TED2014
Joi Ito: Want to innovate? Become a "now-ist"
Joi Ito: Quer inovar? Torne-se um "agorista"
Filmed:
Readability: 4.2
2,304,454 views
"Lembra-se de antes da internet?" pergunta Joi Ito. "Lembra quando as pessoas tentavam prever o futuro?". Nesta palestra engajante, o chefe do Laboratório de Mídia do MIT pula as previsões para o futuro e, ao invés disso, compartilha uma nova abordagem para a criação no presente: construir rápido e melhorar constantemente, sem esperar por permissão ou provas de que você possui a ideia certa. Esse tipo de inovação de baixo para cima é vista nos projetos mais fascinantes e futuristas emergindo hoje, e começa, diz ele, ao ser aberto e alerta para o que está acontecendo ao seu redor neste instante. Não seja um futurista, ele sugere: seja um "agorista".
Double-click the English transcript below to play the video.
00:12
On March 10, 2011,
0
543
2743
Em 10 de março de 2011,
00:15
I was in Cambridge at the MIT Media Lab
1
3286
3007
eu estava em Cambridge,
no Laboratório de Mídia do MIT,
no Laboratório de Mídia do MIT,
00:18
meeting with faculty, students and staff,
2
6293
3229
encontrando-me com docentes,
alunos e funcionários,
alunos e funcionários,
00:21
and we were trying to figure out whether
3
9522
1789
e estávamos tentando descobrir
00:23
I should be the next director.
4
11311
2360
se eu devia ser o novo diretor.
00:25
That night, at midnight,
5
13671
2369
Naquela noite, à meia-noite,
00:28
a magnitude 9 earthquake
6
16040
1770
um terremoto de magnitude 9
00:29
hit off of the Pacific coast of Japan.
7
17810
2866
atingiu a costa pacífica do Japão.
00:32
My wife and family were in Japan,
8
20676
2285
Minha esposa e família estavam no Japão,
00:34
and as the news started to come in,
9
22961
3310
e enquanto as notícias começavam a chegar,
00:38
I was panicking.
10
26271
1699
eu entrava em pânico.
Eu estava vendo os noticiários
00:39
I was looking at the news streams
11
27970
1262
00:41
and listening to the press conferences
12
29232
2828
e escutando as conferências de imprensa
dos oficiais do governo
00:44
of the government officials
13
32060
2210
00:46
and the Tokyo Power Company,
14
34270
1590
e da Companhia de Energia de Tóquio
00:47
and hearing about this explosion
15
35860
2551
e escutando sobre a explosão
00:50
at the nuclear reactors
16
38411
1199
nos reatores nucleares
00:51
and this cloud of fallout
17
39610
1681
e essa nuvem radioativa
00:53
that was headed towards our house
18
41291
1899
que estava em direção à nossa casa
00:55
which was only about 200 kilometers away.
19
43190
2899
que era a apenas 200 quilômetros dali.
00:58
And the people on TV weren't telling us
20
46089
2831
E as pessoas na TV não nos diziam
01:00
anything that we wanted to hear.
21
48920
1940
nada do que queríamos saber.
01:02
I wanted to know what was going on with the reactor,
22
50860
1960
Eu queria saber sobre o reator,
o que estava havendo com a radiação,
01:04
what was going on with the radiation,
23
52820
1422
01:06
whether my family was in danger.
24
54242
2328
se a minha família estava em perigo.
01:08
So I did what instinctively felt like the right thing,
25
56570
3189
Então fiz o que instintivamente
parecia a coisa certa,
parecia a coisa certa,
01:11
which was to go onto the Internet
26
59759
1671
que era ir na Internet
01:13
and try to figure out
27
61430
1342
e tentar entender
01:14
if I could take matters into my own hands.
28
62772
2411
se eu conseguia resolver
as coisas sozinho.
as coisas sozinho.
01:17
On the Net, I found there were a lot of other people
29
65183
1841
Na Internet, descobri muitas pessoas
01:19
like me trying to figure out what was going on,
30
67024
2066
que, como eu, estavam
buscando informações,
buscando informações,
01:21
and together we sort of loosely formed a group
31
69090
2216
e juntos nós meio que formamos um grupo
01:23
and we called it Safecast,
32
71306
2471
e o chamamos de Safecast,
e decidimos que iríamos tentar
01:25
and we decided we were going to try
33
73777
1172
01:26
to measure the radiation
34
74949
1746
medir a radiação
01:28
and get the data out to everybody else,
35
76695
1774
e disponibilizar os dados para todos,
01:30
because it was clear that the government
36
78469
1672
porque estava claro que o governo
01:32
wasn't going to be doing this for us.
37
80141
2902
não iria fazer isso por nós.
