The accelerating power of technology | Ray Kurzweil

308,980 views ・ 2007-01-12

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Rudolf Penninkhof Nagekeken door: Felix Degenaar
00:25
Well, it's great to be here.
0
25000
1000
Nou, het is geweldig om hier te zijn.
00:26
We've heard a lot about the promise of technology, and the peril.
1
26000
5000
We hebben al veel gehoord over de beloftes van technologie, en de gevaren.
00:31
I've been quite interested in both.
2
31000
2000
Ik heb veel interesse in beide kanten.
00:33
If we could convert 0.03 percent
3
33000
4000
Als we 0,03 procent
00:37
of the sunlight that falls on the earth into energy,
4
37000
2000
van het zonlicht dat op aarde valt in energie kunnen omzetten,
00:39
we could meet all of our projected needs for 2030.
5
39000
5000
dan zouden we alle verwachte energie voor 2030 kunnen leveren.
00:44
We can't do that today because solar panels are heavy,
6
44000
3000
We kunnen dat nu nog niet omdat zonnepanelen zwaar zijn,
00:47
expensive and very inefficient.
7
47000
2000
en duur en erg inefficiënt.
00:49
There are nano-engineered designs,
8
49000
3000
Er zijn al ontwerpen op nano-schaal,
00:52
which at least have been analyzed theoretically,
9
52000
2000
die tenminste in theorie goed zijn onderzocht,
00:54
that show the potential to be very lightweight,
10
54000
2000
die de mogelijkheid hebben om heel licht,
00:56
very inexpensive, very efficient,
11
56000
2000
heel goedkoop en heel efficiënt te zijn.
00:58
and we'd be able to actually provide all of our energy needs in this renewable way.
12
58000
4000
En we zouden zo in onze energiebehoefte kunnen voorzien, en duurzaam.
01:02
Nano-engineered fuel cells
13
62000
2000
Nano-schaal brandstofcellen
01:04
could provide the energy where it's needed.
14
64000
3000
zouden de energie daar kunnen leveren waar die nodig is.
01:07
That's a key trend, which is decentralization,
15
67000
2000
Dat is een belangrijke trend, namelijk decentralisatie,
01:09
moving from centralized nuclear power plants and
16
69000
3000
de overgang van kerncentrales en
01:12
liquid natural gas tankers
17
72000
2000
tankers met vloeibaar gas
01:14
to decentralized resources that are environmentally more friendly,
18
74000
4000
naar gedecentraliseerde bronnen die milieuvriendelijker zijn,
01:18
a lot more efficient
19
78000
3000
veel efficiënter
01:21
and capable and safe from disruption.
20
81000
4000
en veel capabeler en storingsvrij.
01:25
Bono spoke very eloquently,
21
85000
2000
Bono heeft er mooi over gesproken;
01:27
that we have the tools, for the first time,
22
87000
4000
dat we nu voor het eerst de middelen hebben,
01:31
to address age-old problems of disease and poverty.
23
91000
4000
om eeuwenoude problemen zoals ziektes en armoede aan te pakken.
01:35
Most regions of the world are moving in that direction.
24
95000
4000
De meeste gebieden in de wereld gaan al de goede kant op.
01:39
In 1990, in East Asia and the Pacific region,
25
99000
4000
In 1990, in Oost-Azië en de Pacific,
01:43
there were 500 million people living in poverty --
26
103000
2000
leefden 500 miljoen mensen in armoede --
01:45
that number now is under 200 million.
27
105000
3000
dat aantal is nu onder de 200 miljoen.
01:48
The World Bank projects by 2011, it will be under 20 million,
28
108000
3000
De wereldbank voorspelt dat het rond 2011 onder de 20 miljoen zal zijn,
01:51
which is a reduction of 95 percent.
29
111000
3000
dat is een daling van 95 procent.
01:54
I did enjoy Bono's comment
30
114000
3000
Ik heb genoten van Bono's opmerking
01:57
linking Haight-Ashbury to Silicon Valley.
31
117000
4000
toen hij een hippie wijk in San Francisco koppelde aan Silicon Valley.
