Juan Enriquez: The life-code that will reshape the future

87,492 views ・ 2007-05-16

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Alberto Pagani Revisore: Elena Montrasio
00:26
I'm supposed to scare you, because it's about fear, right?
0
26000
3000
Sono qui per spaventarvi... si parla di paura, giusto?
00:30
And you should be really afraid,
1
30000
2000
E dovreste essere proprio spaventati,
00:32
but not for the reasons why you think you should be.
2
32000
2000
ma non per le ragioni che pensate.
00:35
You should be really afraid that --
3
35000
2000
Dovreste avere paura...
00:37
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
37000
4000
se riusciamo a far vedere la prima immagine... ecco... paura di perdervi qualcosa.
00:43
Because if you spend this week thinking about Iraq and
5
43000
4000
Perché se sprecate questa settimana pensando all'Iraq
00:47
thinking about Bush and thinking about the stock market,
6
47000
4000
oppure a Bush, o preoccupandovi del mercato finanziario,
00:51
you're going to miss one of the greatest adventures that we've ever been on.
7
51000
2000
vi perderete una delle più fantastiche avventure che mai esisteranno.
00:54
And this is what this adventure's really about.
8
54000
2000
Ed ecco cosa riguarda quest'avventura.
00:56
This is crystallized DNA.
9
56000
4000
Questo è DNA cristallizzato.
01:00
Every life form on this planet -- every insect, every bacteria, every plant,
10
60000
3000
Ogni forma di vita sul pianeta - ogni insetto, ogni batterio, ogni pianta,
01:03
every animal, every human, every politician -- (Laughter)
11
63000
3000
ogni animale, ogni essere umano, ogni politico - (Risate)
01:08
is coded in that stuff.
12
68000
2000
è codificato in quella roba.
01:10
And if you want to take a single crystal of DNA, it looks like that.
13
70000
4000
Se prendete un singolo cristallo di DNA, ha questo aspetto.
01:14
And we're just beginning to understand this stuff.
14
74000
2000
Ed abbiamo solo cominciato a capirlo davvero.
01:17
And this is the single most exciting adventure that we have ever been on.
15
77000
3000
Questa è l'avventura più emozionante che ci sia mai capitata.
01:21
It's the single greatest mapping project we've ever been on.
16
81000
3000
E' il progetto di mappatura più importante che sia mai esistito.
01:24
If you think that the mapping of America's made a difference,
17
84000
2000
Se pensate che disegnare la cartina delle Americhe abbia fatto la differenza,
01:26
or landing on the moon, or this other stuff,
18
86000
3000
o atterrare sulla luna, o qualcosa del genere,
01:29
it's the map of ourselves and the map of every plant
19
89000
3000
è la mappa di noi stessi, di ogni pianta,
01:32
and every insect and every bacteria that really makes a difference.
20
92000
3000
ogni insetto ed ogni batterio a fare davvero la differenza.
01:35
And it's beginning to tell us a lot about evolution.
21
95000
3000
E ci sta cominciando a raccontare molto sull'evoluzione.
01:40
(Laughter)
22
100000
4000
(Risate)
01:44
It turns out that what this stuff is --
23
104000
2000
Sembra proprio che questa roba sia
01:46
and Richard Dawkins has written about this --
24
106000
2000
- Richard Dawkins ha scritto molto su questo argomento -
01:48
is, this is really a river out of Eden.
25
108000
2000
sia davvero un fiume dell'Eden.
01:50
So, the 3.2 billion base pairs inside each of your cells
26
110000
4000
I 3,2 miliardi di coppie di basi all'interno di ognuna delle nostre cellule
01:54
is really a history of where you've been for the past billion years.
27
114000
3000
sono davvero una cronaca di dove siamo stati nei miliardi di anni passati.
01:57
And we could start dating things,
28
117000
1000
Possiamo cominciare a datare le cose,
01:58
and we could start changing medicine and archeology.
29
118000
3000
e potremmo cominciare a cambiare la medicina e l'archeologia.
02:02
It turns out that if you take the human species about 700 years ago,
30
122000
3000
Scopriamo che, prendendo la specie umana circa 700 anni fa,
02:05
white Europeans diverged from black Africans in a very significant way.
31
125000
3000
i bianchi europei si distinsero dai neri africani in un modo molto significativo.
02:08
White Europeans were subject to the plague.
32
128000
5000
Sui bianchi europei si abbatté la peste.
02:14
And when they were subject to the plague, most people didn't survive,
33
134000
3000
Una volta colpita dalla peste la maggior parte delle persone non sopravviveva,
02:17
but those who survived had a mutation on the CCR5 receptor.
34
137000
4000
ma quelli che ci sono riusciti avevano una mutazione nel recettore CCR5.
02:21
And that mutation was passed on to their kids
35
141000
2000
E quella mutazione fu trasmessa alle generazioni future
02:23
because they're the ones that survived,
36
143000
2000
visto che chi l'aveva era sopravvissuto,
02:25
so there was a great deal of population pressure.
37
145000
2000
considerata l'enorme competizione per la sopravvivenza.
02:27
In Africa, because you didn't have these cities,
38
147000
2000
In Africa, visto che non c'erano grandi città,
02:29
you didn't have that CCR5 population pressure mutation.
39
149000
3000
non c'era una grande spinta evolutiva che favorisse la mutazione del recettore CCR5.
02:32
We can date it to 700 years ago.
40
152000
3000
Possiamo datare questa mutazione a 700 anni fa.
02:35
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
155000
4000
E' una delle ragioni per cui l'AIDS si sta spargendo in Africa così velocemente,
02:39
and not as fast across Europe.
42
159000
4000
al contrario che in Europa.
02:43
And we're beginning to find these little things for malaria,
43
163000
3000
E stiamo cominciando a scoprire fatti analoghi per la malaria,
02:46
for sickle cell, for cancers.
44
166000
3000
per l'anemia falciforme, per i tumori.
02:50
And in the measure that we map ourselves,
45
170000
2000
Nella misura in cui creiamo una mappa di noi stessi,
02:52
this is the single greatest adventure that we'll ever be on.
46
172000
2000
questa è la più grande avventura che potremo mai affrontare.
02:54
And this Friday, I want you to pull out a really good bottle of wine,
47
174000
4000
Questo venerdì, voglio che tiriate fuori un'ottima bottiglia di vino
02:58
and I want you to toast these two people.
48
178000
2000
e facciate un brindisi a queste due persone.
03:01
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
181000
4000
Perché questo venerdì di 50 anni fa, Watson e Crick hanno scoperto la struttura del DNA,
03:05
and that is almost as important a date
50
185000
3000
e quella è una data quasi altrettanto importante
03:08
as the 12th of February when we first mapped ourselves,
51
188000
3000
del 12 Febbraio che è quando abbiamo mappato noi stessi per la prima volta,
03:11
but anyway, we'll get to that.