01:35
Three years later,
38
83043
1417
Três anos depois,
01:36
we have 16 million data points,
39
84460
3094
nós temos 16 milhões de pontos de dados,
desenvolvemos nossos próprios
contadores Geiger
contadores Geiger
01:39
we have designed our own Geiger counters
40
87554
2745
de cujo projeto você pode fazer o download
01:42
that you can download the designs
41
90299
1653
e ligá-lo na rede.
01:43
and plug it into the network.
42
91952
874
01:44
We have an app that shows you
43
92826
1904
Temos um aplicativo que te mostra
01:46
most of the radiation in Japan
and other parts of the world.
and other parts of the world.
44
94730
3027
a maioria da radiação no Japão
e em outras partes do mundo.
e em outras partes do mundo.
01:49
We are arguably one of the most successful
45
97757
2205
Somos provavelmente um dos
mais bem sucedidos
mais bem sucedidos
01:51
citizen science projects in the world,
46
99962
1855
projetos de ciência cidadã
do mundo, e criamos
do mundo, e criamos
01:53
and we have created
47
101817
2352
01:56
the largest open dataset of radiation measurements.
48
104169
3501
a maior base de dados aberta
de medições de radiação.
de medições de radiação.
01:59
And the interesting thing here
49
107670
2742
E o interessante aqui
02:02
is how did — (Applause) — Thank you.
50
110412
4648
é como - (Aplausos) - Obrigado.
02:07
How did a bunch of amateurs
51
115060
2091
É como um bando de amadores
02:09
who really didn't know what we were doing
52
117151
2169
que realmente não sabiam
o que estavam fazendo
o que estavam fazendo
02:11
somehow come together
53
119320
1689
de alguma forma se juntaram
02:13
and do what NGOs and the government
54
121009
3184
e fizeram o que ONGs e o Governo
02:16
were completely incapable of doing?
55
124193
2418
eram completamente incapazes de fazer?
02:18
And I would suggest that this has something to do
56
126611
2758
E eu sugiro que isso tem algo a ver
02:21
with the Internet. It's not a fluke.
57
129369
1760
com a Internet. Não foi por acaso.
02:23
It wasn't luck, and it wasn't because it was us.
58
131129
2851
Não foi sorte, e não foi
porque éramos nós.
porque éramos nós.
Ajudou o fato de ser um evento
02:25
It helped that it was an event
59
133980
1418
02:27
that pulled everybody together,
60
135398
1635
que colocou todos juntos,
mas foi um novo jeito de fazer as coisas
02:29
but it was a new way of doing things
61
137033
1758
02:30
that was enabled by the Internet
62
138791
2079
que foi proporcionado pela Internet
02:32
and a lot of the other things that were going on,
63
140870
1592
e outras coisas que estavam acontecendo,
02:34
and I want to talk a little bit about
64
142462
2013
e quero falar um pouco sobre
02:36
what those new principles are.
65
144475
2669
o que são esses novos princípios.
02:39
So remember before the Internet? (Laughter)
66
147144
4808
Lembram-se de antes da Internet? (Risos)
02:43
I call this B.I. Okay?
67
151952
1788
Eu chamo isso de A.I. Ok?
02:45
So, in B.I., life was simple.
68
153740
3611
Então, em A.I., a vida era simples.
02:49
Things were Euclidian, Newtonian,
69
157351
2746
As coisas eram Euclidianas, Newtonianas,
02:52
somewhat predictable.
70
160097
1459
previsíveis de alguma forma.
02:53
People actually tried to predict the future,
71
161556
2410
Pessoas realmente tentaram
prever o futuro,
prever o futuro,
02:55
even the economists.
72
163966
1714
até mesmo os economistas.
02:57
And then the Internet happened,
73
165680
3214
E então a Internet aconteceu,
03:00
and the world became extremely complex,
74
168894
2071
e o mundo se tornou extremamente complexo,
03:02
extremely low-cost, extremely fast,
75
170965
2637
extremamente barato,
extremamente rápido,
extremamente rápido,
03:05
and those Newtonian laws
76
173602
2118
e aquelas leis Newtonianas
03:07
that we so dearly cherished
77
175720
1799
que gostávamos tanto,
03:09
turned out to be just local ordinances,
78
177519
2197
se tornaram apenas "regulamentos",
03:11
and what we found was that in this
79
179716
1751
e o que descobrimos foi que
03:13
completely unpredictable world
80
181467
2613
neste mundo completamente imprevisível
03:16
that most of the people who were surviving
81
184080
2032
a maioria das pessoas estavam
03:18
were working with sort of a different set of principles,
82
186112
3333
trabalhando com uma gama
de princípios diferentes,
de princípios diferentes,
03:21
and I want to talk a little bit about that.
83
189445
2631
e quero falar um pouco sobre isso.
