ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com
TED2005

Ray Kurzweil: The accelerating power of technology

Ray Kurzweil o tym jak zmieni nas technologia.

Filmed:
2,876,494 views

Ray Kurzweil, wynalazca, przedsiębiorca i wizjoner objaśnia w jaki sposób uda nam się, w ciągu najbliższych 20 lat, dokonać inżynierii odwrotnej ludzkiego mózgu i sprawić by nanoboty operowały naszą świadmością.
- 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

Double-click the English transcript below to play the video.

00:24
Well, it's great to be here.
0
0
1000
Wiele słyszy się
00:25
We'veMamy heardsłyszał a lot about the promiseobietnica of technologytechnologia, and the perilniebezpieczeństwo.
1
1000
5000
o możliwościach jak i zagrożeniach płynących z postępu technologicznego.
00:30
I've been quitecałkiem interestedzainteresowany in bothobie.
2
6000
2000
Obie te kwestie mnie interesują.
00:32
If we could convertkonwertować 0.03 percentprocent
3
8000
4000
Gdybyśmy mogli przekształcić w energię 0.03% światła słonecznego
00:36
of the sunlightświatło słoneczne that fallsspada on the earthZiemia into energyenergia,
4
12000
2000
które pada na ziemię
00:38
we could meetspotykać się all of our projectedrzutowany needswymagania for 2030.
5
14000
5000
bylibyśmy w stanie zaspokoić nasze potrzeby energetyczne do 2030 roku.
00:43
We can't do that todaydzisiaj because solarsłoneczny panelspanele are heavyciężki,
6
19000
3000
Nie możemy zrobić tego dziś, ponieważ panele słoneczne są drogie
00:46
expensivedrogi and very inefficientnieskuteczny.
7
22000
2000
ciężkie i mało wydajne.
00:48
There are nano-engineerednano-inżynierii designsprojekty,
8
24000
3000
Istnieją projekty z użyciem nanotechnologii
00:51
whichktóry at leastnajmniej have been analyzedanalizowane theoreticallyteoretycznie,
9
27000
2000
które w teorii
00:53
that showpokazać the potentialpotencjał to be very lightweightlekkie,
10
29000
2000
mogą być bardzo lekkie
00:55
very inexpensiveniedrogi, very efficientwydajny,
11
31000
2000
tanie i bardzo wydajne
00:57
and we'dpoślubić be ablezdolny to actuallytak właściwie providezapewniać all of our energyenergia needswymagania in this renewableodnawialny way.
12
33000
4000
zapewniając zaspokojenie potrzeb energetycznych z odnawialnych źródeł.
01:01
Nano-engineeredNano engineered fuelpaliwo cellskomórki
13
37000
2000
Ogniwa paliwowe
01:03
could providezapewniać the energyenergia where it's neededpotrzebne.
14
39000
3000
mogą dostarczyć energię gdzie potrzeba.
01:06
That's a keyklawisz trendtendencja, whichktóry is decentralizationdecentralizacja,
15
42000
2000
Decentralizacja to kluczowy trend
01:08
movingw ruchu from centralizedscentralizowany nuclearjądrowy powermoc plantsrośliny and
16
44000
3000
odejście od scentralizowanych elektrowni jądrowych
01:11
liquidciekły naturalnaturalny gasgaz tankerstankowce
17
47000
2000
i kontenerów z gazem ciekłym
01:13
to decentralizedzdecentralizowany resourceszasoby that are environmentallyekologicznie more friendlyprzyjazny,
18
49000
4000
w stronę bardziej przyjaznych dla środowiska,
01:17
a lot more efficientwydajny
19
53000
3000
bardziej efektywnych
01:20
and capablezdolny and safebezpieczny from disruptionzakłócenie.
20
56000
4000
i bezpiecznych surowców.
01:24
BonoBono spokeprzemówił very eloquentlywymownie,
21
60000
2000
Bono mówił bardzo obrazowo
01:26
that we have the toolsprzybory, for the first time,
22
62000
4000
że pierwszy raz w historii mamy narzędzia
01:30
to addressadres age-oldodwieczny problemsproblemy of diseasechoroba and povertyubóstwo.
23
66000
4000
by skonfrontować odwieczne problemy: choroby i ubóstwo.
01:34
MostWiększość regionsregiony of the worldświat are movingw ruchu in that directionkierunek.
24
70000
4000
Większość regionów świata idzie w tym kierunku.
01:38
In 1990, in EastWschód AsiaAsia and the PacificPacyfiku regionregion,
25
74000
4000
W 1990 w dużej części Azji wschodniej
01:42
there were 500 millionmilion people livingżycie in povertyubóstwo --
26
78000
2000
pół miliarda ludzi żyło w biedzie
01:44
that numbernumer now is underpod 200 millionmilion.
27
80000
3000
teraz jest ich 200 mln
01:47
The WorldŚwiat BankBank projectsprojektowanie by 2011, it will be underpod 20 millionmilion,
28
83000
3000
Wg Banku Światowego w 2011
01:50
whichktóry is a reductionzmniejszenie of 95 percentprocent.
29
86000
3000
tylko 20 mln będzie żyć w biedzie.
01:53
I did enjoycieszyć się Bono'sBono commentkomentarz
30
89000
3000
Bono stwierdził, że istnieje
01:56
linkinglinkowanie Haight-AshburyHaight-Ashbury to SiliconKrzemu ValleyDolina.
31
92000
4000
związek między rewolucją hipisowską i technologiczną.
02:00
BeingJest from the MassachusettsMassachusetts high-techwysoka technologia communityspołeczność myselfsiebie,
32
96000
3000
Samemu będąc członkiem społeczności komputerowców w Massachussetts
02:03
I'd pointpunkt out that we were hippieshipisi alsorównież in the 1960s,
33
99000
4000
przypominam że w latach 60. także byliśmy hipisami
02:08
althoughmimo że we hungzawieszony around HarvardHarvard SquarePlac.
34
104000
3000
Choć spotykaliśmy się na Harvard Square, nie Haight-Ashbury.
02:11
But we do have the potentialpotencjał to overcomeprzezwyciężać diseasechoroba and povertyubóstwo,
35
107000
5000
W każdym razie mamy potencjał by przezwyciężyć choroby i biedę
02:16
and I'm going to talk about those issuesproblemy, if we have the will.
36
112000
3000
jeśli naprawdę chcemy - i o tym opowiem.
02:19
KevinKevin KellyKelly talkedrozmawialiśmy about the accelerationprzyśpieszenie of technologytechnologia.
37
115000
3000
Kevin Kelly mówił o przyśpieszeniu technologicznym.
02:22
That's been a strongsilny interestzainteresowanie of minekopalnia,
38
118000
3000
A ja interesuję się tym
02:25
and a thememotyw that I've developedrozwinięty for some 30 yearslat.
39
121000
3000
od jakichś 30 lat.
02:28
I realizedrealizowany that my technologiestechnologie had to make sensesens when I finishedskończone a projectprojekt.
40
124000
5000
I zdałem sobie sprawę, że moje wynalazki muszą działać w nieustannie
02:33
That invariablyniezmiennie, the worldświat was a differentróżne placemiejsce
41
129000
3000
zmieniającym się świecie do któego
02:36
when I would introduceprzedstawiać a technologytechnologia.
42
132000
2000
wprowadzałem te projekty.
02:38
And, I noticedzauważyłem that mostwiększość inventionswynalazki failzawieść,
43
134000
2000
Większość z nich pada
02:40
not because the R&D departmentdepartament can't get it to work --
44
136000
3000
nie przez to, że po prostu nie działają,
02:43
if you look at mostwiększość businessbiznes plansplany, they will actuallytak właściwie succeedosiągnąć sukces
45
139000
3000
gdyby spojrzeć na plany biznesowe,
02:46
if givendany the opportunityokazja to buildbudować what they say they're going to buildbudować --
46
142000
4000
zadziałałyby, gdyby dano im możliwośc zbudowania tego co założono
02:50
and 90 percentprocent of those projectsprojektowanie or more will failzawieść, because the timingwyczucie czasu is wrongźle --
47
146000
3000
ale ponad 90% nie udaje się bo nie trafia w swój czas
02:53
not all the enablingwłączanie factorsczynniki will be in placemiejsce when they're neededpotrzebne.
48
149000
3000
nie wszystkie czynniki sprawcze są zsynchronizowane.
02:56
So I beganrozpoczął się to be an ardentżarliwy studentstudent of technologytechnologia trendstrendy,
49
152000
4000
Więc przyjrzałem się uważnie trendom technologicznym
03:00
and tracktor where technologytechnologia would be at differentróżne pointszwrotnica in time,
50
156000
3000
śledząc postęp technologiczny w czasie
03:03
and beganrozpoczął się to buildbudować the mathematicalmatematyczny modelsmodele of that.
51
159000
3000
i budując dla niego model matematyczny.
03:06
It's kinduprzejmy of takenwzięty on a life of its ownwłasny.
52
162000
2000
Żyje to teraz własnym życiem
03:08
I've got a groupGrupa of 10 people that work with me to gatherzbierać datadane
53
164000
3000
Mam 10 osób od gromadzenia danych na temat
03:11
on keyklawisz measuresśrodki of technologytechnologia in manywiele differentróżne areasobszary, and we buildbudować modelsmodele.
54
167000
5000
zmian technologicznych w różnych dziedzinach i tworzymy modele.
03:16
And you'llTy będziesz hearsłyszeć people say, well, we can't predictprzepowiadać, wywróżyć the futureprzyszłość.
55
172000
3000
Ludzie mówią, że nie można przewidzieć przyszłości
03:19
And if you askzapytać me,
56
175000
2000
I gdyby mnie ktoś spytał
03:21
will the pricecena of GoogleGoogle be higherwyższy or lowerniższy than it is todaydzisiaj threetrzy yearslat from now,
57
177000
3000
po ile będą stały akcje Google'a za 3 lata
03:24
that's very hardciężko to say.
58
180000
2000
nie umiem powiedzieć.
03:26
Will WiMaxWiMax CDMACDMA G3
59
182000
3000
Czy WiMax CDMA G3
03:29
be the wirelessbezprzewodowy standardstandard threetrzy yearslat from now? That's hardciężko to say.
