The accelerating power of technology | Ray Kurzweil

308,980 views ・ 2007-01-12

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Radek Pilich Korektor: Jana Šafaříková
00:25
Well, it's great to be here.
0
25000
1000
Jsem velice rád, že jsem tady.
00:26
We've heard a lot about the promise of technology, and the peril.
1
26000
5000
Slyšeli jsme mnohé o příslibech, ale také o rizikách technologií.
00:31
I've been quite interested in both.
2
31000
2000
Já osobně se zajímám o obojí.
00:33
If we could convert 0.03 percent
3
33000
4000
Pokud bychom přeměnili 0,03%
00:37
of the sunlight that falls on the earth into energy,
4
37000
2000
slunečního záření, které dopadá na zem, na energii,
00:39
we could meet all of our projected needs for 2030.
5
39000
5000
dokázali bychom pokrýt veškerou energetickou potřebu předpokládanou pro rok 2030.
00:44
We can't do that today because solar panels are heavy,
6
44000
3000
Dnes to však uskutečnit nelze, protože solární panely jsou těžké,
00:47
expensive and very inefficient.
7
47000
2000
drahé a velmi neúčinné.
00:49
There are nano-engineered designs,
8
49000
3000
Existují však návrhy využívající nanotechnologie,
00:52
which at least have been analyzed theoretically,
9
52000
2000
které byly alespoň teoreticky analyzovány,
00:54
that show the potential to be very lightweight,
10
54000
2000
a prokázaly se jako velmi lehké,
00:56
very inexpensive, very efficient,
11
56000
2000
velmi levné a velmi efektivní;
00:58
and we'd be able to actually provide all of our energy needs in this renewable way.
12
58000
4000
díky nim bychom byli schopni pokrýt veškerou energetickou spotřebu obnovitelným způsobem.
01:02
Nano-engineered fuel cells
13
62000
2000
Palivové články využívající nanotechnologie
01:04
could provide the energy where it's needed.
14
64000
3000
by mohly poskytovat energii tam, kde je potřeba.
01:07
That's a key trend, which is decentralization,
15
67000
2000
Toto je klíčový trend - decentralizace,
01:09
moving from centralized nuclear power plants and
16
69000
3000
ústup od centralizovaných jaderných elektráren
01:12
liquid natural gas tankers
17
72000
2000
a tankerů s tekutým zemním plynem
01:14
to decentralized resources that are environmentally more friendly,
18
74000
4000
k decentralizovaným zdojům, které jsou šetrnější k životnímu prostředí,
01:18
a lot more efficient
19
78000
3000
mnohem efektivnější,
01:21
and capable and safe from disruption.
20
81000
4000
a zárověň výkonnější a bezpečnější.
01:25
Bono spoke very eloquently,
21
85000
2000
Bono velice výmluvně popsal,
01:27
that we have the tools, for the first time,
22
87000
4000
že právě nyní máme poprvé k dispozici nástroje,
01:31
to address age-old problems of disease and poverty.
23
91000
4000
s nimiž se můžeme postavit věčným problémům nemocí a chudoby.
01:35
Most regions of the world are moving in that direction.
24
95000
4000
Většina regionů světa se pohybuje tímto směrem.
01:39
In 1990, in East Asia and the Pacific region,
25
99000
4000
V roce 1990 bylo ve východní Asii a regionu Pacifiku
01:43
there were 500 million people living in poverty --
26
103000
2000
téměř 500 milionú lidí žíjících v chudobě.
01:45
that number now is under 200 million.
27
105000
3000
Dnes je to méně než 200 miliónů.
01:48
The World Bank projects by 2011, it will be under 20 million,
28
108000
3000
Světová Banka předpokládá, že v roce 2011 to bude méně než 20 miliónů,
01:51
which is a reduction of 95 percent.
29
111000
3000
což znamená snížení o 95%.
01:54
I did enjoy Bono's comment
30
114000
3000
Líbil se mi také Bonův komentář
01:57
linking Haight-Ashbury to Silicon Valley.
31
117000
4000
připodobňující Haight-Ashbury [centrum hippies] k Silicon Valley.
02:01
Being from the Massachusetts high-tech community myself,
32
121000
3000
Protože sám pocházím z Massechusettské high-tech komunity,
02:04
I'd point out that we were hippies also in the 1960s,
33
124000
4000
rád bych zdůraznil, že i my jsme byli v 60tých letech hippies,
02:09
although we hung around Harvard Square.
34
129000
3000
až na to, že my jsme se potulovali okolo Harvard Square.
02:12
But we do have the potential to overcome disease and poverty,
35
132000
5000
Máme možnosti, jak překonat nemoci a chudobu
02:17
and I'm going to talk about those issues, if we have the will.
36
137000
3000
a já vám nyní o těchto záležitostech povím.
02:20
Kevin Kelly talked about the acceleration of technology.
37
140000
3000
Kevin Kelly mluvil o zrychlování technologií.
02:23
That's been a strong interest of mine,
38
143000
3000
To je jedno z mých oblíbených témat,
02:26
and a theme that I've developed for some 30 years.
39
146000
3000
téma, o které se zajímám už nějakých 30 let.
02:29
I realized that my technologies had to make sense when I finished a project.
40
149000
5000
Uvědomil jsem si, že mé technologie musely dávat smysl, když jsem dokončil projekt.
02:34
That invariably, the world was a different place
41
154000
3000
Je pravda, že svět se změnil pokaždé,
02:37
when I would introduce a technology.
42
157000
2000
když jsem představil novou technologii.
02:39
And, I noticed that most inventions fail,
43
159000
2000
A všiml jsem si, že většina vynálezů neuspěje,
02:41
not because the R&D department can't get it to work --
44
161000
3000
ne protože oddělení výzkumu a vývoje nemohlo vynález zprovoznit.
02:44
if you look at most business plans, they will actually succeed
45
164000
3000
Většina obchodních záměrů je úspěšných,
02:47
if given the opportunity to build what they say they're going to build --
46
167000
4000
pokud podnikatelé mají možnost skutečně vybudovat to co chtějí,
02:51
and 90 percent of those projects or more will fail, because the timing is wrong --
47
171000
3000
ale i přesto se 90% z těchto projektů neprosadí, protože jejich načasování je špatné;
02:54
not all the enabling factors will be in place when they're needed.
48
174000
3000
ne všechny inicializační součinitele jsou na správných místech, když je jich třeba.
02:57
So I began to be an ardent student of technology trends,
49
177000
4000
A proto jsem se stal horlivým studentem technologických trendů,
03:01
and track where technology would be at different points in time,
50
181000
3000
začal zaznamenávat, jak technologie vypadají v určitých obdobích,
03:04
and began to build the mathematical models of that.
51
184000
3000
a začal budovat matematické modely těchto trendů.
03:07
It's kind of taken on a life of its own.
52
187000
2000
Z tohoto zájmu se stalo mnohém více, než jsem čekal.
03:09
I've got a group of 10 people that work with me to gather data
53
189000
3000
Mám skupinu deseti lidí, kteří pro mě sbírají klíčová data
03:12
on key measures of technology in many different areas, and we build models.
54
192000
5000
a budují modely v mnoha rozdílných oblastech.
03:17
And you'll hear people say, well, we can't predict the future.
55
197000
3000
Ale někteří lidé stále tvrdí, že budoucnost předvídat nelze.
