TED2009
Ray Kurzweil: A university for the coming singularity
Ray Kurzweil: Egyetem a közelgő szingularitásnak
Filmed:
Readability: 4.9
1,025,725 views
Ray Kurzweil legújabb grafikonjai azt mutatják, hogy a technológia haladása mindenképp gyorsulni fog -- akár recesszió van, akár nem. Bejelenti új projektjét, a Szingularitás Egyetemét, ahol a jövő technológiáját fogják tanulmányozni, valamint annak alkalmazását az emberiség javára.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:13
Information technology grows in an exponential manner.
0
1000
3000
Az információtechnológia exponenciális mértékben fejlődik.
00:16
It's not linear. And our intuition is linear.
1
4000
4000
Nem lineárisan. Pedig az intuíciónk lineáris.
00:20
When we walked through the savanna a thousand years ago
2
8000
2000
Amikor még a szavannán sétálgattunk ezer évvel ezelőtt
00:22
we made linear predictions where that animal would be,
3
10000
2000
lineárisan jeleztük előre, hogy hol lesz az az állat,
00:24
and that worked fine. It's hardwired in our brains.
4
12000
3000
és ez jól működött. Be van huzalozva az agyunkba.
00:27
But the pace of exponential growth
5
15000
3000
De az exponenciális növekedés az
00:30
is really what describes information technologies.
6
18000
3000
ami igazán leírja az információtechnológiákat.
00:33
And it's not just computation.
7
21000
3000
És ez nem csak számolgatás.
00:36
There is a big difference between linear and exponential growth.
8
24000
2000
Óriási különbség van lineáris és exponenciális növekedés között.
00:38
If I take 30 steps linearly -- one, two, three, four, five --
9
26000
4000
Ha lineárisan teszek 30 lépést -- egy, kettő, három, négy, öt --
00:42
I get to 30.
10
30000
2000
harmincig jutok.
00:44
If I take 30 steps exponentially -- two, four, eight, 16 --
11
32000
3000
Ha harmincat lépek exponenciálisan -- kettő, négy, nyolc, tizenhat --
00:47
I get to a billion.
12
35000
2000
egymilliárdig jutok.
00:49
It makes a huge difference.
13
37000
2000
Óriási lesz a különbség.
00:51
And that really describes information technology.
14
39000
2000
És ez nagyon jellemző az információtechnológiára.
00:53
When I was a student at MIT,
15
41000
2000
Amikor az MIT-n voltam diák,
00:55
we all shared one computer that took up a whole building.
16
43000
2000
közösen használtunk egy számítógépet, aminek kellett egy egész épület.
00:57
The computer in your cellphone today is a million times cheaper,
17
45000
3000
A számítógép a mobiltelefonukban ma egymilliószor olcsóbb,
01:00
a million times smaller,
18
48000
2000
egymilliószor kisebb,
01:02
a thousand times more powerful.
19
50000
2000
ezerszer erősebb.
01:04
That's a billion-fold increase in capability per dollar
20
52000
3000
A teljesítmény és költség arányában ez egymilliárdszoros növekedés,
01:07
that we've actually experienced since I was a student.
21
55000
2000
amit megéltünk mióta diák voltam.
01:09
And we're going to do it again in the next 25 years.
22
57000
3000
És a következő huszonöt évben ezt ismét el fogjuk érni.
01:12
Information technology progresses
23
60000
2000
Az információtechnológia
01:14
through a series of S-curves
24
62000
2000
S-kanyarok sorozatán keresztül fejlődik,
01:16
where each one is a different paradigm.
25
64000
2000
ahol mindegyik S egy másik paradigma.
01:18
So people say, "What's going to happen when Moore's Law comes to an end?"
26
66000
3000
Azt szokták kérdezni: "Mi történik, ha Moore törvénye már nem lesz érvényes?"
01:21
Which will happen around 2020.
27
69000
2000
Ami olyan 2020 körül fog bekövetkezni.
01:23
We'll then go to the next paradigm.
28
71000
2000
Akkor attérünk a következő paradigmára.