60
185000
2000
będzie standardem za 3 lata? Nie wiem.
03:31
But if you askzapytać me, what will it costkoszt
61
187000
2000
Ale gdyby spytali ile
03:33
for one MIPSMIPS of computingprzetwarzanie danych in 2010,
62
189000
3000
będzie kosztować 1 MIPS w 2010
03:36
or the costkoszt to sequencesekwencja a basebaza pairpara of DNADNA in 2012,
63
192000
3000
albo ile zapłacimy za sekwencjonowanie jednej pary zasad DNA w 2012
03:39
or the costkoszt of sendingwysyłanie a megabytemegabajt of datadane wirelesslybezprzewodowo in 2014,
64
195000
4000
lub za przesłanie bezprzewodowo 1MB danych
03:43
it turnsskręca out that those are very predictablemożliwy do przewidzenia.
65
199000
3000
okazuje się, że można to przewidzieć.
03:46
There are remarkablywybitnie smoothgładki exponentialwykładniczy curvesKrzywe
66
202000
2000
Wydajnośc i przepustowość
03:48
that governrządzić pricecena performancewydajność, capacityPojemność, bandwidthpasmo.
67
204000
3000
rosną geometrycznie.
03:51
And I'm going to showpokazać you a smallmały samplepróba of this,
68
207000
2000
Pokażę wam jak to działa.
03:53
but there's really a theoreticalteoretyczny reasonpowód
69
209000
2000
Mamy też teorię
03:55
why technologytechnologia developsrozwija się in an exponentialwykładniczy fashionmoda.
70
211000
5000
wyjaśniającą czemu technologia rozwija się w ten właśnie sposób.
04:00
And a lot of people, when they think about the futureprzyszłość, think about it linearlyliniowo.
71
216000
2000
Wielu ludzi myśli o przyszłości liniowo
04:02
They think they're going to continueKontyntynuj
72
218000
2000
Sądząc, że będą z biegiem czasu
04:04
to developrozwijać a problemproblem
73
220000
2000
używać dzisiejszych narzędzi
04:06
or addressadres a problemproblem usingza pomocą today'sdzisiaj toolsprzybory,
74
222000
3000
do rozwiązania obecnych problemów
04:09
at today'sdzisiaj pacetempo of progresspostęp,
75
225000
2000
w obecnym tempie rozwoju
04:11
and failzawieść to take into considerationwynagrodzenie this exponentialwykładniczy growthwzrost.
76
227000
4000
nie biorąc pod uwagę geometryczego postępu w technologii.
04:15
The GenomeGenomu ProjectProjektu was a controversialkontrowersyjny projectprojekt in 1990.
77
231000
3000
Projekt poznania ludzkiego genomu był w 1990r. kontrowersyjny.
04:18
We had our bestNajlepiej PhPH.D. studentsstudenci,
78
234000
2000
Z najlepszymi studentami
04:20
our mostwiększość advancedzaawansowane equipmentsprzęt around the worldświat,
79
236000
2000
używając najlepiej rozwiniętego sprzętu
04:22
we got 1/10,000thth of the projectprojekt doneGotowe,
80
238000
2000
ukończyliśmy 1/10 000 projektu.
04:24
so how'rejak się masz we going to get this doneGotowe in 15 yearslat?
81
240000
2000
Więc w jaki sposób zrobić to w 15 lat?
04:26
And 10 yearslat into the projectprojekt,
82
242000
3000
10 lat po rozpoczęciu badań
04:30
the skepticssceptycy were still going strongsilny -- saysmówi, "You're two-thirdsdwie trzecie throughprzez this projectprojekt,
83
246000
2000
sceptycy wciąż powtarzali
04:32
and you've managedzarządzane to only sequencesekwencja
84
248000
2000
"2/3 projektu za wami
04:34
a very tinymalutki percentageodsetek of the wholecały genomegenom."
85
250000
3000
a udało się opisać tylko niewielką część całego genomu.
04:37
But it's the natureNatura of exponentialwykładniczy growthwzrost
86
253000
2000
Ale w tym tkwi natura wzrostu geometrycznego
04:39
that oncepewnego razu it reachessięga the kneekolano of the curvekrzywa, it explodeswybucha.
87
255000
2000
że po osiągnięciu odpowiedniego punktu, gwałtownie przyśpiesza.
04:41
MostWiększość of the projectprojekt was doneGotowe in the last
88
257000
2000
Większość projektu zrealizowaliśmy
04:43
fewkilka yearslat of the projectprojekt.
89
259000
2000
w ciągu kilku ostatnich lat jego trwania.
04:45
It tookwziął us 15 yearslat to sequencesekwencja HIVHIV --
90
261000
2000
Sekwencjonowanie HIV zajęło nam 15 lat
04:47
we sequencedzsekwencjonowane SARSSARS in 31 daysdni.
91
263000
2000
a SARSu - 31 dni.
04:49
So we are gainingzyskuje the potentialpotencjał to overcomeprzezwyciężać these problemsproblemy.
92
265000
4000
Zyskujemy więc możliwości przezwyciężenie tych problemów.
04:53
I'm going to showpokazać you just a fewkilka examplesprzykłady
93
269000
2000
Pokażę wam teraz
04:55
of how pervasiverozpowszechniony this phenomenazjawiska is.
94
271000
3000
na kilku przykładach, jak wszechobecne jest to zjawisko.
04:58
The actualrzeczywisty paradigm-shiftzmiana paradygmatu rateoceniać, the rateoceniać of adoptingprzyjęcie newNowy ideaspomysły,
95
274000
4000
Wg naszych modeli, tempo przesunięć światopoglądowych tzn.
05:02
is doublingpodwojenie everykażdy decadedekada, accordingwedług to our modelsmodele.
96
278000
3000
przyswajania nowych idei podwaja się co dekadę.
05:05
These are all logarithmiclogarytmiczny graphswykresy,
97
281000
3000
Wszystkie grafy tutaj są logarytmiczne
05:08
so as you go up the levelspoziomy it representsreprezentuje, generallyogólnie multiplyingpomnożenie by factorczynnik of 10 or 100.
98
284000
3000
czyli przejście na nowy poziom to przeskok 10- lub stukrotny.
05:11
It tookwziął us halfpół a centurystulecie to adoptprzyjąć the telephonetelefon,
99
287000
3000
50 lat zabrało nam przyswojenie telefonu
05:14
the first virtual-realityWirtualna rzeczywistość technologytechnologia.
100
290000
3000
pierwszej technologii wykorzystującej rzeczywistość wirtualną.
05:17
CellKomórka phonestelefony were adoptedprzyjęty in about eightosiem yearslat.
101
293000
2000
Telefony komórkowe pryswoiliśmy w ok. 8 lat.
05:19
If you put differentróżne communicationkomunikacja technologiestechnologie
102
295000
3000
Rozmaite technologie komunikacyjne:
05:22
on this logarithmiclogarytmiczny graphwykres,
103
298000
2000
telewizja, radio
05:24
televisiontelewizja, radioradio, telephonetelefon
104
300000
2000
czy właśnie telefon
05:26
were adoptedprzyjęty in decadesdziesiątki lat.
105
302000
2000
przyswoiliśmy w ciągu kilku dekad.
05:28
RecentOstatnie technologiestechnologie -- like the PCPC, the websieć, cellkomórka phonestelefony --
106
304000
3000
Nowsze technologie, jak komputer osobisty, internet, komórki
05:31
were underpod a decadedekada.
107
307000
2000
przyjęły się w mniej niż 10 lat.
05:33
Now this is an interestingciekawy chartwykres,
108
309000
2000
Ten wykres jest ciekawy
05:35
and this really getsdostaje at the fundamentalfundamentalny reasonpowód why
109
311000
2000
i pozwala dojrzeć kluczowy powód
05:37
an evolutionaryewolucyjny processproces -- and bothobie biologybiologia and technologytechnologia are evolutionaryewolucyjny processesprocesy --
110
313000
4000
dlaczego procesy ewolucyjne, tak biologiczne jak i technologiczne
05:41
accelerateprzyśpieszyć.
111
317000
2000
przyśpieszają.
05:43
They work throughprzez interactioninterakcja -- they createStwórz a capabilityzdolność,
112
319000
3000
Działają poprzez interakcje - stwarzają możliwości działania
05:46
and then it usesużywa that capabilityzdolność to bringprzynieść on the nextNastępny stageetap.
113
322000
3000
którę są wykorzystywane w przejścu do dalszych stadiów rozwoju.
05:49
So the first stepkrok in biologicalbiologiczny evolutionewolucja,
114
325000
3000
Pierwszy krok w ewolucji biologicznej
05:52
the evolutionewolucja of DNADNA -- actuallytak właściwie it was RNARNA cameoprawa ołowiana witrażu first --
115
328000
2000
- ewolucja DNA - czy raczej RNA
05:54
tookwziął billionsmiliardy of yearslat,
116
330000
2000
zajęła miliardy lat.
05:56
but then evolutionewolucja used that information-processingprzetwarzanie informacji backbonekręgosłup
117
332000
3000
A potem ten sposób przetwarzania informacji został użyty
05:59
to bringprzynieść on the nextNastępny stageetap.
118
335000
2000
do wejścia na kolejny etap.
06:01
So the CambrianKambru ExplosionWybuch, when all the bodyciało plansplany of the animalszwierzęta were evolvedewoluował,
119
337000
3000
Tzw. eksplozja kambryjska, kiedy to wyewoluowały plany budowy ciała u zwierząt,
06:04
tookwziął only 10 millionmilion yearslat. It was 200 timesczasy fasterszybciej.
120
340000
4000
zajęła tylko 10mln lat. Czyli 200 razy szybciej.
06:08
And then evolutionewolucja used those bodyciało plansplany
121
344000
2000
A potem ewolucja wykorzystała te plany
06:10
to evolveewoluować higherwyższy cognitivepoznawczy functionsFunkcje,
122
346000
2000
by wytworzyć wyższe funkcje poznawcze
06:12
and biologicalbiologiczny evolutionewolucja kepttrzymane acceleratingprzyspieszenie.
123
348000
2000
i tak niezmiennie przyśpiesza.
06:14
It's an inherentnieodłączny natureNatura of an evolutionaryewolucyjny processproces.