03:20
And if you ask me,
56
200000
2000
Pokud se mne zeptáte,
03:22
will the price of Google be higher or lower than it is today three years from now,
57
202000
3000
zda bude hodnota Googlu za tří roky větší nebo nižší než dnes,
03:25
that's very hard to say.
58
205000
2000
odpovím, že je velmi těžké to určit.
03:27
Will WiMax CDMA G3
59
207000
3000
Bude WiMax CDMA G3
03:30
be the wireless standard three years from now? That's hard to say.
60
210000
2000
bezdrátovým standardem za tři roky? Těžko říct.
03:32
But if you ask me, what will it cost
61
212000
2000
Ale pokud se mně zeptáte, jaká bude cena
03:34
for one MIPS of computing in 2010,
62
214000
3000
miliónu instrukcí výpočetního výkonu v roce 2010,
03:37
or the cost to sequence a base pair of DNA in 2012,
63
217000
3000
nebo cena sekvencování DNA v roce 2012,
03:40
or the cost of sending a megabyte of data wirelessly in 2014,
64
220000
4000
nebo cena poslání megabytu dat bezdrátově v roce 2014,
03:44
it turns out that those are very predictable.
65
224000
3000
odpovím, že tyto kalkulace jsou velmi předvídatelné.
03:47
There are remarkably smooth exponential curves
66
227000
2000
Zjistili jsme, že cenu, výkon, kapacitu a datový tok
03:49
that govern price performance, capacity, bandwidth.
67
229000
3000
regulují pozoruhodně přesné exponenciální křivky.
03:52
And I'm going to show you a small sample of this,
68
232000
2000
Ukážu vám pouze několik málo případů,
03:54
but there's really a theoretical reason
69
234000
2000
ale opravdu existuje teoretické zdůvodnění,
03:56
why technology develops in an exponential fashion.
70
236000
5000
proč se technologie rozvíjí exponenciálně.
04:01
And a lot of people, when they think about the future, think about it linearly.
71
241000
2000
Mnoho lidí však myslí lineárně, snaží-li se představit si budoucnost.
04:03
They think they're going to continue
72
243000
2000
Myslí si, že problémy se budou dále rozvíjet
04:05
to develop a problem
73
245000
2000
stejným způsobem jako dnes,
04:07
or address a problem using today's tools,
74
247000
3000
nebo se problém snaží řešit pomocí dnešních prostředků,
04:10
at today's pace of progress,
75
250000
2000
při dnešním tempu pokroku,
04:12
and fail to take into consideration this exponential growth.
76
252000
4000
a zapomínají vzít v potaz právě exponenciální růst.
04:16
The Genome Project was a controversial project in 1990.
77
256000
3000
Projekt rozluštění lidského genomu byl v 90tých letech kontroverzní.
04:19
We had our best Ph.D. students,
78
259000
2000
Měli jsme nejlepší doktorandy,
04:21
our most advanced equipment around the world,
79
261000
2000
nejlepší vybavení na celém světě,
04:23
we got 1/10,000th of the project done,
80
263000
2000
měli jsme dokončeno pouze 1/10 000 projektu,
04:25
so how're we going to get this done in 15 years?
81
265000
2000
a lidé nevěřili, že ho bude možné dokončit během 15ti let.
04:27
And 10 years into the project,
82
267000
3000
Po deseti letech práce skeptici stále převládali.
04:31
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
271000
2000
Říkali: "Máte za sebou 2/3 projektu
04:33
and you've managed to only sequence
84
273000
2000
a teprve jste rozluštili
04:35
a very tiny percentage of the whole genome."
85
275000
3000
pouze velice malý zlomek celého genomu."
04:38
But it's the nature of exponential growth
86
278000
2000
Ale toto je právě přirozená vlastnost exponenciálního růstu,
04:40
that once it reaches the knee of the curve, it explodes.
87
280000
2000
že jakmile dosáhne určitého bodu na křivce, prudce exploduje.
04:42
Most of the project was done in the last
88
282000
2000
Většina projektu byla realizována
04:44
few years of the project.
89
284000
2000
během těch pár posledních let.
04:46
It took us 15 years to sequence HIV --
90
286000
2000
Trvalo 15 let sekvencovat HIV,
04:48
we sequenced SARS in 31 days.
91
288000
2000
SARS jsme sekvencovali za 31 dní.
04:50
So we are gaining the potential to overcome these problems.
92
290000
4000
Nabíráme potenciál k překonání těchto problémů.
04:54
I'm going to show you just a few examples
93
294000
2000
Ukáži vám pár příkladů dokazujících,
04:56
of how pervasive this phenomena is.
94
296000
3000
jak pronikavý je tento fenomén.
04:59
The actual paradigm-shift rate, the rate of adopting new ideas,
95
299000
4000
Skutečná rychlost změny paradigmatů, tj. rychlost adaptace nových idejí,
05:03
is doubling every decade, according to our models.
96
303000
3000
se podle našich modelů dvojnásobí každé desetiletí.
05:06
These are all logarithmic graphs,
97
306000
3000
Toto všechno jsou logaritmické grafy,
05:09
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
309000
3000
takže při pohybu po křivce rostou hodnoty ne po jednotkách, ale po násobcích 10 či 100.
05:12
It took us half a century to adopt the telephone,
99
312000
3000
Trvalo nám půl století zvyknout si na telefon,
05:15
the first virtual-reality technology.
100
315000
3000
první technologii virtuální realtiy.
05:18
Cell phones were adopted in about eight years.
101
318000
2000
Mobilní telefony jsme přijali během osmi let.
05:20
If you put different communication technologies
102
320000
3000
Pokud zaznamenáte různé komunikační technologie
05:23
on this logarithmic graph,
103
323000
2000
na logaritmický graf, zjistíte,
05:25
television, radio, telephone
104
325000
2000
že přijetí televize, rádia a telefonu
05:27
were adopted in decades.
105
327000
2000
trvalo desetiletí.
05:29
Recent technologies -- like the PC, the web, cell phones --
106
329000
3000
U současných technologií jako osobní počítač, web, či mobilní telefon
05:32
were under a decade.
107
332000
2000
je to méně než deset let.
05:34
Now this is an interesting chart,
108
334000
2000
Toto je zajímavý graf,
05:36
and this really gets at the fundamental reason why
109
336000
2000
názorně demonstrující,
05:38
an evolutionary process -- and both biology and technology are evolutionary processes --
110
338000
4000
že evoluční proces - jak biologie tak technologie jsou evolučními procesy -
05:42
accelerate.
111
342000
2000
zrychluje.
05:44
They work through interaction -- they create a capability,
112
344000
3000
Tyto procesy tvoří během interakcí schopnost,
05:47
and then it uses that capability to bring on the next stage.
113
347000
3000
kterou následně využívají k nastolení nové etapy.
05:50
So the first step in biological evolution,
114
350000
3000
Takže první krok biologické evoluce,
05:53
the evolution of DNA -- actually it was RNA came first --
115
353000
2000
evoluce DNA, teda vlastně nejříve byla RNA,
05:55
took billions of years,
116
355000
2000
trval 2 miliardy let,
05:57
but then evolution used that information-processing backbone
117
357000
3000
a evoluce následně použila tuto technologii zpracovávající informace
06:00
to bring on the next stage.
118
360000
2000
k nastolení další etapy.
06:02
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
362000
3000
Takže kambrická exploze, doba, kdy se vyvinuly veškeré tělesné části zvířat,
06:05
took only 10 million years. It was 200 times faster.
