Ray Kurzweil: Get ready for hybrid thinking

521,663 views ・ 2014-06-02

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Marek Vanžura Korektor: Kateřina Jabůrková
00:12
Let me tell you a story.
0
12988
2316
Dovolte mi povědět vám příběh.
00:15
It goes back 200 million years.
1
15304
1799
Odehrál se před 200 miliony let.
00:17
It's a story of the neocortex,
2
17103
1984
Je to příběh o neokortexu,
00:19
which means "new rind."
3
19087
1974
což znamená „nová kůra".
00:21
So in these early mammals,
4
21061
2431
V hlavní roli vystupují první savci
00:23
because only mammals have a neocortex,
5
23492
2055
v mnohém podobní hlodavcům,
00:25
rodent-like creatures.
6
25547
1664
neboť pouze savci mají neokortex.
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
Jejich neokortex měl plochu i tloušťku poštovní známky
00:30
and was a thin covering around
8
30790
1439
a obaloval mozek
00:32
their walnut-sized brain,
9
32229
2264
velikosti vlašského ořechu.
00:34
but it was capable of a new type of thinking.
10
34493
3701
Navzdory tomu tento mozek přinášel nový typ myšlení.
00:38
Rather than the fixed behaviors
11
38194
1567
Narozdíl od pudového chování,
00:39
that non-mammalian animals have,
12
39761
1992
které nalezneme mezi nesavčími zvířaty,
00:41
it could invent new behaviors.
13
41753
2692
umožňovala tato mysl vývoj nového chování.
00:44
So a mouse is escaping a predator,
14
44445
2553
Takže když myš utíká před dravcem
00:46
its path is blocked,
15
46998
1540
a narazí na překážku,
00:48
it'll try to invent a new solution.
16
48538
2129
pokusí se přijít s řešením.
00:50
That may work, it may not,
17
50667
1266
To buď funguje, nebo ne.
00:51
but if it does, it will remember that
18
51933
1910
A pokud funguje, myš si jej zapamatuje
00:53
and have a new behavior,
19
53843
1292
a bude jej nadále využívat,
00:55
and that can actually spread virally
20
55135
1457
což se lavinovitě rozšíří
00:56
through the rest of the community.
21
56592
2195
napříč komunitou myší.
00:58
Another mouse watching this could say,
22
58787
1609
Protože jiná myš, která to viděla si řekne:
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
„Páni, to bylo vážně chytrý oběhnout ten kámen,"
01:03
and it could adopt a new behavior as well.
24
63100
3725
a začne se chovat obdobně.
01:06
Non-mammalian animals
25
66825
1717
Živočichové jiní než savci
01:08
couldn't do any of those things.
26
68542
1713
tuto schopnost postrádají.
01:10
They had fixed behaviors.
27
70255
1215
Jejich chování je pudové.
01:11
Now they could learn a new behavior
28
71470
1331
Nové chování si sice osvojí,
01:12
but not in the course of one lifetime.
29
72801
2576
nikoli však v průběhu jednoho života.
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Trvá jim to klidně i tisíce životů
01:17
it could evolve a new fixed behavior.
31
77144
3330
než se vyvine jako nové pudové chování.
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Před 200 miliony let to bohatě stačilo.
01:23
The environment changed very slowly.
33
83851
1981
Prostředí se tehdy měnilo velmi pomalu.
01:25
It could take 10,000 years for there to be
34
85832
1554
Mohlo trvat i deset tisíc let,
01:27
a significant environmental change,
35
87386
2092
než k nějaké výraznější změně došlo,
01:29
and during that period of time
36
89478
1382
takže v průběhu této doby
01:30
it would evolve a new behavior.
37
90860
2929
se nové chování mohlo vyvíjet.
01:33
Now that went along fine,
38
93789
1521
Fungovalo to tehdy dobře,
01:35
but then something happened.
39
95310
1704
ale pak se něco přihodilo.
01:37
Sixty-five million years ago,
40
97014
2246
Před 65 miliony let
01:39
there was a sudden, violent change to the environment.