124
350000
3000
Zgodnie ze swoją naturą.
06:17
So HomoHomo sapienssapiens, the first technology-creatingtworzenie technologii speciesgatunki,
125
353000
3000
A Homo sapiens, pierwszy gatunek tworzący technologie
06:20
the speciesgatunki that combinedłączny a cognitivepoznawczy functionfunkcjonować
126
356000
2000
któremu udało się powiązać funkcje poznawcze
06:22
with an opposableprzeciwstawny appendagedodatek --
127
358000
2000
i chwytne kończyny
06:24
and by the way, chimpanzeesszympansy don't really have a very good opposableprzeciwstawny thumbkciuk --
128
360000
4000
na marginesie, szympanse nie mają tak dobrze rozwiniętego kciuka
06:28
so we could actuallytak właściwie manipulatemanipulować our environmentśrodowisko with a powermoc gripuchwyt
129
364000
2000
więc potrafiliśmy manipulować narzędziami dzięki
06:30
and fine motorsilnik coordinationkoordynacja,
130
366000
2000
chwytności i koordynacji ruchowej
06:32
and use our mentalpsychiczny modelsmodele to actuallytak właściwie changezmiana the worldświat
131
368000
2000
wykorzystując też intelekt by zmieniać świat
06:34
and bringprzynieść on technologytechnologia.
132
370000
2000
i wprowadzać technologie.
06:36
But anywaytak czy inaczej, the evolutionewolucja of our speciesgatunki tookwziął hundredssetki of thousandstysiące of yearslat,
133
372000
3000
Ewolucja naszego gatunku trwała setki tysięcy lat
06:39
and then workingpracujący throughprzez interactioninterakcja,
134
375000
2000
a potem, przez proces współoddziaływania,
06:41
evolutionewolucja used, essentiallygłównie,
135
377000
2000
ewolucja wykorzystała
06:43
the technology-creatingtworzenie technologii speciesgatunki to bringprzynieść on the nextNastępny stageetap,
136
379000
3000
naszą zdolność tworzenia technologii, by osiągnąć kolejny poziom
06:46
whichktóry were the first stepskroki in technologicaltechniczny evolutionewolucja.
137
382000
3000
były to pierwsze etapy ewolucji technologicznej.
06:49
And the first stepkrok tookwziął tenskilkadziesiąt of thousandstysiące of yearslat --
138
385000
3000
Początkowe kroki zajęły dziesiątki tysięcy lat
06:52
stonekamień toolsprzybory, fireogień, the wheelkoło -- kepttrzymane acceleratingprzyspieszenie.
139
388000
3000
narzędzia kamienne, ogień, koło - wciąż przyśpieszaliśmy.
06:55
We always used then the latestnajnowszy generationgeneracja of technologytechnologia
140
391000
2000
Używając ówcześnie najnowszych osiągnięć technologicznych by
06:57
to createStwórz the nextNastępny generationgeneracja.
141
393000
2000
rozpocząć nowy etap.
06:59
PrintingDrukowanie pressnaciśnij tookwziął a centurystulecie to be adoptedprzyjęty;
142
395000
2000
W 100 lat wprowadzono prasę drukarską,
07:01
the first computerskomputery were designedzaprojektowany pen-on-paperpióro na papierze -- now we use computerskomputery.
143
397000
4000
pierwsze projekty komputerów powstały na papierze - teraz projektujemy na komputerach.
07:05
And we'vemamy had a continualnieustanny accelerationprzyśpieszenie of this processproces.
144
401000
3000
I ten proces niezmiennie przyśpiesza.
07:08
Now by the way, if you look at this on a linearliniowy graphwykres, it lookswygląda like everything has just happenedstało się,
145
404000
3000
Gdyby tak spojrzeć na ten wykres, zdaje się, że wszystko to wydarzyło się przed chwilą
07:11
but some observerobserwator saysmówi, "Well, KurzweilKurzweil just put pointszwrotnica on this graphwykres
146
407000
6000
ktoś może powiedzieć: "No tak, Kurzweil tylko umieścił na tym wykresie punkty,
07:17
that fallspadek on that straightproste linelinia."
147
413000
2000
akurat na tej prostej."
07:19
So, I tookwziął 15 differentróżne listslisty from keyklawisz thinkersmyśliciele,
148
415000
3000
A ja wybrałem 15 różnych list, sporządzonych przez wybitnych myślicieli
07:22
like the EncyclopediaEncyklopedia BritannicaBritannica, the MuseumMuzeum of NaturalNaturalne HistoryHistoria, CarlCarl Sagan'sSagan CosmicKosmiczne CalendarKalendarz
149
418000
4000
z Encyclopedia Britannica, Muzeum Historii Naturalnej czy listę Carla Sagana,
07:26
on the samepodobnie -- and these people were not tryingpróbować to make my pointpunkt;
150
422000
3000
i ich celem nie było udowodnienie moich tez, a jedynie wypunktowanie
07:29
these were just listslisty in referenceodniesienie worksPrace,
151
425000
2000
najważniejszych wydarzeń
07:31
and I think that's what they thought the keyklawisz eventswydarzenia were
152
427000
3000
które charakteryzowały ewolucję
07:34
in biologicalbiologiczny evolutionewolucja and technologicaltechniczny evolutionewolucja.
153
430000
3000
biologiczną i technologiczną.
07:37
And again, it formsformularze the samepodobnie straightproste linelinia. You have a little bitkawałek of thickeningzagęszczający in the linelinia
154
433000
3000
I ponownie wypadają one na tej samej prostej.
07:40
because people do have disagreementsnieporozumienia, what the keyklawisz pointszwrotnica are,
155
436000
3000
Istnieją spory co do tego, które wydarzenia były kluczowe
07:43
there's differencesróżnice of opinionopinia when agriculturerolnictwo startedRozpoczęty,
156
439000
2000
i kiedy nastąpiły,
07:45
or how long the CambrianKambru ExplosionWybuch tookwziął.
157
441000
3000
np. początek Eksplozji Kambryjskiej czy rolnictwa.
07:48
But you see a very clearjasny trendtendencja.
158
444000
2000
Ale da się łatwo zauważyć pewną tendencję.
07:50
There's a basicpodstawowy, profoundgłęboki accelerationprzyśpieszenie of this evolutionaryewolucyjny processproces.
159
446000
5000
Te procesy po prostu przyśpieszają.
07:55
InformationInformacje technologiestechnologie doublepodwójnie theirich capacityPojemność, pricecena performancewydajność, bandwidthpasmo,
160
451000
5000
Technologie komputerowe podwajają swoją przepustowość i stosunek cena-wydajność
08:00
everykażdy yearrok.
161
456000
2000
każdego roku.
08:02
And that's a very profoundgłęboki explosioneksplozja of exponentialwykładniczy growthwzrost.
162
458000
4000
I to bardzo wyraźny wzrost geometryczny.
08:06
A personalosobisty experiencedoświadczenie, when I was at MITMIT --
163
462000
2000
Kiedy byłem na MIT
08:08
computerkomputer takingnabierający up about the sizerozmiar of this roompokój,
164
464000
2000
komputer wielkości tej sali
08:10
lessmniej powerfulpotężny than the computerkomputer in your cellkomórka phonetelefon.
165
466000
5000
miał mniejszą moc niż wasze telefony komórkowe.
08:15
But Moore'sMoore'a LawPrawa, whichktóry is very oftenczęsto identifiedzidentyfikowane with this exponentialwykładniczy growthwzrost,
166
471000
4000
Ale prawo Moore'a, często utożsamiane z tym wzrostem
08:19
is just one exampleprzykład of manywiele, because it's basicallygruntownie
167
475000
2000
to jedynie jeden z wielu przykładów jego działania
08:21
a propertynieruchomość of the evolutionaryewolucyjny processproces of technologytechnologia.
168
477000
5000
w ewolucji biologicznej i technologicznej.
08:26
I put 49 famoussławny computerskomputery on this logarithmiclogarytmiczny graphwykres --
169
482000
3000
Na tym wykresie mamy 49 słynnych komputerów
08:29
by the way, a straightproste linelinia on a logarithmiclogarytmiczny graphwykres is exponentialwykładniczy growthwzrost --
170
485000
4000
(linia prosta na grafie logarytmicznym odzwierciedla wzrost geometryczny)
08:33
that's anotherinne exponentialwykładniczy.
171
489000
2000
jak właśnie tu.
08:35
It tookwziął us threetrzy yearslat to doublepodwójnie our pricecena performancewydajność of computingprzetwarzanie danych in 1900,
172
491000
3000
W roku 1900, stosnek cena-wydajność maszyn liczących podwajał się co 3 lata
08:38
two yearslat in the middleśrodkowy; we're now doublingpodwojenie it everykażdy one yearrok.
173
494000
3000
w 1950 - co 2, a teraz podwaja się co roku.
08:42
And that's exponentialwykładniczy growthwzrost throughprzez fivepięć differentróżne paradigmsparadygmaty.
174
498000
3000
Wzrost geometryczny 5 różnych czynników,
08:45
Moore'sMoore'a LawPrawa was just the last partczęść of that,
175
501000
2000
z czego prawo Moore'a opisuje tylko najpóźniejszy z nich
08:47
where we were shrinkingkurczący się transistorstranzystory on an integratedzintegrowany circuitobwód,
176
503000
3000
czyli zmniejszanie tranzystorów w układach scalonych
08:50
but we had electro-mechanicalelektromechaniczny calculatorskalkulatory,
177
506000
3000
ale wcześniej mieliśmy kalkulatory elektro-mechaniczne,
08:53
relay-basedoparte na przekaźniku computerskomputery that crackedpęknięty the GermanNiemiecki EnigmaEnigma CodeKod,
178
509000
2000
komputery przekaźnikowe, które pozwoliły złamać Enigmę
08:55
vacuumodkurzać tubesrury in the 1950s predictedprzewidywane the electionwybór of EisenhowerEisenhower,
179
511000
4000
lampy elektronowe które przwidziały prezydenturę Eisenhowera
08:59
discreetdyskretny transistorstranzystory used in the first spaceprzestrzeń flightsloty
180
515000
3000
tranzystory używane przy pierwszych lotach kosmicznych
09:02
and then Moore'sMoore'a LawPrawa.
