TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil fala sobre como a tecnologia nos transformará
Filmed:
Readability: 5.3
2,876,494 views
Inventor, empresário e visionário, Ray Kurzweil explica em grande detalhe porque, na década de 2020, teremos feito a engenharia reversa do cérebro humano e nanorobôs irão operar nossa consciência.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:24
Well, it's great to be here.
0
0
1000
Bem, é ótimo estar aqui.
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Nós já ouvimos muito sobre as promessas da tecnologia e seus riscos.
00:30
I've been quite interested in both.
2
6000
2000
Tenho muito interesse por ambos.
00:32
If we could convert 0.03 percent
3
8000
4000
Se pudéssemos converter 0,03%
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
da luz do sol que recai sobre a Terra em energia,
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
poderíamos suprir todas as nossas necessidades para 2030.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
Não podemos fazer isto hoje porque os painéis solares são pesados,
00:46
expensive and very inefficient.
7
22000
2000
caros e muito ineficientes.
00:48
There are nano-engineered designs,
8
24000
3000
Existem projetos de nano-engenharia,
00:51
which at least have been analyzed theoretically,
9
27000
2000
que foram analisados teoricamente,
00:53
that show the potential to be very lightweight,
10
29000
2000
que mostram potencial de serem muito leves,
00:55
very inexpensive, very efficient,
11
31000
2000
baratos e eficientes,
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
e poderíamos ser capazes de prover toda a nossa energia de modo renovável.
01:01
Nano-engineered fuel cells
13
37000
2000
Células de combustível obtidas por nano-engenharia
01:03
could provide the energy where it's needed.
14
39000
3000
poderiam prover a energia necessária.
01:06
That's a key trend, which is decentralization,
15
42000
2000
Esta é uma tendência chave, descentralização,
01:08
moving from centralized nuclear power plants and
16
44000
3000
sair do paradigma das usinas nucleares e
01:11
liquid natural gas tankers
17
47000
2000
dos navios-tanque de gás natural
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
para adotar recursos descentralizados que sejam mais amigáveis em termos de meio ambiente,
01:17
a lot more efficient
19
53000
3000
muito mais eficientes
01:20
and capable and safe from disruption.
20
56000
4000
e capazes e livres de falhas.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono falou muito bem,
01:26
that we have the tools, for the first time,
22
62000
4000
que temos as ferramentas, pela primeira vez,
01:30
to address age-old problems of disease and poverty.
23
66000
4000
de abordar os velhos problemas da doença e pobreza.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
Muitas regiões do mundo estão se movendo nesta direção.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
Em 1990, no leste da Ásia e na região do Pacífico,
01:42
there were 500 million people living in poverty --
26
78000
2000
havia 500 milhões de pessoas vivendo em estado de pobreza --
01:44
that number now is under 200 million.
27
80000
3000
este número agora está abaixo dos 200 milhões.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
O Banco Mundial estima que em 2011, estará abaixo de 20 milhões,
01:50
which is a reduction of 95 percent.
29
86000
3000
o que é uma redução de 95%.
01:53
I did enjoy Bono's comment
30
89000
3000
Gostei do comentário do Bono
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
ligando Haight-Ashbury ao Vale do Silício.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Sendo da comunidade high-tech de Massachusetts,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
eu ainda lembraria que nós éramos hippies nos anos 60,
02:08
although we hung around Harvard Square.
34
104000
3000
embora estivéssemos perto de Harvard Square.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
Mas nós temos o potencial de superar doenças e pobreza,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
e eu irei falar sobre isso, se tivermos vontade.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly falou sobre a aceleração da tecnologia.
02:22
That's been a strong interest of mine,
38
118000
3000
Que é um dos meus principais interesses,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
e um tema que eu abordei durante 30 anos.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Percebi que minhas tecnologias tinham que fazer sentido quando eu terminasse o projeto.
02:33
That invariably, the world was a different place
41
129000
3000
Que invariavelmente, o mundo será um lugar diferente
02:36
when I would introduce a technology.
42
132000
2000
quando eu for introduzir uma tecnologia.
02:38
And, I noticed that most inventions fail,
43
134000
2000
E notei que a maioria das invenções falhavam,
02:40
not because the R&D department can't get it to work --
44
136000
3000
e não porque o departamento de P&D não conseguia faze-las funcionarem --
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
se você olhar para a maioria dos planos de negócios, elas foram bem sucedidos
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
se tivessem a oportunidade de construir o que iriam construir,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
e 90% destes projetos ou mais vão falhar, porque o timing está errado --
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
se algum dos fatores não estiverem no lugar quando forem necessários.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Então me tornei um estudante ardente de tendências tecnológicas,
03:00
and track where technology would be at different points in time,
50
156000
3000
e acompanhei onde a tecnologia estará em diferentes pontos no tempo,
03:03
and began to build the mathematical models of that.
51
159000
3000
E comecei a construir modelos matemáticos para isto.
03:06
It's kind of taken on a life of its own.
52
162000
2000
E isto adquiriu vida própria,
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
Tenho um grupo de 10 pessoas que coleta dados
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
em medidas chave da tecnologia de várias áreas, e construímos modelos.
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
E você irá ouvir dizer, bem, nós não podemos prever o futuro.
03:19
And if you ask me,
56
175000
2000
Se você me perguntar,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
se o preço do Google estará mais alto ou baixo do que está hoje, daqui a 3 anos,
03:24
that's very hard to say.
