Ray Kurzweil: Get ready for hybrid thinking

529,292 views ・ 2014-06-02

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Chryssa Takahashi Επιμέλεια: Vicky Florou
00:12
Let me tell you a story.
0
12988
2316
Επιτρέψτε μου να σας πω μια ιστορία.
00:15
It goes back 200 million years.
1
15304
1799
Πάει πίσω 200 εκατομμύρια χρόνια.
00:17
It's a story of the neocortex,
2
17103
1984
Είναι η ιστορία του νεοφλοιού,
00:19
which means "new rind."
3
19087
1974
που σημαίνει νέα κρούστα.
00:21
So in these early mammals,
4
21061
2431
Στα πρώιμα θηλαστικά,
00:23
because only mammals have a neocortex,
5
23492
2055
γιατί μόνο τα θηλαστικά έχουν νεοφλοιό,
00:25
rodent-like creatures.
6
25547
1664
πλάσματα σαν τρωκτικά,
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
είχε το μέγεθος ενός γραμματοσήμου και ήταν τόσο λεπτό,
00:30
and was a thin covering around
8
30790
1439
και ήταν ένα λεπτό κάλυμμα γύρω
00:32
their walnut-sized brain,
9
32229
2264
από τον εγκέφαλό τους που είχε το μέγεθος ενός καρυδιού,
00:34
but it was capable of a new type of thinking.
10
34493
3701
αλλά ήταν ικανό για έναν νέο τύπο σκέψης.
00:38
Rather than the fixed behaviors
11
38194
1567
Αντί της σταθερής συμπεριφοράς
00:39
that non-mammalian animals have,
12
39761
1992
που έχουν τα μη θηλαστικά ζώα,
00:41
it could invent new behaviors.
13
41753
2692
μπορούσε να εφεύρει νέες συμπεριφορές.
00:44
So a mouse is escaping a predator,
14
44445
2553
Έτσι ένα ποντίκι ξεφεύγει από τον κυνηγό,
00:46
its path is blocked,
15
46998
1540
το μονοπάτι του είναι μπλοκαρισμένο,
00:48
it'll try to invent a new solution.
16
48538
2129
θα προσπαθήσει να εφεύρει μια νέα λύση.
00:50
That may work, it may not,
17
50667
1266
Ίσως να δουλέψει, ίσως όχι,
00:51
but if it does, it will remember that
18
51933
1910
αλλά αν δουλέψει, θα το θυμάται
00:53
and have a new behavior,
19
53843
1292
και θα έχει μια νέα συμπεριφορά
00:55
and that can actually spread virally
20
55135
1457
και αυτό μπορεί να μεταδοθεί ιότροπα
00:56
through the rest of the community.
21
56592
2195
στην υπόλοιπη κοινότητα.
00:58
Another mouse watching this could say,
22
58787
1609
Ένα άλλο ποντίκι που το έβλεπε θα έλεγε,
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
«Έι, αυτό ήταν πολύ έξυπνο, να πάει γύρω από τον βράχο»
01:03
and it could adopt a new behavior as well.
24
63100
3725
και θα υιοθετούσε και αυτό μια νέα συμπεριφορά.
01:06
Non-mammalian animals
25
66825
1717
Τα μη θηλαστικά ζώα
01:08
couldn't do any of those things.
26
68542
1713
δεν μπορούσαν να τα κάνουν αυτά.
01:10
They had fixed behaviors.
27
70255
1215
Είχαν σταθερές συμπεριφορές.
01:11
Now they could learn a new behavior
28
71470
1331
Μπορούσαν να μάθουν μια νέα συμπεριφορά
01:12
but not in the course of one lifetime.
29
72801
2576
αλλά όχι στη διάρκεια μίας ζωής.
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Ίσως σε χιλιάδες ζωές,
01:17
it could evolve a new fixed behavior.
31
77144
3330
θα μπορούσε να εξελίξει μια νέα σταθερή συμπεριφορά.
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Αυτό λειτούργησε μια χαρά πριν από 200 εκατομμύρια χρόνια.
01:23
The environment changed very slowly.
33
83851
1981
Το περιβάλλον άλλαζε πολύ αργά.