52
191000
2000
comunque... ci arriveremo dopo.
03:13
I thought we'd talk about the new zoo.
53
193000
2000
Pensavo che potremmo parlare del nuovo zoo.
03:15
So, all you guys have heard about DNA, all the stuff that DNA does,
54
195000
4000
Tutti voi avete sentito parlare del DNA, e di tutto quello che il DNA fa,
03:19
but some of the stuff we're discovering is kind of nifty
55
199000
3000
ma alcune delle cose che stiamo scoprendo sono eccezionali...
03:22
because this turns out to be the single most abundant species on the planet.
56
202000
5000
ad esempio abbiamo scoperto che questa è la specie più abbondante sul pianeta.
03:27
If you think you're successful or cockroaches are successful,
57
207000
3000
Se pensate che gli uomini o gli scarafaggi siano abbondanti,
03:30
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
210000
3000
viene fuori che ci sono dieci trilioni di trilioni di Pleurococcus là fuori.
03:33
And we didn't know that Pleurococcus was out there,
59
213000
3000
E non avevamo idea che i Pleurococcus esistessero,
03:36
which is part of the reason
60
216000
1000
che è parte del motivo per cui
03:37
why this whole species-mapping project is so important.
61
217000
5000
questo progetto di mappatura di tutte le specie è importante.
03:42
Because we're just beginning to learn
62
222000
2000
Perché abbiamo appena cominciato ad imparare
03:44
where we came from and what we are.
63
224000
1000
da dove veniamo e cosa siamo.
03:46
And we're finding amoebas like this. This is the amoeba dubia.
64
226000
3000
Stiamo scoprendo amebe come questa. Questa è un'Ameba Dubia (Polychaos dubium).
03:50
And the amoeba dubia doesn't look like much,
65
230000
2000
E l'Ameba Dubia non sembra gran che,
03:52
except that each of you has about 3.2 billion letters,
66
232000
3000
a parte il fatto che ognuno di noi ha 3,2 miliardi di lettere
03:55
which is what makes you you,
67
235000
2000
che fanno di noi quello che siamo
03:57
as far as gene code inside each of your cells,
68
237000
3000
per quello che riguarda il codice genetico all'interno delle cellule,
04:00
and this little amoeba which, you know,
69
240000
3000
mentre questa piccola ameba, che come sapete
04:03
sits in water in hundreds and millions and billions,
70
243000
2000
se ne sta in acqua insieme a milioni e miliardi di altre,
04:06
turns out to have 620 billion base pairs of gene code inside.
71
246000
6000
si scopre che ha dentro 620 miliardi di coppie di basi di codice genetico.
04:12
So, this little thingamajig has a genome
72
252000
3000
Quindi questo piccolo schizzetto ha un genoma
04:15
that's 200 times the size of yours.
73
255000
2000
che è 200 volte più grande del nostro.
04:18
And if you're thinking of efficient information storage mechanisms,
74
258000
3000
E se cercate modi efficienti per immagazzinare le informazioni,
04:22
it may not turn out to be chips.
75
262000
2000
la risposta potrebbe non essere il classico chip.
04:25
It may turn out to be something that looks a little like that amoeba.
76
265000
4000
Potremmo scoprire che è qualcosa che assomiglia a quella piccola ameba.
04:29
And, again, we're learning from life and how life works.
77
269000
4000
Di nuovo, stiamo imparando dalla vita e come la vita funziona.
04:33
This funky little thing: people didn't used to think
78
273000
4000
Questo piccolo cosetto: nessuno pensava
04:37
that it was worth taking samples out of nuclear reactors
79
277000
3000
che valesse la pena prendere dei campioni all'interno dei reattori nucleari
04:40
because it was dangerous and, of course, nothing lived there.
80
280000
3000
perché era pericoloso e, ovviamente, niente poteva viverci.
04:43
And then finally somebody picked up a microscope
81
283000
3000
Alla fine qualcuno ha preso un microscopio
04:46
and looked at the water that was sitting next to the cores.
82
286000
3000
ed ha osservato l'acqua che si trovava vicino ai noccioli.
04:49
And sitting next to that water in the cores
83
289000
2000
E proprio nell'acqua vicino ai noccioli
04:51
was this little Deinococcus radiodurans, doing a backstroke,
84
291000
3000
abbiamo trovato il Deinococcus Radiodurans, che nuotava tranquillo
04:54
having its chromosomes blown apart every day,
85
294000
2000
mentre i suoi cromosomi venivano fatti esplodere tutti i giorni,
04:56
six, seven times, restitching them,
86
296000
3000
sei, sette volte, riparandoli,
04:59
living in about 200 times the radiation that would kill you.
87
299000
2000
e vivendo in 200 volte le radiazioni che ucciderebbero ognuno di noi.
05:02
And by now you should be getting a hint as to how diverse
88
302000
3000
A questo punto dovreste aver cominciato a capire quanto diverso,
05:05
and how important and how interesting this journey into life is,
89
305000
2000
quanto importante e quanto interessante sia questo viaggio dentro la vita,
05:07
and how many different life forms there are,
90
307000
3000
e quante diverse forme di vita ci siano,
05:10
and how there can be different life forms living in
91
310000
3000
e come ci potrebbero essere diverse forme di vita che si trovano
05:13
very different places, maybe even outside of this planet.
92
313000
3000
in posti molto diversi, forse addirittura al di fuori di questo pianeta.
05:17
Because if you can live in radiation that looks like this,
93
317000
2000
Se qualcosa può vivere in radiazioni di questo tipo,
05:19
that brings up a whole series of interesting questions.
94
319000
3000
questo fa nascere tutta una serie di domande interessanti.
05:23
This little thingamajig: we didn't know this thingamajig existed.
95
323000
3000
Questo piccolo affarino: non sapevamo che questo affarino esistesse.
05:27
We should have known that this existed
96
327000
2000
Avremmo dovuto sapere che esisteva
05:29
because this is the only bacteria that you can see to the naked eye.
97
329000
3000
perché questo è l'unico batterio visibile ad occhio nudo.
05:32
So, this thing is 0.75 millimeters.
98
332000
3000
E' lungo circa 0,75 millimetri.
05:35
It lives in a deep trench off the coast of Namibia.
99
335000
2000
Vive in una fossa profonda al largo della Namibia.
05:38
And what you're looking at with this namibiensis
100
338000
2000
Quello che state guardando, questo namibiensis,
05:40
is the biggest bacteria we've ever seen.
101
340000
2000
è il batterio più grande che abbiamo mai visto.
