Ray Kurzweil: Get ready for hybrid thinking

521,726 views ・ 2014-06-02

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Máté Lajkó Lektor: Paula Puskadi
00:12
Let me tell you a story.
0
12988
2316
Hadd meséljek el egy történetet.
00:15
It goes back 200 million years.
1
15304
1799
200 millió évre tekintve vissza.
00:17
It's a story of the neocortex,
2
17103
1984
A történet a neocortex-ről szól,
00:19
which means "new rind."
3
19087
1974
aminek a jelentése "új agykéreg".
00:21
So in these early mammals,
4
21061
2431
Szóval a korai emlősökben,
00:23
because only mammals have a neocortex,
5
23492
2055
mert csak az emlősöknek van neocortexe,
00:25
rodent-like creatures.
6
25547
1664
ezekben a rágcsálószerű lényekben,
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
ez bélyeg nagyságú és vastagságú volt,
00:30
and was a thin covering around
8
30790
1439
és csak egy vékony réteget jelentett
00:32
their walnut-sized brain,
9
32229
2264
a dió méretű agyuk körül.
00:34
but it was capable of a new type of thinking.
10
34493
3701
Ennek ellenére újfajta gondolkodásra volt képes.
00:38
Rather than the fixed behaviors
11
38194
1567
Fixált viselkedés helyett inkább
00:39
that non-mammalian animals have,
12
39761
1992
amely a nem-emlős állatokra jellemzőek,
00:41
it could invent new behaviors.
13
41753
2692
új viselkedéseket tudott kigondolni.
00:44
So a mouse is escaping a predator,
14
44445
2553
Tehát ha egy egér éppen egy ragadozó elől menekül,
00:46
its path is blocked,
15
46998
1540
és zsákutcába kerül,
00:48
it'll try to invent a new solution.
16
48538
2129
akkor megpróbál kitalálni egy új megoldást.
00:50
That may work, it may not,
17
50667
1266
Talán működik, talán nem,
00:51
but if it does, it will remember that
18
51933
1910
de ha igen, akkor azt megjegyzi
00:53
and have a new behavior,
19
53843
1292
s új viselkedést sajátít el
00:55
and that can actually spread virally
20
55135
1457
ami aztán szélsebesen képes terjedni
00:56
through the rest of the community.
21
56592
2195
a közösség többi tagja között.
00:58
Another mouse watching this could say,
22
58787
1609
Ezt látván egy másik egér mondhatná,
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
"Ejha, elég agyafúrt volt, ahogy megkerülted azt a követ"
01:03
and it could adopt a new behavior as well.
24
63100
3725
és átvehetné az új viselkedést.
01:06
Non-mammalian animals
25
66825
1717
A nem-emlős állatok
01:08
couldn't do any of those things.
26
68542
1713
ezeket nem tudták megtenni.
01:10
They had fixed behaviors.
27
70255
1215
Fix volt a viselkedésük.
01:11
Now they could learn a new behavior
28
71470
1331
Elsajátíthattak egy új viselkedést
01:12
but not in the course of one lifetime.
29
72801
2576
de nem egyetlen élet folyamán.
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Talán ezer generáció alatt
01:17
it could evolve a new fixed behavior.
31
77144
3330
kifejleszthetett volna egy új fix viselkedést.
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Ez teljesen rendben volt 200 millió évvel ezelőtt.
01:23
The environment changed very slowly.
33
83851
1981
A környezet lassan változott.
01:25
It could take 10,000 years for there to be
34
85832
1554
Akár 10 000 év is eltelhetett
01:27
a significant environmental change,
35
87386
2092
egy-egy jelentősebb környezeti változásig,
01:29
and during that period of time
36
89478
1382
és ez idő alatt
01:30
it would evolve a new behavior.
37
90860
2929
kifejlődhetett egy új viselkedés.
01:33
Now that went along fine,
38
93789
1521
Ez jól működött egy ideig,
01:35
but then something happened.
39
95310
1704
de aztán történt valami.
01:37
Sixty-five million years ago,
40
97014
2246
65 millió évvel ezelőtt
01:39
there was a sudden, violent change to the environment.
