Ray Kurzweil: Get ready for hybrid thinking

530,277 views ・ 2014-06-02

TED


Lai atskaņotu videoklipu, divreiz noklikšķiniet uz zemāk redzamajiem subtitriem angļu valodā.

Translator: Zane Mitrevica Reviewer: Ilze Saukane
00:12
Let me tell you a story.
0
12988
2316
Ļaujiet man izstāstīt jums stāstu,
00:15
It goes back 200 million years.
1
15304
1799
kas sniedzas 200 miljonus gadu senā pagātnē.
00:17
It's a story of the neocortex,
2
17103
1984
Tas ir stāsts par smadzeņu garozu,
00:19
which means "new rind."
3
19087
1974
kas latīņu valodā nozīmē "jaunā miza".
00:21
So in these early mammals,
4
21061
2431
Agrīnajos zīdītājos,
00:23
because only mammals have a neocortex,
5
23492
2055
— jo tikai zīdītājiem ir smadzeņu garoza —
00:25
rodent-like creatures.
6
25547
1664
šajās grauzējiem līdzīgajās būtnēs
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
tā bija pastmarkas lielumā un arī tikpat plāna.
00:30
and was a thin covering around
8
30790
1439
Tā bija plāns apvalks
00:32
their walnut-sized brain,
9
32229
2264
to valrieksta izmēra smadzenēm,
00:34
but it was capable of a new type of thinking.
10
34493
3701
taču tā spēja domāt jaunā veidā.
00:38
Rather than the fixed behaviors
11
38194
1567
Fiksētās uzvedības vietā,
00:39
that non-mammalian animals have,
12
39761
1992
kas piemīt ne-zīdītājiem,
00:41
it could invent new behaviors.
13
41753
2692
šī smadzeņu garoza spēja izgudrot jaunus uzvedības modeļus.
00:44
So a mouse is escaping a predator,
14
44445
2553
Teiksim, pele bēg no plēsēja,
00:46
its path is blocked,
15
46998
1540
tās ceļš ir aizsprostots.
00:48
it'll try to invent a new solution.
16
48538
2129
Tā mēģinās izdomāt izeju no situācijas.
00:50
That may work, it may not,
17
50667
1266
Tas var nostrādāt, var nenostrādāt,
00:51
but if it does, it will remember that
18
51933
1910
bet, ja nostrādās, pele to atcerēsies,
00:53
and have a new behavior,
19
53843
1292
un tai būs jauns rīcības veids,
00:55
and that can actually spread virally
20
55135
1457
un tas var patiesībā strauji izplatīties visā peļu populācijā.
00:56
through the rest of the community.
21
56592
2195
00:58
Another mouse watching this could say,
22
58787
1609
Cita pele, to redzot, teiktu:
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
"Hei, tas bija diezgan atjautīgi — to akmeni apiet."
01:03
and it could adopt a new behavior as well.
24
63100
3725
Un arī šī pele var pārņemt šādu uzvedības modeli.
01:06
Non-mammalian animals
25
66825
1717
Dzīvnieki, kas nebija zīdītāji,
01:08
couldn't do any of those things.
26
68542
1713
nespēja veikt neko no minētā.
01:10
They had fixed behaviors.
27
70255
1215
To rīcība bija fiksēta.
01:11
Now they could learn a new behavior
28
71470
1331
Tie varētu iemācīties jaunu rīcības veidu,
01:12
but not in the course of one lifetime.
29
72801
2576
taču ne vienas paaudzes laikā.
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Iespējams, tūkstoš paaudžu laikā
01:17
it could evolve a new fixed behavior.
31
77144
3330
tie varētu attīstīt jaunu fiksētu rīcības veidu.
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Tas bija pilnīgi pieņemami pirms 200 miljons gadiem.
01:23
The environment changed very slowly.
33
83851
1981
Apkārtējā vide mainījās ļoti lēni.
01:25
It could take 10,000 years for there to be
34
85832
1554
Varēja paiet 10 000 gadu
01:27
a significant environmental change,
35
87386
2092
pirms vide būtiski mainījās,
01:29
and during that period of time
36
89478
1382
un tajā laikā šīs radības
01:30
it would evolve a new behavior.
37
90860
2929
attīstīja jaunu uzvedības modeli.
01:33
Now that went along fine,
38
93789
1521
Viss gāja labi,
01:35
but then something happened.
39
95310
1704
bet tad kaut kas notika.