05:42
So, it's about the size of a little period on a sentence.
102
342000
3000
E' più o meno delle stesse dimensioni del punto alla fine di una frase.
05:46
Again, we didn't know this thing was there three years ago.
103
346000
4000
E non sapevamo che esistesse, tre anni fa.
05:50
We're just beginning this journey of life in the new zoo.
104
350000
3000
Stiamo solo cominciando il viaggio della vita nel nuovo zoo.
05:54
This is a really odd one. This is Ferroplasma.
105
354000
3000
Questo è un organismo molto strano. Si chiama Ferroplasma.
05:58
The reason why Ferroplasma is interesting is because it eats iron,
106
358000
3000
Ciò che rende il Ferroplasma interessante è il fatto che mangi ferro,
06:02
lives inside the equivalent of battery acid,
107
362000
3000
viva in quello che in pratica è acido per batterie,
06:06
and excretes sulfuric acid.
108
366000
2000
ed espella acido solforico.
06:10
So, when you think of odd life forms,
109
370000
2000
Quindi quando pensate a forme di vita strane,
06:12
when you think of what it takes to live,
110
372000
3000
quando pensate a cosa serve per vivere,
06:16
it turns out this is a very efficient life form,
111
376000
2000
scopriamo che questa è una forma di vita molto efficiente,
06:18
and they call it an archaea. Archaea means "the ancient ones."
112
378000
4000
e viene chiamata archaea. Archaea vuol dire "gli antichi".
06:22
And the reason why they're ancient is because this thing came up
113
382000
4000
La ragione per cui sono antichi è che questo organismo è nato
06:26
when this planet was covered
114
386000
2000
quando questo pianeta era coperto
06:28
by things like sulfuric acid in batteries,
115
388000
1000
da cose come l'acido solforico nelle batterie,
06:29
and it was eating iron when the earth was part of a melted core.
116
389000
4000
e stava mangiando ferro mentre la terra era ancora allo stato liquido.
06:34
So, it's not just dogs and cats and whales and dolphins
117
394000
4000
Quindi non sono solo cani, gatti, balene e delfini
06:38
that you should be aware of and interested in on this little journey.
118
398000
4000
a cui dovreste prestare attenzione ed interesse durante questo viaggio.
06:42
Your fear should be that you are not,
119
402000
3000
Dovreste aver paura di non prestarne abbastanza,
06:45
that you're paying attention to stuff which is temporal.
120
405000
3000
o di prestare attenzione a cose che sono temporanee.
06:48
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
408000
5000
Voglio dire... George Bush prima o poi se ne andrà, giusto? La vita no.
06:54
Whether the humans survive or don't survive,
122
414000
3000
Che gli esseri umani sopravvivano o no,
06:57
these things are going to be living on this planet or other planets.
123
417000
3000
questi organismi vivranno su questo pianeta o su qualche altro.
07:00
And it's just beginning to understand this code of DNA
124
420000
4000
Ed è il semplice fatto di cominciare a capire il codice del DNA
07:04
that's really the most exciting intellectual adventure
125
424000
3000
ad essere la più entusiasmante avventura intellettuale
07:07
that we've ever been on.
126
427000
3000
che potremo mai vivere.
07:10
And you can do strange things with this stuff. This is a baby gaur.
127
430000
4000
Si possono fare cose strane con questa roba. Questo è un cucciolo di gaur.
07:14
Conservation group gets together,
128
434000
2000
Un gruppo di conservazionisti unisce gli sforzi
07:16
tries to figure out how to breed an animal that's almost extinct.
129
436000
4000
e cerca un modo per allevare un animale che è quasi estinto.
07:21
They can't do it naturally, so what they do with this thing is
130
441000
3000
Non si può fare in modo naturale, quindi quello che fanno è
07:24
they take a spoon, take some cells out of an adult gaur's mouth, code,
131
444000
5000
prendere un cucchiaio, prendere cellule dalla bocca di un gaur adulto, codificare,
07:30
take the cells from that and insert it into a fertilized cow's egg,
132
450000
4000
prendere quelle cellule ed inserirle nell'ovulo fecondato di una mucca,
07:35
reprogram cow's egg -- different gene code.
133
455000
3000
riprogrammare l'ovulo di mucca - diverso codice genetico.
07:39
When you do that, the cow gives birth to a gaur.
134
459000
4000
Quando fate questo, la mucca fa nascere un gaur.
07:44
We are now experimenting with bongos, pandas, elands, Sumatran tigers,
135
464000
6000
Sono in corso esperimenti con i bongo, i panda, gli eland, le tigri di Sumatra,
07:50
and the Australians -- bless their hearts --
136
470000
3000
e gli australiani, fantastici come sempre,
07:53
are playing with these things.
137
473000
1000
stanno giocando con queste cose.
07:54
Now, the last of these things died in September 1936.
138
474000
4000
Gli ultimi esemplari di questi sono morti nel settembre del 1936.
07:58
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
478000
4000
Queste sono tigri della Tasmania. L'ultimo esemplare conosciuto è morto all'Hobart Zoo.
08:02
But it turns out that as we learn more about gene code
140
482000
3000
La realtà è che se impariamo abbastanza sul codice genetico
08:05
and how to reprogram species,
141
485000
2000
e su come riprogrammare le specie,
08:07
we may be able to close the gene gaps in deteriorate DNA.
142
487000
5000
potremmo essere in grado di riempire le interruzioni nel DNA deteriorato.
08:12
And when we learn how to close the gene gaps,
143
492000
3000
E quando avremo imparato a riempire quelle interruzioni
08:15
then we can put a full string of DNA together.
144
495000
2000
potremo assemblare un'intera catena di DNA.
08:18
And if we do that, and insert this into a fertilized wolf's egg,
145
498000
4000
Se lo facessimo, e la inserissimo in un ovulo fecondato di lupo,
08:23
we may give birth to an animal
146
503000
2000
potremmo far rinascere un animale
08:25
that hasn't walked the earth since 1936.
147
505000
2000
che non cammina sulla Terra dal 1936.
08:28
And then you can start going back further,
148
508000
2000
A quel punto possiamo tornare ancora più indietro,
08:30
and you can start thinking about dodos,
149
510000
2000
e cominciare a pensare ai dodo,
08:33
and you can think about other species.
150
513000
1000
oppure possiamo pensare ad altre specie.
08:35
And in other places, like Maryland, they're trying to figure out
151
515000
3000
In altri luoghi, come il Maryland, stanno cercando di capire
08:38
what the primordial ancestor is.
152
518000
2000
qual è l'antenato primordiale.
