The accelerating power of technology | Ray Kurzweil

מתרגם: Ido Dekkers מבקר: Sigal Tifferet

Well, it's great to be here.

ובכן, נפלא להיות כאן.

We've heard a lot about the promise of technology, and the peril.

שמענו רבות על ההבטחות שבטכנולוגיה, כמו גם על הסכנות שבה

I've been quite interested in both.

די התעניינתי בשתי הסוגיות.

If we could convert 0.03 percent

אם היינו יכולים להמיר 0.03 אחוז

of the sunlight that falls on the earth into energy,

מאור השמש הנופל על כדור הארץ לאנרגיה

we could meet all of our projected needs for 2030.

היינו יכולים לספק את כל צרכי האנרגיה הצפויים עד שנת 2030.

We can't do that today because solar panels are heavy,

איננו יכולים לעשות זאת כיום כי פאנלים סולרים כבדים,

expensive and very inefficient.

יקרים ומאוד לא יעילים.

There are nano-engineered designs,

ישנם עיצובי הנדסת-ננו,

which at least have been analyzed theoretically,

שעברו לפחות ניתוח תיאורטי

that show the potential to be very lightweight,

ומראים פוטנציאל להיות מאוד קלים,

very inexpensive, very efficient,

מאוד זולים ומאוד יעילים,

and we'd be able to actually provide all of our energy needs in this renewable way.

ונוכל באמת לספק את כל צרכי האנרגיה שלנו בצורה מתחדשת.

Nano-engineered fuel cells

תאי דלק בהנדסת ננו

could provide the energy where it's needed.

יוכלו לספק את האנרגיה במקום בו היא דרושה.

That's a key trend, which is decentralization,

זוהי מגמת מפתח, ביזור,

moving from centralized nuclear power plants and

מעבר מריכוזיות בתחנות כח גרעיניות

liquid natural gas tankers

ומיכליות גז טבעי נוזלי

to decentralized resources that are environmentally more friendly,

למשאבים מבוזרים ידידותיים יותר לסביבה,

a lot more efficient

יעילים בהרבה

and capable and safe from disruption.

כשירים ובטוחים מהפרעות.

Bono spoke very eloquently,

בונו דיבר ברהיטות רבה,

that we have the tools, for the first time,

על כך שיש לנו, בפעם הראשונה, את הכלים

to address age-old problems of disease and poverty.

לטיפול בבעיות עתיקות היומין של מחלות ועוני.

Most regions of the world are moving in that direction.

רוב איזורי העולם נעים בכיוון זה.

In 1990, in East Asia and the Pacific region,

ב-1990, במזרח אסיה ואיזור האוקיינוס השקט,

there were 500 million people living in poverty --

היו 500 מליון בני אדם שחיו בעוני -

that number now is under 200 million.

המספר הזה היום הוא פחות מ-200 מליון.

The World Bank projects by 2011, it will be under 20 million,

הבנק העולמי מעריך שעד 2011 הוא יהיה מתחת ל-20 מליון,

which is a reduction of 95 percent.

הפחתה של 95 אחוז.

I did enjoy Bono's comment

נהניתי מההערה של בונו

linking Haight-Ashbury to Silicon Valley.

על הקישור בין הייט-אשבורי לעמק הסיליקון.

Being from the Massachusetts high-tech community myself,

בעוד שאני אמנם מקהילת ההיי-טק של מסצ'וסטס

I'd point out that we were hippies also in the 1960s,

הייתי מציין שגם אנחנו היינו היפים בשנות השישים,

although we hung around Harvard Square.

למרות שהסתובבנו סביב כיכר הרווארד.

But we do have the potential to overcome disease and poverty,

אבל אכן יש לנו את הפוטנציאל להתגבר על מחלות ועוני,

and I'm going to talk about those issues, if we have the will.

ואני הולך לדבר על הנושאים הללו, אם יש לנו את הרצון.

Kevin Kelly talked about the acceleration of technology.

קווין קלי דיבר על ההאצה הטכנולוגית.

That's been a strong interest of mine,

זהו תחום עניין רציני שלי,

and a theme that I've developed for some 30 years.

ונושא שפיתחתי בערך 30 שנה.

I realized that my technologies had to make sense when I finished a project.

הגעתי למסקנה שהטכנולוגיות שלי היו צריכות להתקבל על הדעת בזמן סיום הפרויקט.

That invariably, the world was a different place

שבאופן עקבי, העולם היה מקום שונה

when I would introduce a technology.

כשהייתי מציג טכנולוגיה.

And, I noticed that most inventions fail,

ושמתי לב שרוב ההמצאות נכשלות

not because the R&D department can't get it to work --

לא בגלל שמחלקת המחקר והפיתוח לא מצליחה לגרום לזה לעבוד -

if you look at most business plans, they will actually succeed

אם מסתכלים על רוב התכניות העסקיות, הן למעשה יצליחו

if given the opportunity to build what they say they're going to build --

אם תינתן להן ההזדמנות לבנות את מה שהן אמרו שהן הולכות לבנות,

and 90 percent of those projects or more will fail, because the timing is wrong --

ותשעים אחוז מהפרוייקטים האלו יכשלו, בגלל שהתזמון שגוי -

not all the enabling factors will be in place when they're needed.

לא כל הגורמים המאפשרים יהיו במקומם כשיהיו צריכים אותם.

So I began to be an ardent student of technology trends,

אז התחלתי להיות תלמיד נלהב של מגמות טכנולוגיות,

and track where technology would be at different points in time,

ולעקוב אחרי מיקומם של טכנולוגיות בנקודות שונות בזמן,

and began to build the mathematical models of that.

והתחלתי לבנות לזה מודלים מתמטיים.

It's kind of taken on a life of its own.

זה די קיבל חיים משלו,

I've got a group of 10 people that work with me to gather data

יש לי קבוצה של 10 אנשים שעובדים איתי על איסוף נתונים

on key measures of technology in many different areas, and we build models.

של מידות מפתח של טכנולוגיה בהרבה תחומים שונים, ואנחנו בונים מודלים.

And you'll hear people say, well, we can't predict the future.

ותשמעו אנשים אומרים שאנחנו לא יכולים לחזות את העתיד.

And if you ask me,

ואם תשאלו אותי,

will the price of Google be higher or lower than it is today three years from now,

האם המחיר של גוגל יהיה גבוה או נמוך יותר בעוד שלוש שנים,

that's very hard to say.

