TED2009
Juan Enriquez: The next species of human
Juan Enriquez: Perspetivas científicas estonteantes
Filmed:
Readability: 3.4
3,584,967 views
Na altura em que os megabancos vão à falência, Juan Enriquez afirma que o grande reinício ainda não chegou. Mas não o procuremos no boletim de voto nem na Bolsa. Ele virá dos laboratórios científicos, e dar-nos-á um corpo e um espirito mais aptos. os nossos filhos vão ser... diferentes.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:12
There's a great big elephant in the room called the economy.
0
0
3000
Há um grande elefante branco
na sala, chamado economia.
na sala, chamado economia.
00:16
So let's start talking about that.
1
4000
2000
Portanto, comecemos por falar nisso.
00:18
I wanted to give you a current picture of the economy.
2
6000
3000
Queria dar-vos uma imagem
atual da economia.
atual da economia.
00:21
That's what I have behind myself.
3
9000
3000
É o que está por detrás de mim.
00:24
(Laughter)
4
12000
3000
(Risos)
Temos de nos lembrar disto:
00:27
But of course what we have to remember is this.
5
15000
3000
[Para gerir crises
temos que olhar a longo prazo
temos que olhar a longo prazo
00:30
And what you have to think about is,
6
18000
3000
[enquanto dançamos sobre brasas.]
Em que é que temos que pensar
quando dançamos sobre brasas?
quando dançamos sobre brasas?
00:33
when you're dancing in the flames, what's next?
7
21000
3000
Nos próximos 17 minutos e meio
00:36
So what I'm going to try to do in the next 17 and a half minutes
8
24000
3000
vou tentar falar primeiro sobre as chamas
00:39
is I'm going to talk first about the flames --
9
27000
2000
00:41
where we are in the economy --
10
29000
2000
— que é onde estamos na economia —
00:43
and then I'm going to take three trends
11
31000
2000
e depois vou agarrar em três tendências
00:45
that have taken place at TED over the last 25 years
12
33000
3000
que têm surgido no TED nos últimos 25 anos
00:48
and that will take place in this conference
13
36000
2000
e que surgirão nesta conferência
00:50
and I will try and bring them together.
14
38000
3000
e vou tentar juntá-las.
00:53
And I will try and give you a sense of what the ultimate reboot looks like.
15
41000
4000
Vou tentar dar-vos uma ideia
do que será o derradeiro reinício.
do que será o derradeiro reinício.
00:57
Those three trends are
16
45000
2000
Essas três tendências são:
00:59
the ability to engineer cells,
17
47000
2000
a capacidade de fabricar células,
01:01
the ability to engineer tissues,
18
49000
2000
a capacidade de fabricar tecidos
01:03
and robots.
19
51000
2000
e os robôs.
01:05
And somehow it will all make sense.
20
53000
2000
De certo modo, tudo fará sentido.
01:07
But anyway, let's start with the economy.
21
55000
3000
Vamos começar pela economia.
Ainda há problemas deveras grandes.
01:10
There's a couple of really big problems that are still sitting there.
22
58000
3000
Um deles é o efeito de alavanca financeira
01:13
One is leverage.
23
61000
2000
O problema com este efeito de alavanca
01:15
And the problem with leverage is
24
63000
2000
é que faz com que o sistema financeiro
dos EUA seja parecido com isto.
dos EUA seja parecido com isto.
01:17
it makes the U.S. financial system look like this.
25
65000
3000
(Risos)
01:20
(Laughter)
26
68000
3000
Um banco comercial normal
tem uma alavanca financeira
tem uma alavanca financeira
01:27
So, a normal commercial bank has nine to 10 times leverage.
27
75000
3000
de 9 a 10 vezes.
01:30
That means for every dollar you deposit, it loans out about nine or 10.
28
78000
3000
Por cada dólar que depositamos,
empresta cerca de 9 ou 10.
empresta cerca de 9 ou 10.
01:33
A normal investment bank is not a deposit bank,
29
81000
3000
Um banco de investimentos normal
não é um banco de depósitos,
não é um banco de depósitos,
01:36
it's an investment bank;
30
84000
2000
é um banco de investimentos.
Tem uma alavanca financeira
de 15 a 20 vezes.
de 15 a 20 vezes.
01:38
it has 15 to 20 times.
31
86000
2000
01:40
It turns out that B of A in September had 32 times.
32
88000
3000
O Banco da América, em setembro,
tinha uma alavanca de 32 vezes.
tinha uma alavanca de 32 vezes.
01:43
And your friendly Citibank had 47 times.
33
91000
3000
E o nosso amigo Citibank
uma alavanca de 47 vezes.
uma alavanca de 47 vezes.
01:46
Oops.
34
94000
2000
Ops!
01:48
That means every bad loan goes bad 47 times over.
35
96000
4000
Isso significa que cada mau empréstimo
é 47 vezes pior.
é 47 vezes pior.
01:52
And that, of course, is the reason why all of you
36
100000
3000
É por isso que todos nós
01:55
are making such generous and wonderful donations
37
103000
3000
estamos a fazer doações
tão generosas e fantásticas
tão generosas e fantásticas
01:58
to these nice folks.
38
106000
2000
a estes tipos porreiros.
[AIG, Citibank, GM & Chrysler, Fannie Mae
Banco da América e muitos outros...]
Banco da América e muitos outros...]
02:03
And as you think about that,
39
111000
2000
Quando pensamos nisso,
02:05
you've got to wonder: so what do banks have in store for you now?
40
113000
3000
pomo-nos a pensar:
o que é que os bancos têm agora na manga?
o que é que os bancos têm agora na manga?
Moore — Goode — Dick
[Mais Bons Otários]
[Mais Bons Otários]
(Risos)
02:11
(Laughter)
41
119000
3000
02:20
It ain't pretty.
42
128000
2000
Não é nada bonito.
02:23
The government, meanwhile, has been acting like Santa Claus.
43
131000
4000
Entretanto, o governo atua
como o Pai Natal.
como o Pai Natal.
02:27
We all love Santa Claus, right?
44
135000
3000
Todos gostamos do Pai Natal, não é?
