Ray Kurzweil: Get ready for hybrid thinking

Ray Kurzweil: Bereit für das hybride Denken?

521,726 views ・ 2014-06-02

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Rafael Barranco-Droege Lektorat: Angelika Lueckert Leon
00:12
Let me tell you a story.
0
12988
2316
Ich erzähle Ihnen eine Geschichte, die sich vor 200 Mio. Jahren abspielte.
00:15
It goes back 200 million years.
1
15304
1799
00:17
It's a story of the neocortex,
2
17103
1984
Es ist die Geschichte des Neokortex, was so viel wie "Neurinde" heißt.
00:19
which means "new rind."
3
19087
1974
00:21
So in these early mammals,
4
21061
2431
Bei den frühen Säugetieren
00:23
because only mammals have a neocortex,
5
23492
2055
-- nur Säugetiere haben einen Neokortex --
00:25
rodent-like creatures.
6
25547
1664
sie sahen aus wie Nagetiere,
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
war der Neokortex so klein und dünn wie eine Briefmarke.
00:30
and was a thin covering around
8
30790
1439
Es war eine dünne Schicht, die ihr walnussgroßes Gehirn umgab.
00:32
their walnut-sized brain,
9
32229
2264
00:34
but it was capable of a new type of thinking.
10
34493
3701
Das gab ihnen die Möglichkeit, auf eine ganz neue Weise zu denken.
00:38
Rather than the fixed behaviors
11
38194
1567
Über die festen Verhaltensweisen der Nicht-Säugetiere hinaus
00:39
that non-mammalian animals have,
12
39761
1992
00:41
it could invent new behaviors.
13
41753
2692
ermöglichte der Neokortex ganz neue Verhaltensweisen.
00:44
So a mouse is escaping a predator,
14
44445
2553
Flieht eine Maus vor einem Raubtier und der Weg ist versperrt,
00:46
its path is blocked,
15
46998
1540
00:48
it'll try to invent a new solution.
16
48538
2129
sucht sie eine neue Lösung.
00:50
That may work, it may not,
17
50667
1266
Funktioniert diese,
00:51
but if it does, it will remember that
18
51933
1910
wird sich die Maus dieses Verhalten aneignen und daraus lernen.
00:53
and have a new behavior,
19
53843
1292
00:55
and that can actually spread virally
20
55135
1457
In der Tat kann sich diese wie ein Virus im gesamten Mäusebau verbreiten.
00:56
through the rest of the community.
21
56592
2195
00:58
Another mouse watching this could say,
22
58787
1609
Eine andere Maus denkt sich z. B.:
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
"Hey, es war schlau, um den Felsen herumzulaufen",
01:03
and it could adopt a new behavior as well.
24
63100
3725
und übernimmt das gleiche Verhalten.
01:06
Non-mammalian animals
25
66825
1717
Nicht-Säugetiere konnten das aber nicht. Ihr Verhalten war festgelegt.
01:08
couldn't do any of those things.
26
68542
1713
01:10
They had fixed behaviors.
27
70255
1215
01:11
Now they could learn a new behavior
28
71470
1331
Sie konnten zwar neue Verhaltensweisen lernen, aber nicht im Laufe eines Lebens.
01:12
but not in the course of one lifetime.
29
72801
2576
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Nur im Laufe von tausend Generationen kann sich ein neues Verhalten entwickeln.
01:17
it could evolve a new fixed behavior.
31
77144
3330
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Vor 200 Mio. Jahren war das gut genug, da sich die Umwelt nur langsam veränderte.
01:23
The environment changed very slowly.
33
83851
1981
01:25
It could take 10,000 years for there to be
34
85832
1554
Eine wesentliche Veränderung brauchte vielleicht 10 000 Jahre,
01:27
a significant environmental change,
35
87386
2092
01:29
and during that period of time
36
89478
1382
und dann gab es auch genug Zeit, um neue Verhaltensweisen zu entwickeln.
01:30
it would evolve a new behavior.
37
90860
2929
01:33
Now that went along fine,
38
93789
1521
Das lief eine ganze Zeit gut, aber dann geschah etwas.
01:35
but then something happened.
