Juan Enriquez: Will our kids be a different species?

202,841 views ・ 2012-06-04

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Timothy Covell Reviewer: Morton Bast
0
0
7000
Fordító: Zsófia Farsang Lektor: Laszlo Kereszturi
00:15
All right. So, like all good stories,
1
15695
1983
Mint minden jó történet,
00:17
this starts a long, long time ago
2
17678
1934
ez is réges-régen kezdődött,
00:19
when there was basically nothing.
3
19612
2149
mikor tulajdonképpen még semmi sem volt.
00:21
So here is a complete picture of the universe
4
21761
2400
Ez az univerzumunk teljes képe
00:24
about 14-odd billion years ago.
5
24161
3452
körülbelül 14 milliárd éve.
00:27
All energy is concentrated into a single point of energy.
6
27613
3084
Minden energia egyetlen egy pontba koncentrálódik.
00:30
For some reason it explodes,
7
30697
1584
Valamilyen oknál fogva felrobban,
00:32
and you begin to get these things.
8
32281
2116
és mindenféle dolgok kezdenek megjelenni.
00:34
So you're now about 14 billion years into this.
9
34397
2866
Most járunk körülbelül 14 milliárd évnél.
00:37
And these things expand and expand and expand
10
37263
1896
Ezek a dolgok csak nőnek és nőnek,
00:39
into these giant galaxies,
11
39159
1699
több billió ilyen
00:40
and you get trillions of them.
12
40858
1319
hatalmas galaxissá.
00:42
And within these galaxies
13
42177
2148
És ezekben a galaxisokban
00:44
you get these enormous dust clouds.
14
44325
2119
hatalmas porfelhők vannak.
00:46
And I want you to pay particular attention
15
46444
1765
Fordítsanak különös figyelmet
00:48
to the three little prongs
16
48209
1450
erre a három ágacskára
00:49
in the center of this picture.
17
49659
1901
a kép közepén!
00:51
If you take a close-up of those,
18
51560
1415
Így néznek ki,
00:52
they look like this.
19
52975
1653
ha ráközelítünk.
00:54
And what you're looking at is columns of dust
20
54628
2850
Ezek a poroszlopok amit látnak,
00:57
where there's so much dust --
21
57478
2047
mikor ennyi por van egy helyen --
00:59
by the way, the scale of this is a trillion vertical miles --
22
59525
4333
amúgy billió mérföldes léptékben képzeljék el ezt -
01:03
and what's happening is there's so much dust,
23
63858
2918
szóval mikor ilyen sok por van együtt,
01:06
it comes together and it fuses
24
66776
1934
az történik, hogy összeállnak,
01:08
and ignites a thermonuclear reaction.
25
68710
3459
és egy termonukleáris reakció indul el.
01:12
And so what you're watching
26
72169
842
És amit most éppen látnak,
01:13
is the birth of stars.
27
73011
1985
az a csillagok születése.
01:14
These are stars being born out of here.
28
74996
1657
Ezek éppen megszülető csillagok.
01:16
When enough stars come out,
29
76653
2468
Mikor már elég csillag van,
01:19
they create a galaxy.
30
79121
1798
összeállnak egy galaxissá.
01:20
This one happens to be a particularly important galaxy,
31
80919
3434
Ez itt például pont egy különösen fontos galaxis,
01:24
because you are here.
32
84353
2216
mert mind itt vagyunk.
01:26
(Laughter)
33
86569
1167
(Nevetés)
01:27
And as you take a close-up of this galaxy,
34
87736
1651
És ha ráközelítünk erre a galaxisra,
01:29
you find a relatively normal,
35
89387
2065
láthatunk egy viszonylag normális,
01:31
not particularly interesting star.
36
91452
2368
nem különösebben érdekes csillagot.
01:33
By the way, you're now about two-thirds of the way into this story.
37
93820
4015
Mellesleg körülbelül a történet két harmadánál járunk.
01:37
So this star doesn't even appear
38
97835
2182
Szóval ez a csillag meg sem jelenik
01:40
until about two-thirds of the way into this story.
39
100017
2951
a történet kétharmadáig.
01:42
And then what happens
40
102968
1078
És most az történik,
01:44
is there's enough dust left over
41
104046
1406
hogy van annyi maradék por,
01:45
that it doesn't ignite into a star,
42
105452
1966
ami nem gyullad ki csillagként,
01:47
it becomes a planet.
43
107418
2000
hanem egy bolygó lesz.
01:49
And this is about a little over four billion years ago.
44
109418
4825
Ez körülbelül négy milliárd éve történik.
01:54
And soon thereafter
45
114243
1433
Nem sokkal ezután
01:55
there's enough material left over
46
115676
1917
még mindig van elég maradék anyag,
01:57
that you get a primordial soup,
47
117593
4563
hogy összeálljon az őslevessé,
02:02
and that creates life.