181
518000
2000
i wreszcie prawo Moore'a.
09:04
EveryKażdy time one paradigmparadygmat ranpobiegł out of steamparowy,
182
520000
2000
Gdy wykorzystaliśmy którąś z idei do maksimum
09:06
anotherinne paradigmparadygmat cameoprawa ołowiana witrażu out of left fieldpole to continueKontyntynuj the exponentialwykładniczy growthwzrost.
183
522000
3000
pojawiała się inna, która pozwalała na kontynuację wzrostu geometrycznego.
09:09
They were shrinkingkurczący się vacuumodkurzać tubesrury, makingzrobienie them smallermniejszy and smallermniejszy.
184
525000
3000
Np., zmniejszano lampy elektronowe coraz bardziej, do momentu
09:12
That hittrafienie a wallŚciana. They couldn'tnie mógł shrinkkurczyć się them and keep the vacuumodkurzać.
185
528000
3000
gdy nie można było ich zmniejszyć ze względu na próżnię.
09:15
WholeCały differentróżne paradigmparadygmat -- transistorstranzystory cameoprawa ołowiana witrażu out of the woodworkstolarka.
186
531000
2000
Wtedy pojawił się zupełnie nowy pomysł: tranzystory
09:17
In factfakt, when we see the endkoniec of the linelinia for a particularszczególny paradigmparadygmat,
187
533000
3000
Kiedy widzimy, że zbliżamy się do wykorzystania jakiejś idei do maksimum,
09:20
it createstworzy researchBadania pressurenacisk to createStwórz the nextNastępny paradigmparadygmat.
188
536000
4000
wytwarza się presja, by stworzyć coś zupełnie nowego.
09:24
And because we'vemamy been predictingprzewidywanie the endkoniec of Moore'sMoore'a LawPrawa
189
540000
3000
Ponieważ przewidywaliśmy koniec prawa Moore'a
09:27
for quitecałkiem a long time -- the first predictionPrognoza said 2002, untilaż do now it saysmówi 2022.
190
543000
3000
najpierw na 2002, teraz mówi się o 2022.
09:30
But by the teennastolatków yearslat,
191
546000
3000
Ale już po 2010 roku
09:33
the featurescechy of transistorstranzystory will be a fewkilka atomsatomy in widthszerokość,
192
549000
3000
części tranzystorów będą długie na kilka atomów
09:36
and we won'tprzyzwyczajenie be ablezdolny to shrinkkurczyć się them any more.
193
552000
2000
i nie będziemy mogli zmniejszać ich bardziej.
09:38
That'llKtóry będzie be the endkoniec of Moore'sMoore'a LawPrawa, but it won'tprzyzwyczajenie be the endkoniec of
194
554000
3000
Taki będzie koniec prawa Moore'a, ale nie będzie to oznaczać
09:41
the exponentialwykładniczy growthwzrost of computingprzetwarzanie danych, because chipsfrytki are flatmieszkanie.
195
557000
2000
końca wzrostu geometrycznego mocy przeliczeniowych.
09:43
We liverelacja na żywo in a three-dimensionaltrójwymiarowy worldświat; we mightmoc as well use the thirdtrzeci dimensionwymiar.
196
559000
3000
Zaczniemy używać trójwymiarowych czipów.
09:46
We will go into the thirdtrzeci dimensionwymiar
197
562000
2000
Wejdziemy do trzeciego wymiaru
09:48
and there's been tremendousogromny progresspostęp, just in the last fewkilka yearslat,
198
564000
3000
i przez kilka ostatnich lat, postęp był ogromny
09:51
of gettinguzyskiwanie three-dimensionaltrójwymiarowy, self-organizingsamoorganizujące się molecularmolekularny circuitsobwody to work.
199
567000
4000
w uzyskiwaniu trójwymiarowych, samoorganizujących się obwodów.
09:55
We'llMy będziemy have those readygotowy well before Moore'sMoore'a LawPrawa runsdziała out of steamparowy.
200
571000
7000
Będą gotowe zanim prawo Moore'a się skończy,
10:02
SupercomputersSuperkomputery -- samepodobnie thing.
201
578000
2000
to samo z superkomputerami.
10:05
ProcessorProcesor performancewydajność on IntelProcesor Intel chipsfrytki,
202
581000
3000
Wydajność procesorów Intela,
10:08
the averageśredni pricecena of a transistortranzystor --
203
584000
3000
średnio za jeden tranzystor
10:11
1968, you could buykupować one transistortranzystor for a dollardolar.
204
587000
3000
w 1968 roku płaciło się dolara.
10:14
You could buykupować 10 millionmilion in 2002.
205
590000
3000
W 2002 za dolara można ich kupić 10 milionów.
10:17
It's prettyładny remarkableznakomity how smoothgładki
206
593000
3000
Dość niezwykła jest ta płynność
10:20
an exponentialwykładniczy processproces that is.
207
596000
2000
z jaką dokonuje się postęp.
10:22
I mean, you'dty byś think this is the resultwynik of some tabletopBlat experimenteksperyment,
208
598000
3000
Mogłoby się wydawać, że osiąga się go za pomocą eksperymentów,
10:26
but this is the resultwynik of worldwidena calym swiecie chaoticchaotyczny behaviorzachowanie --
209
602000
3000
a naprawdę to wynik chaotycznych procesów na świecie:
10:29
countrieskraje accusingoskarżając eachkażdy other of dumpingdumping productsprodukty,
210
605000
2000
krajów oskarżających się o zaniżanie cen
10:31
IPOsIPO, bankruptciesbankructwa, marketingmarketing programsprogramy.
211
607000
2000
prawa własności intelektualnej, programy marketingowe.
10:33
You would think it would be a very erraticniekonsekwentny processproces,
212
609000
3000
Zdawałoby się, że to bardzo nieregularny proces
10:36
and you have a very smoothgładki
213
612000
2000
ale jego rezultaty
10:38
outcomewynik of this chaoticchaotyczny processproces.
214
614000
2000
są niezwykle regularne.
10:40
Just as we can't predictprzepowiadać, wywróżyć
215
616000
2000
Tak jak nie przewidzimy
10:42
what one moleculecząsteczka in a gasgaz will do --
216
618000
2000
co się stanie z jedną molekułą gazu
10:44
it's hopelessbeznadziejny to predictprzepowiadać, wywróżyć a singlepojedynczy moleculecząsteczka --
217
620000
3000
nie da się
10:47
yetjeszcze we can predictprzepowiadać, wywróżyć the propertiesnieruchomości of the wholecały gasgaz,
218
623000
2000
możemy przewidzieć, dzięki termodynamice,
10:49
usingza pomocą thermodynamicstermodynamika, very accuratelydokładnie.
219
625000
3000
cechy gazu jako całości.
10:52
It's the samepodobnie thing here. We can't predictprzepowiadać, wywróżyć any particularszczególny projectprojekt,
220
628000
3000
Tak samo tutaj: nie uda się przewidzieć wyników pojedynczego projektu
10:55
but the resultwynik of this wholecały worldwidena calym swiecie,
221
631000
2000
ale rezultat globalnej, chaotycznej
10:57
chaoticchaotyczny, unpredictablenieobliczalny activityczynność of competitionzawody
222
633000
5000
konkurencji napędzającej
11:02
and the evolutionaryewolucyjny processproces of technologytechnologia is very predictablemożliwy do przewidzenia.
223
638000
3000
ewolucję technologiczną jest przewidywalny.
11:05
And we can predictprzepowiadać, wywróżyć these trendstrendy fardaleko into the futureprzyszłość.
224
641000
3000
Możemy to przewidzieć daleko w przyszłość.
11:10
UnlikeW przeciwieństwie do GertrudeGertruda Stein'sStein rosesróże,
225
646000
2000
W przeciwieństwie do róż Gertrude Stein
11:12
it's not the casewalizka that a transistortranzystor is a transistortranzystor.
226
648000
2000
tranzystor tranzystorowi nierówny:
11:14
As we make them smallermniejszy and lessmniej expensivedrogi,
227
650000
2000
Im one mniejsze,
11:16
the electronselektrony have lessmniej distancedystans to travelpodróżować.
228
652000
2000
tym mniejszy dystans do pokonania dla elektornu.
11:18
They're fasterszybciej, so you've got exponentialwykładniczy growthwzrost in the speedprędkość of transistorstranzystory,
229
654000
4000
Szybkość tranzystorów wzrasta geometrycznie
11:22
so the costkoszt of a cyclecykl of one transistortranzystor
230
658000
4000
a ich koszt zmniejsza się o połowę
11:26
has been comingprzyjście down with a halvingpołowę rateoceniać of 1.1 yearslat.
231
662000
3000
co około 1.1 rok.
11:29
You addDodaj other formsformularze of innovationinnowacja and processoredytor designprojekt,
232
665000
3000
Przy dodatkowych innowacjach w budowie procesorów
11:32
you get a doublingpodwojenie of pricecena performancewydajność of computingprzetwarzanie danych everykażdy one yearrok.
233
668000
4000
stosunek cena-wydajność podwaja się co roku.
11:36
And that's basicallygruntownie deflationdeflacja --
234
672000
3000
To zwykła
11:39
50 percentprocent deflationdeflacja.
235
675000
2000
50% procentowa deflacja.
11:41
And it's not just computerskomputery. I mean, it's trueprawdziwe of DNADNA sequencingsekwencjonowanie;
236
677000
3000
Tyczy się to nie tylko komputerów, ale i prac nad DNA
11:44
it's trueprawdziwe of brainmózg scanningłów;
237
680000
2000
czy przy skanowaniu mózgu,
11:46
it's trueprawdziwe of the WorldŚwiat WideSzeroki WebSieci Web. I mean, anything that we can quantifyokreślić ilościowo,
238
682000
2000
jak i Internetu. Wszystko co możemy ująć w liczbach.
11:48
we have hundredssetki of differentróżne measurementspomiary
239
684000
3000
mamy setki różnych mierzalnych czynników
11:51
of differentróżne, information-relatedzwiązane z informacją measurementspomiary --
240
687000
3000
które odnoszą się do przesyłu informacji
11:54
capacityPojemność, adoptionprzyjęcie ratesstawki --
241
690000
2000
wydajność, prędkośc przyswajania
11:56
and they basicallygruntownie doublepodwójnie everykażdy 12, 13, 15 monthsmiesiące,
242
692000
3000
i podwajają się one co 12, 13, 15 miesięcy
11:59
dependingw zależności on what you're looking at.