01:25
And Moore's Law was not the first paradigm
29
73000
2000
És Moore törvénye nem az első paradigma volt
01:27
to bring exponential growth to computing.
30
75000
2000
ami exponenciális növekedést hozott a számítási teljesítmény terén.
01:29
The exponential growth of computing started
31
77000
2000
Az exponenciális növekedés a számítási teljesítményben
01:31
decades before Gordon Moore was even born.
32
79000
2000
már évtizedekkel Gordon Moore születése előtt fennállt.
01:33
And it doesn't just apply to computation.
33
81000
4000
És ez nem csak a számításra vonatkozik.
01:37
It's really any technology where we can measure
34
85000
2000
Minden technológiára igaz, ahol mérni tudjuk
01:39
the underlying information properties.
35
87000
3000
az alapvető információs jellemzőket.
01:42
Here we have 49 famous computers. I put them in a logarithmic graph.
36
90000
4000
Itt látható 49 híres számítógép. Elhelyeztem őket egy logaritmikus ábrán.
01:46
The logarithmic scale hides the scale of the increase,
37
94000
4000
A logaritmikus skála elrejti a növekedés skáláját,
01:50
because this represents trillions-fold increase
38
98000
2000
mert ez egy ezermilliárdos növekedést reprezentál
01:52
since the 1890 census.
39
100000
3000
az 1890-es népszámlálás óta.
01:55
In 1950s they were shrinking vacuum tubes,
40
103000
2000
Az 50-es években zsugorították a vákuumcsöveket,
01:57
making them smaller and smaller. They finally hit a wall;
41
105000
3000
egyre kisebbé és kisebbé téve őket. Végül egy falba ütköztek;
02:00
they couldn't shrink the vacuum tube any more and keep the vacuum.
42
108000
2000
nem tudták tovább zsugorítani a vákuumcsövet és fenntartani a vákuumot.
02:02
And that was the end of the shrinking of vacuum tubes,
43
110000
3000
Ez volt a vákuumcsövek zsugorításának vége,
02:05
but it was not the end of the exponential growth of computing.
44
113000
3000
de nem volt a számítási kapacitás exponenciális növekedésének vége.
02:08
We went to the fourth paradigm, transistors,
45
116000
2000
A negyedik paradigmához érkeztünk, tranzisztorokhoz,
02:10
and finally integrated circuits.
46
118000
2000
és végül az integrált áramkörökhöz.
02:12
When that comes to an end we'll go to the sixth paradigm;
47
120000
2000
Amikor ennek vége lesz eljutunk a hatodik paradigmához,
02:14
three-dimensional self-organizing molecular circuits.
48
122000
4000
a háromdimenziós, önszerveződő molekuláris áramkörökhöz.
02:18
But what's even more amazing, really, than this
49
126000
3000
De ami még lenyűgözőbb, tényleg, ez a
02:21
fantastic scale of progress,
50
129000
2000
fantasztikus skálája a fejlődésnek,
02:23
is that -- look at how predictable this is.
51
131000
2000
ami -- nézzék, milyen kiszámítható.
02:25
I mean this went through thick and thin,
52
133000
2000
Úgy értem, ez minden körülmények között fennállt,
02:27
through war and peace, through boom times and recessions.
53
135000
3000
háburúban és békében, virágzó gazdaságban és recesszióban.
02:30
The Great Depression made not a dent in this exponential progression.
54
138000
4000
A nagy világgazdasági válság sem okozott törést ebben az exponenciális fejlődésben.
02:34
We'll see the same thing in the economic recession we're having now.
55
142000
4000
Ugyanezt fogjuk látni a mostani gazdasági recesszióban is.
02:38
At least the exponential growth of information technology capability
56
146000
3000
Legalábbis az exponenciális növekedés az információtechnológia lehetőségeiben
02:41
will continue unabated.
57
149000
3000
továbbra sem fog csökkenni.
02:44
And I just updated these graphs.
58
152000
2000
Nemrég frissítettem ezeket az ábrákat.