120
365000
4000
trvala pouhých 10 miliónů let. Byla 200krát rychlejší.
06:09
And then evolution used those body plans
121
369000
2000
A poté evoluce použila tyto tělesné části
06:11
to evolve higher cognitive functions,
122
371000
2000
k rozvoji vyšších kognitivních funkcí,
06:13
and biological evolution kept accelerating.
123
373000
2000
a biologická evoluce tak pokračovala ve zrychlování.
06:15
It's an inherent nature of an evolutionary process.
124
375000
3000
Zrychlování je neodmyslitelnou součástí evolučního procesu.
06:18
So Homo sapiens, the first technology-creating species,
125
378000
3000
Homo sapiens, první živočišný druh tvořící technologie,
06:21
the species that combined a cognitive function
126
381000
2000
živočišný druh, který kombinuje kognitivní funkce
06:23
with an opposable appendage --
127
383000
2000
s palcem naproti ostatním prstům,
06:25
and by the way, chimpanzees don't really have a very good opposable thumb --
128
385000
4000
mimochodem šimpanzi ve skutečnosti nemají moc schopný palec,
06:29
so we could actually manipulate our environment with a power grip
129
389000
2000
může manipulovat s prostředím díky síly úchopu
06:31
and fine motor coordination,
130
391000
2000
a jemné koordinaci pohybů,
06:33
and use our mental models to actually change the world
131
393000
2000
a stejně tak využít mentální modely ke změně světa
06:35
and bring on technology.
132
395000
2000
a tvorbě technologií.
06:37
But anyway, the evolution of our species took hundreds of thousands of years,
133
397000
3000
Každopádně evoluce našeho druhu trvala stovky tisíc let,
06:40
and then working through interaction,
134
400000
2000
a poté přišlo další množství interakcí,
06:42
evolution used, essentially,
135
402000
2000
kterými evoluce docílila toho,
06:44
the technology-creating species to bring on the next stage,
136
404000
3000
že technologie tvořící druh nastolil další etapy,
06:47
which were the first steps in technological evolution.
137
407000
3000
které byly prvními kroky technologické evoluce.
06:50
And the first step took tens of thousands of years --
138
410000
3000
První krok trval desítky tisíc let a postupně zrychloval.
06:53
stone tools, fire, the wheel -- kept accelerating.
139
413000
3000
Kamené nástroje, oheň, vynález kola.
06:56
We always used then the latest generation of technology
140
416000
2000
Pokaždé jsme použili poslední generaci technologií
06:58
to create the next generation.
141
418000
2000
k vytvoření generace nové.
07:00
Printing press took a century to be adopted;
142
420000
2000
Adaptace knihtisku trvala jedno století.
07:02
the first computers were designed pen-on-paper -- now we use computers.
143
422000
4000
První počítače byly navrženy perem na papíře. Nyní k tomu používáme počítače.
07:06
And we've had a continual acceleration of this process.
144
426000
3000
A tento proces průběžně a neustále zrychloval.
07:09
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
429000
3000
Když se tedy podíváme na tento lineární graf, zdá se, jako by se vše stalo teprve nedávno.
07:12
but some observer says, "Well, Kurzweil just put points on this graph
146
432000
6000
Ale někteří mohou namítnout, že jsem na tento graf umístil
07:18
that fall on that straight line."
147
438000
2000
události záměrně tak, aby seděly na rovné čáře.
07:20
So, I took 15 different lists from key thinkers,
148
440000
3000
Vzali jsme tedy 15 různých seznamů od nejzásadnějčích myslitelů,
07:23
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
443000
4000
například Encyclopedia Britannica, the Museum of Natural History, Kosmický kalendář Carla Sagana,
07:27
on the same -- and these people were not trying to make my point;
150
447000
3000
a udělali to samé.
07:30
these were just lists in reference works,
151
450000
2000
Navíc tito lidé neusilovali o demonstraci stejné pointy jako já.
07:32
and I think that's what they thought the key events were
152
452000
3000
Takto vypadá křivka nejvýznamnějších událostí
07:35
in biological evolution and technological evolution.
153
455000
3000
biologické a technologické evoluce podle těchto myslitelů.
07:38
And again, it forms the same straight line. You have a little bit of thickening in the line
154
458000
3000
A opět můžeme vidět rovnou čáru, tentokrát mírně se rozšiřující,
07:41
because people do have disagreements, what the key points are,
155
461000
3000
protože jejich názory na zásadní události se mírně liší.
07:44
there's differences of opinion when agriculture started,
156
464000
2000
Panují různé názory na to, kdy vzniklo zemědělství,
07:46
or how long the Cambrian Explosion took.
157
466000
3000
nebo kdy začala a jak dlouho trvala kambrická exploze.
07:49
But you see a very clear trend.
158
469000
2000
Každopádně vidíme zde velmi jasný trend.
07:51
There's a basic, profound acceleration of this evolutionary process.
159
471000
5000
Existuje jednoduchý a závažný příklad zrychlování procesu evoluce.
07:56
Information technologies double their capacity, price performance, bandwidth,
160
476000
5000
Informační technologie zdvojnásobují kapacity, poměr ceny a výkonu, a průtok dat,
08:01
every year.
161
481000
2000
každým rokem.
08:03
And that's a very profound explosion of exponential growth.
162
483000
4000
Toto je velice zásadní exploze exponenciálního růstu.
08:07
A personal experience, when I was at MIT --
163
487000
2000
Jedna vlastní zkušenost - když jsem byl na MIT
08:09
computer taking up about the size of this room,
164
489000
2000
počítač byl přibližně tak veliký jako tato místnost,
08:11
less powerful than the computer in your cell phone.
165
491000
5000
a méně výkonný než je dnešní počítač v mobilním telefonu.
08:16
But Moore's Law, which is very often identified with this exponential growth,
166
496000
4000
Ale Moorův zákon, který je velice často rozpoznaný jako případ exponenciálního růstu,
08:20
is just one example of many, because it's basically
167
500000
2000
je pouze jeden z mnoha příkladů, protože tento růst
08:22
a property of the evolutionary process of technology.
168
502000
5000
je v podstatě zákládní vlastností evolučního procesu technologie.
08:27
I put 49 famous computers on this logarithmic graph --
169
507000
3000
Na této logaritmické křivce je 49 nejznámějších počítačů,
08:30
by the way, a straight line on a logarithmic graph is exponential growth --
170
510000
4000
a přímá čára na logaritmickém grafu samozřejmě znamená
08:34
that's another exponential.
171
514000
2000
exponenciální růst.
08:36
It took us three years to double our price performance of computing in 1900,
172
516000
3000
Na začátku 19. století trvalo zdvojnásobení poměru ceny a výkonu ve výpočetní technice tři roky,
08:39
two years in the middle; we're now doubling it every one year.
173
519000
3000
dva roky v polovině století, a nyní se dvojnásobí každoročně.
08:43
And that's exponential growth through five different paradigms.
174
523000
3000
Toto byl navíc exponenciální růst v pěti odlišných paradigmatech.
08:46
Moore's Law was just the last part of that,
175
526000
2000
Moorův zákon je pouze posledním článkem
08:48
where we were shrinking transistors on an integrated circuit,
176
528000
3000
na integrovaném obvodu, kde zmenšujeme tranzistory.