01:25
It could take 10,000 years for there to be
34
85832
1554
Μπορεί να περνούσαν 10.000 χρόνια
01:27
a significant environmental change,
35
87386
2092
για μια σημαντική περιβαλλοντική αλλαγή
01:29
and during that period of time
36
89478
1382
και σε αυτήν την περίοδο
01:30
it would evolve a new behavior.
37
90860
2929
θα εξέλισσε μια νέα συμπεριφορά.
01:33
Now that went along fine,
38
93789
1521
Αυτό προχωρούσε καλά,
01:35
but then something happened.
39
95310
1704
αλλά μετά κάτι συνέβη.
01:37
Sixty-five million years ago,
40
97014
2246
Πριν από 65 εκατομμύρια χρόνια,
01:39
there was a sudden, violent change to the environment.
41
99260
2615
υπήρξε μια ξαφνική, βίαιη μεταβολή στο περιβάλλον.
01:41
We call it the Cretaceous extinction event.
42
101875
3505
Την ονομάζουμε Κρητιδική εξαφάνιση.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Τότε εξαφανίστηκαν οι δεινόσαυροι,
01:47
that's when 75 percent of the
44
107673
3449
τότε εξαφανίστηκε το 75 τοις εκατό
01:51
animal and plant species went extinct,
45
111122
2746
από τα είδη ζώων και φυτών
01:53
and that's when mammals
46
113868
1745
και τότε τα θηλαστικά
01:55
overtook their ecological niche,
47
115613
2152
αναβαθμίστηκαν στο οικοσύστημα.
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
Μιλώντας ανθρωπομορφικά, η βιολογική εξέλιξη είπε:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
«Χμμ, αυτός ο νεοφλοιός είναι πολύ καλός»
02:03
and it began to grow it.
50
123444
1793
και άρχισε να τον αναπτύσσει.
02:05
And mammals got bigger,
51
125237
1342
Και τα θηλαστικά μεγάλωσαν,
02:06
their brains got bigger at an even faster pace,
52
126579
2915
οι εγκέφαλοί τους μεγάλωσαν με ακόμη ταχύτερο ρυθμό
02:09
and the neocortex got bigger even faster than that
53
129494
3807
και ο νεοφλοιός μεγάλωσε ακόμη γρηγορότερα
02:13
and developed these distinctive ridges and folds
54
133301
2929
και ανέπτυξε αυτές τις χαρακτηριστικές κορυφές και αύλακες
02:16
basically to increase its surface area.
55
136230
2881
κυρίως για να αυξήσει την επιφάνειά του.
02:19
If you took the human neocortex
56
139111
1819
Αν πάρετε τον ανθρώπινο νεοφλοιό
02:20
and stretched it out,
57
140930
1301
και τον τεντώσετε,
02:22
it's about the size of a table napkin,
58
142231
1713
είναι περίπου σαν μια πετσέτα τραπεζιού
02:23
and it's still a thin structure.
59
143944
1306
και είναι μια λεπτή δομή.
02:25
It's about the thickness of a table napkin.
60
145250
1980
Είναι παχύς περίπου όσο μια πετσέτα.
02:27
But it has so many convolutions and ridges
61
147230
2497
Αλλά έχει τόσες πολλές έλικες και πτυχώσεις,
02:29
it's now 80 percent of our brain,
62
149727
3075
που αποτελεί τώρα το 80% του εγκεφάλου μας,
02:32
and that's where we do our thinking,
63
152802
2461
όπου εκεί κάνουμε τις σκέψεις μας
02:35
and it's the great sublimator.
64
155263
1761
και είναι ο μεγάλος μετατροπέας.
02:37
We still have that old brain
65
157024
1114
Ο παλιός μας εγκέφαλος
02:38
that provides our basic drives and motivations,
66
158138
2764
ακόμη παρέχει τις βασικές μας ορμές και κίνητρα,
02:40
but I may have a drive for conquest,
67
160902
2716
αλλά μπορεί να έχω μια ορμή για κατάκτηση
02:43
and that'll be sublimated by the neocortex
68
163618
2715
και αυτό μετατρέπεται από το νεοφλοιό
02:46
into writing a poem or inventing an app
69
166333
2909
στη συγγραφή ενός ποιήματος ή τη δημιουργία μιας εφαρμογής
02:49
or giving a TED Talk,
70
169242
1509
ή μιας ομιλίας TED
02:50
and it's really the neocortex that's where
71
170751
3622
και πραγματικά είναι στον νεοφλοιό
02:54
the action is.