02:46
Because I had them through 2002 in my book, "The Singularity is Near."
59
154000
3000
Mivel 2002-ig volt meg nekem a "Közel a szingularitás" című könyvemben.
02:49
So we updated them,
60
157000
2000
Tehát frissítettük,
02:51
so I could present it here, to 2007.
61
159000
3000
így meg tudom mutatni itt 2007-ig.
02:54
And I was asked, "Well aren't you nervous?
62
162000
2000
Megkérdezték tőlem: "Nem ideges?
02:56
Maybe it kind of didn't stay on this exponential progression."
63
164000
4000
Talán lekerültünk az exponenciális növekedés görbéjéről."
03:00
I was a little nervous
64
168000
2000
Kicsit ideges voltam
03:02
because maybe the data wouldn't be right,
65
170000
2000
mert talán nem voltak jók az adatok,
03:04
but I've done this now for 30 years,
66
172000
2000
de ezt csinálom már harminc éve,
03:06
and it has stayed on this exponential progression.
67
174000
3000
és eddig az exponenciális görbén maradtak.
03:09
Look at this graph here.You could buy one transistor for a dollar in 1968.
68
177000
3000
Nézzék ezt az ábrát. Egy dollárért egy tranzisztort vehettek 1968-ban.
03:12
You can buy half a billion today,
69
180000
2000
Ma félmilliárdot lehet,
03:14
and they are actually better, because they are faster.
70
182000
2000
és tulajdonképpen jobbak is, mivel gyorsabbak.
03:16
But look at how predictable this is.
71
184000
2000
De nézzék milyen kiszámítható is ez.
03:18
And I'd say this knowledge is over-fitting to past data.
72
186000
3000
És én azt mondanám, hogy ez túlilleszkedik a régi adatokra.
03:21
I've been making these forward-looking predictions for about 30 years.
73
189000
4000
Már harminc éve készítem ezeket az előrejelzéseket,
03:25
And the cost of a transistor cycle,
74
193000
2000
és egy tranzisztor-ciklus költsége,
03:27
which is a measure of the price performance of electronics,
75
195000
2000
ami a mértéke az elektronika ár-teljesítményének,
03:29
comes down about every year.
76
197000
2000
minden évben csökken.
03:31
That's a 50 percent deflation rate.
77
199000
2000
Ez egy 50%-os csökkenési ráta.
03:33
And it's also true of other examples,
78
201000
2000
És ez igaz más példákra is,
03:35
like DNA data or brain data.
79
203000
2000
mint a DNS-információra vagy agy-információra.
03:37
But we more than make up for that.
80
205000
2000
De ennél többet is teljesítünk.
03:39
We actually ship more than twice as much
81
207000
2000
Tulajdonképpen több, mint kétszeresére vagyunk képesek
03:41
of every form of information technology.
82
209000
2000
az információtechnológia minden formájában.
03:43
We've had 18 percent growth in constant dollars
83
211000
3000
18%-os növekedést produkáltunk konstans dollárban számolva
03:46
in every form of information technology for the last half-century,
84
214000
3000
az információtechnológia minden formájában az utolsó fél évszázadban,
03:49
despite the fact that you can get twice as much of it each year.
85
217000
4000
annak ellenére, hogy minden évben megduplázódik.
03:53
This is a completely different example.
86
221000
2000
Ez egy teljesen más példa.
03:55
This is not Moore's Law.
87
223000
2000
Ez nem Moore törvénye.
03:57
The amount of DNA data
88
225000
2000
A DNS-adataink mennyiségét
03:59
we've sequenced has doubled every year.
89
227000
2000
minden évben megdupláztuk.
04:01
The cost has come down by half every year.
90
229000
3000
A költsége minden évben felére csökkent.
04:04
And this has been a smooth progression
91
232000
2000
És ez egy egyenletes fejlődés volt
04:06
since the beginning of the genome project.
92
234000
2000
már a genom projekt kezdetétől.