03:24
Before the Internet, if you remember,
84
192076
1364
Antes da Internet, lembrem,
03:25
when we tried to create services,
85
193440
1905
quando tentávamos criar serviços,
03:27
what you would do is you'd create
86
195345
1026
o que se fazia era criar
03:28
the hardware layer and the
network layer and the software
network layer and the software
87
196371
2312
as camadas de hardware, rede e o software,
03:30
and it would cost millions of dollars
88
198683
2028
e custava milhões de dólares
03:32
to do anything that was substantial.
89
200711
2307
para fazer qualquer coisa substancial.
Então quando custa milhões
de dólares para fazer algo
de dólares para fazer algo
03:35
So when it costs millions of dollars
to do something substantial,
to do something substantial,
90
203018
2439
03:37
what you would do is you'd get an MBA
91
205457
2072
o que se faz é pegar um MBA
03:39
who would write a plan
92
207529
1458
para fazer um plano de negócio
03:40
and get the money
93
208987
943
e pegar dinheiro
03:41
from V.C.s or big companies,
94
209930
1744
de investidores ou grandes empresas,
03:43
and then you'd hire the designers and the engineers,
95
211674
2113
aí você contrataria os
designers e engenheiros,
designers e engenheiros,
03:45
and they'd build the thing.
96
213787
1023
e eles constroem o produto.
03:46
This is the Before Internet, B.I., innovation model.
97
214810
4619
Esse é o modelo de inovação
antes da Internet, A.I..
antes da Internet, A.I..
03:51
What happened after the Internet was
98
219429
2307
O que aconteceu depois da Internet
foi que o custo da inovação despencou,
03:53
the cost of innovation went down so much
99
221736
1756
03:55
because the cost of collaboration,
the cost of distribution,
the cost of distribution,
100
223492
2487
porque o custo da colaboração,
da distribuição,
da distribuição,
03:57
the cost of communication, and Moore's Law
101
225979
2643
o custo da comunicação, e a Lei de Moore
04:00
made it so that the cost of trying a new thing
102
228622
2676
fizeram com que o custo
de testar algo novo
de testar algo novo
04:03
became nearly zero,
103
231298
1394
se tornasse quase zero,
04:04
and so you would have Google, Facebook, Yahoo,
104
232692
2269
e assim você teria o Google,
Facebook, Yahoo,
Facebook, Yahoo,
04:06
students that didn't have permission —
105
234961
1771
estudantes que não tinham permissão —
04:08
permissionless innovation —
106
236732
1373
inovação sem permissão —
sem permissão,
sem apresentações de slides,
sem apresentações de slides,
04:10
didn't have permission, didn't have PowerPoints,
107
238105
1620
04:11
they just built the thing,
108
239725
2103
apenas construíram a coisa,
04:13
then they raised the money,
109
241828
1444
então levantaram fundos,
04:15
and then they sort of figured out a business plan
110
243272
2201
e então meio que montaram
um plano de negócio
um plano de negócio
04:17
and maybe later on they hired some MBAs.
111
245473
2357
e talvez depois contratassem alguns MBAs.
04:19
So the Internet caused innovation,
112
247830
2311
Então a Internet causou inovação,
ao menos em softwares e serviços,
04:22
at least in software and services,
113
250141
1124
04:23
to go from an MBA-driven innovation model
114
251265
2859
indo de um modelo de inovação
orientado por MBAs
orientado por MBAs
04:26
to a designer-engineer-driven innovation model,
115
254124
3903
para um modelo orientado por
designers e engenheiros
designers e engenheiros
04:30
and it pushed innovation to the edges,
116
258027
2098
e isso levou a inovação até às pontas,
04:32
to the dorm rooms, to the startups,
117
260125
1546
aos dormitórios, às startups,
04:33
away from the large institutions,
118
261671
1686
para longe das instituições,
as velhas e pesadas instituições
que tinham o poder
que tinham o poder
04:35
the stodgy old institutions that had the power
119
263357
2355
04:37
and the money and the authority.
120
265712
1687
o dinheiro e a autoridade.
E sabemos disso. Sabemos
que aconteceu na Internet.
que aconteceu na Internet.
04:39
And we all know this. We all know
this happened on the Internet.
this happened on the Internet.
121
267399
2609
04:42
It turns out it's happening in other things, too.
122
270008
2765
E está acontecendo em
outras coisas também.
outras coisas também.
04:44
Let me give you some examples.
123
272773
3242
Deixem-me dar alguns exemplos.
No Laboratório de Mídia
não fazemos apenas hardware.
não fazemos apenas hardware.
04:48
So at the Media Lab, we don't just do hardware.
124
276015
2785
Fazemos todo tipo de coisa.
04:50
We do all kinds of things.