58
180000
2000
é muito difícil dizer.
03:26
Will WiMax CDMA G3
59
182000
3000
Será que WiMax, CDMA, G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
serão os standards de conexões em fio daqui a 3 anos? É difícil dizer.
03:31
But if you ask me, what will it cost
61
187000
2000
Mas se você me perguntar, quanto custará
03:33
for one MIPS of computing in 2010,
62
189000
3000
um MIPS de computação em 2010,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
ou o custo de sequenciar um par de uma base DNA em 2012,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
ou o custo de enviar um megabyte de dados em conexões sem fio em 2014,
03:43
it turns out that those are very predictable.
65
199000
3000
estes são muito previsíveis.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Existem curvas exponenciais muito suaves
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
que determinam desempenho de preço, capacidade e largura de banda.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
Vou mostrar um exemplo disto,
03:53
but there's really a theoretical reason
69
209000
2000
mas há uma razão teórica
03:55
why technology develops in an exponential fashion.
70
211000
5000
que explica porque a tecnologia se desenvolve de forma exponencial.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
E muita gente, quando pensa no futuro, pensa em termos lineares.
04:02
They think they're going to continue
72
218000
2000
Pensam que vão continuar
04:04
to develop a problem
73
220000
2000
a tratar de um problema
04:06
or address a problem using today's tools,
74
222000
3000
ou lidar com um problema com as ferramentas de hoje,
04:09
at today's pace of progress,
75
225000
2000
com o ritmo de progresso de hoje,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
e esquecem de considerar o crescimento exponencial.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
O projeto genoma foi controverso em 1990.
04:18
We had our best Ph.D. students,
78
234000
2000
E contou com nossos melhores estudantes Ph.D.
04:20
our most advanced equipment around the world,
79
236000
2000
nos equipamentos mais avançados do mundo,
04:22
we got 1/10,000th of the project done,
80
238000
2000
tínhamos 1/10.000 do projeto acabado,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
então vamos completar tudo em 15 anos?
04:26
And 10 years into the project,
82
242000
3000
E depois de 10 anos no projeto,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
os céticos ainda estavam convencidos -- diziam, "Vocês já usaram 2/3 do prazo,
04:32
and you've managed to only sequence
84
248000
2000
e vocês só conseguiram sequenciar
04:34
a very tiny percentage of the whole genome."
85
250000
3000
uma porcentagem muito pequena do genoma inteiro."
04:37
But it's the nature of exponential growth
86
253000
2000
Mas é a natureza do crescimento exponencial
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
que faz com que, uma vez que atinja um 'joelho' da curva, ele explode.
04:41
Most of the project was done in the last
88
257000
2000
A maior parte do projeto foi feita
04:43
few years of the project.
89
259000
2000
nos últimos anos do prazo estimado.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
Levou 15 anos para sequenciar o HIV --
04:47
we sequenced SARS in 31 days.
91
263000
2000
e sequenciamos o SARS em 31 dias.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
Portanto, estamos ganhando o potencial de superar estes problemas.
04:53
I'm going to show you just a few examples
93
269000
2000
Vou mostrar alguns exemplos
04:55
of how pervasive this phenomena is.
94
271000
3000
de quão pervasivo é este fenômeno.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
O ritmo de mudança de paradigma, o ritmo da adoção de novas idéias,
05:02
is doubling every decade, according to our models.
96
278000
3000
está dobrando a cada década, de acordo com nossos modelos.
05:05
These are all logarithmic graphs,
97
281000
3000
Estes são gráficos logarítmicos,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
portanto, conforme você sobe, isto representa, geralmente multiplicar por 10 ou 100.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
Levamos cerca de 100 anos para adotar o telefone,
05:14
the first virtual-reality technology.
100
290000
3000
a primeira tecnologia de realidade virtual.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Telefones celulares foram adotados em 8 anos.
05:19
If you put different communication technologies
102
295000
3000
Se você incluir diferentes tecnologias de comunicação
05:22
on this logarithmic graph,
103
298000
2000
neste gráfico logarítmico,
05:24
television, radio, telephone
104
300000
2000
televisão, rádio, telefone
05:26
were adopted in decades.
105
302000
2000
foram adotados em décadas.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
Tecnologias recentes -- como o PC, a web, celulares --
05:31
were under a decade.
107
307000
2000
levaram menos de uma década.
05:33
Now this is an interesting chart,
108
309000
2000
Vejam agora um gráfico interessante,
05:35
and this really gets at the fundamental reason why
109
311000
2000
e ele mostra uma razão fundamental pela qual
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
um processo evolutivo -- e tanto a biologia quanto a tecnologia são processos evolutivos --
05:41
accelerate.
111
317000
2000
acelera.
05:43
They work through interaction -- they create a capability,
112
319000
3000
Eles funcionam através de interação -- eles criam a capacidade,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
e depois usam esta capacidade para moverem-se para o próximo estágio.
05:49
So the first step in biological evolution,
114
325000
3000
Portanto, o primeiro passo na evolução biológica,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
a evolução do DNA -- na verdade, o RNA veio antes --
05:54
took billions of years,
116
330000
2000
levou bilhões de anos,
05:56
but then evolution used that information-processing backbone
117
332000
3000
depois a evolução usou esta estrutura de processamento de informação
05:59
to bring on the next stage.
