek ezek nagy cégek is,
05:30
and Nicholas can talk about satellites.
143
318415
1957
és Nicholas beszélhet
05:32
(Applause)
144
320372
1286
majd műholdakról.
05:33
Thank you.
145
321658
1082
(Taps) Köszönöm.
05:34
But we should be getting out there ourselves
146
322740
1774
De ez a mi dolgunk,
05:36
and not depending on large
institutions to do it for us.
institutions to do it for us.
147
324514
3584
és nem várhatjuk el a nagy szervezetektől.
05:40
So last year, we sent a bunch
of students to Shenzhen,
of students to Shenzhen,
148
328098
2702
Tavaly küldtünk néhány diákot Sencsenbe,
05:42
and they sat on the factory floors
149
330800
1580
és ők az üzem padlóján ültek
05:44
with the innovators in Shenzhen, and it was amazing.
150
332380
2305
a sencseni feltalálókkal,
és ez elképesztő volt.
és ez elképesztő volt.
05:46
What was happening there
151
334685
1477
Az történt, hogy volt ott
05:48
was you would have these manufacturing devices,
152
336162
2184
mindenféle gyártóeszköz,
s nem prototípust
vagy PowerPoint prezentációt készítettek.
vagy PowerPoint prezentációt készítettek.
05:50
and they weren't making prototypes or PowerPoints.
153
338346
2193
05:52
They were fiddling with the manufacturing equipment
154
340539
2465
A gyártóeszközökkel pepecseltek,
s újításaikat rajtuk, helyben találták ki.
05:55
and innovating right on the
manufacturing equipment.
manufacturing equipment.
155
343004
3210
05:58
The factory was in the designer,
156
346214
1886
Az üzem volt a tervező,
06:00
and the designer was literally in the factory.
157
348100
2274
és a tervező, szó szerint,
az üzemben volt.
az üzemben volt.
06:02
And so what you would do is,
158
350374
1626
Ez esetben azt tehetnénk,
06:04
you'd go down to the stalls
159
352000
1241
hogy lemegyünk a raktárba,
06:05
and you would see these cell phones.
160
353241
2556
és ott látnánk ezeket a mobiltelefonokat.
06:07
So instead of starting little websites
161
355797
2525
Honlapok helyett a sencseniek
06:10
like the kids in Palo Alto do,
162
358322
1548
— nem mint a Palo Alto-iak —
06:11
the kids in Shenzhen make new cell phones.
163
359870
2540
új mobilokat készítenek.
06:14
They make new cell phones like kids in Palo Alto
164
362410
2697
Úgy készülnek ezek az új telefonok,
mint Palo Altóban a honlapok,
06:17
make websites,
165
365107
1258
06:18
and so there's a rainforest
166
366365
2113
és így egy szerteágazó
06:20
of innovation going on in the cell phone.
167
368478
1556
innováció megy végbe.
06:22
What they do is, they make a cell phone,
168
370034
1600
Így ők elkészítik a mobilt,
06:23
go down to the stall, they sell some,
169
371634
2224
lemennek a raktárba, eladnak párat,
06:25
they look at the other kids' stuff, go up,
170
373858
2325
megnézik a többiek cuccait, felmennek,
06:28
make a couple thousand more, go down.
171
376183
2591
és még pár ezret gyártanak, majd vissza.
06:30
Doesn't this sound like a software thing?
172
378774
1991
Nem úgy hangzik ez,
06:32
It sounds like agile software development,
173
380765
1647
mint az agilis szoftverfejlesztés?
06:34
A/B testing and iteration,
174
382412
2928
A/B tesztelés, iteráció?
06:37
and what we thought you could only do with software
175
385340
2083
Amiről azt hittük,
hogy csak szoftverrel megy,
hogy csak szoftverrel megy,
06:39
kids in Shenzhen are doing this in hardware.
176
387423
2270
a sencseniek hardverrel oldják meg.
06:41
My next fellow, I hope, is going to be
177
389693
1467
Az új munkatársam, remélem,
06:43
one of these innovators from Shenzhen.
178
391160
1485
egyike lesz ezen újítóknak.
06:44
And so what you see is
179
392645
1665
Itt az innováció végletekig való
06:46
that is pushing innovation to the edges.
180
394310
1969
fölpörgetését láthatjuk.
06:48
We talk about 3D printers and stuff like that,
181
396279
2105
3D-s nyomtatókról és hasonlókról van szó,
06:50
and that's great, but this is Limor.
182
398384
1991
Ez mind menő. De ez itt Limor Fried.