48
122156
1764
és létrehozza az életet.
02:03
And life starts to expand and expand and expand,
49
123920
3881
És az élet csak nő és nő és nő,
02:07
until it goes kaput.
50
127801
1751
amíg össze nem omlik.
02:09
(Laughter)
51
129552
3488
(Nevetés)
02:13
Now the really strange thing
52
133040
1430
Az igazán furcsa rész az,
02:14
is life goes kaput, not once, not twice,
53
134470
2906
hogy az élet nem egyszer, nem kétszer,
02:17
but five times.
54
137376
2216
hanem ötször omlik össze.
02:19
So almost all life on Earth
55
139592
2102
Szóval a Földön szinte minden élet megszűnik
02:21
is wiped out about five times.
56
141694
2464
körülbelül öt alkalommal.
02:24
And as you're thinking about that,
57
144158
1552
Ha belegondolnak igazából annyi történik,
02:25
what happens is you get more and more complexity,
58
145710
2432
hogy egyre komplexebb és komplexebb,
02:28
more and more stuff
59
148142
1234
több és több dolog lesz
02:29
to build new things with.
60
149376
4118
amiből építkezni lehet.
02:33
And we don't appear
61
153494
1270
Mi fel sem tűnünk
02:34
until about 99.96 percent of the time into this story,
62
154764
5648
körülbelül a történet 99,96%-ig
02:40
just to put ourselves and our ancestors in perspective.
63
160412
3930
-- csak hogy objektívan láthassuk magunkat és őseinket.
02:44
So within that context, there's two theories of the case
64
164342
3459
Szóval tulajdonképpen két teória van arra,
02:47
as to why we're all here.
65
167801
1689
hogy miért is vagyunk itt.
02:49
The first theory of the case
66
169490
1589
Az első elmélet az,
02:51
is that's all she wrote.
67
171079
3409
hogy így lett megírva.
02:54
Under that theory,
68
174488
1359
E szerint
02:55
we are the be-all and end-all
69
175847
1836
mi vagyunk a teremtés
02:57
of all creation.
70
177683
1733
színe-java.
02:59
And the reason for trillions of galaxies,
71
179416
2884
És az ok galaxisok billióinak,
03:02
sextillions of planets,
72
182300
2013
bolygók trilliárdjainak létezésére
03:04
is to create something that looks like that
73
184313
4710
az, hogy valami ilyesmi
03:09
and something that looks like that.
74
189023
3633
és ilyesmi megszülethessen.
03:12
And that's the purpose of the universe;
75
192656
1541
Ez az univerzum célja,
03:14
and then it flat-lines,
76
194197
1284
és őszintén szólva
03:15
it doesn't get any better.
77
195481
1311
ennél nem is lesz jobb.
03:16
(Laughter)
78
196792
4480
(Nevetés)
03:21
The only question you might want to ask yourself is,
79
201272
2819
A kérdés amit fel kell tennünk magunknak az,
03:24
could that be just mildly arrogant?
80
204091
5235
hogy nem arrogáns ez egy kicsit?
03:29
And if it is --
81
209326
1741
És ha esetleg az --
03:31
and particularly given the fact that we came very close to extinction.
82
211067
5382
főleg azt tekintve, hogy mennyire közel kerültünk a kihaláshoz.
03:36
There were only about 2,000 of our species left.
83
216449
3367
A fajunknak körülbelül kétezer példánya maradt.
03:39
A few more weeks without rain,
84
219816
2083
Pár esőmentes héttel több,
03:41
we would have never seen any of these.
85
221899
3084
és soha nem találkoztunk volna velük.
03:44
(Laughter)
86
224983
6699
(Nevetés)
03:51
(Applause)
87
231682
4634
(Taps)
03:56
So maybe you have to think about a second theory
88
236316
2966
Szóval talán keresni kell egy másik elméletet
03:59
if the first one isn't good enough.
89
239282
2917
ha már az első nem elég jó.
04:02
Second theory is: Could we upgrade?
90
242199
1784
A második elmélet: Javulhatunk?
04:03
(Laughter)
91
243983
2899
(Nevetés)
04:06
Well, why would one ask a question like that?
92
246882
3234
Miért is tennénk fel ezt a kérdést?
04:10
Because there have been at least 29 upgrades so far
93
250116
2465
Mert eddig a humanoidák legalább 29 javuláson
04:12
of humanoids.
94
252581
2036
vannak túl.
04:14
So it turns out that we have upgraded.
95
254617
2850
Úgy tűnik igenis javultunk.
04:17
We've upgraded time and again and again.
96
257467
1915
Újra és újra javultunk.
04:19
And it turns out that we keep discovering upgrades.
