How to read the genome and build a human being | Riccardo Sabatini

Μετάφραση: Stefanos Reppas Επιμέλεια: Lucas Kaimaras

For the next 16 minutes, I'm going to take you on a journey

Για τα επόμενα 16 λεπτά, θα σας πάω ένα ταξίδι,

that is probably the biggest dream of humanity:

το οποίο αποτελεί πιθανότατα το μεγαλύτερο όνειρο της ανθρωπότητας:

to understand the code of life.

στην κατανόηση του κώδικα της ζωής.

Όσον αφορά εμένα, όλα ξεκίνησαν πριν πολλά χρόνια

So for me, everything started many, many years ago

when I met the first 3D printer.

όταν είδα τον πρώτο τρισδιάστατο εκτυπωτή.

The concept was fascinating.

Η ιδεά ήταν συναρπαστική.

A 3D printer needs three elements:

Ένας 3D εκτυπωτής χρειάζεται τρία στοιχεία:

a bit of information, some raw material, some energy,

μερικές πληροφορίες, κάποια πρώτη ύλη, λίγη ενέργεια

and it can produce any object that was not there before.

και μπορεί να παράγει οποιοδήποτε αντικείμενο που δεν υπήρχε πριν.

I was doing physics, I was coming back home

Σπούδαζα φυσική, επέστρεφα στο σπίτι,

and I realized that I actually always knew a 3D printer.

και αντιλήφθηκα πως στην πραγματικότητα πάντα γνώριζα έναν 3D εκτυπωτή.

And everyone does.

Ο καθένας μας γνωρίζει.

It was my mom.

Ήταν η μαμά μου. (Γέλια)

(Laughter)

My mom takes three elements:

Η μητέρα μου χρειάζεται τρία στοιχεία:

a bit of information, which is between my father and my mom in this case,

λίγες πληροφορίες,

που εν προκειμένω είναι θέμα του πατέρα και της μητέρας μου,

raw elements and energy in the same media, that is food,

πρώτες ύλες και ενέργεια στο ίδιο το μέσο, που είναι το φαγητό,

and after several months, produces me.

και μετά από αρκετούς μήνες παράγει εμένα.

And I was not existent before.

Εγώ δεν υπήρχα πριν.

So apart from the shock of my mom discovering that she was a 3D printer,

Έτσι, πέρα από το σοκ της ανακάλυψης ότι η μητέρα μου ήταν ένας 3D εκτυπωτής

I immediately got mesmerized by that piece,

γοητεύτηκα αμέσως από εκείνο το κομμάτι,

the first one, the information.

το πρώτο, τις πληροφορίες.

What amount of information does it take

Τι ποσότητα πληροφοριών χρειάζεται

to build and assemble a human?

για να κατασκευαστεί ένας άνθρωπος;

Is it much? Is it little?

Χρειάζεται πολλές; Λίγες;

How many thumb drives can you fill?

Πόσα στικάκια usb μπορείτε να γεμίσετε;

Well, I was studying physics at the beginning

Σπούδαζα φυσική και στην αρχή

and I took this approximation of a human as a gigantic Lego piece.

προσέγγισα τον άνθρωπο σαν ένα γιγάντιο τουβλάκι lego.

So, imagine that the building blocks are little atoms

Φανταστείτε ότι τα δομικά στοιχεία είναι μικρά άτομα

and there is a hydrogen here, a carbon here, a nitrogen here.

και υπάρχει ένα άτομο υδρογόνου εδώ, ένα άνθρακα εδώ κι ένα αζώτου εδώ.

So in the first approximation,

Στην πρώτη προσέγγιση,

if I can list the number of atoms that compose a human being,

αν μπορώ να απαριθμήσω τον αριθμό των ατόμων

που συνθέτουν ένα ανθρώπινο ον,

I can build it.

μπορώ να το κατασκευάσω.

Now, you can run some numbers

Τώρα, μπορείτε να τρέξετε κάποια νούμερα

and that happens to be quite an astonishing number.

και αυτό που συμβαίνει είναι ένας αρκετά εκπληκτικός αριθμός.