41
99260
2615
váratlan, heves változás állt be a természetben
01:41
We call it the Cretaceous extinction event.
42
101875
3505
Ezt a Kréta kihalási eseménynek nevezzük.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Ekkor haltak ki a dinoszauruszok,
01:47
that's when 75 percent of the
44
107673
3449
amikor 75%-a
01:51
animal and plant species went extinct,
45
111122
2746
halt ki az állat- és növényvilágnak.
01:53
and that's when mammals
46
113868
1745
Ekkor nőtték ki az emlősök
01:55
overtook their ecological niche,
47
115613
2152
az ökológiai résüket,
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
és csak hogy antropomorfizáljak, a biológiai evolúció így szólt:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
"Hmm, ez a neocortex elég jó dolog",
02:03
and it began to grow it.
50
123444
1793
és növeszteni kezdte.
02:05
And mammals got bigger,
51
125237
1342
Az emlősök növekedni kezdtek
02:06
their brains got bigger at an even faster pace,
52
126579
2915
az agyuk még gyorsabban kezdett növekedni
02:09
and the neocortex got bigger even faster than that
53
129494
3807
a neocortex pedig még ennél is gyorsabban,
02:13
and developed these distinctive ridges and folds
54
133301
2929
így kifejlődtek a sajátos barázdái és redői
02:16
basically to increase its surface area.
55
136230
2881
egyszerűen a nagyobb felület érdekében.
02:19
If you took the human neocortex
56
139111
1819
Ha megfognánk az emberi neocortexet
02:20
and stretched it out,
57
140930
1301
és kifeszítenénk, látnánk,
02:22
it's about the size of a table napkin,
58
142231
1713
hogy kb. akkora, mint egy szalvéta
02:23
and it's still a thin structure.
59
143944
1306
és meglehetősen vékony.
02:25
It's about the thickness of a table napkin.
60
145250
1980
A vastagsága is hasonló egy szalvétához.
02:27
But it has so many convolutions and ridges
61
147230
2497
Mégis annyi tekervény és barázda van rajta,
02:29
it's now 80 percent of our brain,
62
149727
3075
hogy az agyunk 80%-át jelenti.
02:32
and that's where we do our thinking,
63
152802
2461
És itt gondolkodunk,
02:35
and it's the great sublimator.
64
155263
1761
ami a nagy finomító.
02:37
We still have that old brain
65
157024
1114
Még a régi agyunk van,
02:38
that provides our basic drives and motivations,
66
158138
2764
amely az alapvető vágyakat és motivációkat nyújtja,
02:40
but I may have a drive for conquest,
67
160902
2716
de vágyhatok mondjuk hódításra,
02:43
and that'll be sublimated by the neocortex
68
163618
2715
és ezt a vágyat a neocortex versírássá,
02:46
into writing a poem or inventing an app
69
166333
2909
vagy alkalmazásfejlesztéssé,
02:49
or giving a TED Talk,
70
169242
1509
esetleg TED beszéddé finomítja,
02:50
and it's really the neocortex that's where
71
170751
3622
szóval igazából a neocortex az,
02:54
the action is.
72
174373
1968
ahol a lényeg történik.
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Ötven éve írtam egy cikket arról,
02:58
describing how I thought the brain worked,
74
178058
1918
hogy szerintem hogyan működik az agy,
02:59
and I described it as a series of modules.
75
179976
3199
és modulok sorozataként jellemeztem.
03:03
Each module could do things with a pattern.
76
183175
2128
Mindegyik modul dolgozhatott mintákkal.
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Megtanulhatott mintát, felidézhetett mintát.
03:08
It could implement a pattern.
78
188049
1407
Végrehajthatott egy mintát.
03:09
And these modules were organized in hierarchies,
79
189456
2679
Ezek a modulok hierarchikusan rendeződtek,
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
a hierarchiát pedig saját gondolkodásunkkal építettük fel.
03:15
And there was actually very little to go on
81
195089
3333
Nem volt sok minden, ami alapján elindulhattam volna
03:18
50 years ago.
82
198422
1562
50 évvel ezelőtt.
03:19
It led me to meet President Johnson.
