TED2005
Ray Kurzweil: The accelerating power of technology
Ray Kurzweil'den teknoloji bizi nasil etkiliyecek
Filmed:
Readability: 5.3
2,876,494 views
Buluşlari girisimciligi ve vizyonuyla tanınan Ray Kurzweil 2020 yılından sonra insan beyninin calisma seklinin nasil çözüleceğini ve micro robotlarin benliğimizi nasil idare edebileceğinin mantıgını ayrıntılarıyla anlatıyor.
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
Burada olduğum icin cok mutluyum
00:25
We've heard a lot about the promise of technology, and the peril.
1
1000
5000
Teknolojinin neler vaadettigini ve tehlikelerini cok duyduk.
00:30
I've been quite interested in both.
2
6000
2000
Her ikisi de benim cok ilgimi çekiyor.
00:32
If we could convert 0.03 percent
3
8000
4000
Dunya üzerine duşen guneş ışığının yüzde 0.03'ünü
00:36
of the sunlight that falls on the earth into energy,
4
12000
2000
enerjiye çevirebilirsek
00:38
we could meet all of our projected needs for 2030.
5
14000
5000
2030'a kadar olan ihtiyacimizi karşılayabiliriz.
00:43
We can't do that today because solar panels are heavy,
6
19000
3000
bunu şimdi yapamayız çünkü güneş panelleri ağır,
00:46
expensive and very inefficient.
7
22000
2000
pahali ve verimli degil.
00:48
There are nano-engineered designs,
8
24000
3000
En azindan teoride analiz edilmis
00:51
which at least have been analyzed theoretically,
9
27000
2000
nano dizaynlar mevcut
00:53
that show the potential to be very lightweight,
10
29000
2000
bunlar cok hafif, ucuz ve verimli
00:55
very inexpensive, very efficient,
11
31000
2000
olma potensiyelini gösteriyor
00:57
and we'd be able to actually provide all of our energy needs in this renewable way.
12
33000
4000
ustelik ilerde bu yenilenebilir yol ile butun enerji ihtiyacımızı karşılayabileceğiz.
01:01
Nano-engineered fuel cells
13
37000
2000
Nano teknolojiye sahip yakıt hücreleri
01:03
could provide the energy where it's needed.
14
39000
3000
gereken yerde enerjiyi sağlayabilir.
01:06
That's a key trend, which is decentralization,
15
42000
2000
merkezi nükleer enerji santralleri ve sıvı doğal gaz
01:08
moving from centralized nuclear power plants and
16
44000
3000
tankerlerinden daha çevreci, verimli, kapasitesi fazla
01:11
liquid natural gas tankers
17
47000
2000
ve bozulma riski az olan
01:13
to decentralized resources that are environmentally more friendly,
18
49000
4000
kaynaklara doğru
01:17
a lot more efficient
19
53000
3000
yapılacak trend
01:20
and capable and safe from disruption.
20
56000
4000
anahtar görevi görüyor.
01:24
Bono spoke very eloquently,
21
60000
2000
Bono çok anlamlı bir şekilde konuştu,
01:26
that we have the tools, for the first time,
22
62000
4000
dedi ki tarihte ilk defa
01:30
to address age-old problems of disease and poverty.
23
66000
4000
hastalık ve fakirlik gibi problemlere karşı araçlarımız var.
01:34
Most regions of the world are moving in that direction.
24
70000
4000
Dünyanın çoğu bölgesi bu yönde ilerliyor.
01:38
In 1990, in East Asia and the Pacific region,
25
74000
4000
1990da doğu asya ve pasifik bölgesinde,
01:42
there were 500 million people living in poverty --
26
78000
2000
yoksulluk içinde yaşayan 500 milyon insan vardı
01:44
that number now is under 200 million.
27
80000
3000
şu anda ise bu sayı 200 milyonun altında.
01:47
The World Bank projects by 2011, it will be under 20 million,
28
83000
3000
Dünya Bankasına göre 2011de bu sayı 20 milyonun altına inecek,
01:50
which is a reduction of 95 percent.
29
86000
3000
bu da yüzde 95 lik bir azalma demek.
01:53
I did enjoy Bono's comment
30
89000
3000
Bono'nun Haight Ashbury ile Silikon Vadisi'ni
01:56
linking Haight-Ashbury to Silicon Valley.
31
92000
4000
birleştiren yorumundan çok keyif aldım.
02:00
Being from the Massachusetts high-tech community myself,
32
96000
3000
Massachusetts yüksek teknoloji çevresinden gelme biri olarak,
02:03
I'd point out that we were hippies also in the 1960s,
33
99000
4000
biz de 1960larda hippilerdik,
02:08
although we hung around Harvard Square.
34
104000
3000
Harvard meydanında takılırdık.
02:11
But we do have the potential to overcome disease and poverty,
35
107000
5000
ama hastalık ve yoksulluğu aşabilecek potansiyele sahibiz,
02:16
and I'm going to talk about those issues, if we have the will.
36
112000
3000
ve de bu meseleler hakkında konuşacağım.
02:19
Kevin Kelly talked about the acceleration of technology.
37
115000
3000
Kevin Kelly teknolojinin ivmelenmesi hakkında konuştu.
02:22
That's been a strong interest of mine,
38
118000
3000
bu benim için çok güçlü bir ilgi alanı,
02:25
and a theme that I've developed for some 30 years.
39
121000
3000
ve 30 yıldır üzerinde ilerlemeler kaydettiğim bir tema.
02:28
I realized that my technologies had to make sense when I finished a project.
40
124000
5000
Anladım ki projelerimi bitirdiğim zaman teknolojilerim anlam ifade etmek zorunda.
02:33
That invariably, the world was a different place
41
129000
3000
Değişmez bir biçimde, yeni bir teknolojiyi sürdüğüm
02:36
when I would introduce a technology.
42
132000
2000
zaman dünya değişik bir yer oldu.
02:38
And, I noticed that most inventions fail,
43
134000
2000
ve fark ettim ki çoğu buluşlar başarısız oldu,
02:40
not because the R&D department can't get it to work --
44
136000
3000
Ar-ge departmanının işi başaramaması ile ilgili değildi bu,
02:43
if you look at most business plans, they will actually succeed
45
139000
3000
çoğu iş planına bakarsanız, insanlara yapacaklarını söyledikleri şeyler
02:46
if given the opportunity to build what they say they're going to build --
46
142000
4000
için fırsat sağladığınızda başaracaklardır bunu yapabilirler,
02:50
and 90 percent of those projects or more will fail, because the timing is wrong --
47
146000
3000
ama bu projelerin yüzde 90ından fazlası başarısız olacak, çünkü
02:53
not all the enabling factors will be in place when they're needed.
48
149000
3000
zamanlama yanlış.ihtiyaç olunduğunda işleri kolaylaştıracak faktörler ortada olmayacak.
02:56
So I began to be an ardent student of technology trends,
49
152000
4000
Bende teknoloji trenleri konusunda hevesli bir öğrenci oldum,
03:00
and track where technology would be at different points in time,
50
156000
3000
zamanında daha farklı olabilecek teknolojilerin izini sürüp
03:03
and began to build the mathematical models of that.
51
159000
3000
onların matematiksel modellerini oluşturmaya başladım.
03:06
It's kind of taken on a life of its own.
52
162000
2000
bu biraz bir hayatı kendisi ile almaya benziyor,
03:08
I've got a group of 10 people that work with me to gather data
53
164000
3000
teknolojinin ana sınırlarında farklı alanlarda bilgi toplamak için
03:11
on key measures of technology in many different areas, and we build models.
54
167000
5000
benimle beraber çalışan 10 kişi var,ve biz modeller inşa ediyoruz
03:16
And you'll hear people say, well, we can't predict the future.
55
172000
3000
ve insanların dediklerini duyarsınız, yani geleceği tahmin edemeyiz.