So the number of atoms,

Ο αριθμός των ατόμων,

the file that I will save in my thumb drive to assemble a little baby,

το αρχείο στο οποίο θα σώσω στο usb μου για να συναρμολογήσω έναν μικρό μωρό,

will actually fill an entire Titanic of thumb drives --

θα γεμίσει στην πραγματικότητα έναν ολόκληρο Τιτανικό από στικάκια -

multiplied 2,000 times.

πολλαπλασιαζόμενα 2.000 φορές.

This is the miracle of life.

Αυτό είναι το θαύμα της ζωής.

Every time you see from now on a pregnant lady,

Κάθε φορά που από δω και στο εξής θα βλέπετε μια έγκυο γυναίκα,

she's assembling the biggest amount of information

αποτελεί τη μεγαλύτερη συγκέντρωση ποσότητας πληροφοριών

that you will ever encounter.

που θα συναντήσετε ποτέ σας.

Forget big data, forget anything you heard of.

Ξεχάστε τα μεγάλα δεδομένα, ξεχάστε ό,τι έχετε ακούσει.

This is the biggest amount of information that exists.

Αυτή είναι η μεγαλύτερη ποσότητα πληροφορίων που υπάρχει.

(Applause)

(Χειροκρότημα)

Όμως...

But nature, fortunately, is much smarter than a young physicist,

ευτυχώς, η φύση είναι πολύ πιο έξυπνη από έναν νεαρό φυσικό,

and in four billion years, managed to pack this information

και σε τέσσερα δις χρόνια κατάφερε να συσκευάσει αυτές τις πληροφορίες

in a small crystal we call DNA.

σε έναν μικρό κρύσταλλο που καλούμε DNA.

We met it for the first time in 1950 when Rosalind Franklin,

Τον γνωρίσαμε για πρώτη φορά το 1950 όταν η Ρόζαλιντ Φράνκλιν,

an amazing scientist, a woman,

μια εκπληκτική επιστήμων και γυναίκα, τον φωτογράφισε.

took a picture of it.

But it took us more than 40 years to finally poke inside a human cell,

Αλλά μας πήρε περισσότερα από 40 χρόνια

για να εισέλθουμε τελικά μέσα σε ένα ανθρώπινο κύτταρο,

take out this crystal,

να εξάγουμε αυτόν τον κρύσταλλο,

unroll it, and read it for the first time.

να τον ξεδιπλώσουμε και να τον διαβάσουμε για πρώτη φορά.

The code comes out to be a fairly simple alphabet,

Ο κώδικας αποδεικνύεται ότι είναι ένα αρκετά απλό αλφάβητο

four letters: A, T, C and G.

τεσσάρων γραμμάτων: A, T, C και G.

And to build a human, you need three billion of them.

Για να κατασκευάσετε έναν άνθρωπο χρειάζεστε τρία δις από αυτά.

Three billion.

Τρία δισεκατομμύρια.

How many are three billion?

Πόσα είναι τρία δισεκατομμύρια;

It doesn't really make any sense as a number, right?

Δεν μας κάνει κάποια αίσθηση ως αριθμός, σωστά;

So I was thinking how I could explain myself better

Έτσι, σκεφτόμουν πώς θα μπορούσα να εξηγήσω στον εαυτό μου καλύτερα

about how big and enormous this code is.

σχετικά με το πόσο μεγάλος και τεράστιος είναι αυτός ο κώδικας.

But there is -- I mean, I'm going to have some help,

Όμως υπάρχει - εννοώ πρόκειται να έχω κάποια βοήθεια,

and the best person to help me introduce the code

και το καλύτερο άτομο για να με βοηθήσει να εισαγάγω τον κώδικα

is actually the first man to sequence it, Dr. Craig Venter.

ειναι ο πρώτος άνθρωπος που το προσδιόρισε, ο Δρ. Κρεγκ Βέντερ.

So welcome onstage, Dr. Craig Venter.

Ας υποδεχτούμε στη σκηνή τον Δρ. Κρεγκ Βέντερ.

