TED2010
Nathan Myhrvold: Could this laser zap malaria?
Bu lazer malaria'yı (Sıtma'yı) öldürebilir mi?
Filmed:
Readability: 3.7
965,317 views
Nathan Myhrvold ve takımının son buluşları-- cesur oldukları kadar zekiler de-- dünyanın malaria örneği gibi büyük sorunlarını çözmek için çılgınca yaratıcılığa ihtiyaç duyduğunu anımsatıyor. Tam da bu fikir yok olurken, Nathan Myhrold canlı bir demonstrasyon ile görmeden inanmakta güçlük çekeceğiniz bu yeni sivrisinek vurucu aletini ortaya çıkarıyor.
Nathan Myhrvold - Polymath
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer. Full bio
Nathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer. Full bio
Double-click the English transcript below to play the video.
00:15
We invent.
0
0
2000
Biz icat ederiz.
00:17
My company invents
1
2000
2000
Şirketim pek çok alanda
00:19
all kinds of new technology
2
4000
2000
her çeşit yeni teknolojiyi
00:21
in lots of different areas.
3
6000
2000
icat eder.
00:23
And we do that for a couple of reasons.
4
8000
2000
Bunu da bir kaç nedenden dolayı yaparız
00:25
We invent for fun --
5
10000
2000
Eğlenmek için icat ederiz.
00:27
invention is a lot of fun to do --
6
12000
3000
Buluş yapmak çok eğlencelidir.
00:30
and we also invent for profit.
7
15000
2000
Kar elde etmek için de icat ederiz.
00:32
The two are related because
8
17000
2000
Bu ikisi aslında bağlantılı,
00:34
the profit actually takes long enough that if it isn't fun,
9
19000
2000
kar elde etmek çok uzun zaman aldığı için, eğlenmiyor
00:36
you wouldn't have the time to do it.
10
21000
2000
olsaydık, icat edecek zamanımız olmazdı.
00:38
So we do this
11
23000
2000
Yani bu yaptıklarımız
00:40
fun and profit-oriented inventing
12
25000
2000
çoğunlukla eğlence amaçlı
00:42
for most of what we do,
13
27000
2000
ve kar odaklıdır,
00:44
but we also have a program where we invent for humanity --
14
29000
3000
ama insanlık adına buluşlar yaptığımız bir programımız da var,
00:47
where we take some of our best inventors,
15
32000
2000
burada en iyi mucitlerimizden bazıları çalışıyor,
00:49
and we say, "Are there problems
16
34000
2000
şöyle diyoruz, dünyanın sahip olduğu
00:51
where we have a good idea for solving a problem the world has?" --
17
36000
3000
ve bizim de bu konuda fikir sahibi olduğumuz bir problem var mı?
00:54
and to solve it in the way we try to solve problems,
18
39000
3000
Ve bu problemleri de kendi bildiğimiz şekilde yani oldukça
00:57
which is with dramatic, crazy,
19
42000
2000
dramatik, delice, beklenmedik yollarla
00:59
out-of-the-box solutions.
20
44000
2000
çözdüğümüzü söyleyebilirim.
01:01
Bill Gates is one of those smartest guys of ours
21
46000
2000
Bill Gates'de bu problemler üzerinde bizimle çalışan
01:03
that work on these problems
22
48000
2000
şu çok zeki adamlardan birisidir.
01:05
and he also funds this work, so thank you.
23
50000
3000
Ayrıca bizi finanse de ediyor, sağolsun.
01:08
So I'm going to briefly discuss
24
53000
2000
Şimdi size kısaca sahip olduğumuz
01:10
a couple of problems that we have
25
55000
2000
bir kaç problemden ve bu bir kaç
01:12
and a couple of problems where
26
57000
2000
problemi halletmek için sahip olduğumuz
01:14
we've got some solutions underway.
27
59000
2000
merdiven altı çözümlerden bahsedeceğim.
01:16
Vaccination is one of the
28
61000
3000
Aşılama halk sağlığı alanında
01:19
key techniques in public health,
29
64000
2000
en kilit teknolojilerden birisi,
01:21
a fantastic thing.
30
66000
2000
muhteşem bir şey,
01:23
But in the developing world a lot of vaccines
31
68000
3000
ama gelişen dünyada pek çok aşı daha henüz
01:26
spoil before they're administered,
32
71000
2000
uygulanamadan bozuluyor.
01:28
and that's because they need to be kept cold.
33
73000
3000
Çünkü soğuk olarak saklanmalarının gerekiyor.
01:31
Almost all vaccines need to be kept at refrigerator temperatures.
34
76000
3000
Neredeyse tüm aşıları buzdolabı soğukluğunda saklamamız gerekli.
01:34
They go bad very quickly if you don't,
35
79000
2000
Yapmazsanız çok çabuk bozuluyorlar.
01:36
and if you don't have stable power grid, this doesn't happen,
36
81000
3000
Ve stabil elektrik şebekeniz yoksa, bunu sağlayamıyorsunuz,
01:39
so kids die.
37
84000
2000
ve çocuklar ölüyor.
01:41
It's not just the loss of the vaccine that matters;
38
86000
3000
Konumuz sadece aşının ziyan olması değil yani,
01:44
it's the fact that those kids don't get vaccinated.
39
89000
3000
asıl problem çocukların aşılanamıyor olması.