03:19
And if you ask me,
56
175000
2000
ve eğer bana soracak olursanız,
03:21
will the price of Google be higher or lower than it is today three years from now,
57
177000
3000
bundan üç sene sonra Google'ın fiyatı şu anki değerinden az mı fazla mı olacak,
03:24
that's very hard to say.
58
180000
2000
buna cevap vermek oldukça zor .
03:26
Will WiMax CDMA G3
59
182000
3000
WiMax CDMA G3
03:29
be the wireless standard three years from now? That's hard to say.
60
185000
2000
bundan üç sene sonrasının kablosuz bağlantı standardı olacak mı?Bunu söylemek de zor.
03:31
But if you ask me, what will it cost
61
187000
2000
ama eğer bana sorarsanız, 2010da
03:33
for one MIPS of computing in 2010,
62
189000
3000
saniyede bir milyon işlem,
03:36
or the cost to sequence a base pair of DNA in 2012,
63
192000
3000
ya da baz bir DNA çiftini 2012 yılında sıralama,
03:39
or the cost of sending a megabyte of data wirelessly in 2014,
64
195000
4000
ya da kablosuz olarak bir megabayt veriyi 2014de iletmenin fiyatı ne kadar olacak diye?
03:43
it turns out that those are very predictable.
65
199000
3000
Gözüküyor ki bu oldukça tahmin edilebilir.
03:46
There are remarkably smooth exponential curves
66
202000
2000
Bunlar oldukça düzenli bir biçimde giden üstel eğrilerdir
03:48
that govern price performance, capacity, bandwidth.
67
204000
3000
performans, kapasite, bant genişliği bilgilerini sağlar.
03:51
And I'm going to show you a small sample of this,
68
207000
2000
ve bunun bir örneğini sizinle paylaşacağım şimdi,
03:53
but there's really a theoretical reason
69
209000
2000
teknolijinin neden üstel bir düzende geliştiğini
03:55
why technology develops in an exponential fashion.
70
211000
5000
açıklayan teorik bir sebep var.
04:00
And a lot of people, when they think about the future, think about it linearly.
71
216000
2000
ve de bir çok insan, gelecek ile ilgili düşünürken, doğrusal düşünür.
04:02
They think they're going to continue
72
218000
2000
bir probleme ya da bir probleme gidecek bir konuya
04:04
to develop a problem
73
220000
2000
bugünün araçları ile
04:06
or address a problem using today's tools,
74
222000
3000
yaklaşacaklarını düşünürler,
04:09
at today's pace of progress,
75
225000
2000
bugünün ilerlemesi gidişatı ile,
04:11
and fail to take into consideration this exponential growth.
76
227000
4000
ve üstel olarak gelişmeyi hesaba katmada başarısız olurlar.
04:15
The Genome Project was a controversial project in 1990.
77
231000
3000
1990da genom projesi tartışmalıydı.
04:18
We had our best Ph.D. students,
78
234000
2000
en iyi doktora öğrencilerine sahiptik,
04:20
our most advanced equipment around the world,
79
236000
2000
dünya çapında en gelişmiş ekipmanlar vardı,
04:22
we got 1/10,000th of the project done,
80
238000
2000
ve projenin 10binde birini başardık,
04:24
so how're we going to get this done in 15 years?
81
240000
2000
bunu 15 sene içerisinde nasıl bitireceğiz?
04:26
And 10 years into the project,
82
242000
3000
ve projede geçen 10 senede,
04:30
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
246000
2000
şüpheci insanlar hala yanlıştaydı diyorlardı ki ''Projeyi bitirmek için gereken sürenin üç bölü ikisindesiniz
04:32
and you've managed to only sequence
84
248000
2000
ama tüm genomun yalnızca çok küçük
04:34
a very tiny percentage of the whole genome."
85
250000
3000
bir yüzdesini tamamladınız.''
04:37
But it's the nature of exponential growth
86
253000
2000
ama bu üstel ilerlemenin doğasında vardır
04:39
that once it reaches the knee of the curve, it explodes.
87
255000
2000
eğrinin ortasına yaklaşınca artık durdurulamaz bir hal alır.
04:41
Most of the project was done in the last
88
257000
2000
Projenin çoğu son bir kaç
04:43
few years of the project.
89
259000
2000
senede bitti.
04:45
It took us 15 years to sequence HIV --
90
261000
2000
HIV dizilimi yapmak 15 sene aldı
04:47
we sequenced SARS in 31 days.
91
263000
2000
SARS ise 31 günde başarıldı.
04:49
So we are gaining the potential to overcome these problems.
92
265000
4000
yani bu tür sorunların üstesinden gelme potansiyeli kazanıyoruz.
04:53
I'm going to show you just a few examples
93
269000
2000
bu fenomenin nasıl yayıldığını size bir
04:55
of how pervasive this phenomena is.
94
271000
3000
kaç örnekle anlatacağım.
04:58
The actual paradigm-shift rate, the rate of adopting new ideas,
95
274000
4000
gerçek paradigma kayması oranı,yeni fikirleri oluşturmanın oranı,
05:02
is doubling every decade, according to our models.
96
278000
3000
her on yılda ikiye katlanıyor, bizim modellerimize göre.
05:05
These are all logarithmic graphs,
97
281000
3000
bunların hepsi logaritmik grafikler,
05:08
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
284000
3000
yani gözüken değerlerde ilerledikçe 10 veya 100 gibi bir çarpanla da çarpmak lazım.
05:11
It took us half a century to adopt the telephone,
99
287000
3000
telefonu icat etmek yarım yüzyıl aldı,
05:14
the first virtual-reality technology.
100
290000
3000
ilk görsel gerçeklik teknolojisi.
05:17
Cell phones were adopted in about eight years.
101
293000
2000
Cep telefonları 8 senede oluşturuldu.
05:19
If you put different communication technologies
102
295000
3000
eğer bu logaritmik grafiğe değişik iletişim
05:22
on this logarithmic graph,
103
298000
2000
teknolojileri koyarsanız,
05:24
television, radio, telephone
104
300000
2000
televizyon, radyo, telefon
05:26
were adopted in decades.
105
302000
2000
on yıllar boyunca kabul edildiler.
05:28
Recent technologies -- like the PC, the web, cell phones --
106
304000
3000
yeni teknojiler --Kişisel bilgisayar, İnternet, cep telefonlar--
05:31
were under a decade.
107
307000
2000
10 senenin altında bir sürede kabul edildi.
05:33
Now this is an interesting chart,
108
309000
2000
Şimdi bu ilginç bir grafik,
05:35
and this really gets at the fundamental reason why
109
311000
2000
ve de neden evrimsel bir sürecin ivmelendiğinin
05:37
an evolutionary process -- and both biology and technology are evolutionary processes --
110
313000
4000
--biyoloji ve teknoloji evrimsel süreçlerdir--
05:41
accelerate.
111
317000
2000
temel nedenini gösteriyor.
05:43
They work through interaction -- they create a capability,
112
319000
3000
etkileşim yoluyla çalışıyorlar, kullanılabilirlik yaratıyorlar,
05:46
and then it uses that capability to bring on the next stage.
113
322000
3000
ve sonra bu kapasiteyi bir sonraki safha için kullanıyorlar.
05:49
So the first step in biological evolution,
114
325000
3000
yani biyolojik evrimin ilk safhası,
05:52
the evolution of DNA -- actually it was RNA came first --
115
328000
2000
DNAnın evrimi --aslında ilk başta RNA gelir--
05:54
took billions of years,
116
330000
2000
milyarlarca yıl alır,
05:56
but then evolution used that information-processing backbone
117
332000
3000
ama sonra evrim veri işleme belkemiğini
05:59
to bring on the next stage.
118
335000
2000
bir sonraki safhaya taşır.