97
259382
2916
És úgy tűnik, újabb javulásokat fedezünk fel.
04:22
We found this one last year.
98
262298
2184
Ezt tavaly találtuk.
04:24
We found another one last month.
99
264482
2617
Egy másikat múlt hónapban.
04:27
And as you're thinking about this,
100
267099
2199
És ha már ezen gondolkodunk,
04:29
you might also ask the question:
101
269298
2103
feltehetjük a kérdést:
04:31
So why a single human species?
102
271401
3097
miért EGY emberi fajról beszélünk?
04:34
Wouldn't it be really odd
103
274498
1834
Igazán furcsa lenne, ha
04:36
if you went to Africa and Asia and Antarctica
104
276332
3784
Afrikában és Ázsiában és az Antarktiszon
04:40
and found exactly the same bird --
105
280116
2619
pontosan ugyanabba a madárba botlanánk --
04:42
particularly given that we co-existed at the same time
106
282735
3792
tekintve, hogy legalább nyolc más
04:46
with at least eight other versions of humanoid
107
286527
2786
emberverzióval is együtt éltünk
04:49
at the same time on this planet?
108
289313
2468
már ezen a bolygón?
04:51
So the normal state of affairs
109
291781
1879
Szóval normális esetben
04:53
is not to have just a Homo sapiens;
110
293660
2510
nem csak a Homo sapiens,
04:56
the normal state of affairs
111
296170
1021
normális esetben
04:57
is to have various versions of humans walking around.
112
297191
3829
több különböző emberféle is itt mászkál.
05:01
And if that is the normal state of affairs,
113
301020
2817
És ha ez a normális eset,
05:03
then you might ask yourself,
114
303837
2368
akkor jogos a kérdés,
05:06
all right, so if we want to create something else,
115
306205
2065
oké, ha valami mást akarunk teremteni
05:08
how big does a mutation have to be?
116
308270
2868
mekkora mutációra van szükség?
05:11
Well Svante Paabo has the answer.
117
311138
2632
Svante Paabo tudja a választ.
05:13
The difference between humans and Neanderthal
118
313770
2800
A különbség emberek és neandervölgyiek között
05:16
is 0.004 percent of gene code.
119
316570
3299
a génkészlet 0,004 százaléka.
05:19
That's how big the difference is
120
319869
1700
Ekkora a különbség
05:21
one species to another.
121
321569
2217
két különböző faj között.
05:23
This explains most contemporary political debates.
122
323786
4400
Ez megmagyarázza napjaink néhány politikai vitáját.
05:28
(Laughter)
123
328186
1935
(Nevetés)
05:30
But as you're thinking about this,
124
330121
3211
De ha már itt járunk,
05:33
one of the interesting things
125
333332
1358
az egyik legérdekesebb dolog az, hogy
05:34
is how small these mutations are and where they take place.
126
334690
3397
hol vannak és mennyire kicsik ezek a mutációk.
05:38
Difference human/Neanderthal
127
338087
1333
Az emberek és a neandervölgyiek
05:39
is sperm and testis,
128
339420
1733
spermájukban, heréjükben,
05:41
smell and skin.
129
341153
1368
illatukban és bőrükben különböznek.
05:42
And those are the specific genes
130
342521
1486
Ezek azok a gének
05:44
that differ from one to the other.
131
344007
2680
amik eltérnek egymástól.
05:46
So very small changes can have a big impact.
132
346687
3101
Szóval elég kis változások is nagy hatással járnak.
05:49
And as you're thinking about this,
133
349788
1632
És miközben ezen gondolkozunk,
05:51
we're continuing to mutate.
134
351420
2516
folytatjuk a mutálódást.
05:53
So about 10,000 years ago by the Black Sea,
135
353936
2901
Körülbelül 10.000 éve a Fekete-tengernél
05:56
we had one mutation in one gene
136
356837
2060
felbukkant egy génen egy mutáció,
05:58
which led to blue eyes.
137
358897
2556
ami a kék szemhez vezetett.
06:01
And this is continuing and continuing and continuing.
138
361453
3884
És ez folytatódik és folytatódik,
06:05
And as it continues,
139
365337
1434
és ahogy folytatódik,
06:06
one of the things that's going to happen this year
140
366771
1765
mi ebben az évben
06:08
is we're going to discover the first 10,000 human genomes,
141
368536
3333
fel fogjuk fedezni az első 10.000 emberi genomot,
06:11
because it's gotten cheap enough to do the gene sequencing.
142
371869
3269
mert mára elég olcsó a génszekvenálás.
06:15
And when we find these,
143
375138
1588
És ha megtaláljuk ezeket,
06:16
we may find differences.
144
376726
2494
megtaláljuk a különbségeket.
06:19
And by the way, this is not a debate that we're ready for,
145
379220
3076
Mellesleg erre a vitára még nem állunk készen,
06:22
because we have really misused the science in this.