01:47
This is one of the ways that
40
92000
3000
Bu aşıların taşınma yollarından
01:50
vaccines are carried:
41
95000
2000
bir tanesi.
01:52
These are Styrofoam chests. These are being carried by people,
42
97000
3000
Bunlar styrofoam gövdeler. Bunlar insanlar tarafından taşınıyorlar,
01:55
but they're also put on the backs of pickup trucks.
43
100000
2000
ama ayrıca pikap araçların arkalarında da taşınıyorlar.
01:57
We've got a different solution.
44
102000
3000
Biz başka bir çözüm bulduk.
02:00
Now, one of these Styrofoam chests
45
105000
3000
Şimdi bu sytrofoam gövdelerden birisi
02:03
will last for about four hours with ice in it.
46
108000
2000
içi buz ile doluyken yaklaşık 4 saat idare ediyor.
02:05
And we thought, well, that's not really good enough.
47
110000
3000
Bizde bunun yeterli bir süre olmadığını düşündük.
02:08
So we made this thing.
48
113000
2000
Bu şeyi yaptık.
02:10
This lasts six months with no power;
49
115000
3000
Bu enerjisiz altı ay idare edebiliyor,
02:13
absolutely zero power,
50
118000
2000
neredeyse sıfır enerjiyle...
02:15
because it loses less
51
120000
2000
çünkü yarım wattan daha
02:17
than a half a watt.
52
122000
2000
azını çekiyor.
02:19
Now, this is our second generations prototype.
53
124000
3000
Şimdi bu bizim ikinci nesil prototipimiz.
02:22
The third generation prototype is, right now,
54
127000
2000
Üçüncü nesi prototip, şu anda,
02:24
in Uganda being tested.
55
129000
3000
Uganda'da test aşamasında.
02:27
Now, the reason we were able to come up with this
56
132000
2000
Şimdi bu iki anahtar fikirle ortaya çıkmamızın
02:29
is two key ideas:
57
134000
2000
sebepleri.
02:31
One is that this is similar to a cryogenic Dewar,
58
136000
2000
Birincisi bu kriyojenik bir termosa benziyor,
02:33
something you'd keep liquid nitrogen or liquid helium in.
59
138000
3000
sıvı nitrojen veya sıvı helium saklayabilirsiniz.
02:36
They have incredible insulation,
60
141000
2000
İnanılmaz bir yalıtımları var,
02:38
so let's put some incredible insulation here.
61
143000
2000
şimdi buraya inanılmaz yalıtımı koyalım.
02:40
The other idea is kind of interesting,
62
145000
3000
Diğer fikir biraz daha ilginç,
02:43
which is, you can't reach inside anymore.
63
148000
3000
çünkü artık içerisine ulaşamıyorsunuz,
02:46
Because if you open it up and reach inside,
64
151000
2000
eğer açıp içine ulaşırsanız,
02:48
you'd let the heat in, the game would be over.
65
153000
2000
ısıyı da içeriye alırsınız ve oyunun sonu gelir.
02:50
So the inside of this thing actually looks like a Coke machine.
66
155000
3000
Aslında bunun içi daha ziyade bir Coca Cola makinasına benziyor.
02:53
It vends out little individual vials.
67
158000
3000
Dışarıya küçük şişeler çıkarıyor.
02:56
So a simple idea,
68
161000
2000
Yani basit bir fikir
02:58
which we hope is going to change the way vaccines are distributed
69
163000
3000
ama aşıların Afrika ve dünyanın geri kalanına dağıtım yolunu
03:01
in Africa and around the world.
70
166000
2000
değiştireceğini umud ediyoruz.
03:04
We'll move on to malaria.
71
169000
2000
Şimdi Sıtma hastalığına geçelim.
03:06
Malaria is one of the great public health problems.
72
171000
3000
Sıtma en büyük halk sağlığı sorunlarından birisi.
03:09
Esther Duflo talked a little bit about this.
73
174000
2000
Esther Duflo bu konudan biraz bahsetmişti.
03:11
Two hundred million people a year.
74
176000
3000
Her yıl 250 milyon kişi.
03:14
Every 43 seconds a child in Africa dies;
75
179000
3000
Her 43 saniyede bir, Afrika'da bir çocuk ölüyor.
03:18
27 will die during my talk.
76
183000
3000
Bu konuşma sırasında 27 çocuk ölmüş olacak.
03:23
And there's no way for us here in this country
77
188000
3000
Ve bulunduğumuz ülkeden baktığımızda, oradaki
03:26
to grasp really what that means to the people involved.
78
191000
3000
insanlar için bunun anlamını kavrama ihtimalimiz yok.
03:29
Another comment of Esther's
79
194000
2000
Esther'in başka bir yorumu da
03:31
was that we react when there's
80
196000
2000
Haiti'deki gibi bir trajedi olduğunda
03:33
a tragedy like Haiti,
81
198000
2000
tepki verdiğimiz,
03:35
but that tragedy is ongoing.
82
200000
2000
ama bu trajedi sürekli devam ediyor.
03:37
So what can we do about it?
83
202000
2000
peki bu konuda ne yapabiliriz?
03:39
Well, there are a lot of things people have tried
84
204000
2000
Uzun yıllardır pek çok insanın sıtma sorununu
03:41
for many years for solving malaria.
85
206000
2000
çözmek için denediği çok fazla şey var.
03:43
You can spray; the problem is there are environmental issues.