41
99260
2615
došlo k náhlé, násilné změně prostředí.
01:41
We call it the Cretaceous extinction event.
42
101875
3505
Nazýváme ji vymírání na konci křídy.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Jde o období, kdy vyhynuli dinosauři.
01:47
that's when 75 percent of the
44
107673
3449
Zaniklo tehdy 75 procent
01:51
animal and plant species went extinct,
45
111122
2746
živočišných a rostlinných druhů.
01:53
and that's when mammals
46
113868
1745
V této době zaplnili savci
01:55
overtook their ecological niche,
47
115613
2152
tuto vzniklou ekologickou mezeru.
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
Abychom použili lidský příměr, biologická evoluce řekla:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
„Hm, tahle mozková kůra je fajn věc,"
02:03
and it began to grow it.
50
123444
1793
a začala ji rozvíjet.
02:05
And mammals got bigger,
51
125237
1342
A savci se zvětšovali
02:06
their brains got bigger at an even faster pace,
52
126579
2915
a společně s nimi i jejich mozky, ty dokonce ještě rychleji,
02:09
and the neocortex got bigger even faster than that
53
129494
3807
takže se přirozeně zvětšovala i mozková kůra.
02:13
and developed these distinctive ridges and folds
54
133301
2929
Vyvinuly se v ní tyto jasně viditelné rýhy a záhyby,
02:16
basically to increase its surface area.
55
136230
2881
zejména z toho důvodu, aby zvětšily povrch.
02:19
If you took the human neocortex
56
139111
1819
Kdybyste vzali lidskou mozkovou kůru
02:20
and stretched it out,
57
140930
1301
a roztáhli ji,
02:22
it's about the size of a table napkin,
58
142231
1713
byla by velká asi jako ubrousek
02:23
and it's still a thin structure.
59
143944
1306
a stejně tak tenká.
02:25
It's about the thickness of a table napkin.
60
145250
1980
Má tloušťku zhruba jako stolní ubrousek.
02:27
But it has so many convolutions and ridges
61
147230
2497
Ale díky těm mnoha závitům a záhybům
02:29
it's now 80 percent of our brain,
62
149727
3075
tvoří 80 procent celého mozku.
02:32
and that's where we do our thinking,
63
152802
2461
Právě v této části se odehrává naše myšlení.
02:35
and it's the great sublimator.
64
155263
1761
Je to i skvělý sublimátor.
02:37
We still have that old brain
65
157024
1114
I nadále máme ten starý mozek,
02:38
that provides our basic drives and motivations,
66
158138
2764
který nám poskytuje základní pudy a motivace,
02:40
but I may have a drive for conquest,
67
160902
2716
ale například naši touhu dobývat
02:43
and that'll be sublimated by the neocortex
68
163618
2715
dokáže naše mozková kůra přetvořit do
02:46
into writing a poem or inventing an app
69
166333
2909
podoby básně nebo z ní vytvořit aplikaci
02:49
or giving a TED Talk,
70
169242
1509
nebo přednášku pro TED.
02:50
and it's really the neocortex that's where
71
170751
3622
Právě tyto proměny
02:54
the action is.
72
174373
1968
se odehrávají v mozkové kůře.
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Před padesáti lety jsem napsal článek,
02:58
describing how I thought the brain worked,
74
178058
1918
v němž jsem shrnul své nápady, jak mozek funguje,
02:59
and I described it as a series of modules.
75
179976
3199
hovořil jsem tehdy o sérii modulů.
03:03
Each module could do things with a pattern.
76
183175
2128
Každý modul funguje podle nějakého vzorce.
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Může se naučit nový vzorec, může si zapamatovat vzorec.
03:08
It could implement a pattern.
78
188049
1407
Může podle vzorce jednat.
03:09
And these modules were organized in hierarchies,
79
189456
2679
Tyto moduly se organizují hierarchicky,
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
přičemž hierarchii utváří naše myšlení.
03:15
And there was actually very little to go on
81
195089
3333
Před 50 lety se toho už moc dalšího
03:18
50 years ago.