04:08
And halfway through the project, skeptics said,
93
236000
2000
A projekt felénél a szkeptikusok azt mondták:
04:10
"Well, this is not working out. You're halfway through the genome project
94
238000
3000
"Nos, ez nem fog működni. A genom projekt felénél vagytok,
04:13
and you've finished one percent of the project."
95
241000
2000
de csak az 1%-át végeztétek el."
04:15
But that was really right on schedule.
96
243000
2000
De teljesen menetrend szerint haladtunk.
04:17
Because if you double one percent seven more times,
97
245000
2000
Mivel ha hétszer duplázzuk az egy százalékot,
04:19
which is exactly what happened,
98
247000
2000
és pontosan ez történt,
04:21
you get 100 percent. And the project was finished on time.
99
249000
3000
100%-ot kapunk. És a projekt időben befejeződött.
04:24
Communication technologies:
100
252000
2000
Kommunikációs technológiák:
04:26
50 different ways to measure this,
101
254000
2000
50 különböző módon lehet mérni ezeket,
04:28
the number of bits being moved around, the size of the Internet.
102
256000
3000
az átvitt bitek számával, az Internet nagyságával.
04:31
But this has progressed at an exponential pace.
103
259000
2000
De ez exponenciális mértékben fejlődött.
04:33
This is deeply democratizing.
104
261000
2000
Ez nagyon demokratizáló hatású.
04:35
I wrote, over 20 years ago in "The Age of Intelligent Machines,"
105
263000
3000
20 évvel ezelőtt azt írtam a "Az intelligens gépek kora"-ban,
04:38
when the Soviet Union was going strong, that it would be swept away
106
266000
3000
mikor a Szovjetúnió erős volt, hogy el lesz söpörve
04:41
by this growth of decentralized communication.
107
269000
4000
a decentralizált kommunikáció ilyen növekedésével.
04:45
And we will have plenty of computation as we go through the 21st century
108
273000
3000
És elég számítási kapacitásunk lesz a XXI. században
04:48
to do things like simulate regions of the human brain.
109
276000
4000
olyan feladatokhoz, mint agyterületek szimulálása.
04:52
But where will we get the software?
110
280000
2000
De honnan lesz szoftverünk?
04:54
Some critics say, "Oh, well software is stuck in the mud."
111
282000
3000
Egyek kritikusok azt mondják: "Ó, a szoftverek megakadtak."
04:57
But we are learning more and more about the human brain.
112
285000
2000
De egyre többet és többet tanulunk az emberi agyról.
04:59
Spatial resolution of brain scanning is doubling every year.
113
287000
3000
Az agyi képalkotó eljárások térbeli felbontása évente duplázódik.
05:02
The amount of data we're getting about the brain is doubling every year.
114
290000
3000
Az agyról szerzett információnk minden évben megduplázódik.
05:05
And we're showing that we can actually turn this data
115
293000
3000
És megmutatjuk, hogy át tudjuk alakítani ezt az információt
05:08
into working models and simulations of brain regions.
116
296000
3000
működő modellekké és agyterületek szimulációjává.
05:11
There is about 20 regions of the brain that have been modeled,
117
299000
2000
Nagyjából húsz olyan agyterület van, amit modelleztünk,
05:13
simulated and tested:
118
301000
2000
szimuláltunk és teszteltünk:
05:15
the auditory cortex, regions of the visual cortex;
119
303000
3000
a hallóközpontot, a látóközpont egyes részeit,
05:18
cerebellum, where we do our skill formation;
120
306000
2000
a kisagyat, ahol az tehetségünk rejtőzik,
05:20
slices of the cerebral cortex, where we do our rational thinking.
121
308000
4000
az agykéreg szeleteit, ahol pedig a racionális gondolkodásunk van.
05:24
And all of this has fueled
122
312000
2000
És mindezt egy
05:26
an increase, very smooth and predictable, of productivity.
123
314000
3000
növekvő, nagyon sima és kiszámítható eredményesség tette lehetővé.