02:30
But the problem with Santa Clause is,
45
138000
3000
O problema com o Pai Natal é que,
quando olhamos as despesas obrigatórias
que esta gente tem vindo a fazer
que esta gente tem vindo a fazer
02:33
if you look at the mandatory spending of what these folks have been doing
46
141000
3000
02:36
and promising folks,
47
144000
2000
e a prometer às pessoas,
acontece que, em 1967,
essas despesas obrigatórias eram 38%,
essas despesas obrigatórias eram 38%,
02:38
it turned out that in 1967, 38 percent was mandatory spending
48
146000
5000
02:43
on what we call "entitlements."
49
151000
3000
— chamamos-lhes direitos adquiridos —
02:46
And then by 2007 it was 68 percent.
50
154000
3000
e em 2007, elevavam-se a 68% do orçamento.
02:49
And we weren't supposed to run into 100 percent until about 2030.
51
157000
4000
E só deviam chegar aos 100%
por volta de 2030.
por volta de 2030.
02:54
Except we've been so busy giving away a trillion here, a trillion there,
52
162000
3000
Só que andámos tão atarefados
a dar um bilião aqui, um bilião ali,
a dar um bilião aqui, um bilião ali,
02:57
that we've brought that date of reckoning forward
53
165000
3000
que fizemos recuar a data
do juízo final para 2017.
do juízo final para 2017.
03:00
to about 2017.
54
168000
3000
Pensávamos poder atirar
essa dívida para os nossos filhos.
essa dívida para os nossos filhos.
03:03
And we thought we were going to be able to lay these debts off on our kids,
55
171000
3000
Pois bem, sabem uma coisa?
03:06
but, guess what?
56
174000
2000
Vamos ter que começar a pagá-la.
03:08
We're going to start to pay them.
57
176000
2000
O problema, agora que temos
que pagar a fatura,
que pagar a fatura,
03:10
And the problem with this stuff is, now that the bill's come due,
58
178000
2000
03:12
it turns out Santa isn't quite as cute when it's summertime.
59
180000
4000
é que o Pai Natal
não é lá muito simpático no verão.
não é lá muito simpático no verão.
03:16
Right?
60
184000
2000
Pois não?
03:18
(Laughter)
61
186000
3000
(Risos)
03:30
Here's some advice from one of the largest investors in the United States.
62
198000
4000
Este é um conselho de um
dos maiores investidores nos EUA
dos maiores investidores nos EUA
03:34
This guy runs the China Investment Corporation.
63
202000
3000
Este sujeito dirige
a China Investment Corporation.
a China Investment Corporation.
03:37
He is the main buyer of U.S. Treasury bonds.
64
205000
3000
É o principal comprador
de títulos do Tesouro dos EUA.
de títulos do Tesouro dos EUA.
03:40
And he gave an interview in December.
65
208000
3000
Deu uma entrevista em dezembro.
Este é o primeiro pedaço de conselho.
03:43
Here's his first bit of advice.
66
211000
2000
[Sejam amáveis com os países
que vos emprestam dinheiro]
que vos emprestam dinheiro]
03:45
And here's his second bit of advice.
67
213000
3000
E este é mais um pedaço.
[Gostávamos de vos ajudar...
se for sustentável]
se for sustentável]
03:50
And, by the way,
68
218000
2000
A propósito, o primeiro-ministro chinês
reafirmou isto em Davos, domingo passado.
reafirmou isto em Davos, domingo passado.
03:52
the Chinese Prime Minister reiterated this at Davos last Sunday.
69
220000
3000
As coisas estão a complicar-se.
03:55
This stuff is getting serious enough
70
223000
2000
03:57
that if we don't start paying attention to the deficit,
71
225000
2000
Se não começarmos
a prestar atenção ao défice,
a prestar atenção ao défice,
03:59
we're going to end up losing the dollar.
72
227000
3000
vamos acabar por perder o dólar.
04:02
And then all bets are off.
73
230000
3000
E aí fica tudo em jogo.
04:05
Let me show you what it looks like.
74
233000
3000
Vou mostrar o que poderá ser.
04:08
I think I can safely say
75
236000
2000
Acho que posso dizer com segurança
04:10
that I'm the only trillionaire in this room.
76
238000
3000
que sou o único bilionário nesta sala.
04:14
This is an actual bill.
77
242000
2000
Esta é uma nota real,
04:16
And it's 10 triliion dollars.
78
244000
3000
no valor de 10 biliões de dólares.
04:19
The only problem with this bill is it's not really worth very much.
79
247000
3000
O problema com esta nota
é que na realidade não vale muito.
é que na realidade não vale muito.
04:22
That was eight bucks last week, four bucks this week,
80
250000
3000
Valia oito dólares na semana passada,
quatro dólares esta semana,
quatro dólares esta semana,
04:25
a buck next week.
81
253000
2000
um dólar na próxima semana.
04:27
And that's what happens to currencies when you don't stand behind them.
82
255000
4000
É o que acontece às divisas
quando não as sustentamos.
quando não as sustentamos.
04:32
So the next time somebody as cute as this shows up on your doorstep,
83
260000
5000
Por isso, quando bater à vossa porta
um tipo assim simpático,
um tipo assim simpático,
04:37
and sometimes this creature's called Chrysler and sometimes Ford and sometimes ... whatever you want --
84
265000
7000
por vezes chamado Chrysler,
por vezes Ford... o que quer que seja,
por vezes Ford... o que quer que seja,
04:44
you've just got to say no.
85
272000
2000
só têm que dizer que não.
04:46
And you've got to start banishing a word that's called "entitlement."
86
274000
4000
E têm que começar a banir
as palavras "direitos adquiridos".
as palavras "direitos adquiridos".
04:50
And the reason we have to do that in the short term
87
278000
3000
Temos que fazer isso
no curto prazo
no curto prazo
04:53
is because we have just run out of cash.
88
281000
3000
porque já não temos mais dinheiro.
04:56
If you look at the federal budget, this is what it looks like.
89
284000
3000
Se olharem para o orçamento federal,
é este o aspeto que ele tem.
é este o aspeto que ele tem.
04:59
The orange slice is what's discretionary.
90
287000
3000
A fatia laranja
são as despesas discricionárias.
são as despesas discricionárias.
05:02
Everything else is mandated.
91
290000
2000
Tudo o resto é obrigatório.