146
382296
3376
mert eleget használtuk rosszra a tudományt.
06:25
In the 1920s, we thought there were major differences between people.
147
385672
3683
A 20-as években azt hittük, az emberek jelentősen különböznek egymástól.
06:29
That was partly based on Francis Galton's work.
148
389355
3798
Ez részben Francis Galton munkáin alapult.
06:33
He was Darwin's cousin.
149
393153
2136
Ő Darwin unokatestvére volt.
06:35
But the U.S., the Carnegie Institute,
150
395289
2315
De az USA, a Carnegie Intézet,
06:37
Stanford, American Neurological Association
151
397604
2582
Stanford, az Amerikai Neurológusok Egyesülete
06:40
took this really far.
152
400186
1868
túl messzire ment.
06:42
That got exported and was really misused.
153
402054
3599
Az elképzelés elterjedt és problémát okozott.
06:45
In fact, it led to some absolutely horrendous
154
405653
2685
Tulajdonképpen emberi lények
06:48
treatment of human beings.
155
408338
2013
rettenetes bánásmódjához vezetett.
06:50
So since the 1940s, we've been saying there are no differences,
156
410351
2594
Szóval az 1940-es évek óta azt mondjuk, nincs különbség,
06:52
we're all identical.
157
412945
1320
mind ugyanolyanok vagyunk.
06:54
We're going to know at year end if that is true.
158
414265
3277
Az év végére megtudjuk, hogy ez igaz-e.
06:57
And as we think about that,
159
417542
1732
És mikor ezen gondolkozunk,
06:59
we're actually beginning to find things
160
419274
1518
furcsa dolgokat találunk,
07:00
like, do you have an ACE gene?
161
420792
3466
például, hogy van-e ACE-géned?
07:04
Why would that matter?
162
424258
1978
Miért is fontos ez?
07:06
Because nobody's ever climbed an 8,000-meter peak without oxygen
163
426236
4038
Mert oxigén nélkül senki sem mászott meg 8000 méter magas csúcsokat,
07:10
that doesn't have an ACE gene.
164
430274
2750
akinek nem volt ACE-génje.
07:13
And if you want to get more specific,
165
433024
1869
És ha jobban bele akarunk menni,
07:14
how about a 577R genotype?
166
434893
3015
mi van az 577R genotípussal?
07:17
Well it turns out that every male Olympic power athelete ever tested
167
437908
4700
Kiderült, hogy minden valaha tesztelt olimpiai teljesítménysportoló férfi
07:22
carries at least one of these variants.
168
442608
3250
legalább egy variációját hordozza a génnek.
07:25
If that is true,
169
445858
1654
Ha ez igaz,
07:27
it leads to some very complicated questions
170
447512
2158
elvezethet néhány nagyon bonyolult kérdéshez
07:29
for the London Olympics.
171
449670
1801
a londoni olimpiával kapcsolatban.
07:31
Three options:
172
451471
1519
Három lehetőség van:
07:32
Do you want the Olympics to be a showcase
173
452990
2832
Azt akarjuk, hogy az olimpia keményen dolgozó
07:35
for really hardworking mutants?
174
455822
2700
mutánsok parádéja legyen?
07:38
(Laughter)
175
458522
1733
(Nevetés)
07:40
Option number two:
176
460255
2735
A második lehetőség:
07:42
Why don't we play it like golf or sailing?
177
462990
3398
Miért nem úgy játszunk, mint a golfban vagy a vitorlázásban?
07:46
Because you have one and you don't have one,
178
466388
2474
Ha neked van és neked nincs,
07:48
I'll give you a tenth of a second head start.
179
468862
3995
akkor neked adok egy tizedmásodperc előnyt.
07:52
Version number three:
180
472857
1071
A harmadik verzió:
07:53
Because this is a naturally occurring gene
181
473928
2069
mivel ez egy természetesen előforduló gén,
07:55
and you've got it and you didn't pick the right parents,
182
475997
2782
és neked van te pedig nem a jó szülőket választottad,
07:58
you get the right to upgrade.
183
478779
3949
akkor neked lesz jogod javulni.
08:02
Three different options.
184
482728
1751
Három különböző lehetőség.
08:04
If these differences are the difference
185
484479
1622
Ha ezek a különbségek választják el
08:06
between an Olympic medal and a non-Olympic medal.
186
486101
3378
az olimpiai érmet a nem olimpiai éremtől.
08:09
And it turns out that as we discover these things,
187
489479
2834
És felfedezzük ezeket a dolgokat,
08:12
we human beings really like to change
188
492313
3335
pedig mi emberek nagyon szeretünk változtatni,
08:15
how we look, how we act,
189
495648
1694
a kinézetünket, a viselkedésünket,
08:17
what our bodies do.