243
695000
2000
w zależności od punktu widzenia.
12:01
In termswarunki of pricecena performancewydajność, that's a 40 to 50 percentprocent deflationdeflacja rateoceniać.
244
697000
4000
Jeśli chodzi o stosunek cena-wydajność to 40-50% deflacja.
12:06
And economistsekonomiści have actuallytak właściwie startedRozpoczęty worryingfrasobliwy about that.
245
702000
2000
I ekonomistów zaczyna to martwić.
12:08
We had deflationdeflacja duringpodczas the DepressionDepresja,
246
704000
2000
W czasie Wielkiego Kryzysu mieliśmy deflację
12:10
but that was collapsezawalić się of the moneypieniądze supplyDostawa,
247
706000
2000
ale wynikła ona z zapaści podaży pieniądza,
12:12
collapsezawalić się of consumerkonsument confidencepewność siebie, a completelycałkowicie differentróżne phenomenazjawiska.
248
708000
3000
oraz nastrojów konsumentów, zupełnie inne zjawiska.
12:15
This is duez powodu to greaterwiększy productivitywydajność,
249
711000
2000
To o czym mówię wynika z większej produktywności.
12:18
but the economistekonomista saysmówi, "But there's no way you're going to be ablezdolny to keep up with that.
250
714000
2000
Ekonomiści uważają, że nie ma sposobu by dotrzymać jej tempa.
12:20
If you have 50 percentprocent deflationdeflacja, people maymoże increasezwiększać theirich volumeTom
251
716000
3000
Przy 50% deflacji, ludzie zwiększa swoje posiadanie
12:23
30, 40 percentprocent, but they won'tprzyzwyczajenie keep up with it."
252
719000
2000
o 30-40%, ale nie dotrzymają tempa wzrostowi produkcji.
12:25
But what we're actuallytak właściwie seeingwidzenie is that
253
721000
2000
Ale możemy zaobserwować
12:27
we actuallytak właściwie more than keep up with it.
254
723000
2000
coś dokładnie odwrotnego,
12:29
We'veMamy had 28 percentprocent perza yearrok compoundedzłożony growthwzrost in dollarsdolarów
255
725000
3000
W ciągu ostatnich 50 lat, obroty w technologii informatycznej
12:32
in informationInformacja technologytechnologia over the last 50 yearslat.
256
728000
3000
wzrosły o 28%.
12:35
I mean, people didn't buildbudować iPodsiPody for 10,000 dollarsdolarów 10 yearslat agotemu.
257
731000
4000
Czyli, 10 lat temu nie tworzyło się iPodów za 10 tys. dolarów.
12:39
As the pricecena performancewydajność makesczyni newNowy applicationsAplikacje feasiblewykonalny,
258
735000
3000
Ale gdy stosunek cena-wydajność sprawia, że nowe produkty są osiągalne
12:42
newNowy applicationsAplikacje come to the marketrynek.
259
738000
2000
pojawią się na rynku.
12:44
And this is a very widespreadrozpowszechniony phenomenazjawiska.
260
740000
3000
Jest to bardzo rozpowszechnony proces.
12:47
MagneticMagnetyczne datadane storageprzechowywanie --
261
743000
2000
Np. magnetyczne nośniki danych
12:49
that's not Moore'sMoore'a LawPrawa, it's shrinkingkurczący się magneticmagnetyczny spotskropki,
262
745000
3000
coraz bardziej mikroskopijne,
12:52
differentróżne engineersinżynierowie, differentróżne companiesfirmy, samepodobnie exponentialwykładniczy processproces.
263
748000
4000
ilustrują ten sam proces wzrostu co prawo Moore'a.
12:56
A keyklawisz revolutionrewolucja is that we're understandingzrozumienie our ownwłasny biologybiologia
264
752000
4000
Kluczowe w naszym rozumieniu naszej własnej biologii
13:00
in these informationInformacja termswarunki.
265
756000
2000
jest użycie terminologii informatycznej.
13:02
We're understandingzrozumienie the softwareoprogramowanie programsprogramy
266
758000
2000
Mamy więc programy, które
13:04
that make our bodyciało runbiegać.
267
760000
2000
regulują nasze procesy biologiczne.
13:06
These were evolvedewoluował in very differentróżne timesczasy --
268
762000
2000
Wyewoluowały one w odmiennych realiach
13:08
we'dpoślubić like to actuallytak właściwie changezmiana those programsprogramy.
269
764000
2000
i chcielibyśmy je trochę ulepszyć.
13:10
One little softwareoprogramowanie programprogram, callednazywa the fatgruby insulininsulina receptorchwytnik genegen,
270
766000
2000
Jednym z takich programów jest gen receptoru insulinowego
13:12
basicallygruntownie saysmówi, "HoldTrzymać ontona everykażdy caloriekaloria,
271
768000
2000
który każe nam magazynować każdą kalorię
13:14
because the nextNastępny huntingpolowanie seasonpora roku maymoże not work out so well."
272
770000
4000
bo później może ich brakować.
13:18
That was in the interestszainteresowania of the speciesgatunki tenskilkadziesiąt of thousandstysiące of yearslat agotemu.
273
774000
3000
Jego działanie było pożyteczne dla nas dziesiątki tysięcy lat temu.
13:21
We'dChcielibyśmy like to actuallytak właściwie turnskręcać that programprogram off.
274
777000
3000
Dziś chcemy go jednak wyłączyć.
13:24
They triedwypróbowany that in animalszwierzęta, and these micemyszy atejadł ravenouslyżarłocznie
275
780000
3000
Eksperymentowano z tym na myszach, które jedząc łapczywie
13:27
and remainedpozostał slimszczupły and got the healthzdrowie benefitskorzyści of beingistota slimszczupły.
276
783000
2000
nie przybierały na wadze, nie miały problemów ze zdrowiem
13:29
They didn't get diabetescukrzyca; they didn't get heartserce diseasechoroba;
277
785000
3000
jak cukrzyca czy choroby serca,
13:32
they livedPerscyativestwo recyrodycyjcystwo recyrodycyjcystwo recyrodycyj 20 percentprocent longerdłużej; they got the healthzdrowie benefitskorzyści of calorickaloryczny restrictionograniczenie
278
788000
3000
żyły o 20% dłużej, z pożytkami płynącymi z ograniczenia kalorii
13:35
withoutbez the restrictionograniczenie.
279
791000
2000
bez ograniczenia.
13:37
FourCztery or fivepięć pharmaceuticalfarmaceutyczny companiesfirmy have noticedzauważyłem this,
280
793000
3000
Kilka firm farmaceutycznych się tym zainteresowało,
13:40
feltczułem that would be
281
796000
3000
uważając, że byłby to
13:43
interestingciekawy drugnarkotyk for the humanczłowiek marketrynek,
282
799000
3000
ciekawy produkt do wporwadzenia na rynek;
13:46
and that's just one of the 30,000 genesgeny
283
802000
2000
a to tylko 1 z 30 tys. genów
13:48
that affectoddziaływać our biochemistrybiochemia.
284
804000
3000
mających wpływ na naszą biologię.
13:51
We were evolvedewoluował in an eraera where it wasn'tnie było in the interestszainteresowania of people
285
807000
3000
Wyewoluowaliśmy w czasach gdy nie było to w interesie społeczności
13:54
at the agewiek of mostwiększość people at this conferencekonferencja, like myselfsiebie,
286
810000
3000
by ludzie w wieku zbliżonym do mojego
13:57
to liverelacja na żywo much longerdłużej, because we were usingza pomocą up the preciouscenny resourceszasoby
287
813000
4000
żyli dłużej, bo zabierali cenne surowce, które lepiej byłoby przeznaczyć na
14:01
whichktóry were better deployedwdrożone towardsw kierunku the childrendzieci
288
817000
1000
dzieci
14:02
and those caringopiekuńczy, troskliwy for them.
289
818000
2000
i ich opiekunów.
14:04
So, life -- long lifespansdługość życia --
290
820000
2000
Zatem ewolucja nie faworyzowała
14:06
like, that is to say, much more than 30 --
291
822000
2000
osobników żyjących dużo dłużej niż
14:08
weren'tnie były selectedwybrany for,
292
824000
3000
30 lat
14:11
but we are learninguczenie się to actuallytak właściwie manipulatemanipulować
293
827000
3000
ale powoli zaczynamy manipulować
14:14
and changezmiana these softwareoprogramowanie programsprogramy
294
830000
2000
i zmieniać te programy
14:16
throughprzez the biotechnologybiotechnologia revolutionrewolucja.
295
832000
2000
poprzez rewolucję biotechnologiczną.
14:18
For exampleprzykład, we can inhibithamować genesgeny now with RNARNA interferenceingerencja.
296
834000
4000
Poprzez wpływ na RNA możemy zastopować działanie wybranych genów.
14:22
There are excitingekscytujący newNowy formsformularze of genegen therapyterapia
297
838000
2000
Mamy nowe rodzaje terapii genowej
14:24
that overcomeprzezwyciężać the problemproblem of placingumieszczenie the geneticgenetyczny materialmateriał
298
840000
2000
które rozwiązują problem umieszczenia materiału genetycznego
14:26
in the right placemiejsce on the chromosomechromosom.
299
842000
2000
w odpowiednim miejscu na chromosomie.
14:28
There's actuallytak właściwie a -- for the first time now,
300
844000
3000
Po raz pierwszy udaje się - są już testy na ludziach
14:31
something going to humanczłowiek trialspróby, that actuallytak właściwie curesleczy pulmonarypłucny hypertensionnadciśnienie --
301
847000
3000
wyleczyć nadciśnienie płucne - śmiertelną chorobę
14:34
a fatalfatalny diseasechoroba -- usingza pomocą genegen therapyterapia.
302
850000
3000
przez wykorzystanie terapii genowej.
14:37
So we'lldobrze have not just designerprojektant babiesdzieci, but designerprojektant babydziecko boomersboomers.