Não fará diferença se cortarmos as pontes
para o Alasca no esquema geral das coisas.
para o Alasca no esquema geral das coisas.
05:05
It makes no difference if we cut out the bridges to Alaska in the overall scheme of things.
92
293000
3000
05:08
So what we have to start thinking about doing
93
296000
3000
Portanto, temos que começar a pensar
05:11
is capping our medical spending
94
299000
2000
em limitar as nossas
despesas de saúde [21%]
despesas de saúde [21%]
05:13
because that's a monster that's simply going to eat the entire budget.
95
301000
3000
porque são um monstro que vai
comer todo o orçamento.
comer todo o orçamento.
05:16
We've got to start thinking about asking people
96
304000
3000
Temos que pedir às pessoas
05:19
to retire a little bit later.
97
307000
2000
que se reformem
um pouco mais tarde [21%]
um pouco mais tarde [21%]
Se estivermos entre os 60 e 65 anos,
05:22
If you're 60 to 65 you retire on time.
98
310000
3000
podemos reformar-nos como previsto.
05:25
Your 401(k) just got nailed.
99
313000
2000
Se estivermos entre os 50 e os 60 anos,
vão pedir que trabalhemos mais dois anos,
vão pedir que trabalhemos mais dois anos,
05:27
If you're 50 to 60 we want you to work two years more.
100
315000
3000
05:30
If you're under 50 we want you to work four more years.
101
318000
3000
Se tivermos menos de 50 anos,
teremos que trabalhar mais quatro anos.
teremos que trabalhar mais quatro anos.
05:33
The reason why that's reasonable is,
102
321000
3000
É bastante razoável porque,
quando os nossos avós beneficiaram
da Segurança Social,
da Segurança Social,
05:36
when your grandparents were given Social Security,
103
324000
2000
05:38
they got it at 65 and were expected to check out at 68.
104
326000
3000
recebiam-na aos 65 anos,
e a esperança de vida era de 68 anos.
e a esperança de vida era de 68 anos.
05:41
Sixty-eight is young today.
105
329000
3000
Aos 68 anos, hoje, somos novos.
05:44
We've also got to cut the military about three percent a year.
106
332000
4000
Também temos que cortar
as despesas militares em cerca de 3%.
as despesas militares em cerca de 3%.
05:48
We've got to limit other mandatory spending.
107
336000
2000
Temos que reduzir
outras despesas obrigatórias.
outras despesas obrigatórias.
05:50
We've got to quit borrowing as much,
108
338000
3000
Temos que abdicar o mais possível
de empréstimos,
de empréstimos,
05:53
because otherwise the interest is going to eat that whole pie.
109
341000
3000
caso contrário, os juros
vão comer a tarte toda.
vão comer a tarte toda.
05:56
And we've got to end up with a smaller government.
110
344000
2000
Temos que ter um governo mais pequeno.
05:58
And if we don't start changing this trend line,
111
346000
3000
Se não começarmos
a alterar esta tendência,
a alterar esta tendência,
vamos perder o dólar
06:01
we are going to lose the dollar
112
349000
2000
e vamos ficar como a Islândia.
06:03
and start to look like Iceland.
113
351000
2000
06:05
I got what you're thinking.
114
353000
3000
Sei o que estão a pensar:
06:08
This is going to happen when hell freezes over.
115
356000
4000
"Isto vai acontecer
quando o inferno congelar".
quando o inferno congelar".
06:13
But let me remind you this December it did snow in Vegas.
116
361000
3000
Mas lembro-vos que este dezembro
nevou em Las Vegas.
nevou em Las Vegas.
(Risos)
06:18
(Laughter)
117
366000
3000
06:23
Here's what happens if you don't address this stuff.
118
371000
3000
Isto é o que acontecerá
se não tratarmos deste problema.
se não tratarmos deste problema.
06:26
So, Japan had a fiscal real estate crisis
119
374000
3000
O Japão teve uma crise
imobiliária e fiscal
imobiliária e fiscal
06:29
back in the late '80s.
120
377000
2000
no final dos anos 80.
06:31
And its 225 largest companies today
121
379000
3000
As suas 225 maiores empresas
06:34
are worth one quarter of what they were 18 years ago.
122
382000
3000
valem hoje um quarto
do que valiam há 18 anos.
do que valiam há 18 anos.
06:37
We don't fix this now,
123
385000
2000
Se não tratarmos disto já,
06:39
how would you like to see a Dow 3,500 in 2026?
124
387000
3000
que diriam ver um Dow a 3500 em 2026?
06:42
Because that's the consequence of not dealing with this stuff.
125
390000
3000
Porque esta é a consequência
de não ligarmos a este problema.
de não ligarmos a este problema.
06:45
And unless you want this person
126
393000
3000
A não ser que queiram que esta pessoa
06:48
to not just become the CFO of Florida, but the United States,
127
396000
3000
venha a ser o responsável financeiro
não só da Flórida, mas dos EUA.
não só da Flórida, mas dos EUA.
06:51
we'd better deal with this stuff.
128
399000
3000
é melhor tratarmos deste problema.
06:54
That's the short term. That's the flame part.
129
402000
3000
Isto a curto prazo. É a parte das brasas.
06:57
That's the financial crisis.
130
405000
2000
É a crise financeira.
Por detrás da crise financeira,
há uma segunda vaga, ainda maior
há uma segunda vaga, ainda maior
06:59
Now, right behind the financial crisis there's a second and bigger wave
131
407000
4000
de que precisamos falar.
07:03
that we need to talk about.
132
411000
1000
Esta vaga é muito maior,
muito mais poderosa,
muito mais poderosa,
07:04
That wave is much larger, much more powerful,
133
412000
2000
e é, claro, a vaga da tecnologia.
07:06
and that's of course the wave of technology.
134
414000
3000
O que é realmente importante nesta matéria
07:09
And what's really important in this stuff is,
135
417000
2000
é que, enquanto fazemos cortes,
também temos que crescer.
também temos que crescer.
07:11
as we cut, we also have to grow.
136
419000
2000
07:13
Among other things, because startup companies
137
421000
3000
Entre outras coisas, as empresas "startup"
07:16
are .02 percent of U.S. GDP investmentm
138
424000
2000
que representam 0,2% do investimento
do PIB dos EUA,
do PIB dos EUA,
07:18
and they're about 17.8 percent of output.