06:52
She is one of our favorite graduates,
183
400375
2259
Ő az egyik kedvenc végzősünk, aki éppen
06:54
and she is standing in front of a Samsung
184
402634
2076
egy Samsung Techwin Pick és Place Machine
06:56
Techwin Pick and Place Machine.
185
404710
1833
berendezés előtt áll.
06:58
This thing can put 23,000 components per hour
186
406543
3924
Ez a gép óránként 23 ezer alkatrészt
képes rászerelni
képes rászerelni
07:02
onto an electronics board.
187
410467
1993
egy alaplapra.
07:04
This is a factory in a box.
188
412460
1823
Ez igazi üzem a dobozban.
07:06
So what used to take a factory full of workers
189
414283
2498
Amihez korábban egy üzemnyi munkás
07:08
working by hand
190
416781
1019
kézi munkája kellett,
07:09
in this little box in New York,
191
417800
1709
azt Limor e kis New York-i dobozban
07:11
she's able to have effectively —
192
419509
1050
hatékonyan megoldja.
07:12
She doesn't actually have to go to Shenzhen
193
420559
1633
Nem kell Sencsenig elmennie
07:14
to do this manufacturing.
194
422192
1244
a gyártás kedvéért.
07:15
She can buy this box and she can manufacture it.
195
423436
2261
Megveheti ezt a dobozt, és gyárthat vele.
07:17
So manufacturing, the cost of innovation,
196
425697
2243
Így a gyártás,
az innováció, a prototípus,
az innováció, a prototípus,
07:19
the cost of prototyping, distribution,
manufacturing, hardware,
manufacturing, hardware,
197
427940
2690
a terjesztés, a gyártás
és a gép költsége
és a gép költsége
07:22
is getting so low
198
430630
1463
annyira csökken,
07:24
that innovation is being pushed to the edges
199
432093
2317
hogy az innováció
a végletekig kiterjeszthető.
a végletekig kiterjeszthető.
07:26
and students and startups are being able to build it.
200
434410
2428
Diákok és startuposok is
megépíthetik a cuccokat.
megépíthetik a cuccokat.
07:28
This is a recent thing, but this will happen
201
436838
1878
Ez egy új dolog, de tovább
07:30
and this will change
202
438716
1483
fog fejlődni, változni fog,
07:32
just like it did with software.
203
440199
2425
ahogy a szoftverrel is történt..
07:34
Sorona is a DuPont process
204
442624
3246
A Sorona a DuPont egyik gyártási eljárása,
07:37
that uses a genetically engineered microbe
205
445870
3020
amely genetikailag módosított
mikrobákat alkalmaz
mikrobákat alkalmaz
07:40
to turn corn sugar into polyester.
206
448890
3950
a kukoricacukor
poliészterré alakításához.
poliészterré alakításához.
Ez a fosszilis üzemanyagra épülő
módszernél 30%-kal hatékonyabb,
módszernél 30%-kal hatékonyabb,
07:44
It's 30 percent more efficient
than the fossil fuel method,
than the fossil fuel method,
207
452840
2478
07:47
and it's much better for the environment.
208
455318
3659
és kevésbé káros a környezetre.
07:50
Genetic engineering and bioengineering
209
458977
1405
A gén- és biotechnológia
07:52
are creating a whole bunch
210
460382
1531
teljesen új és elképesztő
07:53
of great new opportunities
211
461913
1758
lehetőségeket tár föl
07:55
for chemistry, for computation, for memory.
212
463671
2829
a vegyészet, a számítástechnika
és a memória számára.
és a memória számára.
07:58
We will probably be doing a lot,
obviously doing health things,
obviously doing health things,
213
466500
2050
Valószínűleg sok egészségügyi újítás lesz,
08:00
but we will probably be growing chairs
214
468550
2204
de talán hamarosan már székeket,
épületeket növesztünk.
08:02
and buildings soon.
215
470754
1040
08:03
The problem is, Sorona costs
about 400 million dollars
about 400 million dollars
216
471794
3910
A gond viszont az, hogy a Sorona
közel 400 millió dollárba került,
közel 400 millió dollárba került,
08:07
and took seven years to build.
217
475704
1381
és hét évig épült.
08:09
It kind of reminds you of the old mainframe days.
218
477085
3079
A régi, nagyszámítógépes
időkre emlékeztet.
időkre emlékeztet.
08:12
The thing is, the cost of innovation
219
480164
2492
Az a helyzet, hogy az innováció költsége
08:14
in bioengineering is also going down.