118
335000
2000
para levar ao próximo estágio.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
A Explosão Cambriana, quando todos as estruturas dos corpos dos animais evoluíram,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
levou só 10 milhões de anos. Foi 200 vezes mais rápido.
06:08
And then evolution used those body plans
121
344000
2000
E a evolução usou estas estruturas corpóreas
06:10
to evolve higher cognitive functions,
122
346000
2000
para evoluir funções cognitivas,
06:12
and biological evolution kept accelerating.
123
348000
2000
e a evolução biológica continuou acelerando.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
É a natureza do processo evolutivo.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
O Homo sapiens, a primeira espécie criadora de tecnologia,
06:20
the species that combined a cognitive function
126
356000
2000
a que combinou uma função cognitiva
06:22
with an opposable appendage --
127
358000
2000
com um apêndice opositor --
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
e, por falar nisto, os chimpanzés não têm um polegar opositor muito bom --
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
de forma que pudemos manipular nosso ambiente com força
06:30
and fine motor coordination,
130
366000
2000
e coordenação motora refinada,
06:32
and use our mental models to actually change the world
131
368000
2000
e usamos nossos modelos mentais para mudar o mundo
06:34
and bring on technology.
132
370000
2000
e fazer a tecnologia surgir.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
Por falar nisto, a evolução de nossa especie levou centenas de milhares de anos,
06:39
and then working through interaction,
134
375000
2000
e então, usando a interação,
06:41
evolution used, essentially,
135
377000
2000
a evolução uso, essencialmente,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
a tecnologia criando espécies para trazer o próximo estágio,
06:46
which were the first steps in technological evolution.
137
382000
3000
que foram os primeiros passos de evolução tecnológica.
06:49
And the first step took tens of thousands of years --
138
385000
3000
E estes primeiros passos levaram dezenas de milhares de anos --
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
ferramentas de pedra, fogo, a roda -- e foi acelerando.
06:55
We always used then the latest generation of technology
140
391000
2000
Nós sempre usamos a última geração de tecnologias
06:57
to create the next generation.
141
393000
2000
para criar a próxima geração.
06:59
Printing press took a century to be adopted;
142
395000
2000
A prensa de impressão levou um século para ser adotada,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
os primeiros computadores foram projetados no papel -- agora usamos computadores.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
E obtivemos uma contínua aceleração deste processo.
07:08
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
404000
3000
Se você olha para isto num gráfico linear, parece que tudo aconteceu agora mesmo,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
mas alguns dizem "Bem, o Kurzweil só colocou os pontos neste gráfico
07:17
that fall on that straight line."
147
413000
2000
que caem naquela linha reta."
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Então peguei 15 listas diferentes de pensadores importantes,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
como a Enciclopédia Britannica, o Museu de História Natural, o Calendário Cósmico de Carl Sagan
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
sobre a mesma coisa -- e estas pessoas não estavam tentando concordar comigo,
07:29
these were just lists in reference works,
151
425000
2000
estas eram apenas listas em trabalhos de referência.
07:31
and I think that's what they thought the key events were
152
427000
3000
E acho que estes eram o que eles pensavam que eram eventos fundamentais
07:34
in biological evolution and technological evolution.
153
430000
3000
na evolução biológica e tecnológica.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
E novamente, ela forma uma linha reta. Temos pequenos inchaços na linha
07:40
because people do have disagreements, what the key points are,
155
436000
3000
porque alguns discordam sobre quais são os pontos chave,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
existem opiniões diferentes sobre quando começou a agricultura,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
ou quanto tempo durou a Explosão Cambriana.
07:48
But you see a very clear trend.
158
444000
2000
Mas você vê uma tendência muito clara.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
Existe uma aceleração básica e profunda neste processo evolutivo.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
As tecnologias da informação dobram de capacidade, desempenho de preço, largura de banda,
08:00
every year.
161
456000
2000
a cada ano.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
E esta é uma explosão profunda no crescimento exponencial.
08:06
A personal experience, when I was at MIT --
163
462000
2000
Uma experiência pessoal, quando eu estava no MIT --
08:08
computer taking up about the size of this room,
164
464000
2000
os computadores tinham o tamanho desta sala,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
e menos poder computacional que o processador de seu celular.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
Mas a Lei de Moore, que é frequentemente associada ao crescimento exponencial,
08:19
is just one example of many, because it's basically
167
475000
2000
é apenas um exemplo de muitos, porque ela é, basicamente
08:21
a property of the evolutionary process of technology.
168
477000
5000
uma propriedade do processo evolutivo tecnológico.
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
Coloquei 49 computadores famosos neste gráfico logarítmico --
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
aliás, uma linha reta num gráfico logarítmico significa um crescimento exponencial --
08:33
that's another exponential.
171
489000
2000
e esta é outra exponencial.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
Levamos três anos para duplicar o desempenho de preço de computação em 1900,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
dois anos no meio, e agora estamos dobrando a cada ano.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
E este é uma crescimento exponencial em cinco paradigmas diferentes.
08:45
Moore's Law was just the last part of that,
175
501000
2000
A Lei de Moore foi só a última parte,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
em um circuito integrado, onde estávamos encolhendo circuitos,
08:50
but we had electro-mechanical calculators,
177
506000
3000
mas tínhamos calculadoras eletro-mecânicas,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
computadores a relés que resolveram o problema do código alemão da Enigma,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
válvulas previram nos anos 50 a eleição de Eisenhower,
08:59
discreet transistors used in the first space flights
180
515000
3000
transistores discretos usados nas primeiras viagens ao espaço
09:02
and then Moore's Law.