125
278800
1042
04:51
We do biology, we do hardware,
126
279842
1885
Fazemos biologia, fazemos hardware,
04:53
and Nicholas Negroponte
famously said, "Demo or die,"
famously said, "Demo or die,"
127
281727
3621
e Nicholas Negroponte disse,
"Demonstre ou morra"
"Demonstre ou morra"
em oposição ao "Publique ou pereça",
04:57
as opposed to "Publish or perish,"
128
285348
1722
que era o meio acadêmico
tradicional de pensar.
tradicional de pensar.
04:59
which was the traditional academic way of thinking.
129
287070
2243
05:01
And he often said, the demo only has to work once,
130
289313
3562
E ele dizia que a demonstração
só tem que funcionar uma vez
só tem que funcionar uma vez
05:04
because the primary mode of us impacting the world
131
292875
2816
porque o modelo principal
de impactar o mundo
de impactar o mundo
05:07
was through large companies
132
295691
1778
era através das grandes empresas
05:09
being inspired by us
133
297469
1263
sendo inspiradas por nós
05:10
and creating products like
the Kindle or Lego Mindstorms.
the Kindle or Lego Mindstorms.
134
298732
3516
e criando produtos como o Kindle
ou o Lego Mindstorms.
ou o Lego Mindstorms.
05:14
But today, with the ability
135
302248
1942
Mas hoje, com a habilidade de
05:16
to deploy things into the real world at such low cost,
136
304190
2309
entregar coisas no mundo real
a tão baixo custo,
a tão baixo custo,
05:18
I'm changing the motto now,
137
306499
2150
estou mudando o lema agora,
05:20
and this is the official public statement.
138
308649
1813
e essa é a declaração oficial.
05:22
I'm officially saying, "Deploy or die."
139
310462
2497
Estou oficialmente dizendo:
"Entregue ou morra".
"Entregue ou morra".
05:24
You have to get the stuff into the real world
140
312959
2221
Você tem que levar as coisas
ao mundo real,
ao mundo real,
05:27
for it to really count,
141
315180
1356
para ser realmente válido,
05:28
and sometimes it will be large companies,
142
316536
1879
e às vezes serão grandes empresas,
05:30
and Nicholas can talk about satellites.
143
318415
1957
e Nicholas pode falar sobre satélites.
05:32
(Applause)
144
320372
1286
(Aplausos)
05:33
Thank you.
145
321658
1082
Obrigado.
05:34
But we should be getting out there ourselves
146
322740
1774
Mas deveríamos fazer nós mesmos
05:36
and not depending on large
institutions to do it for us.
institutions to do it for us.
147
324514
3584
e não dependermos de grandes
instituições para fazê-lo por nós.
instituições para fazê-lo por nós.
05:40
So last year, we sent a bunch
of students to Shenzhen,
of students to Shenzhen,
148
328098
2702
Ano passado enviamos alguns
estudantes para Shenzhen,
estudantes para Shenzhen,
05:42
and they sat on the factory floors
149
330800
1580
eles sentaram no chão das fábricas
05:44
with the innovators in Shenzhen, and it was amazing.
150
332380
2305
com os inovadores locais, e foi incrível.
05:46
What was happening there
151
334685
1477
O que estava acontecendo lá
05:48
was you would have these manufacturing devices,
152
336162
2184
é que há esses aparelhos de manufatura,
05:50
and they weren't making prototypes or PowerPoints.
153
338346
2193
e não estavam fazendo
protótipos ou apresentações.
protótipos ou apresentações.
05:52
They were fiddling with the manufacturing equipment
154
340539
2465
Eles estavam mexendo com os aparelhos
05:55
and innovating right on the
manufacturing equipment.
manufacturing equipment.
155
343004
3210
e inovando direto nos
equipamentos de manufatura.
equipamentos de manufatura.
05:58
The factory was in the designer,
156
346214
1886
A fábrica estava no designer,
06:00
and the designer was literally in the factory.
157
348100
2274
e o designer estava
literalmente na fábrica.
literalmente na fábrica.
06:02
And so what you would do is,
158
350374
1626
E o que acontecia é,
06:04
you'd go down to the stalls
159
352000
1241
você andava pelas tendas
06:05
and you would see these cell phones.
160
353241
2556
e veria esses celulares.
06:07
So instead of starting little websites
161
355797
2525
Ao invés de criar pequenos websites,
como as crianças em Palo Alto,
06:10
like the kids in Palo Alto do,
162
358322
1548
06:11
the kids in Shenzhen make new cell phones.
163
359870
2540
as crianças em Shenzhen
criam novos celulares!
criam novos celulares!