86
208000
3000
Sprey kullanabilirsiniz ama, çevre sorunumuz var.
03:46
You can try to treat people and create awareness.
87
211000
3000
İnsanları tedavi edip konu hakkında farkındalık yaratabilirsiniz.
03:49
That's great, except the places that have malaria really bad,
88
214000
3000
Bu süper, ama sıtmanın gerçekten kötü olduğu bölgelerde
03:52
they don't have health care systems.
89
217000
2000
bir sağlık bakım sistemi de yok.
03:54
A vaccine would be a terrific thing,
90
219000
2000
Bir aşı süper olabilirdi,
03:56
only they don't work yet.
91
221000
2000
ama henüz işe yaramıyorlar.
03:58
People have tried for a long time. There are a couple of interesting candidates.
92
223000
3000
İnsanlar uzun zamandır deniyorlar. Bir kaç ilginç aday da var.
04:01
It's a very difficult thing to make a vaccine for.
93
226000
3000
Bu şeyin aşısının yapılması çok zor.
04:05
You can distribute bed nets,
94
230000
2000
Cibinlik dağıtabilirsiniz.
04:07
and bed nets are very effective if you use them.
95
232000
3000
Eğer kullanırsanız cibinlikler gerçekten işe yarıyor.
04:10
You don't always use them for that. People fish with them.
96
235000
2000
Her zaman bu iş için de kullanmıyorlar. İnsanlar bununla balık avlıyor.
04:12
They don't always get to everyone.
97
237000
2000
Herkese ulaştırılamıyorlar.
04:14
And bed nets
98
239000
2000
Ve cibinliklerin
04:16
have an effect on the epidemic,
99
241000
2000
epidemiye bir etkileri var,
04:18
but you're never going to make it extinct with bed nets.
100
243000
3000
ama cibinlikler bu hastalığın tamamen silinmesini sağlayamaz.
04:21
Now, malaria is
101
246000
2000
Şimdi, sıtma
04:23
an incredibly complicated disease.
102
248000
3000
çok kompleks bir hastalık.
04:26
We could spend hours going over this.
103
251000
2000
Saatlerce anlatabilirim.
04:28
It's got this sort of soap opera-like lifestyle;
104
253000
2000
(Plasmodium; sıtma paraziti) enteresan bir hayat şekline sahip.
04:30
they have sex, they burrow into your liver,
105
255000
3000
Seks yapıyorlar. Karaciğerinize sığınıyorlar.
04:33
they tunnel into your blood cells ...
106
258000
3000
Oradan kırmızı kan hücrelerinize giriyorlar.
04:36
it's an incredibly complicated disease,
107
261000
2000
Çok çok komplike bir hastalık,
04:38
but that's actually one of the things we find interesting about it
108
263000
3000
aslında sıtma konusunda çalışma sebeplerimizden birisi de
04:41
and why we work on malaria:
109
266000
2000
çok komplike oluşu.
04:43
There's a lot of potential ways in.
110
268000
3000
Çok fazla potansiyel başlangıç noktası var.
04:47
One of those ways might be better diagnosis.
111
272000
3000
Bu yollardan birisi daha iyi tanı koymak.
04:50
So we hope this year
112
275000
2000
Bu sene, inşallah,
04:52
to prototype each of these devices.
113
277000
3000
bu aletlerin her birinin prototipini yapacağız.
04:56
One does an automatic malaria diagnosis
114
281000
3000
Bu alet otomatik sıtma tanısı koyuyor,
04:59
in the same way that a diabetic's glucose meter works:
115
284000
3000
aynı şeker hastalarının kullandığı glukometre cihazları gibi.
05:02
You take a drop of blood,
116
287000
2000
Bir damla kan alıyoruz,
05:04
you put it in there and it automatically tells you.
117
289000
2000
buraya koyuyoruz ve size oromatik olarak söylüyor.
05:06
Today, you need to do a complicated laboratory procedure,
118
291000
3000
Günümüzde bunun için komplike bir lab. prosedürü gerekiyor,
05:09
create a bunch of microscope slides
119
294000
2000
bir kaç mikroskop lamı hazırlamanız
05:11
and have a trained person examine it.
120
296000
3000
ve eğitimli birinin de bunları muayene etmesi lazım.
05:14
The other thing is, you know,
121
299000
2000
Diğer şeyse, bilirsiniz,
05:16
it would be even better if you didn't have to draw the blood.
122
301000
3000
kan almadan bunu yapmak aslında daha iyi olabilirdi.
05:19
And if you look through the eye,
123
304000
2000
Gözün içine bakıyorsunuz diyelim,
05:21
or you look at the vessels on the white of the eye,
124
306000
3000
ya da gözün beyaz kısmındaki damarlara bakacaksınız
05:24
in fact, you may be able to do this
125
309000
2000
aslında, bunu yapma ihtimaliniz de var
05:26
directly, without drawing any blood at all,
126
311000
3000
direkt olarak hiç kan almadan yapılabilir,
05:29
or through your nail beds.
127
314000
2000
ya da tırnak yataklarınızdan anlaşılabilir.
05:31
Because if you actually look through your fingernails, you can see blood vessels,
128
316000
3000
Çünkü, aslında tırnak yataklarınıza bakarsanız oradaki kan damarlarını da görebilirsiniz.
05:34
and once you see blood vessels, we think we can see the malaria.