08:40
Because each of us contains our entire gene code
153
520000
3000
Visto che ognuno di noi contiene l'intero codice genetico
08:43
of where we've been for the past billion years,
154
523000
3000
di dove siamo stati per i miliardi di anni passati,
08:46
because we've evolved from that stuff,
155
526000
2000
e dato che la nostra evoluzione comincia da lì,
08:48
you can take that tree of life and collapse it back,
156
528000
2000
possiamo prendere quell'albero genealogico e riportarlo indietro,
08:50
and in the measure that you learn to reprogram,
157
530000
3000
e fintanto che impariamo a riprogrammare,
08:53
maybe we'll give birth to something
158
533000
2000
forse riusciremo a far rinascere qualcosa
08:55
that is very close to the first primordial ooze.
159
535000
2000
di molto simile alla vita nel brodo primordiale.
08:57
And it's all coming out of things that look like this.
160
537000
2000
Tutto questo sta nascendo da cose come questa.
08:59
These are companies that didn't exist five years ago.
161
539000
2000
Queste compagnie non esistevano 5 anni fa.
09:01
Huge gene sequencing facilities the size of football fields.
162
541000
4000
Enormi impianti per il sequenziamento dei geni, grandi come campi da calcio.
09:05
Some are public. Some are private.
163
545000
2000
Alcuni sono pubblici. Alcuni sono privati.
09:07
It takes about 5 billion dollars to sequence a human being the first time.
164
547000
3000
Ci vogliono circa 5 miliardi di dollari per sequenziare un essere umano la prima volta.
09:11
Takes about 3 million dollars the second time.
165
551000
2000
Costa circa 3 milioni di dollari la seconda.
09:13
We will have a 1,000-dollar genome within the next five to eight years.
166
553000
4000
Avremo un genoma completo per 1.000 dollari nel giro di 5 - 8 anni.
09:17
That means each of you will contain on a CD your entire gene code.
167
557000
4000
Questo vuol dire che ognuno di noi potrà avere il suo intero codice genetico su CD.
09:22
And it will be really boring. It will read like this.
168
562000
2000
E sarà incredibilmente noioso. Sarà qualcosa del genere.
09:25
(Laughter)
169
565000
2000
(Risate)
09:27
The really neat thing about this stuff is that's life.
170
567000
2000
La cosa più bella di questa roba è che questa è la vita.
09:29
And Laurie's going to talk about this one a little bit.
171
569000
3000
Laurie parlerà di questo codice più tardi.
09:32
Because if you happen to find this one inside your body,
172
572000
2000
Perché se vi capita di trovarlo all'interno del vostro corpo
09:34
you're in big trouble, because that's the source code for Ebola.
173
574000
2000
siete in guai grossi, perché quello è il codice sorgente dell'Ebola.
09:38
That's one of the deadliest diseases known to humans.
174
578000
2000
E' una delle malattie più mortali mai conosciute dall'uomo.
09:40
But plants work the same way and insects work the same way,
175
580000
2000
Ma le piante funzionano nello stesso modo, anche gli insetti,
09:42
and this apple works the same way.
176
582000
2000
ed anche questa mela funziona nello stesso modo.
09:44
This apple is the same thing as this floppy disk.
177
584000
2000
Questa mela è uguale identica a questo floppy disk.
09:46
Because this thing codes ones and zeros,
178
586000
2000
Questo qui codifica in uno e zero,
09:48
and this thing codes A, T, C, Gs, and it sits up there,
179
588000
2000
e questa codifica in A, T, C, G e se ne sta tranquilla
09:50
absorbing energy on a tree, and one fine day
180
590000
3000
ad assorbire energia su un albero, finché un bel giorno
09:53
it has enough energy to say, execute, and it goes [thump]. Right?
181
593000
4000
ha abbastanza energia per dire "Esegui" ed ecco che parte. Giusto?
09:57
(Laughter)
182
597000
3000
(Risate)
10:00
And when it does that, pushes a .EXE, what it does is,
183
600000
4000
A questo punto apre un file .EXE, che non fa altro che
10:04
it executes the first line of code, which reads just like that,
184
604000
3000
eseguire la prima linea di codice, che ha l'aspetto di
10:07
AATCAGGGACCC, and that means: make a root.
185
607000
3000
AATCAGGGACCC e vuol dire: crea una radice.
10:10
Next line of code: make a stem.
186
610000
2000
Linea di codice successiva: crea un gambo.
10:12
Next line of code, TACGGGG: make a flower that's white,
187
612000
3000
Linea di codice successiva, TACGGGG: crea un fiore che sia bianco,
10:15
that blooms in the spring, that smells like this.
188
615000
3000
che fiorisca in primavera e che abbia questo particolare odore.
10:18
In the measure that you have the code
189
618000
2000
Nella misura in cui abbiamo il codice
10:20
and the measure that you read it --
190
620000
3000
e nella misura in cui siamo in grado di leggerlo...
10:23
and, by the way, the first plant was read two years ago;
191
623000
2000
tra parentesi, la prima pianta è stata letta due anni fa;
10:25
the first human was read two years ago;
192
625000
2000
il primo essere umano è stato letto due anni fa;
10:27
the first insect was read two years ago.
193
627000
2000
il primo insetto è stato letto due anni fa.
10:29
The first thing that we ever read was in 1995:
194
629000
3000
La prima cosa mai letta è del 1995:
10:32
a little bacteria called Haemophilus influenzae.
195
632000
2000
un piccolo batterio chiamato Haemophilus influenzae.
10:35
In the measure that you have the source code, as all of you know,
196
635000
3000
Una volta che abbiamo il codice sorgente, come tutti sapete,
10:38
you can change the source code, and you can reprogram life forms
197
638000
2000
si può cambiare quel codice, e si possono riprogrammare le forme di vita
10:40
so that this little thingy becomes a vaccine,
198
640000
2000
in modo che questo piccoletto diventi un vaccino,
10:42
or this little thingy starts producing biomaterials,
199
642000
3000
oppure che questi piccoletti comincino a produrre biomateriali,
10:45
which is why DuPont is now growing a form of polyester
200
645000
3000
che è il motivo per cui la DuPont sta coltivando nel mais
10:48
that feels like silk in corn.
201
648000
2000
una forma di poliestere che sembra seta.
10:51
This changes all rules. This is life, but we're reprogramming it.
202
651000
5000
Questo cambia tutte le regole. Questa è la vita, ma la stiamo riprogrammando.
10:58
This is what you look like. This is one of your chromosomes.
203
658000
4000
Ecco il nostro aspetto. Questo è uno dei nostri cromosomi.