83
199984
2115
De így találkozhattam Johnson elnökkel.
03:22
I've been thinking about this for 50 years,
84
202099
2173
50 éven keresztül gondolkodtam ezen
03:24
and a year and a half ago I came out with the book
85
204272
2828
és másfél évvel ezelőtt kiadtam egy könyvet, a címe
03:27
"How To Create A Mind,"
86
207100
1265
"How To Create A Mind",
03:28
which has the same thesis,
87
208365
1613
aminek ugyanez az alapgondolata,
03:29
but now there's a plethora of evidence.
88
209978
2812
de mostanra számos bizonyítékunk is van.
03:32
The amount of data we're getting about the brain
89
212790
1814
Az idegtudomány által az agyról gyűjtött
03:34
from neuroscience is doubling every year.
90
214604
2203
adatmennyiség évente megduplázódik.
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
Minden agyi képalkotó eljárás térbeli felbontása
03:39
is doubling every year.
92
219461
2285
évente megduplázódik.
03:41
We can now see inside a living brain
93
221746
1717
Mára belelátunk az élő agyba,
03:43
and see individual interneural connections
94
223463
2870
és láthatjuk az egyes interneurális kapcsolatokat
03:46
connecting in real time, firing in real time.
95
226333
2703
valós időben, működés közben, kisülés közben.
03:49
We can see your brain create your thoughts.
96
229036
2419
Látjuk, ahogy az agy létrehozza a gondolataidat.
03:51
We can see your thoughts create your brain,
97
231455
1575
ahogy a gondolat teremti az agyat
03:53
which is really key to how it works.
98
233030
1999
az, ami működésének a kulcsa.
03:55
So let me describe briefly how it works.
99
235029
2219
Hadd magyarázzam el röviden, hogyan is működik.
03:57
I've actually counted these modules.
100
237248
2275
Ténylegesen megszámoltam ezeket a modulokat.
03:59
We have about 300 million of them,
101
239523
2046
Körülbelül 300 millió van belőlük,
04:01
and we create them in these hierarchies.
102
241569
2229
és ezekben a hierarchiákban hozzuk létre őket.
04:03
I'll give you a simple example.
103
243798
2082
Mondok egy egyszerű példát.
04:05
I've got a bunch of modules
104
245880
2805
Van egy csomó olyan modulom,
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
amelyek felismerik a nagy "A" keresztvonalát,
04:12
and that's all they care about.
106
252088
1914
de semmi mással nem törődnek.
04:14
A beautiful song can play,
107
254002
1578
Szólhat egy pompás dal,
04:15
a pretty girl could walk by,
108
255580
1434
elsétálhat egy csinos lány,
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
ezeket nem érdekli, de amint meglátják egy "A"
04:19
they get very excited and they say "crossbar,"
110
259860
3021
keresztvonalát, azonnal izgatottan azt mondják, "keresztrúd",
04:22
and they put out a high probability
111
262881
2112
és nagy valószínűséget helyeznek
04:24
on their output axon.
112
264993
1634
a kimeneti axonjukra.
04:26
That goes to the next level,
113
266627
1333
Az eljut a következő szintre
04:27
and these layers are organized in conceptual levels.
114
267960
2750
és ezek a rétegek fogalmi szintekbe rendeződnek.
04:30
Each is more abstract than the next one,
115
270710
1856
Az egyik absztraktabb, mint a másik,
04:32
so the next one might say "capital A."
116
272566
2418
szóval az egyik azt mondhatja, hogy "nagy A".
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Ez egy szinttel feljebb jut, ami azt mondhatja, hogy "Alma".
04:37
Information flows down also.
118
277875
2167
Lefelé is áramlik az információ.
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
Ha az alma felismerő látta, hogy "A-L-M",
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
akkor úgy vélheti, hogy "Hmm, egy újabb A elég valószínű",
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
és leküld egy jelet az összes "A" felismerőnek
04:48
saying, "Be on the lookout for an E,
122
288761
1619
mondván, "számítsatok egy "A"-ra,
04:50
I think one might be coming."
123
290380
1556
azt hiszem, hogy mindjárt jön".