(Applause)

(Χειροκρότημα)

Not the man in the flesh,

Δεν είναι ο ίδιος αυτοπροσώπως,

but for the first time in history,

αλλά για πρώτη φορά στην ιστορία

this is the genome of a specific human,

είναι το γονιδίωμα ενός συγκεκριμένου ανθρώπου,

printed page-by-page, letter-by-letter:

εκτυπωμένο σελίδα προς σελίδα, γράμμα προς γράμμα,

262,000 pages of information,

262.000 χιλιάδες σελίδες πληροφοριών,

450 kilograms, shipped from the United States to Canada

450 κιλά απεστάλησαν από τις ΗΠΑ στον Καναδά

thanks to Bruno Bowden, Lulu.com, a start-up, did everything.

χάρη στον Μπρούνο Μπόουντεν από την Lulu.com,

ένας νέος επιχειρηματίας τα έκανε όλα.

It was an amazing feat.

Ήταν ένα εκπληκτικό κατόρθωμα.

But this is the visual perception of what is the code of life.

Όμως, αυτή είναι η οπτική αντίληψη για το τι είναι ο κώδικας της ζωής.

And now, for the first time, I can do something fun.

Για πρώτη φορά μπορώ να κάνω κάτι διασκεδαστικό.

I can actually poke inside it and read.

Μπορώ πράγματι να εισέλθω σε αυτόν και να τον διαβάσω.

So let me take an interesting book ... like this one.

Επιτρέψτε μου να πάρω ένα ενδιαφέρον βιβλίο... όπως αυτό.

I have an annotation; it's a fairly big book.

Έχω βάλει μια σημείωση· είναι ένα αρκετά μεγάλο βιβλίο.

So just to let you see what is the code of life.

Έτσι, απλά για να σας αφήσω να δείτε τι είναι ο κώδικας της ζωής.

Thousands and thousands and thousands

Πάρα πολλές χιλιάδες

and millions of letters.

και εκατομμύρια γράμματα.

And they apparently make sense.

Προφανώς έχουν νόημα.

Let's get to a specific part.

Ας πάμε σε ένα συγκεκριμένο μέρος.

Let me read it to you:

Επιτρέψτε μου να σας το διαβάσω:

(Laughter)

(Γέλια)

«AAG, AAT, ATA»

"AAG, AAT, ATA."

To you it sounds like mute letters,

Σας ακούγονται σαν σιωπηλά γράμματα,

but this sequence gives the color of the eyes to Craig.

αλλά αυτή η ακολουθία εκφράζει το χρώμα των ματιών του Κρεγκ.

I'll show you another part of the book.

Θα σας δείξω ένας άλλο μέρος του βιβλίου.

This is actually a little more complicated.

Αυτό είναι πράγματι λίγο πιο πολύπλοκο.

Chromosome 14, book 132:

Χρωμόσωμα 14, βιβλίο 132: (Γέλια)

(Laughter)

As you might expect.

Όπως μπορείτε να φανταστείτε.

(Laughter)

(Γέλια)

"ATT, CTT, GATT."

«ATT, CTT, GATT»

This human is lucky,

Αυτός ο άνθρωπος είναι τυχερός

because if you miss just two letters in this position --

επειδή εάν χάσετε μόλις δύο γράμματα σε αυτή τη θέση

two letters of our three billion --

-δύο από τα τρία δισεκατομμύρια-

he will be condemned to a terrible disease:

θα αποκτήσει μια τρομερή ασθένεια: την κυστική ίνωση.

cystic fibrosis.

We have no cure for it, we don't know how to solve it,

Δεν έχουμε θεραπεία γι' αυτήν, δεν ξέρουμε πώς να τη διορθώσουμε,

and it's just two letters of difference from what we are.

και είναι μόλις δύο γράμματα διαφορά από αυτό που είμαστε.

A wonderful book, a mighty book,

Ένα θαυμάσιο βιβλίο, ένα ισχυρό βιβλίο,

a mighty book that helped me understand

ένα βιβλίο που με βοήθησε να καταλάβω

and show you something quite remarkable.

και να σας δείξω κάτι αρκετά αξιοσημείωτο.

Every one of you -- what makes me, me and you, you --

Ο κάθε ένας από εσάς -αυτό που μας κάνει ό,τι είμαστε-

is just about five million of these,

είναι μόλις πέντε εκατομμύρια από αυτά τα γράμματα,

half a book.

το μισό βιβλίο.

Στα υπόλοιπα

For the rest,

we are all absolutely identical.

είμαστε όλοι απολύτως όμοιοι.

