TED2009
Juan Enriquez: The next species of human
Juan Enriquez deelt verbluffende nieuwe wetenschap
Filmed:
Readability: 3.4
3,584,967 views
Terwijl de megabanken over kop gaan, zegt Juan Enriquez dat de grote herstart nog moet komen. Maar zoek die niet op je stembiljet of op de beurs. Hij zal uit de wetenschappelijke laboratoria komen, en belooft slimmere lichamen en geesten. Onze kinderen zullen ... anders zijn.
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
Er is een grote olifant in de kamer: de economie.
00:16
So let's start talking about that.
1
4000
2000
Laten we dus beginnen met daarover te praten.
00:18
I wanted to give you a current picture of the economy.
2
6000
3000
Ik wilde jullie een actueel beeld van de economie geven.
00:21
That's what I have behind myself.
3
9000
3000
Dat is wat je achter me ziet.
00:24
(Laughter)
4
12000
3000
(Gelach)
00:27
But of course what we have to remember is this.
5
15000
3000
Maar wat we moeten onthouden, is natuurlijk dit.
00:30
And what you have to think about is,
6
18000
3000
Wat je moet bedenken, is,
00:33
when you're dancing in the flames, what's next?
7
21000
3000
als je in de vlammen danst, wat volgt er dan?
00:36
So what I'm going to try to do in the next 17 and a half minutes
8
24000
3000
Wat ik ga proberen te doen in de komende 17,5 minuten
00:39
is I'm going to talk first about the flames --
9
27000
2000
is eerst vertellen over de vlammen --
00:41
where we are in the economy --
10
29000
2000
de huidige status van de economie --
00:43
and then I'm going to take three trends
11
31000
2000
en dan ga ik drie trends nemen
00:45
that have taken place at TED over the last 25 years
12
33000
3000
die hebben plaatsgehad in TED de jongste 25 jaar
00:48
and that will take place in this conference
13
36000
2000
en die zullen plaatshebben op deze conferentie.
00:50
and I will try and bring them together.
14
38000
3000
Ik zal ze proberen samen te brengen.
00:53
And I will try and give you a sense of what the ultimate reboot looks like.
15
41000
4000
Dan zal ik je een beeld geven van hoe de ultieme herstart eruit ziet.
00:57
Those three trends are
16
45000
2000
De drie trends zijn:
00:59
the ability to engineer cells,
17
47000
2000
het vermogen om cellen te ontwerpen,
01:01
the ability to engineer tissues,
18
49000
2000
het vermogen om weefsel te ontwerpen
01:03
and robots.
19
51000
2000
en robots.
01:05
And somehow it will all make sense.
20
53000
2000
Op één of andere manier zal het zin hebben.
01:07
But anyway, let's start with the economy.
21
55000
3000
Maar laten we beginnen met de economie.
01:10
There's a couple of really big problems that are still sitting there.
22
58000
3000
Er zijn een paar zeer grote problemen die nog niet zijn opgelost.
01:13
One is leverage.
23
61000
2000
Het eerste is het hefboomeffect.
01:15
And the problem with leverage is
24
63000
2000
Het probleem met het hefboomeffect is
01:17
it makes the U.S. financial system look like this.
25
65000
3000
dat het financiële systeem van de VS er nu zo uitziet.
01:20
(Laughter)
26
68000
3000
(Gelach)
01:27
So, a normal commercial bank has nine to 10 times leverage.
27
75000
3000
Een normale commerciële bank heeft een hefboom van 9 tot 10.
01:30
That means for every dollar you deposit, it loans out about nine or 10.
28
78000
3000
Dat betekent dat het voor elke dollar in deposito, er 9 of 10 uitleent.
01:33
A normal investment bank is not a deposit bank,
29
81000
3000
Een gewone investeringsbank is geen depositobank:
01:36
it's an investment bank;
30
84000
2000
het is een investeringsbank.
01:38
it has 15 to 20 times.
31
86000
2000
Die heeft een hefboom van 15 tot 20.
01:40
It turns out that B of A in September had 32 times.
32
88000
3000
Bank of America had er een van 32 in september.
01:43
And your friendly Citibank had 47 times.
33
91000
3000
En je vriendelijke Citibank had er een van 47.
01:46
Oops.
34
94000
2000
Oeps.
01:48
That means every bad loan goes bad 47 times over.
35
96000
4000
Dat betekent dat elke slechte lening 47 keer telt.
01:52
And that, of course, is the reason why all of you
36
100000
3000
En dat is de reden waarom jullie allemaal
01:55
are making such generous and wonderful donations
37
103000
3000
zo'n gulle en fantastische schenkingen doen
01:58
to these nice folks.
38
106000
2000
aan deze aardige mensen.
02:03
And as you think about that,
39
111000
2000
Terwijl je daarover nadenkt,
02:05
you've got to wonder: so what do banks have in store for you now?
40
113000
3000
vraag je je af: wat hebben banken dan nu voor je in petto?
02:11
(Laughter)
41
119000
3000
(Gelach)
02:20
It ain't pretty.
42
128000
2000
Het ziet er niet fraai uit.
02:23
The government, meanwhile, has been acting like Santa Claus.
43
131000
4000
Intussen gedraagt de regering zich als Sinterklaas.
02:27
We all love Santa Claus, right?
44
135000
3000
We houden allemaal van Sinterklaas, niet?