01:37
Sixty-five million years ago,
40
97014
2246
Pirms 65 miljoniem gadu
01:39
there was a sudden, violent change to the environment.
41
99260
2615
notika pēkšņas, drastiskas vides izmaiņas.
01:41
We call it the Cretaceous extinction event.
42
101875
3505
Mēs to saucam par krīta-terciāra masveida izmiršanu.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Tajā laikā izmira dinozauri.
01:47
that's when 75 percent of the
44
107673
3449
Tajā laikā izmira 75% dzīvnieku un augu sugu,
01:51
animal and plant species went extinct,
45
111122
2746
01:53
and that's when mammals
46
113868
1745
un tajā laikā zīdītāji ieņēma savu ekoloģisko nišu.
01:55
overtook their ecological niche,
47
115613
2152
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
Antropomorfizējot bioloģiskā evolūcija teica:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
"Hm, šī smadzeņu garoza ir diezgan laba lieta,"
02:03
and it began to grow it.
50
123444
1793
un sāka to palielināt.
02:05
And mammals got bigger,
51
125237
1342
Zīdītāji auga lielāki,
02:06
their brains got bigger at an even faster pace,
52
126579
2915
to smadzenes palielinājās vēl ātrāk.
02:09
and the neocortex got bigger even faster than that
53
129494
3807
Smadzeņu garoza palielinājās vēl ātrāk
02:13
and developed these distinctive ridges and folds
54
133301
2929
un attīstīja šīs īpatnējās rievas un krokas,
02:16
basically to increase its surface area.
55
136230
2881
lai palielinātu savas virsmas laukumu.
02:19
If you took the human neocortex
56
139111
1819
Ja jūs ņemtu cilvēka smadzeņu garozu
02:20
and stretched it out,
57
140930
1301
un izstieptu to,
02:22
it's about the size of a table napkin,
58
142231
1713
tā būtu galda salvetes lielumā
02:23
and it's still a thin structure.
59
143944
1306
un joprojām ļoti plāna.
02:25
It's about the thickness of a table napkin.
60
145250
1980
Tā ir galda salvetes biezumā,
02:27
But it has so many convolutions and ridges
61
147230
2497
bet tai ir tik daudz izlocījumu un rievu,
02:29
it's now 80 percent of our brain,
62
149727
3075
ka tā veido 80% mūsu smadzeņu,
02:32
and that's where we do our thinking,
63
152802
2461
un tajā norisinās mūsu domāšana.
02:35
and it's the great sublimator.
64
155263
1761
Tā ir lielisks pārveidotājs.
Mums joprojām ir vecās smadzenes,
02:37
We still have that old brain
65
157024
1114
02:38
that provides our basic drives and motivations,
66
158138
2764
kas nodrošina primārās dziņas un motivāciju,
02:40
but I may have a drive for conquest,
67
160902
2716
bet man var būt dzinulis iekarot,
02:43
and that'll be sublimated by the neocortex
68
163618
2715
un smadzeņu garozā tas tiks pārveidots
02:46
into writing a poem or inventing an app
69
166333
2909
vēlmē uzrakstīt dzejoli vai izgudrot aplikāciju,
02:49
or giving a TED Talk,
70
169242
1509
vai sniegt TED runu.
02:50
and it's really the neocortex that's where
71
170751
3622
Un tieši smadzeņu garozā notiek darbība.
02:54
the action is.
72
174373
1968
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Pirms 50 gadiem es publikācijā aprakstīju,
02:58
describing how I thought the brain worked,
74
178058
1918
kā, pēc manām domām, darbojas smadzenes,
02:59
and I described it as a series of modules.
75
179976
3199
un es to raksturoju kā moduļu sēriju.
03:03
Each module could do things with a pattern.
76
183175
2128
Katrs modulis spēja rīkoties pēc parauga.
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Tas varēja iemācīties paraugu. Tas varēja atcerēties paraugu.
03:08
It could implement a pattern.
78
188049
1407
Tas varēja ieviest paraugu.
03:09
And these modules were organized in hierarchies,
79
189456
2679
Šie moduļi bija sakārtoti hierarhijās,
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
un mēs izveidojām šo hierarhiju paši ar savu domāšanu.
03:15
And there was actually very little to go on
81
195089
3333
Patiesībā pirms 50 gadiem tur nekā daudz nebija.
03:18
50 years ago.
82
198422
1562
03:19
It led me to meet President Johnson.
83
199984
2115
Tas ļāva man satikt prezidentu Džonsonu.