139
426000
3000
e realizam 17,8% de resultados.
07:23
It's groups like that in this room that generate the future of the U.S. economy.
140
431000
3000
As pessoas como as desta sala que criam
o futuro da economia norte-americana.
o futuro da economia norte-americana.
07:26
And that's what we've got to keep growing.
141
434000
2000
São elas que nos farão crescer.
07:28
We don't have to keep growing these bridges to nowhere.
142
436000
3000
em vez de aumentar as pontes
que não levam a parte alguma.
que não levam a parte alguma.
07:32
So let's bring a romance novelist into this conversation.
143
440000
4000
Então, vamos introduzir um romancista
nesta conversa.
nesta conversa.
[Chegará o tempo em que julgarão
que tudo acabou.
que tudo acabou.
[Esse será o início...
— Louis L'Amour]
— Louis L'Amour]
07:38
And that's where these three trends come together.
144
446000
5000
Eis como as três tendências se juntam:
07:43
That's where the ability to engineer microbes,
145
451000
3000
a capacidade de criar micróbios
a capacidade de criar tecidos
07:46
the ability to engineer tissues,
146
454000
2000
e a capacidade de criar robôs
07:48
and the ability to engineer robots
147
456000
2000
começam a apontar para um reinício.
07:50
begin to lead to a reboot.
148
458000
2000
Vou recapitular
algumas das coisas que viram.
algumas das coisas que viram.
07:52
And let me recap some of the stuff you've seen.
149
460000
2000
Craig Venter mostrou, no ano passado,
07:54
Craig Venter showed up last year
150
462000
2000
a primeira célula totalmente programável
que age como "hardware"
que age como "hardware"
07:56
and showed you the first fully programmable cell that acts like hardware
151
464000
2000
07:58
where you can insert DNA and have it boot up as a different species.
152
466000
3000
em que podemos introduzir ADN
e ela inicializa-se
como uma espécie diferente.
como uma espécie diferente.
08:01
In parallel, the folks at MIT
153
469000
3000
Em paralelo, os tipos do MIT
08:04
have been building a standard registry of biological parts.
154
472000
3000
construíram um registo padrão
de peças biológicas.
de peças biológicas.
08:07
So think of it as a Radio Shack for biology.
155
475000
3000
Uma espécie de IKEA da biologia.
08:10
You can go out and get your proteins, your RNA, your DNA, whatever.
156
478000
3000
Agarramos nas nossas proteínas,
no ARN, no ADN, no que quisermos
no ARN, no ADN, no que quisermos
08:13
And start building stuff.
157
481000
3000
e começamos a construir coisas.
Em 2006, reuniram estudantes do liceu
e universitários
e universitários
08:16
In 2006 they brought together high school students and college students
158
484000
3000
08:19
and started to build these little odd creatures.
159
487000
2000
e começaram a construir
estas criaturinhas esquisitas.
estas criaturinhas esquisitas.
08:21
They just happened to be alive instead of circuit boards.
160
489000
3000
Acontece que elas eram vivas
em vez de placas de circuitos.
em vez de placas de circuitos.
08:24
Here was one of the first things they built.
161
492000
3000
Esta foi uma das primeiras coisas
que construíram.
que construíram.
08:27
So, cells have this cycle.
162
495000
2000
As células têm este ciclo.
08:29
First they don't grow.
163
497000
2000
Primeiro não crescem.
Depois, crescem exponencialmente.
Depois, crescem exponencialmente.
08:31
Then they grow exponentially.
164
499000
2000
Depois, deixam de crescer.
08:33
Then they stop growing.
165
501000
2000
Os estudantes queriam saber
em que fase elas estavam.
em que fase elas estavam.
08:35
Graduate students wanted a way of telling which stage they were in.
166
503000
3000
08:38
So they engineered these cells
167
506000
2000
Por isso, modificaram estas células
para que, quando estivessem
na fase de crescimento exponencial,
na fase de crescimento exponencial,
08:40
so that when they're growing in the exponential phase,
168
508000
2000
08:42
they would smell like wintergreen.
169
510000
2000
cheirassem a folhas verdes
08:44
And when they stopped growing they would smell like bananas.
170
512000
3000
e quando deixassem de crescer
cheirassem a banana.
cheirassem a banana.
08:47
And you could tell very easily when your experiment was working
171
515000
3000
Dessa forma, era fácil
saber-se se a experiência funcionava
saber-se se a experiência funcionava
08:50
and wasn't, and where it was in the phase.
172
518000
3000
ou não, e em que fase estava.
08:53
This got a bit more complicated two years later.
173
521000
3000
As coisas complicaram-se
dois anos depois.
dois anos depois.
Juntaram-se 21 países.
Dúzias de equipas.
Dúzias de equipas.
08:56
Twenty-one countries came together. Dozens of teams.
174
524000
2000
08:58
They started competing.
175
526000
2000
Começaram a competir.
A equipa da Universidade Rice
modificou a substância do vinho tinto
modificou a substância do vinho tinto
09:00
The team from Rice University started to engineer the substance in red wine
176
528000
5000
09:05
that makes red wine good for you
177
533000
2000
que faz com que o vinho tinto
seja bom para a saúde,
seja bom para a saúde,
09:07
into beer.
178
535000
2000
transformando-o em cerveja.
09:10
So you take resveratrol and you put it into beer.
179
538000
4000
(Risos)
Agarramos no resveratrol
e colocamo-lo na cerveja.
e colocamo-lo na cerveja.
09:14
Of course, one of the judges is wandering by, and he goes,
180
542000
3000
Um dos juízes passa por ali e diz:
09:17
"Wow! Cancer-fighting beer! There is a God."
181
545000
4000
"Uau! Uma cerveja contra o cancro!
Afinal, Deus existe!"
Afinal, Deus existe!"
09:21
(Laughter)
182
549000
3000
(Risos)
09:24
The team from Taiwan was a little bit more ambitious.
183
552000
3000
A equipa de Taiwan
foi um pouco mais ambiciosa.
foi um pouco mais ambiciosa.