72
174373
1968
όπου γίνονται όλα.
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Πριν από 50 χρόνια, έκανα μια δημοσίευση
02:58
describing how I thought the brain worked,
74
178058
1918
περιγράφοντας πώς πίστευα ότι λειτουργεί ο εγκέφαλος
02:59
and I described it as a series of modules.
75
179976
3199
και το περιέγραψα σαν μια σειρά από λειτουργικές μονάδες.
03:03
Each module could do things with a pattern.
76
183175
2128
Κάθε μονάδα μπορεί να χειριστεί ένα μοτίβο.
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Μπορεί να μάθει ένα μοτίβο ή να το θυμάται.
03:08
It could implement a pattern.
78
188049
1407
Μπορεί να το υλοποιήσει.
03:09
And these modules were organized in hierarchies,
79
189456
2679
Αυτές οι μονάδες ήταν οργανωμένες ιεραρχικά
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
και δημιουργήσαμε αυτήν την ιεραρχία με τη δική μας σκέψη.
03:15
And there was actually very little to go on
81
195089
3333
Είχαμε λίγα για να προχωρήσουμε
03:18
50 years ago.
82
198422
1562
πριν από 50 χρόνια.
03:19
It led me to meet President Johnson.
83
199984
2115
Με έκανε να συναντήσω τον πρόεδρο Τζόνσον.
03:22
I've been thinking about this for 50 years,
84
202099
2173
Το σκεφτόμουν για 50 χρόνια
03:24
and a year and a half ago I came out with the book
85
204272
2828
και πριν από ενάμιση χρόνο έβγαλα το βιβλίο
03:27
"How To Create A Mind,"
86
207100
1265
«Πώς να δημιουργήσετε ένα μυαλό»,
03:28
which has the same thesis,
87
208365
1613
όπου έχει την ίδια θέση,
03:29
but now there's a plethora of evidence.
88
209978
2812
αλλά τώρα υπάρχει πληθώρα αποδείξεων.
03:32
The amount of data we're getting about the brain
89
212790
1814
Τα δεδομένα που παίρνουμε για τον εγκέφαλο
03:34
from neuroscience is doubling every year.
90
214604
2203
από τη νευροεπιστήμη διπλασιάζονται κάθε χρόνο.
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
Η χωρική ανάλυση όλων των νευροαπεικονιστικών μεθόδων
03:39
is doubling every year.
92
219461
2285
διπλασιάζεται κάθε χρόνο.
03:41
We can now see inside a living brain
93
221746
1717
Μπορούμε να κοιτάξουμε μέσα σε έναν ζωντανό εγκέφαλο
03:43
and see individual interneural connections
94
223463
2870
και να δούμε μεμονωμένες νευρωνικές συνδέσεις
03:46
connecting in real time, firing in real time.
95
226333
2703
να συνδέονται και να ενεργοποιούνται σε πραγματικό χρόνο.
03:49
We can see your brain create your thoughts.
96
229036
2419
Μπορούμε να δούμε τον εγκέφαλό σας να δημιουργεί τις σκέψεις σας,
03:51
We can see your thoughts create your brain,
97
231455
1575
τις σκέψεις σας να δημιουργούν τον εγκέφαλό σας,
03:53
which is really key to how it works.
98
233030
1999
που είναι το κλειδί της λειτουργίας του.
03:55
So let me describe briefly how it works.
99
235029
2219
Ας περιγράψω σύντομα πώς λειτουργεί.
03:57
I've actually counted these modules.
100
237248
2275
Έχω πράγματι μετρήσει αυτές τις μονάδες.
03:59
We have about 300 million of them,
101
239523
2046
Έχουμε περίπου 300 εκατομμύρια από αυτές
04:01
and we create them in these hierarchies.
102
241569
2229
και τις δημιουργούμε σε αυτές τις ιεραρχίες.
04:03
I'll give you a simple example.
103
243798
2082
Θα σας δώσω ένα απλό παράδειγμα.
04:05
I've got a bunch of modules
104
245880
2805
Έχω μερικές μονάδες
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
που αναγνωρίζουν την οριζόντια γραμμή σε ένα κεφαλαίο Α
04:12
and that's all they care about.