08:51
but we had electro-mechanical calculators,
177
531000
3000
Předtím tady byly elektro-mechanické kalkulačky,
08:54
relay-based computers that cracked the German Enigma Code,
178
534000
2000
releové počítače které rozluštily německý kód Enigma,
08:56
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
536000
4000
vakuové elektronky v padesátých letech předpovědely zvolení Eisenhowera,
09:00
discreet transistors used in the first space flights
180
540000
3000
diskrétní tranzistory použité při prvních vesmírných letech,
09:03
and then Moore's Law.
181
543000
2000
a teprve poté Moorův zákon.
09:05
Every time one paradigm ran out of steam,
182
545000
2000
Pokaždé, když jednomu paradigmatu dojde dech,
09:07
another paradigm came out of left field to continue the exponential growth.
183
547000
3000
další paradigma se z ničeho nic objeví, aby pokračovalo exponencialní růst.
09:10
They were shrinking vacuum tubes, making them smaller and smaller.
184
550000
3000
Kdysi také zmenšovali vakuové elektronky,
09:13
That hit a wall. They couldn't shrink them and keep the vacuum.
185
553000
3000
ale poté už to dál nešlo, nebylo možné udržet vakuum.
09:16
Whole different paradigm -- transistors came out of the woodwork.
186
556000
2000
A přišlo úplně odlišné paradigma - z ničeho nic se objevil tranzistor.
09:18
In fact, when we see the end of the line for a particular paradigm,
187
558000
3000
Vlastně je to tak, že když vidíme, že se blíží konec určitého paradigmatu,
09:21
it creates research pressure to create the next paradigm.
188
561000
4000
tak tato vize vytvoří nátlak na tvorbu nového paradigmatu.
09:25
And because we've been predicting the end of Moore's Law
189
565000
3000
Dnes již nějakou dobu předpovídáme konec Moorva zákona.
09:28
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
568000
3000
Nejprve se mluvilo o roce 2002, nyní se odhaduje 2022.
09:31
But by the teen years,
191
571000
3000
Během 10 až 20 let
09:34
the features of transistors will be a few atoms in width,
192
574000
3000
budou části tranzistorů široké pouze několik atomů
09:37
and we won't be able to shrink them any more.
193
577000
2000
a my nebudume schopni je zmenšovat dále.
09:39
That'll be the end of Moore's Law, but it won't be the end of
194
579000
3000
To bude konec Moorova zákona, ale nebude to konec exponenciálního růstu výpočetních technologií,
09:42
the exponential growth of computing, because chips are flat.
195
582000
2000
protože čipy jsou ploché.
09:44
We live in a three-dimensional world; we might as well use the third dimension.
196
584000
3000
Žijeme v třírozměrném světě, takže bychom mohli využít i třetí rozměr.
09:47
We will go into the third dimension
197
587000
2000
A taky že to uděláme.
09:49
and there's been tremendous progress, just in the last few years,
198
589000
3000
Během posledních let zaznamenala tato oblast obrovský pokrok,
09:52
of getting three-dimensional, self-organizing molecular circuits to work.
199
592000
4000
takže existují fungující trojrozměrné samo-organizující se molekulární obvody.
09:56
We'll have those ready well before Moore's Law runs out of steam.
200
596000
7000
Budeme je mít k dispozici o dost dříve, než dojde dech Moorvu zákonu.
10:03
Supercomputers -- same thing.
201
603000
2000
To samé superpočítače.
10:06
Processor performance on Intel chips,
202
606000
3000
Podívejme se na výkon procesorů Intel.
10:09
the average price of a transistor --
203
609000
3000
Cena tranzistoru v roce 1968
10:12
1968, you could buy one transistor for a dollar.
204
612000
3000
byla jeden dolar.
10:15
You could buy 10 million in 2002.
205
615000
3000
V roce 2002 jste jich za jeden dolar dostali 10 miliónů.
10:18
It's pretty remarkable how smooth
206
618000
3000
Je opravdu pozoruhodné jak přesný
10:21
an exponential process that is.
207
621000
2000
je tento exponenciální proces.
10:23
I mean, you'd think this is the result of some tabletop experiment,
208
623000
3000
Člověk by si myslel, že toto je výsledek laboratorního experimentu,
10:27
but this is the result of worldwide chaotic behavior --
209
627000
3000
ale je to výsledkem celosvětového chaotického chování.
10:30
countries accusing each other of dumping products,
210
630000
2000
Země obviňující se navzájem z dumpingu produktů,
10:32
IPOs, bankruptcies, marketing programs.
211
632000
2000
veřejné nabídky akcí, bankroty, marketingové programy.
10:34
You would think it would be a very erratic process,
212
634000
3000
Člověk by si myslel, že tento proces bude velmi nepravidelný,
10:37
and you have a very smooth
213
637000
2000
ale vidíme že výsledek tohoto chaotického procesu
10:39
outcome of this chaotic process.
214
639000
2000
je naopak opravdu velmi přesný.
10:41
Just as we can't predict
215
641000
2000
Nemůžeme předvídat,
10:43
what one molecule in a gas will do --
216
643000
2000
jak se bude chovat jedna molekula plynu,
10:45
it's hopeless to predict a single molecule --
217
645000
3000
to je prostě beznadějné.
10:48
yet we can predict the properties of the whole gas,
218
648000
2000
Ale pomocí termodynamiky můžeme velmi přesně předvídat,
10:50
using thermodynamics, very accurately.
219
650000
3000
jak se bude chovat plyn jako celek.
10:53
It's the same thing here. We can't predict any particular project,
220
653000
3000
Stejný princip lze aplikovat i zde. Nemůžeme předvídat specifické projekty,
10:56
but the result of this whole worldwide,
221
656000
2000
avšak můžeme předvídat výsledek celosvětového, chaotického
10:58
chaotic, unpredictable activity of competition
222
658000
5000
a "nepředvídatelného" prostředí konkurence.
11:03
and the evolutionary process of technology is very predictable.
223
663000
3000
Evoluční proces technologie je velice předvídatelný.
11:06
And we can predict these trends far into the future.
224
666000
3000
A můžeme tedy předpovídat tyto trendy daleko do budoucnosti.
11:11
Unlike Gertrude Stein's roses,
225
671000
2000
Na rozdíl od růží Gertrudy Steinové,
11:13
it's not the case that a transistor is a transistor.
226
673000
2000
nejde o to, že tranzistor je tranzistor.
11:15
As we make them smaller and less expensive,
227
675000
2000
Tím že je děláme menší a levnější,
11:17
the electrons have less distance to travel.
228
677000
2000
elektrony překonávají menší vzdálenosti.
11:19
They're faster, so you've got exponential growth in the speed of transistors,
229
679000
4000
Jsou rychlejší, takže tady máme exponenciální nárůst rychlosti tranzistorů,
11:23
so the cost of a cycle of one transistor
230
683000
4000
takže cena cyklu jednoho tranzistoru
11:27
has been coming down with a halving rate of 1.1 years.
231
687000
3000
se srážela na polovinu každých 1,1 let.
11:30
You add other forms of innovation and processor design,
232
690000
3000
Přidejte další typy inovací v návrhu procesorů,
11:33
you get a doubling of price performance of computing every one year.
233
693000
4000
a dospějete k zdvojnásobení poměru cena/výkon každý rok.
11:37
And that's basically deflation --
234
697000
3000
A to je v podstatě deflace,
11:40
50 percent deflation.
235
700000
2000
50ti procentní deflace.