190
497342
1594
a testünket.
08:18
And we had about 10.2 million plastic surgeries in the United States,
191
498936
4374
Körülbelül 10,2 millió plasztikai műtét zajlik az Egyesült Államokban,
08:23
except that with the technologies that are coming online today,
192
503310
3317
de ezekkel a technológiákkal amik ma elérhetővé válnak,
08:26
today's corrections, deletions,
193
506627
2701
a mai korrekciók, eltüntetések,
08:29
augmentations and enhancements
194
509328
1919
augmentációk és javítások
08:31
are going to seem like child's play.
195
511247
2913
gyerekjátéknak fognak tűnni.
08:34
You already saw the work by Tony Atala on TED,
196
514160
3701
Már Önök is látták Tony Atala TED előadását,
08:37
but this ability to start filling
197
517861
3567
ez a lehetőség, hogy
08:41
things like inkjet cartridges with cells
198
521428
2933
nyomtatópatronokat sejtekkel töltünk meg
08:44
are allowing us to print skin, organs
199
524361
4674
lehetővé teszi, hogy bőrt, szerveket
08:49
and a whole series of other body parts.
200
529035
2750
és más testrészeket nyomtassunk.
08:51
And as these technologies go forward,
201
531785
1884
És ahogy ezek a technológiák fejlődnek,
08:53
you keep seeing this, you keep seeing this, you keep seeing things --
202
533669
3784
és újra és újra találkozunk ilyen dolgokkal --
08:57
2000, human genome sequence --
203
537453
2774
2000-ben a humángenom felfedezése --
09:00
and it seems like nothing's happening,
204
540227
3782
olyan, mintha semmi sem történne
09:04
until it does.
205
544009
3112
amíg egyszer csak meg nem történik.
09:07
And we may just be in some of these weeks.
206
547121
3524
És akár most is ilyen hetekben járhatunk.
09:10
And as you're thinking about
207
550645
1599
És ha belegondolunk,
09:12
these two guys sequencing a human genome in 2000
208
552244
3451
ez a két fickó akik 2000-ben felderítik a humángenomot,
09:15
and the Public Project sequencing the human genome in 2000,
209
555695
3553
és a Public Project amint 2000-ben felderíti a humángenomot --
09:19
then you don't hear a lot,
210
559248
3164
nem hallasz róluk túl sokat,
09:22
until you hear about an experiment last year in China,
211
562412
3984
de aztán tavaly hallasz egy kínai kísérletről,
09:26
where they take skin cells from this mouse,
212
566396
4017
ahol fogták egy egér bőrsejtjeit,
09:30
put four chemicals on it,
213
570413
1733
vegyi anyagokat öntöttek rá,
09:32
turn those skin cells into stem cells,
214
572146
3566
a bőrsejteket őssejtté változtatták,
09:35
let the stem cells grow
215
575712
1465
ezeket hagyták nőni,
09:37
and create a full copy of that mouse.
216
577177
3087
és létrehozták az egér pontos másolatát.
09:40
That's a big deal.
217
580264
3247
Ez elég nagy dolog.
09:43
Because in essence
218
583511
1016
Mert tulajdonképpen ez azt jelenti,
09:44
what it means is you can take a cell,
219
584527
2148
hogy foghatsz egy sejtet,
09:46
which is a pluripotent stem cell,
220
586675
2286
ami egy pluripotens őssejt,
09:48
which is like a skier at the top of a mountain,
221
588961
2684
olyan mint egy síelő a hegy tetején,
09:51
and those two skiers become two pluripotent stem cells,
222
591645
3817
és ez a két síelő két pluripotens őssejtté válik,
09:55
four, eight, 16,
223
595462
1782
néggyé, nyolccá, tizenhattá,
09:57
and then it gets so crowded
224
597244
1668
és annyira zsúfolt lesz
09:58
after 16 divisions
225
598912
1800
16 osztódás után, hogy
10:00
that those cells have to differentiate.
226
600712
2502
a sejteknek szét kell válniuk.
10:03
So they go down one side of the mountain,
227
603214
1433
Úgyhogy lemennek a hegy egyik oldalán,
10:04
they go down another.
228
604647
1233
a hegy másik oldalán.
10:05
And as they pick that,
229
605880
1534
És ahogy ezt kiválasztják,
10:07
these become bone,
230
607414
2250
ezek csonttá válnak,
10:09
and then they pick another road and these become platelets,
231
609664
2932
aztán akik másik utat választanak vérlemezkék lesznek,
10:12
and these become macrophages,
232
612596
2117
ezek makrofágok,
10:14
and these become T cells.
233
614713
1267
ezek pedig T-sejtek.
10:15
But it's really hard, once you ski down,
234
615980
1952
De nagyon nehéz visszajutni,
10:17
to get back up.