03:22
I've been thinking about this for 50 years,
84
202099
2173
Es par šo esmu domājis 50 gadus,
03:24
and a year and a half ago I came out with the book
85
204272
2828
un pirms pusotra gada
es izdevu grāmatu "Kā radīt prātu",
03:27
"How To Create A Mind,"
86
207100
1265
03:28
which has the same thesis,
87
208365
1613
kas satur to pašu tēzi,
03:29
but now there's a plethora of evidence.
88
209978
2812
bet nu jau ar lērumu pierādījumu.
03:32
The amount of data we're getting about the brain
89
212790
1814
Datu apjoms, ko mēs iegūstam par smadzenēm no neirozinātnes,
03:34
from neuroscience is doubling every year.
90
214604
2203
divkāršojas katru gadu.
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
Telpiskā izšķirtspēja visu veidu smadzeņu skenēšanā
03:39
is doubling every year.
92
219461
2285
divkāršojas katru gadu.
03:41
We can now see inside a living brain
93
221746
1717
Tagad mēs varam ieskatīties dzīvās smadzenēs
03:43
and see individual interneural connections
94
223463
2870
un redzēt atsevišķas starpnervu saites,
03:46
connecting in real time, firing in real time.
95
226333
2703
tām mijiedarbojoties un pārraidot signālus reālajā laikā.
03:49
We can see your brain create your thoughts.
96
229036
2419
Mēs varam redzēt, kā smadzenes veido domas.
03:51
We can see your thoughts create your brain,
97
231455
1575
Mēs varam redzēt, kā domas veido smadzenes,
03:53
which is really key to how it works.
98
233030
1999
kas ir visa notiekošā atslēga.
03:55
So let me describe briefly how it works.
99
235029
2219
Ļaujiet man īsumā aprakstīt, kā tas darbojas!
03:57
I've actually counted these modules.
100
237248
2275
Es esmu saskaitījis šos moduļus.
03:59
We have about 300 million of them,
101
239523
2046
Mums to ir aptuveni 300 miljoni,
04:01
and we create them in these hierarchies.
102
241569
2229
un mēs tos veidojam hierarhijās.
04:03
I'll give you a simple example.
103
243798
2082
Es minēšu vienkāršu piemēru.
04:05
I've got a bunch of modules
104
245880
2805
Man ir moduļi,
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
kas atpazīst šķērssvītru lielajam A burtam,
04:12
and that's all they care about.
106
252088
1914
un tas ir viss, kas tos interesē.
04:14
A beautiful song can play,
107
254002
1578
Var skanēt skaista dziesma,
04:15
a pretty girl could walk by,
108
255580
1434
garām var iet glīta meitene —
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
viņus tas neinteresē.
Toties, ieraugot šķērssvītru lielajam A,
04:19
they get very excited and they say "crossbar,"
110
259860
3021
tie atdzīvojas un saka: "Šķērssvītra!"
04:22
and they put out a high probability
111
262881
2112
Viņi dod spēcīgu signālu izvades aksonam.
04:24
on their output axon.
112
264993
1634
04:26
That goes to the next level,
113
266627
1333
Tas aiziet uz nākamo līmeni,
04:27
and these layers are organized in conceptual levels.
114
267960
2750
un šīs kārtas ir organizētas konceptuālos līmeņos.
04:30
Each is more abstract than the next one,
115
270710
1856
Katrs nākamais ir abstraktāks par iepriekšējo,
04:32
so the next one might say "capital A."
116
272566
2418
tādēļ nākamais varētu sacīt: "Lielais A."
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Augstākā līmenī tas varētu teikt: "Ābols."
04:37
Information flows down also.
118
277875
2167
Informācija plūst arī atpakaļ.
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
Ja ābola pazinējs ir redzējs Ā-B-O-L, tas domās:
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
"Hm, man šķiet, ka varētu sekot S."
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
Un tas nosūtīs signālu lejup visiem S pazinējiem, sakot:
04:48
saying, "Be on the lookout for an E,
122
288761
1619
"Pievērsiet uzmanību S!
04:50
I think one might be coming."
123
290380
1556
Tāds varētu parādīties."
04:51
The E recognizers will lower their threshold
124
291936
2843
S pazinēji samazinās savu aktivizācijas slieksni,
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
un viņi redzēs kādu neskaidru lietu, kas varētu būt S.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Parasti jūs tā nedomātu,
04:58
but we're expecting an E, it's good enough,
127
298214
2009
taču, gaidot S, ar to pietiek.