09:27
They tried to engineer bacterias in such a way
184
555000
3000
Tentaram modificar bactérias
de tal modo
de tal modo
09:30
that they would act as your kidneys.
185
558000
3000
que funcionassem como os rins.
09:33
Four years ago, I showed you this picture.
186
561000
3000
Há quatro anos, mostrei-vos esta imagem.
09:36
And people oohed and ahhed,
187
564000
2000
As pessoas disseram "Oh!" e "Ah!"
09:38
because Cliff Tabin had been able to grow an extra wing on a chicken.
188
566000
3000
porque Cliff Tabin conseguira fazer
crescer uma asa extra num frango.
crescer uma asa extra num frango.
09:41
And that was very cool stuff back then.
189
569000
3000
Nessa altura,
foi uma coisa extraordinária.
foi uma coisa extraordinária.
09:44
But now moving from bacterial engineering to tissue engineering,
190
572000
3000
Mas, passando da engenharia de bactérias
para a engenharia de tecidos,
para a engenharia de tecidos,
09:47
let me show you what's happened in that period of time.
191
575000
3000
vou mostrar o que tem acontecido
desde então.
desde então.
09:50
Two years ago, you saw this creature.
192
578000
3000
Há dois anos, viram esta criatura.
09:53
An almost-extinct animal from Xochimilco, Mexico
193
581000
3000
Um animal quase extinto,
de Xochimilco, no México,
de Xochimilco, no México,
09:56
called an axolotl
194
584000
2000
chamado axolotle
09:58
that can re-generate its limbs.
195
586000
2000
que consegue regenerar os membros.
10:00
You can freeze half its heart. It regrows.
196
588000
2000
Congelamos metade do coração.
Ele regenera.
Ele regenera.
10:02
You can freeze half the brain. It regrows.
197
590000
2000
Congelamos metade do cérebro.
Ele regenera.
Ele regenera.
10:04
It's almost like leaving Congress.
198
592000
2000
É quase como sair do Congresso.
10:06
(Laughter)
199
594000
3000
(Risos)
10:12
But now, you don't have to have the animal itself to regenerate,
200
600000
3000
Mas agora já não é preciso
que o animal se regenere,
que o animal se regenere,
10:15
because you can build cloned mice molars in Petri dishes.
201
603000
5000
porque podemos criar clones de molares
de ratos em placas de Petri.
de ratos em placas de Petri.
10:21
And, of course if you can build mice molars in Petri dishes,
202
609000
4000
E, claro, se conseguimos criar
molares clonados de ratos,
molares clonados de ratos,
10:25
you can grow human molars in Petri dishes.
203
613000
3000
podemos criar molares humanos
em placas de Petri.
em placas de Petri.
10:28
This should not surprise you, right?
204
616000
2000
Isto não vos devia surpreender, pois não?
10:30
I mean, you're born with no teeth.
205
618000
2000
Nascemos sem dentes,
10:32
You give away all your teeth to the tooth fairy.
206
620000
3000
damos todos os dentes de leite
à Fada dos Dentes
à Fada dos Dentes
10:35
You re-grow a set of teeth.
207
623000
2000
e nascem novos dentes.
10:37
But then if you lose one of those second set of teeth, they don't regrow,
208
625000
3000
Mas, se perdermos esses segundos dentes,
eles não voltam a nascer.
eles não voltam a nascer.
10:40
unless, if you're a lawyer.
209
628000
2000
a não ser que sejamos advogados.
10:42
(Laughter)
210
630000
4000
(Risos)
10:46
But, of course, for most of us,
211
634000
3000
Mas muitos de nós
10:49
we know how to grow teeth, and therefore we can take adult stem teeth,
212
637000
3000
sabemos fazer crescer dentes
a partir de células estaminais adultas
a partir de células estaminais adultas
10:52
put them on a biodegradable mold, re-grow a tooth,
213
640000
3000
colocamo-las num molde biodegradável,
fazemos crescer um dente
fazemos crescer um dente
10:55
and simply implant it.
214
643000
1000
e implantamo-lo.
10:56
And we can do it with other things.
215
644000
3000
Podemos fazer o mesmo com outras coisas.
10:59
So, a Spanish woman who was dying of T.B. had a donor trachea,
216
647000
5000
Uma mulher espanhola
estava a morrer de tuberculose.
estava a morrer de tuberculose.
Retiraram todas as células
da traqueia de um doador
da traqueia de um doador
11:04
they took all the cells off the trachea,
217
652000
2000
11:06
they spraypainted her stem cells onto that cartilage.
218
654000
3000
pulverizaram a cartilagem
com células estaminais dela.
com células estaminais dela.
11:09
She regrew her own trachea,
219
657000
2000
A traqueia regenerou,
11:11
and 72 hours later it was implanted.
220
659000
3000
e 72 horas depois, implantaram-lha.
11:14
She's now running around with her kids.
221
662000
2000
Ela agora anda a passear com os filhos.
11:16
This is going on in Tony Atala's lab in Wake Forest
222
664000
3000
Isto passa-se no laboratório de Tony Atala,
em Wake Forest,
em Wake Forest,
11:19
where he is re-growing ears for injured soldiers,
223
667000
3000
onde ele reconstrói orelhas
para soldados estropiados,
para soldados estropiados,
11:22
and he's also re-growing bladders.
224
670000
4000
e também está a recriar bexigas.
11:26
So there are now nine women walking around Boston
225
674000
3000
Há hoje nove mulheres a passear por Boston
11:29
with re-grown bladders,
226
677000
2000
com bexigas recriadas,
o que é muito mais agradável do que andar
com um monte de sacos de plástico
com um monte de sacos de plástico
11:31
which is much more pleasant than walking around with a whole bunch of plastic bags
227
679000
2000
11:33
for the rest of your life.
228
681000
2000
durante o resto da vida.
11:35
This is kind of getting boring, right?
229
683000
3000
Isto está a tornar-se aborrecido, não é?
11:38
I mean, you understand where this story's going.
230
686000
2000
Quer dizer, já estão a ver
onde vai parar esta história.
onde vai parar esta história.
11:40
But, I mean it gets more interesting.
231
688000
2000
Mas vai tornar-se mais interessante.