11:42
And it's not just computers. I mean, it's true of DNA sequencing;
236
702000
3000
A to neplatí pouze pro počítače. To samé platí pro sekvencování DNA,
11:45
it's true of brain scanning;
237
705000
2000
skenování mozku nebo web.
11:47
it's true of the World Wide Web. I mean, anything that we can quantify,
238
707000
2000
V podstatě cokoliv, co můžeme kvantifikovat.
11:49
we have hundreds of different measurements
239
709000
3000
Máme stovky různých měřítek
11:52
of different, information-related measurements --
240
712000
3000
různých měřítek informačních veličin.
11:55
capacity, adoption rates --
241
715000
2000
Kapacita, rychlost adaptace.
11:57
and they basically double every 12, 13, 15 months,
242
717000
3000
Hodnoty na těchto měřítkách se zdvojásobují každých 12, 13, 15 měsíců,
12:00
depending on what you're looking at.
243
720000
2000
v závislosti na tom, na co se díváme.
12:02
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
722000
4000
Co se týče vztahu ceny a výkonu, vidíme 40-50% deflaci.
12:07
And economists have actually started worrying about that.
245
727000
2000
Ekonomové se toho začínali obávat.
12:09
We had deflation during the Depression,
246
729000
2000
Měli jsme tady deflaci během Velké deprese,
12:11
but that was collapse of the money supply,
247
731000
2000
ale kolaps dodávky peněz,
12:13
collapse of consumer confidence, a completely different phenomena.
248
733000
3000
a kolaps spotřebitelské důvěry je úplně odlišný fenomén.
12:16
This is due to greater productivity,
249
736000
2000
Toto jsou následky zvyšování produktivity.
12:19
but the economist says, "But there's no way you're going to be able to keep up with that.
250
739000
2000
Ekonomové však tvrdí, že není možné s tímto tempem udržet krok.
12:21
If you have 50 percent deflation, people may increase their volume
251
741000
3000
Pokud máme 50ti procentní deflaci, lidé mohou navyšovat objemy
12:24
30, 40 percent, but they won't keep up with it."
252
744000
2000
o 30, 40 procent, ale dlouho nevydrží.
12:26
But what we're actually seeing is that
253
746000
2000
V reálu ale vidíme,
12:28
we actually more than keep up with it.
254
748000
2000
že lidé jsou schopní toto tempo překonat.
12:30
We've had 28 percent per year compounded growth in dollars
255
750000
3000
Během posledních 50ti let jsme na poli informačních technologií
12:33
in information technology over the last 50 years.
256
753000
3000
zaznamenali každoroční 28% složený dolarový růst.
12:36
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
756000
4000
Před deseti lety si přece lidé nekupovali iPody za 10.000 dolarů.
12:40
As the price performance makes new applications feasible,
258
760000
3000
Když pokles poměru ceny a výkonu umožní uskutečnění nových aplikací,
12:43
new applications come to the market.
259
763000
2000
nové aplikace se objeví na trhu.
12:45
And this is a very widespread phenomena.
260
765000
3000
Toto je velmi rozšířený fenomén.
12:48
Magnetic data storage --
261
768000
2000
Vezměme například magnetický záznam dat.
12:50
that's not Moore's Law, it's shrinking magnetic spots,
262
770000
3000
To nebyl Moorův zákon, ale zmenšování magnetických ploch.
12:53
different engineers, different companies, same exponential process.
263
773000
4000
Různí inženýři, různé společnosti, stejný exponenciální proces.
12:57
A key revolution is that we're understanding our own biology
264
777000
4000
Zásadní revolucí je to, že nyní rozumíme naší biologii
13:01
in these information terms.
265
781000
2000
v informačních termínech.
13:03
We're understanding the software programs
266
783000
2000
Rozumíme softwarovým programům,
13:05
that make our body run.
267
785000
2000
které řídí naše tělo.
13:07
These were evolved in very different times --
268
787000
2000
Tyto programy byly vyvinuty ve velice odlišných časech
13:09
we'd like to actually change those programs.
269
789000
2000
a my bychom dnes vlastně chtěli tyto programy změnit.
13:11
One little software program, called the fat insulin receptor gene,
270
791000
2000
Jeden jednoduchý program, nazvaný gen tukového insulinového receptoru
13:13
basically says, "Hold onto every calorie,
271
793000
2000
v podstatě říká: zadrž každou kalorii,
13:15
because the next hunting season may not work out so well."
272
795000
4000
protože další období lovu se nemusí vydařit.
13:19
That was in the interests of the species tens of thousands of years ago.
273
799000
3000
Toto fungovalo ve prospěch druhu před desítkami tisíců let.
13:22
We'd like to actually turn that program off.
274
802000
3000
Dnes bychom rádi tento program vypnuli.
13:25
They tried that in animals, and these mice ate ravenously
275
805000
3000
Vyzkoušeli jsme to již na myších, které, přestože jedly opravdu hodně,
13:28
and remained slim and got the health benefits of being slim.
276
808000
2000
stále zůstávaly štíhlé a zůstaly jim také veškeré přínosy šíhlosti.
13:30
They didn't get diabetes; they didn't get heart disease;
277
810000
3000
Nedostaly cukrovku ani onemocnění srdce,
13:33
they lived 20 percent longer; they got the health benefits of caloric restriction
278
813000
3000
žily o 20% déle. Jednoduše těžily zdravotní výhody kalorické restrikce
13:36
without the restriction.
279
816000
2000
bez kalorické restrikce.
13:38
Four or five pharmaceutical companies have noticed this,
280
818000
3000
Čtyři nebo pět farmaceutických společností si toho všimlo,
13:41
felt that would be
281
821000
3000
domnívajíce se, že toto bude
13:44
interesting drug for the human market,
282
824000
3000
zajímavý lék pro lidský trh,
13:47
and that's just one of the 30,000 genes
283
827000
2000
s vědomím toho, že toto je pouze jeden z 30.000 genů,
13:49
that affect our biochemistry.
284
829000
3000
které mají vliv na naší tělesnou chemii.
13:52
We were evolved in an era where it wasn't in the interests of people
285
832000
3000
Vyvinuli jsme se v době, kdy lidé v mém věku,
13:55
at the age of most people at this conference, like myself,
286
835000
3000
podobném jako má i většina učástníku této konference,
13:58
to live much longer, because we were using up the precious resources
287
838000
4000
neměli zájem žít déle, protože spotřebovávali drahocenné zdroje,
14:02
which were better deployed towards the children
288
842000
1000
které byly lépe využitelné potomky
14:03
and those caring for them.
289
843000
2000
a těmi, kdo se o ně starají.
14:05
So, life -- long lifespans --
290
845000
2000
Nejsme optimálně vyvinuti
14:07
like, that is to say, much more than 30 --
291
847000
2000
pro život, který trvá
14:09
weren't selected for,
292
849000
3000
mnohem déle než 30 let,
14:12
but we are learning to actually manipulate
293
852000
3000
ale dnes se učíme manipulovat
14:15
and change these software programs
294
855000
2000
se svými softwarovými programy a měnit je
14:17
through the biotechnology revolution.
295
857000
2000
díky biotechnologické revoluci.
14:19
For example, we can inhibit genes now with RNA interference.
296
859000
4000
Dokážeme například blokovat geny interferující s RNA.
14:23
There are exciting new forms of gene therapy
297
863000
2000
Existují nové formy genové terapie,
14:25
that overcome the problem of placing the genetic material
298
865000
2000
které překonaly problém umisťování genetického materiálu
14:27
in the right place on the chromosome.