04:51
The E recognizers will lower their threshold
124
291936
2843
Az "A" felismerők csökkentik a küszöbértéküket,
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
silányságot látnak, ami lehetne "A" is.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Általában nem hinnéd,
04:58
but we're expecting an E, it's good enough,
127
298214
2009
de "A"-ra számítunk, ezért legyen,
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
igen, "A"-t láttam, és az alma szól
05:02
"Yeah, I've seen an Apple."
129
302040
1728
"Igen, almát láttam."
05:03
Go up another five levels,
130
303768
1746
Úgy öt szinttel feljebb lépve
05:05
and you're now at a pretty high level
131
305514
1353
már elég magas szintjén járunk
05:06
of this hierarchy,
132
306867
1569
a hierarchiának,
05:08
and stretch down into the different senses,
133
308436
2353
amely lenyúlik a különböző érzékeinkig,
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
és lehet egy modulod, ami egy spéci szövet láttán
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
egy bizonyos hangszíntől, egy parfüm hatására
05:16
and will say, "My wife has entered the room."
136
316288
2513
azt mondja, hogy "A feleségem belépett a szobába."
05:18
Go up another 10 levels, and now you're at
137
318801
1895
Menjünk fel még 10 szintet, most már
05:20
a very high level.
138
320696
1160
igen magas fokra.
05:21
You're probably in the frontal cortex,
139
321856
1937
Valószínűleg a frontális kéregben,
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
ahol modulok olyanokat mondanak, mint "Ez ironikus volt.
05:27
That's funny. She's pretty."
141
327560
2370
Ez vicces volt. Ő csinos."
05:29
You might think that those are more sophisticated,
142
329930
2105
Azt gondolhatnánk, hogy ezek még kifinomultabbak
05:32
but actually what's more complicated
143
332035
1506
de igazából az alattuk lévő hierarchia
05:33
is the hierarchy beneath them.
144
333541
2669
sokkal összetettebb.
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
Volt egy 16 éves lány, aki agyműtéten esett át,
05:38
and she was conscious because the surgeons
146
338830
2051
és eszméleténél volt, mert a sebészek
05:40
wanted to talk to her.
147
340881
1537
beszélni akartak vele.
05:42
You can do that because there's no pain receptors
148
342418
1822
Ez megoldható, mert nincsenek az agyban
05:44
in the brain.
149
344240
1038
fájdalomreceptorok.
05:45
And whenever they stimulated particular,
150
345278
1800
És amikor bizonyos, nagyon apró
05:47
very small points on her neocortex,
151
347078
2463
pontokat stimuláltak a neocortexén,
05:49
shown here in red, she would laugh.
152
349541
2665
ezek itt pirossal láthatóak, akkor a lány nevetett.
05:52
So at first they thought they were triggering
153
352206
1440
Először azt hitték, hogy
05:53
some kind of laugh reflex,
154
353646
1720
valamilyen nevetési reflexre hatnak,
05:55
but no, they quickly realized they had found
155
355366
2519
de nem, hamarosan kiderült, hogy megtalálták
05:57
the points in her neocortex that detect humor,
156
357885
3044
a neocortex azon pontjait, melyek a humort érzékelik,
06:00
and she just found everything hilarious
157
360929
1969
a lány így egyszerűen mindent nevetségesnek talált
06:02
whenever they stimulated these points.
158
362898
2437
amikor ezeket a pontokat stimulálták.
06:05
"You guys are so funny just standing around,"
159
365335
1925
"Annyira viccesek vagytok, ahogy itt álldogáltok!"
06:07
was the typical comment,
160
367260
1738
volt a jellemző megjegyzés,
06:08
and they weren't funny,
161
368998
2302
de nem voltak viccesek,
06:11
not while doing surgery.
162
371300
3247
legalábbis műtét közben nem.
06:14
So how are we doing today?
163
374547
4830
Szóval..., Hogy is állunk ma?
06:19
Well, computers are actually beginning to master
164
379377
3054
Nos, a számítógépek kezdik megérteni
06:22
human language with techniques
165
382431
2001
az emberi nyelvet, egy, a neocortexéhez
06:24
that are similar to the neocortex.
166
384432
2867
hasonló technikával.