יהיה מאוד קשה לומר.

Will WiMax CDMA G3

האם WiMax, CDMA, G3

be the wireless standard three years from now? That's hard to say.

יהיו הסטנדרטים האלחוטיים בעוד שלוש שנים? מאוד קשה לומר.

But if you ask me, what will it cost

אבל אם תשאלו אותי, כמה יעלה

for one MIPS of computing in 2010,

MIPS (מליון חישובים בשניה) אחד בשנת 2010,

or the cost to sequence a base pair of DNA in 2012,

או עלות ריצוף זוג בסיסים של DNA ב-2012,

or the cost of sending a megabyte of data wirelessly in 2014,

או עלות שליחה אלחוטית של מגה-בייט ב-2014,

it turns out that those are very predictable.

מסתבר שאלו מאוד צפויים.

There are remarkably smooth exponential curves

ישנן עקומות אקספוננציאליות חלקות באופן יוצא דופן

that govern price performance, capacity, bandwidth.

שמושלות במחירי ביצועים, תכולה ורוחב פס.

And I'm going to show you a small sample of this,

ואני הולך להראות לכם דוגמא קטנה של זה,

but there's really a theoretical reason

אבל ישנה סיבה תאורטית

why technology develops in an exponential fashion.

מדוע טכנולוגיה מתפתחת באופן אקספוננציאלי.

And a lot of people, when they think about the future, think about it linearly.

והרבה אנשים, כשהם חושבים על העתיד, חושבים בצורה לינארית.

They think they're going to continue

הם חושבים שהם ימשיכו

to develop a problem

לפתח בעיה

or address a problem using today's tools,

או לטפל בבעיה תוך שימוש בכלים של היום,

at today's pace of progress,

בקצב ההתקדמות של היום,

and fail to take into consideration this exponential growth.

והם לא מביאים בחשבון את הגידול האקספוננציאלי הזה.

The Genome Project was a controversial project in 1990.

פרויקט הגנום היה שנוי במחלוקת ב-1990.

We had our best Ph.D. students,

היו בו מיטב הדוקטורנטים,

our most advanced equipment around the world,

והציוד הכי מתקדם, בכל העולם,

we got 1/10,000th of the project done,

וסיימנו 1/10,000 של הפרויקט,

so how're we going to get this done in 15 years?

אז איך היינו אמורים לסיים את כולו תוך 15 שנה?

And 10 years into the project,

ועשר שנים לתוך הפרויקט,

the skeptics were still going strong -- says, "You're two-thirds through this project,

המפקפקים היו מאוד נחושים, באומרם "אתם כבר אחרי שני-שליש מהפרויקט,

and you've managed to only sequence

וכל מה שהצלחתם זה לרצף רק

a very tiny percentage of the whole genome."

אחוז מאוד קטן של הגנום כולו."

But it's the nature of exponential growth

אבל זהו הטבע של גידול אקספוננציאלי

that once it reaches the knee of the curve, it explodes.

שברגע שהוא מגיע ל"ברך" של העקומה, הוא מתפוצץ.

Most of the project was done in the last

רוב הפרויקט בוצע

few years of the project.

בשנתיים האחרונות שלו.

It took us 15 years to sequence HIV --

לקח לנו 15 שנה לרצף את וירוס ה-HIV -

we sequenced SARS in 31 days.

ריצפנו את ה-SARS ב-31 יום.

So we are gaining the potential to overcome these problems.

כלומר, היכולות שלנו להתגבר על בעיות מסוג זה גדלות.

I'm going to show you just a few examples

אני הולך להראות לכם רק כמה דוגמאות

of how pervasive this phenomena is.

שמראות כמה נרחבת התופעה הזו.

The actual paradigm-shift rate, the rate of adopting new ideas,

קצב השינוי התפיסתי הממשי, הקצב של אימוץ רעיונות חדשים,

is doubling every decade, according to our models.

מכפיל את עצמו כל עשור, לפי המודלים שלנו.

These are all logarithmic graphs,

כל הגרפים הללו לוגריתמיים,

so as you go up the levels it represents, generally multiplying by factor of 10 or 100.

כך שכשעולים בדרגות התצוגה מוכפלת בפקטור של 10 או 100.

It took us half a century to adopt the telephone,

לקח לנו חצי מאה לאמץ את רעיון הטלפון,

the first virtual-reality technology.

טכנולוגיית המציאות המדומה הראשונה.

Cell phones were adopted in about eight years.

טלפונים סלולריים אומצו בשמונה שנים בערך.

If you put different communication technologies

אם שמים טכנולוגיות תקשורת שונות

on this logarithmic graph,

על תרשים לוגריתמי,

television, radio, telephone

טלויזיה, רדיו, טלפון

were adopted in decades.

אומצו על גבי עשורים.

Recent technologies -- like the PC, the web, cell phones --

טכנולוגיות חדשות - כגון המחשב האישי, הווב, טלפונים סלולריים -

were under a decade.

לקחו פחות מעשור.

Now this is an interesting chart,

עכשיו, הנה שרטוט מעניין,

and this really gets at the fundamental reason why

וכאן ממש נוגעים בסיבה הבסיסית לכך

an evolutionary process -- and both biology and technology are evolutionary processes --

שתהליכים אבולוציוניים - ותהליכים טכנולוגיים, כמו ביולוגיים הם אבולוציוניים -

accelerate.

מאיצים.

They work through interaction -- they create a capability,

הם מתפקדים כתהליכי גומלין - הם יוצרים קיבולת,

and then it uses that capability to bring on the next stage.

ואז מנצלים את הקיבולת שיצרו כדי להביא את השלב הבא.

So the first step in biological evolution,

אז, השלב הראשון באבולוציה הביולוגית,

the evolution of DNA -- actually it was RNA came first --

התפתחות ה-DNA - בעצם זה היה ה-RNA שהופיע קודם -

took billions of years,

לקח מיליארדי שנים,

but then evolution used that information-processing backbone

אבל אז האבולוציה ניצלה את שילדת עיבוד הנתונים הזו

to bring on the next stage.

כדי להביא את השלב הבא.

So the Cambrian Explosion, when all the body plans of the animals were evolved,

אז המפץ הקמבריוני, בו התפתחו כל תבניות הגוף של החיות,

took only 10 million years. It was 200 times faster.

לקח רק 10 מליון שנים. הוא היה מהיר פי 200.