06:01
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
337000
3000
Kambriyal Patlamada, hayvanların bütün vücut planlarının evrildiği safha,
06:04
took only 10 million years. It was 200 times faster.
120
340000
4000
sadece 10 milyon yıl sürdü.200 kat daha hızlı.
06:08
And then evolution used those body plans
121
344000
2000
ve sonra evrim bu vücut planlarını
06:10
to evolve higher cognitive functions,
122
346000
2000
daha yüksek bilişsel fonksiyonlara evirdi,
06:12
and biological evolution kept accelerating.
123
348000
2000
ve biyolojik evrim ivmelenmesini sürdürdü.
06:14
It's an inherent nature of an evolutionary process.
124
350000
3000
bu evrim sürecinin doğasında olan bir durum.
06:17
So Homo sapiens, the first technology-creating species,
125
353000
3000
yani Homo sapienler, ilk teknolojiyi oluşturan türler,
06:20
the species that combined a cognitive function
126
356000
2000
karşısına gelebilen uzantı ile
06:22
with an opposable appendage --
127
358000
2000
bilişsel fonksiyonu kombine eden tür,
06:24
and by the way, chimpanzees don't really have a very good opposable thumb --
128
360000
4000
ve bu arada, şempanzelerin karşısına gelebilen başparmakları yoktur,
06:28
so we could actually manipulate our environment with a power grip
129
364000
2000
yani çevremizi bir tutuşla
06:30
and fine motor coordination,
130
366000
2000
ve motor koordinesi ile manipüle edebiliriz
06:32
and use our mental models to actually change the world
131
368000
2000
ve de beyinsel modellerimizi kullanarak dünyayı değiştirip
06:34
and bring on technology.
132
370000
2000
teknolojiyi açığa çıkarabiliriz.
06:36
But anyway, the evolution of our species took hundreds of thousands of years,
133
372000
3000
ama bu arada, türlerimizin evrimi yüzbinlerce yıl aldı,
06:39
and then working through interaction,
134
375000
2000
ve sonra interaktif süreçle beraber,
06:41
evolution used, essentially,
135
377000
2000
evrim kullanıldı, temel olarak,
06:43
the technology-creating species to bring on the next stage,
136
379000
3000
teknolji üreten türleri bir sonraki seviyeye atlatmak için,
06:46
which were the first steps in technological evolution.
137
382000
3000
ki bu da teknolojideki ilk adımlardı.
06:49
And the first step took tens of thousands of years --
138
385000
3000
ve ilk adım on binlerce yıl aldı
06:52
stone tools, fire, the wheel -- kept accelerating.
139
388000
3000
--taş araçları, ateş, tekerlek-- ve ilerleme devam etti.
06:55
We always used then the latest generation of technology
140
391000
2000
bir sonraki nesil için her zaman en son nesil
06:57
to create the next generation.
141
393000
2000
teknolojiyi kullandık.
06:59
Printing press took a century to be adopted;
142
395000
2000
basılı yayının kabul görmesi bir yüzyıl aldı,
07:01
the first computers were designed pen-on-paper -- now we use computers.
143
397000
4000
ilk bilgisayarlar kağıt üstüne yazan kalemler şeklinde tasarlandı ve şu an da bilgisayarları kullanıyoruz.
07:05
And we've had a continual acceleration of this process.
144
401000
3000
bu süreçte sürekli devam eden bir ivmelenme söz konusu.
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
Şimdi bu arada, buna lineer bir grafik olarak bakarsanız,her şey henüz oluşmuş gibi gözükür,
07:11
but some observer says, "Well, Kurzweil just put points on this graph
146
407000
6000
ama gözlemciler der ki, ''Kurzweil grafiği düz çizginin
07:17
that fall on that straight line."
147
413000
2000
üzerine noktalar atarak yapmış.''
07:19
So, I took 15 different lists from key thinkers,
148
415000
3000
Bende düşürlerden derlenen 15 farklı liste aldım,
07:22
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
418000
4000
Britanika ansiklopedisi, tarih müzesi, Carl Sagan'ın kozmik takvimi,
07:26
on the same -- and these people were not trying to make my point;
150
422000
3000
ve bu insanlar benim anlatmak istediğim şey için çalışmadılar,
07:29
these were just lists in reference works,
151
425000
2000
bunlar kendi çalışmaları için referans işleriydi.
07:31
and I think that's what they thought the key events were
152
427000
3000
ve bunlar o insanların gözünden önemli olan olayların listesi
07:34
in biological evolution and technological evolution.
153
430000
3000
biyolojik ve teknolojik evrim konusunda.
07:37
And again, it forms the same straight line. You have a little bit of thickening in the line
154
433000
3000
ve yine, aynı düz çizgi var.çizgi biraz değişiyor bir kısım yerlerde çünkü
07:40
because people do have disagreements, what the key points are,
155
436000
3000
insanlar fikir ayrılıklarını düşmüş olabiliyor,
07:43
there's differences of opinion when agriculture started,
156
439000
2000
tarımın ne zaman başladığı ile ilgili fikir ayrılıkları var,
07:45
or how long the Cambrian Explosion took.
157
441000
3000
ya da Kambrian patlamanın ne zaman olduğu ile ilgili.
07:48
But you see a very clear trend.
158
444000
2000
ama yine de çok temiz bir gidişat açıkça belli oluyor.
07:50
There's a basic, profound acceleration of this evolutionary process.
159
446000
5000
evrim sürecinin basit ve derin bir ivmelenmesi var.
07:55
Information technologies double their capacity, price performance, bandwidth,
160
451000
5000
bilgi teknolojileri her sene kapasitesini,
08:00
every year.
161
456000
2000
ücrete karşılık performansı ve bant genişliğini iki kat artırıyor.
08:02
And that's a very profound explosion of exponential growth.
162
458000
4000
ve de üstel gelişimin çok belli bir patlaması söz konusu.
08:06
A personal experience, when I was at MIT --
163
462000
2000
kişisel bir deneyim, MIT'deyken
08:08
computer taking up about the size of this room,
164
464000
2000
bilgisayar bu oda kadar yer kaplardı,
08:10
less powerful than the computer in your cell phone.
165
466000
5000
cep telefonunuzdaki işlemciden daha güçsüzdü.
08:15
But Moore's Law, which is very often identified with this exponential growth,
166
471000
4000
ama Moore yasası, ki genelde bu üstel gelişim ile ilişkilendirilir,
08:19
is just one example of many, because it's basically
167
475000
2000
çoğundan sadece birinin örneği çünkü temelde
08:21
a property of the evolutionary process of technology.
168
477000
5000
teknoloji evriminin sürecinin oranı
08:26
I put 49 famous computers on this logarithmic graph --
169
482000
3000
--bu grafiğe 49 ünlü bilgisayar koydum--
08:29
by the way, a straight line on a logarithmic graph is exponential growth --
170
485000
4000
bu arada, --logaritmik grafikte düz çizgi üstelliği ifade eder--
08:33
that's another exponential.
171
489000
2000
bu da üstel.
08:35
It took us three years to double our price performance of computing in 1900,
172
491000
3000
1900da işlem yapmanın ücret performansını iki katına çıkarmak üç senemizi aldı,
08:38
two years in the middle; we're now doubling it every one year.
173
494000
3000
ortada iki sene, ve şu an da her sene iki katına çıkarıyoruz.
08:42
And that's exponential growth through five different paradigms.
174
498000
3000
ve bu da beş farklı paradigmadaki üstel grafik.