06:27
I actually described the algorithm,
167
387299
1514
Elmagyaráztam az algoritmust,
06:28
which is similar to something called
168
388813
2054
amely hasonló az úgynevezett
06:30
a hierarchical hidden Markov model,
169
390867
2233
hierarchikusan rejtett Markov modellhez,
06:33
something I've worked on since the '90s.
170
393100
3241
amin már a '90-es évek óta dolgozom.
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
A "Jeopardy" egy széles repertoárú természetes nyelvi játék
06:39
and Watson got a higher score
172
399579
1892
és Watson mégis több pontot szerzett,
06:41
than the best two players combined.
173
401471
2000
mint a két legjobb játékos együttvéve.
06:43
It got this query correct:
174
403471
2499
Ügyesen megválaszolta a következő kérdést:
06:45
"A long, tiresome speech
175
405970
2085
Hogy mondanád másként:
"Rokonszenves férfi gyógyszerész"? [nem szó szerint!]
06:48
delivered by a frothy pie topping,"
176
408055
2152
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
A gyors válasz így hangzott: "Szimpatikus hím patikus."
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
Jenningsnek és a másik játékosnak ez nem sikerült.
06:55
It's a pretty sophisticated example of
179
415638
1926
Ez egy elég kifinomult példája annak,
06:57
computers actually understanding human language,
180
417564
1914
hogy a számítógépek megértik a nyelvet,
06:59
and it actually got its knowledge by reading
181
419478
1652
sőt, tudásuk, a Wikipédia és más
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
enciklopédiák olvasásából ered.
07:04
Five to 10 years from now,
183
424915
2133
5-10 év múlva
07:07
search engines will actually be based on
184
427048
2184
a keresőmotorok már nem csak szavak
07:09
not just looking for combinations of words and links
185
429232
2794
és linkek kombinációjának keresésével fog működni,
07:12
but actually understanding,
186
432026
1914
hanem tényleges megértés útján,
07:13
reading for understanding the billions of pages
187
433940
2411
elolvasva és megértve a weblapok, könyvek
07:16
on the web and in books.
188
436351
2733
oldalainak milliárdjait.
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
Szóval sétálgatás közben felugrik a Google és mondja,
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
"Tudod, Mary, néhány hónapja aggódtál,
07:24
to me a month ago that your glutathione supplement
191
444781
3019
hogy a glutathione kiegészítőd nem jut át
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
a vér-agy gáton. Nos, egy 13 másodperccel
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
ezelőtt megjelent kutatás
07:32
that shows a whole new approach to that
194
452624
1711
teljesen új módot módot javasol
07:34
and a new way to take glutathione.
195
454335
1993
a glutathione szervezetbe juttatására.
07:36
Let me summarize it for you."
196
456328
2562
Hadd foglaljam ezt neked össze."
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
Húsz év múlva nanobotjaink [nano-robotok] lesznek,
07:42
because another exponential trend
198
462574
1627
mert egy másik exponenciális trend
07:44
is the shrinking of technology.
199
464201
1615
a technológia zsugorítása.
07:45
They'll go into our brain
200
465816
2370
Beleférkőznek majd az agyunkba
07:48
through the capillaries
201
468186
1703
a hajszálereken keresztül
07:49
and basically connect our neocortex
202
469889
2477
és gyakorlatilag bekötik a neocortexünket
07:52
to a synthetic neocortex in the cloud
203
472366
3185
egy felhőalapú szintetikus neocortexre,
07:55
providing an extension of our neocortex.
204
475551
3591
amely így a saját neocortexünk kiterjesztéseként fog szolgálni.
07:59
Now today, I mean,
205
479142
1578
Mostanában, úgy értem
08:00
you have a computer in your phone,
206
480720
1530
számítógép van a telefonunkban,
08:02
but if you need 10,000 computers for a few seconds
207
482250
2754
de ha néhány másodpercre 10 000 számítógép kellene,
08:05
to do a complex search,
208
485004
1495
egy bonyolult keresés lefuttatásához,
08:06
you can access that for a second or two in the cloud.
209
486499
3396
akkor a felhőn át elérhetjük azt pár másodpercre.