And then evolution used those body plans

ואז האבולוציה השתמשה בתבניות הגוף האלו

to evolve higher cognitive functions,

כדי לפתח תפקודים קוגניטיביים גבוהים,

and biological evolution kept accelerating.

והאבולוציה הביולוגית המשיכה להאיץ.

It's an inherent nature of an evolutionary process.

זוהי תכונה טבעית של תהליכים אבולוציוניים.

So Homo sapiens, the first technology-creating species,

אז הומו ספייאנס, המין הראשון שיצר טכנולוגיה,

the species that combined a cognitive function

המין ששילב תפקוד קוגניטיבי

with an opposable appendage --

עם אגודל נגדי -

and by the way, chimpanzees don't really have a very good opposable thumb --

ודרך אגב, לשיפנזים אין ממש אגודל

so we could actually manipulate our environment with a power grip

כך שיכולנו לתפעל את סביבתנו באמצעות אחיזה

and fine motor coordination,

וקואורדינציה עדינה,

and use our mental models to actually change the world

ושימוש במודלים המחשבתיים שלנו לשנות את העולם

and bring on technology.

ולהביא קדימה את הטכנולוגיה.

But anyway, the evolution of our species took hundreds of thousands of years,

אבל, בכל מקרה, האבולוציה של המין שלנו לקחה מאות אלפי שנים,

and then working through interaction,

ואז, דרך עבודת גומלין,

evolution used, essentially,

אבולוציה בעצם השתמשה

the technology-creating species to bring on the next stage,

בטכנולוגיה ליצירת מינים כדי להגיע אל השלב הבא

which were the first steps in technological evolution.

שהיה בעצם הצעדים הראשונים באבולוציה הטכנולוגית.

And the first step took tens of thousands of years --

והשלב הראשון לקח עשרות אלפי שנים -

stone tools, fire, the wheel -- kept accelerating.

כלי אבן, האש, הגלגל - ההאצה המשיכה.

We always used then the latest generation of technology

תמיד השתמשנו בדור האחרון של הטכנולוגיה

to create the next generation.

כדי ליצור את הדור הבא.

Printing press took a century to be adopted;

אימוץ המצאת הדפוס לקח מאה שנה,

the first computers were designed pen-on-paper -- now we use computers.

המחשבים הראשונים תוכננו עם עט ונייר - היום אנחנו משתמשים במחשבים.

And we've had a continual acceleration of this process.

וחווינו האצה מתמשכת של התהליך.

Now by the way, if you look at this on a linear graph, it looks like everything has just happened,

דרך אגב, אם את מסתכלים על הגרף הליניארי הזה, נראה כאילו הכל קרה ממש עכשיו,

but some observer says, "Well, Kurzweil just put points on this graph

אבל צופה פלוני אומר: "טוב, קורצוויל פשוט שם נקודות על הגרף

that fall on that straight line."

שמסתדרות בקו ישר."

So, I took 15 different lists from key thinkers,

אז, לקחתי 15 רשימות שונות מהוגי מפתח,

like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar

כמו אנציקלופדיה בריטניקה, מוזיאון היסטורית הטבע, לוח השנה הקוסמי של קארל סאגאן

on the same -- and these people were not trying to make my point;

על אותו - ואלו לא היו אנשים שניסו להוכיח את הנקודה שלי,

these were just lists in reference works,

אלו היו רק רשימות של עבודות סימוכין.

and I think that's what they thought the key events were

ואני חושב שזה מה שהם חשבו שהיו אירועי המפתח

in biological evolution and technological evolution.

באבולוציה הביולוגית והטכנולוגית.

And again, it forms the same straight line. You have a little bit of thickening in the line

ושוב, זה מסתדר באותו קו ישר. ישנה קצת התעבות של הקו

because people do have disagreements, what the key points are,

כי קיימת מידה של אי הסכמה בין אנשים, מה הם אירועי המפתח,

there's differences of opinion when agriculture started,

יש חילוקי דעות מתי החלה החקלאות,

or how long the Cambrian Explosion took.

או מתי - כמה זמן נמשך המפץ הקמבריוני.

But you see a very clear trend.

אבל ניתן לראות מגמה מאוד ברורה.

There's a basic, profound acceleration of this evolutionary process.

ישנה האצה בסיסית ועמוקה של התהליך האבולוציוני הזה.

Information technologies double their capacity, price performance, bandwidth,

טכנולוגיות מידע מכפילות את הקיבולת שלהן, מחיר מול ביצועים, רוחב פס,

every year.

כל שנה.

And that's a very profound explosion of exponential growth.

וזה הפיצוץ המעמיק של גידול אקספוננציאלי.

A personal experience, when I was at MIT --

חוויה אישית, כשהייתי ב-MIT

computer taking up about the size of this room,

מחשב שגודלו היה כגודל החדר הזה,

less powerful than the computer in your cell phone.

היה פחות חזק מהמחשב בטלפונים הסלולרים שלכם.

But Moore's Law, which is very often identified with this exponential growth,

אבל חוק מור, שלעיתים קרובות מזוהה עם הגידול האקספוננציאלי הזה,

is just one example of many, because it's basically

הוא רק דוגמא אחת מני רבות, בגלל שזאת

a property of the evolutionary process of technology.

תכונה בסיסית של התהליך האבולוציוני של טכנולוגיה.

I put 49 famous computers on this logarithmic graph --

אם אנחנו - הנחתי 49 מחשבים מפורסמים על הגרף הלוגריתמי הזה -

by the way, a straight line on a logarithmic graph is exponential growth --

דרך אגב, קו ישר בגרף לוגריתמי הוא גידול אקספוננציאלי -

that's another exponential.

זה עוד אקספוננט.

It took us three years to double our price performance of computing in 1900,

לקח לנו שלוש שנים להכפיל מחיר מול ביצועים של מחשבים ב-1900,

two years in the middle; we're now doubling it every one year.

שנתיים באמצע המאה, ועכשיו מוכפל כל שנה.

And that's exponential growth through five different paradigms.

וזאת צמיחה אקספוננציאלית דרך חמש תפיסות שונות.