08:45
Moore's Law was just the last part of that,
175
501000
2000
Moore yasası sadece bunun son parçası,
08:47
where we were shrinking transistors on an integrated circuit,
176
503000
3000
enterge devre üzerinde, küçültülmüş transistörler varken,
08:50
but we had electro-mechanical calculators,
177
506000
3000
ama elektro-mekanik hesaplayıcılarımız vardı,
08:53
relay-based computers that cracked the German Enigma Code,
178
509000
2000
Alman Enigma kodunu kıran röle-bazlı bilgisayarlar,
08:55
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
511000
4000
Eisenhower'ın 1950deki seçimini tahmin eden vakumlu tüpler,
08:59
discreet transistors used in the first space flights
180
515000
3000
ilk uzay uçuşlarında kullanılan transistörler
09:02
and then Moore's Law.
181
518000
2000
ve sonra Moore yasası.
09:04
Every time one paradigm ran out of steam,
182
520000
2000
bir paradigma miyadını doldurduğunda
09:06
another paradigm came out of left field to continue the exponential growth.
183
522000
3000
her seferinde yeni birisi üstel büyümeyi devam ettirir.
09:09
They were shrinking vacuum tubes, making them smaller and smaller.
184
525000
3000
küçültülmüş vakum tüpleri vardı, küçülttükçe küçülltüler.
09:12
That hit a wall. They couldn't shrink them and keep the vacuum.
185
528000
3000
bir yerde tıkandılar daha da küçültüp vakumlayamadılar.
09:15
Whole different paradigm -- transistors came out of the woodwork.
186
531000
2000
bambaşka bir paradigma yer buldu kendine.transistörler tahtadan olmamaya başladı.
09:17
In fact, when we see the end of the line for a particular paradigm,
187
533000
3000
aslında, belli bir paradigmanın çizgisinin sonunu gördüğümüzde,
09:20
it creates research pressure to create the next paradigm.
188
536000
4000
yeni bir paradigma oluşturmak için araştırma yapılması gerektiği konusunda baskı oluştuğunu anlarız.
09:24
And because we've been predicting the end of Moore's Law
189
540000
3000
çünkü çok uzun bir süredir Moore yasasının sonuna gelindiğini tahmin ediyorduk
09:27
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
543000
3000
ilk tahmin 2002ydi şu anda ise 2022.
09:30
But by the teen years,
191
546000
3000
ama ilk başlarda
09:33
the features of transistors will be a few atoms in width,
192
549000
3000
transistörlerin özellikleri ende bir kaç atom genişliğinde
09:36
and we won't be able to shrink them any more.
193
552000
2000
olacak ve daha da fazla küçültemeyeceğiz.
09:38
That'll be the end of Moore's Law, but it won't be the end of
194
554000
3000
bu Moore yasasının sonu olacak ama işlem yapmanın
09:41
the exponential growth of computing, because chips are flat.
195
557000
2000
üstel gelişmesinin sonu olmayacak çünkü çipler düzdür.
09:43
We live in a three-dimensional world; we might as well use the third dimension.
196
559000
3000
3 boyutlu bir dünyada yaşıyoruz, üçüncü boyutu tabi ki kullanabiliriz.
09:46
We will go into the third dimension
197
562000
2000
üçüncü boyuta gideceğiz ve bu çok
09:48
and there's been tremendous progress, just in the last few years,
198
564000
3000
muazzam bir süreç, son bir kaç yılda,
09:51
of getting three-dimensional, self-organizing molecular circuits to work.
199
567000
4000
üç boyuta geçiş, kendinden organik moleküler devrelerin yürürlüğe girişini getirdi.
09:55
We'll have those ready well before Moore's Law runs out of steam.
200
571000
7000
Moore yasası geçerliliğini yitirmeden önce bunlara sahip olacağız.
10:02
Supercomputers -- same thing.
201
578000
2000
süperbilgisayarlar - aynı şey.
10:05
Processor performance on Intel chips,
202
581000
3000
Intel çiplerindeki işlemci performansı,
10:08
the average price of a transistor --
203
584000
3000
transistörün ortalama fiyatı-
10:11
1968, you could buy one transistor for a dollar.
204
587000
3000
1968de bir transistörü bir dolara alabilirdiniz.
10:14
You could buy 10 million in 2002.
205
590000
3000
2002 de 10 milyon tane alabilirsiniz.
10:17
It's pretty remarkable how smooth
206
593000
3000
bu üstel gelişimin ne kadar düzgün bir
10:20
an exponential process that is.
207
596000
2000
trendi olduğunu görmek çok muhteşem.
10:22
I mean, you'd think this is the result of some tabletop experiment,
208
598000
3000
yani bunu masa üstünde yapılan bir deney sonucu olarak görebilirsiniz,
10:26
but this is the result of worldwide chaotic behavior --
209
602000
3000
ama bu dünya çapındaki kaotik davranışın bir sonucu,
10:29
countries accusing each other of dumping products,
210
605000
2000
ülkeler birbirlerini ürünlerin fiyatını kırmakla suçluyor,
10:31
IPOs, bankruptcies, marketing programs.
211
607000
2000
halka arzlar, iflaslar, pazarlama programları.
10:33
You would think it would be a very erratic process,
212
609000
3000
çok değişken bir süreç olacağını düşünebilirsiniz,
10:36
and you have a very smooth
213
612000
2000
ve yine de bu kaotik sürecin sonunda
10:38
outcome of this chaotic process.
214
614000
2000
elinizde düzgün bir sonuç olur.
10:40
Just as we can't predict
215
616000
2000
tıpkı gazın içindeki bir gaz
10:42
what one molecule in a gas will do --
216
618000
2000
molekülünün ne yapacağını tahmin edememize rağmen
10:44
it's hopeless to predict a single molecule --
217
620000
3000
-tek bir molekülün ne yapacağını tahmin etmek mümkün değildir-
10:47
yet we can predict the properties of the whole gas,
218
623000
2000
yine de tüm gazın özelliklerini termodinamik bilgilerini
10:49
using thermodynamics, very accurately.
219
625000
3000
kullanarak çok doğru olarak bulabiliriz.
10:52
It's the same thing here. We can't predict any particular project,
220
628000
3000
burada da aynı şey var.Tek bir projeyi tahmin edemeyiz,
10:55
but the result of this whole worldwide,
221
631000
2000
ama bunun sonucu dünya çapında,
10:57
chaotic, unpredictable activity of competition
222
633000
5000
kaotik, mücadelenin tahmin edilemez aktivitesi
11:02
and the evolutionary process of technology is very predictable.
223
638000
3000
ve teknolojinin evrim süreci oldukça tahmin edilebilirdir.
11:05
And we can predict these trends far into the future.
224
641000
3000
ve uzak gelecek içinde bunları tahmin edebiliriz.
11:10
Unlike Gertrude Stein's roses,
225
646000
2000
Gertrude Stein'ın güllerindekinin aksine,
11:12
it's not the case that a transistor is a transistor.
226
648000
2000
bir transistör, transistördür asıl mesele değil.
11:14
As we make them smaller and less expensive,
227
650000
2000
onları küçültüp ucuz hale getirdikçe,
11:16
the electrons have less distance to travel.
228
652000
2000
elektronların kat etmesi gereken mesafe azalacak.
11:18
They're faster, so you've got exponential growth in the speed of transistors,
229
654000
4000
daha hızlı olacaklar, yani transistör hızında üstel bir büyüme olacak,
11:22
so the cost of a cycle of one transistor
230
658000
4000
bir transistörün döngüsünün maliyeti
11:26
has been coming down with a halving rate of 1.1 years.
231
662000
3000
yılda 1.1 oranında azalıyor.
11:29
You add other forms of innovation and processor design,
232
665000
3000
eğer diğer formlarda innovasyon ve işlemci tasarımlar geliştirirseniz,
11:32
you get a doubling of price performance of computing every one year.
233
668000
4000
her sene işlemci hızını iki katına çıkarırsınız.
11:36
And that's basically deflation --
234
672000
3000
ve bu basit olarak fiyatlarda azalma demektir
11:39
50 percent deflation.
235
675000
2000
yüzde 50 azalma.