106
252088
1914
και νοιάζονται μόνο γι' αυτό.
04:14
A beautiful song can play,
107
254002
1578
Μπορεί να παίζει ένα ωραίο τραγούδι,
04:15
a pretty girl could walk by,
108
255580
1434
να περνάει μια όμορφη κοπέλα,
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
δεν τις νοιάζει, μόλις όμως βλέπουν την οριζόντια γραμμή στο κεφαλαίο Α,
04:19
they get very excited and they say "crossbar,"
110
259860
3021
ενθουσιάζονται και λένε «οριζόντια γραμμή»
04:22
and they put out a high probability
111
262881
2112
και επιστρέφουν μια υψηλή πιθανότητα
04:24
on their output axon.
112
264993
1634
στον άξονα εξόδου τους.
04:26
That goes to the next level,
113
266627
1333
Αυτό οδηγεί στο επόμενο επίπεδο
04:27
and these layers are organized in conceptual levels.
114
267960
2750
και αυτά τα επίπεδα είναι εννοιολογικά οργανωμένα.
04:30
Each is more abstract than the next one,
115
270710
1856
Καθένα είναι πιο αφηρημένο από το επόμενο,
04:32
so the next one might say "capital A."
116
272566
2418
έτσι το επόμενο ίσως να πει «κεφαλαίο Α».
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Αυτό συνεχίζει σε ένα υψηλότερο επίπεδο που ίσως να πει «Αχλάδι».
04:37
Information flows down also.
118
277875
2167
Η πληροφορία ρέει και προς τα κάτω.
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
Αν ο αναγνωριστής της λέξης «αχλάδι» έχει δει τα Α-Χ-Λ-Α-Δ
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
θα σκεφτεί, «Χμμ, νομίζω ότι το Ι είναι πιθανό»
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
και θα στείλει σήμα σε όλους τους αναγνωριστές του Ι
04:48
saying, "Be on the lookout for an E,
122
288761
1619
λέγοντας: «Το νου σας για ένα Ι,
04:50
I think one might be coming."
123
290380
1556
νομίζω ότι έρχεται ένα».
04:51
The E recognizers will lower their threshold
124
291936
2843
Οι αναγνωριστές του Ι θα χαμηλώσουν το όριό τους
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
και θα δούν κάτι τσαπατσούλικο, ίσως ένα Ι.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Συνήθως δεν θα το πιστεύατε,
04:58
but we're expecting an E, it's good enough,
127
298214
2009
αλλά περιμένουμε ένα Ι, μας αρκεί αυτό,
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
και ναι, έχω δει ένα Ι, και μετά το αχλάδι λέει:
05:02
"Yeah, I've seen an Apple."
129
302040
1728
«Ναι, έχω δει ένα Αχλάδι».
05:03
Go up another five levels,
130
303768
1746
Ανεβείτε πέντε επίπεδα ακόμη,
05:05
and you're now at a pretty high level
131
305514
1353
και τώρα είστε σε υψηλό επίπεδο
05:06
of this hierarchy,
132
306867
1569
σε αυτή την ιεραρχία,
05:08
and stretch down into the different senses,
133
308436
2353
που εκτείνεται προς τα κάτω στις διάφορες αισθήσεις
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
και ίσως να έχετε μια μονάδα που βλέπει κάποιο ύφασμα,
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
ακούει κάποια χροιά φωνής, μυρίζει κάποιο άρωμα,
05:16
and will say, "My wife has entered the room."
136
316288
2513
και θα πει: «Μπήκε στο δωμάτιο η γυναίκα μου».
05:18
Go up another 10 levels, and now you're at
137
318801
1895
Ανεβαίνουμε άλλα 10 επίπεδα και τώρα είμαστε
05:20
a very high level.
138
320696
1160
σε ένα πολύ υψηλό επίπεδο.
05:21
You're probably in the frontal cortex,
139
321856
1937
Μάλλον είστε στον μετωπιαίο φλοιό
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
και θα έχετε μονάδες που λένε: «Αυτό ήταν ειρωνικό».
05:27
That's funny. She's pretty."
141
327560
2370
«Αυτό είναι αστείο». «Είναι όμορφη».