06:14
They make new cell phones like kids in Palo Alto
164
362410
2697
Criam novos celulares como
as crianças em Palo Alto
as crianças em Palo Alto
06:17
make websites,
165
365107
1258
criam websites,
06:18
and so there's a rainforest
166
366365
2113
então há uma floresta de inovação
de telefones celulares.
06:20
of innovation going on in the cell phone.
167
368478
1556
O que eles fazem é, criar um celular,
06:22
What they do is, they make a cell phone,
168
370034
1600
06:23
go down to the stall, they sell some,
169
371634
2224
vão para as tendas, vendem alguns,
06:25
they look at the other kids' stuff, go up,
170
373858
2325
olham para os aparelhos
das outras crianças,
das outras crianças,
06:28
make a couple thousand more, go down.
171
376183
2591
sobem e fazem mais uns milhares, descem.
06:30
Doesn't this sound like a software thing?
172
378774
1991
Isso soa como algo ligado a software?
06:32
It sounds like agile software development,
173
380765
1647
Soa como desenvolvimento ágil de software.
06:34
A/B testing and iteration,
174
382412
2928
Teste A/B e iteração,
e o que pensamos
e o que pensamos
06:37
and what we thought you could only do with software
175
385340
2083
ser possível apenas com software
06:39
kids in Shenzhen are doing this in hardware.
176
387423
2270
crianças em Shenzhen fazem com hardware.
Meu próximo parceiro, eu espero,
06:41
My next fellow, I hope, is going to be
177
389693
1467
06:43
one of these innovators from Shenzhen.
178
391160
1485
será um inovador de Shenzhen.
06:44
And so what you see is
179
392645
1665
Então o que você vê é isso empurrando
06:46
that is pushing innovation to the edges.
180
394310
1969
a inovação para as pontas.
06:48
We talk about 3D printers and stuff like that,
181
396279
2105
Falamos sobre impressoras 3D
e coisas do tipo,
e coisas do tipo,
06:50
and that's great, but this is Limor.
182
398384
1991
e isso é ótimo, mas esta é Limor.
06:52
She is one of our favorite graduates,
183
400375
2259
Ela é uma das nossas melhores estudantes,
06:54
and she is standing in front of a Samsung
184
402634
2076
e ela está na frente de uma máquina
06:56
Techwin Pick and Place Machine.
185
404710
1833
Samsung Techwin Pick and Place.
06:58
This thing can put 23,000 components per hour
186
406543
3924
Essa coisa pode colocar 23 mil
componentes por hora
componentes por hora
07:02
onto an electronics board.
187
410467
1993
em uma placa de circuito.
07:04
This is a factory in a box.
188
412460
1823
Isso é uma fábrica em uma caixa.
07:06
So what used to take a factory full of workers
189
414283
2498
Então o que era uma fábrica lotada
de trabalhadores manuais
de trabalhadores manuais
07:08
working by hand
190
416781
1019
cabe nesta pequena caixa em Nova Iorque,
07:09
in this little box in New York,
191
417800
1709
07:11
she's able to have effectively —
192
419509
1050
ela tem uma fábrica;
07:12
She doesn't actually have to go to Shenzhen
193
420559
1633
Ela não tem que ir a Shenzhen
07:14
to do this manufacturing.
194
422192
1244
para fabricar.
Ela pode comprar essa caixa e fabricar.
07:15
She can buy this box and she can manufacture it.
195
423436
2261
07:17
So manufacturing, the cost of innovation,
196
425697
2243
Então manufaturar, o custo da inovação,
de prototipagem, distribuição,
manufatura, hardware,
manufatura, hardware,
07:19
the cost of prototyping, distribution,
manufacturing, hardware,
manufacturing, hardware,
197
427940
2690
07:22
is getting so low
198
430630
1463
está ficando tão baixo
07:24
that innovation is being pushed to the edges
199
432093
2317
que a inovação está sendo
levada às pontas
levada às pontas
07:26
and students and startups are being able to build it.
200
434410
2428
e estudantes e startups
são capazes de fazê-lo.
são capazes de fazê-lo.
07:28
This is a recent thing, but this will happen
201
436838
1878
Isso é algo recente, mas irá acontecer
07:30
and this will change
202
438716
1483
e isso transformará,
07:32
just like it did with software.
203
440199
2425
assim como fez com o software.
07:34
Sorona is a DuPont process
204
442624
3246
Sorona é um processo da DuPont
07:37
that uses a genetically engineered microbe
205
445870
3020
que usa micróbios geneticamente
construídos
construídos
07:40
to turn corn sugar into polyester.
206
448890
3950
para transformar açúcar de milho
em poliéster.
em poliéster.
É 30% mais eficiente que o método
a combustível fóssil
a combustível fóssil
07:44
It's 30 percent more efficient
than the fossil fuel method,
than the fossil fuel method,
207
452840
2478
e é muito melhor para o meio ambiente.