Five hundred pages is the miracle of life that you are.

Πεντακόσιες σελίδες είναι το θαύμα της ζωής το οποίο είστε.

The rest, we all share it.

Τα υπόλοιπα τα μοιραζόμαστε όλοι.

So think about that again when we think that we are different.

Σκεφτείτε το αυτό ξανά όταν νομίζετε πώς είμαστε διαφορετικοί.

This is the amount that we share.

Αυτή είναι η ποσότητα που μοιραζόμαστε.

So now that I have your attention,

Λοιπόν...

τώρα που έχω την προσοχή σας

the next question is:

η επόμενη ερώτηση είναι:

How do I read it?

Πώς μπορώ να το διαβάσω αυτό; Πώς μπορώ να βγάλω νόημα από αυτό;

How do I make sense out of it?

Well, for however good you can be at assembling Swedish furniture,

Όσο καλά και να μπορείτε να συναρμολογήσετε σουηδικά έπιπλα,

this instruction manual is nothing you can crack in your life.

αυτό το εγχειρίδιο οδηγιών δεν θα το καταλάβετε ούτε σε μία ζωή.

(Laughter)

(Γέλια)

And so, in 2014, two famous TEDsters,

Έτσι, το 2014, δύο διάσημα μέλη του TED

Peter Diamandis and Craig Venter himself,

ο Πήτερ Διαμαντής και ο ίδιος ο Κρεγκ Βέντερ

decided to assemble a new company.

αποφάσισαν να δημιουργήσουν μια νέα εταιρεία.

Human Longevity was born,

Η «Προσδόκιμο Ζωής» γεννήθηκε με μια αποστολή:

with one mission:

trying everything we can try

να δοκιμάσουμε οτιδήποτε μπορούμε

and learning everything we can learn from these books,

και να μάθουμε οτιδήποτε μπορούμε από αυτά τα βιβλία

with one target --

με ένα στόχο -

making real the dream of personalized medicine,

να κάνουμε πραγματικότητα το όνειρο της εξατομικευμένης ιατρικής,

understanding what things should be done to have better health

να κατανοήσουμε ποια πράγματα θα πρέπει να γίνουν για καλύτερη υγεία

and what are the secrets in these books.

και ποια είναι τα μυστικά σε αυτά τα βιβλία.

An amazing team, 40 data scientists and many, many more people,

Μια εκπληκτική ομάδα από 40 επιστήμονες δεδομένων και πάρα πολλοί άνθρωποι,

a pleasure to work with.

που χαίρεσαι να δουλεύεις μαζί τους.

The concept is actually very simple.

Η ιδέα είναι πραγματικά πολύ απλή.

We're going to use a technology called machine learning.

Θα χρησιμοποιήσουμε μια τεχνολογία που λέγεται «εκμάθηση μηχανών».

On one side, we have genomes -- thousands of them.

Από τη μια πλευρά έχουμε γονιδιώματα - χιλιάδες από αυτά.

On the other side, we collected the biggest database of human beings:

Από την άλλη πλευρά συλλέξαμε

τη μεγαλύτερη βάση δεδομένων των ανθρώπινων όντων:

phenotypes, 3D scan, NMR -- everything you can think of.

φαινότυποι, 3D εκτυπωτής, Φασματοσκοπία NMR -

οτιδήποτε μπορείτε να σκεφτείτε.

Inside there, on these two opposite sides,

Τα εισάγουμε μέσα, σε αυτές τις δύο αντικείμενες πλευρές,

there is the secret of translation.

αυτό είναι το μυστικό της μετάφρασης.

And in the middle, we build a machine.

Στη μέση, κατασκευάζουμε ένα μηχάνημα.

We build a machine and we train a machine --

Κατασκευάζουμε ένα μηχάνημα και το εκπαιδεύουμε

well, not exactly one machine, many, many machines --

-καλά, όχι ακριβώς ένα μηχάνημα, αλλά παρά πολλά-

to try to understand and translate the genome in a phenotype.

και προσπαθούμε να καταλάβουμε και να μεταφράσουμε

το γονιδίωμα σε ένα φαινότυπο.

What are those letters, and what do they do?