181
518000
2000
e depois a Lei de Moore.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
Toda vez que um paradigma perde o fôlego,
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
outro paradigma vem de outra área e continua o crescimento exponencial.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
Estavam encolhendo as válvulas, fazendo-as menores e menores,
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
E isto chegou a um limite. Não podiam continuar o encolhimento e manter o vácuo.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
Um paradigma totalmente diferente -- os transistores começaram a surgir.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
Na verdade, quando vemos o fim de uma linha de um paradigma em particular,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
isto criar pressão nas pesquisas para criar o próximo paradigma.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
E porque temos predito o fim da Lei de Moore
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
já há algum tempo -- a primeira foi em 2002, e agora dizem que vai ser em 2022.
09:30
But by the teen years,
191
546000
3000
Mas na década de 10,
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
os transistores terão uns poucos átomos de largura,
09:36
and we won't be able to shrink them any more.
193
552000
2000
e não seremos capazes de encolhê-los mais.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
Este será o fim da Lei de Moore, mas não será o fim do
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
crescimento exponencial, porque os chips são achatados.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
Vivemos num mundo tridimensional, e podemos usar a terceira dimensão.
09:46
We will go into the third dimension
197
562000
2000
Usaremos a terceira dimensão
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
e houve um progresso tremendo, só nos últimos anos,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
em conseguir circuitos moleculares tridimensionais auto-organizáveis funcionando.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
E os teremos funcionando antes da Lei do Moore perder o fôlego.
10:02
Supercomputers -- same thing.
201
578000
2000
Supercomputadores - a mesma coisa.
10:05
Processor performance on Intel chips,
202
581000
3000
Desempenho dos processadores Intel,
10:08
the average price of a transistor --
203
584000
3000
o preço médio de um transistor --
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
em 1968 você podia comprar um transistor por um dólar.
10:14
You could buy 10 million in 2002.
205
590000
3000
Você pode comprar 10 milhões em 2002.
10:17
It's pretty remarkable how smooth
206
593000
3000
É incrível o quanto é suave
10:20
an exponential process that is.
207
596000
2000
o processo exponencial.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
quero dizer, você poderia pensar que este é o resultado de algum experimento de bancada,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
mas é resultado de um comportamento caótico que envolve todo o mundo --
10:29
countries accusing each other of dumping products,
210
605000
2000
países acusando uns aos outros de dumping,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
IPOs, falências, programas de marketing.
10:33
You would think it would be a very erratic process,
212
609000
3000
Poderíamos pensar que seria um processo totalmente errático.
10:36
and you have a very smooth
213
612000
2000
e, no entanto, temos um resultado
10:38
outcome of this chaotic process.
214
614000
2000
muito suave deste processo caótico.
10:40
Just as we can't predict
215
616000
2000
Do mesmo modo que não podemos prever
10:42
what one molecule in a gas will do --
216
618000
2000
o que uma molécula de gás vai fazer --
10:44
it's hopeless to predict a single molecule --
217
620000
3000
é inútil tentar prever uma molécula isoladamente --
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
mesmo assim, podemos prever as propriedades do gás como um todo,
10:49
using thermodynamics, very accurately.
219
625000
3000
usando termodinâmica, de modo bastante preciso.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
É o mesmo aqui. Não podemos prever nenhum projeto em particular,
10:55
but the result of this whole worldwide,
221
631000
2000
mas os efeitos desta atividade
10:57
chaotic, unpredictable activity of competition
222
633000
5000
competitiva, global, caótica e imprevisível
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
e do processo evolutivo da tecnologia é bastante previsível.
11:05
And we can predict these trends far into the future.
224
641000
3000
E podemos prever estas tendências bastante à frente no futuro.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
Diferentemente das rosas de Gertrude Stein
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
não é verdade que um transistor é um transistor.
11:14
As we make them smaller and less expensive,
227
650000
2000
Nós os fazemos menores e mais baratos,
11:16
the electrons have less distance to travel.
228
652000
2000
os elétrons tem que viajar distâncias menores.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
São mais velozes, portanto, você tem crescimento potencial na velocidade dos transistores,
11:22
so the cost of a cycle of one transistor
230
658000
4000
portanto, o custo de um ciclo de um transistor
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
vem caindo pela metade a cada 1,1 anos.
11:29
You add other forms of innovation and processor design,
232
665000
3000
Se você acrescentar outras formas de inovação e design de processadores,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
você pode ter o dobro de desempenho de preço de computação a cada ano.
11:36
And that's basically deflation --
234
672000
3000
E isto é basicamente deflação --
11:39
50 percent deflation.
235
675000
2000
50% de deflação
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
E não só em computadores. Isto é verdade para sequenciamento de DNA,
11:44
it's true of brain scanning;
237
680000
2000
para escaneamento do cérebro,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
e é verdade para a web. Tudo o que você puder quantificar,
11:48
we have hundreds of different measurements
239
684000
3000
nós temos centenas de medições diferentes,
11:51
of different, information-related measurements --
240
687000
3000
diferentes medições relacionadas a informação --
11:54
capacity, adoption rates --
241
690000
2000
capacidade, taxa de adoção --
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
e elas basicamente, dobram a cada 12, 13, 15 meses,
11:59
depending on what you're looking at.