82
198422
1562
vyzkoumat nedalo.
03:19
It led me to meet President Johnson.
83
199984
2115
Díky této teorii jsem se seznámil s prezidentem Johnsonem.
03:22
I've been thinking about this for 50 years,
84
202099
2173
Dalších padesát let jsem o teorii přemýšlel
03:24
and a year and a half ago I came out with the book
85
204272
2828
a před půldruhým rokem jsem vydal knihu
03:27
"How To Create A Mind,"
86
207100
1265
s názvem: „Jak vytvořit mysl."
03:28
which has the same thesis,
87
208365
1613
Vychází ze stejné teze,
03:29
but now there's a plethora of evidence.
88
209978
2812
ale je nyní doplněna o hromady důkazů.
03:32
The amount of data we're getting about the brain
89
212790
1814
Množství dat, které dnes o mozku máme,
03:34
from neuroscience is doubling every year.
90
214604
2203
se díky neurovědě každý rok zdvojnásobí.
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
Prostorové snímky mozku všeho druhu
03:39
is doubling every year.
92
219461
2285
přibývají dvojnásobně každý rok.
03:41
We can now see inside a living brain
93
221746
1717
Umíme se dívat do živého mozku,
03:43
and see individual interneural connections
94
223463
2870
vidíme tak jednotlivé spoje mezi neurony,
03:46
connecting in real time, firing in real time.
95
226333
2703
jak spolu komunikují v reálném čase.
03:49
We can see your brain create your thoughts.
96
229036
2419
Můžeme vidět, jak váš mozek vytváří myšlenky.
03:51
We can see your thoughts create your brain,
97
231455
1575
Můžeme vidět, jak vaše myšlenky vytváří váš mozek,
03:53
which is really key to how it works.
98
233030
1999
protože tak to skutečně funguje.
03:55
So let me describe briefly how it works.
99
235029
2219
Dovolte mi stručně popsat tento proces.
03:57
I've actually counted these modules.
100
237248
2275
Vlastně jsem tyto moduly spočítal.
03:59
We have about 300 million of them,
101
239523
2046
Máme jich kolem 300 milionů
04:01
and we create them in these hierarchies.
102
241569
2229
a vytváříme je hierarchicky.
04:03
I'll give you a simple example.
103
243798
2082
Dám vám jednoduchý příklad.
04:05
I've got a bunch of modules
104
245880
2805
Představte si skupinu modulů,
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
které umí rozpoznat vodorovnou čárku písmene A,
04:12
and that's all they care about.
106
252088
1914
což je to jediné, co je zajímá.
04:14
A beautiful song can play,
107
254002
1578
Může hrát příjemná hudba,
04:15
a pretty girl could walk by,
108
255580
1434
může jít kolem krásná dívka,
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
nic z toho je nezajímá, soustředí se jen na část písmene A
04:19
they get very excited and they say "crossbar,"
110
259860
3021
a jakmile na ni narazí, aktivují se
04:22
and they put out a high probability
111
262881
2112
a vyšlou signál
04:24
on their output axon.
112
264993
1634
svým výstupním axonem.
04:26
That goes to the next level,
113
266627
1333
Pokračuje to i o úroveň výš,
04:27
and these layers are organized in conceptual levels.
114
267960
2750
přičemž tyto vrstvy se konceptuálně organizují.
04:30
Each is more abstract than the next one,
115
270710
1856
Každá z nich je abstraktnější než předchozí,
04:32
so the next one might say "capital A."
116
272566
2418
takže následující úroveň může sledovat „písmeno A".
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Pokračuje to dále k vyšším úrovním, až třeba k „ALARM".
04:37
Information flows down also.
118
277875
2167
Informace se ale šíří i shora dolů.
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
Pokud dotyčný modul narazí na A-L-A-R,
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
sám si domyslí: „aha, zřejmě chybí M,"
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
a odešle signál dolů ke všem modulům čekajícím na M
04:48
saying, "Be on the lookout for an E,
122
288761
1619
se zprávou: „podívejte se po M,
04:50
I think one might be coming."