299
867000
2000
na správnou pozici chromozomu.
14:29
There's actually a -- for the first time now,
300
869000
3000
Poprvé v historii se testuje na lidech něco,
14:32
something going to human trials, that actually cures pulmonary hypertension --
301
872000
3000
co dokáže vyléčit srmtelnou chorobu zvanou plicní hypertenze,
14:35
a fatal disease -- using gene therapy.
302
875000
3000
opět díky genetické terapii.
14:38
So we'll have not just designer babies, but designer baby boomers.
303
878000
3000
Takže nebudeme mít pouze děti od návrhařů, ale i jejich rodiče.
14:41
And this technology is also accelerating.
304
881000
3000
A tato technologie také zrychluje.
14:44
It cost 10 dollars per base pair in 1990,
305
884000
3000
Jeden pár bází stál v roce 1990 10 dolarů,
14:47
then a penny in 2000.
306
887000
2000
jeden penny v roce 2000.
14:49
It's now under a 10th of a cent.
307
889000
2000
Nyní je to méně něž desetina centu.
14:51
The amount of genetic data --
308
891000
2000
Množství genetických dat
14:53
basically this shows that smooth exponential growth
309
893000
3000
roste opět exponenciálně,
14:56
doubled every year,
310
896000
2000
dvojnásobí se každým rokem,
14:58
enabling the genome project to be completed.
311
898000
3000
což umožňuje dokončení projektu Genome.
15:01
Another major revolution: the communications revolution.
312
901000
3000
Další zásadní revolucí je komunikační revoluce.
15:04
The price performance, bandwidth, capacity of communications measured many different ways;
313
904000
5000
Poměr ceny a výkonu, datového průtoku a kapacity různých typů komunikačních techologií,
15:09
wired, wireless is growing exponentially.
314
909000
3000
drátových i bezdrátových, roste exponenciálně.
15:12
The Internet has been doubling in power and continues to,
315
912000
3000
Síla internetu se zdvojnásobuje již nějakou dobu
15:15
measured many different ways.
316
915000
2000
a tento vývoj bude dále pokračovat.
15:17
This is based on the number of hosts.
317
917000
2000
Tento graf ukazuje zdvojnásobování internetových hostitelů.
15:19
Miniaturization -- we're shrinking the size of technology
318
919000
2000
Dalším tématem je miniaturizace.
15:21
at an exponential rate,
319
921000
2000
Zmenšování technologií, drátových i bezdrátových
15:23
both wired and wireless.
320
923000
2000
se zrychluje exponenciálně.
15:25
These are some designs from Eric Drexler's book --
321
925000
4000
Některé z modelů z knihy Erica Drexlera
15:29
which we're now showing are feasible
322
929000
2000
se jeví jaké proveditelné
15:31
with super-computing simulations,
323
931000
2000
také díky simulacím na superpočítačích,
15:33
where actually there are scientists building
324
933000
2000
a také existují vědci, kteří stavějí
15:35
molecule-scale robots.
325
935000
2000
roboty o velikosti molekul.
15:37
One has one that actually walks with a surprisingly human-like gait,
326
937000
2000
Jeden má dokonce robota, který chodí podobně jako člověk,
15:39
that's built out of molecules.
327
939000
3000
jenom je postavený z pár molekul.
15:42
There are little machines doing things in experimental bases.
328
942000
4000
Tito malí roboti jsou zatím testovaní v laboratorních experimentech.
15:46
The most exciting opportunity
329
946000
3000
Ale tou nejvíce zajímavou příležitostí
15:49
is actually to go inside the human body
330
949000
2000
je možnost vstupu do lidského těla,
15:51
and perform therapeutic and diagnostic functions.
331
951000
3000
a výkon terapeutických a diagnostických funkcí.
15:54
And this is less futuristic than it may sound.
332
954000
2000
A toto je bližší budoucnost, než se může zdát.
15:56
These things have already been done in animals.
333
956000
2000
Tyto technologie už byly vyzkoušeny na zvířatech.
15:58
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
958000
4000
Máme nanotechnologické zařízení které léčí cukrovku typu 1. Má velikost krvinky.
16:02
They put tens of thousands of these
335
962000
2000
Do krevního oběhu se jich vpustí desítky tisíc
16:04
in the blood cell -- they tried this in rats --
336
964000
2000
a experimenty na myších ukázaly,
16:06
it lets insulin out in a controlled fashion,
337
966000
2000
že regulace inzulínu se napraví,
16:08
and actually cures type 1 diabetes.
338
968000
2000
a cukrovka je vyléčena.
16:10
What you're watching is a design
339
970000
3000
Právě se díváte na návrh
16:13
of a robotic red blood cell,
340
973000
2000
robotické červené krvinky.
16:15
and it does bring up the issue that our biology
341
975000
2000
Naše biologie ve své podstatě
16:17
is actually very sub-optimal,
342
977000
2000
není tak dokonalá,
16:19
even though it's remarkable in its intricacy.
343
979000
3000
i přestože je pozoruhodná ve své složitosti.
16:22
Once we understand its principles of operation,
344
982000
3000
Jakmile však pochopíme principy fungování,
16:25
and the pace with which we are reverse-engineering biology is accelerating,
345
985000
3000
a nezapomínejme, že tempo, s jakým zpětně navrhujeme biologii zrychluje,
16:29
we can actually design these things to be
346
989000
2000
můžeme navrhnount biologii tak,
16:31
thousands of times more capable.
347
991000
2000
aby byla deseti tisíckrát účinnější.
16:33
An analysis of this respirocyte, designed by Rob Freitas,
348
993000
4000
Analýza tohoto recpiprocytu navrženého Robem Freitasem ukazuje,
16:38
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
998000
2000
že pokud nahradíme 10% červených krvninek robotickým reciprocytem,
16:41
you could do an Olympic sprint for 15 minutes without taking a breath.
350
1001000
3000
budeme schopni sprintovat 15 minut bez nadechnutí.
16:44
You could sit at the bottom of your pool for four hours --
351
1004000
3000
Mohli bychom sedět na dně bazénu čtyři hodiny,
16:47
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
1007000
4000
a fráze "Zlato, jsem v bazénu", by nabrala zcela nový význam.
16:51
It will be interesting to see what we do in our Olympic trials.
353
1011000
2000
Bude zajímavé sledovat co udělá Olympijská komise.
16:53
Presumably we'll ban them,
354
1013000
2000
Pravděpodobně je zakáže,
16:55
but then we'll have the specter of teenagers in their high schools gyms
355
1015000
2000
ale potom by náctiletí středoškoláci
16:57
routinely out-performing the Olympic athletes.
356
1017000
3000
běžně překonávali olympijské atlety.
17:02
Freitas has a design for a robotic white blood cell.
357
1022000
3000
Freias má návrh robotické bílé krvinky.
17:05
These are 2020-circa scenarios,
358
1025000
4000
Toto jsou scénáře odehrávající se v dvacátých letech tohoto století
17:09
but they're not as futuristic as it may sound.
359
1029000
2000
a nejsou vůbec tak vzdálené, jak se může zdát.
17:11
There are four major conferences on building blood cell-sized devices;
360
1031000
4000
Dnes se pořádají čtyři velké konference zabývající se stavbou zařízení velikosti krvinek,
17:15
there are many experiments in animals.
361
1035000
2000
stejně tak probíhá mnoho pokusů na zvířatech.