Moore's Law was just the last part of that,

חוק מור הוא רק החלק האחרון של זה,

where we were shrinking transistors on an integrated circuit,

על מעגל משולב, בו אנחנו מצמקים טרנזיסטורים,

but we had electro-mechanical calculators,

אבל היו לנו מחשבונים אלקטרו-מכניים,

relay-based computers that cracked the German Enigma Code,

מחשבים מבוססי ממסרים שפיצחו את קוד האניגמה,

vacuum tubes in the 1950s predicted the election of Eisenhower,

שפופרות ריק בשנות ה-50 שחזו את בחירתו של אייזנהאואר,

discreet transistors used in the first space flights

טרנזיסטורים דיסקרטיים שהיו בשימוש בטיסות הראשונות לחלל

and then Moore's Law.

ואז חוק מור.

Every time one paradigm ran out of steam,

בכל פעם שלתפיסה אחת נגמר הסוס,

another paradigm came out of left field to continue the exponential growth.

באה תפיסה אחרת, לא קשורה, להמשיך את הגידול האקספוננציאלי.

They were shrinking vacuum tubes, making them smaller and smaller.

בזמנו כיווצו שפופרות ריק, ועשו אותם יותר ויותר קטנות.

That hit a wall. They couldn't shrink them and keep the vacuum.

עד שנתקלו בקיר. אי אפשר היה לכווץ אותם ולשמור על הריק.

Whole different paradigm -- transistors came out of the woodwork.

תפיסה שונה לגמרי - טרנזיסטורים הופיעה פתאום.

In fact, when we see the end of the line for a particular paradigm,

למעשה, כשאנחנו רואים את סוף הדרך של תפיסה מסוימת,

it creates research pressure to create the next paradigm.

נוצר לחץ מחקרי ליצור את התפיסה הבאה.

And because we've been predicting the end of Moore's Law

ומכיוון שאנחנו מנבאים את סופו של חוק מור

for quite a long time -- the first prediction said 2002, until now it says 2022.

כבר זמן לא מועט - הניבוי הראשוני היה 2002, עד שהיום אומרים 2022.

But by the teen years,

אבל עד שנות העשרה,

the features of transistors will be a few atoms in width,

מאפייני הטרנזיסטורים יהיה ברוחב כמה אטומים,

and we won't be able to shrink them any more.

ולא נוכל לכווץ אותם יותר.

That'll be the end of Moore's Law, but it won't be the end of

זה יהיה סופו של חוק מור, אבל זה לא יהיה סופה של

the exponential growth of computing, because chips are flat.

הגדילה האקספוננציאלית של המחשוב מכיוון ששבבים שטוחים.

We live in a three-dimensional world; we might as well use the third dimension.

אנחנו חיים בעולם תלת ממדי, אנחנו יכולים להשתמש גם במימד השלישי.

We will go into the third dimension

אנחנו נכנס לתוך המימד השלישי

and there's been tremendous progress, just in the last few years,

והיתה התקדמות אדירה, תוך מספר שנים מועט,

of getting three-dimensional, self-organizing molecular circuits to work.

בבנייה מוצלחת של מעגלים מולקולריים תלת-מימדיים.

We'll have those ready well before Moore's Law runs out of steam.

אלו יהיו מוכנים הרבה לפני שלחוק מור יגמר הסוס.

Supercomputers -- same thing.

מחשבי על - אותו דבר.

Processor performance on Intel chips,

ביצוע מעבדים על שבבי אינטל,

the average price of a transistor --

המחיר הממוצע של טרנזיסטור -

1968, you could buy one transistor for a dollar.

ב-1968, היה אפשר לקנות אחד בדולר.

You could buy 10 million in 2002.

ב-2002 אפשר לקנות 10 מליון.

It's pretty remarkable how smooth

זה די מדהים כמה התהליך

an exponential process that is.

האקספוננציאלי הזה חלק.

I mean, you'd think this is the result of some tabletop experiment,

כלומר, הייתם חושבים שזאת התוצאה של ניסוי במעבדה,

but this is the result of worldwide chaotic behavior --

אבל זאת תוצאה של התנהגות כאוטית עולמית -

countries accusing each other of dumping products,

מדינות המאשימות אחת את השניה בהצפת מוצרים,

IPOs, bankruptcies, marketing programs.

הנפקות, פשיטות רגל, תכניות שיווקיות.

You would think it would be a very erratic process,

הייתם חושבים שזה יהיה תהליך מאוד בלתי צפוי,

and you have a very smooth

ויש לכם תוצאה מאוד חלקה

outcome of this chaotic process.

של התהליך הכאוטי הזה.

Just as we can't predict

כמו שאיננו יכולים לחזות

what one molecule in a gas will do --

מה מולקולת גז אחת תעשה -

it's hopeless to predict a single molecule --

זה חסר סיכוי לחזות מולקולה אחת -

yet we can predict the properties of the whole gas,

ובכל זאת ניתן לחזות את תכונות הגז הכולל

using thermodynamics, very accurately.

באופן מאוד מדויק, על ידי שימוש בתרמודינמיקה.

It's the same thing here. We can't predict any particular project,

זה אותו דבר. איננו יכולים לחזות פרויקט מסוים,

but the result of this whole worldwide,

אבל התוצאה של התחרות העולמית,

chaotic, unpredictable activity of competition

הכאוטית והלא צפויה הזאת

and the evolutionary process of technology is very predictable.

ושל התהליך האבולוציוני הטכנולוגי, ניתנת מאוד לחיזוי.

And we can predict these trends far into the future.

ואנחנו יכולים לחזות את המגמות הללו אל העתיד הרחוק.

Unlike Gertrude Stein's roses,

שלא כמו הורדים של גרטרוד שטיין,

it's not the case that a transistor is a transistor.

זה לא המקרה שטרנזיסטור הוא טרנזיסטור.

As we make them smaller and less expensive,

ככל שאנחנו מקטינים אותם ומוזילים אותם,

the electrons have less distance to travel.

המרחק אותו צריכים האלקטרונים לעבור קטן.

They're faster, so you've got exponential growth in the speed of transistors,

הם מהירים יותר, כך שמתקבלת צמיחה אקספוננציאלית במהירות טרנזיסטורים,

so the cost of a cycle of one transistor

אז מחירו של מחזור של טרנזיסטור אחד

has been coming down with a halving rate of 1.1 years.

יורד בחצי כל 1.1 שנים.

You add other forms of innovation and processor design,

אם מוסיפים עוד צורות חדשנות ועיצוב מעבדים,

you get a doubling of price performance of computing every one year.

מקבלים הכפלה של מחיר/ביצוע של מחשבים כל שנה.