11:42
Last year, this group was able to take all the cells off a heart,
232
690000
4000
No ano passado, este grupo conseguiu
retirar todas as células de um coração,
retirar todas as células de um coração,
11:46
leaving just the cartilage.
233
694000
3000
deixando apenas a cartilagem.
Pulverizaram células estaminais
de um rato, nesse coração.
de um rato, nesse coração.
11:49
Then, they sprayed stem cells onto that heart, from a mouse.
234
697000
2000
11:51
Those stem cells self-organized, and that heart started to beat.
235
699000
4000
Essas células estaminais
auto-organizaram-se
auto-organizaram-se
e o coração começou a bater.
11:55
Life happens.
236
703000
3000
A vida acontece.
11:59
This may be one of the ultimate papers.
237
707000
3000
Isto é um artigo muito recente.
12:02
This was done in Japan and in the U.S., published at the same time,
238
710000
3000
Foi publicado no Japão e nos EUA,
ao mesmo tempo, no ano passado.
ao mesmo tempo, no ano passado.
12:05
and it rebooted skin cells into stem cells, last year.
239
713000
4000
Reiniciaram células dérmicas
em células estaminais.
em células estaminais.
12:10
That meant that you can take the stuff right here,
240
718000
3000
Ou seja, agarram num pouco de pele,
12:13
and turn it into almost anything in your body.
241
721000
2000
e transformam-na num órgão qualquer.
12:15
And this is becoming common, it's moving very quickly,
242
723000
3000
Isto está a tornar-se vulgar,
está a andar muito depressa,
está a andar muito depressa,
12:18
it's moving in a whole series of places.
243
726000
3000
está a andar numa série de locais.
12:22
Third trend: robots.
244
730000
2000
Terceira tendência: os robôs.
12:25
Those of us of a certain age grew up expecting that by now
245
733000
3000
Muitos de nós crescemos na expetativa
de que, nesta altura,
de que, nesta altura,
12:28
we would have Rosie the Robot from "The Jetsons" in our house.
246
736000
4000
já tivéssemos o robô Rosie, dos Jetsons,
em nossa casa.
em nossa casa.
12:32
And all we've got is a Roomba.
247
740000
3000
Mas a única coisa que temos é um Roomba
(Risos)
12:35
(Laughter)
248
743000
3000
12:38
We also thought we'd have this robot to warn us of danger.
249
746000
4000
Também pensávamos que íamos ter
este robô para nos avisar do perigo.
este robô para nos avisar do perigo.
12:42
Didn't happen.
250
750000
2000
Não aconteceu.
12:44
And these were robots engineered for a flat world, right?
251
752000
3000
Estes eram robôs concebidos
para um mundo plano.
para um mundo plano.
A Rosie rodopia sobre patins
12:47
So, Rosie runs around on skates
252
755000
2000
e o outro corre em cabos achatados.
12:49
and the other one ran on flat threads.
253
757000
2000
12:52
If you don't have a flat world, that's not good,
254
760000
2000
Se não tivermos um mundo plano,
não prestam,
não prestam,
12:54
which is why the robot's we're designing today are a little different.
255
762000
5000
por isso os robôs que se estão
a projetar hoje são um pouco diferentes.
a projetar hoje são um pouco diferentes.
13:00
This is Boston Dynamics' "BigDog."
256
768000
2000
Este é o "Big Dog" da Boston Dynamics.
13:05
And this is about as close as you can get to a physical Turing test.
257
773000
3000
E este é a coisa mais parecida
com um teste Turing físico.
com um teste Turing físico.
13:08
O.K., so let me remind you, a Turing test is where you've got a wall,
258
776000
4000
Lembro-vos que um teste Turing
é quando temos uma parede,
é quando temos uma parede,
estamos a falar com qualquer coisa
do outro lado da parede,
do outro lado da parede,
13:12
you're talking to somebody on the other side of the wall,
259
780000
2000
13:14
and when you don't know if that thing is human or animal --
260
782000
3000
e, se não percebermos se essa coisa
é um ser humano ou um animal,
é um ser humano ou um animal,
13:17
that's when computers have reached human intelligence.
261
785000
4000
é quando os computadores
atingiram a inteligência humana.
atingiram a inteligência humana.
13:21
This is not an intelligence Turing rest,
262
789000
3000
Isto não é um teste Turing de inteligência,
13:24
but this is as close as you can get to a physical Turing test.
263
792000
3000
é o mais próximo possível
de um teste Turing físico.
de um teste Turing físico.
13:27
And this stuff is moving very quickly,
264
795000
2000
Esta coisa está a andar muito depressa,
13:29
and by the way, that thing can carry about 350 pounds of weight.
265
797000
4000
e, já agora, esta coisa pode transportar
uma carga com cerca de 160 kg.
uma carga com cerca de 160 kg.
13:34
These are not the only interesting robots.
266
802000
3000
Estes não são
os únicos robôs interessantes.
os únicos robôs interessantes.
13:37
You've also got flies, the size of flies,
267
805000
2000
Também temos os robôs-moscas,
com o tamanho duma mosca,
com o tamanho duma mosca,
13:39
that are being made by Robert Wood at Harvard.
268
807000
3000
que estão a ser feitos
por Robert Wood em Harvard.
por Robert Wood em Harvard.
13:42
You've got Stickybots that are being made at Stanford.
269
810000
3000
Temos os robôs colantes
que estão a ser feitos em Stanford.
que estão a ser feitos em Stanford.
13:45
And as you bring these things together,
270
813000
3000
E, se juntarmos estas coisas,
13:48
as you bring cells, biological tissue engineering and mechanics together,
271
816000
6000
se juntarmos o fabrico de células,
de tecidos biológicos e de mecânica,
de tecidos biológicos e de mecânica,
13:54
you begin to get some really odd questions.
272
822000
3000
começamos a fazer perguntas
muito estranhas.
muito estranhas.
13:57
In the last Olympics, this gentleman,
273
825000
2000
Nas últimas Olimpíadas, este sujeito
13:59
who had several world records in the Special Olympics,
274
827000
4000
que bateu vários recordes do mundo
nos Olímpicos Especiais,
nos Olímpicos Especiais,
14:03
tried to run in the normal Olympics.
275
831000
2000
tentou correr nos Olímpicos normais.