Τι είναι αυτά τα γράμματα και τι κάνουν;

It's an approach that can be used for everything,

Είναι μια προσέγγιση που μπορεί να χρησιμοποιηθεί για οτιδήποτε

but using it in genomics is particularly complicated.

αλλά χρησιμοποιούμενη στη γονιδιωματική είναι ιδιαίτερα περίπλοκη.

Little by little we grew and we wanted to build different challenges.

Σιγά σιγά αναπτυχθήκαμε θέτοντας διαφορετικές προκλήσεις.

We started from the beginning, from common traits.

Ξεκινήσαμε από την αρχή, από κοινά γνωρίσματα.

Common traits are comfortable because they are common,

Τα κοινά γνωρίσματα είναι βολικά επειδή είναι κοινά,

everyone has them.

ο καθένας μας τα έχει.

So we started to ask our questions:

Έτσι, ξεκινήσαμε τις ερωτήσεις:

Can we predict height?

Μπορούμε να προβλέψουμε το ύψος;

Can we read the books and predict your height?

Μπορούμε να διαβάσουμε τα βιβλία και το ύψος σας;

Well, we actually can,

Μπορούμε πράγματι να το κάνουμε με ακρίβεια πέντε εκατοστών;

with five centimeters of precision.

BMI is fairly connected to your lifestyle,

Ο Δείκτης Μάζας Σώματος συνδέεται αρκετά με τον τρόπο ζωής σας,

but we still can, we get in the ballpark, eight kilograms of precision.

όμως μπορούμε να έχουμε χονδρικά ακρίβεια οκτώ κιλών.

Can we predict eye color?

Να προβλέψουμε το χρώμα των ματιών;

Yeah, we can.

Ναι μπορούμε, με 80% ακρίβεια.

Eighty percent accuracy.

Can we predict skin color?

Να προβλέψουμε το χρώμα του δέρματος;

Yeah we can, 80 percent accuracy.

Ναι μπορούμε, με 80% ακρίβεια.

Can we predict age?

Να προβλέψουμε την ηλικία;

We can, because apparently, the code changes during your life.

Μπορούμε, διότι προφανώς ο κώδικας αλλάζει κατά τη διάρκεια της ζωής σας.

It gets shorter, you lose pieces, it gets insertions.

Γίνεται συντομότερος, χάνετε κομμάτια γίνονται προσθήκες.

We read the signals, and we make a model.

Διαβάζουμε τα σήματα και κάνουμε ένα μοντέλο.

Now, an interesting challenge:

Τώρα, μια ενδιαφέρουσα πρόκληση:

Can we predict a human face?

Μπορούμε να προβλέψουμε ένα ανθρώπινο πρόσωπο;

It's a little complicated,

Είναι λίγο περίπλοκο επειδή ένα ανθρώπινο πρόσωπο

because a human face is scattered among millions of these letters.

είναι διάσπαρτο σε εκατομμύρια από τα γράμματα,

And a human face is not a very well-defined object.

και δεν είναι ένα καλά καθορισμένο αντικείμενο.

So, we had to build an entire tier of it

Έπρεπε να χτίσουμε μια ολόκληρη σειρά,

to learn and teach a machine what a face is,

να μάθουμε και να διδάξουμε στο μηχάνημα τι είναι πρόσωπο,

and embed and compress it.

να το ενσωματώσουμε και να το συμπιέσουμε.

And if you're comfortable with machine learning,

Εάν είστε άνετοι με μια μηχανή εκμάθησης καταλαβαίνετε τι πρόκληση υπάρχει εδώ.

you understand what the challenge is here.

Now, after 15 years -- 15 years after we read the first sequence --

Μετά από 15 χρόνια διαβάσαμε την πρώτη ακολουθία,

this October, we started to see some signals.

αυτόν τον Οκτώβριο αρχίσαμε να βλέπουμε κάποιες λήψεις.

And it was a very emotional moment.

Ήταν μια πολύ συναισθηματική στιγμή.

What you see here is a subject coming in our lab.

Εδώ βλέπετε ένα αντικείμενο που ήρθε στο εργαστήριό μας.

This is a face for us.

Αυτό είναι ένα πρόσωπο για εμάς.