02:30
But the problem with Santa Clause is,
45
138000
3000
Het probleem met Sinterklaas is dit:
02:33
if you look at the mandatory spending of what these folks have been doing
46
141000
3000
als je kijkt naar de verplichte uitgaven van wat deze mensen gedaan hebben,
02:36
and promising folks,
47
144000
2000
en beloofd hebben,
02:38
it turned out that in 1967, 38 percent was mandatory spending
48
146000
5000
dan blijkt dat in 1967, 38 procent van de uitgaven verplicht waren,
02:43
on what we call "entitlements."
49
151000
3000
op wat we "verworven rechten" noemen.
02:46
And then by 2007 it was 68 percent.
50
154000
3000
In 2007 was het al 68 procent.
02:49
And we weren't supposed to run into 100 percent until about 2030.
51
157000
4000
Normaal zouden we pas rond 2030 de 100 procent hebben bereikt.
02:54
Except we've been so busy giving away a trillion here, a trillion there,
52
162000
3000
Maar we hebben het zo druk gehad met biljoenen uitdelen,
02:57
that we've brought that date of reckoning forward
53
165000
3000
dat we dat uur der waarheid hebben vervroegd
03:00
to about 2017.
54
168000
3000
tot ongeveer 2017.
03:03
And we thought we were going to be able to lay these debts off on our kids,
55
171000
3000
We dachten dat we deze schulden op de rug van onze kinderen zouden kunnen schuiven,
03:06
but, guess what?
56
174000
2000
maar weet je wat?
03:08
We're going to start to pay them.
57
176000
2000
Wij gaan ze beginnen te betalen.
03:10
And the problem with this stuff is, now that the bill's come due,
58
178000
2000
Het probleem is dat, nu de rekening moet worden betaald,
03:12
it turns out Santa isn't quite as cute when it's summertime.
59
180000
4000
Sinterklaas minder leuk blijkt te zijn in de zomer.
03:16
Right?
60
184000
2000
Niet?
03:18
(Laughter)
61
186000
3000
(Gelach)
03:30
Here's some advice from one of the largest investors in the United States.
62
198000
4000
Hier is het advies van één van de grootste investeerders in de VS.
03:34
This guy runs the China Investment Corporation.
63
202000
3000
Deze man leidt de China Investment Corporation.
03:37
He is the main buyer of U.S. Treasury bonds.
64
205000
3000
Hij is de grootste koper van Amerikaanse overheidsobligaties.
03:40
And he gave an interview in December.
65
208000
3000
Hij gaf een interview in december.
03:43
Here's his first bit of advice.
66
211000
2000
Dit is zijn eerste advies.
03:45
And here's his second bit of advice.
67
213000
3000
En dit is zijn tweede advies.
03:50
And, by the way,
68
218000
2000
Overigens
03:52
the Chinese Prime Minister reiterated this at Davos last Sunday.
69
220000
3000
heeft de Chinese Premier dit vorige zondag herhaald in Davos.
03:55
This stuff is getting serious enough
70
223000
2000
Deze kwestie wordt zo ernstig
03:57
that if we don't start paying attention to the deficit,
71
225000
2000
dat als we geen aandacht gaan besteden aan het deficit,
03:59
we're going to end up losing the dollar.
72
227000
3000
we uiteindelijk de dollar zullen verliezen.
04:02
And then all bets are off.
73
230000
3000
En dan is het hek helemaal van de dam.
04:05
Let me show you what it looks like.
74
233000
3000
Laat me je tonen hoe het eruit ziet.
04:08
I think I can safely say
75
236000
2000
Ik denk dat ik veilig kan zeggen
04:10
that I'm the only trillionaire in this room.
76
238000
3000
dat ik de enige biljonair in deze zaal ben.
04:14
This is an actual bill.
77
242000
2000
Dit is een echt biljet.
04:16
And it's 10 triliion dollars.
78
244000
3000
Het is 10 biljoen dollar.
04:19
The only problem with this bill is it's not really worth very much.
79
247000
3000
Het enige probleem met dit biljet is dat het niet veel waard is.
04:22
That was eight bucks last week, four bucks this week,
80
250000
3000
Dit was vorige week 8 dollar, deze week vier,
04:25
a buck next week.
81
253000
2000
volgende week één.
04:27
And that's what happens to currencies when you don't stand behind them.
82
255000
4000
Dat gebeurt met munten als je ze niet ondersteunt.
04:32
So the next time somebody as cute as this shows up on your doorstep,
83
260000
5000
Dus volgende keer als iemand zo schattig als zij aan je deur klopt,
04:37
and sometimes this creature's called Chrysler and sometimes Ford and sometimes ... whatever you want --
84
265000
7000
en soms heet ze Chrysler en soms Ford en soms ... kies maar --
04:44
you've just got to say no.
85
272000
2000
dan zeg je gewoon nee.
04:46
And you've got to start banishing a word that's called "entitlement."
86
274000
4000
Je moet de term "verworven rechten" gaan uitbannen.
04:50
And the reason we have to do that in the short term
87
278000
3000
De reden waarom we dat op korte termijn moeten doen,
04:53
is because we have just run out of cash.
88
281000
3000
is omdat het geld gewoon op is.
04:56
If you look at the federal budget, this is what it looks like.
89
284000
3000
Kijk naar het federale budget. Het ziet er zo uit.
04:59
The orange slice is what's discretionary.
90
287000
3000
Het oranje stuk is waarover je kan beslissen.
05:02
Everything else is mandated.
91
290000
2000
De rest staat vast.
05:05
It makes no difference if we cut out the bridges to Alaska in the overall scheme of things.