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
A 2030-as években ha egy kis extra neocortexre lesz szükségünk,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
rákapcsolódhatunk a felhőre
08:15
directly from your brain.
212
495263
1648
egyenesen az agyunkból.
08:16
So I'm walking along and I say,
213
496911
1543
Éppen sétálok, és azt mondom,
08:18
"Oh, there's Chris Anderson.
214
498454
1363
"Ó, ott van Chris Anderson.
08:19
He's coming my way.
215
499817
1525
Felém jön.
08:21
I'd better think of something clever to say.
216
501342
2335
Valami leleményes dolgot kellene mondanom.
08:23
I've got three seconds.
217
503677
1524
Három másodpercem van,
08:25
My 300 million modules in my neocortex
218
505201
3097
a neocortexem 300 millió modulja
08:28
isn't going to cut it.
219
508298
1240
nem lesz elegendő.
08:29
I need a billion more."
220
509538
1246
Egy milliárd kell még."
08:30
I'll be able to access that in the cloud.
221
510784
3323
Hozzáférhetek majd a felhőn keresztül.
08:34
And our thinking, then, will be a hybrid
222
514107
2812
És a gondolkodásunk, akkor majd egy hibrid lesz,
08:36
of biological and non-biological thinking,
223
516919
3522
a biológiai és a nem-biológiai gondolkodás hibridje,
08:40
but the non-biological portion
224
520441
1898
de a nem-biológiai része
08:42
is subject to my law of accelerating returns.
225
522339
2682
az általam alkotott Gyorsuló Hozadék Törvényétől függ.
08:45
It will grow exponentially.
226
525021
2239
Exponenciálisan fog növekedni.
08:47
And remember what happens
227
527260
2016
Emlékezzünk csak, mi történt,
08:49
the last time we expanded our neocortex?
228
529276
2645
amikor legutóbb megnövesztettük a neocortexünket?
08:51
That was two million years ago
229
531921
1426
Kétmillió évvel ezelőtt volt,
08:53
when we became humanoids
230
533347
1236
mikor humanoidokká váltunk
08:54
and developed these large foreheads.
231
534583
1594
és kifejlődött a magas homlokunk.
08:56
Other primates have a slanted brow.
232
536177
2583
A többi főemlősnek döntött homloka van.
08:58
They don't have the frontal cortex.
233
538760
1745
Nincs frontális kérgük.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
A frontális kéreg viszont lényegében nem minőségileg különböző.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
Ez csak a neocortex mennyiségi kiterjedése,
09:06
but that additional quantity of thinking
236
546933
2703
de ez a plusz gondolkodás
09:09
was the enabling factor for us to take
237
549636
1779
volt az, ami lehetővé tette azt
09:11
a qualitative leap and invent language
238
551415
3346
a minőségi lépést, hogy feltaláljuk a nyelvet
09:14
and art and science and technology
239
554761
1967
a művészetet, a tudományt és a technológiát
09:16
and TED conferences.
240
556728
1454
és a TED-konferenciákat.
09:18
No other species has done that.
241
558182
2131
A többi faj nem tette meg ezeket.
09:20
And so, over the next few decades,
242
560313
2075
Tehát a következő néhány évtizedben
09:22
we're going to do it again.
243
562388
1760
újra megtesszük
09:24
We're going to again expand our neocortex,
244
564148
2274
Újra kibővítjük a neocortexünket,
09:26
only this time we won't be limited
245
566422
1756
de ezúttal nem korlátoz majd
09:28
by a fixed architecture of enclosure.
246
568178
4280
egy tároló fix mérete.
09:32
It'll be expanded without limit.
247
572458
3304
Határok nélkül fogjuk bővíteni.
09:35
That additional quantity will again
248
575762
2243
Az extra mennyiségi ugrás jelenti majd ismét azt,
09:38
be the enabling factor for another qualitative leap
249
578005
3005
hogy képesek leszünk egy újabb minőségi lépésre
a kultúrában és a technológiában egyaránt.
09:41
in culture and technology.
250
581010
1635
09:42
Thank you very much.
251
582645
2054
Köszönöm szépen.
09:44
(Applause)
252
584699
3086
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7