303
853000
3000
Mamy więc nie tylko dzieci na zamówienie, ale i dorosłych.
14:40
And this technologytechnologia is alsorównież acceleratingprzyspieszenie.
304
856000
3000
I jest to także przyśpieszająca technologia.
14:43
It costkoszt 10 dollarsdolarów perza basebaza pairpara in 1990,
305
859000
3000
W 1990 jedna para zasad kosztowała 10 dolarów.
14:46
then a pennygrosz in 2000.
306
862000
2000
w 2000 roku - 1 centa.
14:48
It's now underpod a 10thth of a centcent.
307
864000
2000
Obecnie mniej niż 1/10 centa.
14:50
The amountilość of geneticgenetyczny datadane --
308
866000
2000
Ilość danych genetycznych
14:52
basicallygruntownie this showsprzedstawia that smoothgładki exponentialwykładniczy growthwzrost
309
868000
3000
wykazuje postęp geometryczny
14:55
doubledpodwojony everykażdy yearrok,
310
871000
2000
podwajając się co roku,
14:57
enablingwłączanie the genomegenom projectprojekt to be completedzakończony.
311
873000
3000
co pozwoli nam na dokończenie projektu poznania ludzkiego genomu.
15:00
AnotherInnym majorpoważny revolutionrewolucja: the communicationskomunikacja revolutionrewolucja.
312
876000
3000
Kolejna wielka rewolucja to rewoucja komunikacyjna.
15:03
The pricecena performancewydajność, bandwidthpasmo, capacityPojemność of communicationskomunikacja measuredwymierzony manywiele differentróżne wayssposoby;
313
879000
5000
Stosunek cena-wydajność, przepustowość łącz - pojemność komunikacyjna mierzona na wiele sposobów
15:08
wiredprzewodowy, wirelessbezprzewodowy is growingrozwój exponentiallywykładniczo.
314
884000
3000
przewodowa i bezprzewodowa wzrasta geometrycznie.
15:11
The InternetInternet has been doublingpodwojenie in powermoc and continuestrwa to,
315
887000
3000
Internet podwaja swą siłę nieprzerwanie
15:14
measuredwymierzony manywiele differentróżne wayssposoby.
316
890000
2000
wg każdych pomiarów.
15:16
This is basedna podstawie on the numbernumer of hostszastępy niebieskie.
317
892000
2000
Ten np. dotyczy ilości komputerów w sieci.
15:18
MiniaturizationMiniaturyzacja -- we're shrinkingkurczący się the sizerozmiar of technologytechnologia
318
894000
2000
Miniaturyzacja - zmienjszamy wielkość technologii
15:20
at an exponentialwykładniczy rateoceniać,
319
896000
2000
przewodowej i bezprzewodowej
15:22
bothobie wiredprzewodowy and wirelessbezprzewodowy.
320
898000
2000
w tempie geometrycznym.
15:24
These are some designsprojekty from EricEric Drexler'sDrexler's bookksiążka --
321
900000
4000
Tu mamy kilka projektów Erika Drexlera
15:28
whichktóry we're now showingseans are feasiblewykonalny
322
904000
2000
i udowadniamy, że są one wykonalne
15:30
with super-computingsuper-komputer simulationssymulacje,
323
906000
2000
przy użyciu super-komputerów
15:32
where actuallytak właściwie there are scientistsnaukowcy buildingbudynek
324
908000
2000
a inni naukowcy budują roboty
15:34
molecule-scaleSkala cząsteczkowa robotsroboty.
325
910000
2000
w skali cząsteczkowej.
15:36
One has one that actuallytak właściwie walksspacery with a surprisinglyzaskakująco human-likepodobne do ludzi gaitchód,
326
912000
2000
Jest np. taki, który, choć zbudowany z molekuł, porusza się
15:38
that's builtwybudowany out of moleculesCząsteczki.
327
914000
3000
zupełnie jak człowiek.
15:41
There are little machinesmaszyny doing things in experimentaleksperymentalny basespodstawy.
328
917000
4000
Istnieją malutkie maszyny używane do eksperymentów.
15:45
The mostwiększość excitingekscytujący opportunityokazja
329
921000
3000
Najbardziej ekscytująca jest jednak możliwość
15:48
is actuallytak właściwie to go insidewewnątrz the humanczłowiek bodyciało
330
924000
2000
wejścia do środka ludzkiego ciała,
15:50
and performwykonać therapeuticterapeutyczny and diagnosticdiagnostyczny functionsFunkcje.
331
926000
3000
w celach terapeutycznych i diagnostycznych.
15:53
And this is lessmniej futuristicfuturystyczny than it maymoże sounddźwięk.
332
929000
2000
I choć brzmi to jak science-fiction,
15:55
These things have alreadyjuż been doneGotowe in animalszwierzęta.
333
931000
2000
udało się zrobić coś podobnego u zwierząt.
15:57
There's one nano-engineerednano-inżynierii deviceurządzenie that curesleczy typerodzaj 1 diabetescukrzyca. It's bloodkrew cell-sizedwielkości komórki.
334
933000
4000
Jest urządzenie które leczy cukrzycę, a jest wielkości czerwonej krwinki.
16:01
They put tenskilkadziesiąt of thousandstysiące of these
335
937000
2000
Wpuszcza się je do krwiobiegu
16:03
in the bloodkrew cellkomórka -- they triedwypróbowany this in ratsszczury --
336
939000
2000
zrobiono tak u szczurów
16:05
it letspozwala insulininsulina out in a controlledkontrolowane fashionmoda,
337
941000
2000
i wypuszczają one insulinę w kontrolwany sposób
16:07
and actuallytak właściwie curesleczy typerodzaj 1 diabetescukrzyca.
338
943000
2000
lecząć tak cukrzycę.
16:09
What you're watchingoglądanie is a designprojekt
339
945000
3000
To co tu widzicie to projekt
16:12
of a roboticzrobotyzowany redczerwony bloodkrew cellkomórka,
340
948000
2000
mechanicznej czerwonej krwinki.
16:14
and it does bringprzynieść up the issuekwestia that our biologybiologia
341
950000
2000
Co przypomina nam wyraźnie, że nasze organizmy
16:16
is actuallytak właściwie very sub-optimalnieoptymalny,
342
952000
2000
nie osiągają optymalnej wydajności
16:18
even thoughchociaż it's remarkableznakomity in its intricacyzawiłość.
343
954000
3000
mimo swojej niezwykłej złożoności.
16:21
OnceRaz we understandzrozumieć its principleszasady of operationoperacja,
344
957000
3000
Kiedy zrozumiemy zasady ich działania
16:24
and the pacetempo with whichktóry we are reverse-engineeringinżynieria wsteczna biologybiologia is acceleratingprzyspieszenie,
345
960000
3000
przy przyśpieszającym postępie technologicznym
16:28
we can actuallytak właściwie designprojekt these things to be
346
964000
2000
będziemy w stanie tworzyć maszyny
16:30
thousandstysiące of timesczasy more capablezdolny.
347
966000
2000
tysiące razy bardziej wydajne.
16:32
An analysisanaliza of this respirocyterespirocyte, designedzaprojektowany by RobRob FreitasFreitas,
348
968000
4000
Analiza tego "Respirocytu" zaprojektowanego przez Roba Freitasa
16:37
indicateswskazuje if you replacezastąpić 10 percentprocent of your redczerwony bloodkrew cellskomórki with these roboticzrobotyzowany versionswersje,
349
973000
2000
wykazuje, że gdyby zamienić na niego 10% zwykłych czerwonych krwinek
16:40
you could do an OlympicOlimpijski sprintsprint for 15 minutesminuty withoutbez takingnabierający a breathoddech.
350
976000
3000
można by biec sprintem na poziomie olimpijskim przez 15min bez wdechu.
16:43
You could sitsiedzieć at the bottomDolny of your poolbasen for fourcztery hoursgodziny --
351
979000
3000
Lub przesiadywać godzinami na dnie basenu.
16:46
so, "HoneyMiód, I'm in the poolbasen," will take on a wholecały newNowy meaningznaczenie.
352
982000
4000
a słowa: "Kochanie, jestem w wodzie" nabrałyby nowego znaczenia.
16:50
It will be interestingciekawy to see what we do in our OlympicOlimpijski trialspróby.
353
986000
2000
Ciekawe jak by to wpłynęło na rywalizację sportową,
16:52
PresumablyPrawdopodobnie we'lldobrze banzakaz them,
354
988000
2000
pewnie byśmy ich zabronili,
16:54
but then we'lldobrze have the specterwidmo of teenagersnastolatkowie in theirich highwysoki schoolsszkoły gymssiłownie
355
990000
2000
ale wtedy każdy nastolatek w szkolnej sali gimnastycznej
16:56
routinelyrutynowo out-performinglepsze wyniki the OlympicOlimpijski athletessportowcy.
356
992000
3000
mogłby bez problemu osiągać lepsze wyniki niż olimpijczycy.
17:01
FreitasFreitas has a designprojekt for a roboticzrobotyzowany whitebiały bloodkrew cellkomórka.
357
997000
3000
Freitas zaprojektował też mechaniczne białe krwinki.
17:04
These are 2020-circa-około scenariosscenariusze,
358
1000000
4000
Planowane na ok. 2020 rok,
17:08
but they're not as futuristicfuturystyczny as it maymoże sounddźwięk.
359
1004000
2000
ale to na pewno nie science-ficiton.
17:10
There are fourcztery majorpoważny conferenceskonferencje on buildingbudynek bloodkrew cell-sizedwielkości komórki devicespomysłowość;
360
1006000
4000
Mamy 4 konferencje poświęcone budowie urządzeń wielkości czerwonych krwinek,
17:14
there are manywiele experimentseksperymenty in animalszwierzęta.
361
1010000
2000
robione są eksperymenty na zwierzętach,
17:16
There's actuallytak właściwie one going into humanczłowiek trialpróba,
362
1012000
2000
są też już testy na ludziach.
17:18
so this is feasiblewykonalny technologytechnologia.
363
1014000
3000
W sumie, jest to wykonalne.
17:22
If we come back to our exponentialwykładniczy growthwzrost of computingprzetwarzanie danych,
364
1018000
2000
Wracając do naszego wzrostu geometrycznego w technologii informatycznej.