So we take the real face of a subject, we reduce the complexity,

Παίρνουμε το πραγματικό πρόσωπο και μειώνουμε την πολυπλοκότητα

because not everything is in your face --

επειδή δεν είναι όλα τέλεια στο πρόσωπό σας -

lots of features and defects and asymmetries come from your life.

πολλά χαρακτηριστικά, ατέλειες και ασυμμετρίες προέρχονται από το πώς ζείτε.

We symmetrize the face, and we run our algorithm.

Κάνουμε συμμετρικό το πρόσωπο και τρέχουμε τον αλγόριθμό μας.

The results that I show you right now,

Τα αποτελέσματα, που θα σας δείξω,

this is the prediction we have from the blood.

αποτελούν την πρόβλεψη που κάναμε από το αίμα.

(Applause)

(Χειροκρότημα)

Wait a second.

Περιμένετε λίγο.

In these seconds, your eyes are watching, left and right, left and right,

Σε αυτά τα δευτερόλεπτα τα μάτια σας κοιτούν αριστερά και δεξιά συνεχώς

and your brain wants those pictures to be identical.

και ο εγκέφαλός σας επιθυμεί αυτές οι εικόνες να είναι πανομοιότυπες.

So I ask you to do another exercise, to be honest.

Θα σας ζητήσω να κάνετε ακόμα μια άσκηση, για να είμαι ειλικρινής.

Please search for the differences,

Παρακαλώ αναζητήστε τις διαφορές,

which are many.

οι οποίες είναι πολλές.

The biggest amount of signal comes from gender,

Η μεγαλύτερη ποσότητα σήματος προέρχεται από το φύλο,

then there is age, BMI, the ethnicity component of a human.

ύστερα πάει η ηλικία, ο Δ.Μ.Σ. και η εθνικότητα ενός ανθρώπου.

And scaling up over that signal is much more complicated.

Η μεγέθυνση κατά τη διάρκεια του σήματος είναι πολύ πιο περίπλοκη.

Όμως, αυτό που βλέπετε εδώ, ακόμα και στις διαφορές,

But what you see here, even in the differences,

lets you understand that we are in the right ballpark,

σας επιτρέπει να καταλάβετε

ότι είμαστε χονδρικά στους σωστούς υπολογισμούς και τους πλησιάζουμε συνεχώς.

that we are getting closer.

And it's already giving you some emotions.

Ήδη σας ενθουσιάζει.

This is another subject that comes in place,

Αυτό είναι ένα άλλο αντικείμενο που έρχεται στο προσκήνιο

and this is a prediction.

και αυτό είναι μια πρόβλεψη.

A little smaller face, we didn't get the complete cranial structure,

Ένα λίγο μικρότερο πρόσωπο του οποίου δεν πήραμε πλήρη κρανιακή δομή,

but still, it's in the ballpark.

αλλά μπορεί ακόμα να υπολογιστεί χονδρικά.

This is a subject that comes in our lab,

Αυτό είναι ένα αντικείμενο, που ήρθε στο εργαστήριό μας

and this is the prediction.

και αυτή είναι η πρόβλεψή του.

So these people have never been seen in the training of the machine.

Αυτοί οι άνθρωποι δεν έχουν χρησιμοποιηθεί ποτέ

στην εκπαίδευση του μηχανήματος.

These are the so-called "held-out" set.

Είναι τα επονομαζόμενα σύνολα επαλήθευσης.

But these are people that you will probably never believe.

Αλλά είναι άνθρωποι που εσείς πιθανώς ποτέ δεν θα πιστέψετε.

We're publishing everything in a scientific publication,

Μπορείτε να διαβάσετε τις δημοσιεύσεις μας σε επιστημονικά περιοδικά.

you can read it.

But since we are onstage, Chris challenged me.

Όμως, εφόσον είμαστε επί σκηνής, ο Κρις με προκαλεί.

I probably exposed myself and tried to predict

Έχω πιθανώς εκτεθεί και προσπάθησα να προβλέψω

someone that you might recognize.

κάποιον που μπορεί να αναγνωρίζετε.