92
293000
3000
Het maakt niet uit of we de brug naar Alaska schrappen, in het grotere geheel.
05:08
So what we have to start thinking about doing
93
296000
3000
Waarover we moeten beginnen nadenken,
05:11
is capping our medical spending
94
299000
2000
is een bovengrens aan onze medische kosten op te leggen,
05:13
because that's a monster that's simply going to eat the entire budget.
95
301000
3000
wat dat is een monster dat gewoon het hele budget gaat opeten.
05:16
We've got to start thinking about asking people
96
304000
3000
We moeten mensen gaan vragen
05:19
to retire a little bit later.
97
307000
2000
wat later op pensioen te gaan.
05:22
If you're 60 to 65 you retire on time.
98
310000
3000
Als je 60 tot 65 bent, ga je tijdig met pensioen.
05:25
Your 401(k) just got nailed.
99
313000
2000
Je pensioenschema volstaat net.
05:27
If you're 50 to 60 we want you to work two years more.
100
315000
3000
Als je tussen 50 en 60 bent, willen we dat je nog twee jaar werkt.
05:30
If you're under 50 we want you to work four more years.
101
318000
3000
Als je jonger dan 50 bent, willen we dat je nog vier jaar werkt.
05:33
The reason why that's reasonable is,
102
321000
3000
Dit is redelijk, want
05:36
when your grandparents were given Social Security,
103
324000
2000
toen je grootouders sociale zekerheid kregen,
05:38
they got it at 65 and were expected to check out at 68.
104
326000
3000
was dat op hun 65ste, en checkten ze uit op hun 68ste.
05:41
Sixty-eight is young today.
105
329000
3000
Vandaag is 68 jong.
05:44
We've also got to cut the military about three percent a year.
106
332000
4000
We moeten het militaire budget ook met drie procent per jaar verminderen.
05:48
We've got to limit other mandatory spending.
107
336000
2000
We moeten andere verplichte uitgaven verminderen.
05:50
We've got to quit borrowing as much,
108
338000
3000
We moeten het lenen zoveel mogelijk opgeven,
05:53
because otherwise the interest is going to eat that whole pie.
109
341000
3000
anders eet de rente de hele taart op.
05:56
And we've got to end up with a smaller government.
110
344000
2000
En uiteindelijk moeten we een kleinere overheid hebben.
05:58
And if we don't start changing this trend line,
111
346000
3000
Als we die trendlijn niet beginnen te veranderen,
06:01
we are going to lose the dollar
112
349000
2000
zullen we de dollar kwijtspelen
06:03
and start to look like Iceland.
113
351000
2000
en gaan lijken op IJsland.
06:05
I got what you're thinking.
114
353000
3000
Ik zie wat jullie denken.
06:08
This is going to happen when hell freezes over.
115
356000
4000
Dit gaat gebeuren als de hel bevriest.
06:13
But let me remind you this December it did snow in Vegas.
116
361000
3000
Maar laat me je eraan herinneren dat het in december heeft gesneeuwd in Vegas.
06:18
(Laughter)
117
366000
3000
(Gelach)
06:23
Here's what happens if you don't address this stuff.
118
371000
3000
Dit is wat er gebeurt als je dit niet aanpakt.
06:26
So, Japan had a fiscal real estate crisis
119
374000
3000
Japan had een fiscale onroerendgoedcrisis
06:29
back in the late '80s.
120
377000
2000
in de late jaren '80.
06:31
And its 225 largest companies today
121
379000
3000
De 225 grootste bedrijven van Japan
06:34
are worth one quarter of what they were 18 years ago.
122
382000
3000
zijn vandaag een kwart waard van wat ze 18 jaar geleden waard waren.
06:37
We don't fix this now,
123
385000
2000
Als we dit niet oplossen,
06:39
how would you like to see a Dow 3,500 in 2026?
124
387000
3000
wat zou je dan denken van een Dow op 3500 punten in 2026?
06:42
Because that's the consequence of not dealing with this stuff.
125
390000
3000
Want dat is het gevolg als we dit niet aanpakken.
06:45
And unless you want this person
126
393000
3000
Tenzij je wil dat deze persoon
06:48
to not just become the CFO of Florida, but the United States,
127
396000
3000
niet alleen de CFO van Florida wordt, maar van de VS,
06:51
we'd better deal with this stuff.
128
399000
3000
kunnen we dit maar beter aanpakken.
06:54
That's the short term. That's the flame part.
129
402000
3000
Dat is de korte termijn. Dat zijn de vlammen.
06:57
That's the financial crisis.
130
405000
2000
Dat is de financiële crisis.
06:59
Now, right behind the financial crisis there's a second and bigger wave
131
407000
4000
Maar na de financiële crisis komt er een tweede, nog grotere golf
07:03
that we need to talk about.
132
411000
1000
waarover we moeten spreken;
07:04
That wave is much larger, much more powerful,
133
412000
2000
Die golf is veel groter, veel krachtiger,
07:06
and that's of course the wave of technology.
134
414000
3000
en dat is natuurlijk de golf van de technologie.
07:09
And what's really important in this stuff is,
135
417000
2000
Wat hier echt belangrijk aan is,
07:11
as we cut, we also have to grow.
136
419000
2000
is dat we terwijl we snijden, ook moeten groeien.
07:13
Among other things, because startup companies
137
421000
3000
Onder andere omdat startende bedrijven
07:16
are .02 percent of U.S. GDP investmentm
138
424000
2000
0,02 procent van de investeringen van het bnp van de VS zijn,
07:18
and they're about 17.8 percent of output.