11:02
And what you can do now is,
204
662000
2000
Ciò che si può fare adesso è
11:04
you can outlay exactly what your chromosome is,
205
664000
3000
creare uno schema preciso di cos'è un cromosoma,
11:07
and what the gene code on that chromosome is right here,
206
667000
3000
qui c'è il codice genetico contenuto in quel cromosoma,
11:10
and what those genes code for, and what animals they code against,
207
670000
3000
l'effetto che quei geni hanno, contro quali tipi di animali agiscono,
11:13
and then you can tie it to the literature.
208
673000
2000
ed alla fine si possono fare collegamenti alla letteratura.
11:15
And in the measure that you can do that, you can go home today,
209
675000
3000
E se si può fare questo, potete andarvene a casa stasera,
11:18
and get on the Internet, and access
210
678000
2000
collegarvi ad Internet, ed entrare
11:20
the world's biggest public library, which is a library of life.
211
680000
3000
nella più grande biblioteca pubblica del mondo, la biblioteca della vita.
11:24
And you can do some pretty strange things
212
684000
2000
E si possono fare cose molto strane,
11:26
because in the same way as you can reprogram this apple,
213
686000
2000
perché nello stesso modo in cui si possono riprogrammare le mele,
11:29
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
689000
2000
se andate nel laboratorio di Cliff Tabin alla Harvard Medical School,
11:32
he's reprogramming chicken embryos to grow more wings.
215
692000
4000
lui sta riprogrammando gli embrioni di pollo in modo che abbiano più ali.
11:38
Why would Cliff be doing that? He doesn't have a restaurant.
216
698000
3000
Perché mai Cliff dovrebbe farlo? Non è il proprietario di un ristorante.
11:41
(Laughter)
217
701000
1000
(Risate)
11:43
The reason why he's reprogramming that animal to have more wings
218
703000
3000
Il motivo per cui sta riprogrammando quel pollo in modo che abbia più ali
11:46
is because when you used to play with lizards as a little child,
219
706000
3000
è che quando giocavamo con le lucertole da bambini,
11:49
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
709000
4000
quando le tiravamo su, a volte la coda si staccava, per poi ricrescere.
11:53
Not so in human beings:
221
713000
3000
Però non succede negli esseri umani:
11:56
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
716000
3000
tagliate via un braccio, tagliate via una gamba, non ricresce.
11:59
But because each of your cells contains your entire gene code,
223
719000
4000
Ma poiché ognuna delle nostre cellule contiene tutto il nostro codice genetico,
12:04
each cell can be reprogrammed, if we don't stop stem cell research
224
724000
4000
ogni cellula può essere riprogrammata, sempre che non fermiamo al ricerca sulle staminali
12:08
and if we don't stop genomic research,
225
728000
2000
e non fermiamo la ricerca genomica,
12:10
to express different body functions.
226
730000
3000
per esprimere diverse funzioni del corpo.
12:14
And in the measure that we learn how chickens grow wings,
227
734000
3000
E se riusciamo ad imparare come fanno i polli a far crescere le ali,
12:17
and what the program is for those cells to differentiate,
228
737000
2000
e qual è il programma per far differenziare quelle cellule,
12:19
one of the things we're going to be able to do
229
739000
3000
una delle cose che potremmo essere in grado di fare
12:22
is to stop undifferentiated cells, which you know as cancer,
230
742000
3000
è fermare le cellule indifferenziate, che tutti chiamano cancro,
12:26
and one of the things we're going to learn how to do
231
746000
2000
ed una delle cose che impareremo a fare è
12:28
is how to reprogram cells like stem cells
232
748000
3000
riprogrammare le cellule come le staminali
12:31
in such a way that they express bone, stomach, skin, pancreas.
233
751000
6000
in modo che si sviluppino come ossa, stomaco, pelle, pancreas.
12:38
And you are likely to be wandering around -- and your children --
234
758000
3000
E sarà probabile che voi, ed i vostri figli, andrete in giro
12:41
on regrown body parts in a reasonable period of time,
235
761000
3000
con parti del corpo ricresciute entro un ragionevole periodo di tempo,
12:45
in some places in the world where they don't stop the research.
236
765000
3000
in quei posti del mondo dove non fermeranno la ricerca.
12:50
How's this stuff work? If each of you differs
237
770000
5000
Come funziona questa roba? Se ognuno di voi è diverso
12:55
from the person next to you by one in a thousand, but only three percent codes,
238
775000
3000
dalla persona accanto dell'uno su mille, ma solo del 3% del codice,
12:58
which means it's only one in a thousand times three percent,
239
778000
2000
il che vuol dire solo uno su mille per 3 %,
13:00
very small differences in expression and punctuation
240
780000
3000
differenze molto piccole in espressione e punteggiatura
13:03
can make a significant difference. Take a simple declarative sentence.
241
783000
3000
possono fare una differenza significativa. Prendete una semplice frase dichiarativa.
13:08
(Laughter)
242
788000
2000
(Risate)
13:10
Right?
243
790000
1000
Giusto?
13:11
That's perfectly clear. So, men read that sentence,
244
791000
4000
E' perfettamente chiara. Quindi gli uomini leggono quella frase,
13:15
and they look at that sentence, and they read this.
245
795000
2000
la guardano e leggono questo.
13:23
Okay?
246
803000
1000
OK?
13:24
Now, women look at that sentence and they say, uh-uh, wrong.
247
804000
4000
Ora, le donne guardano quella frase e... oh oh... sbagliato.
13:28
This is the way it should be seen.
248
808000
2000
Ecco il modo in cui dovrebbe essere letta.
13:32
(Laughter)
249
812000
8000
(Risate)
13:40
That's what your genes are doing.
250
820000
1000
Questo è quello che fanno i geni.
13:41
That's why you differ from this person over here by one in a thousand.
251
821000
5000
Questo è il motivo per cui tu sei diverso da lui dell' uno su mille.
13:46
Right? But, you know, he's reasonably good looking, but...
252
826000
3000
Giusto? Ma sai... lui è abbastanza bello ma...
13:49
I won't go there.
253
829000
2000
Lasciamo perdere.
13:52
You can do this stuff even without changing the punctuation.
254
832000
3000
Si può fare questa cosa anche senza cambiare la punteggiatura.
13:56
You can look at this, right?
255
836000
4000
Voi vedete questo, giusto?
14:00
And they look at the world a little differently.
256
840000
2000
Altri invece guardano il mondo in modo leggermente diverso.
14:02
They look at the same world and they say...
257
842000
2000
Guardano la stessa parola e dicono...
14:04
(Laughter)
258
844000
6000
(Risate)
14:10
That's how the same gene code -- that's why you have 30,000 genes,
259
850000
4000
Ecco come lo stesso codice genetico... ecco perché voi avete 30.000 geni,
14:14
mice have 30,000 genes, husbands have 30,000 genes.