243
695000
2000
dependendo do que você está observando.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
Em termos de desempenho de preço, são 50 -- 40 a 50% de deflação.
12:06
And economists have actually started worrying about that.
245
702000
2000
E os economistas estão começando a se preocupar com isto.
12:08
We had deflation during the Depression,
246
704000
2000
Nós tivemos deflação durante a depressão.
12:10
but that was collapse of the money supply,
247
706000
2000
mas aquilo foi (causado pelo) colapso do suprimento de dinheiro,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
colapso da confiança do consumidor, um fenômeno completamente diferente.
12:15
This is due to greater productivity,
249
711000
2000
Este é devido ao crescimento de produtividade.
12:18
but the economist says, "But there's no way you're going to be able to keep up with that.
250
714000
2000
Mas os economistas dizem, "Mas não tem jeito de aguentarmos isto.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
Se você tem 50% de deflação, as pessoas podem aumentar seu volume
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
30, 40%, mas não vão aguentar."
12:25
But what we're actually seeing is that
253
721000
2000
Mas, na verdade, o que vemos é
12:27
we actually more than keep up with it.
254
723000
2000
que nós não apenas aguentamos.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
Tivemos um crescimento de 28% em dólares
12:32
in information technology over the last 50 years.
256
728000
3000
em tecnologia da informação nos últimos 50 anos.
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
Quero dizer, as pessoas não construiam iPods por 10.000 dólares há 10 anos.
12:39
As the price performance makes new applications feasible,
258
735000
3000
à medida que o desempenho de preço faz com que novas aplicações sejam viáveis,
12:42
new applications come to the market.
259
738000
2000
elas ganham lugar ao mercado.
12:44
And this is a very widespread phenomena.
260
740000
3000
E este é um fenômeno muito amplo.
12:47
Magnetic data storage --
261
743000
2000
Armazenamento de dados em formato magnético --
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
isto não segue a Lei de Moore, é encolhimento de pontos magneticos,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
engenheiros diferentes, companhias diferentes, e o mesmo processo exponencial.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
Uma revolução chave é que estamos entendendo nossa própria biologia
13:00
in these information terms.
265
756000
2000
nestes mesmos termos informacionais.
13:02
We're understanding the software programs
266
758000
2000
Estamos entendendo os programas de software
13:04
that make our body run.
267
760000
2000
que fazem nosso corpo funcionar.
13:06
These were evolved in very different times --
268
762000
2000
Eles se desenvolveram em épocas muito diferentes --
13:08
we'd like to actually change those programs.
269
764000
2000
Na verdade, gostaríamos de mudar estes programas.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
Um pequeno programa de software, chamado o gene receptor de insulina e gordura
13:12
basically says, "Hold onto every calorie,
271
768000
2000
basicamente diz, "Segure todas as calorias,
13:14
because the next hunting season may not work out so well."
272
770000
4000
porque a próxima temporada de caça pode não ser tão boa".
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
Isto servia ao interesse de nossa espécie há dezenas de milhares anos.
13:21
We'd like to actually turn that program off.
274
777000
3000
Nós gostaríamos de poder desligar este programa.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
Tentaram isto em animais, e os ratos comeram vorazmente
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
e se mantiveram magros e obtiveram os benefícios de saúde associados com continuarem a ser magros.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
Não tiveram diabetes, nem doenças cardíacas,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
viveram 20% a mais, obtiveram os benefícios da restrição calórica
13:35
without the restriction.
279
791000
2000
mas sem a restrição (de fato).
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
Quatro ou cinco companhias farmacêuticas notaram isto,
13:40
felt that would be
281
796000
3000
perceberam que seria
13:43
interesting drug for the human market,
282
799000
3000
uma ótima droga para o mercado,
13:46
and that's just one of the 30,000 genes
283
802000
2000
e este é apenas um dos 30.000 genes
13:48
that affect our biochemistry.
284
804000
3000
que afetam nossa bioquímica.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
Nós evoluímos numa era em que não era do interesse das pessoas
13:54
at the age of most people at this conference, like myself,
286
810000
3000
na idade da maioria nesta conferência, como eu mesmo,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
viver muito mais, porque estaríamos usando os recursos preciosos
14:01
which were better deployed towards the children
288
817000
1000
que seriam melhor aproveitados nas crianças
14:02
and those caring for them.
289
818000
2000
e naqueles cuidando delas.
14:04
So, life -- long lifespans --
290
820000
2000
Então, a vida -- vidas longas --
14:06
like, that is to say, much more than 30 --
291
822000
2000
como por exemplo, muito mais que 30 --
14:08
weren't selected for,
292
824000
3000
não eram favorecidas pela seleção,
14:11
but we are learning to actually manipulate
293
827000
3000
mas estamos aprendendo a manipular
14:14
and change these software programs
294
830000
2000
e mudar estes programas de software
14:16
through the biotechnology revolution.
295
832000
2000
usando a revolução biotecnológica.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
Por exemplo, hoje podemos inibir genes com interferência de RNA.
14:22
There are exciting new forms of gene therapy
297
838000
2000
Existem novas formas de terapias genéticas muito interessantes
14:24
that overcome the problem of placing the genetic material
298
840000
2000
que superam o problema de colocar o material genético
14:26
in the right place on the chromosome.