139
426000
3000
en 17,8 procent van de productie.
07:23
It's groups like that in this room that generate the future of the U.S. economy.
140
431000
3000
Het zijn groepen zoals in deze zaal die voor de toekomst van de economie van de VS zorgen.
07:26
And that's what we've got to keep growing.
141
434000
2000
Dat is waaraan we moeten bouwen.
07:28
We don't have to keep growing these bridges to nowhere.
142
436000
3000
We hoeven deze bruggen naar nergens niet te blijven bouwen.
07:32
So let's bring a romance novelist into this conversation.
143
440000
4000
Laten we een romanschrijver in het debat brengen.
07:38
And that's where these three trends come together.
144
446000
5000
En daar komen deze drie trends samen.
07:43
That's where the ability to engineer microbes,
145
451000
3000
Het vermogen om microben te ontwerpen,
07:46
the ability to engineer tissues,
146
454000
2000
het vermogen om weefsel te ontwerpen
07:48
and the ability to engineer robots
147
456000
2000
en het vermogen om robots te ontwerpen
07:50
begin to lead to a reboot.
148
458000
2000
beginnen tot een herstart te leiden.
07:52
And let me recap some of the stuff you've seen.
149
460000
2000
Laat me een paar van de dingen die je gezien hebt, samenvatten.
07:54
Craig Venter showed up last year
150
462000
2000
Vorig jaar was Craig Venter hier.
07:56
and showed you the first fully programmable cell that acts like hardware
151
464000
2000
Hij toonde je de eerste volledig programmeerbare cel, hardware
07:58
where you can insert DNA and have it boot up as a different species.
152
466000
3000
waar je DNA kan instoppen en die je als een andere soort kan opstarten.
08:01
In parallel, the folks at MIT
153
469000
3000
Tegelijk hebben de MIT-mensen
08:04
have been building a standard registry of biological parts.
154
472000
3000
een standaardregister van biologische onderdelen opgezet.
08:07
So think of it as a Radio Shack for biology.
155
475000
3000
Zie het als een warenhuis voor biologie.
08:10
You can go out and get your proteins, your RNA, your DNA, whatever.
156
478000
3000
Je kan er je proteïnen kopen, RNA, DNA, wat je maar wil.
08:13
And start building stuff.
157
481000
3000
En je kan beginnen bouwen.
08:16
In 2006 they brought together high school students and college students
158
484000
3000
In 2006 brachten ze middelbare scholieren en universiteitsstudenten samen
08:19
and started to build these little odd creatures.
159
487000
2000
om kleine wezentjes te bouwen.
08:21
They just happened to be alive instead of circuit boards.
160
489000
3000
Die leven, het zijn geen circuits.
08:24
Here was one of the first things they built.
161
492000
3000
Hier is één van de eerste dingen die ze bouwden.
08:27
So, cells have this cycle.
162
495000
2000
Cellen hebben een cyclus.
08:29
First they don't grow.
163
497000
2000
Eerst groeien ze niet.
08:31
Then they grow exponentially.
164
499000
2000
Dan groeien ze exponentieel.
08:33
Then they stop growing.
165
501000
2000
Dan stoppen ze met groeien.
08:35
Graduate students wanted a way of telling which stage they were in.
166
503000
3000
Studenten wilden kunnen zien in welk stadium ze zich bevonden.
08:38
So they engineered these cells
167
506000
2000
Dus ontwierpen ze deze cellen zo
08:40
so that when they're growing in the exponential phase,
168
508000
2000
dat ze als ze in de exponentiële fase zijn,
08:42
they would smell like wintergreen.
169
510000
2000
ruiken als wintergreen.
08:44
And when they stopped growing they would smell like bananas.
170
512000
3000
En als ze stoppen met groeien, ruiken ze als bananen.
08:47
And you could tell very easily when your experiment was working
171
515000
3000
Je kon gemakkelijk nagaan of je experiment werkte,
08:50
and wasn't, and where it was in the phase.
172
518000
3000
of niet, en in welke fase het was.
08:53
This got a bit more complicated two years later.
173
521000
3000
Twee jaar later werd het wat ingewikkelder.
08:56
Twenty-one countries came together. Dozens of teams.
174
524000
2000
21 landen kwamen samen. Tientallen teams.
08:58
They started competing.
175
526000
2000
Ze concurreerden met elkaar.
09:00
The team from Rice University started to engineer the substance in red wine
176
528000
5000
Het team van Rice University stopte de substantie in rode wijn
09:05
that makes red wine good for you
177
533000
2000
die maakt dat rode wijn goed voor je is,
09:07
into beer.
178
535000
2000
in bier.
09:10
So you take resveratrol and you put it into beer.
179
538000
4000
Neem resveratrol en stop het in bier.
09:14
Of course, one of the judges is wandering by, and he goes,
180
542000
3000
Eén van de juryleden komt voorbij en zegt natuurlijk:
09:17
"Wow! Cancer-fighting beer! There is a God."
181
545000
4000
"Wow! Kankerbestrijdend bier! Goddelijk!"
09:21
(Laughter)
182
549000
3000
(Gelach)
09:24
The team from Taiwan was a little bit more ambitious.
183
552000
3000
Het team uit Taiwan was wat ambitieuzer.
09:27
They tried to engineer bacterias in such a way
184
555000
3000
Ze probeerden bacteriën zo om te vormen
09:30
that they would act as your kidneys.
185
558000
3000
dat ze als je nieren functioneren.
09:33
Four years ago, I showed you this picture.