39
95310
1704
01:37
Sixty-five million years ago,
40
97014
2246
Vor 65 Mio. Jahren gab es eine plötzliche, gewaltige Veränderung in der Umwelt:
01:39
there was a sudden, violent change to the environment.
41
99260
2615
01:41
We call it the Cretaceous extinction event.
42
101875
3505
das "Große Aussterben" in der Kreidezeit.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Damals starben auch die Dinosaurier, zusammen mit 75% aller Tiere und Pflanzen.
01:47
that's when 75 percent of the
44
107673
3449
01:51
animal and plant species went extinct,
45
111122
2746
01:53
and that's when mammals
46
113868
1745
Die Säugetiere übernahmen dann ihre ökologische Nische.
01:55
overtook their ecological niche,
47
115613
2152
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
Wäre die Evolution ein Mensch, hätte sie zu sich gesagt:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
"Hm, dieser Neokortex ist echt cool" und begann ihn weiterzuentwickeln.
02:03
and it began to grow it.
50
123444
1793
02:05
And mammals got bigger,
51
125237
1342
Die Säugetiere wurden größer, ihr Gehirn wuchs noch schneller,
02:06
their brains got bigger at an even faster pace,
52
126579
2915
02:09
and the neocortex got bigger even faster than that
53
129494
3807
und ihr Neokortex sogar noch schneller.
02:13
and developed these distinctive ridges and folds
54
133301
2929
Dabei entwickelte er diese markanten Hügel und Windungen,
02:16
basically to increase its surface area.
55
136230
2881
vor allem, um seinen Oberflächenumfang zu erhöhen.
02:19
If you took the human neocortex
56
139111
1819
Würde man den menschlichen Neokortex auseinanderfalten,
02:20
and stretched it out,
57
140930
1301
02:22
it's about the size of a table napkin,
58
142231
1713
wäre er so groß wie eine Tischdecke.
02:23
and it's still a thin structure.
59
143944
1306
Es ist ein dünnes Gewebe, eben wie eine Tischdecke.
02:25
It's about the thickness of a table napkin.
60
145250
1980
02:27
But it has so many convolutions and ridges
61
147230
2497
Der Neokortex hat aber so viele Windungen, dass er 80 % unseres Gehirns ausmacht.
02:29
it's now 80 percent of our brain,
62
149727
3075
02:32
and that's where we do our thinking,
63
152802
2461
Dort geschieht unser Denken, und er verfeinert unsere Gedanken.
02:35
and it's the great sublimator.
64
155263
1761
02:37
We still have that old brain
65
157024
1114
Wir haben immer noch unser altes Hirn, wo unsere Triebe und Antriebe entstehen.
02:38
that provides our basic drives and motivations,
66
158138
2764
02:40
but I may have a drive for conquest,
67
160902
2716
Wenn ich aber einen Eroberungsdrang spüre, veredelt ihn der Neokortex,
02:43
and that'll be sublimated by the neocortex
68
163618
2715
02:46
into writing a poem or inventing an app
69
166333
2909
und ich schreibe ein Gedicht, erfinde eine App
02:49
or giving a TED Talk,
70
169242
1509
oder halte einen TED-Vortrag.
02:50
and it's really the neocortex that's where
71
170751
3622
Dahinter steckt der Neokortex -- dort geht alles ab.
02:54
the action is.
72
174373
1968
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Vor 50 Jahren beschrieb ich,
02:58
describing how I thought the brain worked,
74
178058
1918
wie das Gehirn funktioniert.
02:59
and I described it as a series of modules.
75
179976
3199
Demnach besteht das Gehirn aus Bestandteilen
und jedes wendet bestimmte Verhaltensmuster an.
03:03
Each module could do things with a pattern.
76
183175
2128
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Es kann sich Muster aneignen und abrufen
und neue Verhaltensmuster entwickeln.
03:08
It could implement a pattern.
78
188049
1407
03:09
And these modules were organized in hierarchies,
79
189456
2679
Diese Bestandteile sind hierarchisch angeordnet,
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
und diese Hierarchie bauen wir selbst gedanklich auf.
03:15
And there was actually very little to go on
81
195089
3333
Aber vor 50 Jahren gab es wenig, woran wir anknüpfen könnten,
03:18
50 years ago.
82
198422
1562
03:19
It led me to meet President Johnson.