220
482656
1586
a biotechnológiában is csökken.
08:16
This is desktop gene sequencer.
221
484242
1969
Ez egy asztali génszekvenáló.
08:18
It used to cost millions and millions
of dollars to sequence genes.
of dollars to sequence genes.
222
486211
3554
Valaha több millió dollárba került
egy gén szekvenciákra bontása.
egy gén szekvenciákra bontása.
08:21
Now you can do it on a desktop like this,
223
489765
1744
Most már ilyen gépen elvégezhető,
08:23
and kids can do this in dorm rooms.
224
491509
2093
a srácok a kollégiumban is elvégezhetik.
08:25
This is Gen9 gene assembler,
225
493602
2688
Ez a Gen9 génillesztő,
08:28
and so right now when you try to print a gene,
226
496290
2079
s ha megpróbálunk illeszteni egy gént,
08:30
what you do is somebody in a factory
227
498369
1268
egy üzemben kézzel,
08:31
with pipettes puts the thing together by hand,
228
499637
1940
pipettával szokták összeilleszteni.
08:33
you have one error per 100 base pairs,
229
501577
2351
a hibaarány 1:100-hoz bázispáronként.
08:35
and it takes a long time and costs a lot of money.
230
503928
2576
ugyanakkor hosszú és költséges folyamat.
08:38
This new device
231
506504
1386
Ez az új eszköz
08:39
assembles genes on a chip,
232
507890
1674
egy csipre illeszti a géneket,
08:41
and instead of one error per 100 base pairs,
233
509564
2149
és az 1:100-hoz génpárhiba helyett
08:43
it's one error per 10,000 base pairs.
234
511713
2126
1:10 000-hez a hibaarány.
08:45
In this lab, we will have the world's capacity
235
513839
2745
E laborban egy éven belül el fogjuk érni
08:48
of gene printing within a year,
236
516584
2103
a világ teljes géntérképező kapacitását,
08:50
200 million base pairs a year.
237
518687
2612
200 millió génpárt egy év alatt.
08:53
This is kind of like when we went
238
521299
2563
Ez kb. olyan, mint amikor kézi szerelésű
08:55
from transistor radios wrapped by hand
239
523862
2261
tranzisztoros rádióktól
08:58
to the Pentium.
240
526123
1271
eljutottunk a Pentiumig.
08:59
This is going to become the
Pentium of bioengineering,
Pentium of bioengineering,
241
527394
2396
Ez lesz a biotechnológia Pentiuma,
09:01
pushing bioengineering into the hands
242
529790
2036
a biotechnológia átkerül
09:03
of dorm rooms and startup companies.
243
531826
2601
a kollégiumi szobákba
és a startupok világába.
és a startupok világába.
09:06
So it's happening in software and in hardware
244
534427
2773
Ma ez játszódik le
a szoftver- és hardvergyártásban
a szoftver- és hardvergyártásban
09:09
and bioengineering,
245
537200
963
s a biotechnikában,
09:10
and so this is a fundamental new
way of thinking about innovation.
way of thinking about innovation.
246
538163
3281
és ez alapvetően újszerű
innovációs gondolkodásmód.
innovációs gondolkodásmód.
09:13
It's a bottom-up innovation, it's democratic,
247
541444
2677
Alulról felfelé építkező, demokratikus,
09:16
it's chaotic, it's hard to control.
248
544121
2204
kaotikus, nehezen kezelhető innováció.
09:18
It's not bad, but it's very different,
249
546325
2307
Nem rossz, de nagyon más.
09:20
and I think that the traditional rules that we have
250
548632
1967
és szerintem a hagyományos szervezetre
09:22
for institutions don't work anymore,
251
550599
2072
vonatkozó szabályok már nem hatékonyak,
09:24
and most of us here
252
552671
1679
és legtöbbünk
09:26
operate with a different set of principles.
253
554350
3083
más elvek alapján dolgozik.
09:29
One of my favorite principles is the power of pull,
254
557433
2836
Az egyik kedvenc elvem az igény elve,
09:32
which is the idea of pulling resources
255
560269
2291
ez az erőforrásoknak a rendszerből
09:34
from the network as you need them
256
562560
1766
igény szerinti kiragadásának elve,
09:36
rather than stocking them in the center
257
564326
1845
mintsem az erőforrások felhalmozása
09:38
and controlling everything.
258
566171
1585
és mindennek az ellenőrzése.