17:24
1,000 dollarsdolarów of computingprzetwarzanie danych is now somewheregdzieś betweenpomiędzy an insectowad and a mousemysz brainmózg.
365
1020000
3000
Obecnie za 1000 dolarów dostaje się możliwości obliczeniowe na poziomie pomiędzy komarem a myszą.
17:27
It will intersectkrzyżować humanczłowiek intelligenceinteligencja
366
1023000
3000
Ludzkie możliwości osiągnie się
17:30
in termswarunki of capacityPojemność in the 2020s,
367
1026000
3000
ok. lat 20. XXI wieku.
17:33
but that'llto zrobi be the hardwaresprzęt komputerowy sidebok of the equationrównanie.
368
1029000
2000
Ale to tylko kwestia sprzętowa.
17:35
Where will we get the softwareoprogramowanie?
369
1031000
2000
Skąd weźmiemy oprogramowanie?
17:37
Well, it turnsskręca out we can see insidewewnątrz the humanczłowiek brainmózg,
370
1033000
2000
Okazuje się, że możemy zajrzeć do ludzkiego mózgu
17:39
and in factfakt not surprisinglyzaskakująco,
371
1035000
2000
i zgodnie z oczekiwaniami
17:41
the spatialprzestrzenny and temporalczasowy resolutionrozkład of brainmózg scanningłów is doublingpodwojenie everykażdy yearrok.
372
1037000
4000
maksymalna rozdzielczość skanów mózgu pdowaja się co roku.
17:45
And with the newNowy generationgeneracja of scanningłów toolsprzybory,
373
1041000
2000
Nowa generacja narzędzi skanujących
17:47
for the first time we can actuallytak właściwie see
374
1043000
2000
pozwala nam zaobserwowć
17:49
individualindywidualny inter-neuralinter-neuron fiberswłókna
375
1045000
2000
pojedyncze połączenia neuronowe
17:51
and see them processingprzetwarzanie and signalingsygnalizacja in realreal time --
376
1047000
3000
i zobaczyć jak działają w czasie rzeczywistym
17:54
but then the questionpytanie is, OK, we can get this datadane now,
377
1050000
2000
ale podstawowe pytanie to czy jesteśmy w stanie
17:56
but can we understandzrozumieć it?
378
1052000
2000
zrozumieć te dane.
17:58
DougDoug HofstadterHofstadter wonderscuda, well, maybe our intelligenceinteligencja
379
1054000
3000
Doug Hofstadter zapytał kiedyś czy być może nasza inteligencja to za mało
18:01
just isn't great enoughdość to understandzrozumieć our intelligenceinteligencja,
380
1057000
3000
by zrozumieć naszą inteligencję
18:04
and if we were smartermądrzejszy, well, then our brainsmózg would be that much more complicatedskomplikowane,
381
1060000
3000
gdybyśmy byli mądrzejsi, nasze mózgi byłyby bardziej skomplikowane
18:07
and we'dpoślubić never catchłapać up to it.
382
1063000
2000
i nigdy nie bylibyśmy w stanie ich zrozumieć.
18:10
It turnsskręca out that we can understandzrozumieć it.
383
1066000
3000
Ale okazuje się, że jesteśmy w stanie.
18:13
This is a blockblok diagramdiagram of
384
1069000
3000
Tutaj mamy diagram
18:16
a modelModel and simulationsymulacja of the humanczłowiek auditorysłuchowy cortexkora
385
1072000
4000
symulujący ludzką korę słuchową
18:20
that actuallytak właściwie worksPrace quitecałkiem well --
386
1076000
2000
który w testach psychoakustycznych
18:22
in applyingstosowanie psychoacousticpsychoakustyczny teststesty, getsdostaje very similarpodobny resultswyniki to humanczłowiek auditorysłuchowy perceptionpostrzeganie.
387
1078000
2000
osiąga bardzo podobne wyniki do ludzkiego postrzegania dźwiękowego.
18:26
There's anotherinne simulationsymulacja of the cerebellummóżdżek --
388
1082000
3000
Istnieje też symulacja móżdżka, gdzie znajduje się
18:29
that's more than halfpół the neuronsneurony in the brainmózg --
389
1085000
2000
ponad połowa ludzkich neuronów
18:31
again, worksPrace very similarlypodobnie to humanczłowiek skillumiejętność formationtworzenie.
390
1087000
3000
i ponownie, działa ona podobnie do ludzkiej.
18:35
This is at an earlywcześnie stageetap, but you can showpokazać
391
1091000
3000
To wciąż wstępne fazy, ale możemy tu dostrzec
18:38
with the exponentialwykładniczy growthwzrost of the amountilość of informationInformacja about the brainmózg
392
1094000
3000
że przy geometrycznym wzroście wiedzy o ludzkim mózgu
18:41
and the exponentialwykładniczy improvementpoprawa
393
1097000
2000
i takim samym wzroście
18:43
in the resolutionrozkład of brainmózg scanningłów,
394
1099000
2000
rozdzielczości w skanach mózgu,
18:45
we will succeedosiągnąć sukces in reverse-engineeringinżynieria wsteczna the humanczłowiek brainmózg
395
1101000
3000
że uda nam się dokonać inżynierii odwrotnej na mózgu ludzkim
18:48
by the 2020s.
396
1104000
2000
w latach 20. XXI wieku.
18:50
We'veMamy alreadyjuż had very good modelsmodele and simulationsymulacja of about 15 regionsregiony
397
1106000
3000
Mamy już modele i symulacje 15 regionów
18:53
out of the severalkilka hundredsto.
398
1109000
3000
z kilkuset.
18:56
All of this is drivingnapędowy
399
1112000
2000
Wszystko to napędza
18:58
exponentiallywykładniczo growingrozwój economicgospodarczy progresspostęp.
400
1114000
2000
geometryczny postęp gospodarczy.
19:00
We'veMamy had productivitywydajność go from 30 dollarsdolarów to 150 dollarsdolarów perza hourgodzina
401
1116000
3000
Produktywnośc wzrosła od 30 do 150 dolarów za
19:05
of laborpraca in the last 50 yearslat.
402
1121000
2000
godzinę pracy.
19:07
E-commerceE-commerce has been growingrozwój exponentiallywykładniczo. It's now a trillionkwintylion dollarsdolarów.
403
1123000
3000
Przemysł internetowy rośnie geometrycznie. To ok 1 trylion dolarów.
19:10
You mightmoc wondercud, well, wasn'tnie było there a boomBum and a bustpopiersie?
404
1126000
2000
Ale, zapytacie, co z hossą i bessą?
19:12
That was strictlyrygorystycznie a capital-marketsrynki kapitałowe phenomenazjawiska.
405
1128000
2000
To określenia opisujące rynek wyłącznie kapitałowy.
19:14
WallŚciana StreetUlica noticedzauważyłem that this was a revolutionaryrewolucyjny technologytechnologia, whichktóry it was,
406
1130000
4000
Na Wall Street zuważyli co prawda, rewolucję technologiczną,
19:18
but then sixsześć monthsmiesiące laterpóźniej, when it hadn'tnie miał revolutionizedzrewolucjonizował all businessbiznes modelsmodele,
407
1134000
3000
ale kiedy po pół roku nie udało się dokonać rewoulcji biznesowej,
19:21
they figuredwzorzysty, well, that was wrongźle,
408
1137000
2000
uznali, że to pomyłka
19:23
and then we had this bustpopiersie.
409
1139000
2000
i mieliśmy kryzys.
19:26
All right, this is a technologytechnologia
410
1142000
2000
Tu z kolei mamy technologię
19:28
that we put togetherRazem usingza pomocą some of the technologiestechnologie we're involvedzaangażowany in.
411
1144000
3000
którą stworzyliśmy używając innych dostępnych technologii.
19:31
This will be a routinerutyna featurececha in a cellkomórka phonetelefon.
412
1147000
4000
To będzie zwykła funkcja telefonu:
19:35
It would be ablezdolny to translateTłumaczyć from one languagejęzyk to anotherinne.
413
1151000
2000
tłumaczenie z jednego języka na drugi.
19:47
So let me just endkoniec with a couplepara of scenariosscenariusze.
414
1163000
2000
Zakończę więc kilkoma przepowiedniami.
19:49
By 2010 computerskomputery will disappearznikać.
415
1165000
3000
Komputery znikną do 2010 roku.
19:53
They'llBędą be so smallmały, they'lloni to zrobią be embeddedosadzone in our clothingodzież, in our environmentśrodowisko.
416
1169000
3000
Będą tak małe, wszczepione w ubrania, w otoczenie.
19:56
ImagesObrazów will be writtenpisemny directlybezpośrednio to our retinaSiatkówka oka,
417
1172000
2000
Obrazy wyświetlać się będą bezpośrednio na rogówce,
19:58
providingże full-immersionpełne zanurzenie virtualwirtualny realityrzeczywistość,
418
1174000
2000
zanurzając nas zupełnie w rzeczywistości wirtualnej
20:00
augmentedpowiększony realreal realityrzeczywistość. We'llMy będziemy be interactinginterakcja with virtualwirtualny personalitiesosobowości.
419
1176000
3000
Będziemy obcować z wirtualnymi osobami.
20:04
But if we go to 2029, we really have the fullpełny maturitydojrzałość of these trendstrendy,
420
1180000
4000
Ale w 2029 roku, trendy te osiągną pełną dojrzałość, i musicie zauważyć
20:08
and you have to appreciatedoceniać how manywiele turnsskręca of the screwwkręt
421
1184000
3000
z jak wielką prędkością te zmiany technologicznę będą nadchodzić
20:11
in termswarunki of generationspokolenia of technologytechnologia, whichktóry are gettinguzyskiwanie fasterszybciej and fasterszybciej, we'lldobrze have at that pointpunkt.
422
1187000
4000
będzie to coraz szybciej i szybciej.
20:15
I mean, we will have two-to-the-dwa do25th-powerth-power
423
1191000
2000
Będziemy mieli wtedy 2 do potęgi 25 razy
20:17
greaterwiększy pricecena performancewydajność, capacityPojemność and bandwidthpasmo
424
1193000
3000
lepszy stosunek ceny-wydajności, większą przepustowość
20:20
of these technologiestechnologie, whichktóry is prettyładny phenomenalfenomenalny.