260
854000
3000
i topi hanno 30.000 geni, i mariti hanno 30.000 geni.
14:17
Mice and men are the same. Wives know that, but anyway.
261
857000
3000
Topi e uomini sono uguali. Le mogli lo sanno, ma comunque...
14:21
You can make very small changes in gene code
262
861000
2000
Potete fare cambiamenti molto piccoli nel codice genetico
14:23
and get really different outcomes,
263
863000
2000
ed ottenere risultati realmente differenti,
14:27
even with the same string of letters.
264
867000
2000
anche con la stessa sequenza di lettere.
14:31
That's what your genes are doing every day.
265
871000
2000
Ecco quello che fanno i geni tutti i giorni.
14:34
That's why sometimes a person's genes
266
874000
2000
Ecco perché a volte i geni di una persona
14:36
don't have to change a lot to get cancer.
267
876000
2000
non devono cambiare molto perché compaia il cancro.
14:42
These little chippies, these things are the size of a credit card.
268
882000
4000
Questi piccoli chip, questi sono grandi come una carta di credito.
14:47
They will test any one of you for 60,000 genetic conditions.
269
887000
2000
Possono testare ognuno di noi per 60.000 malattie genetiche.
14:50
That brings up questions of privacy and insurability
270
890000
3000
Fanno nascere problemi di privacy, assicurazione
14:53
and all kinds of stuff, but it also allows us to start going after diseases,
271
893000
2000
e cose del genere, ma ci permettono di cominciare a dare la caccia alle malattie;
14:56
because if you run a person who has leukemia through something like this,
272
896000
3000
se fate un test con questo a qualcuno che soffre di leucemia
15:00
it turns out that three diseases with
273
900000
2000
viene fuori che tre malattie
15:02
completely similar clinical syndromes
274
902000
4000
con storie cliniche praticamente uguali
15:06
are completely different diseases.
275
906000
2000
sono in realtà tre malattie completamente diverse.
15:08
Because in ALL leukemia, that set of genes over there over-expresses.
276
908000
3000
Nella leucemia linfoblastica acuta (ALL) è coinvolto il gruppo di geni in alto.
15:11
In MLL, it's the middle set of genes,
277
911000
2000
Nella leucemia mieloide/linfoide (MLL) è il gruppo in mezzo,
15:13
and in AML, it's the bottom set of genes.
278
913000
2000
in quella mieloide acuta (AML) è il gruppo di geni in basso.
15:15
And if one of those particular things is expressing in your body,
279
915000
5000
E se una di queste particolari condizioni è espressa nel vostro corpo
15:20
then you take Gleevec and you're cured.
280
920000
2000
potete prendere il Gleevec e vi curate.
15:23
If it is not expressing in your body,
281
923000
2000
Se non è espressa nel corpo,
15:25
if you don't have one of those types --
282
925000
2000
cioè se non avete uno di questi tipi...
15:27
a particular one of those types -- don't take Gleevec.
283
927000
3000
uno in particolare di questi tipi... non prendete il Gleevec.
15:30
It won't do anything for you.
284
930000
1000
Non vi servirebbe a niente.
15:32
Same thing with Receptin if you've got breast cancer.
285
932000
2000
Stessa cosa per il Receptin se avete il cancro al seno.
15:35
Don't have an HER-2 receptor? Don't take Receptin.
286
935000
3000
Se non avete un recettore HER-2, non prendete il Receptin.
15:38
Changes the nature of medicine. Changes the predictions of medicine.
287
938000
4000
Cambia la natura della medicina. Cambiano le previsioni della medicina.
15:42
Changes the way medicine works.
288
942000
2000
Cambia il modo in cui la medicina lavora.
15:44
The greatest repository of knowledge when most of us went to college
289
944000
3000
Il più grande pozzo di conoscenza quando la maggior parte di noi era all'università
15:47
was this thing, and it turns out that
290
947000
2000
era questo, ma sembra proprio che
15:49
this is not so important any more.
291
949000
2000
non sia più così importante.
15:51
The U.S. Library of Congress, in terms of its printed volume of data,
292
951000
4000
La U.S. Library of Congress, in termini di volume di materiale stampato,
15:55
contains less data than is coming out of a good genomics company
293
955000
4000
contiene meno informazioni complessive di quelle che escono
15:59
every month on a compound basis.
294
959000
3000
da una buona ditta di ricerca genomica ogni mese.
16:02
Let me say that again: A single genomics company
295
962000
3000
Vorrei ripeterlo: una singola ditta di ricerca genomica
16:05
generates more data in a month, on a compound basis,
296
965000
3000
genera più informazioni in un mese, su base complessiva,
16:08
than is in the printed collections of the Library of Congress.
297
968000
3000
di quelle che sono conservate nelle stampe della biblioteca del Congresso.
16:12
This is what's been powering the U.S. economy. It's Moore's Law.
298
972000
4000
Ecco il motore dell'economia degli Stati Uniti. La legge di Moore.
16:16
So, all of you know that the price of computers halves every 18 months
299
976000
5000
In pratica, il prezzo dei computer si dimezza ogni 18 mesi mentre
16:21
and the power doubles, right?
300
981000
2000
la potenza raddoppia, giusto?
16:23
Except that when you lay that side by side with the speed
301
983000
4000
Però se la mettiamo fianco a fianco con la velocità
16:27
with which gene data's being deposited in GenBank,
302
987000
3000
con cui i dati genetici vengono depositati nella GenBank,
16:30
Moore's Law is right here: it's the blue line.
303
990000
4000
la legge di Moore è qui in basso: la linea blu.
16:35
This is on a log scale, and that's what superexponential growth means.
304
995000
4000
Questo è su scala logaritmica, ed ecco cosa vuol dire una crescita super-esponenziale.
16:39
This is going to push computers to have to grow faster
305
999000
4000
Questo spingerà i computer a crescere molto più in fretta
16:43
than they've been growing, because so far,
306
1003000
2000
di quanto non stiano già facendo perché, fino ad ora,
16:45
there haven't been applications that have been required
307
1005000
3000
non ci sono state applicazioni che abbiano richiesto
16:48
that need to go faster than Moore's Law. This stuff does.
308
1008000
3000
una crescita più veloce della legge di Moore. Questa roba lo richiede.
16:51
And here's an interesting map.
309
1011000
2000
Ecco una mappa interessante.
16:53
This is a map which was finished at the Harvard Business School.
310
1013000
4000
Questa mappa è stata sviluppata alla Harvard Business School.
16:57
One of the really interesting questions is, if all this data's free,
311
1017000
3000
Una delle domande più interessanti è: se tutti questi dati sono gratis,
17:00
who's using it? This is the greatest public library in the world.