09:39
So in the case of the Safecast story,
259
567756
2764
Így a Safecast esetében
semmit sem tudtam,
semmit sem tudtam,
09:42
I didn't know anything when
the earthquake happened,
the earthquake happened,
260
570520
1842
amikor a földrengés bekövetkezett,
09:44
but I was able to find Sean
261
572362
1628
de sikerült megtalálnom Seant,
09:45
who was the hackerspace community organizer,
262
573990
2196
egy hackerközösség szervezőjét,
09:48
and Peter, the analog hardware hacker
263
576186
1786
és Petert, az analóg hardver hackert
09:49
who made our first Geiger counter,
264
577972
1716
Geiger-Müller-számlálónk készítőjét,
09:51
and Dan, who built the Three Mile Island
265
579688
1998
Dant, aki a Three Mile Island
09:53
monitoring system after the
Three Mile Island meltdown.
Three Mile Island meltdown.
266
581686
3334
monitoring rendszerét készítette el
a reaktor leolvadását követően.
a reaktor leolvadását követően.
09:57
And these people I wouldn't have been able to find
267
585020
2386
Nem lettem volna képes
korábban rájuk találni,
korábban rájuk találni,
09:59
beforehand and probably were better
268
587406
2434
és talán jobb is,
10:01
that I found them just in time from the network.
269
589840
3127
hogy pont idejében találtam meg őket
a hálózaton keresztül.
a hálózaton keresztül.
10:04
I'm a three-time college dropout,
270
592967
1867
Háromszor hagytam abba az egyetemet,
így a "tanulás az oktatás fölött" elv
10:06
so learning over education
271
594834
1673
nagyon közel áll a szívemhez,
10:08
is very near and dear to my heart,
272
596507
1425
10:09
but to me, education is what people do to you
273
597932
2524
de számomra az oktatás az,
amit mások tesznek velünk,
amit mások tesznek velünk,
10:12
and learning is what you do to yourself.
274
600456
2999
és a tanulás pedig az,
amit mi magunk teszünk.
amit mi magunk teszünk.
10:15
(Applause)
275
603455
3776
(Taps)
10:19
And it feels like, and I'm biased,
276
607231
1759
Úgy érzem, ebben elfogult vagyok,
10:20
it feels like they're trying to make you memorize
277
608990
2797
olyan, mintha próbálnák
bebifláztatni velünk
bebifláztatni velünk
10:23
the whole encyclopedia before
they let you go out and play,
they let you go out and play,
278
611787
3114
előbb a teljes lexikont,
és csak utána engednének ki játszani,
és csak utána engednének ki játszani,
10:26
and to me, I've got Wikipedia on my cell phone,
279
614901
4097
de nekem ott a Wikipédia a mobilomon.
10:30
and it feels like they assume
280
618998
1703
Olyan, mintha azt feltételeznék,
10:32
you're going to be on top of some mountain
281
620701
1787
hogy valami hegy tetején leszünk,
10:34
all by yourself with a number 2 pencil
282
622488
2461
tök egyedül, kezünkben egy 2B-s ceruza,
10:36
trying to figure out what to do
283
624949
1383
agyalunk, mitévők legyünk,
10:38
when in fact you're always going to be connected,
284
626332
2116
holott folyamatosan kapcsolatban leszünk,
10:40
you're always going to have friends,
285
628448
1645
mindig lesznek barátaink,
10:42
and you can pull Wikipedia
up whenever you need it,
up whenever you need it,
286
630093
1959
és mindig elővehetjük a Wikipédiát.
10:44
and what you need to learn is how to learn.
287
632052
3448
Tehát csakis azt kell megtanulnunk,
hogy hogyan kell tanulnunk.
hogy hogyan kell tanulnunk.
10:47
In the case of Safecast, a bunch of amateurs
288
635500
2644
A Safecastot 3 éve
10:50
when we started three years ago,
289
638144
1598
amatőrökként kezdtük,
10:51
I would argue that we probably as a group
290
639742
2508
de lefogadom, hogy csapatként
10:54
know more than any other organization
291
642250
2416
valószínűleg bármely szervezetnél
többet tudunk
többet tudunk
10:56
about how to collect data and publish data
292
644666
3209
az adatok gyűjtéséről és közzétételéről,
10:59
and do citizen science.
293
647875
2772
s arról, hogyan műveljük
a hétköznapi tudományt.
a hétköznapi tudományt.
Térkép helyett iránytűt.
11:02
Compass over maps.