123
290380
1556
myslím, že jedno je na cestě."
04:51
The E recognizers will lower their threshold
124
291936
2843
Moduly pro M zvýší citlivost
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
a v ne zcela zřetelném tvaru poznají M.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Běžně by jej nemusely poznat,
04:58
but we're expecting an E, it's good enough,
127
298214
2009
ale když ho očekávají, odchytí jej
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
a uvidí v něm M, takže modul pro ALARM
05:02
"Yeah, I've seen an Apple."
129
302040
1728
může říct: „Vidím ALARM".
05:03
Go up another five levels,
130
303768
1746
Vyjděte výš o pět úrovní
05:05
and you're now at a pretty high level
131
305514
1353
a dostanete se na dost
05:06
of this hierarchy,
132
306867
1569
vysoký stupeň této hierarchie,
05:08
and stretch down into the different senses,
133
308436
2353
která se rozpíná napříč různými smysly,
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
takže můžeme mít modul, který pozná určitou tkaninu,
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
rozezná určitý tón hlasu, pozná nějakou vůni,
05:16
and will say, "My wife has entered the room."
136
316288
2513
a řekne: „Přišla moje žena."
05:18
Go up another 10 levels, and now you're at
137
318801
1895
Vystoupejme o dalších deset úrovní
05:20
a very high level.
138
320696
1160
a budeme už hodně vysoko.
05:21
You're probably in the frontal cortex,
139
321856
1937
Nejspíš budeme už v kůře čelních laloků,
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
kde jsou moduly, které říkají: „To byla ironie,
05:27
That's funny. She's pretty."
141
327560
2370
To byla zábava. Je krásná."
05:29
You might think that those are more sophisticated,
142
329930
2105
Můžeme tyto moduly nazvat sofistikovanějšími,
05:32
but actually what's more complicated
143
332035
1506
i když jediná složitější věc
05:33
is the hierarchy beneath them.
144
333541
2669
je jejich pozice v hierarchii.
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
Jedna 16letá dívka prodělala operaci mozku,
05:38
and she was conscious because the surgeons
146
338830
2051
během níž byla při vědomí, protože chirurgové
05:40
wanted to talk to her.
147
340881
1537
s ní chtěli mluvit.
05:42
You can do that because there's no pain receptors
148
342418
1822
Je to možné proto, že v mozku nejsou
05:44
in the brain.
149
344240
1038
čidla bolesti.
05:45
And whenever they stimulated particular,
150
345278
1800
Kdykoli podráždili určitou část mozku,
05:47
very small points on her neocortex,
151
347078
2463
malou oblast v kůře,
05:49
shown here in red, she would laugh.
152
349541
2665
zde je vyznačená červeně, zasmála se.
05:52
So at first they thought they were triggering
153
352206
1440
Nejdřív si mysleli, že aktivovali
05:53
some kind of laugh reflex,
154
353646
1720
nějaký typ reflexního smíchu,
05:55
but no, they quickly realized they had found
155
355366
2519
ale rychle zjistili, že narazili na
05:57
the points in her neocortex that detect humor,
156
357885
3044
oblasti mozku, které reagují na humor
06:00
and she just found everything hilarious
157
360929
1969
a kdykoli tento bod podráždili,
06:02
whenever they stimulated these points.
158
362898
2437
dívce najednou přišlo všechno legrační.
06:05
"You guys are so funny just standing around,"
159
365335
1925
„Jste tak legrační, když tu stojíte,"
06:07
was the typical comment,
160
367260
1738
byla její obvyklá poznámka,
06:08
and they weren't funny,
161
368998
2302
i když oni legrační vůbec nebyli,
06:11
not while doing surgery.
162
371300
3247
určitě ne v průběhu operace.
06:14
So how are we doing today?
163
374547
4830
Takže jak jsme na tom dnes?
06:19
Well, computers are actually beginning to master
164
379377
3054
Počítače konečně začínají zpracovávat
06:22
human language with techniques
165
382431
2001
lidský jazyk způsobem,
06:24
that are similar to the neocortex.