186
561000
3000
Vier jaar geleden toonde ik jullie dit beeld.
09:36
And people oohed and ahhed,
187
564000
2000
Mensen slaakten kreten van verbazing
09:38
because Cliff Tabin had been able to grow an extra wing on a chicken.
188
566000
3000
omdat Cliff Tabin een extra vleugel aan een kip had doen groeien.
09:41
And that was very cool stuff back then.
189
569000
3000
En dat was toen erg cool.
09:44
But now moving from bacterial engineering to tissue engineering,
190
572000
3000
Maar nu van het ontwerpen van bacteriën naar het ontwerpen van weefsel.
09:47
let me show you what's happened in that period of time.
191
575000
3000
Laat me je tonen wat er intussen is gebeurd.
09:50
Two years ago, you saw this creature.
192
578000
3000
Twee jaar geleden zag je dit schepsel.
09:53
An almost-extinct animal from Xochimilco, Mexico
193
581000
3000
Een bijna uitgestorven dier uit Xochimilco, Mexico,
09:56
called an axolotl
194
584000
2000
een axolotl,
09:58
that can re-generate its limbs.
195
586000
2000
die zijn ledematen opnieuw kan laten groeien.
10:00
You can freeze half its heart. It regrows.
196
588000
2000
Je kan de helft van zijn hart bevriezen. Het groeit weer aan.
10:02
You can freeze half the brain. It regrows.
197
590000
2000
Je kan de helft van zijn brein bevriezen. Het groeit weer aan.
10:04
It's almost like leaving Congress.
198
592000
2000
Het is bijna zoals het Congres verlaten.
10:06
(Laughter)
199
594000
3000
(Gelach)
10:12
But now, you don't have to have the animal itself to regenerate,
200
600000
3000
Maar nu heb je het dier zelf niet nodig om te regenereren,
10:15
because you can build cloned mice molars in Petri dishes.
201
603000
5000
want je kan gekloonde muizentanden kweken in petrischaaltjes.
10:21
And, of course if you can build mice molars in Petri dishes,
202
609000
4000
En als je muizentanden kan kweken in petrischaaltjes,
10:25
you can grow human molars in Petri dishes.
203
613000
3000
dan kan je er ook mensentanden in kweken.
10:28
This should not surprise you, right?
204
616000
2000
Niet verbazingwekkend, hè?
10:30
I mean, you're born with no teeth.
205
618000
2000
Je wordt zonder tanden geboren.
10:32
You give away all your teeth to the tooth fairy.
206
620000
3000
Je geeft al je tanden af aan de tandenfee.
10:35
You re-grow a set of teeth.
207
623000
2000
Je kweekt een nieuw stel tanden.
10:37
But then if you lose one of those second set of teeth, they don't regrow,
208
625000
3000
Maar als je er één uit dat tweede stel verliest, dan groeien ze niet meer,
10:40
unless, if you're a lawyer.
209
628000
2000
tenzij je advocaat bent.
10:42
(Laughter)
210
630000
4000
(Gelach)
10:46
But, of course, for most of us,
211
634000
3000
Maar voor de meesten van ons geldt:
10:49
we know how to grow teeth, and therefore we can take adult stem teeth,
212
637000
3000
we kunnen tanden kweken, en dus kunnen we volwassen stamtanden nemen,
10:52
put them on a biodegradable mold, re-grow a tooth,
213
640000
3000
ze op een afbreekbare mal zetten, een nieuwe tand kweken
10:55
and simply implant it.
214
643000
1000
en die implanteren.
10:56
And we can do it with other things.
215
644000
3000
We kunnen dat ook met andere dingen.
10:59
So, a Spanish woman who was dying of T.B. had a donor trachea,
216
647000
5000
Een Spaanse vrouw die terminale tuberculose had, had een ingeplante luchtpijp.
11:04
they took all the cells off the trachea,
217
652000
2000
Ze namen alle cellen van die luchtpijp weg
11:06
they spraypainted her stem cells onto that cartilage.
218
654000
3000
en besproeiden dat kraakbeen met haar stamcellen.
11:09
She regrew her own trachea,
219
657000
2000
Ze genereerde een nieuwe luchtpijp voor zichzelf
11:11
and 72 hours later it was implanted.
220
659000
3000
en 72 uur later werd die ingeplant.
11:14
She's now running around with her kids.
221
662000
2000
Ze huppelt nu vrolijk rond met haar kinderen.
11:16
This is going on in Tony Atala's lab in Wake Forest
222
664000
3000
Dit gebeurt in het lab van Tony Atala in Wake Forest.
11:19
where he is re-growing ears for injured soldiers,
223
667000
3000
Hij kweekt oren voor gewonde soldaten,
11:22
and he's also re-growing bladders.
224
670000
4000
en hij kweekt ook blazen.
11:26
So there are now nine women walking around Boston
225
674000
3000
Er zijn nu negen vrouwen in de buurt van Boston
11:29
with re-grown bladders,
226
677000
2000
die een gekweekte blaas hebben,
11:31
which is much more pleasant than walking around with a whole bunch of plastic bags
227
679000
2000
wat veel leuker is dan rondlopen met allemaal plastic zakjes
11:33
for the rest of your life.
228
681000
2000
voor de rest van je leven;
11:35
This is kind of getting boring, right?
229
683000
3000
Dit wordt saai, niet?
11:38
I mean, you understand where this story's going.
230
686000
2000
Je begrijpt waar het verhaal heengaat.
11:40
But, I mean it gets more interesting.