17:17
There's actually one going into human trial,
362
1037000
2000
Vlastně už je jedna verze, která pokročila do stádia
17:19
so this is feasible technology.
363
1039000
3000
testování na lidech. Toto je reálná technologie.
17:23
If we come back to our exponential growth of computing,
364
1043000
2000
Vraťme se zpět k exponenciálnímu růstu výpočetních technologií.
17:25
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1045000
3000
Tisíc dolarů výpočetního výkonu dnes odpovídá schopnostem mozku něčeho mezi hmyzem a myší.
17:28
It will intersect human intelligence
366
1048000
3000
Lidská inteligence bude překonána
17:31
in terms of capacity in the 2020s,
367
1051000
3000
ve dvacátých letech, co se týče kapacity,
17:34
but that'll be the hardware side of the equation.
368
1054000
2000
ale to se bavíme pouze o hardwarové stránce.
17:36
Where will we get the software?
369
1056000
2000
Kdy budeme mít software?
17:38
Well, it turns out we can see inside the human brain,
370
1058000
2000
Již dnes můžeme nahlédnout do lidského mozku
17:40
and in fact not surprisingly,
371
1060000
2000
a asi nikoho nepřekvapí,
17:42
the spatial and temporal resolution of brain scanning is doubling every year.
372
1062000
4000
že rozlišení skenerů mozku se zdvojnásobuje každým rokem.
17:46
And with the new generation of scanning tools,
373
1066000
2000
A poslední generace skenerů
17:48
for the first time we can actually see
374
1068000
2000
konečně umožňuje vidění
17:50
individual inter-neural fibers
375
1070000
2000
jednotlivých mezineuronových vláken
17:52
and see them processing and signaling in real time --
376
1072000
3000
a také vidí zpracování signálu v reálném čase.
17:55
but then the question is, OK, we can get this data now,
377
1075000
2000
Již dokážeme získat data, otázkou však zůstává,
17:57
but can we understand it?
378
1077000
2000
zda jim dokážeme také porozumět.
17:59
Doug Hofstadter wonders, well, maybe our intelligence
379
1079000
3000
Doug Hofstadter uvažuje, že naše inteligence
18:02
just isn't great enough to understand our intelligence,
380
1082000
3000
možná není dostatečná pro pochopení sebe sama.
18:05
and if we were smarter, well, then our brains would be that much more complicated,
381
1085000
3000
Je tedy možné pochopit vlastní inteligenci
18:08
and we'd never catch up to it.
382
1088000
2000
nebu zůstaneme navždy pozadu?
18:11
It turns out that we can understand it.
383
1091000
3000
Pravda je taková, že inteligenci pochopit můžeme.
18:14
This is a block diagram of
384
1094000
3000
Toto je schéma modelu a simulace
18:17
a model and simulation of the human auditory cortex
385
1097000
4000
části mozku zodpovědné za sluch,
18:21
that actually works quite well --
386
1101000
2000
které v praxi funguje docela dobře,
18:23
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1103000
2000
a v psychoakustických testech dosáhne výsledků velice podobných člověku.
18:27
There's another simulation of the cerebellum --
388
1107000
3000
Tady je simulace mozečku,
18:30
that's more than half the neurons in the brain --
389
1110000
2000
který je tvořen více než polovinou neuronů mozku.
18:32
again, works very similarly to human skill formation.
390
1112000
3000
Opět, funguje velice podobně jako lidské osvojování dovedností.
18:36
This is at an early stage, but you can show
391
1116000
3000
Jsme teprve na začátku,
18:39
with the exponential growth of the amount of information about the brain
392
1119000
3000
ale za pomoci exponenciálního růstu množství informací o lidském mozku
18:42
and the exponential improvement
393
1122000
2000
a exponenciálního růstu zlepšování
18:44
in the resolution of brain scanning,
394
1124000
2000
rozlišení skenerů mozku
18:46
we will succeed in reverse-engineering the human brain
395
1126000
3000
uspějeme ve zpětném inženýrství lidského mozku
18:49
by the 2020s.
396
1129000
2000
ve dvacátých letech tohoto století.
18:51
We've already had very good models and simulation of about 15 regions
397
1131000
3000
Již dnes máme velice dobré modely a simulace asi 15ti oblastí
18:54
out of the several hundred.
398
1134000
3000
z celkového počtu několika set.
18:57
All of this is driving
399
1137000
2000
Toto vše je poháněno exponenciálním ekonomickým růstem
18:59
exponentially growing economic progress.
400
1139000
2000
a zároveň to tento růst podporuje.
19:01
We've had productivity go from 30 dollars to 150 dollars per hour
401
1141000
3000
Produktivita práce se vyhoupla z 30 na 150 dolarů za hodinu
19:06
of labor in the last 50 years.
402
1146000
2000
během posledních 50ti let.
19:08
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1148000
3000
Elektronické obchodování roste exponenciálně. Dnes dosahuje biliónu dolarů.
19:11
You might wonder, well, wasn't there a boom and a bust?
404
1151000
2000
Možná si teď říkáte, jestli náhodou nenastal vzestup a pád?
19:13
That was strictly a capital-markets phenomena.
405
1153000
2000
To byl ale fenomén týkající se pouze kapitálových trhů.
19:15
Wall Street noticed that this was a revolutionary technology, which it was,
406
1155000
4000
Na Wall Street si všimli, že je zde další revoluční technologie,
19:19
but then six months later, when it hadn't revolutionized all business models,
407
1159000
3000
ale šest měsíců poté, když nenastala revoluce všech obchodních modelů,
19:22
they figured, well, that was wrong,
408
1162000
2000
uvědomili si, že neodhadovali správně,
19:24
and then we had this bust.
409
1164000
2000
a nastál pád.
19:27
All right, this is a technology
410
1167000
2000
Toto je technologie,
19:29
that we put together using some of the technologies we're involved in.
411
1169000
3000
kterou jsme dali dohromady za přispění několika technologií na kterých jsme pracovali.
19:32
This will be a routine feature in a cell phone.
412
1172000
4000
Brzy bude běžnou součástí mobilního telefonu.
19:36
It would be able to translate from one language to another.
413
1176000
2000
Bude schopna překládat z jednoho jazyka do druhého.
19:48
So let me just end with a couple of scenarios.
414
1188000
2000
Dovolte mi skončit několika scénáři.
19:50
By 2010 computers will disappear.
415
1190000
3000
V roce 2010 zmizí počítače.
19:54
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1194000
3000
Budou tak malé, že budou součástí našeho oděvu a prostředí.
19:57
Images will be written directly to our retina,
417
1197000
2000
Obraz bude zapisován přímo na sítnici
19:59
providing full-immersion virtual reality,
418
1199000
2000
a bude poskytovat uplné ponoření do virtuální reality,
20:01
augmented real reality. We'll be interacting with virtual personalities.
419
1201000
3000
či rozšířené skutečné reality. Budeme v interakci s virtuálními osobnostmi.
20:05
But if we go to 2029, we really have the full maturity of these trends,
420
1205000
4000
V roce 2029 tyto trendy plně dospějou,
20:09
and you have to appreciate how many turns of the screw
421
1209000
3000
a my budeme schopni docenit
20:12
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1212000
4000
to množství generací technologií, které se v tu dobu budou rozvojově stále zrychlovat.
20:16
I mean, we will have two-to-the-25th-power
423
1216000
2000
Budeme mít technologie s 2^25 lepším
20:18
greater price performance, capacity and bandwidth
424
1218000
3000
poměrem ceny a výkonu, kapacitou a průpostností dat
20:21
of these technologies, which is pretty phenomenal.