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
"Jā, es esmu redzējis S."
Un ābolu pazinējs tad saka: "Jā, es esmu redzējis ābolu."
05:02
"Yeah, I've seen an Apple."
129
302040
1728
05:03
Go up another five levels,
130
303768
1746
Pakāpjoties vēl 5 līmeņus augstāk,
05:05
and you're now at a pretty high level
131
305514
1353
jūs nonākat diezgan augstā hierarhijas līmenī,
05:06
of this hierarchy,
132
306867
1569
05:08
and stretch down into the different senses,
133
308436
2353
kas iestiepjas dažādās maņās.
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
Jums varētu būt modulis, kas pazīst konkrētu materiālu,
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
dzird konkrētu balss īpatnību, saož konkrētu smaržu un saka:
05:16
and will say, "My wife has entered the room."
136
316288
2513
"Istabā ienākusi mana sieva."
05:18
Go up another 10 levels, and now you're at
137
318801
1895
Paejot vēl 10 līmeņus augstāk,
05:20
a very high level.
138
320696
1160
jūs nonākat ļoti augstā līmenī.
05:21
You're probably in the frontal cortex,
139
321856
1937
Visticamāk, jūs esat smadzeņu pieres daivā,
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
un tur būs moduļi, kas teiks:
"Tas bija ironiski. Tas ir smieklīgi. Viņa ir glīta."
05:27
That's funny. She's pretty."
141
327560
2370
05:29
You might think that those are more sophisticated,
142
329930
2105
Varētu domāt, ka tie ir smalkāk attīstīti,
05:32
but actually what's more complicated
143
332035
1506
bet patiesībā sarežģītāka ir hierarhija zem tiem.
05:33
is the hierarchy beneath them.
144
333541
2669
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
Kādai 16 gadus vecai meitenei tika veikta smadzeņu operācija,
05:38
and she was conscious because the surgeons
146
338830
2051
un viņa bija pie samaņas,
05:40
wanted to talk to her.
147
340881
1537
jo ķirurgi vēlējās ar viņu sazināties.
05:42
You can do that because there's no pain receptors
148
342418
1822
To varat darīt, jo smadzenēs nav sāpju receptoru.
05:44
in the brain.
149
344240
1038
05:45
And whenever they stimulated particular,
150
345278
1800
Kad viņi stimulēja atsevišķus sīkus punktus viņas smadzeņu garozā,
05:47
very small points on her neocortex,
151
347078
2463
05:49
shown here in red, she would laugh.
152
349541
2665
kas te attēloti sarkanā krāsā,
meitene smējās.
05:52
So at first they thought they were triggering
153
352206
1440
Pirmajā brīdī viņi domāja,
05:53
some kind of laugh reflex,
154
353646
1720
ka aktivizē kādu smieklu refleksu.
05:55
but no, they quickly realized they had found
155
355366
2519
Bet, nē, viņi ātri vien saprata, ka ir atraduši
05:57
the points in her neocortex that detect humor,
156
357885
3044
punktus meitenes smadzeņu garozā,
kas uztver humoru.
06:00
and she just found everything hilarious
157
360929
1969
Viņai likās smieklīgs viss ikreiz, kad ārsti aizskāra šos punktus.
06:02
whenever they stimulated these points.
158
362898
2437
06:05
"You guys are so funny just standing around,"
159
365335
1925
"Jūs esat tik smieklīgi, tā stāvēdami apkārt,"
06:07
was the typical comment,
160
367260
1738
bija tipisks komentārs.
06:08
and they weren't funny,
161
368998
2302
Un viņi nebija smieklīgi,
06:11
not while doing surgery.
162
371300
3247
ne jau operācijas laikā.
06:14
So how are we doing today?
163
374547
4830
Tātad —
kā mums iet tagad?
06:19
Well, computers are actually beginning to master
164
379377
3054
Nu, datori sāk apgūt cilvēku valodu,
06:22
human language with techniques
165
382431
2001
izmantojot metodes,
06:24
that are similar to the neocortex.
166
384432
2867
kas līdzīgas smadzeņu garozai.
06:27
I actually described the algorithm,
167
387299
1514
Es aprakstīju algoritmu,
06:28
which is similar to something called
168
388813
2054
kas līdzinās tā sauktajam hierarhijas slēptajam Markova modelim,
06:30
a hierarchical hidden Markov model,
169
390867
2233
06:33
something I've worked on since the '90s.
170
393100
3241
pie kā es strādāju kopš 90. gadiem.