166
384432
2867
jakým se zpracovává v neokortexu.
06:27
I actually described the algorithm,
167
387299
1514
Osobně jsem popsal algoritmus,
06:28
which is similar to something called
168
388813
2054
který se podobá něčemu, co nazýváme
06:30
a hierarchical hidden Markov model,
169
390867
2233
Markovův hierarchický skrytý model,
06:33
something I've worked on since the '90s.
170
393100
3241
na němž jsem pracoval od 90. let.
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
Soutěž „Riskuj" je hra založená na jazyku
06:39
and Watson got a higher score
172
399579
1892
a počítač Watson v ní dosáhl lepšího
06:41
than the best two players combined.
173
401471
2000
výsledku než dva nejlepší hráči dohromady.
06:43
It got this query correct:
174
403471
2499
Odpověděl správně na tuto otázku:
06:45
"A long, tiresome speech
175
405970
2085
„Dlouhá a únavná řeč, kterou pronáší
06:48
delivered by a frothy pie topping,"
176
408055
2152
pěnová koláčová náplň." Počítač odpověděl:
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
„Sněhová pusinka dává kázání," (anglická říkanka).
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
Jennings a další soutěžící to vůbec nepochopili.
06:55
It's a pretty sophisticated example of
179
415638
1926
Je to velmi komplikovaný příklad toho,
06:57
computers actually understanding human language,
180
417564
1914
že počítače rozumí lidskému jazyku.
06:59
and it actually got its knowledge by reading
181
419478
1652
Watson získal své znalosti čtením
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
Wikipedie a dalších encyklopedií.
07:04
Five to 10 years from now,
183
424915
2133
Za pět až deset let
07:07
search engines will actually be based on
184
427048
2184
nebudou vyhledávače prostě hledat
07:09
not just looking for combinations of words and links
185
429232
2794
kombinace slov a odkazů,
07:12
but actually understanding,
186
432026
1914
ale budou skutečně rozumět.
07:13
reading for understanding the billions of pages
187
433940
2411
Budou číst miliardy stránek
07:16
on the web and in books.
188
436351
2733
na internetu i v knížkách.
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
Takže půjdete kolem počítače, vyskočí Google a řekne:
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
„Vzpomínáš si, Mary, jak jsi mi vyjádřila
07:24
to me a month ago that your glutathione supplement
191
444781
3019
před měsícem znepokojení, že Tvá dávka glutathionu
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
neprostoupila hematoencefalickou bariérou?
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
Před 13 sekundami vyšel nový výzkum,
07:32
that shows a whole new approach to that
194
452624
1711
který nabízí zcela nový přístup
07:34
and a new way to take glutathione.
195
454335
1993
v užívání glutathionu.
07:36
Let me summarize it for you."
196
456328
2562
Shrnu Ti jej."
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
Ode dneška za 20 let budeme mít nanoroboty,
07:42
because another exponential trend
198
462574
1627
které přinese další exponenciální
07:44
is the shrinking of technology.
199
464201
1615
trend, kterým je miniaturizace.
07:45
They'll go into our brain
200
465816
2370
Tyto nanoroboty se kapilárami
07:48
through the capillaries
201
468186
1703
dostanou do našeho mozku,
07:49
and basically connect our neocortex
202
469889
2477
kde propojí naši mozkovou kůru
07:52
to a synthetic neocortex in the cloud
203
472366
3185
se syntetickou kůrou, která bude v cloudu,
07:55
providing an extension of our neocortex.
204
475551
3591
čímž rozšíří schopnosti našeho neokortexu.
07:59
Now today, I mean,
205
479142
1578
V současnosti máte počítač
08:00
you have a computer in your phone,
206
480720
1530
třeba ve svém telefonu,
08:02
but if you need 10,000 computers for a few seconds
207
482250
2754
ale pokud potřebujete na pár sekund 10 tisíc počítačů
08:05
to do a complex search,
208
485004
1495
ke složitému vyhledávání,
08:06
you can access that for a second or two in the cloud.