05:29
You might think that those are more sophisticated,
142
329930
2105
Ίσως σκεφτείτε ότι αυτά είναι πιο εξελιγμένα,
05:32
but actually what's more complicated
143
332035
1506
αλλά αυτό που είναι πιο πολύπλοκο
05:33
is the hierarchy beneath them.
144
333541
2669
είναι η ιεραρχία κάτω από αυτά.
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
Μια 16χρονη έκανε εγχείρηση στον εγκέφαλο
05:38
and she was conscious because the surgeons
146
338830
2051
και είχε τις αισθήσεις της επειδή οι χειρουργοί
05:40
wanted to talk to her.
147
340881
1537
ήθελαν να της μιλούν.
05:42
You can do that because there's no pain receptors
148
342418
1822
Μπορείτε να το κάνετε αυτό επειδή δεν υπάρχουν υποδοχείς πόνου
05:44
in the brain.
149
344240
1038
στον εγκέφαλο.
05:45
And whenever they stimulated particular,
150
345278
1800
Και κάθε φορά που διέγειραν συγκεκριμένα
05:47
very small points on her neocortex,
151
347078
2463
πολύ μικρά σημεία στον νεοφλοιό,
05:49
shown here in red, she would laugh.
152
349541
2665
που φαίνονται εδώ με κόκκινο, γελούσε.
05:52
So at first they thought they were triggering
153
352206
1440
Στην αρχή νόμιζαν ότι προκαλούσαν
05:53
some kind of laugh reflex,
154
353646
1720
κάποιο αντανακλαστικό γέλιου,
05:55
but no, they quickly realized they had found
155
355366
2519
αλλά όχι, γρήγορα συνειδητοποίησαν ότι είχαν βρει
05:57
the points in her neocortex that detect humor,
156
357885
3044
τα σημεία στον νεοφλοιό της που εντοπίζουν το χιούμορ
06:00
and she just found everything hilarious
157
360929
1969
και απλώς έβρισκε τα πάντα ξεκαρδιστικά
06:02
whenever they stimulated these points.
158
362898
2437
κάθε φορά που διέγειραν αυτά τα σημεία.
06:05
"You guys are so funny just standing around,"
159
365335
1925
«Είστε τόσο αστείοι έτσι που στέκεστε»,
06:07
was the typical comment,
160
367260
1738
ήταν ένα τυπικό σχόλιο,
06:08
and they weren't funny,
161
368998
2302
και δεν ήταν αστείοι,
06:11
not while doing surgery.
162
371300
3247
όχι όταν κάνουν χειρουργείο.
06:14
So how are we doing today?
163
374547
4830
Πώς τα πάμε σήμερα λοιπόν;
06:19
Well, computers are actually beginning to master
164
379377
3054
Οι υπολογιστές αρχίζουν να κατέχουν
06:22
human language with techniques
165
382431
2001
την ανθρώπινη γλώσσα με τεχνικές
06:24
that are similar to the neocortex.
166
384432
2867
που είναι παρόμοιες με τον νεοφλοιό.
06:27
I actually described the algorithm,
167
387299
1514
Περιέγραψα τον αλγόριθμο,
06:28
which is similar to something called
168
388813
2054
που είναι παρόμοιος με κάτι που ονομάζεται
06:30
a hierarchical hidden Markov model,
169
390867
2233
κρυφό ιεραρχικό πρότυπο Μαρκόφ,
06:33
something I've worked on since the '90s.
170
393100
3241
κάτι που έχω δουλέψει από τη δεκαετία του '90.
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
Το «Jeopardy» είναι ένα πολύ ευρύ παιχνίδι φυσικής γλώσσας,
06:39
and Watson got a higher score
172
399579
1892
και ο Ουάτσον πήρε μεγαλύτερο σκορ
06:41
than the best two players combined.
173
401471
2000
από τους δύο καλύτερους παίκτες σε συνδυασμό.
06:43
It got this query correct:
174
403471
2499
Απάντησε σωστά στο εξής ερώτημα:
06:45
"A long, tiresome speech
175
405970
2085
«Ένας μακρύς, κουραστικός λόγος
06:48
delivered by a frothy pie topping,"
176
408055
2152
που τον έκανε η επικάλυψη αφρώδους πίτας»,
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
και απάντησε γρήγορα, «Τι είναι η δημηγορία μαρέγκας;»
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
Ο Τζένινγκς και ο άλλος τύπος δεν το βρήκαν αυτό.