And that's basically deflation --

וזאת בעצם דפלציה -

50 percent deflation.

דפלציה של 50 אחוז.

And it's not just computers. I mean, it's true of DNA sequencing;

וזה לא רק מחשבים, כלומר, זה נכון לגבי ריצוף DNA,

it's true of brain scanning;

זה נכון לגבי סריקות מוח,

it's true of the World Wide Web. I mean, anything that we can quantify,

זה נכון לגבי הווב. כל דבר שאנחנו יכולים לכמת,

we have hundreds of different measurements

יש לנו מאות מדידות שונות

of different, information-related measurements --

של מדדים תלויי מידע -

capacity, adoption rates --

קיבולת, קצב אימוץ -

and they basically double every 12, 13, 15 months,

והם בבסיסם מוכפלים כל 12, 13, 15 חודשים,

depending on what you're looking at.

תלוי על מה מסתכלים.

In terms of price performance, that's a 40 to 50 percent deflation rate.

מבחינת ביצועים, זהו קצב דפלציה של 40 עד 50 אחוז.

And economists have actually started worrying about that.

וכלכלנים התחילו לדאוג בנוגע לזה.

We had deflation during the Depression,

היתה דפלציה בזמן השפל הגדול,

but that was collapse of the money supply,

אבל זו היתה התמוטטות של אספקת כסף,

collapse of consumer confidence, a completely different phenomena.

התמוטטות של אמון הצרכנים, תופעה אחרת לגמרי.

This is due to greater productivity,

עכשיו זוהי יצרנות גדלה והולכת,

but the economist says, "But there's no way you're going to be able to keep up with that.

אבל הכלכלן אומר "אין סיכוי שתוכל לשמור על הקצב הזה.

If you have 50 percent deflation, people may increase their volume

אם יש דפלציה של 50 אחוז, אנשים יגדילו את נפחם

30, 40 percent, but they won't keep up with it."

ב-30, 40 אחוז אבל לא יוכלו לשמור על הקצב.

But what we're actually seeing is that

אבל מה שאנחנו בעצם רואים זה

we actually more than keep up with it.

שאנחנו אפילו יותר משומרים על הקצב.

We've had 28 percent per year compounded growth in dollars

היתה לנו צמיחה מורכבת של 28 אחוז לשנה בדולרים

in information technology over the last 50 years.

בטכנולוגיית מידע במשך 50 השנים האחרונות.

I mean, people didn't build iPods for 10,000 dollars 10 years ago.

כלומר, אנשים לא בנו אייפודים ב-10,000 דולר לפני 10 שנים.

As the price performance makes new applications feasible,

כשמחיר/ביצוע הופך יישומים חדשים לברי ביצוע,

new applications come to the market.

יישומים חדשים מגיעים לשוק,

And this is a very widespread phenomena.

וזאת תופעה מאוד נפוצה.

Magnetic data storage --

אחסון מידע מגנטי -

that's not Moore's Law, it's shrinking magnetic spots,

זה לא חוק מור, זה כיווץ נקודות מגנטיות,

different engineers, different companies, same exponential process.

מהנדסים שונים, חברות שונות, אותו תהליך אקספוננציאלי.

A key revolution is that we're understanding our own biology

מהפכה חשובה היא שאנחנו מבינים את הביולוגיה של עצמינו

in these information terms.

במונחי המידע האלה.

We're understanding the software programs

אנחנו מבינים את תוכנות המחשב

that make our body run.

שמריצות את גופינו.

These were evolved in very different times --

הן התפתחו בזמנים שונים מאוד --

we'd like to actually change those programs.

והיינו רוצים בעצם לשנות את התוכנות האלה.

One little software program, called the fat insulin receptor gene,

תוכנה אחת קטנה, שנקראת גן השומן והאינסולין,

basically says, "Hold onto every calorie,

אומרת בעיקרון, "תחזיק כל קלוריה,

because the next hunting season may not work out so well."

מפני שבעונת הציד הבאה אולי לא תצליח כל כך."

That was in the interests of the species tens of thousands of years ago.

זה פעל לטובת המין לפני עשרות אלפי שנים.

We'd like to actually turn that program off.

היינו רוצים בעצם לכבות את התוכנית הזו.

They tried that in animals, and these mice ate ravenously

הם ניסו את זה בחיות, והעכברים האלה אכלו ברעב

and remained slim and got the health benefits of being slim.

ונשארו רזים וקיבלו הטבות בריאותיות מלהיות רזים.

They didn't get diabetes; they didn't get heart disease;

הם לא חלו בסוכרת, הם לא חלו במחלות לב,

they lived 20 percent longer; they got the health benefits of caloric restriction

הם חיו 20 אחוז יותר, הם קיבלו את ההטבות הבריאותיות של הגבלת קלוריות

without the restriction.

בלי ההגבלות.

Four or five pharmaceutical companies have noticed this,

ארבע או חמש חברות תרופות הבחינו בזה,

felt that would be

וחשו שזו תהיה

interesting drug for the human market,

תרופה מעניינת לשוק האנושי,

and that's just one of the 30,000 genes

וזה רק אחד מ30000 גנים

that affect our biochemistry.

שמשפיעים על הביוכימיה שלנו.

We were evolved in an era where it wasn't in the interests of people

התפתחנו בעידן בו לא היה אינטרס לאנשים

at the age of most people at this conference, like myself,

בגיל של רוב האנשים בועידה הזו, כמוני,

to live much longer, because we were using up the precious resources

לחיות הרבה יותר, מפני שהשתמשנו במשאבים היקרים

which were better deployed towards the children

שהיו יותר חשובים לילדים

and those caring for them.

ולאלה הנושאים אותם.

So, life -- long lifespans --

אז, חיים -- חיים ארוכים --

like, that is to say, much more than 30 --

כמו, להגיד, הרבה יותר מ30 --

weren't selected for,

לא נבררו,

but we are learning to actually manipulate

אבל למדנו ממש לתפעל

and change these software programs

ולשנות את התוכנות האלה

through the biotechnology revolution.

דרך מהפכת הביוטכנולוגיה.

For example, we can inhibit genes now with RNA interference.

לדוגמה, אנחנו יכולים להשהות גנים עם התערבות בRNA.

There are exciting new forms of gene therapy

יש שיטות חדשות ומלהיבות לרפואת גנים

that overcome the problem of placing the genetic material

שמתגברות על הבעיה של להניח חומר גנטי

in the right place on the chromosome.