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
"Jeopardy!" ir plaša dabiskās valodas TV spēle,
06:39
and Watson got a higher score
172
399579
1892
un dators Vatsons ieguva labāku rezultātu
06:41
than the best two players combined.
173
401471
2000
nekā divi labākie spēlētāji kopā.
06:43
It got this query correct:
174
403471
2499
Tas spēja atbildēt uz šādu jautājumu:
06:45
"A long, tiresome speech
175
405970
2085
"Gara, nogurdinoša runa,
06:48
delivered by a frothy pie topping,"
176
408055
2152
kas pasniegta ar putojošu pīrāga virskārtu."
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
Tas ātri atbildēja: "Kas ir bezē spriedelējums?"
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
Dženings un otrs spēlētājs to nesaprata.
06:55
It's a pretty sophisticated example of
179
415638
1926
Tas ir diezgan smalks piemērs tam,
06:57
computers actually understanding human language,
180
417564
1914
ka datori patiešām saprot cilvēku valodu,
06:59
and it actually got its knowledge by reading
181
419478
1652
un tie savas zināšanas iegūst,
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
lasot Vikipēdiju un citas enciklopēdijas.
07:04
Five to 10 years from now,
183
424915
2133
Pēc pieciem, desmit gadiem
07:07
search engines will actually be based on
184
427048
2184
meklētāji būs balstīti
07:09
not just looking for combinations of words and links
185
429232
2794
nevis uz vārdu kombināciju un saikņu meklēšanu,
07:12
but actually understanding,
186
432026
1914
bet uz īstu izpratni,
07:13
reading for understanding the billions of pages
187
433940
2411
tie lasīs miljardiem lappušu tīmeklī un grāmatās, lai saprastu.
07:16
on the web and in books.
188
436351
2733
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
Jums pastaigājoties savā nodabā, pēkšņi parādīsies "Google" logs un teiks:
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
"Atceries, Mērij, pirms mēneša Tu satraucies,
07:24
to me a month ago that your glutathione supplement
191
444781
3019
ka tavs glutationa uztura bagātinātājs
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
nespēj pārvarēt asinsrites—smadzeņu barjeru.
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
Pirms 13 sekundēm klajā nācis jauns pētījums,
07:32
that shows a whole new approach to that
194
452624
1711
kas demonstrē pilnīgi jaunu pieeju
07:34
and a new way to take glutathione.
195
454335
1993
un jaunu veidu, kā uzņemt glutationu.
07:36
Let me summarize it for you."
196
456328
2562
Ļauj man to Tev apkopot."
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
Pēc 20 gadiem mums būs nanoboti,
07:42
because another exponential trend
198
462574
1627
jo vēl viena eksponenciāla tendence ir tehnikas izmēru samazināšanās.
07:44
is the shrinking of technology.
199
464201
1615
07:45
They'll go into our brain
200
465816
2370
Caur kapilāriem tie iekļūs mūsu smadzenēs
07:48
through the capillaries
201
468186
1703
07:49
and basically connect our neocortex
202
469889
2477
un būtībā savienos mūsu smadzeņu garozu
07:52
to a synthetic neocortex in the cloud
203
472366
3185
ar sintētisku smadzeņu garozu "mākonī",
07:55
providing an extension of our neocortex.
204
475551
3591
tādējādi paplašinot mūsu smadzeņu garozu.
07:59
Now today, I mean,
205
479142
1578
Šodien dators ir jūsu telefonā,
08:00
you have a computer in your phone,
206
480720
1530
08:02
but if you need 10,000 computers for a few seconds
207
482250
2754
bet, ja jums uz dažām sekundēm vajag 10 000 datoru,
08:05
to do a complex search,
208
485004
1495
lai veiktu sarežģītu meklēšanu,
08:06
you can access that for a second or two in the cloud.
209
486499
3396
jūs uz vienu vai divām sekundēm varat tādiem piekļūt "mākonī".
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
2030. gados, ja jums vajadzēs papildus smadzeņu garozu,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
jūs varēsiet tai piekļūt "mākonī" taisnā ceļā no savām smadzenēm.
08:15
directly from your brain.
212
495263
1648
08:16
So I'm walking along and I say,
213
496911
1543
Teiksim, es pastaigājos un redzu:
08:18
"Oh, there's Chris Anderson.
214
498454
1363
"Skat, tur ir Kriss Andersons.
08:19
He's coming my way.
215
499817
1525
Viņš nāk uz manu pusi.