07:47
and it's much better for the environment.
208
455318
3659
Engenharia genética e bioengenharia
07:50
Genetic engineering and bioengineering
209
458977
1405
07:52
are creating a whole bunch
210
460382
1531
estão criando um monte
07:53
of great new opportunities
211
461913
1758
de ótimas e novas oportunidades
07:55
for chemistry, for computation, for memory.
212
463671
2829
para a química, computação, memória.
É claro, faremos muito
na área da saúde,
na área da saúde,
07:58
We will probably be doing a lot,
obviously doing health things,
obviously doing health things,
213
466500
2050
08:00
but we will probably be growing chairs
214
468550
2204
mas provavelmente faremos cadeiras
08:02
and buildings soon.
215
470754
1040
e prédios em breve.
08:03
The problem is, Sorona costs
about 400 million dollars
about 400 million dollars
216
471794
3910
O problema é que Sorona custa cerca de
400 milhões de dólares
400 milhões de dólares
e leva sete anos para construir.
08:07
and took seven years to build.
217
475704
1381
08:09
It kind of reminds you of the old mainframe days.
218
477085
3079
Isso meio que lembra os velhos
tempos do mainframe.
tempos do mainframe.
08:12
The thing is, the cost of innovation
219
480164
2492
O fato é, o custo da inovação
08:14
in bioengineering is also going down.
220
482656
1586
na bioengenharia também está caindo.
08:16
This is desktop gene sequencer.
221
484242
1969
Isso é um sequenciador de genes.
08:18
It used to cost millions and millions
of dollars to sequence genes.
of dollars to sequence genes.
222
486211
3554
Custava milhões e milhões de
dólares para sequenciar genes.
dólares para sequenciar genes.
Agora você pode fazer em cima da mesa,
08:21
Now you can do it on a desktop like this,
223
489765
1744
08:23
and kids can do this in dorm rooms.
224
491509
2093
e crianças podem fazer em seus quartos.
08:25
This is Gen9 gene assembler,
225
493602
2688
Esse é o encadeador de genes Gen9,
08:28
and so right now when you try to print a gene,
226
496290
2079
e agora quando você quer imprimir um gene
08:30
what you do is somebody in a factory
227
498369
1268
precisa de alguém em uma fábrica
08:31
with pipettes puts the thing together by hand,
228
499637
1940
com pipetas fazendo tudo à mão.
08:33
you have one error per 100 base pairs,
229
501577
2351
você tem um erro para cada cem pares,
08:35
and it takes a long time and costs a lot of money.
230
503928
2576
e isso leva muito tempo e dinheiro.
08:38
This new device
231
506504
1386
Esse novo aparelho
08:39
assembles genes on a chip,
232
507890
1674
monta genes em um chip,
08:41
and instead of one error per 100 base pairs,
233
509564
2149
e ao invés de um erro por 100 pares base,
08:43
it's one error per 10,000 base pairs.
234
511713
2126
te dá um erro por 10 mil pares base.
08:45
In this lab, we will have the world's capacity
235
513839
2745
Nesse laboratório teremos
a capacidade mundial
a capacidade mundial
08:48
of gene printing within a year,
236
516584
2103
de impressão de genes dentro de um ano,
08:50
200 million base pairs a year.
237
518687
2612
200 milhões de pares base por ano.
08:53
This is kind of like when we went
238
521299
2563
Isso é como quando passamos
08:55
from transistor radios wrapped by hand
239
523862
2261
de transistores de rádio enrolados á mão
08:58
to the Pentium.
240
526123
1271
para o Pentium.
08:59
This is going to become the
Pentium of bioengineering,
Pentium of bioengineering,
241
527394
2396
Isso se tornará o Pentium
da bioengenharia,
da bioengenharia,
09:01
pushing bioengineering into the hands
242
529790
2036
levando a bioengenharia às mãos
09:03
of dorm rooms and startup companies.
243
531826
2601
dos dormitórios e startups.
09:06
So it's happening in software and in hardware
244
534427
2773
Está acontecendo com o software e hardware
09:09
and bioengineering,
245
537200
963
e bioengenharia,
09:10
and so this is a fundamental new
way of thinking about innovation.
way of thinking about innovation.
246
538163
3281
e isso é fundamentalmente uma nova forma
de pensar sobre inovação.
de pensar sobre inovação.
09:13
It's a bottom-up innovation, it's democratic,
247
541444
2677
É inovação de baixo para cima,
é democrático,
é democrático,
09:16
it's chaotic, it's hard to control.
248
544121
2204
é caótico, difícil de controlar.