299
842000
2000
no lugar certo do cromossomo.
14:28
There's actually a -- for the first time now,
300
844000
3000
Na verdade existe -- pela primeira vez,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
alguma coisa sendo testada em humanos, que de fato cura hipertensão pulmonar --
14:34
a fatal disease -- using gene therapy.
302
850000
3000
uma doença fatal -- usando terapia genética.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
Portanto teremos não apenas bebês projetados, mas 'baby boomers' projetados.
14:40
And this technology is also accelerating.
304
856000
3000
E esta tecnologia também está acelerando.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
Custava 10 dólares por par de bases em 1990,
14:46
then a penny in 2000.
306
862000
2000
10 centavos em 2000.
14:48
It's now under a 10th of a cent.
307
864000
2000
Hoje custa um décimo de centavo.
14:50
The amount of genetic data --
308
866000
2000
A quantidade de dados genéticos --
14:52
basically this shows that smooth exponential growth
309
868000
3000
isto é -- isto mostra que o suave crescimento exponencial
14:55
doubled every year,
310
871000
2000
duplicou a cada ano,
14:57
enabling the genome project to be completed.
311
873000
3000
habilitando o Projeto Genoma ser completado.
15:00
Another major revolution: the communications revolution.
312
876000
3000
Outra grande revolução, a das comunicações.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
O desempenho do preço, largura de banda, a capacidade das comunicações medidas de formas diferentes;
15:08
wired, wireless is growing exponentially.
314
884000
3000
a cabo, wireless, estão crescendo exponencialmente.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
a internet têm duplicado em poder, e continua a se duplicar,
15:14
measured many different ways.
316
890000
2000
de acordo com medidas diferentes.
15:16
This is based on the number of hosts.
317
892000
2000
Isto é baseado no número de hosts.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
Miniaturização -- estamos encolhendo o tamanho da tecnologia
15:20
at an exponential rate,
319
896000
2000
numa taxa exponencial,
15:22
both wired and wireless.
320
898000
2000
tanto a cabo quando wireless.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
Estes são alguns projetos do livro de Eric Drexler --
15:28
which we're now showing are feasible
322
904000
2000
que estamos achando viáveis
15:30
with super-computing simulations,
323
906000
2000
com simulações de supercomputadores,
15:32
where actually there are scientists building
324
908000
2000
e existem cientistas construindo
15:34
molecule-scale robots.
325
910000
2000
robôs em escala molecular.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
Existe mesmo um que caminha com um balanço surpreendentemente humano,
15:38
that's built out of molecules.
327
914000
3000
que é construido a partir de moléculas.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
Existem máquinas muito pequenas fazendo coisas experimentais.
15:45
The most exciting opportunity
329
921000
3000
O que mais entusiasma
15:48
is actually to go inside the human body
330
924000
2000
é entrar no corpo humano
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
e executar funções terapêuticas e diagnósticas.
15:53
And this is less futuristic than it may sound.
332
929000
2000
E isto é menos futurismo do que pode soar a princípio.
15:55
These things have already been done in animals.
333
931000
2000
Estas coisas já foram feitas em animais.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
Existe um dispositivo feito com nanotecnologia que cura a diabete tipo 1. É feito para ser usado dentro das células.
16:01
They put tens of thousands of these
335
937000
2000
Colocam 10 mil deles
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
numa célula de sangue -- eles experimentaram em ratos --
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
e ele libera insulina de modo controlado,
16:07
and actually cures type 1 diabetes.
338
943000
2000
e cura a diabete tipo 1.
16:09
What you're watching is a design
339
945000
3000
O que vocês estão vendo é um projeto
16:12
of a robotic red blood cell,
340
948000
2000
de uma célula de sangue robótica,
16:14
and it does bring up the issue that our biology
341
950000
2000
e isto levanta a questão que a nossa biologia
16:16
is actually very sub-optimal,
342
952000
2000
é abaixo do que seria a condição ótima,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
mesmo que seja muito intrincada.
16:21
Once we understand its principles of operation,
344
957000
3000
Uma vez que entendamos seus princípios de operação,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
o ritmo no qual poderemos usar engenharia reversa nesta biologia está acelerando.
16:28
we can actually design these things to be
346
964000
2000
poderemos projetar coisas para serem
16:30
thousands of times more capable.
347
966000
2000
milhares de vezes mais capazes.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
Uma análise deste respirócito, projetado por Rob Freitas,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
indica que se você substituir 10% das suas células sanguíneas por estas versões robóticas,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
você poderia correr incrivelmente rápido por 15 minutos sem respirar.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
Você poderia sentar no chão de sua piscina por 4 horas --
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
-- então "Querida, estou na piscina" teria um significado totalmente novo.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
seria interessante ver o que poderíamos fazer nas eliminatórias olímpicas.
16:52
Presumably we'll ban them,
354
988000
2000
Provavelmente, iríamos bani-los,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
mas teríamos o fantasma de adolescentes em seus ginásios escolares
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
serem melhores que os atletas olímpicos cotidianamente.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas tem um projeto para um leucócito robótico.
17:04
These are 2020-circa scenarios,
358
1000000
4000
Estes são cenários para 2020,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
mas não são tão futuristas quanto parecem.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
Existem quatro grandes conferências sobre a construção de dispositivos para serem usados em de células de sangue
17:14
there are many experiments in animals.