129
319000
3000
Ve eğer kan damarlarını görürseniz, sanırım sıtma parazitini de görebiliriz.
05:38
We can see it because of this molecule
130
323000
2000
Hemozoin adı verilen bu molekül yüzünden
05:40
called hemozoin.
131
325000
2000
bunu görme ihtimalimiz var.
05:42
It's produced by the malaria parasite
132
327000
3000
Sıtma paraziti tarafından üretiliyor.
05:45
and it's a very interesting crystalline substance.
133
330000
3000
Çok ilginç kristal benzeri bir madde,
05:49
Interesting, anyway, if you're a solid-state physicist.
134
334000
2000
enteresan, neyse.
05:51
There's a lot of cool stuff we can do with it.
135
336000
3000
Bununla bir sürü havalı şey yapabiliyoruz.
05:54
This is our femtosecond laser lab.
136
339000
3000
Burası bizim fs (femtosecond) lazer labımız.
05:57
So this creates pulses of light
137
342000
2000
Ve bu da saniyenin katrilyonda biri
05:59
that last a femtosecond.
138
344000
2000
kadar sürelik ışık sinyalleri yaratıyor.
06:01
That's really, really, really short.
139
346000
3000
Bu çok ama çok çok kısa.
06:05
This is a pulse of light that's
140
350000
2000
Bu ışık sinyali ışığın bir dalga boyu
06:07
only about one wavelength of light long,
141
352000
2000
kadarına dek geliyor.
06:09
so it's a whole bunch of photons
142
354000
2000
Yani bir grup fotonun hepsi
06:11
all coming and hitting simultaneously.
143
356000
2000
gelip sürekli çarpıyorlar.
06:13
It creates a very high peak power
144
358000
2000
Ve çok yüksek bir pik-enerji yaratıyor.
06:15
and it lets you do all kinds of interesting things;
145
360000
2000
Çok ilginç şeyler yapabilmenize olanak sağlıyor.
06:17
in particular, it lets you find hemozoin.
146
362000
2000
Ama özellikle, hemozoini bulmanızı sağlıyor.
06:19
So here's an image of red blood cells,
147
364000
3000
İşte bu kırmızı kan hücrelerinizin bir resmi.
06:22
and now we can actually map
148
367000
2000
Ve aslında artık kırmızı kan hücrelerinde
06:24
where the hemozoin and where the malaria parasites are
149
369000
3000
bulunan hemozoinin ve parazitin yerinin de
06:27
inside those red blood cells.
150
372000
2000
haritasını çıkarabiliyoruz.
06:29
And using both this technique
151
374000
2000
Bu teknik ve diğer
06:31
and other optical techniques,
152
376000
2000
optikal tekniklerle birlikte
06:33
we think we can make those diagnostics.
153
378000
2000
bir tanı koyabileceğimizi düşünüyoruz.
06:35
We also have another hemozoin-oriented
154
380000
2000
Sıtma için yine hemozoin bağlantılı
06:37
therapy for malaria:
155
382000
2000
bir tedavimiz de var,
06:39
a way, in acute cases, to actually
156
384000
2000
bu yol daha ziyade akut vakalarda
06:41
take the malaria parasite and filter it out of the blood system.
157
386000
3000
sıtma parazitini kan sisteminden filtrelemeye yarıyor,
06:44
Sort of like doing dialysis,
158
389000
2000
diyaliz yapmak gibi bir şey,
06:46
but for relieving the parasite load.
159
391000
3000
ama amaç parazit yükünü azaltmak.
06:49
This is our thousand-core supercomputer.
160
394000
3000
Bu bizim 1000 çekirdekli süper bilgisayarımız.
06:52
We're kind of software guys,
161
397000
2000
Aslında bizler software tipi adamlarız,
06:54
and so nearly any problem that you pose,
162
399000
3000
yani sorununuz ne olursa olsun,
06:57
we like to try to solve with some software.
163
402000
3000
biz bunu software kullanarak çözmeyi deniyoruz.
07:00
One of the problems that you have if you're trying to eradicate malaria
164
405000
3000
Eğer sıtma eredikasyonu yapmak veya sıtmayı azaltmak istiyorsanız,
07:03
or reduce it
165
408000
2000
yapılacak en efektif
07:05
is you don't know what's the most effective thing to do.
166
410000
3000
şeyin ne olduğunu bilemiyor olmamız sorunlardan birisi.
07:08
Okay, we heard about bed nets earlier.
167
413000
2000
Tamam, cibinliklerden bahsetmiştik.
07:10
You spend a certain amount per bed net.
168
415000
2000
Bir cibinlik için belirli bir ücret verebilirsiniz
07:12
Or you could spray.
169
417000
2000
Yada sprey kullanabilirsiniz.
07:14
You can give drug administration.
170
419000
2000
İlaç tedavisi yapabilirsiniz.
07:16
There's all these different interventions
171
421000
2000
Tüm bu değişik müdahalelere sahibiz.
07:18
but they have different kinds of effectiveness.
172
423000
2000
Ama bunların etkileri de birbirlerinden farklıdır.
07:20
How can you tell?
173
425000
2000
Bunu nasıl belirleyeceğiz?
07:22
So we've created, using our supercomputer,
174
427000
2000
Süperbilgisayarımızı kullanarak sıtma için
07:24
the world's best computer model of malaria,
175
429000
2000
dünyanın en iyi bilgisayar modelini yarattık.