במקום הנכון בכרומוזום.

There's actually a -- for the first time now,

למעשה יש -- בפעם הראשונה עכשיו,

something going to human trials, that actually cures pulmonary hypertension --

משהו שעובר לניסויים באדם, שמרפא לחץ דם --

a fatal disease -- using gene therapy.

מחלה קטלנית -- על ידי שימוש בתרפיית גנים.

So we'll have not just designer babies, but designer baby boomers.

אז יהיו לנו לא רק תינוקות מעוצבים, אלא גם בייבי בומרס מעוצבים.

And this technology is also accelerating.

והטכנולוגיה הזו גם מאיצה.

It cost 10 dollars per base pair in 1990,

זה עלה 10 דולר לזוג בסיס ב1990,

then a penny in 2000.

ואז פני ב2000.

It's now under a 10th of a cent.

זה עכשיו פחות מעשירית סנט.

The amount of genetic data --

כמות המידע הגנטי --

basically this shows that smooth exponential growth

בעיקרון זה -- זה מראה שהגידול האקספוננציאלי החלק

doubled every year,

מוכפל כל שנה,

enabling the genome project to be completed.

מה שמאפשר לפרוייקט מיפוי הגנום להיות מושלם.

Another major revolution: the communications revolution.

גילוי גדול נוסף, מהפכת התקשורת.

The price performance, bandwidth, capacity of communications measured many different ways;

ביצועי המחיר, רוחב הפס, קיבולת התקשורת נמדדת בדרכים רבות;

wired, wireless is growing exponentially.

מחווטת, אלחוטית גדלה אקספוננציאלית.

The Internet has been doubling in power and continues to,

האינטרנט הכפיל את כוחו וממשיך כך,

measured many different ways.

נמדד בדרכים רבות.

This is based on the number of hosts.

זה מבוסס על מספר מארחים.

Miniaturization -- we're shrinking the size of technology

הקטנה -- אנחנו מקטינים את גודל הטכנולוגיה

at an exponential rate,

בקצב אקספוננציאלי,

both wired and wireless.

גם מחווטת וגם אלחוטית.

These are some designs from Eric Drexler's book --

אלה כמה עיצובים מהספר של אריק דרקסלר --

which we're now showing are feasible

שעכשיו אנחנו מראים שהם אפשריים

with super-computing simulations,

בהדמיות מחשבי על,

where actually there are scientists building

שם אנשים בעצם בונים

molecule-scale robots.

רובוטים בקנה מידה מולקולרי.

One has one that actually walks with a surprisingly human-like gait,

לאחד יש אחד שהולך בצורת הליכה די אנושית,

that's built out of molecules.

שבנוי ממולקולות.

There are little machines doing things in experimental bases.

יש מכונות קטנות שעושות דברים על בסיס נסיוני.

The most exciting opportunity

ההזדמנות המסעירה מכולן

is actually to go inside the human body

היא בעצם להיכנס לתוך הגוף האנושי

and perform therapeutic and diagnostic functions.

ולבצע פעולות איבחוניות וטיפוליות.

And this is less futuristic than it may sound.

וזה פחות עתידני משזה נשמע.

These things have already been done in animals.

הדברים האלה כבר נעשו בחיות.

There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.

יש מכשיר מהונדס ברמת הננו שמרפא סוכרת מסוג 1. הוא בגודל תא דם.

They put tens of thousands of these

הם שמים מאות אלפים מאלה

in the blood cell -- they tried this in rats --

בכדורית הדם -- הם ניסו את זה בחולדות

it lets insulin out in a controlled fashion,

זה משחרר אינסולין בצורה מבוקרת,

and actually cures type 1 diabetes.

ולמעשה מרפא סוכרת מסוג 1.

What you're watching is a design

מה שאתם רואים זה תכנון

of a robotic red blood cell,

של כדורית דם אדומה רובוטית,

and it does bring up the issue that our biology

וזה מעלה את הנושא שהביולוגיה שלנו

is actually very sub-optimal,

היא למעשה רחוקה מאופטימלית,

even though it's remarkable in its intricacy.

אפילו שהיא מדהימה במורכבות שלה.

Once we understand its principles of operation,

ברגע שנבין את דרך הפעולה העקרונית שלה,

and the pace with which we are reverse-engineering biology is accelerating,

והקצב בו אנחנו לומדים את הביולוגיה מואץ.

we can actually design these things to be

אנחנו יכולים למעשה לתכנן את הדברים האלה להיות

thousands of times more capable.

בעלי יכולת באלפי דרגות יותר.

An analysis of this respirocyte, designed by Rob Freitas,

אנליזה של הרספירוסיט הזה, שתוכנן על ידי רוב פריטס,

indicates if you replace 10 percent of your red blood cells with these robotic versions,

מראה שאם תחליפו 10 אחוז של תאי הדם האדומים שלכם עם הגרסאות הרובוטיות האלה,

you could do an Olympic sprint for 15 minutes without taking a breath.

תוכלו לעשות ספרינט אולימפי למשך 15 דקות בלי לקחת נשימה.

You could sit at the bottom of your pool for four hours --

תוכלו לשבת בתחתית הבריכה למשך ארבע שעות --

so, "Honey, I'm in the pool," will take on a whole new meaning.

אז, "חמודה, אני בבריכה," יקבל משמעות אחרת לחלוטין.

It will be interesting to see what we do in our Olympic trials.

זה יהיה מעניין לראות מה נעשה במבחנים האולימפיים.

Presumably we'll ban them,

כנראה נאסור אותם,

but then we'll have the specter of teenagers in their high schools gyms

אבל אז יהיו לנו רוחות רפאים של תלמידי תיכון באולמות ההתעמלות

routinely out-performing the Olympic athletes.

באופן עיקבי מביאים תוצאות טובות יותר מספורטאים אולימפיים.

Freitas has a design for a robotic white blood cell.

לפריטס יש תכנון לכדורית דם לבנה רובוטית.

These are 2020-circa scenarios,

אלה צפויים באזור 2020,

but they're not as futuristic as it may sound.

אבל הם לא עתידניים כמו שזה נשמע.

There are four major conferences on building blood cell-sized devices;

יש ארבע ועידות שונות לבניית מכשירים בגודל של כדורית דם,

there are many experiments in animals.

יש הרבה ניסויים בחיות.