312
1020000
4000
chi li sta usando? Questa è la più grande biblioteca pubblica al mondo.
17:04
Well, it turns out that there's about 27 trillion bits
313
1024000
3000
Beh, qui ci sono circa 27 trilioni di bit
17:07
moving inside from the United States to the United States;
314
1027000
3000
che si muovono all'interno degli Stati Uniti;
17:10
about 4.6 trillion is going over to those European countries;
315
1030000
4000
circa 4,6 trilioni se ne vanno verso alcuni paesi europei;
17:14
about 5.5's going to Japan; there's almost no communication
316
1034000
3000
circa 5,5 vanno in Giappone; quasi nessuno scambio in partenza
17:17
between Japan, and nobody else is literate in this stuff.
317
1037000
4000
dal Giappone, e nessun altro ha competenze in questo campo.
17:21
It's free. No one's reading it. They're focusing on the war;
318
1041000
5000
E' gratis. Nessuno lo legge. Si concentrano sulla guerra;
17:26
they're focusing on Bush; they're not interested in life.
319
1046000
2000
si concentrano su Bush; non sono interessati alla vita.
17:29
So, this is what a new map of the world looks like.
320
1049000
2000
Quindi, ecco una nuova mappa del mondo.
17:32
That is the genomically literate world. And that is a problem.
321
1052000
6000
E' il mondo genomicamente-acculturato. Ed è un problema.
17:38
In fact, it's not a genomically literate world.
322
1058000
2000
In realtà, non è un mondo genomicamente-acculturato.
17:40
You can break this out by states.
323
1060000
2000
So può suddividere ancora per stati.
17:42
And you can watch states rise and fall depending on
324
1062000
2000
Possiamo osservare gli stati salire e scendere secondo
17:44
their ability to speak a language of life,
325
1064000
2000
la loro abilità nel parlare la lingua della vita,
17:46
and you can watch New York fall off a cliff,
326
1066000
2000
si può vedere New York cadere nel precipizio,
17:48
and you can watch New Jersey fall off a cliff,
327
1068000
2000
e potete vedere il New Jersey cadere,
17:50
and you can watch the rise of the new empires of intelligence.
328
1070000
3000
e possiamo vedere la nascita di nuovi imperi dell'intelligenza.
17:54
And you can break it out by counties, because it's specific counties.
329
1074000
3000
Si può anche suddividere ulteriormente per province, perché sono specifiche province che contano.
17:57
And if you want to get more specific,
330
1077000
2000
E se volete essere ancora più specifici,
17:59
it's actually specific zip codes.
331
1079000
2000
si può arrivare a specifici CAP.
18:01
(Laughter)
332
1081000
2000
(Risate)
18:03
So, you want to know where life is happening?
333
1083000
3000
Volete vedere dove la vita è in piena attività?
18:06
Well, in Southern California it's happening in 92121. And that's it.
334
1086000
5000
Beh, nella California del sud è nella zona 92121. E basta.
18:12
And that's the triangle between Salk, Scripps, UCSD,
335
1092000
5000
E' il triangolo tra il Salk Institute, lo Scripps e la UCSD
18:17
and it's called Torrey Pines Road.
336
1097000
2000
ed è sulla Torrey Pines Road.
18:19
That means you don't need to be a big nation to be successful;
337
1099000
3000
Questo vuol dire che non bisogna essere una grande nazione per avere successo;
18:22
it means you don't need a lot of people to be successful;
338
1102000
2000
vuol dire che non servono tante persone per avere successo;
18:24
and it means you can move most of the wealth of a country
339
1104000
3000
e vuol dire che si può spostare la maggior parte della ricchezza di una nazione
18:27
in about three or four carefully picked 747s.
340
1107000
3000
in circa tre o quattro 747 attentamente selezionati.
18:31
Same thing in Massachusetts. Looks more spread out but --
341
1111000
4000
Stessa cosa nel Massachusetts. Sembrano un po' più sparsi...
18:35
oh, by the way, the ones that are the same color are contiguous.
342
1115000
3000
ah, tra l'altro, quelli colorati allo stesso modo sono adiacenti.
18:39
What's the net effect of this?
343
1119000
2000
Qual è l'effetto finale di tutto questo?
18:41
In an agricultural society, the difference between
344
1121000
2000
In una società agricola, la differenza tra
18:43
the richest and the poorest,
345
1123000
1000
il più ricco ed il più povero,
18:45
the most productive and the least productive, was five to one. Why?
346
1125000
4000
tra il più produttivo ed il meno produttivo, era di 5 a 1. Come mai?
18:49
Because in agriculture, if you had 10 kids
347
1129000
2000
Perché in agricoltura, se avevi 10 figli,
18:51
and you grow up a little bit earlier and you work a little bit harder,
348
1131000
3000
ti svegliavi un po' prima e lavoravi un po' più duramente,
18:54
you could produce about five times more wealth, on average,
349
1134000
2000
potevi produrre circa 5 volte più ricchezza, in media,
18:56
than your neighbor.
350
1136000
1000
del tuo vicino.
18:58
In a knowledge society, that number is now 427 to 1.
351
1138000
3000
In una società della conoscenza, quel numero adesso è 427 a 1.
19:02
It really matters if you're literate, not just in reading and writing
352
1142000
4000
Importa davvero se hai competenze, non solo nel leggere e scrivere,
19:06
in English and French and German,
353
1146000
2000
in inglese, francese e tedesco,
19:08
but in Microsoft and Linux and Apple.
354
1148000
2000
ma in Microsoft, Linux e Apple.
19:11
And very soon it's going to matter if you're literate in life code.
355
1151000
4000
E molto presto sarà importante avere conoscenze nel codice della vita.
19:15
So, if there is something you should fear,
356
1155000
2000
Quindi, se c'è davvero qualcosa di cui dovreste aver paura,
19:17
it's that you're not keeping your eye on the ball.
357
1157000
3000
è di non avere gli occhi ben fissi sul pallone.
19:20
Because it really matters who speaks life.
358
1160000
2000
Perché importa davvero chi parla la lingua della vita.
19:23
That's why nations rise and fall.
359
1163000
2000
E' il motivo per cui le nazioni prosperano o falliscono.
19:26
And it turns out that if you went back to the 1870s,
360
1166000
3000
E viene fuori che se torniamo al 1870,
19:29
the most productive nation on earth was Australia, per person.
361
1169000
3000
la nazione più produttiva al mondo era l'Australia, pro capite.
19:32
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1172000
3000
Ed anche la Nuova Zelanda era là in cima. Poi sono arrivati gli USA intorno al 1950,
19:35
and then Switzerland about 1973, and then the U.S. got back on top --
363
1175000
3000
poi la Svizzera intorno al 1973, poi di nuovo gli USA al vertice...