So, in this vial of blood -- and believe me, you have no idea

Λοιπόν, μέσα σε αυτό το φιαλίδιο αίματος -και πιστέψτε με,

what we had to do to have this blood now, here --

δεν έχετε ιδέα τι έπρεπε να κάνουμε για να έχουμε αυτό το αίμα τώρα, εδώ-

in this vial of blood is the amount of biological information

σε αυτό το φιαλίδιο αίματος βρίσκεται η ποσότητα βιολογικών πληροφοριών

that we need to do a full genome sequence.

που χρειαζόμαστε για μια πλήρη γονιδιακή αλληλουχία.

We just need this amount.

Απλά χρειαζόμαστε αυτήν την ποσότητα.

We ran this sequence, and I'm going to do it with you.

Τρέχουμε αυτήν την αλληλουχία και θα το κάνω μαζί σας.

And we start to layer up all the understanding we have.

Ξεκινάμε να στρωματοποιούμε τη γνώση που έχουμε από αυτό.

In the vial of blood, we predicted he's a male.

Στο φιαλίδιο με το αίμα προβλέψαμε πως είναι άντρας.

And the subject is a male.

Και το αντικείμενο είναι ένας άνδρας.

We predict that he's a meter and 76 cm.

Προβλέπουμε πώς έχει ύψος 1,76μ.

The subject is a meter and 77 cm.

Το αντικείμενό μας είναι ένα 1,77μ.

So, we predicted that he's 76; the subject is 82.

Προβλέψαμε ότι ζυγίζει 76 κιλά· το αντικείμενο ζυγίζει 82.

We predict his age, 38.

Προβλέψαμε την ηλικία του, 38.

The subject is 35.

Το αντικείμενο είναι 35.

We predict his eye color.

Προβλέψαμε το χρώμα των ματιών του.

Too dark.

Πολύ σκοτεινά.

Προβλέψαμε το χρώμα του δέρματος του.

We predict his skin color.

We are almost there.

Έχουμε σχεδόν τελειώσει.

That's his face.

Αυτό είναι το πρόσωπό του.

Now, the reveal moment:

Τώρα, η στιγμή της αποκάλυψης:

the subject is this person.

το αντικείμενο είναι αυτό το άτομο.

(Laughter)

(Γέλια)

And I did it intentionally.

Το έκανα σκόπιμα.

I am a very particular and peculiar ethnicity.

Ανήκω σε μια ιδιαίτερη και ιδιόμορφη εθνικότητα.

Southern European, Italians -- they never fit in models.

Οι νοτιοευρωπαίοι -οι Ιταλοί- ποτέ δεν ταιριάζουν στα πρότυπα.

And it's particular -- that ethnicity is a complex corner case for our model.

Και ιδίως, αυτή η εθνικότητα είναι μια σύνθετη περίπτωση για το μοντέλο μας.

But there is another point.

Αλλά υπάρχει και ένα άλλο σημείο.

So, one of the things that we use a lot to recognize people

Ένα από αυτά που χρησιμοποιούμε για να αναγνωρίσουμε ανθρώπους

will never be written in the genome.

δεν θα γραφόταν ποτέ σε ένα γονιδίωμα.

It's our free will, it's how I look.

Είναι η ελεύθερη θέλησή μας, το πώς φαίνομαι.

Not my haircut in this case, but my beard cut.

Όχι το κούρεμά μου, σε αυτή την περίπτωση, αλλά το μούσι μου.

So I'm going to show you, I'm going to, in this case, transfer it --

Θα σας δείξω σε αυτήν την περίπτωση, τη μεταφορά του

and this is nothing more than Photoshop, no modeling --

-και δεν είναι τίποτα περισσότερο από Photoshop, όχι μοντελοποίηση-

the beard on the subject.

το μούσι του αντικειμένου.

And immediately, we get much, much better in the feeling.

Αμέσως η ομοιότητα είναι πολύ μεγαλύτερη.

So, why do we do this?

Λοιπόν, γιατί το κάναμε αυτό;

We certainly don't do it for predicting height

Σίγουρα δεν το κάναμε για να προβλέψουμε το ύψος

or taking a beautiful picture out of your blood.

ή να βγάλουμε μια όμορφη εικόνα από το αίμα σας.