361
1010000
2000
existem muitos experimentos em animais.
17:16
There's actually one going into human trial,
362
1012000
2000
Na verdade, existe um sendo testado em humanos,
17:18
so this is feasible technology.
363
1014000
3000
portanto estas são tecnologias viáveis.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
Se nós voltarmos ao nosso crescimento exponencial na computação,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1.000 dólares de computação está agora entre um cérebro de inseto e de um rato.
17:27
It will intersect human intelligence
366
1023000
3000
Isto vai intersectar com a inteligência humana
17:30
in terms of capacity in the 2020s,
367
1026000
3000
em termos de capacidade na década de 2020,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
mas esta é a parte da equação eu tem a ver com o hardware.
17:35
Where will we get the software?
369
1031000
2000
Mas de onde vamos conseguir o software?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
Bem, podemos ver dentro do cérebro humano,
17:39
and in fact not surprisingly,
371
1035000
2000
e, de fato, naturalmente,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
A resolução espacial e temporal do cérebro humano está dobrando a cada ano.
17:45
And with the new generation of scanning tools,
373
1041000
2000
E com a nova geração de ferramentas para escaneamento,
17:47
for the first time we can actually see
374
1043000
2000
pela primeira vez poderemos ver
17:49
individual inter-neural fibers
375
1045000
2000
fibras inter-neurais individuais
17:51
and see them processing and signaling in real time --
376
1047000
3000
e vê-las processando e sinalizando em tempo real
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
e -- mas então a questão é: "Ok, podemos pegar estes dados agora,
17:56
but can we understand it?
378
1052000
2000
mas poderemos entendê-los?"
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstadter se pergunta, "Bem, talvez a nossa inteligência
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
não seja capaz de compreender a nossa inteligência,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
e se fôssemos mais inteligentes, bem, então nossos cérebros seriam muito mais complicados,
18:07
and we'd never catch up to it.
382
1063000
2000
e nós nunca conseguiríamos acompanha-los."
18:10
It turns out that we can understand it.
383
1066000
3000
Mas nós podemos entendê-lo.
18:13
This is a block diagram of
384
1069000
3000
Este é um diagrama de blocos
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
de um modelo e simulação do cortex auditivo humano
18:20
that actually works quite well --
386
1076000
2000
que funciona bem o bastante --
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
nas aplicações de testes psicoacústicos, ele é muito semelhante à percepção auditiva humana.
18:26
There's another simulation of the cerebellum --
388
1082000
3000
Existe outra simulação do cerebelo --
18:29
that's more than half the neurons in the brain --
389
1085000
2000
que representa mais da metade dos neurônios do cérebro --
18:31
again, works very similarly to human skill formation.
390
1087000
3000
novamente, age de modo muito semelhante à habilidade humana.
18:35
This is at an early stage, but you can show
391
1091000
3000
Isto tudo está bem no começo, mas podemos mostrar
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
com o crescimento exponencial da quantidade de informação sobre o cérebro
18:41
and the exponential improvement
393
1097000
2000
e a melhoria exponencial
18:43
in the resolution of brain scanning,
394
1099000
2000
na resolução do escaneamento do cérebro,
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
que iremos ter sucesso na engenharia reversa do cérebro humano
18:48
by the 2020s.
396
1104000
2000
na década de 2020.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
Já temos modelos e simulações bem precisos de cerca de 15 regiões
18:53
out of the several hundred.
398
1109000
3000
das muitas centenas.
18:56
All of this is driving
399
1112000
2000
Mas tudo isto é exponencial --
18:58
exponentially growing economic progress.
400
1114000
2000
progresso econômico de crescimento exponencial.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
A produtividade passou de 30 dólares para 150 por hora
19:05
of labor in the last 50 years.
402
1121000
2000
de trabalho nos últimos 50 anos.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
O comércio eletrônico têm crescido exponencialmente. Está agora nos trilhões de dólares.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
Você pode estar pensando, bem, será que não foi um boom e um fiasco?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
Isso foi um fenômeno estritamente do mercado de capitais.♪
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
A Wall Street notou que isso era uma tecnologia revolucionária, e de fato era,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
mas seis meses depois, quando já tinha revolucionado todos os modelos de negócios,
19:21
they figured, well, that was wrong,
408
1137000
2000
eles pensaram, "Bem, está tudo errado."
19:23
and then we had this bust.
409
1139000
2000
e então tivemos o fiasco.
19:26
All right, this is a technology
410
1142000
2000
Tudo bem, esta é uma tecnologia
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
que construímos usando algumas tecnologias nas quais estamos envolvidos.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
Isto será uma rotina para os telefones celulares.
19:35
It would be able to translate from one language to another.
413
1151000
2000
Ela será capaz de traduzir de uma língua para outra.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
Vou apenas terminar com alguns cenários.
19:49
By 2010 computers will disappear.
415
1165000
3000
Lá para 2010 os computadores vão desaparecer.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
Eles serão tão pequenos, que estarão incorporados às nossas roupas e ao nosso ambiente.