425
1196000
2000
co jest zupełnie niesamowite.
20:22
It'llBędzie to be millionsmiliony of timesczasy more powerfulpotężny than it is todaydzisiaj.
426
1198000
2000
Będą to technologie miliony razy mocniejsze niż obecne.
20:24
We'llMy będziemy have completedzakończony the reverse-engineeringinżynieria wsteczna of the humanczłowiek brainmózg,
427
1200000
2000
Uda nam się dokonać inżynierii odwrotnej ludzkiego mózgu,
20:27
1,000 dollarsdolarów of computingprzetwarzanie danych will be fardaleko more powerfulpotężny
428
1203000
3000
za 1000 dolarów będzie można uzyskać moc obliczniową
20:30
than the humanczłowiek brainmózg in termswarunki of basicpodstawowy rawsurowy capacityPojemność.
429
1206000
4000
wyższą niż moc naszego mózgu.
20:34
ComputersKomputery will combinepołączyć
430
1210000
2000
Komputery połączą
20:36
the subtlesubtelny pan-recognitionPan-rozpoznawanie powersuprawnienie
431
1212000
2000
możliwości poznawcze typowe dla ludzi
20:38
of humanczłowiek intelligenceinteligencja with wayssposoby in whichktóry machinesmaszyny are alreadyjuż superiorlepszy,
432
1214000
3000
ze spsobami myślenia, w których już są lepsze od nas
20:41
in termswarunki of doing analyticanalityczny thinkingmyślący,
433
1217000
2000
jak myślienie analityczne
20:43
rememberingpamiętając billionsmiliardy of factsfakty accuratelydokładnie.
434
1219000
2000
zapamiętywanie miliardów faktów.
20:45
MachinesMaszyny can sharedzielić theirich knowledgewiedza, umiejętności very quicklyszybko.
435
1221000
2000
Maszyny mogą dzielić się wiedzą bardzo szybko.
20:47
But it's not just an alienobcy invasioninwazja of intelligentinteligentny machinesmaszyny.
436
1223000
5000
Ale to nie będzie inwazja intligentnych maszyn.
20:52
We are going to mergełączyć with our technologytechnologia.
437
1228000
2000
My sami się z nimi scalimy.
20:54
These nano-botsnano-boty I mentionedwzmiankowany
438
1230000
2000
Nano-boty o których wspomniałem
20:56
will first be used for medicalmedyczny and healthzdrowie applicationsAplikacje:
439
1232000
4000
najpierw będą wykorzystane w celach medycznych,
21:00
cleaningczyszczenie up the environmentśrodowisko, providingże powerfulpotężny fuelpaliwo cellskomórki
440
1236000
3000
ale także do czyszczenia środowiska, budowania ogniw paliwowych,
21:03
and widelyszeroko distributedRozpowszechniane decentralizedzdecentralizowany solarsłoneczny panelspanele and so on in the environmentśrodowisko.
441
1239000
5000
ale także szeroko rozporwadzanych zdecentralizowanych paneli słoneznych.
21:08
But they'lloni to zrobią alsorównież go insidewewnątrz our brainmózg,
442
1244000
2000
Trafią też do naszego mózgu,
21:10
interactoddziaływać with our biologicalbiologiczny neuronsneurony.
443
1246000
2000
oddziałując wzajemnie na neurony.
21:12
We'veMamy demonstratedwykazane the keyklawisz principleszasady of beingistota ablezdolny to do this.
444
1248000
3000
Pokazaliśmy na jakich zasadach będzie to działać:
21:15
So, for exampleprzykład,
445
1251000
2000
np. pełne zanurzenie
21:17
full-immersionpełne zanurzenie virtualwirtualny realityrzeczywistość from withinw ciągu the nervousnerwowy systemsystem,
446
1253000
2000
w wirtualnej rzeczywistości tylko dzięki ukłądowi nerwowemu:
21:19
the nano-botsnano-boty shutzamknąć down the signalssygnały comingprzyjście from your realreal sensesrozsądek,
447
1255000
3000
nano-boty odcinają bodźce płynące do mózgu z zewnątrz
21:22
replacezastąpić them with the signalssygnały that your brainmózg would be receivingodbieranie
448
1258000
3000
i zastępują je bodźcami, które mózg otrzymywałby
21:25
if you were in the virtualwirtualny environmentśrodowisko,
449
1261000
2000
będąc w wirtualnym otoczeniu.
21:27
and then it'llbędzie feel like you're in that virtualwirtualny environmentśrodowisko.
450
1263000
2000
I wydawałoby nam się, że faktycznie jesteśmy tam.
21:29
You can go there with other people, have any kinduprzejmy of experiencedoświadczenie
451
1265000
2000
Można zaprosić tam innych, mieć najróżniejsze doznania
21:31
with anyonektokolwiek involvingangażujące all of the sensesrozsądek.
452
1267000
2000
pochodzące ze wszystkich zmysłów.
21:34
"ExperienceDoświadczenie beamersbelki," I call them, will put theirich wholecały flowpływ of sensorysensoryczny experienceswzruszenie religijne
453
1270000
3000
"Projektory Doznań", jak bym je nazwał, podłączą strumień doświadczeń zmysłowych
21:37
in the neurologicalneurologiczny correlateskoreluje of theirich emotionsemocje out on the InternetInternet.
454
1273000
3000
pobranych z Internetu do ich mózgowych korelatów.
21:40
You can plugwtyczka in and experiencedoświadczenie what it's like to be someonektoś elsejeszcze.
455
1276000
3000
Będzie można podłączyć się i zobaczyć jak to jest być kimś innym.
21:43
But mostwiększość importantlyco ważne,
456
1279000
2000
Ale, co najważniejsze,
21:45
it'llbędzie be a tremendousogromny expansionekspansja
457
1281000
2000
będzie to ogromne poszerzenie
21:47
of humanczłowiek intelligenceinteligencja throughprzez this directbezpośredni mergerpołączenie with our technologytechnologia,
458
1283000
4000
ludzkich możliwości intelektualnych przez bezpośrednie powiązanie ich z technologią
21:51
whichktóry in some sensesens we're doing alreadyjuż.
459
1287000
2000
w pewnym sensie już to robimy.
21:53
We routinelyrutynowo do intellectualintelektualny featswyczyny
460
1289000
2000
Część naszych codziennych osiągnięć intelektualnych
21:55
that would be impossibleniemożliwy withoutbez our technologytechnologia.
461
1291000
2000
byłaby niemożliwe bez technologii.
21:57
HumanCzłowieka life expectancyoczekiwanie is expandingrozwijanie. It was 37 in 1800,
462
1293000
3000
Przewidywana długość życia się zwiększa. W 1800 roku było to 37 lat,
22:00
and with this sortsortować of biotechnologybiotechnologia, nano-technologynanotechnologia revolutionsrewolucje,
463
1296000
5000
ale z nadchodzącymi rewolucjami bio- i nano-technologicznymi
22:05
this will moveruszaj się up very rapidlyszybko
464
1301000
2000
zwiększy się jeszcze bardziej
22:07
in the yearslat aheadprzed siebie.
465
1303000
2000
w nadchodzących latach.
22:09
My mainGłówny messagewiadomość is that progresspostęp in technologytechnologia
466
1305000
4000
Moje główne przesłanie jest takie: postęp technologiczny
22:13
is exponentialwykładniczy, not linearliniowy.
467
1309000
3000
jest postępem geometrycznym, nie linearnym.
22:16
ManyWiele -- even scientistsnaukowcy -- assumezałożyć a linearliniowy modelModel,
468
1312000
4000
Wielu - także naukowców - zakłada, że tak nie jest.
22:20
so they'lloni to zrobią say, "Oh, it'llbędzie be hundredssetki of yearslat
469
1316000
2000
Uważają, że miną jeszcze setki lat
22:22
before we have self-replicatingsamoreplikujące nano-technologynanotechnologia assemblymontaż
470
1318000
3000
zanim uda się stowrzyć samo-replikujące się urządzenia
22:25
or artificialsztuczny intelligenceinteligencja."
471
1321000
2000
czy sztuczną inteligencję,
22:27
If you really look at the powermoc of exponentialwykładniczy growthwzrost,
472
1323000
3000
Ale jeśli spojrzeć na siłę wzrostu geometrycznego,
22:30
you'llTy będziesz see that these things are prettyładny soonwkrótce at handdłoń.
473
1326000
3000
da się zauważyć, że wiele rzeczy jest już na wyciągnięcie ręki.
22:33
And informationInformacja technologytechnologia is increasinglycoraz bardziej encompassingobejmujący
474
1329000
3000
A technologie informacyjne w coraz większym stopniu
22:36
all of our liveszyje, from our musicmuzyka to our manufacturingprodukcja
475
1332000
4000
przenikają nasze życie, od muzyki, przez linie produkcyjne
22:40
to our biologybiologia to our energyenergia to materialsmateriały.
476
1336000
4000
biologię, energię po tworzywa.
22:44
We'llMy będziemy be ablezdolny to manufactureprodukcja almostprawie anything we need in the 2020s,
477
1340000
3000
Do roku 2020 będziemy w stanie wyprodukować prawie wszystko
22:47
from informationInformacja, in very inexpensiveniedrogi rawsurowy materialsmateriały,
478
1343000
2000
używając tylko informacji i bardzo tanich surowców,
22:49
usingza pomocą nano-technologynanotechnologia.
479
1345000
3000
dzięki nano-technologii.
22:52
These are very powerfulpotężny technologiestechnologie.
480
1348000
2000
To bardzo potężne technologie.
22:54
They bothobie empowerumożliwiać our promiseobietnica and our perilniebezpieczeństwo.
481
1350000
4000
Tak w obietnicach jak i zagrożeniach.
22:58
So we have to have the will to applyzastosować them to the right problemsproblemy.
482
1354000
3000
Musimy więc wypracować wspólną wolę, by używać ich dobrze.
23:01
Thank you very much.
483
1357000
1000
Dziękuję bardzo,
23:02
(ApplauseAplauz)
484
1358000
1000
(Oklaski)
Translated by Bartlomiej Chomanski
Reviewed by Marcin Kasiak

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com