11:41
And it's not just computers. I mean, it's true of DNA sequencing;
236
677000
3000
ve sadece bilgisayarlarda değil.bu DNA dizilimi içinde doğru,
11:44
it's true of brain scanning;
237
680000
2000
beyin taraması içinde doğru,
11:46
it's true of the World Wide Web. I mean, anything that we can quantify,
238
682000
2000
internet içinde doğru.yani ölçebildiğimiz herşey,
11:48
we have hundreds of different measurements
239
684000
3000
yüzlerce farklı ölçüm yapılacak şey var
11:51
of different, information-related measurements --
240
687000
3000
farklı bilgi destekli ölçümler
11:54
capacity, adoption rates --
241
690000
2000
kapasite, kabul edilme oranları
11:56
and they basically double every 12, 13, 15 months,
242
692000
3000
ve basit olarak her 12, 13, 15 ayda bir ikiye katlanırlar,
11:59
depending on what you're looking at.
243
695000
2000
neye baktığınıza bağlı olarak.
12:01
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
697000
4000
ücret performansı olarak, yüzde 40 ila 50 arası bir ücret indirimi anlamına gelir.
12:06
And economists have actually started worrying about that.
245
702000
2000
ve ekonomistler bunun hakkında endişelenmeye başladılar.
12:08
We had deflation during the Depression,
246
704000
2000
ekonomik durgunluk durumunda da ücret indirimi vardı,
12:10
but that was collapse of the money supply,
247
706000
2000
ama bu para desteğinin çöküşüydü,
12:12
collapse of consumer confidence, a completely different phenomena.
248
708000
3000
tüketici güveninin çöküşüydü, tamamen farklı bir fenomen.
12:15
This is due to greater productivity,
249
711000
2000
bu daha iyi üretkenlik sonucu oluyor,
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
ama ekonomistler diyor ki, ''ama bu halde devam etmenin bir yolu tok.
12:20
If you have 50 percent deflation, people may increase their volume
251
716000
3000
eğer yüzde 50 indirim olursa, insanlar harcamalarını yüzde 30,40
12:23
30, 40 percent, but they won't keep up with it."
252
719000
2000
artırabilir, ama bu devam edemez.
12:25
But what we're actually seeing is that
253
721000
2000
ama bizim gerçekte gördüğümüz
12:27
we actually more than keep up with it.
254
723000
2000
böyle devam etmesinden daha da ileri gidileceği.
12:29
We've had 28 percent per year compounded growth in dollars
255
725000
3000
son 50 yılda bilgi teknolojilerinde
12:32
in information technology over the last 50 years.
256
728000
3000
dolarda yılda yüzde 28 oranında bileşik artış yaşadık
12:35
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
731000
4000
yani, insanlar 10 sene önce ipodları 10bin dolara üretmedi.
12:39
As the price performance makes new applications feasible,
258
735000
3000
ücret performansı yeni uygulamaları fizible hale getirdikçe,
12:42
new applications come to the market.
259
738000
2000
yeni uygulamalar piyasaya geliyor.
12:44
And this is a very widespread phenomena.
260
740000
3000
ve bu çok yaygın bir fenomen.
12:47
Magnetic data storage --
261
743000
2000
manyetik veri depolaması-
12:49
that's not Moore's Law, it's shrinking magnetic spots,
262
745000
3000
bu Moore yasası ile ilgili değil,bu manyetik noktaları küçültmek,
12:52
different engineers, different companies, same exponential process.
263
748000
4000
farklı mühendisler, farklı şirketler, aynı üstel süreç.
12:56
A key revolution is that we're understanding our own biology
264
752000
4000
bu bilgi terimleri içerisinde kendi biyolojimizi
13:00
in these information terms.
265
756000
2000
anlıyoruz ve bu bir anahtar noktadır.
13:02
We're understanding the software programs
266
758000
2000
kendi vücudumuzu çalıştıran yazılım programlarını
13:04
that make our body run.
267
760000
2000
anlıyoruz.
13:06
These were evolved in very different times --
268
762000
2000
bunlar çok farklı zamanlarda evrildi
13:08
we'd like to actually change those programs.
269
764000
2000
bu programları gerçekten değiştirmek istiyoruz.
13:10
One little software program, called the fat insulin receptor gene,
270
766000
2000
bir küçük yazılım programı,ismi yağ insülin algılayan gen,
13:12
basically says, "Hold onto every calorie,
271
768000
2000
basitçe diyor ki, ''her kaloriyi sakla,
13:14
because the next hunting season may not work out so well."
272
770000
4000
çünkü önümüzdeki av sezonu çok iyi geçmeyebilir.''
13:18
That was in the interests of the species tens of thousands of years ago.
273
774000
3000
bu, türlerin 10binlerce yıl önceki ilgi alanlarıydı.
13:21
We'd like to actually turn that program off.
274
777000
3000
bu programı kapatmayı istiyoruz.
13:24
They tried that in animals, and these mice ate ravenously
275
780000
3000
bunu hayvanlarda denediler, ve fareler aç kurtlar gibi yediler
13:27
and remained slim and got the health benefits of being slim.
276
783000
2000
ve ince kaldılar ve ince kalmanın faydalarından istifade ettiler.
13:29
They didn't get diabetes; they didn't get heart disease;
277
785000
3000
şeker hastalığına yakalanmadılar, kalp krizi geçirmediler,
13:32
they lived 20 percent longer; they got the health benefits of caloric restriction
278
788000
3000
yüzde 20 daha uzun yaşadılar, kalori sınırlamasının faydalarından istifade ettiler
13:35
without the restriction.
279
791000
2000
sınırlama yapmadan.
13:37
Four or five pharmaceutical companies have noticed this,
280
793000
3000
4 veya 5 ilaç firması bunun farkına vardı,
13:40
felt that would be
281
796000
3000
insanlar için ilginç bir ilaç
13:43
interesting drug for the human market,
282
799000
3000
olacağını hissettiler
13:46
and that's just one of the 30,000 genes
283
802000
2000
ve bu biyokimyamızı etkileyen 30bin genden
13:48
that affect our biochemistry.
284
804000
3000
sadece biri.
13:51
We were evolved in an era where it wasn't in the interests of people
285
807000
3000
biz öyle bir çağda büyüdük ki insanların, bu konferanstaki
13:54
at the age of most people at this conference, like myself,
286
810000
3000
çoğu insanın yaşında olduğu gibi, tıpkı benim gibi,
13:57
to live much longer, because we were using up the precious resources
287
813000
4000
daha uzun yaşama isteği yoktu çünkü en kıymetli kaynakları
14:01
which were better deployed towards the children
288
817000
1000
kullanıyorduk ki bunlar çocuklarımıza daha iyi aktarılacak
14:02
and those caring for them.
289
818000
2000
onlara daha iyi bakılacak.
14:04
So, life -- long lifespans --
290
820000
2000
yani, yaşam--uzun yaşam süreleri--
14:06
like, that is to say, much more than 30 --
291
822000
2000
yani, söylemek gerekirse 30dan fazla--
14:08
weren't selected for,
292
824000
3000
onlar için seçilmedi,
14:11
but we are learning to actually manipulate
293
827000
3000
ama aslında bu yazılım programlarını manipüle etmeyi
14:14
and change these software programs
294
830000
2000
ve değiştirmeyi öğreniyoruz
14:16
through the biotechnology revolution.
295
832000
2000
biyoteknoloji devrimi sayesinde.
14:18
For example, we can inhibit genes now with RNA interference.
296
834000
4000
örnek olarak, RNA müdahelesi ile genleri kısıtlayabiliyoruz.
14:22
There are exciting new forms of gene therapy
297
838000
2000
genetik malzemeyi kromozomda doğru yere
14:24
that overcome the problem of placing the genetic material
298
840000
2000
yerleştirme sorununun üstesinden gelen
14:26
in the right place on the chromosome.