231
688000
2000
Maar het wordt interessanter.
11:42
Last year, this group was able to take all the cells off a heart,
232
690000
4000
Vorig jaar wist deze groep alle cellen van een hart te verwijderen
11:46
leaving just the cartilage.
233
694000
3000
en alleen het kraakbeen over te houden.
11:49
Then, they sprayed stem cells onto that heart, from a mouse.
234
697000
2000
Op het hart sproeiden ze stamcellen van een muis.
11:51
Those stem cells self-organized, and that heart started to beat.
235
699000
4000
Die stamcellen reorganiseerden zich, en dat hart begon te kloppen.
11:55
Life happens.
236
703000
3000
Het leven gebeurt.
11:59
This may be one of the ultimate papers.
237
707000
3000
Dit kan één van de ultieme papers zijn.
12:02
This was done in Japan and in the U.S., published at the same time,
238
710000
3000
Het vond plaats in Japan en de VS, gelijktijdig gepubliceerd.
12:05
and it rebooted skin cells into stem cells, last year.
239
713000
4000
Het maakte van huidcellen opnieuw stamcellen, vorig jaar.
12:10
That meant that you can take the stuff right here,
240
718000
3000
Dat betekent dat je dat spul kan nemen
12:13
and turn it into almost anything in your body.
241
721000
2000
en er om het even wat in je lichaam van kan maken.
12:15
And this is becoming common, it's moving very quickly,
242
723000
3000
Dit wordt doorsnee. Het evolueert erg snel.
12:18
it's moving in a whole series of places.
243
726000
3000
Het evolueert op een reeks plaatsen.
12:22
Third trend: robots.
244
730000
2000
Derde trend: robots.
12:25
Those of us of a certain age grew up expecting that by now
245
733000
3000
Mijn leeftijdsgenoten en ik groeiden op met de verwachting dat we tegen vandaag
12:28
we would have Rosie the Robot from "The Jetsons" in our house.
246
736000
4000
Rosie de Robot van The Jetsons in ons huis zouden hebben.
12:32
And all we've got is a Roomba.
247
740000
3000
En we moeten het stellen met Roomba.
12:35
(Laughter)
248
743000
3000
(Gelach)
12:38
We also thought we'd have this robot to warn us of danger.
249
746000
4000
We dachten ook dat deze robot ons tegen gevaar zou waarschuwen.
12:42
Didn't happen.
250
750000
2000
Gebeurde niet.
12:44
And these were robots engineered for a flat world, right?
251
752000
3000
Deze robots werden voor een vlakke wereld ontworpen, niet?
12:47
So, Rosie runs around on skates
252
755000
2000
Rosie rent rond op wieltjes
12:49
and the other one ran on flat threads.
253
757000
2000
en de andere op vlakke draden.
12:52
If you don't have a flat world, that's not good,
254
760000
2000
Als je geen vlakke wereld hebt, is dat niet goed.
12:54
which is why the robot's we're designing today are a little different.
255
762000
5000
Daarom ontwerpen we de robots vandaag een beetje anders.
13:00
This is Boston Dynamics' "BigDog."
256
768000
2000
Dit is BigDog van Boston Dynamics.
13:05
And this is about as close as you can get to a physical Turing test.
257
773000
3000
Dat is de best mogelijke benadering van een fysieke Turing-test.
13:08
O.K., so let me remind you, a Turing test is where you've got a wall,
258
776000
4000
Even opfrissen: bij een Turing-test heb je een muur.
13:12
you're talking to somebody on the other side of the wall,
259
780000
2000
Je praat tegen iemand aan de andere kant van de muur.
13:14
and when you don't know if that thing is human or animal --
260
782000
3000
Als je niet kan uitmaken of dat ding mens of dier is,
13:17
that's when computers have reached human intelligence.
261
785000
4000
dan hebben computers de menselijke intelligentie bereikt.
13:21
This is not an intelligence Turing rest,
262
789000
3000
Dit is geen Turing-intelligentietest,
13:24
but this is as close as you can get to a physical Turing test.
263
792000
3000
maar de best mogelijke benadering van een fysieke Turing-test.
13:27
And this stuff is moving very quickly,
264
795000
2000
Dit evolueert zeer snel.
13:29
and by the way, that thing can carry about 350 pounds of weight.
265
797000
4000
Dit ding kan overigens 160 kilo dragen.
13:34
These are not the only interesting robots.
266
802000
3000
Het zijn niet de enige interessante robots.
13:37
You've also got flies, the size of flies,
267
805000
2000
Er zijn er ook vliegende, ter grootte van een vlieg.
13:39
that are being made by Robert Wood at Harvard.
268
807000
3000
Robert Wood maakt ze in Harvard.
13:42
You've got Stickybots that are being made at Stanford.
269
810000
3000
Er zijn Stickybots die in Stanford worden gemaakt.
13:45
And as you bring these things together,
270
813000
3000
Als je die dingen samenbrengt,
13:48
as you bring cells, biological tissue engineering and mechanics together,
271
816000
6000
als je cellen, biologisch weefselontwerp en mechanica samenbrengt,
13:54
you begin to get some really odd questions.
272
822000
3000
dan krijg je een aantal echt vreemde vragen.
13:57
In the last Olympics, this gentleman,
273
825000
2000
Bij de laatste Olympische spelen wilde deze meneer,
13:59
who had several world records in the Special Olympics,
274
827000
4000
die verschillende records had gehaald in de Special Olympics,
14:03
tried to run in the normal Olympics.