83
199984
2115
ich traf zwar Präsident Johnson ...
Aber 50 Jahre lang machte ich mir weiter Gedanken dazu.
03:22
I've been thinking about this for 50 years,
84
202099
2173
03:24
and a year and a half ago I came out with the book
85
204272
2828
Vor anderthalb Jahren veröffentlichte ich das Buch
"Das Geheimnis des menschlichen Denkens".
03:27
"How To Create A Mind,"
86
207100
1265
03:28
which has the same thesis,
87
208365
1613
Darin vertrete ich dieselbe These -- nun durch zahlreiche Belege untermauert.
03:29
but now there's a plethora of evidence.
88
209978
2812
03:32
The amount of data we're getting about the brain
89
212790
1814
Jedes Jahr liefert die Neurowissenschaft doppelt so viele Daten über das Gehirn.
03:34
from neuroscience is doubling every year.
90
214604
2203
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
Jedes Jahr verdoppelt sich die Auflösung der bildgebenden Verfahren aller Art.
03:39
is doubling every year.
92
219461
2285
03:41
We can now see inside a living brain
93
221746
1717
Heute können wir die Nervenzellen dabei beobachten,
03:43
and see individual interneural connections
94
223463
2870
wie sie sich miteinander verbinden, und dies in Echtzeit.
03:46
connecting in real time, firing in real time.
95
226333
2703
Wir können sehen, wie im Gehirn Gedanken entstehen,
03:49
We can see your brain create your thoughts.
96
229036
2419
03:51
We can see your thoughts create your brain,
97
231455
1575
wie es selbst daraus entsteht und demnach, wie es funktioniert.
03:53
which is really key to how it works.
98
233030
1999
03:55
So let me describe briefly how it works.
99
235029
2219
Lassen Sie mich dies kurz erläutern.
03:57
I've actually counted these modules.
100
237248
2275
Ich habe diese Bestandteile gezählt.
03:59
We have about 300 million of them,
101
239523
2046
Wir haben etwa 300 Mio. davon, und wir bauen sie hierarchisch auf.
04:01
and we create them in these hierarchies.
102
241569
2229
04:03
I'll give you a simple example.
103
243798
2082
Ich gebe Ihnen ein einfaches Beispiel.
04:05
I've got a bunch of modules
104
245880
2805
Ich habe eine Handvoll Bestandteile,
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
mit denen wir den waagerechten Balken im Buchstaben "A" erkennen.
04:12
and that's all they care about.
106
252088
1914
Das ist alles, was sie interessiert.
04:14
A beautiful song can play,
107
254002
1578
Es läuft ein schönes Lied oder ein schönes Mädchen vorbei --
04:15
a pretty girl could walk by,
108
255580
1434
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
das ist ihnen egal.
Aber sehen sie den Balken in einem "A", rufen sie entzückt "Balken!"
04:19
they get very excited and they say "crossbar,"
110
259860
3021
04:22
and they put out a high probability
111
262881
2112
und stellen ihre Neuraxonen auf "hohe Wahrscheinlichkeit" um.
04:24
on their output axon.
112
264993
1634
04:26
That goes to the next level,
113
266627
1333
Dies geht auf die nächste Ebene über.
04:27
and these layers are organized in conceptual levels.
114
267960
2750
Jede Ebene entspricht einer konzeptuellen Ebene.
04:30
Each is more abstract than the next one,
115
270710
1856
Die Ebenen werden immer abstrakter.
04:32
so the next one might say "capital A."
116
272566
2418
Die nächste Ebene könnte z. B. "Großbuchstabe A!" ausrufen.
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Dann geht es zur nächsten Ebene, wo es "Apfel" heißt.
04:37
Information flows down also.
118
277875
2167
Die Information fließt aber auch nach unten.
Sobald das entsprechende Bestandteil die Folge A-P-F-E erkennt,
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
mag es zu sich sagen: "Hm, jetzt kommt wahrscheinlich ein L".
Dann schickt es ein Signal an alle Bestandteile zur L-Erkennung:
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
04:48
saying, "Be on the lookout for an E,
122
288761
1619
"Haltet Ausschau nach einem L, es kommt vielleicht eins."
04:50
I think one might be coming."