We do it because the same technology and the same approach,

Το κάνουμε γιατί η ίδια τεχνολογία και η ίδια προσέγγιση,

the machine learning of this code,

ότι η μηχανή μαθαίνει αυτόν τον κώδικα,

is helping us to understand how we work,

μας βοηθά να καταλάβουμε πώς λειτουργούμε,

how your body works,

πώς λειτουργεί το σώμα μας,

how your body ages,

πώς γερνάει το σώμα σας,

how disease generates in your body,

πώς δημιουργείται η νόσος στο σώμα σας,

how your cancer grows and develops,

πώς μεγαλώνει και αναπτύσσεται ο καρκίνος,

how drugs work

πώς λειτουργούν τα φάρμακα

and if they work on your body.

και αν αυτά έχουν αποτέλεσμα στο σώμα σας.

This is a huge challenge.

Αυτή είναι μια τεράστια πρόκληση.

This is a challenge that we share

Αυτή είναι μια πρόκληση που μοιραζόμαστε

with thousands of other researchers around the world.

με χιλιάδες άλλους ερευνητές σε όλο τον κόσμο.

It's called personalized medicine.

Λέγεται εξατομικευμένη ιατρική.

It's the ability to move from a statistical approach

Είναι μια ικανότητα να κινούμαστε από μια στατιστική προσέγγιση,

where you're a dot in the ocean,

που είναι μια σταγόνα στον ωκεανό,

to a personalized approach,

σε μια εξατομικευμένη προσέγγιση,

where we read all these books

όπου διαβάζουμε όλα αυτά τα βιβλία

and we get an understanding of exactly how you are.

και κατανοούμε το πώς ακριβώς είστε.

But it is a particularly complicated challenge,

Όμως είναι μια ιδιαίτερα πολύπλοκη πρόκληση

because of all these books, as of today,

επειδή σε όλα αυτά τα βιβλία που έχουμε σήμερα

we just know probably two percent:

γνωρίζουμε απλά ίσως το 2%:

4 βιβλία από περισσότερα από 175.

four books of more than 175.

And this is not the topic of my talk,

Αυτό δεν είναι το θέμα της ομιλίας μου

because we will learn more.

επειδή θα μάθουμε περισσότερα.

There are the best minds in the world on this topic.

Τα καλύτερα μυαλά στον κόσμο επιλαμβάνονται αυτού του θέματος.

Η πρόγνωση θα γίνει καλύτερη,

The prediction will get better,

the model will get more precise.

το μοντέλο θα γίνει πιο ακριβές.

And the more we learn,

Και όσο περισσότερο μαθαίνουμε,

τόσο πιο πολύ θα βρεθούμε αντιμέτωποι με αποφάσεις

the more we will be confronted with decisions

that we never had to face before

τις οποίες δεν είχαμε ποτέ αντιμετωπίσει στο παρελθόν,

about life,

σχετικά με τη ζωή,

about death,

το θάνατο,

about parenting.

την ανατροφή παιδιών.

So, we are touching the very inner detail on how life works.

Είμαστε πολύ κοντά στο να γνωρίσουμε λεπτομέρειες για το πώς λειτουργεί η ζωή.

And it's a revolution that cannot be confined

Είναι μια επανάσταση που δεν μπορεί να περιοριστεί

in the domain of science or technology.

στο πεδίο της επιστήμης ή της τεχνολογίας.

This must be a global conversation.

Πρέπει να γίνει μια παγκόσμια συζήτηση.

We must start to think of the future we're building as a humanity.

Πρέπει να αρχίσουμε να σκεφτόμαστε το μέλλον που οικοδομούμε ως ανθρωπότητα.

We need to interact with creatives, with artists, with philosophers,

Χρειάζεται να αλληλεπιδράσουμε με δημιουργούς, καλλιτέχνες, φιλόσοφους,

with politicians.

με πολιτικούς.

Everyone is involved,

Ο καθένας εμπλέκεται

because it's the future of our species.

γιατί είναι το μέλλον του είδους μας.

Without fear, but with the understanding

Χωρίς φόβο, αλλά με την κατανόηση

that the decisions that we make in the next year

ότι οι αποφάσεις που θα πάρουμε τον επόμενο χρόνο

will change the course of history forever.

θα αλλάξουν το ρου της ιστορίας για πάντα.

Thank you.

Σας ευχαριστώ.

(Applause)

(Χειροκρότημα)