09:18
It's not bad, but it's very different,
249
546325
2307
Não é ruim, mas é muito diferente,
09:20
and I think that the traditional rules that we have
250
548632
1967
e creio que as regras tradicionais,
09:22
for institutions don't work anymore,
251
550599
2072
feitas para as instituições,
não funcionam mais,
não funcionam mais,
09:24
and most of us here
252
552671
1679
e a maioria de nós aqui
09:26
operate with a different set of principles.
253
554350
3083
opera com uma gama distinta de princípios.
09:29
One of my favorite principles is the power of pull,
254
557433
2836
Um dos meus princípios favoritos
é o "poder da atração",
é o "poder da atração",
09:32
which is the idea of pulling resources
255
560269
2291
que é a ideia de puxar recursos
09:34
from the network as you need them
256
562560
1766
da rede conforme a necessidade
09:36
rather than stocking them in the center
257
564326
1845
ao invés de estocá-los no centro
09:38
and controlling everything.
258
566171
1585
e controlar tudo.
09:39
So in the case of the Safecast story,
259
567756
2764
No caso do relato do Safecast
eu não sabia nada na hora do terremoto,
09:42
I didn't know anything when
the earthquake happened,
the earthquake happened,
260
570520
1842
mas consegui encontrar Sean,
09:44
but I was able to find Sean
261
572362
1628
que era o organizador comunitário
do Hackerspace,
do Hackerspace,
09:45
who was the hackerspace community organizer,
262
573990
2196
09:48
and Peter, the analog hardware hacker
263
576186
1786
Peter, o hacker de hardware
que fez nosso primeiro contador Geiger,
09:49
who made our first Geiger counter,
264
577972
1716
09:51
and Dan, who built the Three Mile Island
265
579688
1998
e Dan, que fez o sistema de monitoramento
09:53
monitoring system after the
Three Mile Island meltdown.
Three Mile Island meltdown.
266
581686
3334
após o acidente nuclear
de Three Mile Island.
de Three Mile Island.
09:57
And these people I wouldn't have been able to find
267
585020
2386
E eu não seria capaz de
encontrar essas pessoas
encontrar essas pessoas
09:59
beforehand and probably were better
268
587406
2434
previamente, e talvez fosse melhor
10:01
that I found them just in time from the network.
269
589840
3127
que eu as encontrasse apenas
na hora necessária.
na hora necessária.
10:04
I'm a three-time college dropout,
270
592967
1867
Eu abandonei a faculdade três vezes,
então o aprendizado,
em vez da educação,
em vez da educação,
10:06
so learning over education
271
594834
1673
10:08
is very near and dear to my heart,
272
596507
1425
é muito importante para mim,
10:09
but to me, education is what people do to you
273
597932
2524
para mim, educação é o que as pessoas
fazem com você,
fazem com você,
10:12
and learning is what you do to yourself.
274
600456
2999
e aprender é o que você faz consigo.
10:15
(Applause)
275
603455
3776
(Aplausos)
10:19
And it feels like, and I'm biased,
276
607231
1759
E parece que, e sou parcial;
10:20
it feels like they're trying to make you memorize
277
608990
2797
parece que eles tentam fazer
você memorizar
você memorizar
a enciclopédia inteira antes de
deixarem você sair e brincar,
deixarem você sair e brincar,
10:23
the whole encyclopedia before
they let you go out and play,
they let you go out and play,
278
611787
3114
10:26
and to me, I've got Wikipedia on my cell phone,
279
614901
4097
e pra mim, eu tenho
a Wikipedia no meu celular,
a Wikipedia no meu celular,
10:30
and it feels like they assume
280
618998
1703
mas parece que assumem
que você estará no topo de
alguma montanha
alguma montanha
10:32
you're going to be on top of some mountain
281
620701
1787
10:34
all by yourself with a number 2 pencil
282
622488
2461
sozinho e apenas com um lápis nº2
tentando descobrir o que fazer
10:36
trying to figure out what to do
283
624949
1383
10:38
when in fact you're always going to be connected,
284
626332
2116
quando de fato você estará
sempre conectado
sempre conectado
10:40
you're always going to have friends,
285
628448
1645
sempre terá amigos,
e pode abrir a Wikipedia quando precisar,
10:42
and you can pull Wikipedia
up whenever you need it,
up whenever you need it,
286
630093
1959
10:44
and what you need to learn is how to learn.
287
632052
3448
e o que precisar aprender é como aprender.
10:47
In the case of Safecast, a bunch of amateurs
288
635500
2644
No caso do Safecast, um bando de amadores
10:50
when we started three years ago,
289
638144
1598
quando começamos três anos atrás,
10:51
I would argue that we probably as a group
290
639742
2508
eu argumentaria que como um grupo,
provavelmente sabíamos mais
que qualquer organização
que qualquer organização
10:54
know more than any other organization
291
642250
2416
10:56
about how to collect data and publish data
292
644666
3209
sobre como coletar e publicar dados
10:59
and do citizen science.