123
290380
1556
04:51
The E recognizers will lower their threshold
124
291936
2843
Daraufhin senken diese Bestandteile den Schwellenwert für das L
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
und erkennen auch ein schwammiges L.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Sonst würden sie es nicht tun, aber man erwartet ein L:
04:58
but we're expecting an E, it's good enough,
127
298214
2009
"Ja, ich habe ein L gesehen".
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
Das "Apfel-Bestandteil" entgegnet: "Ja, es ist das Wort APFEL."
05:02
"Yeah, I've seen an Apple."
129
302040
1728
05:03
Go up another five levels,
130
303768
1746
Fünf Ebenen höher ist aber ziemlich weit oben.
05:05
and you're now at a pretty high level
131
305514
1353
05:06
of this hierarchy,
132
306867
1569
05:08
and stretch down into the different senses,
133
308436
2353
Bezieht man die verschiedenen Sinne ein,
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
entdeckt man ein Bestandteil, das ein bestimmtes Gewebe erkennt,
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
eine bestimmte Stimmeigenschaft oder ein Parfüm unterscheidet,
05:16
and will say, "My wife has entered the room."
136
316288
2513
und sagt dann: "Meine Frau ist gerade herein gekommen."
05:18
Go up another 10 levels, and now you're at
137
318801
1895
10 Stufen höher befindet sich eine viel höhere Ebene.
05:20
a very high level.
138
320696
1160
05:21
You're probably in the frontal cortex,
139
321856
1937
Wir sind womöglich im frontalen Kortex angelangt,
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
und es gibt wohl Bestandteile, die sagen: "Das war ironisch gemeint."
05:27
That's funny. She's pretty."
141
327560
2370
"Das ist witzig. Sie ist schön."
05:29
You might think that those are more sophisticated,
142
329930
2105
Man könnte meinen, diese Gedanken seien raffinierter,
05:32
but actually what's more complicated
143
332035
1506
aber wirklich komplex sind all die Ebenen darunter.
05:33
is the hierarchy beneath them.
144
333541
2669
Es gab einmal ein 16-jähriges Mädchen, das am Hirn operiert wurde.
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
05:38
and she was conscious because the surgeons
146
338830
2051
Sie war bei Bewusstsein, weil die Chirurgen mit ihr reden wollten.
05:40
wanted to talk to her.
147
340881
1537
05:42
You can do that because there's no pain receptors
148
342418
1822
Dies ist möglich, weil es im Hirn keine Schmerzrezeptoren gibt.
05:44
in the brain.
149
344240
1038
05:45
And whenever they stimulated particular,
150
345278
1800
Wann immer sie bestimmte Stellen in ihrem Neokortex stimulierten,
05:47
very small points on her neocortex,
151
347078
2463
05:49
shown here in red, she would laugh.
152
349541
2665
die hier rot gekennzeichnet sind, lachte sie.
05:52
So at first they thought they were triggering
153
352206
1440
Die Ärzte dachten also zunächst, dass sie einen Lachreflex auslösten.
05:53
some kind of laugh reflex,
154
353646
1720
05:55
but no, they quickly realized they had found
155
355366
2519
Aber bald merkten sie, dass jene Stellen im Neokortex getroffen wurden,
05:57
the points in her neocortex that detect humor,
156
357885
3044
die für den Humor zuständig sind,
06:00
and she just found everything hilarious
157
360929
1969
sodass sie einfach alles witzig fand, wenn sie diese Stellen stimulierten.
06:02
whenever they stimulated these points.
158
362898
2437
06:05
"You guys are so funny just standing around,"
159
365335
1925
"Ihr steht da so witzig herum", meinte sie immer wieder.
06:07
was the typical comment,
160
367260
1738
06:08
and they weren't funny,
161
368998
2302
Aber sie waren nicht witzig -- also nicht während des Eingriffs.
06:11
not while doing surgery.
162
371300
3247
06:14
So how are we doing today?
163
374547
4830
Womit beschäftigt sich die heutige Forschung?
06:19
Well, computers are actually beginning to master
164
379377
3054
Computer sind dabei, die menschliche Sprache
06:22
human language with techniques
165
382431
2001
mit ähnlichen Techniken wie der Neokortex zu beherrschen.