There's actually one going into human trial,

יש אחד שעובר למעשה לניסוי בבני אדם,

so this is feasible technology.

אז זו טכנולוגיה בהשג יד.

If we come back to our exponential growth of computing,

אם נחזור לצמיחה האקספוננציאלית של המחשוב,

1,000 dollars of computing is now somewhere between an insect and a mouse brain.

אלף דולר של מחשוב שווה ערך היום בין חרק למוח של עכבר.

It will intersect human intelligence

זה יצטלב עם אינטליגנציה אנושית

in terms of capacity in the 2020s,

במונחים של תפוקה בשנות ה20,

but that'll be the hardware side of the equation.

אבל זה יהיה בצד החומרה של המשוואה.

Where will we get the software?

מאיפה נביא את התוכנה?

Well, it turns out we can see inside the human brain,

ובכן, מסתבר שאנחנו יכולים לראות לתוך מוחות אנושיים,

and in fact not surprisingly,

ולמעשה באופן לא מפתיע,

the spatial and temporal resolution of brain scanning is doubling every year.

יכולות סריקת המוח מוכפלות כל שנה.

And with the new generation of scanning tools,

ועם כלי הסריקה מהדור החדש,

for the first time we can actually see

לראשונה אנחנו יכולים לראות

individual inter-neural fibers

סיבים בין ניורונים

and see them processing and signaling in real time --

ולראות אותם מעבדים ומתקשרים בזמן אמת

but then the question is, OK, we can get this data now,

-- ואז השאלה היא, אוקיי, אנחנו יכולים לקבל את המידע הזה עכשיו,

but can we understand it?

אבל האם אנחנו יכולים להבין אותו?

Doug Hofstadter wonders, well, maybe our intelligence

דאג הופסטטר תוהה, ובכן, אולי האינטליגנציה שלנו

just isn't great enough to understand our intelligence,

לא מספיק גבוהה כדי להבין את האינטליגנציה שלנו,

and if we were smarter, well, then our brains would be that much more complicated,

ואם היינו חכמים יותר, ובכן, אז המוחות שלנו היו הרבה יותר מורכבים,

and we'd never catch up to it.

ולעולם לא נגיע לזה.

It turns out that we can understand it.

מסתבר שאנחנו יכולים להבין את זה.

This is a block diagram of

זו דיאגרמת בלוקים של

a model and simulation of the human auditory cortex

מודל והדמיה של אזור השמע האנושי

that actually works quite well --

שבאמת עובד די טוב --

in applying psychoacoustic tests, gets very similar results to human auditory perception.

במעבר מבחנים פסיכואקוסטיים, מקבל תוצאות שי שומות לתפיסה השמיעתית האנושית.

There's another simulation of the cerebellum --

הנה עוד סימולציה של הצרבלום --

that's more than half the neurons in the brain --

זה יותר מחצי מהניורונים במוח --

again, works very similarly to human skill formation.

שוב, עובד דומה מאוד לרכישת יכולות אנושיות.

This is at an early stage, but you can show

זה שלב מוקדם, אבל אפשר להראות

with the exponential growth of the amount of information about the brain

עם הצמיחה האקספוננציאלית של כמות המידע על המוח

and the exponential improvement

והשיפור האקספוננציאלי

in the resolution of brain scanning,

ברזולוצית סריקת המוח,

we will succeed in reverse-engineering the human brain

נצליח להנדס אחורה את המוח האנושי

by the 2020s.

עד שנות ה20.

We've already had very good models and simulation of about 15 regions

כבר היו לנו מודלים וסימולציות די טובות של 15 אזורים

out of the several hundred.

מתוך כמה מאות.

All of this is driving

כל זה דוחף --

exponentially growing economic progress.

קדמה כלכלית שצומחת אקספוננציאלית.

We've had productivity go from 30 dollars to 150 dollars per hour

הפרודוקטיביות עלתה מ30 ל150 דולר לשעה

of labor in the last 50 years.

בעבודה ב50 השנים האחרונות.

E-commerce has been growing exponentially. It's now a trillion dollars.

מסחר אלקטרוני גודל אקספוננציאלית. הוא עכשיו טריליון דולר.

You might wonder, well, wasn't there a boom and a bust?

אולי תתהו, ובכן, לא היה בום ואז ריסוק?

That was strictly a capital-markets phenomena.

זו היתה תופעה שמיוחסת לשוק ההון בלבד.

Wall Street noticed that this was a revolutionary technology, which it was,

וול סטריט הבחינו שזו טכנולוגיה מהפכנית, מה שהיא היתה,

but then six months later, when it hadn't revolutionized all business models,

אבל אז שישה חודשים מאוחר יותר, כשהיא לא הפכה למודל עסקי,

they figured, well, that was wrong,

הם אמרו, ובכן, זו היתה טעות,

and then we had this bust.

ואז היה לנו את הריסוק הזה.

All right, this is a technology

בסדר, זו טכנולוגיה

that we put together using some of the technologies we're involved in.

שחיברנו בעזרת חלק מהטכנולוגיות שאנחנו מעורבים בהן.

This will be a routine feature in a cell phone.

זו תהיה תכונה שכיחה בטלפונים סלולריים.

It would be able to translate from one language to another.

היא תהיה מסוגלת לתרגם משפה אחת לאחרת.

So let me just end with a couple of scenarios.

אז תנו לי רק לסיים עם שני תרחישים.

By 2010 computers will disappear.

עד 2010 מחשבים יעלמו.

They'll be so small, they'll be embedded in our clothing, in our environment.

הם יהיו כל כך קטנים, שהם יוטמעו בבגדים שלנו, בסביבה שלנו.

Images will be written directly to our retina,

תמונות יכתבו ישירות לרשתית שלנו,

providing full-immersion virtual reality,

ויספקו חוויה עוטפת של מציאות מדומה,

augmented real reality. We'll be interacting with virtual personalities.

מציאות אמיתית מרובדת. אנחנו נתקשר עם ישויות וירטואליות.

But if we go to 2029, we really have the full maturity of these trends,

אבל אם נרחיק ל2029, באמת נגיע להבשלה המלאה של הטרנדים האלה,

and you have to appreciate how many turns of the screw

ואתם צריכים להעריך כמה סיבובים של הבורג

in terms of generations of technology, which are getting faster and faster, we'll have at that point.

במונחים של דורות של טכנולוגיה שמגיעים מהר יותר ויותר יהיו לנו בנקודה ההיא.