425
1221000
2000
a naprosto úžasné technologie založené na těchto současných technologiích.
20:23
It'll be millions of times more powerful than it is today.
426
1223000
2000
Technologie budou miliónkrát schopnější než ty dnešní.
20:25
We'll have completed the reverse-engineering of the human brain,
427
1225000
2000
Zpětné inženýrství lidského mozku bude dokončeno,
20:28
1,000 dollars of computing will be far more powerful
428
1228000
3000
a počítač za tisíc dolarů bude mnohem výkonnější
20:31
than the human brain in terms of basic raw capacity.
429
1231000
4000
než lidský mozek, co se týče surové kapacity.
20:35
Computers will combine
430
1235000
2000
Počítače budou kombinovat schopnosti
20:37
the subtle pan-recognition powers
431
1237000
2000
lidského intelektu
20:39
of human intelligence with ways in which machines are already superior,
432
1239000
3000
společně s tím, v čem jsou stroje již dnes lepší,
20:42
in terms of doing analytic thinking,
433
1242000
2000
a to s analytickým myšlením
20:44
remembering billions of facts accurately.
434
1244000
2000
a shopností si přesně pamatovat miliardy údajů.
20:46
Machines can share their knowledge very quickly.
435
1246000
2000
Stroje dokáží sdílet vědomosti velmi rychle,
20:48
But it's not just an alien invasion of intelligent machines.
436
1248000
5000
ale budoucnost nebude pouze o invazi inteligentních strojů.
20:53
We are going to merge with our technology.
437
1253000
2000
Lidé se sloučí s technologiemi.
20:55
These nano-bots I mentioned
438
1255000
2000
Nano-roboti, které jsem zmiňoval,
20:57
will first be used for medical and health applications:
439
1257000
4000
budou nejprve použiti pro lékařské aplikace,
21:01
cleaning up the environment, providing powerful fuel cells
440
1261000
3000
pro čištění životního prostředí, poskytování energie,
21:04
and widely distributed decentralized solar panels and so on in the environment.
441
1264000
5000
budou sloužit jako široce rozptýlená síť solárních panelů a tak dále.
21:09
But they'll also go inside our brain,
442
1269000
2000
Později budou také uvnitř našeho mozku
21:11
interact with our biological neurons.
443
1271000
2000
fungovat vzájemně s biologickými neurony.
21:13
We've demonstrated the key principles of being able to do this.
444
1273000
3000
Již jsme si demonstrovali klíčové principy dokazující, že toho budeme schopni dosáhnout.
21:16
So, for example,
445
1276000
2000
Takže například budeme mít
21:18
full-immersion virtual reality from within the nervous system,
446
1278000
2000
plně imerzní virtuální realitu simulovanou z vnitřního nervového systému,
21:20
the nano-bots shut down the signals coming from your real senses,
447
1280000
3000
nanoroboty vypínající signály přicházející ze skutečných lidských smyslů,
21:23
replace them with the signals that your brain would be receiving
448
1283000
3000
nahrazující je signály, které by člověk obdržel
21:26
if you were in the virtual environment,
449
1286000
2000
v právě simulovaném virtuálním prostředí.
21:28
and then it'll feel like you're in that virtual environment.
450
1288000
2000
Takže se budete cítit jako by jste skutečně byli v daném virtuálním prostředí.
21:30
You can go there with other people, have any kind of experience
451
1290000
2000
Ve virtuální realitě budete moct být společně s dalšími lidmi a zažít
21:32
with anyone involving all of the senses.
452
1292000
2000
cokoliv si budete přát včetně plného smyslového vnímání.
21:35
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1295000
3000
"Vysílače zážitků" budou vysílat celý děj prožitku
21:38
in the neurological correlates of their emotions out on the Internet.
454
1298000
3000
pomocí neurologických udajů o emocích ven na internet.
21:41
You can plug in and experience what it's like to be someone else.
455
1301000
3000
Budete mít možnost se připojit a zažít, jaké to je, být někým jiným.
21:44
But most importantly,
456
1304000
2000
Ze všeho nejdůležitější bude ovšem
21:46
it'll be a tremendous expansion
457
1306000
2000
ohromná expanze lidské inteligence,
21:48
of human intelligence through this direct merger with our technology,
458
1308000
4000
právě díky tomuto přímému sloučení s technologiemi.
21:52
which in some sense we're doing already.
459
1312000
2000
V určitém smyslu to děláme již dnes.
21:54
We routinely do intellectual feats
460
1314000
2000
Běžně provádíme intelektuální činnosti,
21:56
that would be impossible without our technology.
461
1316000
2000
které by bez technologií nebyly možné.
21:58
Human life expectancy is expanding. It was 37 in 1800,
462
1318000
3000
Střední délka života roste. V roce 1800 byla 37,
22:01
and with this sort of biotechnology, nano-technology revolutions,
463
1321000
5000
a díky biotechnologické a nanotechnologické revoluci
22:06
this will move up very rapidly
464
1326000
2000
se tempo růstu během následujících let
22:08
in the years ahead.
465
1328000
2000
značně zvýší.
22:10
My main message is that progress in technology
466
1330000
4000
Mou hlavní zprávou je to, že technologický pokrok
22:14
is exponential, not linear.
467
1334000
3000
je exponenciální a ne lineární.
22:17
Many -- even scientists -- assume a linear model,
468
1337000
4000
Mnozí, vědce nevyjímaje, předpokládají lineární model.
22:21
so they'll say, "Oh, it'll be hundreds of years
469
1341000
2000
Říkají, že bude trvat stovky let,
22:23
before we have self-replicating nano-technology assembly
470
1343000
3000
než budeme mít samoreplikující se nanotechnologické kolonie
22:26
or artificial intelligence."
471
1346000
2000
nebo umělou inteligenci.
22:28
If you really look at the power of exponential growth,
472
1348000
3000
Pokud pochopíme sílu exponenciálního růstu, uvidíme,
22:31
you'll see that these things are pretty soon at hand.
473
1351000
3000
že tyto záležitosti nejsou velmi vzdáleny.
22:34
And information technology is increasingly encompassing
474
1354000
3000
A informační technologie neustále zahrnují
22:37
all of our lives, from our music to our manufacturing
475
1357000
4000
více a více z našich životů, od hudby, přes výrobu,
22:41
to our biology to our energy to materials.
476
1361000
4000
naší vlastní biologii, ale také energii a materiály.
22:45
We'll be able to manufacture almost anything we need in the 2020s,
477
1365000
3000
Ve dvacátých letech budeme moci vyrobit téměř cokoliv, co budeme potřebovat
22:48
from information, in very inexpensive raw materials,
478
1368000
2000
pomocí informací a velice levných surových materiálů
22:50
using nano-technology.
479
1370000
3000
za použití nanotechnologií.
22:53
These are very powerful technologies.
480
1373000
2000
Toto jsou velice mocné technologie.
22:55
They both empower our promise and our peril.
481
1375000
4000
Zvyšují nám jak naděje, tak rizika.
22:59
So we have to have the will to apply them to the right problems.
482
1379000
3000
Takže musíme mít vůli aplikovat tyto technologie na správné probémy.
23:02
Thank you very much.
483
1382000
1000
Děkuji vám za pozornost.
23:03
(Applause)
484
1383000
1000
(Potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7