06:24
that are similar to the neocortex.
166
384432
2867
Ich beschrieb den entsprechenden Algorithmus,
06:27
I actually described the algorithm,
167
387299
1514
06:28
which is similar to something called
168
388813
2054
der so ähnlich wie ein Markov'sches Modell funktioniert.
06:30
a hierarchical hidden Markov model,
169
390867
2233
06:33
something I've worked on since the '90s.
170
393100
3241
Daran habe ich seit den 90er Jahren gearbeitet.
"Jeopardy!" ist ein ziemlich breit gefasstes Sprachspiel,
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
und IBMs Computer Watson erlangte eine höhere Punktzahl
06:39
and Watson got a higher score
172
399579
1892
06:41
than the best two players combined.
173
401471
2000
als die besten zwei Spieler zusammen.
06:43
It got this query correct:
174
403471
2499
Er löste sogar diese Aufgabe korrekt:
06:45
"A long, tiresome speech
175
405970
2085
"Die lange, ermüdende Rede eines süßen Kuchenbelags."
06:48
delivered by a frothy pie topping,"
176
408055
2152
Die prompte Antwort: "Was ist eine Schokolade-Tirade?"
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
Jennings und der andere Typ schafften die Quizfrage aber nicht.
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
06:55
It's a pretty sophisticated example of
179
415638
1926
Dies ist ein gutes Beispiel dafür,
06:57
computers actually understanding human language,
180
417564
1914
wie raffiniert Computer mit Sprache umgehen können.
06:59
and it actually got its knowledge by reading
181
419478
1652
Watson lernte dies übrigens bloß aus Wikipedia und anderen Enzyklopädien.
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
07:04
Five to 10 years from now,
183
424915
2133
In fünf bis zehn Jahren
07:07
search engines will actually be based on
184
427048
2184
werden Suchmaschinen nicht einfach Wörter und Links miteinander verbinden,
07:09
not just looking for combinations of words and links
185
429232
2794
sondern wirklich verstehen --
07:12
but actually understanding,
186
432026
1914
07:13
reading for understanding the billions of pages
187
433940
2411
lesen, um Milliarden Seiten im Web und aus Büchern zu verstehen.
07:16
on the web and in books.
188
436351
2733
Wenn wir spazieren gehen, wird sich Google öffnen und meinen:
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
"Mary, vor einem Monat hast du beklagt,
07:24
to me a month ago that your glutathione supplement
191
444781
3019
dass das Glutathion nicht vom Blut ins Gehirn gelangen würde.
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
Vor 13 Sekunden wurde aber eine Studie veröffentlicht,
07:32
that shows a whole new approach to that
194
452624
1711
in der ein neuer Ansatz zur Einnahme von Glutathion vorgestellt wird.
07:34
and a new way to take glutathione.
195
454335
1993
07:36
Let me summarize it for you."
196
456328
2562
Ich fasse ihn für dich zusammen."
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
In 20 Jahren werden wir Nanoroboter haben,
07:42
because another exponential trend
198
462574
1627
denn eine weitere rasante Entwicklung ist die Miniaturisierung der Technik.
07:44
is the shrinking of technology.
199
464201
1615
07:45
They'll go into our brain
200
465816
2370
Die Roboter werden durch die Kapillare in unserem Gehirn ankommen
07:48
through the capillaries
201
468186
1703
07:49
and basically connect our neocortex
202
469889
2477
und unseren Neokortex mit einem Neokortex in der Cloud verbinden,
07:52
to a synthetic neocortex in the cloud
203
472366
3185
07:55
providing an extension of our neocortex.
204
475551
3591
als künstliche Gehirn-Erweiterung.
07:59
Now today, I mean,
205
479142
1578
Heute befindet sich in jedem Handy ein Computer.
08:00
you have a computer in your phone,
206
480720
1530
08:02
but if you need 10,000 computers for a few seconds
207
482250
2754
Wenn man aber für eine Suche kurz mal 10 000 Rechner braucht,
08:05
to do a complex search,
208
485004
1495
08:06
you can access that for a second or two in the cloud.
209
486499
3396
wird man sich dafür mit der Cloud verbinden können.