14:05
The only issue with Oscar Pistorius
276
833000
2000
O problema com Oscar Pistorius
14:07
is he was born without bones in the lower part of his legs.
277
835000
4000
é que ele nasceu sem ossos
na parte inferior das pernas.
na parte inferior das pernas.
14:11
He came within about a second of qualifying.
278
839000
2000
Ficou a um segundo de ser qualificado.
14:13
He sued to be allowed to run,
279
841000
3000
Levantou um processo
para o autorizarem a correr.
para o autorizarem a correr.
14:16
and he won the suit,
280
844000
2000
e ganhou o processo
14:18
but didn't qualify by time.
281
846000
2000
mas não se qualificou pelo tempo.
14:20
Next Olympics, you can bet that Oscar, or one of Oscar's successors,
282
848000
5000
Nos próximos Olímpicos, podem apostar
que Oscar, ou qualquer sucessor de Oscar,
que Oscar, ou qualquer sucessor de Oscar,
14:25
is going to make the time.
283
853000
2000
vai conseguir fazer o tempo.
14:27
And two or three Olympics after that, they are going to be unbeatable.
284
855000
3000
E dois ou três Olímpicos depois disso,
eles vão ser imbatíveis.
eles vão ser imbatíveis.
14:30
And as you bring these trends together, and as you think of what it means
285
858000
5000
Quando reunirmos etas tendências,
e quando pensarmos no que significa
e quando pensarmos no que significa
14:35
to take people who are profoundly deaf, who can now begin to hear --
286
863000
4000
fazer com que pessoas totalmente surdas,
que agora podem ouvir
que agora podem ouvir
14:39
I mean, remember the evolution of hearing aids, right?
287
867000
3000
— lembram-se da evolução
das ajudas auditivas?
das ajudas auditivas?
14:42
I mean, your grandparents had these great big cones,
288
870000
3000
Os nossos avós tinham
aqueles grandes cones,
aqueles grandes cones,
os nossos pais
tinham aquelas caixas esquisitas
tinham aquelas caixas esquisitas
14:45
and then your parents had these odd boxes
289
873000
2000
que faziam ruídos
em alturas inconvenientes durante o jantar
em alturas inconvenientes durante o jantar
14:47
that would squawk at odd times during dinner,
290
875000
2000
14:49
and now we have these little buds that nobody sees.
291
877000
2000
e agora temos uns botõezinhos
que ninguém vê.
que ninguém vê.
14:51
And now you have cochlear implants
292
879000
2000
Agora temos implantes cocleares
14:53
that go into people's heads and allow the deaf to begin to hear.
293
881000
5000
que entram na cabeça das pessoas
e permitem que os surdos comecem a ouvir.
e permitem que os surdos comecem a ouvir.
Agora, ainda não ouvem
tão bem como nós todos.
tão bem como nós todos.
14:58
Now, they can't hear as well as you and I can.
294
886000
2000
15:00
But, in 10 or 15 machine generations they will,
295
888000
3000
Mas, dentro de 10 ou 15 gerações
de máquinas, ouvirão
de máquinas, ouvirão
15:03
and these are machine generations, not human generations.
296
891000
2000
e falo de gerações de máquinas,
não é de gerações humanas.
não é de gerações humanas.
15:06
And about two or three years after they can hear as well as you and I can,
297
894000
4000
Cerca de dois ou três anos
depois de ouvirem tão bem como nós,
depois de ouvirem tão bem como nós,
15:10
they'll be able to hear maybe how bats sing, or how whales talk,
298
898000
4000
poderão ouvir, talvez,
os morcegos a cantar, as baleias a falar,
os morcegos a cantar, as baleias a falar,
15:14
or how dogs talk, and other types of tonal scales.
299
902000
3000
os cães a falar, ou outros tipos
de frequências sonoras.
de frequências sonoras.
15:17
They'll be able to focus their hearing,
300
905000
2000
Poderão focalizar a audição,
15:19
they'll be able to increase the sensitivity, decrease the sensitivity,
301
907000
3000
poderão aumentar a sensibilidade,
diminuir a sensibilidade.
diminuir a sensibilidade.
15:22
do a series of things that we can't do.
302
910000
2000
fazer uma série que nós não fazemos.
15:24
And the same thing is happening in eyes.
303
912000
2000
A mesma coisa está a acontecer
com os olhos.
com os olhos.
15:27
This is a group in Germany that's beginning to engineer eyes
304
915000
3000
Há um grupo na Alemanha,
que começou a fabricar olhos
que começou a fabricar olhos
15:30
so that people who are blind can begin to see light and dark.
305
918000
4000
para que as pessoas cegas
possam distinguir a luz da escuridão.
possam distinguir a luz da escuridão.
15:34
Very primitive.
306
922000
2000
Muito primitivo.
15:36
And then they'll be able to see shape.
307
924000
2000
Depois, poderão ver formas.
15:38
And then they'll be able to see color, and then they'll be able to see in definition,
308
926000
3000
E depois, poderão ver cores,
poderão ver com alguma definição.
poderão ver com alguma definição.
15:41
and one day, they'll see as well as you and I can.
309
929000
3000
Um dia, verão tão bem como todos nós.
15:44
And a couple of years after that, they'll be able to see in ultraviolet,
310
932000
3000
E uns anos depois, poderão ver
o espetro ultravioleta,
o espetro ultravioleta,
ou infravermelho,
poderão direcionar os olhos,
poderão direcionar os olhos,
15:47
they'll be able to see in infrared, they'll be able to focus their eyes,
311
935000
2000
15:49
they'll be able to come into a microfocus.
312
937000
3000
poderão ver em macrofoco.
15:52
They'll do stuff you and I can't do.
313
940000
2000
Farão coisas
que nós não conseguimos fazer.
que nós não conseguimos fazer.
15:55
All of these things are coming together,
314
943000
2000
Todas estas coisas vão chegar
ao mesmo tempo.
ao mesmo tempo.
15:57
and it's a particularly important thing to understand,
315
945000
4000
Há uma coisa muito importante
para perceber
para perceber
16:01
as we worry about the flames of the present,
316
949000
3000
enquanto nos preocupamos
com as brasas do presente.
com as brasas do presente.
16:04
to keep an eye on the future.
317
952000
3000
Temos que manter os olhos no futuro.