294
650647
1120
11:03
So this one, the idea is that the cost of writing a plan
295
651767
3725
Az az elképzelés, hogy a tervkészítés
11:07
or mapping something is getting so expensive
296
655492
3103
s a kivitelezés egyre drágább lesz,
11:10
and it's not very accurate or useful.
297
658595
3173
hogy közben sem nem elég pontos,
sem nem elég hasznos.
sem nem elég hasznos.
11:13
So in the Safecast story, we
knew we needed to collect data,
knew we needed to collect data,
298
661768
3112
Így a Safecastban tudtuk,
hogy adatokat kell gyűjtenünk,
hogy adatokat kell gyűjtenünk,
11:16
we knew we wanted to publish the data,
299
664880
2423
tudtuk, hogy közzé is akarjuk őket tenni,
11:19
and instead of trying to come up with the exact plan,
300
667303
2889
így egy pontos terv helyett
11:22
we first said, oh, let's get Geiger counters.
301
670192
2408
inkább Geiger-számlálókat akartunk venni.
11:24
Oh, they've run out.
302
672600
1766
Elfogytak?
11:26
Let's build them. There aren't enough sensors.
303
674366
2003
Akkor készítsünk mi. Nincs elég érzékelő?
11:28
Okay, then we can make a mobile Geiger counter.
304
676369
2227
Jó, akkor legyen hordozható számláló,
és körbevihetjük.
Szerezhetünk önkénteseket.
Szerezhetünk önkénteseket.
11:30
We can drive around. We can get volunteers.
305
678596
2047
11:32
We don't have enough money. Let's Kickstarter it.
306
680643
1879
Nincs elég tőkénk. Hol a Kickstarter?
11:34
We could not have planned this whole thing,
307
682522
1991
Ezt nem tudtuk volna előre eltervezni,
11:36
but by having a very strong compass,
308
684513
1744
de nagyon tudatos célunk volt,
11:38
we eventually got to where we were going,
309
686257
1435
végül elértük, amit akartunk,
11:39
and to me it's very similar to
agile software development,
agile software development,
310
687692
2418
Ez nagyon hasonlít
az agilis szoftverfejlesztéshez,
az agilis szoftverfejlesztéshez,
11:42
but this idea of compasses is very important.
311
690110
3358
de az iránytűk gondolata nagyon fontos.
11:45
So I think the good news is
312
693468
1941
Tehát, az a jó hír,
11:47
that even though the world is extremely complex,
313
695409
3501
hogy bár a világ rendkívül bonyolult,
11:50
what you need to do is very simple.
314
698920
2382
a teendőnk egyszerű.
11:53
I think it's about stopping this notion
315
701302
2698
Ideje kivernünk a fejünkből,
11:56
that you need to plan everything,
316
704000
1572
hogy mindent előre kell tervezni,
11:57
you need to stock everything,
317
705572
1092
és fölhalmozni,
11:58
and you need to be so prepared,
318
706664
1470
Tettre készeknek kell lennünk,
12:00
and focus on being connected,
319
708134
2994
figyelnünk kell, hogy kapcsolódjunk
valamihez,
valamihez,
12:03
always learning,
320
711128
1851
folyamatosan tanuljunk,
12:04
fully aware,
321
712979
1861
teljes készenlétben
12:06
and super present.
322
714840
1780
és teljesen a jelenben.
12:08
So I don't like the word "futurist."
323
716620
2946
Nem szeretem a 'futurista' kifejezést.
12:11
I think we should be now-ists,
324
719566
5615
Legyünk inkább "jelenisták",
12:17
like we are right now.
325
725181
2046
mint amilyenek most vagyunk.
12:19
Thank you.
326
727227
1843
Köszönöm.
12:21
(Applause)
327
729070
3979
(Taps)
ABOUT THE SPEAKER
Joi Ito - Relentless mindJoi Ito is the director of the MIT Media Lab.
Why you should listen
Joichi "Joi" Ito is one of those names threaded through the history of the Internet. From his days kickstarting Internet culture in Japan at Digital Garage, his restless curiosity led him to be an early-stage investor in Twitter, Six Apart, Wikia, Flickr, Last.fm, Kickstarter and other Internet companies, and to serve on countless boards and advisory committees around digital culture and Internet freedom.
He leads the legendary MIT Media Lab as it heads toward its third decade, and is working on a book with Jeff Howe about nine principles for navigating whatever the changing culture throws at us next. As he told Wired, "The amount of money and the amount of permission that you need to create an idea has decreased dramatically." So: aim for resilience, not strength; seek risk, not safety. The book is meant to be a compass for a world without maps.
Joi Ito | Speaker | TED.com