08:21
I'd better think of something clever to say.
216
501342
2335
Derētu izdomāt un pateikt kaut ko gudru.
08:23
I've got three seconds.
217
503677
1524
Man ir trīs sekundes laika.
08:25
My 300 million modules in my neocortex
218
505201
3097
300 miljoni moduļu manā smadzeņu garozā
08:28
isn't going to cut it.
219
508298
1240
to nespēs paveikt.
08:29
I need a billion more."
220
509538
1246
Man vajag par miljardu vairāk."
08:30
I'll be able to access that in the cloud.
221
510784
3323
Es tiem varēšu piekļūt "mākonī".
08:34
And our thinking, then, will be a hybrid
222
514107
2812
Un tad mūsu domāšana
būs bioloģiskas un nebioloģiskas domāšanas hibrīds.
08:36
of biological and non-biological thinking,
223
516919
3522
08:40
but the non-biological portion
224
520441
1898
Nebioloģiskā domāšanas daļa
08:42
is subject to my law of accelerating returns.
225
522339
2682
atbilst manam pieaugošās atdeves likumam.
08:45
It will grow exponentially.
226
525021
2239
Tā augs eksponenciāli.
08:47
And remember what happens
227
527260
2016
Un vai atceraties, kas notika iepriekšējā reizē,
08:49
the last time we expanded our neocortex?
228
529276
2645
kad paplašinājām savu smadzeņu garozu?
08:51
That was two million years ago
229
531921
1426
Tas bija pirms 2 miljoniem gadu,
08:53
when we became humanoids
230
533347
1236
kad mēs kļuvām par humanoīdiem
08:54
and developed these large foreheads.
231
534583
1594
un attīstījām šīs lielās pieres.
08:56
Other primates have a slanted brow.
232
536177
2583
Citiem primātiem ir slīpa piere.
08:58
They don't have the frontal cortex.
233
538760
1745
Viņiem nav pieres daivas.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
Bet kvalitatīvi pieres daiva nemaz tik ļoti neatšķiras.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
Tā ir kvantitatīvs smadzeņu garozas paplašinājums,
09:06
but that additional quantity of thinking
236
546933
2703
bet šis papildus domāšanas apjoms
09:09
was the enabling factor for us to take
237
549636
1779
bija priekšnoteikums mūsu kvalitatīvai attīstībai —
09:11
a qualitative leap and invent language
238
551415
3346
valodas un mākslas, un zinātnes, un tehnoloģijas,
09:14
and art and science and technology
239
554761
1967
09:16
and TED conferences.
240
556728
1454
un TED konferenču izgudrošanai.
09:18
No other species has done that.
241
558182
2131
Neviena cita suga to nav paveikusi.
09:20
And so, over the next few decades,
242
560313
2075
Un tuvāko desmitgažu laikā
09:22
we're going to do it again.
243
562388
1760
mēs to izdarīsim vēlreiz.
09:24
We're going to again expand our neocortex,
244
564148
2274
Mēs vēlreiz paplašināsim savu smadzeņu garozu,
09:26
only this time we won't be limited
245
566422
1756
tikai šoreiz mums nebūs arhitektonisku ierobežojumu.
09:28
by a fixed architecture of enclosure.
246
568178
4280
09:32
It'll be expanded without limit.
247
572458
3304
Smadzeņu garoza neierobežoti izpletīsies.
09:35
That additional quantity will again
248
575762
2243
Tās papildus apjoms atkal būs priekšnoteikums
09:38
be the enabling factor for another qualitative leap
249
578005
3005
vēl vienam kvalitatīvam lēcienam
09:41
in culture and technology.
250
581010
1635
kultūrā un tehnoloģijās.
09:42
Thank you very much.
251
582645
2054
Liels paldies!
09:44
(Applause)
252
584699
3086
(Aplausi)
Par šo vietni

Šajā vietnē jūs iepazīstinās ar YouTube videoklipiem, kas noder angļu valodas apguvei. Jūs redzēsiet angļu valodas nodarbības, ko pasniedz augstas klases skolotāji no visas pasaules. Divreiz uzklikšķiniet uz angļu subtitriem, kas redzami katrā video lapā, lai atskaņotu video no turienes. Subtitri ritinās sinhroni ar video atskaņošanu. Ja jums ir kādi komentāri vai pieprasījumi, lūdzu, sazinieties ar mums, izmantojot šo kontaktformu.

https://forms.gle/WvT1wiN1qDtmnspy7