235
617932
1523
ha egyszer elindultál lefelé.
10:19
Unless, of course, if you have a ski lift.
236
619455
5412
Kivéve persze ha van egy sílifted.
10:24
And what those four chemicals do
237
624867
2449
Ez a négy vegyi anyag képes rá,
10:27
is they take any cell
238
627316
2069
hogy bármilyen sejtet megfogjon,
10:29
and take it way back up the mountain
239
629385
1932
és visszavigye a hegy tetejére,
10:31
so it can become any body part.
240
631317
2033
így bármilyen testrésszé válhat.
10:33
And as you think of that,
241
633350
1728
Ha belegondolunk,
10:35
what it means is potentially
242
635078
1980
ez potenciálisan azt jelenti,
10:37
you can rebuild a full copy
243
637058
2175
hogy bármilyen organizmus
10:39
of any organism
244
639233
1867
teljes másolatát elkészítheted
10:41
out of any one of its cells.
245
641100
2586
egyetlen sejtjéből.
10:43
That turns out to be a big deal
246
643686
2531
Ez azért akkora dolog,
10:46
because now you can take, not just mouse cells,
247
646217
2566
mert foghatsz bármilyen sejtet, nem csak egerekét,
10:48
but you can human skin cells
248
648783
2318
emberekét is,
10:51
and turn them into human stem cells.
249
651101
3650
és emberi őssejtté alakíthatod.
10:54
And then what they did in October
250
654751
3198
Ez történt októberben,
10:57
is they took skin cells, turned them into stem cells
251
657949
3400
bőrsejtekből őssejteket,
11:01
and began to turn them into liver cells.
252
661349
3673
majd májsejteket csináltak.
11:05
So in theory,
253
665022
1044
Elméletileg tehát
11:06
you could grow any organ from any one of your cells.
254
666066
5184
bármilyen organizmust elkészíthetsz egyetlen sejtjéből.
11:11
Here's a second experiment:
255
671250
1718
Egy másik kísérlet:
11:12
If you could photocopy your body,
256
672968
3133
ha le tudnád fénymásolni a tested,
11:16
maybe you also want to take your mind.
257
676101
3052
akkor valószínűleg az elmédet is le akarnád.
11:19
And one of the things you saw at TED
258
679153
1565
Az egyik dolog amit a TED-en láthattunk
11:20
about a year and a half ago
259
680718
1250
körülbelül másfél éve,
11:21
was this guy.
260
681968
1435
ez a fickó volt.
11:23
And he gave a wonderful technical talk.
261
683403
2600
Csodálatos szakmai beszédet tartott.
11:26
He's a professor at MIT.
262
686003
1599
Professzor az MIT-n.
11:27
But in essence what he said
263
687602
1916
Dióhéjban azt mondta,
11:29
is you can take retroviruses,
264
689518
1700
hogy vehetünk retrovírusokat,
11:31
which get inside brain cells of mice.
265
691218
2800
és betehetjük egerek agysejtjeibe.
11:34
You can tag them with proteins
266
694018
2440
Megjelölhetjük őket fehérjékkel
11:36
that light up when you light them.
267
696458
2094
amik világítanak ha felkapcsoljuk őket.
11:38
And you can map the exact pathways
268
698552
3716
Így feltérképezhető minden útvonal
11:42
when a mouse sees, feels, touches,
269
702268
3483
ahogy az egér lát, érez, tapint,
11:45
remembers, loves.
270
705751
2183
emlékezik, szeret.
11:47
And then you can take a fiber optic cable
271
707934
2373
És akkor egy száloptikán keresztül
11:50
and light up some of the same things.
272
710307
3819
felkapcsolhatod ugyanazokat a dolgokat.
11:54
And by the way, as you do this,
273
714126
1832
Miközben ezt csinálod,
11:55
you can image it in two colors,
274
715958
2017
két színben képzeld el,
11:57
which means you can download this information
275
717975
2399
tehát az információt akár le is töltheted
12:00
as binary code directly into a computer.
276
720374
4740
bináris kódként a számítógépedre.
12:05
So what's the bottom line on that?
277
725114
2473
Szóval mi is a lényeg?
12:07
Well it's not completely inconceivable
278
727587
2200
Nem teljesen elképzelhetetlen,
12:09
that someday you'll be able to download your own memories,
279
729787
4495
hogy egy nap képesek leszünk letölteni a saját emlékeinket
12:14
maybe into a new body.
280
734282
2387
esetleg egy új testbe.
12:16
And maybe you can upload other people's memories as well.
281
736669
5085
És talán más emberek emlékeit is fel tudjuk tölteni.
12:21
And this might have just one or two
282
741754
2514
Ennek akad néhány kisebb
12:24
small ethical, political, moral implications.