07:26
which we'll show you now.
176
431000
3000
Şimdi size onu göstereceğim.
07:29
We picked Madagascar.
177
434000
3000
Madagaskar'ı seçtik.
07:32
We have every road,
178
437000
2000
Bütün yollarına
07:34
every village,
179
439000
2000
her köyüne
07:36
every, almost, square inch of Madagascar.
180
441000
3000
Madagaskar'a ait her santimetre-kareye hakimiz
07:39
We have all of the precipitation data
181
444000
3000
Bütün yağış oranlarına ve
07:42
and the temperature data.
182
447000
2000
ısıya ait verilere de sahibiz.
07:44
That's very important because the humidity and precipitation
183
449000
3000
Bu çok önemli; nem ve yağış oranı size yakınlarınızda sivrisineklerin
07:47
tell you whether you've got
184
452000
2000
üreyebilmeleri için gereken
07:49
standing pools of water for the mosquitoes to breed.
185
454000
3000
durgun su birikintilerinin olup olmadığı hakkında bilgi verir.
07:52
So that sets the stage on which you do this.
186
457000
3000
Yapacağınız iş için bu sahneyi kurmanız lazım.
07:55
You then have to introduce the mosquitoes,
187
460000
2000
Daha sonra sivrisinekleri tanıtıyorsunuz,
07:57
and you have to model that
188
462000
2000
nasıl gelip gittiklerinin
07:59
and how they come and go.
189
464000
2000
modelini çıkarıyorsunuz.
08:01
Ultimately, it gives you this.
190
466000
2000
En sonunda size böyle birşey veriyor.
08:03
This is malaria spreading
191
468000
2000
Bu sıtma'nın Madagaskar'da
08:05
across Madagascar.
192
470000
2000
yayılışını gösteriyor.
08:07
And this is this latter part of the rainy season.
193
472000
3000
Ve bu, sonraki bölüm de yağışlı dönemi takiben
08:10
We're going to the dry season now.
194
475000
2000
Şimdi kuru sezona gidiyoruz.
08:12
It nearly goes away in the dry season,
195
477000
2000
Kuru sezonda neredeyse yok oluyor.
08:14
because there's no place for the mosquitoes to breed.
196
479000
3000
Çünkü sivrisineklerin üreyecekleri bir yer yok.
08:17
And then, of course, the next year it comes roaring back.
197
482000
3000
Ve bir sene sonrasında, elbette, kükreyerek geri geliyor.
08:21
By doing these kinds of simulations,
198
486000
3000
Bu tarzda simülasyonları bin defa tekrarlayıp
08:24
we want to eradicate or control malaria
199
489000
2000
gerçek hayatta yapmadan önce softwarede
08:26
thousands of times in software
200
491000
3000
sıtma eredikasyonunu veya
08:29
before we actually have to do it in real life;
201
494000
3000
sıtma kontrolünü yapmaya çalışıyoruz.
08:32
to be able to simulate both the economic trade-offs --
202
497000
3000
Kaç cibinlik etkisi için kaç spreyleme yapmalı gibi
08:35
how many bed nets versus how much spraying? --
203
500000
3000
ekonomik dengeleri veya bir karışıklık çıkarsa ne olur
08:38
or the social trade-offs --
204
503000
2000
gibi sosyal dengelerin
08:40
what happens if unrest breaks out?
205
505000
3000
simulasyonunu yapabiliyoruz.
08:43
We also try to study our foe.
206
508000
2000
Ayrıca düşmanımızı da çalışabiliyoruz.
08:45
This is a high-speed camera view
207
510000
2000
Bu yüksek hızda çekim yapan kamerada
08:47
of a mosquito.
208
512000
2000
bir sivrisineğin görüntüsü,
08:50
And, in a moment,
209
515000
2000
Ve bir dakika içinde
08:52
we're going to see a view of the airflow.
210
517000
3000
hava akımının görüntüsünü alacağız.
08:55
Here, we're trying to visualize the airflow
211
520000
2000
İşte, burada lazer ile aydınlattığımız
08:57
around the wings of the mosquito
212
522000
2000
küçük partiküller ile sivrisineğin kanatları
08:59
with little particles we're illuminating with a laser.
213
524000
3000
etrafındaki hava akımını göstermeye çalışıyoruz..
09:02
By understanding how mosquitoes fly,
214
527000
2000
Sivrisineğin nasıl uçtuğunu anlayarak,
09:04
we hope to understand how to make them not fly.
215
529000
3000
onları nasıl uçurmayacağımızı çözmeye çalışıyoruz.
09:07
Now, one of the ways you can make them not fly
216
532000
2000
Şimdi, onların uçmasını önlemenin bir yolu
09:09
is with DDT.
217
534000
2000
DDT ile.
09:11
This is a real ad.
218
536000
2000
Bu gerçek bir reklam.
09:13
This is one of those things you just can't make up.
219
538000
3000
Bu uyduramayacağınız şeylerden birisi.
09:16
Once upon a time, this was the primary technique,
220
541000
3000
Bir zamanlar, uygulanan birincil teknik buydu,
09:19
and, in fact, many countries got rid of malaria through DDT.
221
544000
3000
ve, aslında, pek çok ülke sıtmadan DDT ile kurtuldu.
09:22
The United States did.
222
547000
2000
USA başardı.