16:07
And, of course, the future is looking back 200 years,
318
955000
3000
E, claro, também podemos olhar
para 200 anos atrás,
para 200 anos atrás,
16:10
because next week is the 200th anniversary of Darwin's birth.
319
958000
4000
porque, na próxima semana,
será o 200.º aniversário
do nascimento de Darwin.
do nascimento de Darwin.
16:14
And it's the 150th anniversary of the publication of "The Origin of Species."
320
962000
6000
E o 150.º aniversário da publicação
de "A Origem das Espécies".
de "A Origem das Espécies".
16:20
And Darwin, of course, argued that evolution is a natural state.
321
968000
4000
Darwin defendia que a evolução
é um estado natural.
é um estado natural.
16:24
It is a natural state in everything that is alive, including hominids.
322
972000
6000
É um estado natural
para todos os seres vivos,
para todos os seres vivos,
incluindo os hominídeos.
16:30
There have actually been 22 species of hominids
323
978000
5000
Houve 22 espécies de hominídeos
16:35
that have been around, have evolved, have wandered in different places,
324
983000
4000
que apareceram, evoluíram,
habitaram diversos locais
habitaram diversos locais
16:39
have gone extinct.
325
987000
2000
e extinguiram-se.
16:41
It is common for hominids to evolve.
326
989000
5000
É normal os hominídeos evoluírem.
16:46
And that's the reason why, as you look at the hominid fossil record,
327
994000
3000
É por isso que, quando olhamos
para o registo fóssil dos hominídeos,
para o registo fóssil dos hominídeos,
16:49
erectus, and heidelbergensis, and floresiensis, and Neanderthals,
328
997000
8000
o homo erectus, o heidelbergensis,
o floresiensis, o neandertal
o floresiensis, o neandertal
16:57
and Homo sapiens, all overlap.
329
1005000
4000
e o Homo sapiens, todos eles se sobrepõem.
17:02
The common state of affairs is to have overlapping versions of hominids,
330
1010000
5000
O estado natural das coisas
é ter versões sobrepostas de hominídeos,
é ter versões sobrepostas de hominídeos,
17:07
not one.
331
1015000
2000
não uma única.
17:09
And as you think of the implications of that,
332
1017000
2000
Quando pensamos nas implicações disso,
17:11
here's a brief history of the universe.
333
1019000
2000
eis uma breve história do universo.
17:13
The universe was created 13.7 billion years ago,
334
1021000
3000
O universo foi criado há
13 700 milhões de anos.
13 700 milhões de anos.
Depois temos a criação das estrelas
e dos planetas,
e dos planetas,
17:16
and then you created all the stars, and all the planets,
335
1024000
2000
17:18
and all the galaxies, and all the Milky Ways.
336
1026000
2000
das galáxias e das Vias Lácteas.
17:20
And then you created Earth about 4.5 billion years ago,
337
1028000
3000
Depois, temos a Terra,
criada à 4500 milhões de anos,
criada à 4500 milhões de anos,
17:23
and then you got life about four billion years ago,
338
1031000
3000
depois o aparecimento da vida
há quatro mil milhões de anos.
há quatro mil milhões de anos.
17:26
and then you got hominids about 0.006 billion years ago,
339
1034000
4000
Depois os hominídeos,
há seis milhões de anos,
há seis milhões de anos,
17:30
and then you got our version of hominids about 0.0015 billion years ago.
340
1038000
5000
depois a nossa versão de hominídeos,
há um milhão e meio de anos.
há um milhão e meio de anos.
17:35
Ta-dah!
341
1043000
2000
Aleluia!
17:37
Maybe the reason for thr creation of the universe,
342
1045000
2000
Talvez a razão para a criação do universo
17:39
and all the galaxies, and all the planets, and all the energy,
343
1047000
3000
e de todas as galáxias,
de todos os planetas, de toda a energia,
de todos os planetas, de toda a energia,
17:42
and all the dark energy, and all the rest of stuff
344
1050000
2000
e de toda a matéria negra,
e de tudo o resto
e de tudo o resto
17:44
is to create what's in this room.
345
1052000
4000
tenha sido a criação
do que se encontra nesta sala.
do que se encontra nesta sala.
17:48
Maybe not.
346
1056000
2000
Ou talvez não.
17:51
That would be a mildly arrogant viewpoint.
347
1059000
3000
Isso seria um ponto de vista
muito arrogante.
muito arrogante.
17:54
(Laughter)
348
1062000
4000
(Risos)
17:59
So, if that's not the purpose of the universe, then what's next?
349
1067000
3000
Se não é esse o objetivo do universo,
o que se segue?
o que se segue?
(Risos)
18:04
(Laughter)
350
1072000
4000
18:08
I think what we're going to see is we're going to see a different species of hominid.
351
1076000
4000
Penso que vamos ver
espécies diferentes de hominídeos.
espécies diferentes de hominídeos.
18:13
I think we're going to move from a Homo sapiens into a Homo evolutis.
352
1081000
4000
Penso que vamos passar de um Homo sapiens
para um Homo evolutis.
para um Homo evolutis.
18:17
And I think this isn't 1,000 years out.
353
1085000
2000
Penso que não vão ser precisos mil anos
18:19
I think most of us are going to glance at it,
354
1087000
3000
para muitos de nós
termos um vislumbre disso.
termos um vislumbre disso.
18:22
and our grandchildren are going to begin to live it.
355
1090000
2000
Os nossos netos vão começar
a viver com isso.
a viver com isso.
18:24
And a Homo evolutis brings together these three trends
356
1092000
3000
Um Homo evolutis será o produto
destas três tendências,
destas três tendências,
18:27
into a hominid that takes direct and deliberate control
357
1095000
3000
será um hominídeo que assumirá
o controlo direto e deliberado
o controlo direto e deliberado
18:30
over the evolution of his species, her species and other species.
358
1098000
4000
da evolução da sua espécie
e das outras espécies.
e das outras espécies.
18:35
And that, of course, would be the ultimate reboot.
359
1103000
4000
Isso, obviamente,
será o reinício final.
será o reinício final.
18:39
Thank you very much.
360
1107000
2000
Muito obrigado.
18:41
(Applause)
361
1109000
3000
(Aplausos)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com