06:55
It's a pretty sophisticated example of
179
415638
1926
Είναι ένα πολύ εξελιγμένο παράδειγμα
06:57
computers actually understanding human language,
180
417564
1914
κατανόησης της ανθρώπινης γλώσσας από υπολογιστές,
06:59
and it actually got its knowledge by reading
181
419478
1652
που έμαθε διαβάζοντας
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
Βικιπαίδεια και διάφορες άλλες εγκυκλοπαίδειες.
07:04
Five to 10 years from now,
183
424915
2133
Σε πέντε με 10 χρόνια από τώρα,
07:07
search engines will actually be based on
184
427048
2184
οι μηχανές αναζήτησης θα βασίζονται
07:09
not just looking for combinations of words and links
185
429232
2794
όχι μόνο στην αναζήτηση συνδυασμών λέξεων,
07:12
but actually understanding,
186
432026
1914
αλλά θα καταλαβαίνουν πραγματικά,
07:13
reading for understanding the billions of pages
187
433940
2411
θα διαβάζουν, κατανοώντας τες, δισεκατομμύρια σελίδες
07:16
on the web and in books.
188
436351
2733
στο Διαδίκτυο και σε βιβλία.
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
Έτσι θα περπατάτε και το Google θα πεταχτεί
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
και θα πει: «Ξέρεις, Μαίρη, μου εξέφρασες μια ανησυχία
07:24
to me a month ago that your glutathione supplement
191
444781
3019
πριν από ένα μήνα ότι το συμπλήρωμα γλουταθειόνης σου
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
δεν περνάει τον αιματοεγκεφαλικό φραγμό.
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
Βγήκε μια νέα έρευνα πριν από 13 δευτερόλεπτα
07:32
that shows a whole new approach to that
194
452624
1711
που δείχνει μια νέα προσέγγιση σε αυτό
07:34
and a new way to take glutathione.
195
454335
1993
και έναν νέο τρόπο λήψης γλουταθειόνης.
07:36
Let me summarize it for you."
196
456328
2562
Ας σου κάνω μια περίληψη».
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
Σε είκοσι χρόνια από τώρα, θα έχουμε νανομπότ,
07:42
because another exponential trend
198
462574
1627
επειδή μια ακόμη εκθετική τάση
07:44
is the shrinking of technology.
199
464201
1615
είναι η σμίκρυνση της τεχνολογίας.
07:45
They'll go into our brain
200
465816
2370
Θα πάνε στον εγκέφαλό μας
07:48
through the capillaries
201
468186
1703
μέσα από τα τριχοειδή αγγεία
07:49
and basically connect our neocortex
202
469889
2477
και βασικά θα συνδέσουν τον νεοφλοιό μας
07:52
to a synthetic neocortex in the cloud
203
472366
3185
σε έναν συνθετικό νεοφλοιό στο σύννεφο
07:55
providing an extension of our neocortex.
204
475551
3591
που θα παρέχει μια επέκταση του νεοφλοιού μας.
07:59
Now today, I mean,
205
479142
1578
Σήμερα, έχετε έναν υπολογιστή στο κινητό σας,
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
αλλά αν χρειαστείτε 10.000 υπολογιστές για λίγα δευτερόλεπτα
08:05
to do a complex search,
208
485004
1495
για να κάνετε μια πολύπλοκη αναζήτηση,
08:06
you can access that for a second or two in the cloud.
209
486499
3396
μπορείτε να έχετε πρόσβαση για ένα ή δύο δευτερόλεπτα στο σύννεφο.
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
Τη δεκαετία του 2030, αν χρειαστείτε επιπλέον νεοφλοιό,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
θα μπορέσετε να συνδεθείτε στο σύννεφο
08:15
directly from your brain.
212
495263
1648
απευθείας από τον εγκέφαλό σας.
08:16
So I'm walking along and I say,
213
496911
1543
Έτσι θα περπατάω και θα πω:
08:18
"Oh, there's Chris Anderson.
214
498454
1363
«Ω, να ο Κρις Άντερσον.
08:19
He's coming my way.
215
499817
1525
Έρχεται προς το μέρος μου.
08:21
I'd better think of something clever to say.
216
501342
2335
Να σκεφτώ κάτι έξυπνο να του πω.