09:24
In 1935, there were 150,000 cases a year
223
549000
3000
1935'de Amerika'f-da yılda
09:27
of malaria in the United States,
224
552000
3000
150.000 sıtma vakası vardı,
09:30
but DDT and a massive public health effort
225
555000
2000
ama DDT ve yoğun halk sağlığı çabaları
09:32
managed to squelch it.
226
557000
3000
bunu ezmeyi başardı.
09:35
So we thought,
227
560000
2000
Bizde düşündük ki,...
09:37
"Well, we've done all these things that are focused on the Plasmodium,
228
562000
3000
plasmodium'a odaklanan onca şeyi yaptıktan sonra,
09:40
the parasite involved.
229
565000
2000
parazitle ilgili şeyleri yani,
09:42
What can we do to the mosquito?
230
567000
2000
Acaba sivrisinek hakkında ne yapabiliriz?
09:44
Well, let's try to kill it with consumer electronics."
231
569000
3000
Hadi, tüketici elektroniği ile onu öldürelim dedik.
09:48
Now, that sounds silly,
232
573000
2000
Şimdi bu çok saçma gibi,
09:50
but each of these devices
233
575000
2000
ama bu aletlerden her biri
09:52
has something interesting in it that maybe you could use.
234
577000
3000
kullanabileceğiniz ilginç bir şeye sahip.
09:55
Your Blu-ray player has
235
580000
2000
Blu-ray oynatıcılarınızda
09:57
a very cheap blue laser.
236
582000
2000
çok ucuz bir mavi lazer var.
09:59
Your laser printer has a mirror galvanometer
237
584000
2000
Lase yazıcınızdaki ayna galvanometresi
10:01
that's used to steer a laser beam very accurately;
238
586000
3000
lazer ışınını çok kesin bir şekilde yönlendirebilmenize yarıyor.
10:04
that's what makes those little dots on the page.
239
589000
3000
İşte sayfadaki bu küçük noktaları yapan o.
10:07
And, of course, there's signal processing
240
592000
2000
Ve, elbette, sinyal işlemcisi ve
10:09
and digital cameras.
241
594000
2000
dijital kameralar da var.
10:11
So what if we could put all that together
242
596000
3000
Peki ya bütün bunların hepsini bir araya getirip
10:14
to shoot them out of the sky with lasers?
243
599000
3000
onları gökyüzünde lazerle vurursak ne olur?
10:17
(Laughter)
244
602000
2000
(kahkahalar)
10:19
(Applause)
245
604000
3000
(alkışlar)
10:22
Now, in our company, this is what we call
246
607000
3000
Şimdi, şirketimizde, bizim "pembe-emme anı"
10:25
"the pinky-suck moment."
247
610000
2000
adını vermiş olduğumuz şey işte budur.
10:27
(Laughter)
248
612000
2000
(kahkahalar)
10:29
What if we could do that?
249
614000
2000
Peki ya başarabilirsek?
10:31
Now, just suspend disbelief for a moment,
250
616000
3000
Şimdi bir saniye inançsızlığınızı askıya alın,
10:34
and let's think of what could happen
251
619000
2000
ve eğer bunu başarabilirsek neler olacağını
10:36
if we could do that.
252
621000
2000
düşünmeye başlayın.
10:38
Well, we could protect very high-value targets like clinics.
253
623000
3000
Yüksek risk içeren hastane bölgelerini koruyabiliriz.
10:41
Clinics are full of people that have malaria.
254
626000
3000
Klinikler sıtmalı insanlarla dolu.
10:44
They're sick, and so they're less able to defend themselves from the mosquitoes.
255
629000
3000
Hastalar ve bu nedenle kendilerini sivrisineklerden korumakta da acizler.
10:47
You really want to protect them.
256
632000
2000
Gerçekten onları korumak istiyoruz.
10:49
Of course, if you do that,
257
634000
2000
Elbette, eğer bunu başarırsanız
10:51
you could also protect your backyard.
258
636000
2000
kendi arka bahçenizi de korumuş oluyorsunuz.
10:53
And farmers could protect their crops
259
638000
2000
Ve çiftçiler de satmak istedikleri
10:55
that they want to sell to Whole Foods
260
640000
2000
mahsüllerini korumuş oluyorlar
10:57
because our photons
261
642000
2000
çünkü bizim fotonlarımız
10:59
are 100 percent organic. (Laughter)
262
644000
2000
%100 organik :)
11:01
They're completely natural.
263
646000
3000
Tamamen doğallar.
11:04
Now, it actually gets better than this.
264
649000
2000
Aslında şimdi daha da iyileşecek.
11:06
You could, if you're really smart,
265
651000
3000
Eğer gerçekten zekiyseniz, aslında
11:09
you could shine a nonlethal laser on the bug
266
654000
3000
öldürmeden önce böceğin üstüne öldürücü etkisi olmayan
11:12
before you zap it,
267
657000
2000
bir lazer ışını düşürebilir
11:14
and you could listen to the wing beat frequency
268
659000
2000
ve kanat çırpma frekansını dinleyebilirsiniz,
11:16
and you could measure the size.
269
661000
2000
ve bu boyutu ölçebilirsiniz.
11:18
And then you could decide:
270
663000
2000
Daha sonra da karar verirsiniz;
11:20
"Is this an insect I want to kill,
271
665000
2000
Bu öldürmek istediğim bir böcek mi,
11:22
or an insect I don't want to kill?"