209
486499
3396
můžete se k nim na pár sekund připojit v cloudu.
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
Když budete v roce 2030 potřebovat výkonnější mozek,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
připojíte se k němu v cloudu,
08:15
directly from your brain.
212
495263
1648
a to přímo svým mozkem.
08:16
So I'm walking along and I say,
213
496911
1543
Takže si například řeknu:
08:18
"Oh, there's Chris Anderson.
214
498454
1363
„Á, tady jde Chris Anderson,
08:19
He's coming my way.
215
499817
1525
jde mi vstříc,
08:21
I'd better think of something clever to say.
216
501342
2335
měl bych vymyslet, co inteligentního mu řeknu.
08:23
I've got three seconds.
217
503677
1524
Mám na to 3 sekundy.
08:25
My 300 million modules in my neocortex
218
505201
3097
300 milionů modulů v mém neokortexu
08:28
isn't going to cut it.
219
508298
1240
to nestihne.
08:29
I need a billion more."
220
509538
1246
Potřebuju další miliardu."
08:30
I'll be able to access that in the cloud.
221
510784
3323
K té se dostanu v cloudu.
08:34
And our thinking, then, will be a hybrid
222
514107
2812
Naše mysl se stane hybridní,
08:36
of biological and non-biological thinking,
223
516919
3522
spojením biologického a nebiologického,
08:40
but the non-biological portion
224
520441
1898
přičemž ta nebiologická část
08:42
is subject to my law of accelerating returns.
225
522339
2682
podléhá zrychlujícím se trendům.
08:45
It will grow exponentially.
226
525021
2239
Poroste exponenciálně.
08:47
And remember what happens
227
527260
2016
Pamatujete si, co se stalo,
08:49
the last time we expanded our neocortex?
228
529276
2645
když se naše mozková kůra zvětšila posledně?
08:51
That was two million years ago
229
531921
1426
To bylo před 2 miliony let,
08:53
when we became humanoids
230
533347
1236
když se z nás stali humanoidi
08:54
and developed these large foreheads.
231
534583
1594
s těmito vysokými čely.
08:56
Other primates have a slanted brow.
232
536177
2583
Ostatní primáti mají zkosené hlavy.
08:58
They don't have the frontal cortex.
233
538760
1745
Nemají kůru čelních laloků.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
Kůra čelních laloků se ale neliší od kůry jiných laloků.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
Jde jen o kvantitativní rozšíření kůry,
09:06
but that additional quantity of thinking
236
546933
2703
ale toto dodatečné množství mysli
09:09
was the enabling factor for us to take
237
549636
1779
byl rozhodující faktor, který umožnil
09:11
a qualitative leap and invent language
238
551415
3346
kvalitativní skok a vynález jazyka,
09:14
and art and science and technology
239
554761
1967
umění, přinesl vědu a techniku
09:16
and TED conferences.
240
556728
1454
a konference TED.
09:18
No other species has done that.
241
558182
2131
Žádný jiný druh tohoto nedosáhl.
09:20
And so, over the next few decades,
242
560313
2075
A za pár let tohle
09:22
we're going to do it again.
243
562388
1760
uděláme znovu.
09:24
We're going to again expand our neocortex,
244
564148
2274
Znovu zvětšíme svůj neokortex,
09:26
only this time we won't be limited
245
566422
1756
ale tentokrát už nebudeme omezeni
09:28
by a fixed architecture of enclosure.
246
568178
4280
pevnou hranicí naší lebky.
09:32
It'll be expanded without limit.
247
572458
3304
Rozšíření bude moci být neomezené.
09:35
That additional quantity will again
248
575762
2243
Přidané množství bude znovu
09:38
be the enabling factor for another qualitative leap
249
578005
3005
rozhodujícím faktorem v dalším obřím skoku
09:41
in culture and technology.
250
581010
1635
naší kultury a techniky.
09:42
Thank you very much.
251
582645
2054
Mnohokrát vám děkuji.
09:44
(Applause)
252
584699
3086
(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