299
842000
2000
yeni ve heyecan veren gen terapisi formları var.
14:28
There's actually a -- for the first time now,
300
844000
3000
aslında ilk defa şimdi,
14:31
something going to human trials, that actually cures pulmonary hypertension --
301
847000
3000
insanlar üzerinde denenen, akciğer hipertansiyonuna çözüm olan
14:34
a fatal disease -- using gene therapy.
302
850000
3000
-ölümcül bir hastalık- ve gen terapisini kullanan bir gelişme var.
14:37
So we'll have not just designer babies, but designer baby boomers.
303
853000
3000
yani sadece bebekleri tasarlamayacağız, bebekleri yapanları da tasarlayacağız.
14:40
And this technology is also accelerating.
304
856000
3000
ve bu teknoloji de ivmeleniyor.
14:43
It cost 10 dollars per base pair in 1990,
305
859000
3000
bir baz çift için 1990da 10 dolardı,
14:46
then a penny in 2000.
306
862000
2000
2000de bir peni.
14:48
It's now under a 10th of a cent.
307
864000
2000
şu an ise bir sentin onda birinden az.
14:50
The amount of genetic data --
308
866000
2000
genetik veri miktarı -basitçe bu-
14:52
basically this shows that smooth exponential growth
309
868000
3000
düzgün üstel gelişimi gösteriyor
14:55
doubled every year,
310
871000
2000
her sene iki katına çıkıyor,
14:57
enabling the genome project to be completed.
311
873000
3000
genom projesinin tamamlanmasına imkan tanıyor.
15:00
Another major revolution: the communications revolution.
312
876000
3000
bir başka büyük devrim, iletişim devrimi.
15:03
The price performance, bandwidth, capacity of communications measured many different ways;
313
879000
5000
ücret performansı, bant genişliği, bir çok farklı kablolu kablosuz
15:08
wired, wireless is growing exponentially.
314
884000
3000
iletişim ölçümü kapasitesi, üstel bir biçimde büyüyor.
15:11
The Internet has been doubling in power and continues to,
315
887000
3000
internet gücünü ikiye katlıyor ve birçok farklı yoldan
15:14
measured many different ways.
316
890000
2000
ölçülebilen bir biçimde devam ediyor.
15:16
This is based on the number of hosts.
317
892000
2000
bu sunucuların sayısı baz alınarak yapılmış.
15:18
Miniaturization -- we're shrinking the size of technology
318
894000
2000
minyatürleştirme - teknolojinin boyutunu küçültüyoruz
15:20
at an exponential rate,
319
896000
2000
üstel bir biçimde,
15:22
both wired and wireless.
320
898000
2000
kablolu ve kablosuz olarak.
15:24
These are some designs from Eric Drexler's book --
321
900000
4000
bunlar Eric Drexler'in kitabından bazı tasarımlar
15:28
which we're now showing are feasible
322
904000
2000
şu anda süper işlemcili simülasyonlarda gösterebildiğimiz
15:30
with super-computing simulations,
323
906000
2000
üzere yapılabilir,
15:32
where actually there are scientists building
324
908000
2000
aslında bilim adamları molekül ölçeğinde
15:34
molecule-scale robots.
325
910000
2000
robotlar inşa ediyorlar.
15:36
One has one that actually walks with a surprisingly human-like gait,
326
912000
2000
bir tanesi şaşırtıcı insan benzeri koşma tarzıyla yürüyor,
15:38
that's built out of molecules.
327
914000
3000
moleküllerden inşa edilmiş.
15:41
There are little machines doing things in experimental bases.
328
917000
4000
deneysel olarak bunları yapan küçük makineler var.
15:45
The most exciting opportunity
329
921000
3000
en heyecan verici fırsat ise gerçekten
15:48
is actually to go inside the human body
330
924000
2000
insan vücudunun içine girip şifa verici
15:50
and perform therapeutic and diagnostic functions.
331
926000
3000
ve teşhise dayalı fonksiyonlar gerçekleştirmesi.
15:53
And this is less futuristic than it may sound.
332
929000
2000
ve bu kulağa geldiğinden daha da futuristik.
15:55
These things have already been done in animals.
333
931000
2000
bu şeyler hayvanlarda denendi bile.
15:57
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
933000
4000
tip 1 diyabet hastalığını iyileştiren bir nano mühendislik ürünü var.kan hücresi boyutunda.
16:01
They put tens of thousands of these
335
937000
2000
bunlardan 10binlercesini kan hücrelerine
16:03
in the blood cell -- they tried this in rats --
336
939000
2000
koyuyorlar -bunu farelerde denediler-
16:05
it lets insulin out in a controlled fashion,
337
941000
2000
içerideki insülini kontrollü bir biçimde dışarıya bırakıyor,
16:07
and actually cures type 1 diabetes.
338
943000
2000
ve tip 1 diyabeti iyileştiriyor.
16:09
What you're watching is a design
339
945000
3000
izlediğiniz şey ise robotik bir
16:12
of a robotic red blood cell,
340
948000
2000
kırmızı kan hücresi,
16:14
and it does bring up the issue that our biology
341
950000
2000
ve biyolojimizin gerçekte çok yetersiz
16:16
is actually very sub-optimal,
342
952000
2000
olduğunu gösteriyor,
16:18
even though it's remarkable in its intricacy.
343
954000
3000
ve hatta kendi içerisindeki karmaşıklığı da.
16:21
Once we understand its principles of operation,
344
957000
3000
çalışma prensibini bir kez anladığımızda,
16:24
and the pace with which we are reverse-engineering biology is accelerating,
345
960000
3000
ve yürüttüğümüzde ki bu konudaki ters mühendislik ivmelenmekte,
16:28
we can actually design these things to be
346
964000
2000
bu tür şeyleri binlerce kat daha fazla kapasitede
16:30
thousands of times more capable.
347
966000
2000
tasarlayabiliriz.
16:32
An analysis of this respirocyte, designed by Rob Freitas,
348
968000
4000
bu yapay nano hücrenin analizi, Rob Freitas tarafından tasarlanmış,
16:37
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
973000
2000
eğer kırmızı kan hücrelerinizin yüzde 10unu bu hücrelerle değiştirirseniz,
16:40
you could do an Olympic sprint for 15 minutes without taking a breath.
350
976000
3000
bir nefesle olimpik bir koşuyu 15 dakikada yapabilirsiniz.
16:43
You could sit at the bottom of your pool for four hours --
351
979000
3000
havuzunuzda dipte 4 saat boyunca oturabilirdiniz
16:46
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
982000
4000
-''Hayatım, havuzdayım,'' demek tamamen yeni bir anlam kazanır.
16:50
It will be interesting to see what we do in our Olympic trials.
353
986000
2000
olimpik denemelerde neler yapabileceğimizi görmek ilginç olacak.
16:52
Presumably we'll ban them,
354
988000
2000
büyük ihtimalle onları yasaklarız,
16:54
but then we'll have the specter of teenagers in their high schools gyms
355
990000
2000
ama sonra liselerinin salonlarında rutin olarak
16:56
routinely out-performing the Olympic athletes.
356
992000
3000
olimpik atletlerin performansını gösteren gençler olurdu.
17:01
Freitas has a design for a robotic white blood cell.
357
997000
3000
Freitas robotik beyaz kan hücresi tasarımına sahip.
17:04
These are 2020-circa scenarios,
358
1000000
4000
bunlar 2020 civarında olacak senaryolar,
17:08
but they're not as futuristic as it may sound.
359
1004000
2000
ama kulağa geldiği kadar futuristik değil.
17:10
There are four major conferences on building blood cell-sized devices;
360
1006000
4000
kan hücresi boyutunda aletlerin yapımı ile ilgilenilen 4 tane büyük konferans var
17:14
there are many experiments in animals.