272
667000
2000
yada öldürmeyeceğim bir böcek mi?
11:24
Moore's law made computing cheap;
273
669000
2000
Moore'un yasaları hesaplamayı kolaylaştırdı,
11:26
so cheap we can weigh
274
671000
2000
o kadar kolaylaştı ki, bireysel
11:28
the life of an individual insect
275
673000
2000
bir böceğin hayatını tartıp,
11:30
and decide thumbs up
276
675000
3000
evet budur veya değildir
11:33
or thumbs down. (Laughter)
277
678000
3000
diye tartabiliyoruz.
11:36
Now, it turns out we only kill the female mosquitoes.
278
681000
3000
Şimdi bizim sadece dişi sivrisinekleri öldürmemiz lazım.
11:39
They're the only ones that are dangerous.
279
684000
2000
Tehlikeli olanlar onlar.
11:41
Mosquitoes only drink blood
280
686000
2000
Sivrisinekler sadece yumurtlayacakları
11:43
to lay eggs.
281
688000
2000
zaman kan emerler.
11:45
Mosquitoes actually live ... their day-to-day nutrition
282
690000
3000
Sivrisinekler aslında gün içinde çiçeklerden topladıkları
11:48
comes from nectar, from flowers --
283
693000
2000
özleri içerek beslenirler.
11:50
in fact, in the lab, we feed ours raisins --
284
695000
3000
Aslında, laboratuvarda bizimkilere kuru üzüm veriyoruz.
11:53
but the female needs the blood meal.
285
698000
3000
Ama dişilerin kan öğünü almaya ihtiyacı var.
11:56
So, this sounds really crazy, right?
286
701000
2000
Yani, bu kulağa çok çılgınca geliyor, değil mi?
11:58
Would you like to see it?
287
703000
2000
Görmek ister misiniz?
12:00
Audience: Yeah!
288
705000
2000
(izleyiciler: Evet)
12:02
Nathan Myhrvold: Okay, so our legal department prepared a disclaimer,
289
707000
3000
Tamam, hukuk departmanımız bir feragat hazırladı.
12:06
and here it is.
290
711000
2000
İşte burada.
12:08
(Laughter)
291
713000
3000
(kahkahalar)
12:13
Now, after thinking about this a little bit
292
718000
3000
Şimdi bunu bir süre düşününce, bilirsiniz,
12:16
we thought, you know, it probably would be simpler
293
721000
2000
aslında öldürücü olmayan bir lazerle yapmak
12:18
to do this with a nonlethal laser.
294
723000
2000
çok daha basit olacak dedik.
12:20
So, Eric Johanson, who built the device,
295
725000
3000
Bu aleti Eric Johanson aslında
12:23
actually, with parts from eBay;
296
728000
2000
eBay'den aldığı parçalarla kurdu.
12:25
and Pablos Holman over here,
297
730000
2000
Pablo Folman da burada,
12:27
he's got mosquitoes in the tank.
298
732000
2000
haznede sivirisinekleri var.
12:29
We have the device over here.
299
734000
2000
Alet de işte şurada.
12:31
And we're going to show you,
300
736000
2000
Şimdi size öldürücü olan ve
12:33
instead of the kill laser,
301
738000
2000
çok kısa ani atış yapan lazer yerine,
12:35
which will be a very brief, instantaneous pulse,
302
740000
2000
aslında siz görebilesiniz diye sivrisineklerin
12:37
we're going to have a green laser pointer
303
742000
2000
uzun süre üstünde kalacak olan
12:39
that's going to stay on the mosquito for, actually, quite a long period of time;
304
744000
3000
aslında gerçekten çok uzun süre kalacak, yeşil bir lazer pointer göstereceğiz.
12:42
otherwise, you can't see it very well.
305
747000
2000
yoksa, görme ihtimaliniz düşük.
12:44
Take it away Eric.
306
749000
2000
Götür bakalım Eric.
12:46
Eric Johanson: What we have here
307
751000
2000
Eric Johanson: Burada sahnenin
12:48
is a tank on the other side of the stage.
308
753000
2000
öbür tarafında bir haznemiz var.
12:50
And we have ... this computer screen
309
755000
2000
Ve ayrıca bu bilgisayar ekranımız
12:52
can actually see the mosquitoes as they fly around.
310
757000
2000
etrafta uçan sivrisinekleri aslında gerçekten görebiliyor.
12:54
And Pablos, if he stirs up our mosquitoes a little bit
311
759000
3000
Ve Pablo, eğer sivrisinekleri birazcık karıştırırsa,
12:57
we can see them flying around.
312
762000
2000
etrafta uçtuklarını görebileceğiz.
12:59
Now, that's a fairly straightforward image processing routine,
313
764000
2000
Bu aslında gayet düz bir görüntü işleme rutini.
13:01
and let me show you how it works.
314
766000
2000
Şimdi nasıl çalıştığını göstereyim.
13:03
Here you can see that the insects are being tracked
315
768000
2000
Burada böceklerin uçarlarken takip edilmekte
13:05
as they're flying around,
316
770000
2000
olduklarını görüyorsunuz,
13:07
which is kind of fun.
317
772000
3000
aslında eğlenceli bir şey.
13:10
Next we can actually light them up with a laser. (Laughter)
318
775000
2000
Ve sonrasında laserle onları ateşleyebiliyoruz.