05:29
We've gone from 30 dollars to 130 dollars
124
317000
2000
30 dollárról 130 dollárra nőtt
05:31
in constant dollars in the value of an average hour of human labor,
125
319000
4000
konstans dollárban számolva egy átlagos labor egy órás használatának értéke,
05:35
fueled by this information technology.
126
323000
3000
amit ez az információtechnológia tett lehetővé.
05:38
And we're all concerned about energy and the environment.
127
326000
3000
És mindannyian törődünk az energiával és a környezetünkkel.
05:41
Well this is a logarithmic graph.
128
329000
2000
Ez egy logaritmikus ábra.
05:43
This represents a smooth doubling,
129
331000
2000
Ez egy finom duplázást mutat,
05:45
every two years, of the amount of solar energy we're creating,
130
333000
4000
minden két évben, az általunk termelt napenergia mennyiségében,
05:49
particularly as we're now applying nanotechnology,
131
337000
2000
kiváltképpen most amikor nanotechnológiát alkalmazunk,
05:51
a form of information technology, to solar panels.
132
339000
3000
az információtechnológia egy formáját, napelemekre.
05:54
And we're only eight doublings away
133
342000
2000
És csak nyolc duplázásra vagyunk attól,
05:56
from it meeting 100 percent of our energy needs.
134
344000
2000
hogy ez elérje az energiaszükségletünk 100%-át.
05:58
And there is 10 thousand times more sunlight than we need.
135
346000
4000
És 10000-szer annyi napenergia van, mint amennyire szükségünk lenne.
06:02
We ultimately will merge with this technology. It's already very close to us.
136
350000
5000
Véglegesen össze fogunk fonódni ezzel a technológiával. Már most közel vagyunk hozzá.
06:07
When I was a student it was across campus, now it's in our pockets.
137
355000
3000
Amikor diák voltam az egész kampuszt elfoglalta, most elfér a zsebünkben.
06:10
What used to take up a building now fits in our pockets.
138
358000
3000
Amihez korábban egy épület kellett ma már elfér a zsebünkben.
06:13
What now fits in our pockets would fit in a blood cell in 25 years.
139
361000
3000
Ami ma elfér a zsebünkben az el fog férni egy vérsejtben 25 éven belül.
06:16
And we will begin to actually deeply influence
140
364000
4000
És egyre inkább kezdünk egyre mélyebb hatással lenni
06:20
our health and our intelligence,
141
368000
2000
az egészségünkre és az intelligenciánkra,
06:22
as we get closer and closer to this technology.
142
370000
4000
ahogy közelebb és közelebb kerülünk ehhez a technológiához.
06:26
Based on that we are announcing, here at TED,
143
374000
3000
Mindezekután bejelentjük, itt a TED-en,
06:29
in true TED tradition, Singularity University.
144
377000
3000
a TED hagyományaihoz híven, a Szingularitás Egyetemét.
06:32
It's a new university
145
380000
2000
Ez egy új egyetem,
06:34
that's founded by Peter Diamandis, who is here in the audience,
146
382000
2000
aminek az alapítói Peter Diamandis, aki itt van a közönség soraiban,
06:36
and myself.
147
384000
2000
és én.
06:38
It's backed by NASA and Google,
148
386000
2000
Támogatja a NASA és a Google,
06:40
and other leaders in the high-tech and science community.
149
388000
4000
valamint a high-tech és a tudományos világ más vezető közösségei.
06:44
And our goal was to assemble the leaders,
150
392000
3000
És a célunk az volt, hogy összegyűjtsük a vezetőket,
06:47
both teachers and students,
151
395000
2000
tanárokat és diákokat egyaránt,
06:49
in these exponentially growing information technologies,
152
397000
2000
ezekből az exponenciálisan növekedő információtechnológiákból,
06:51
and their application.
153
399000
2000
és az alkalmazásaikból.
06:53
But Larry Page made an impassioned speech
154
401000
2000
De Larry Page tartott egy szenvedélyes beszédet,
06:55
at our organizing meeting,
155
403000
2000
a szervezői megbeszélésen,
06:57
saying we should devote this study
156
405000
5000
ahol azt mondta, hogy ezt a tudást szenteljük
07:02
to actually addressing some of the major challenges facing humanity.