283
744268
3520
etikai, politikai és morális vonzata.
12:27
(Laughter)
284
747788
1531
(Nevetés)
12:29
Just a thought.
285
749319
2991
Csak egy gondolat.
12:32
Here's the kind of questions
286
752310
1528
Ezek a kérdések
12:33
that are becoming interesting questions
287
753838
1980
amik egyre fontosabbá válnak
12:35
for philosophers, for governing people,
288
755818
2484
a filozófusok, kormányzók,
12:38
for economists, for scientists.
289
758302
3366
közgazdászok, tudósok számára.
12:41
Because these technologies are moving really quickly.
290
761668
3284
Mert ezek a technológiák nagyon gyorsan fejlődnek.
12:44
And as you think about it,
291
764952
1500
Gondoljunk egy kicsit bele
12:46
let me close with an example of the brain.
292
766452
3082
az agy példáján keresztül.
12:49
The first place where you would expect
293
769534
1683
A legelső hely ahol
12:51
to see enormous evolutionary pressure today,
294
771217
3051
manapság hatalmas evolúciós nyomást érzünk ,
12:54
both because of the inputs,
295
774268
2265
egyrészt a rengeteg
12:56
which are becoming massive,
296
776533
1552
bejövő információ,
12:58
and because of the plasticity of the organ,
297
778085
1782
másrészt a szerv formálhatósága miatt,
12:59
is the brain.
298
779867
2534
az az agy.
13:02
Do we have any evidence that that is happening?
299
782401
3318
Van egyáltalán bizonyítékunk minderre?
13:05
Well let's take a look at something like autism incidence per thousand.
300
785719
4731
Vegyük például az ezer főre jutó autistákat.
13:10
Here's what it looks like in 2000.
301
790450
2502
2000-ben így álltak a dolgok.
13:12
Here's what it looks like in 2002,
302
792952
2082
Így néz ki 2002-ben,
13:15
2006, 2008.
303
795034
4618
2006-ban, 2008-ban.
13:19
Here's the increase in less than a decade.
304
799652
4082
Ennyit nőtt kevesebb, mint egy évtized alatt.
13:23
And we still don't know why this is happening.
305
803734
4417
És még mindig nem értjük, miért is.
13:28
What we do know is, potentially,
306
808151
2485
Viszont tudjuk, hogy talán
13:30
the brain is reacting in
307
810636
2032
az agy hiperaktív, hiperbefolyásolható
13:32
a hyperactive, hyper-plastic way,
308
812668
2134
módon reagál,
13:34
and creating individuals that are like this.
309
814802
2950
és ilyen egyének jönnek létre.
13:37
And this is only one of the conditions that's out there.
310
817752
2757
Ez csak egy a meglévő dolgok közül.
13:40
You've also got people with who are extraordinarily smart,
311
820509
3540
Vannak emberek, akik kiemelkedően okosak,
13:44
people who can remember everything they've seen in their lives,
312
824049
2397
akik mindent képesek felidézni amit életükben láttak,
13:46
people who've got synesthesia,
313
826446
1385
emberek szinesztéziával,
13:47
people who've got schizophrenia.
314
827831
1331
emberek skizofréniával.
13:49
You've got all kinds of stuff going on out there,
315
829162
2534
Mindenféle dolgok folynak,
13:51
and we still don't understand
316
831696
1218
és még mindig nem értjük,
13:52
how and why this is happening.
317
832914
2233
hogy hogyan és miért is.
13:55
But one question you might want to ask is,
318
835147
2682
A kérdés, amit fel akarunk tenni az,
13:57
are we seeing a rapid evolution of the brain
319
837829
2628
hogy ez vajon az agy és az információfeldolgozás
14:00
and of how we process data?
320
840457
1825
gyors evolúciója-e?
14:02
Because when you think of how much data's coming into our brains,
321
842282
3063
Mert ha belegondolunk mennyire sok adat áramlik az agyunkba,
14:05
we're trying to take in as much data in a day
322
845345
3484
egy nap alatt annyi adattal szembesülünk,
14:08
as people used to take in in a lifetime.
323
848829
2551
mint régen egy élet alatt.
14:11
And as you're thinking about this,
324
851380
2632
Itt van négy elmélet a témában,
14:14
there's four theories as to why this might be going on,
325
854012
2342
hogy mi is történik éppen,
14:16
plus a whole series of others.
326
856354
1327
plusz egy csomó másik.
14:17
I don't have a good answer.
327
857681
1649
Nincsenek jó válaszaim.
14:19
There really needs to be more research on this.
328
859330
3616
Sokkal több kutatásra van szükség.
14:22
One option is the fast food fetish.
329
862946
2235
Egy lehetőség a gyorsételfétis.