13:12
Now, this is a low powered laser,
319
777000
2000
Buradaki düşük güçte bir lazer,
13:14
and we can actually pick up a wing-beat frequency.
320
779000
2000
aslında bir kanat frekansına sahip.
13:16
So you may be able to hear some mosquitoes flying around.
321
781000
3000
Yani etrafta uçan bazı sivrisinekleri duyabilirsiniz de.
13:19
NM: That's a mosquito wing beat you're hearing.
322
784000
3000
Nathan Myhrvold: Duyduğunuz bu ses sivrisinek kanat çırpışı.
13:24
EJ: Finally, let's see what this looks like.
323
789000
3000
EJ: Nihayet, şimdi nasıl görünüyor bir bakalım.
13:29
There you can see mosquitoes as they fly around, being lit up.
324
794000
3000
İşte etrafta uçıuşan sivrisineklerin yandığını görebiliyorsunuz.
13:32
This is slowed way down
325
797000
2000
Bu yavaşlatılmış hali
13:34
so that you have an opportunity to see what's happening.
326
799000
2000
bu şekilde gerçekte ne olup bitiyor görebileceksiniz.
13:36
Here we have it running at high-speed mode.
327
801000
2000
Burada yüksek hız modunda çalışıyorduk.
13:38
So this system that was built for TED is here to illustrate
328
803000
2000
Yani bu sistem sadece örnekleme amaçlı TED için hazırlandı,
13:40
that it is technically possible to actually deploy a system like this,
329
805000
3000
gerçekten de böyle bir sistemin kurulabileceğini göstermek istedik.
13:43
and we're looking very hard at how to make it
330
808000
3000
Ve bunu Afrika ve dünyanın diğer ülkelerinde kullanılacak
13:46
highly cost-effective to use in places like Africa and other parts of the world.
331
811000
3000
hale getirmek için yani ücretini düşürmek için çok çalışıyoruz.
13:49
(Applause)
332
814000
6000
(alkışlar)
13:56
NM: So it wouldn't be any fun to show you that
333
821000
3000
NM: Aslında onlara gerçekten ateş ettiğimizde
13:59
without showing you what actually happens when we hit 'em.
334
824000
3000
neler olduğunu size göstermezsek çok da eğlenceli olmayacak.
14:02
(Laughter)
335
827000
2000
(kahkahalar)
14:10
(Laughter)
336
835000
3000
(kahkahalar)
14:13
This is very satisfying.
337
838000
2000
Bu çok tatmin edici.
14:15
(Laughter)
338
840000
2000
(kahkahalar)
14:18
This is one of the first ones we did.
339
843000
2000
Bu ilk yaptıklarımızdan birisi.
14:20
The energy's a little bit high here.
340
845000
2000
Güç burada biraz fazla kaçmış.
14:22
(Laughter)
341
847000
3000
(kahkahalar)
14:27
We'll loop around here in just a second, and you'll see another one.
342
852000
2000
Şimdi buradan döneceğiz ve bir saniye sonra bir başkasını göreceksiniz.
14:29
Here's another one. Bang.
343
854000
2000
İşte bir tane daha. Bang.
14:31
An interesting thing is, we kill them all the time;
344
856000
3000
İlginç olan şey, onları öldürüp duruyoruz;
14:34
we've never actually gotten the wings to shut off in midair.
345
859000
3000
ama şimdiye kadar kanatlarını havada durdurmalarını hiç sağlayamadık.
14:37
The wing motor is very resilient.
346
862000
2000
Kanat motorşarı çok sağlam.
14:39
I mean, here we're blowing wings off
347
864000
2000
Yani burada kanatları uçuruyoruz,
14:41
but the wing motor keeps all the way down.
348
866000
3000
ama kanat motoru yere düşene kadar çalışmaya devam ediyor.
14:45
So, that's what I have. Thanks very much.
349
870000
2000
İşte, elimdeki şey buydu. Teşekkürler.
14:47
(Applause)
350
872000
16000
(alkışlar)
ABOUT THE SPEAKER
Nathan Myhrvold - PolymathNathan Myhrvold is a professional jack-of-all-trades. After leaving Microsoft in 1999, he's been a world barbecue champion, a wildlife photographer, a chef, a contributor to SETI, and a volcano explorer.
Why you should listen
Since leaving his post as Microsoft's Chief Technology Officer in 1999 (with fortune in tow), Nathan Myhrvold has been a professional exemplar of the spirit of the "Renaissance Man," proudly following his interests wherever they've led. His dispersed passions have triggered an impressive list of accomplishments, including world barbecue championships, major archeological finds (several Tyrannosaurus rex skeletons), prize-winning wildlife photography, building a section of Babbage's Difference Engine #2, s, and a new and consuming interest in the sous-vide cooking technique.
Malcolm Gladwell's 2008 New Yorker profile of him revealed an impish but truly inspired character whose latest company, Intellectual Ventures -- which brainstorms and patents a wide array of inventions -- has been accused in some quarters of acting like a 'patent troll' but is described by Myhrvold as "a disruptive organization providing an efficient way for patent holders to get paid for the inventions they own, and... for technology companies to gain easy access to the invention rights they need." After funding big-vision projects such as the Allen Telescope Array, exploring active volcanoes and investigating penguin digestion, Myhrvold insists that his hobbies aren't as discursive as they seem. They do have a common denominator, after all: him.
Nathan Myhrvold | Speaker | TED.com