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
Wenn man in den 2030ern ein wenig mehr Neokortex braucht,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
kann man das Gehirn direkt mit der Cloud verbinden.
08:15
directly from your brain.
212
495263
1648
08:16
So I'm walking along and I say,
213
496911
1543
Ich gehe also spazieren und merke:
08:18
"Oh, there's Chris Anderson.
214
498454
1363
"Ach, da kommt ja Chris Anderson.
08:19
He's coming my way.
215
499817
1525
08:21
I'd better think of something clever to say.
216
501342
2335
Ich sollte mir lieber etwas Schlaues ausdenken.
08:23
I've got three seconds.
217
503677
1524
Dafür habe ich drei Sekunden.
08:25
My 300 million modules in my neocortex
218
505201
3097
Die 300 Mio. Bestandteile in meinem Neokortex schaffen das aber nicht.
08:28
isn't going to cut it.
219
508298
1240
08:29
I need a billion more."
220
509538
1246
Ich brauche 1 Milliarde mehr."
08:30
I'll be able to access that in the cloud.
221
510784
3323
Dann kann ich auf die Cloud zurückgreifen.
08:34
And our thinking, then, will be a hybrid
222
514107
2812
Unser Denken wird also eine Mischform von (nicht-)biologischem Denken sein,
08:36
of biological and non-biological thinking,
223
516919
3522
08:40
but the non-biological portion
224
520441
1898
wobei der nicht-biologische Teil
dem "Gesetz des sich beschleunigenden Nutzens" unterworfen ist --
08:42
is subject to my law of accelerating returns.
225
522339
2682
08:45
It will grow exponentially.
226
525021
2239
es wird exponentiell wachsen.
08:47
And remember what happens
227
527260
2016
Erinnern Sie sich daran, was geschah,
08:49
the last time we expanded our neocortex?
228
529276
2645
als sich der Neokortex das letzte Mal erweiterte?
08:51
That was two million years ago
229
531921
1426
Das war vor 2 Mio. Jahren.
08:53
when we became humanoids
230
533347
1236
Da wurden wir zu Hominiden, entwickelten eine gewölbte Stirn.
08:54
and developed these large foreheads.
231
534583
1594
08:56
Other primates have a slanted brow.
232
536177
2583
Alle anderen Menschenaffen haben eine schräge Stirn,
08:58
They don't have the frontal cortex.
233
538760
1745
denn sie haben keinen frontalen Kortex.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
Aber unser frontaler Kortex ist qualitativ eigentlich nicht anders.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
Es ist einfach eine quantitative Erweiterung des Neokortex,
09:06
but that additional quantity of thinking
236
546933
2703
aber die vergrößerte Datenkapazität ermöglichte es uns,
09:09
was the enabling factor for us to take
237
549636
1779
09:11
a qualitative leap and invent language
238
551415
3346
einen qualitativen Sprung zu machen,
und die Sprache, die Kunst, die Wissenschaft und die Technik
09:14
and art and science and technology
239
554761
1967
09:16
and TED conferences.
240
556728
1454
sowie die TED-Konferenzen zu erfinden.
09:18
No other species has done that.
241
558182
2131
Das hat keine andere Spezies erreicht.
09:20
And so, over the next few decades,
242
560313
2075
Im Laufe der kommenden Jahrzehnte werden wir das noch mal schaffen.
09:22
we're going to do it again.
243
562388
1760
09:24
We're going to again expand our neocortex,
244
564148
2274
Wir werden unseren Neokortex wieder erweitern,
09:26
only this time we won't be limited
245
566422
1756
nur werden wir dieses Mal keine räumliche Einschränkung durch den Schädel zulassen.
09:28
by a fixed architecture of enclosure.
246
568178
4280
09:32
It'll be expanded without limit.
247
572458
3304
Diesmal ist die Erweiterung grenzenlos.
09:35
That additional quantity will again
248
575762
2243
Die quantitative Erweiterung wird es uns ermöglichen,
09:38
be the enabling factor for another qualitative leap
249
578005
3005
einen qualitativen Sprung in unserer Kultur und Technologie zu machen.
09:41
in culture and technology.
250
581010
1635
09:42
Thank you very much.
251
582645
2054
Vielen Dank.
09:44
(Applause)
252
584699
3086
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7