I mean, we will have two-to-the-25th-power

אני מתכוון, יהיה לנו 2 בחזקת 25

greater price performance, capacity and bandwidth

יותר יחס עלות ביצועים, נפח ורוחב פס

of these technologies, which is pretty phenomenal.

מהטכנולוגיות האלה, שזה די מדהים.

It'll be millions of times more powerful than it is today.

זה יהיה מיליוני פעמים יותר חזק משזה היום.

We'll have completed the reverse-engineering of the human brain,

נשלים את ההנדסה לאחור של המוח האנושי,

1,000 dollars of computing will be far more powerful

מחשבים -- 1000 דולר של כוח מחשוב יהיו הרבה יותר חזקים

than the human brain in terms of basic raw capacity.

מהמוח האנושי במונחים של קיבולת בסיסית.

Computers will combine

מחשבים ישלבו

the subtle pan-recognition powers

את כוח ההבחנה

of human intelligence with ways in which machines are already superior,

של האינטליגנציה האנושית עם דרכים בהם מכונות כבר עליונות יותר,

in terms of doing analytic thinking,

במונחים של חשיבה אנליטית,

remembering billions of facts accurately.

זיכרון של מיליארדי עובדות בדיוק.

Machines can share their knowledge very quickly.

מכונות יכולות לחלוק את הידע מאוד מהר.

But it's not just an alien invasion of intelligent machines.

אבל זו לא רק פלישה חייזרית של מכונות חכמות.

We are going to merge with our technology.

אנחנו עומדים להתמזג עם הטכנולוגיה.

These nano-bots I mentioned

הננובוטים האלה שהזכרתי

will first be used for medical and health applications:

יהיו בשימוש ראשית לצרכים רפואיים ובריאותיים:

cleaning up the environment, providing powerful fuel cells

לנקות את הסביבה, לספק דלק -- תאי דלק חזקים

and widely distributed decentralized solar panels and so on in the environment.

ופאנלים סולריים מבוזרים ועוד בסביבה.

But they'll also go inside our brain,

אבל הם גם יכנסו לתוך המוח שלנו,

interact with our biological neurons.

ויתקשרו עם הניורונים הביולוגיים.

We've demonstrated the key principles of being able to do this.

הדגמנו את העקרונות הבסיסיים של היכולת לעשות את זה.

So, for example,

אז, לדוגמה,

full-immersion virtual reality from within the nervous system,

מציאות מדומה עוטפת מתוך מערכת העצבים,

the nano-bots shut down the signals coming from your real senses,

הננובוטים יכבו את הסיגנל המגיע מחושי הראיה שלנו,

replace them with the signals that your brain would be receiving

ויחליפו אותם עם סיגנלים שהמוח שלכם היה מקבל

if you were in the virtual environment,

אם הייתם בתוך הסביבה הוירטואלית,

and then it'll feel like you're in that virtual environment.

ואז זה ירגיש כאילו אתם בתוך הסביבה הוירטואלית.

You can go there with other people, have any kind of experience

תוכלו ללכת לשם עם עוד אנשים, ולעבור כל סוג של חוויה

with anyone involving all of the senses.

ולערב את כל החושים.

"Experience beamers," I call them, will put their whole flow of sensory experiences

"מקרני חוויה" אני קורא להם, ישימו את כל זרם החוויה החושית שלהם

in the neurological correlates of their emotions out on the Internet.

במקבילה הניורולוגית לרגשות שלהם באינטרנט.

You can plug in and experience what it's like to be someone else.

תוכלו להתחבר ולחוות מה זה להיות מישהו אחר.

But most importantly,

אבל חשוב יותר,

it'll be a tremendous expansion

זו תהיה הרחבה עצומה

of human intelligence through this direct merger with our technology,

של האינטליגנציה האנושית דרך המיזוג הישיר הזה עם הטכנולוגיה שלנו.

which in some sense we're doing already.

שבמובן מסויים אנחנו כבר עושים.

We routinely do intellectual feats

אנחנו עושים בצורה שגרתית מאמצים אינטלקטואליים

that would be impossible without our technology.

שהיו בלתי אפשריים בלי הטכנולוגיה.

Human life expectancy is expanding. It was 37 in 1800,

אורך החיים האנושי מתארך. הוא היה 37 ב1800,

and with this sort of biotechnology, nano-technology revolutions,

ועם סוג כזה של מהפכות בביוטכנולוגיה, וננו טכנולוגיה,

this will move up very rapidly

זה יעלה במהירות גדולה

in the years ahead.

בשנים הבאות.

My main message is that progress in technology

המסר העיקרי שלי הוא שהקידמה בטכנולוגיה

is exponential, not linear.

היא אקספוננציאלית, לא לינארית.

Many -- even scientists -- assume a linear model,

רבים -- אפילו מדענים -- מניחים מודל לינארי,

so they'll say, "Oh, it'll be hundreds of years

אז הם יגידו, "או, זה יקח מאות שנים

before we have self-replicating nano-technology assembly

עד שתהיה לנו ננו טכנולוגיה שמשכפלת את עצמה

or artificial intelligence."

או אינטיליגנציה מלאכותית."

If you really look at the power of exponential growth,

אם תביטו באמת על הכוח של צמיחה אקספוננציאלית,

you'll see that these things are pretty soon at hand.

תראו שהדברים האלה מאוד קרובים.

And information technology is increasingly encompassing

וטכנולוגית המידע מכילה יותר ויותר

all of our lives, from our music to our manufacturing

את כל חיינו, מהמוזיקה ליצור

to our biology to our energy to materials.

לביולוגיה שלנו לאנרגיה ולחומרים.

We'll be able to manufacture almost anything we need in the 2020s,

נהיה מסוגלים לייצר כמעט כל דבר שנצטרך בשנות ה20,

from information, in very inexpensive raw materials,

ממידע, מחומרי גלם מאוד זולים,

using nano-technology.

על ידי ננו טכנולוגיה.

These are very powerful technologies.

אלה טכנולוגיות חזקות מאוד.

They both empower our promise and our peril.

הן גם מאפשרות את העתיד שלנו וגם מסכנות אותו.

So we have to have the will to apply them to the right problems.

אז צריך להיות לנו הרצון ליישם אותן במקומות הנכונים.

Thank you very much.

תודה רבה לכם

(Applause)

(מחיאות כפיים)