19:56
Images will be written directly to our retina,
417
1172000
2000
Imagens serão escritas diretamente na sua retina,
19:58
providing full-immersion virtual reality,
418
1174000
2000
fornecendo imersão total em realidade virtual,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
realidade aumentada real. Iremos interagir com personalidades virtuais.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
Mas se chegarmos a 2029, teremos toda a maturidade destas tendências,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
e você irá apreciar quantas voltas o parafuso terá dado
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
em termos de gerações tecnológicas que estão se desenvolvendo cada vez mais rápido e que teremos a esta altura.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
Teremos 2 elevado a 25 de melhoria
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
no desempenho de preço, capacidade e largura de banda
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
destas tecnologias, o que é fenomenal.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
Será milhões de vezes mais poderoso que é hoje.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
Teremos completado a engenharia reversa do cérebro humano,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
1.000 dólares de computação serão muito mais poderosos
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
que o cérebro humano em termos de capacidade bruta.
20:34
Computers will combine
430
1210000
2000
Os computadores combinarão
20:36
the subtle pan-recognition powers
431
1212000
2000
os poderes de reconhecimento sutís
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
da inteligência humana de formas que as máquinas já são superiores,
20:41
in terms of doing analytic thinking,
433
1217000
2000
em termos de pensamento analítico,
20:43
remembering billions of facts accurately.
434
1219000
2000
lembrando bilhões de fatos com precisão.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
As máquinas podem compartilhar seu conhecimento muito rapidamente.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
Mas não será simplesmente uma invasão de máquinas inteligentes.
20:52
We are going to merge with our technology.
437
1228000
2000
Nós iremos nos mesclar com nossa tecnologia.
20:54
These nano-bots I mentioned
438
1230000
2000
Estes nano-robôs que mencionei
20:56
will first be used for medical and health applications:
439
1232000
4000
serão usados primeiro para aplicações médicas e de saúde:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
limpar o meio-ambiente, fornecer células de combustível poderosas
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
e painéis solares distribuídos de forma descentralizada no ambiente.
21:08
But they'll also go inside our brain,
442
1244000
2000
Mas os nano-robôs também entrarão em nosso cérebro,
21:10
interact with our biological neurons.
443
1246000
2000
e vão interagir com os neurônios biológicos.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
Nós demonstramos os princípios chave que nos possibilitarão a fazer tudo isto.
21:15
So, for example,
445
1251000
2000
Por exemplo,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
realidade virtual com imersão total de dentro do sistema nervoso,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
os nano-bots desligam os sinais vindo dos nossos sentidos,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
e substituem pelos sinais que seu cérebro receberia
21:25
if you were in the virtual environment,
449
1261000
2000
se você estivesse em um ambiente virtual,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
E você sentiria tudo como se estivesse neste ambiente virtual.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
Você pode estar com pessoas, e ter qualquer tipo de experiência
21:31
with anyone involving all of the senses.
452
1267000
2000
com qualquer um, envolvendo os sentidos.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
Eu os chamo de "raios da experiência" colocação seu fluxo de experiências sensoriais
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
nos equivalentes neurológicos de suas emoções na internet.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
Você pode conectar e vivenciar como é ser outra pessoa.
21:43
But most importantly,
456
1279000
2000
Mas, o mais importante,
21:45
it'll be a tremendous expansion
457
1281000
2000
Será uma tremenda expansão
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
da inteligência humana através desta mescla com nossa tecnologia,
21:51
which in some sense we're doing already.
459
1287000
2000
que, de certa forma, já estamos experimentando.
21:53
We routinely do intellectual feats
460
1289000
2000
Nós fazemos coisas cotidianamente
21:55
that would be impossible without our technology.
461
1291000
2000
que seriam impossíveis sem a nossa tecnologia.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
A expectativa de vida está se expandindo. Era de 37 anos em 1800,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
e com este tipo de tecnologia, revoluções nano-tecnológicas,
22:05
this will move up very rapidly
464
1301000
2000
ela vai subir rapidamente
22:07
in the years ahead.
465
1303000
2000
nos próximos anos.
22:09
My main message is that progress in technology
466
1305000
4000
Minha principal mensagem é que o progresso na tecnologia
22:13
is exponential, not linear.
467
1309000
3000
é exponencial e não linear.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
Muitos - mesmo os cientistas -- pensam num modelo linear,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
então dizem, "oh, serão centenas de anos
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
antes que tenhamos uma montagem nano-tecnológica auto-replicadora
22:25
or artificial intelligence."
471
1321000
2000
ou inteligência artificial."
22:27
If you really look at the power of exponential growth,
472
1323000
3000
Se você olha para o poder do crescimento exponencial,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
Verá que estas coisas estarão à disposição em pouco tempo.
22:33
And information technology is increasingly encompassing
474
1329000
3000
E a tecnologia da informação está absorvendo cada mais aspectos
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
das nossas vidas, desde nossa música até nossa produção
22:40
to our biology to our energy to materials.
476
1336000
4000
até a nossa biologia, nossa energia, nossos materiais.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
Seremos capazes de produzir praticamente tudo o que desejarmos na década de 2020,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
desde informação, usando materiais brutos muito baratos,
22:49
using nano-technology.
479
1345000
3000
usando nano-tecnologia.
22:52
These are very powerful technologies.
480
1348000
2000
Estas são tecnologias poderosas.
22:54
They both empower our promise and our peril.
481
1350000
4000
Elas viabilizam tanto nossas esperanças quanto nossos temores.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
Portanto temos que ter a disposição de aplica-las aos problemas certos.
23:01
Thank you very much.
483
1357000
1000
Muito obrigado.
23:02
(Applause)
484
1358000
1000
(Aplausos)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com