14:25
There's beginning to be some evidence
330
865181
2449
Vannak bizonyítékok arra,
14:27
that obesity and diet
331
867630
2251
hogy az elhízás és az étkezés
14:29
have something to do
332
869881
1631
hatással vannak
14:31
with gene modifications,
333
871512
1768
a génmódosulásokra,
14:33
which may or may not have an impact
334
873280
2350
amik esetleg befolyásolhatják
14:35
on how the brain of an infant works.
335
875630
3517
a csecsemők agyi működését.
14:39
A second option is the sexy geek option.
336
879147
3955
A második lehetőség a "szexi kockafejűké".
14:43
These conditions are highly rare.
337
883102
4243
Ez nagyon ritkán fordul elő.
14:47
(Laughter)
338
887345
3038
(Nevetés)
14:50
(Applause)
339
890383
5300
(Taps)
14:55
But what's beginning to happen
340
895683
1633
De ami történik az az, hogy
14:57
is because these geeks are all getting together,
341
897316
2534
ezek a "kockafejűek" közelednek egymáshoz,
14:59
because they are highly qualified for computer programming
342
899850
2897
mert magasan képzettek a számítógépes kódolásban
15:02
and it is highly remunerated,
343
902747
2318
amit magasan megfizetnek,
15:05
as well as other very detail-oriented tasks,
344
905065
3150
sőt más részletközpontú feladatokban is jók,
15:08
that they are concentrating geographically
345
908215
2449
és így egy helyre koncentrálódnak földrajzilag,
15:10
and finding like-minded mates.
346
910664
2967
hasonlók társaságát keresve.
15:13
So this is the assortative mating hypothesis
347
913631
3568
Ez a hasonló egyedek párosodásának hipotézise,
15:17
of these genes reinforcing one another
348
917199
2700
ahol ezek a gének
15:19
in these structures.
349
919899
2117
felerősítik egymást.
15:22
The third, is this too much information?
350
922016
2950
A harmadik: túl sok információ?
15:24
We're trying to process so much stuff
351
924966
1497
Annyi dolgot próbálunk feldolgozni,
15:26
that some people get synesthetic
352
926463
2352
hogy néhány ember szinesztéziás lesz
15:28
and just have huge pipes that remember everything.
353
928815
2600
és mindenre emlékezni fog.
15:31
Other people get hyper-sensitive to the amount of information.
354
931415
2669
Más emberek túlérzékenyek lesznek az információáradatra.
15:34
Other people react with various psychological conditions
355
934084
3982
Mások különböző pszichológiai állapotokkal vagy
15:38
or reactions to this information.
356
938066
1632
reakciókkal válaszolnak az információra.
15:39
Or maybe it's chemicals.
357
939698
2702
Lehet, hogy ezt csak a vegyszerek okozzák.
15:42
But when you see an increase
358
942400
1765
De ha ekkora emelkedést
15:44
of that order of magnitude in a condition,
359
944165
2351
látsz egy betegség körében,
15:46
either you're not measuring it right
360
946516
1565
akkor vagy rosszul végzed a méréseidet,
15:48
or there's something going on very quickly,
361
948081
2518
vagy valami történik, nagyon gyorsan,
15:50
and it may be evolution in real time.
362
950599
4032
és ez talán valós idejű evolúció.
15:54
Here's the bottom line.
363
954631
2503
Szóval a lényeg.
15:57
What I think we are doing
364
957134
2181
Szerintem mint faj,
15:59
is we're transitioning as a species.
365
959315
1716
éppen átmenetben vagyunk.
16:01
And I didn't think this when Steve Gullans and I started writing together.
366
961031
5484
Mikor Steven Gullansszal elkezdtünk írni, még nem ezt gondoltam.
16:06
I think we're transitioning into Homo evolutis
367
966515
2451
Azt hiszem Homo evolutisszá válunk éppen,
16:08
that, for better or worse,
368
968966
1399
akik, bárhogyan is,
16:10
is not just a hominid that's conscious of his or her environment,
369
970365
4182
de nemcsak a saját környezetükkel szemben tudatosak,
16:14
it's a hominid that's beginning to directly and deliberately
370
974547
3219
hanem kezdik közvetlenül és akaratlagosan
16:17
control the evolution of its own species,
371
977766
3198
irányítani a saját fajuk,
16:20
of bacteria, of plants, of animals.
372
980964
3834
baktériumok, növények és állatok evolúcióját.
16:24
And I think that's such an order of magnitude change
373
984798
2835
És véleményem szerint ez a változás akkora mértékű,
16:27
that your grandkids or your great-grandkids
374
987633
3103
hogy az unokáink és dédunokáink
16:30
may be a species very different from you.
375
990736
3045
talán már egészen más faj lesznek.
16:33
Thank you very much.
376
993781
1586
Köszönöm szépen.
16:35
(Applause)
377
995367
5331
(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