157
410000
4000
azoknak a nagy kihívásoknak, amikkel az emberiség szembesül.
07:06
And if we did that, then Google would back this.
158
414000
2000
Ha így tettünk volna, a Goggle is támogatott volna.
07:08
And so that's what we've done.
159
416000
2000
Így ezt tettük.
07:10
The last third of the nine-week intensive summer session
160
418000
4000
Az utolsó harmada a kilenchetes intenzív nyári periódusnak
07:14
will be devoted to a group project to address
161
422000
2000
olyan projekteknek lett szentelve,
07:16
some major challenge of humanity.
162
424000
2000
amelyek az emberiség néhány nagy kihívásával foglalkoznak.
07:18
Like for example, applying the Internet,
163
426000
2000
Tehát például, az Internetet használva,
07:20
which is now ubiquitous, in the rural areas of China or in Africa,
164
428000
5000
ami már mindenhol elterjedt, Kína és Afrika falusi területein is,
07:25
to bringing health information
165
433000
2000
küldjünk egészségügyi információkat
07:27
to developing areas of the world.
166
435000
3000
a világ fejlődő területeire.
07:30
And these projects will continue past these sessions,
167
438000
3000
És a projektek folytatódni fognak a periódus befejezte után,
07:33
using collaborative interactive communication.
168
441000
3000
együttműködő, interaktív kommunikációval.
07:36
All the intellectual property that is created and taught
169
444000
4000
Minden létrehozott vagy tanított szellemi tulajdon
07:40
will be online and available,
170
448000
2000
elérhető lesz online,
07:42
and developed online in a collaborative fashion.
171
450000
3000
és együttműködve, online lesz fejlesztve.
07:45
Here is our founding meeting.
172
453000
2000
Ez az alakuló ülésünk.
07:47
But this is being announced today.
173
455000
2000
De ez ma lett bejelentve.
07:49
It will be permanently headquartered in Silicon Valley,
174
457000
3000
A Szilícium-völgyben lesz a végleges központja,
07:52
at the NASA Ames research center.
175
460000
2000
a NASA Ames kutatóközpontjában.
07:54
There are different programs for graduate students,
176
462000
2000
Különböző programjaink lesznek a diákok,
07:56
for executives at different companies.
177
464000
3000
a különböző cégek vezetői számára.
07:59
The first six tracks here -- artificial intelligence,
178
467000
2000
Az első hat témakör -- mesterséges intelligencia,
08:01
advanced computing technologies, biotechnology, nanotechnology --
179
469000
3000
haladó számítástechnika, biotechnológia, nanotechnológia --
08:04
are the different core areas of information technology.
180
472000
4000
különböző központi területei az információtechnológiának.
08:08
Then we are going to apply them to the other areas,
181
476000
2000
Ezután más területekre kezdjük alkalmazni őket,
08:10
like energy, ecology,
182
478000
3000
mint energia, ökológia,
08:13
policy law and ethics, entrepreneurship,
183
481000
2000
jog és erkölcs, fejlesztő-vállalkozások,
08:15
so that people can bring these new technologies to the world.
184
483000
4000
így az emberek elhozhatják ezeket az új technológiákat a világnak.
08:19
So we're very appreciative of the support we've gotten
185
487000
5000
Tehát nagyon hálásak vagyunk a segítségért amit kaptunk,
08:24
from both the intellectual leaders, the high-tech leaders,
186
492000
2000
mind az intellektuális vezetőktől, mind a high-tech vezetőktől,
08:26
particularly Google and NASA.
187
494000
2000
különösen a Google-nak és a NASA-nak.
08:28
This is an exciting new venture.
188
496000
2000
Ez egy nagyszerű új kihívás.
08:30
And we invite you to participate. Thank you very much.
189
498000
3000
És meghívjuk Önöket, hogy vegyenek részt ebben. Köszönöm.
08:33
(Applause)
190
501000
3000
(Taps)
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