08:23
I've got three seconds.
217
503677
1524
Έχω τρία δευτερόλεπτα.
08:25
My 300 million modules in my neocortex
218
505201
3097
Οι 300 εκατομμύρια μονάδες στο νεοφλοιό μου
08:28
isn't going to cut it.
219
508298
1240
δεν θα τα καταφέρουν.
08:29
I need a billion more."
220
509538
1246
Χρειάζομαι ακόμη ένα δισεκατομμύριο».
08:30
I'll be able to access that in the cloud.
221
510784
3323
Θα μπορώ να έχω πρόσβαση σε αυτές στο σύννεφο.
08:34
And our thinking, then, will be a hybrid
222
514107
2812
Τότε η σκέψη μας, θα είναι ένα υβρίδιο
08:36
of biological and non-biological thinking,
223
516919
3522
βιολογικής και μη βιολογικής σκέψης,
08:40
but the non-biological portion
224
520441
1898
αλλά το μη βιολογικό κομμάτι
08:42
is subject to my law of accelerating returns.
225
522339
2682
διέπεται από τον νόμο μου για την επιτάχυνση των αποδόσεων.
08:45
It will grow exponentially.
226
525021
2239
Θα αυξηθεί εκθετικά.
08:47
And remember what happens
227
527260
2016
Και θυμηθείτε τι συνέβη
08:49
the last time we expanded our neocortex?
228
529276
2645
την τελευταία φορά που επεκτείναμε τον νεοφλοιό μας.
08:51
That was two million years ago
229
531921
1426
Αυτό ήταν πριν από δύο εκατομμύρια χρόνια
08:53
when we became humanoids
230
533347
1236
όταν γίναμε ανθρωποειδή
08:54
and developed these large foreheads.
231
534583
1594
και αναπτύξαμε αυτά τα μεγάλα κούτελα.
08:56
Other primates have a slanted brow.
232
536177
2583
Τα άλλα πρωτεύοντα θηλαστικά έχουν κεκλιμένο φρύδι.
08:58
They don't have the frontal cortex.
233
538760
1745
Δεν έχουν μετωπιαίο φλοιό.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
Αλλά ο μετωπιαίος φλοιός δεν είναι ποιοτικά διαφορετικός.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
Είναι μια ποσοτική επέκταση του νεοφλοιού,
09:06
but that additional quantity of thinking
236
546933
2703
αλλά η επιπλέον ποσότητα σκέψης
09:09
was the enabling factor for us to take
237
549636
1779
ήταν ο παράγοντας που μας επέτρεψε να κάνουμε
09:11
a qualitative leap and invent language
238
551415
3346
ένα ποιοτικό άλμα και να εφεύρουμε τη γλώσσα,
09:14
and art and science and technology
239
554761
1967
την τέχνη, την επιστήμη, την τεχνολογία
09:16
and TED conferences.
240
556728
1454
και τα συνέδρια TED.
09:18
No other species has done that.
241
558182
2131
Κανένα άλλο είδος δεν το έχει κάνει αυτό.
09:20
And so, over the next few decades,
242
560313
2075
Κι έτσι, μέσα στις επόμενες δεκαετίες,
09:22
we're going to do it again.
243
562388
1760
θα το ξανακάνουμε.
09:24
We're going to again expand our neocortex,
244
564148
2274
Θα επεκτείνουμε και πάλι τον νεοφλοιό μας,
09:26
only this time we won't be limited
245
566422
1756
μόνο που αυτή τη φορά δεν θα περιοριστούμε
09:28
by a fixed architecture of enclosure.
246
568178
4280
από τη σταθερή αρχιτεκτονική του περιβλήματος.
09:32
It'll be expanded without limit.
247
572458
3304
Θα επεκταθεί χωρίς όρια.
09:35
That additional quantity will again
248
575762
2243
Η επιπλέον ποσότητα θα είναι και πάλι
09:38
be the enabling factor for another qualitative leap
249
578005
3005
ο παράγοντας που θα μας επιτρέψει να κάνουμε άλλο ένα ποιοτικό άλμα
09:41
in culture and technology.
250
581010
1635
στον πολιτισμό και την τεχνολογία.
09:42
Thank you very much.
251
582645
2054
Σας ευχαριστώ πολύ.
09:44
(Applause)
252
584699
3086
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7