19:39
beat up their chocolates and cuckoo clocks.
364
1179000
2000
sconfiggendo il loro cioccolato e gli orologi a cucù.
19:43
And today, of course, you all know that the most productive nation
365
1183000
3000
Ed oggi, ovviamente, tutti sapete che la nazione più produttiva al mondo
19:46
on earth is Luxembourg, producing about one third more wealth
366
1186000
3000
è il Lussemburgo, che produce circa un terzo in più della ricchezza
19:49
per person per year than America.
367
1189000
2000
pro capite annuale rispetto agli USA.
19:52
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1192000
4000
Piccolo stato senza sbocchi. Niente petrolio. Niente Diamanti. Niente risorse naturali.
19:56
Just smart people moving bits. Different rules.
369
1196000
5000
Solo persone intelligenti che muovono bit. Regole diverse.
20:02
Here's differential productivity rates.
370
1202000
3000
Questi sono indici di produzione differenziati.
20:06
Here's how many people it takes to produce a single U.S. patent.
371
1206000
3000
Indicano quante persone ci vogliono per produrre un brevetto negli USA.
20:09
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1209000
4000
Circa 3.000 statunitensi, 6.000 coreani, 14.000 inglesi,
20:13
790,000 Argentines. You want to know why Argentina's crashing?
373
1213000
3000
790.000 argentini. Volete sapere perché l'Argentina sta fallendo?
20:16
It's got nothing to do with inflation.
374
1216000
2000
Non ha niente a che fare con l'inflazione.
20:18
It's got nothing to do with privatization.
375
1218000
2000
Non ha niente a che fare con le privatizzazioni.
20:20
You can take a Harvard-educated Ivy League economist,
376
1220000
4000
Potete prendere un economista che ha studiato ad Harvard
20:24
stick him in charge of Argentina. He still crashes the country
377
1224000
3000
e metterlo a capo dell'Argentina. Farà comunque fallire il paese
20:27
because he doesn't understand how the rules have changed.
378
1227000
2000
perché non capisce come sono cambiate le regole.
20:30
Oh, yeah, and it takes about 5.6 million Indians.
379
1230000
3000
Ah, già... e ci vogliono circa 5,6 milioni di indiani.
20:33
Well, watch what happens to India.
380
1233000
2000
Beh, guardate cosa succede in India.
20:35
India and China used to be 40 percent of the global economy
381
1235000
3000
L'India e la Cina una volta costituivano il 40% dell'economia mondiale,
20:38
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1238000
5000
all'inizio della Rivoluzione Industriale, ora sono circa il 4,8%.
20:43
Two billion people. One third of the global population producing 5 percent of the wealth
383
1243000
4000
Due miliardi di persone. Un terzo della popolazione mondiale che produce il 5% della ricchezza
20:47
because they didn't get this change,
384
1247000
3000
perché non hanno afferrato questo cambiamento,
20:50
because they kept treating their people like serfs
385
1250000
2000
perché hanno continuato a trattare i propri cittadini come servi
20:52
instead of like shareholders of a common project.
386
1252000
3000
invece che come azionisti di un progetto comune.
20:56
They didn't keep the people who were educated.
387
1256000
3000
Non hanno trattenuto le persone istruite.
20:59
They didn't foment the businesses. They didn't do the IPOs.
388
1259000
2000
Non hanno sostenuto le imprese. Non hanno quotato le compagnie in borsa.
21:02
Silicon Valley did. And that's why they say
389
1262000
4000
A Silicon Valley l'hanno fatto. Ed ecco perché si dice
21:06
that Silicon Valley has been powered by ICs.
390
1266000
2000
che Silicon Valley è stata alimentata dai CI.
21:09
Not integrated circuits: Indians and Chinese.
391
1269000
3000
Non circuiti integrati; ma Cinesi e Indiani.
21:12
(Laughter)
392
1272000
4000
(Risate)
21:16
Here's what's happening in the world.
393
1276000
2000
Ecco cosa sta succedendo nel mondo.
21:18
It turns out that if you'd gone to the U.N. in 1950,
394
1278000
3000
Se foste andati all'ONU nel 1950,
21:21
when it was founded, there were 50 countries in this world.
395
1281000
2000
quando è stata fondata, c'erano 50 nazioni nel mondo.
21:23
It turns out there's now about 192.
396
1283000
3000
Ora ce ne sono circa 192.
21:26
Country after country is splitting, seceding, succeeding, failing --
397
1286000
4000
Nazione dopo nazione si divide, si stacca, ha successo, fallisce.
21:31
and it's all getting very fragmented. And this has not stopped.
398
1291000
5000
E tutto sta diventando molto frammentato. E non si sta fermando.
21:36
In the 1990s, these are sovereign states
399
1296000
3000
Negli anni 90... questi sono stati sovrani
21:39
that did not exist before 1990.
400
1299000
2000
che non esistevano prima del 1990.
21:41
And this doesn't include fusions or name changes or changes in flags.
401
1301000
5000
Senza contare fusioni, cambi di nome o cambi di bandiere.
21:46
We're generating about 3.12 states per year.
402
1306000
3000
Stiamo generando circa 3,12 nazioni all'anno.
21:49
People are taking control of their own states,
403
1309000
3000
Le persone prendono il controllo dei loro paesi,
21:52
sometimes for the better and sometimes for the worse.
404
1312000
3000
a volte per il meglio ed altre per il peggio.
21:55
And the really interesting thing is,
405
1315000
2000
La cosa veramente interessante è
21:57
you and your kids are empowered to build great empires,
406
1317000
2000
che voi e i vostri figli avete il potere di costruire grandi imperi,
21:59
and you don't need a lot to do it.
407
1319000
2000
e non serve troppo per farlo.
22:01
(Music)
408
1321000
2000
(Musica)
22:03
And, given that the music is over, I was going to talk
409
1323000
3000
Ora, dato che la musica è finita, stavo per parlarvi
22:06
about how you can use this to generate a lot of wealth,
410
1326000
3000
di come potreste usare tutto questo per generare una grande ricchezza,
22:09
and how code works.
411
1329000
2000
e di come funziona il codice.
22:11
Moderator: Two minutes.
412
1331000
1000
(Moderatore: due minuti.)
22:12
(Laughter)
413
1332000
2000
(Risate)
22:14
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1334000
4000
No, mi fermo qui e proseguiremo l'anno prossimo
22:18
because I don't want to take any of Laurie's time.
415
1338000
2000
perché non voglio rubare del tempo a Laurie.
22:21
But thank you very much.
416
1341000
1000
Ma grazie mille a voi.
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7