361
1010000
2000
hayvanlar üzerinde bir çok deney yapılıyor.
17:16
There's actually one going into human trial,
362
1012000
2000
aslında bir tanesi insanlar üzerinde deneniyor,
17:18
so this is feasible technology.
363
1014000
3000
yani bu yapılabilir bir teknoloji.
17:22
If we come back to our exponential growth of computing,
364
1018000
2000
eğer üstel işlemci büyümesine dönersek,
17:24
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1020000
3000
1000 dolarlık bir işlem bir böceğin ve farenin beyni arasında bir yerlerde.
17:27
It will intersect human intelligence
366
1023000
3000
insan zekası ile kapasite olarak
17:30
in terms of capacity in the 2020s,
367
1026000
3000
2020lerde kesişecek,
17:33
but that'll be the hardware side of the equation.
368
1029000
2000
ama bu denklemin donanım tarafı.
17:35
Where will we get the software?
369
1031000
2000
yazılımı nereden elde edeceğiz?
17:37
Well, it turns out we can see inside the human brain,
370
1033000
2000
aslında, insan beyninin içini görebileceğimiz ortaya çıkıyor,
17:39
and in fact not surprisingly,
371
1035000
2000
ve şaşırtıcı olmayan bir biçimde,
17:41
the spatial and temporal resolution of brain scanning is doubling every year.
372
1037000
4000
beyin taramasının uzaysal ve zamansal çözünürlüğü her sene iki kat artıyor.
17:45
And with the new generation of scanning tools,
373
1041000
2000
ve yeni nesil tarama aletleri ile,
17:47
for the first time we can actually see
374
1043000
2000
ilk defa gerçek olarak
17:49
individual inter-neural fibers
375
1045000
2000
ayrı ayrı nöronlar arasındaki fiberleri
17:51
and see them processing and signaling in real time --
376
1047000
3000
ve işlem yapmalarını ve sinyal vermeleri gerçek zamanlı olarak görebiliyoruz
17:54
but then the question is, OK, we can get this data now,
377
1050000
2000
ve -ama sonra soru tamam,bu veriyi elde ediyoruz,
17:56
but can we understand it?
378
1052000
2000
ama anlayabiliyor muyuz?
17:58
Doug Hofstadter wonders, well, maybe our intelligence
379
1054000
3000
Doug Hofstadter merak ediyor, aslında, belki zekamız
18:01
just isn't great enough to understand our intelligence,
380
1057000
3000
zekamızı anlayacak kadar iyi değildir,
18:04
and if we were smarter, well, then our brains would be that much more complicated,
381
1060000
3000
ve eğer daha zeki olsaydık, beyinlerimiz daha fazla karışmış olacaktı,
18:07
and we'd never catch up to it.
382
1063000
2000
ve hiç bir zaman yakalama şansımız olmayacaktı.
18:10
It turns out that we can understand it.
383
1066000
3000
anlayabileceğimiz ortaya çıktı.
18:13
This is a block diagram of
384
1069000
3000
bu bir model ve insan işitsel korteksinin
18:16
a model and simulation of the human auditory cortex
385
1072000
4000
bir simülasyonu ve blok diyagramı
18:20
that actually works quite well --
386
1076000
2000
aslında gayet iyi çalışıyor
18:22
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1078000
2000
psikoakustik testler ile insan işitsel algısınınkine çok yakın sonuçlar alınıyor
18:26
There's another simulation of the cerebellum --
388
1082000
3000
beyinciğin başka bir simülasyonu
18:29
that's more than half the neurons in the brain --
389
1085000
2000
--beyindeki nöronların yarıdan fazlası orada--
18:31
again, works very similarly to human skill formation.
390
1087000
3000
yine, insan formasyonuna oldukça yakın olarak çalışıyor.
18:35
This is at an early stage, but you can show
391
1091000
3000
şu anda erken aşamada, ama beyin hakkındaki
18:38
with the exponential growth of the amount of information about the brain
392
1094000
3000
bilgilerin üstel artışının ve beyin taramasındaki
18:41
and the exponential improvement
393
1097000
2000
üstel artışın gösterilmesi ile
18:43
in the resolution of brain scanning,
394
1099000
2000
2020lerde insan beyninin
18:45
we will succeed in reverse-engineering the human brain
395
1101000
3000
ters mühendisliğinde
18:48
by the 2020s.
396
1104000
2000
başarılı olacağız.
18:50
We've already had very good models and simulation of about 15 regions
397
1106000
3000
şu an da bir kaç yüz bölgeden 15inde çok iyi modeller
18:53
out of the several hundred.
398
1109000
3000
simülasyonları elde ettik.
18:56
All of this is driving
399
1112000
2000
bütün bunlar üstel olarak büyüyen
18:58
exponentially growing economic progress.
400
1114000
2000
ekonomik süreç.
19:00
We've had productivity go from 30 dollars to 150 dollars per hour
401
1116000
3000
son 50 senede işçilerin üretkenliği saatte 30 dolardan
19:05
of labor in the last 50 years.
402
1121000
2000
150 dolara çıktı.
19:07
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1123000
3000
E-ticaret üstel olarak büyüyor.Şu anda trilyon dolarlarda.
19:10
You might wonder, well, wasn't there a boom and a bust?
404
1126000
2000
merak edebilirsiniz, hiç mi patlama ve başarısızlık olmadı?
19:12
That was strictly a capital-markets phenomena.
405
1128000
2000
tam anlamıyla kapital pazarlama fenomeni bu.
19:14
Wall Street noticed that this was a revolutionary technology, which it was,
406
1130000
4000
Wall Street farkına vardı ki bu devrimsel bir teknolojiydi,ki öyleydi de,
19:18
but then six months later, when it hadn't revolutionized all business models,
407
1134000
3000
ama 10 ay sonra, bütün iş modelleri devrimleşmediğinde,
19:21
they figured, well, that was wrong,
408
1137000
2000
fark ettiler ki bu yanlış,
19:23
and then we had this bust.
409
1139000
2000
ve sonra başarısızlık oldu.
19:26
All right, this is a technology
410
1142000
2000
tamam, bu içerisinde olduğumuz
19:28
that we put together using some of the technologies we're involved in.
411
1144000
3000
teknolojilerin bir araya gelmesi ile oluşan bir teknoloji.
19:31
This will be a routine feature in a cell phone.
412
1147000
4000
bu cep telefonunda rutin bir özellik.
19:35
It would be able to translate from one language to another.
413
1151000
2000
bir dilden diğerine çeviri mümkün olacak.
19:47
So let me just end with a couple of scenarios.
414
1163000
2000
o zaman birkaç senaryo ile bitireyim.
19:49
By 2010 computers will disappear.
415
1165000
3000
2010da bilgisayarlar ortadan kaybolacak.
19:53
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1169000
3000
çok küçük olacaklar, giysilerimize monte halde, çevremizde olacaklar.
19:56
Images will be written directly to our retina,
417
1172000
2000
görüntüler retinamıza direkt olarak yazılacak,
19:58
providing full-immersion virtual reality,
418
1174000
2000
tam monte edilmiş sanal gerçeklik sağlayan,
20:00
augmented real reality. We'll be interacting with virtual personalities.
419
1176000
3000
artırılmış gerçek gerçeklik.sanal kişilikler ile iletişime geçeceğiz.
20:04
But if we go to 2029, we really have the full maturity of these trends,
420
1180000
4000
ama eğer 2029a gidersek, bu trendlerin tam olgunluğuna ulaşacağız,
20:08
and you have to appreciate how many turns of the screw
421
1184000
3000
sürekli gelişen ve hızlanan teknoloji
20:11
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1187000
4000
takdir edilesi olacak.