293
647875
2772
e fazer ciência cidadã.
"Bússolas ao invés de mapas."
11:02
Compass over maps.
294
650647
1120
11:03
So this one, the idea is that the cost of writing a plan
295
651767
3725
A ideia é que o custo de escrever um plano
11:07
or mapping something is getting so expensive
296
655492
3103
ou mapear algo está se tornando tão alto
11:10
and it's not very accurate or useful.
297
658595
3173
e não é tão preciso nem útil.
Então no caso do Safecast, sabíamos
que precisávamos coletar dados,
que precisávamos coletar dados,
11:13
So in the Safecast story, we
knew we needed to collect data,
knew we needed to collect data,
298
661768
3112
11:16
we knew we wanted to publish the data,
299
664880
2423
sabíamos que queríamos publicar dados,
e ao invés de tentar criar o plano exato,
primeiro dissemos
primeiro dissemos
11:19
and instead of trying to come up with the exact plan,
300
667303
2889
11:22
we first said, oh, let's get Geiger counters.
301
670192
2408
Ah, vamos pegar contadores Geiger.
11:24
Oh, they've run out.
302
672600
1766
Ah, estão esgotados.
Vamos criá-los.
Não temos sensores suficientes.
Não temos sensores suficientes.
11:26
Let's build them. There aren't enough sensors.
303
674366
2003
Ok, então podemos fazer
contadores Geiger móveis.
contadores Geiger móveis.
11:28
Okay, then we can make a mobile Geiger counter.
304
676369
2227
11:30
We can drive around. We can get volunteers.
305
678596
2047
Podemos dirigir por aí,
conseguir voluntários.
conseguir voluntários.
11:32
We don't have enough money. Let's Kickstarter it.
306
680643
1879
Não temos dinheiro. Vamos levantar.
11:34
We could not have planned this whole thing,
307
682522
1991
Não poderíamos ter planejado tudo isso,
11:36
but by having a very strong compass,
308
684513
1744
mas com um forte senso de direção,
11:38
we eventually got to where we were going,
309
686257
1435
nós chegamos onde queríamos,
11:39
and to me it's very similar to
agile software development,
agile software development,
310
687692
2418
e para mim é muito similar
ao desenvolvimento ágil,
ao desenvolvimento ágil,
11:42
but this idea of compasses is very important.
311
690110
3358
mas essa ideia de ter direção
é muito importante.
é muito importante.
11:45
So I think the good news is
312
693468
1941
Então acho que a boa notícia é
11:47
that even though the world is extremely complex,
313
695409
3501
que embora o mundo seja
extremamente complexo
extremamente complexo
11:50
what you need to do is very simple.
314
698920
2382
o que você precisa fazer é muito simples.
11:53
I think it's about stopping this notion
315
701302
2698
Acho que é preciso parar essa noção
de que você precisa planejar tudo,
11:56
that you need to plan everything,
316
704000
1572
11:57
you need to stock everything,
317
705572
1092
estocar tudo,
11:58
and you need to be so prepared,
318
706664
1470
e estar totalmente preparado,
12:00
and focus on being connected,
319
708134
2994
e focar em estar conectado,
12:03
always learning,
320
711128
1851
sempre aprendendo,
12:04
fully aware,
321
712979
1861
totalmente consciente,
12:06
and super present.
322
714840
1780
e super presente.
12:08
So I don't like the word "futurist."
323
716620
2946
Eu não gosto da palavra "futurista".
12:11
I think we should be now-ists,
324
719566
5615
Eu acho que devíamos ser "agoristas",
12:17
like we are right now.
325
725181
2046
como somos agora mesmo.
12:19
Thank you.
326
727227
1843
Obrigado.
12:21
(Applause)
327
729070
3979
(Aplausos)
ABOUT THE SPEAKER
Joi Ito - Relentless mindJoi Ito is the director of the MIT Media Lab.
Why you should listen
Joichi "Joi" Ito is one of those names threaded through the history of the Internet. From his days kickstarting Internet culture in Japan at Digital Garage, his restless curiosity led him to be an early-stage investor in Twitter, Six Apart, Wikia, Flickr, Last.fm, Kickstarter and other Internet companies, and to serve on countless boards and advisory committees around digital culture and Internet freedom.
He leads the legendary MIT Media Lab as it heads toward its third decade, and is working on a book with Jeff Howe about nine principles for navigating whatever the changing culture throws at us next. As he told Wired, "The amount of money and the amount of permission that you need to create an idea has decreased dramatically." So: aim for resilience, not strength; seek risk, not safety. The book is meant to be a compass for a world without maps.
Joi Ito | Speaker | TED.com