275
831000
2000
meedoen aan de gewone Olympische Spelen.
14:05
The only issue with Oscar Pistorius
276
833000
2000
Het enige probleem met Oscar Pistorius
14:07
is he was born without bones in the lower part of his legs.
277
835000
4000
is dat hij geboren is zonder beenderen in het onderste deel van zijn benen.
14:11
He came within about a second of qualifying.
278
839000
2000
Op een seconde na kon hij zich qualificeren.
14:13
He sued to be allowed to run,
279
841000
3000
Hij had een proces ingespannen om te mogen lopen
14:16
and he won the suit,
280
844000
2000
en had gewonnen,
14:18
but didn't qualify by time.
281
846000
2000
maar hij haalde de kwalificatietijd niet.
14:20
Next Olympics, you can bet that Oscar, or one of Oscar's successors,
282
848000
5000
Tegen de volgende Olympische Spelen mag je zeker zijn dat Oscar of een opvolger
14:25
is going to make the time.
283
853000
2000
de tijd zal halen.
14:27
And two or three Olympics after that, they are going to be unbeatable.
284
855000
3000
Twee of drie Olympische Spelen later zullen ze niet te kloppen zijn.
14:30
And as you bring these trends together, and as you think of what it means
285
858000
5000
Breng deze trends samen, en bedenk wat het betekent
14:35
to take people who are profoundly deaf, who can now begin to hear --
286
863000
4000
dat mensen die diep doof zijn, nu beginnen te horen.
14:39
I mean, remember the evolution of hearing aids, right?
287
867000
3000
Denk aan de evolutie van de gehoorapparaten.
14:42
I mean, your grandparents had these great big cones,
288
870000
3000
Je grootouders hadden van die grote hoorns.
14:45
and then your parents had these odd boxes
289
873000
2000
Je ouders hadden rare doosjes
14:47
that would squawk at odd times during dinner,
290
875000
2000
die op ongepaste tijden piepten tijdens het eten.
14:49
and now we have these little buds that nobody sees.
291
877000
2000
Nu hebben we kleine knoopjes die niemand ziet.
14:51
And now you have cochlear implants
292
879000
2000
En nu heb je cochleaire implantaten
14:53
that go into people's heads and allow the deaf to begin to hear.
293
881000
5000
die in het hoofd zitten en de doven laten horen.
14:58
Now, they can't hear as well as you and I can.
294
886000
2000
Ze kunnen nog niet zo goed horen als jij en ik.
15:00
But, in 10 or 15 machine generations they will,
295
888000
3000
Maar over 10 of 15 generaties kan dat wel,
15:03
and these are machine generations, not human generations.
296
891000
2000
en ik bedoel generaties van machines, niet van mensen.
15:06
And about two or three years after they can hear as well as you and I can,
297
894000
4000
Twee of drie jaar nadat ze zo goed kunnen horen als jij en ik,
15:10
they'll be able to hear maybe how bats sing, or how whales talk,
298
898000
4000
zullen ze misschien kunnen horen hoe vleermuizen zingen, of walvissen praten,
15:14
or how dogs talk, and other types of tonal scales.
299
902000
3000
of honden, en andere soorten geluidsschalen.
15:17
They'll be able to focus their hearing,
300
905000
2000
Ze zullen hun gehoor kunnen focussen.
15:19
they'll be able to increase the sensitivity, decrease the sensitivity,
301
907000
3000
Ze zullen de gevoeligheid kunnen verhogen of verlagen
15:22
do a series of things that we can't do.
302
910000
2000
en een aantal dingen kunnen doen die wij niet kunnen.
15:24
And the same thing is happening in eyes.
303
912000
2000
Hetzelfde gebeurt met ogen.
15:27
This is a group in Germany that's beginning to engineer eyes
304
915000
3000
Dit is een groep in Duitsland die ogen begint te ontwerpen
15:30
so that people who are blind can begin to see light and dark.
305
918000
4000
waardoor blinde mensen licht en donker beginnen te zien.
15:34
Very primitive.
306
922000
2000
Zeer primitief.
15:36
And then they'll be able to see shape.
307
924000
2000
Vervolgens zullen ze vormen kunnen zien.
15:38
And then they'll be able to see color, and then they'll be able to see in definition,
308
926000
3000
Daarna kunnen ze een kleur zien, vervolgens zien ze in hoge resolutie,
15:41
and one day, they'll see as well as you and I can.
309
929000
3000
en tenslotte zien ze zo goed als jij en ik.
15:44
And a couple of years after that, they'll be able to see in ultraviolet,
310
932000
3000
Enkele jaren later zullen ze ultraviolet kunnen zien,
15:47
they'll be able to see in infrared, they'll be able to focus their eyes,
311
935000
2000
en infrarood, en zullen ze hun ogen kunnen focussen.
15:49
they'll be able to come into a microfocus.
312
937000
3000
Ze zullen een microfocus kunnen instellen.
15:52
They'll do stuff you and I can't do.
313
940000
2000
Ze zullen dingen doen die jij en ik niet kunnen doen.
15:55
All of these things are coming together,
314
943000
2000
Dit komt allemaal samen,
15:57
and it's a particularly important thing to understand,
315
945000
4000
en we moeten dit goed begrijpen,
16:01
as we worry about the flames of the present,
316
949000
3000
terwijl we ons zorgen maken over de vlammen van vandaag.
16:04
to keep an eye on the future.
317
952000
3000
We moeten een oogje op de toekomst houden.