20:15
I mean, we will have two-to-the-25th-power
423
1191000
2000
yani bu teknolojilerin 2 üzeri 25. kuvveti kadar
20:17
greater price performance, capacity and bandwidth
424
1193000
3000
daha fazla ücret performansı, kapasite ve bantgenişliği
20:20
of these technologies, which is pretty phenomenal.
425
1196000
2000
elde edeceğiz ki bu çok şaşırtıcı.
20:22
It'll be millions of times more powerful than it is today.
426
1198000
2000
şu ankinden milyonlarca kat daha güçlü olacak.
20:24
We'll have completed the reverse-engineering of the human brain,
427
1200000
2000
insan beyninin ters mühendisliğini bitirmiş olacağız,
20:27
1,000 dollars of computing will be far more powerful
428
1203000
3000
1000 dolarlık bir işlem insan beyninin ham kapasitesinden
20:30
than the human brain in terms of basic raw capacity.
429
1206000
4000
çok daha fazla kuvvetli olacak.
20:34
Computers will combine
430
1210000
2000
bilgisayarlar analitik düşünmeyi
20:36
the subtle pan-recognition powers
431
1212000
2000
kullanarak insan zekası ile zaten makinelerin
20:38
of human intelligence with ways in which machines are already superior,
432
1214000
3000
iyi yaptığı şeyleri
20:41
in terms of doing analytic thinking,
433
1217000
2000
bir araya getirecek,
20:43
remembering billions of facts accurately.
434
1219000
2000
milyarca gerçeği doğru bir biçimde hatırlayarak.
20:45
Machines can share their knowledge very quickly.
435
1221000
2000
makineler bilgilerini çok çabuk olarak paylaşabilirler.
20:47
But it's not just an alien invasion of intelligent machines.
436
1223000
5000
ama bu sadece zeki makinelerin istilası olmayacak.
20:52
We are going to merge with our technology.
437
1228000
2000
kendi teknolojimiz ile bahsettiğim
20:54
These nano-bots I mentioned
438
1230000
2000
nano bot teknolojisini bir araya getiriyoruz
20:56
will first be used for medical and health applications:
439
1232000
4000
önce sağlık alanında kullanılacak:
21:00
cleaning up the environment, providing powerful fuel cells
440
1236000
3000
çevreyi temizlemek,yakıt sağlamak-- güçlü yakıt hücreleri
21:03
and widely distributed decentralized solar panels and so on in the environment.
441
1239000
5000
ve yaygın olarak dağıtılmış güneş panelleri ve bunun gibi doğada bulunan şeyler ile.
21:08
But they'll also go inside our brain,
442
1244000
2000
ama bunlar aynı zamanda beynimizin içine de girecek,
21:10
interact with our biological neurons.
443
1246000
2000
biyolojik nöronlarımız ile iletişime geçerek.
21:12
We've demonstrated the key principles of being able to do this.
444
1248000
3000
bunu yapmanın ana prensiplerinden bahsettik.
21:15
So, for example,
445
1251000
2000
yani örnek olarak,
21:17
full-immersion virtual reality from within the nervous system,
446
1253000
2000
nöron sistemi ile tam entegre sanal gerçeklik,
21:19
the nano-bots shut down the signals coming from your real senses,
447
1255000
3000
nano botlar gerçek hislerinizden gelen sinyalleri keserek,
21:22
replace them with the signals that your brain would be receiving
448
1258000
3000
beyninizin eğer o sanal çevrede olsaydınız
21:25
if you were in the virtual environment,
449
1261000
2000
algılayacağı sinyaller ile yerlerini değiştirecek,
21:27
and then it'll feel like you're in that virtual environment.
450
1263000
2000
ve siz de kendinizi o çevrede hissedeceksiniz.
21:29
You can go there with other people, have any kind of experience
451
1265000
2000
oraya diğer insanlar ile beraber gidebilirsiniz, bu duygulara dahil olan
21:31
with anyone involving all of the senses.
452
1267000
2000
herhangi biri ile herhangi bir çeşit duyguyu tadabilirsiniz.
21:34
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1270000
3000
''deneyim göstericileri'' adını veriyorum,bunlar bütün algılayıcı deneyim akışlarını
21:37
in the neurological correlates of their emotions out on the Internet.
454
1273000
3000
nörolojik bir bağ ile duygulara internet üzerinden birleştirecek.
21:40
You can plug in and experience what it's like to be someone else.
455
1276000
3000
başka birisi olmanın deneyimini bunu takıp deneyerek anlayabilirsiniz.
21:43
But most importantly,
456
1279000
2000
ama en önemlisi,
21:45
it'll be a tremendous expansion
457
1281000
2000
kendi teknolojimiz ile insan beyninin birleşmesi
21:47
of human intelligence through this direct merger with our technology,
458
1283000
4000
muazzam bir genişleme olacak,
21:51
which in some sense we're doing already.
459
1287000
2000
bazı şekillerde zaten yaptığımız gibi.
21:53
We routinely do intellectual feats
460
1289000
2000
rutin olarak zekice marifetler yaparız
21:55
that would be impossible without our technology.
461
1291000
2000
teknolojimiz olmadan imkansız olacak şeyleri.
21:57
Human life expectancy is expanding. It was 37 in 1800,
462
1293000
3000
insan ömrü beklentisi artıyor.1800 de 37ydi,
22:00
and with this sort of biotechnology, nano-technology revolutions,
463
1296000
5000
bu tür bir biyoteknoloji ile, nano teknoloji devrimleri ile,
22:05
this will move up very rapidly
464
1301000
2000
bu çok hızlı bir biçimde artıyor
22:07
in the years ahead.
465
1303000
2000
önümüzdeki yıllarda.
22:09
My main message is that progress in technology
466
1305000
4000
ana mesajım teknolojideki ilerlemenin
22:13
is exponential, not linear.
467
1309000
3000
üstel olduğu, lineer değil.
22:16
Many -- even scientists -- assume a linear model,
468
1312000
4000
birçokları -bilim adamları dahil- lineer bir model farz ediyor,
22:20
so they'll say, "Oh, it'll be hundreds of years
469
1316000
2000
diyorlar ki, ''yapay zekanın nano teknolojideki kopyalamasını
22:22
before we have self-replicating nano-technology assembly
470
1318000
3000
yapmamız yüzlerce yıl
22:25
or artificial intelligence."
471
1321000
2000
alacak.''
22:27
If you really look at the power of exponential growth,
472
1323000
3000
üstel gelişmenin gücüne bakarsanız,
22:30
you'll see that these things are pretty soon at hand.
473
1326000
3000
göreceksiniz ki bu tüt şeyler çok yakında olacak.
22:33
And information technology is increasingly encompassing
474
1329000
3000
ve bilgi teknolojileri hayatımız artarak kuşatıyor
22:36
all of our lives, from our music to our manufacturing
475
1332000
4000
müziğimiz, üretimimiz
22:40
to our biology to our energy to materials.
476
1336000
4000
biyolojimiz, enerjimiz, malzemelerimiz.
22:44
We'll be able to manufacture almost anything we need in the 2020s,
477
1340000
3000
ihtiyacımız olan neredeyse herşeyi 2020lerde üretecek hale geleceğiz,
22:47
from information, in very inexpensive raw materials,
478
1343000
2000
nano teknoloji kullanarak çok pahalı
22:49
using nano-technology.
479
1345000
3000
ham maddelerin dönüşümü ile.
22:52
These are very powerful technologies.
480
1348000
2000
bunlar çok güçlü teknolojiler.
22:54
They both empower our promise and our peril.
481
1350000
4000
umudumuzu ve tehlikeyi artırıyorlar.
22:58
So we have to have the will to apply them to the right problems.
482
1354000
3000
doğru işler için bu teknolojileri kullanma isteğine sahip olmamız lazım.
23:01
Thank you very much.
483
1357000
1000
çok teşekkürler.
23:02
(Applause)
484
1358000
1000
(Alkışlar)
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