16:07
And, of course, the future is looking back 200 years,
318
955000
3000
Natuurlijk kijkt de toekomst 200 jaar terug in de tijd.
16:10
because next week is the 200th anniversary of Darwin's birth.
319
958000
4000
Volgende week is het de 200ste verjaardag van Darwin,
16:14
And it's the 150th anniversary of the publication of "The Origin of Species."
320
962000
6000
en de 150ste van de publicatie van The Origin of Species.
16:20
And Darwin, of course, argued that evolution is a natural state.
321
968000
4000
Darwin zei dat evolutie een natuurlijke staat is.
16:24
It is a natural state in everything that is alive, including hominids.
322
972000
6000
Het is een natuurlijke staat in alles wat leeft, mensachtigen inbegrepen;
16:30
There have actually been 22 species of hominids
323
978000
5000
Er zijn 22 soorten mensachtigen geweest
16:35
that have been around, have evolved, have wandered in different places,
324
983000
4000
die hebben bestaan, zijn geëvolueerd, op verschillende plekken hebben rondgelopen
16:39
have gone extinct.
325
987000
2000
en uitgestorven zijn.
16:41
It is common for hominids to evolve.
326
989000
5000
Het is gebruikelijk dat mensachtigen evolueren.
16:46
And that's the reason why, as you look at the hominid fossil record,
327
994000
3000
Dat is de reden waarom, als je de fossielen van mensachtigen bekijkt,
16:49
erectus, and heidelbergensis, and floresiensis, and Neanderthals,
328
997000
8000
erectus, heidelbergensis, floresiensis, neanderthaler
16:57
and Homo sapiens, all overlap.
329
1005000
4000
en homo sapiens allemaal overlappen.
17:02
The common state of affairs is to have overlapping versions of hominids,
330
1010000
5000
De gewone gang van zaken is dat er overlappende versies van mensachtigen zijn,
17:07
not one.
331
1015000
2000
niet één.
17:09
And as you think of the implications of that,
332
1017000
2000
Terwijl je nadenkt over de implicaties
17:11
here's a brief history of the universe.
333
1019000
2000
geef ik je een korte geschiedenis van het universum.
17:13
The universe was created 13.7 billion years ago,
334
1021000
3000
Het universum is 13,7 miljard jaren geschapen,
17:16
and then you created all the stars, and all the planets,
335
1024000
2000
en toen creëerde je alle sterren, alle planeten,
17:18
and all the galaxies, and all the Milky Ways.
336
1026000
2000
alle sterrenstelsels, en alle melkwegen.
17:20
And then you created Earth about 4.5 billion years ago,
337
1028000
3000
En toen creëerde je de aarde, 4,5 miljard jaar geleden,
17:23
and then you got life about four billion years ago,
338
1031000
3000
en toen het leven, vier miljard jaar geleden,
17:26
and then you got hominids about 0.006 billion years ago,
339
1034000
4000
en toen mensachtigen, 0,006 miljard jaar geleden,
17:30
and then you got our version of hominids about 0.0015 billion years ago.
340
1038000
5000
en toen onze versie van de mensachtigen, 0,0015 miljard jaar geleden.
17:35
Ta-dah!
341
1043000
2000
Tata!
17:37
Maybe the reason for thr creation of the universe,
342
1045000
2000
Misschien is de reden van de schepping van het universum
17:39
and all the galaxies, and all the planets, and all the energy,
343
1047000
3000
en alle sterrenstelsels en alle planeten en alle energie
17:42
and all the dark energy, and all the rest of stuff
344
1050000
2000
en alle donkere energie en alle andere dingen
17:44
is to create what's in this room.
345
1052000
4000
de schepping van wat zich in deze kamer bevindt.
17:48
Maybe not.
346
1056000
2000
Misschien niet.
17:51
That would be a mildly arrogant viewpoint.
347
1059000
3000
Dat zou een nogal arrogant standpunt zijn.
17:54
(Laughter)
348
1062000
4000
(Gelach)
17:59
So, if that's not the purpose of the universe, then what's next?
349
1067000
3000
Dus als dat niet het doel van het universum is, wat dan wel?
18:04
(Laughter)
350
1072000
4000
(Gelach)
18:08
I think what we're going to see is we're going to see a different species of hominid.
351
1076000
4000
Ik denk dat we een andere soort mensachtige gaan zien.
18:13
I think we're going to move from a Homo sapiens into a Homo evolutis.
352
1081000
4000
Volgens mij gaan we van homo sapiens naar homo evolutis.
18:17
And I think this isn't 1,000 years out.
353
1085000
2000
Ik denk niet dat het nog 1.000 jaar duurt.
18:19
I think most of us are going to glance at it,
354
1087000
3000
Volgens mij vangen de meesten van ons er een glimp van op
18:22
and our grandchildren are going to begin to live it.
355
1090000
2000
en zullen onze kleinkinderen het beginnen te beleven.
18:24
And a Homo evolutis brings together these three trends
356
1092000
3000
Homo evolutis brengt deze drie trends samen
18:27
into a hominid that takes direct and deliberate control
357
1095000
3000
in een mensachtige die directe en vrijwillige controle verwerft
18:30
over the evolution of his species, her species and other species.
358
1098000
4000
over de evolutie van zijn soort, haar soort en andere soorten.
18:35
And that, of course, would be the ultimate reboot.
359
1103000
4000
En dat is natuurlijk de ultieme herstart.
18:39
Thank you very much.
360
1107000
2000
Zeer hartelijk dank.
18:41
(Applause)
361
1109000
3000
(Applaus)
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