02:01
Being from the Massachusetts high-tech community myself,
32
121000
3000
Aangezien ik zelf uit de Hightech gemeenschap van Massachusetts kom,
02:04
I'd point out that we were hippies also in the 1960s,
33
124000
4000
wil ik er op wijzen dat wij ook hippies waren in de jaren '60,
02:09
although we hung around Harvard Square.
34
129000
3000
hoewel wij rondhingen op het plein van Harvard.
02:12
But we do have the potential to overcome disease and poverty,
35
132000
5000
Maar we hebben de middelen om ziektes en armoede te overwinnen,
02:17
and I'm going to talk about those issues, if we have the will.
36
137000
3000
en ik ga daar ook over spreken, als we de wil daartoe hebben.
02:20
Kevin Kelly talked about the acceleration of technology.
37
140000
3000
Kevin Kelly sprak over het versnellen van de technologie.
02:23
That's been a strong interest of mine,
38
143000
3000
Dat is een sterke interesse van mij,
02:26
and a theme that I've developed for some 30 years.
39
146000
3000
en een thema dat ik al zo'n 30 jaar heb ontwikkeld.
02:29
I realized that my technologies had to make sense when I finished a project.
40
149000
5000
Ik realiseerde me dat mijn technologie zinvol moest zijn als ik een project afrondde.
02:34
That invariably, the world was a different place
41
154000
3000
Omdat ongetwijfeld de wereld zou zijn veranderd
02:37
when I would introduce a technology.
42
157000
2000
als ik een technologie zou introduceren.
02:39
And, I noticed that most inventions fail,
43
159000
2000
En het was me opgevallen dat de meeste uitvindingen mislukken,
02:41
not because the R&D department can't get it to work --
44
161000
3000
niet omdat de R&D afdeling ze niet goed had ontwikkeld --
02:44
if you look at most business plans, they will actually succeed
45
164000
3000
als je kijkt naar de meeste zakelijke plannen, dan zullen ze vaak slagen
02:47
if given the opportunity to build what they say they're going to build --
46
167000
4000
als ze de kans krijgen om te maken wat ze willen gaan maken,
02:51
and 90 percent of those projects or more will fail, because the timing is wrong --
47
171000
3000
maar 90% van die projecten falen, omdat de timing verkeerd is --
02:54
not all the enabling factors will be in place when they're needed.
48
174000
3000
niet alle factoren die een uitvinding rendabel maken zijn aanwezig.
02:57
So I began to be an ardent student of technology trends,
49
177000
4000
Dus ik begon de technologische trends nauwgezet te volgen,
03:01
and track where technology would be at different points in time,
50
181000
3000
en hield bij waar technologie zou zijn op verschillende momenten,
03:04
and began to build the mathematical models of that.
51
184000
3000
en ik ontwikkelde wiskundige modellen daarvoor.
03:07
It's kind of taken on a life of its own.
52
187000
2000
Het is als het ware een eigen leven gaan leiden,
03:09
I've got a group of 10 people that work with me to gather data
53
189000
3000
ik heb nu 10 mensen voor me werken die gegevens verzamelen
03:12
on key measures of technology in many different areas, and we build models.
54
192000
5000
over de technologische maatstaven op vele gebieden, en we maken modellen.
03:17
And you'll hear people say, well, we can't predict the future.
55
197000
3000
En je hoort mensen zeggen, nou, we kunnen de toekomst niet voorspellen.
03:20
And if you ask me,
56
200000
2000
En als je mij vraagt;
03:22
will the price of Google be higher or lower than it is today three years from now,
57
202000
3000
"Zal de prijs van Google over drie jaar hoger of lager zijn dan nu?"
03:25
that's very hard to say.
58
205000
2000
dat is erg moeilijk te bepalen.
03:27
Will WiMax CDMA G3
59
207000
3000
"Zal WiMax CDMA G3
03:30
be the wireless standard three years from now? That's hard to say.
60
210000
2000
de draadloze standaard zijn over drie jaar?" Dat is moeilijk te zeggen.
03:32
But if you ask me, what will it cost
61
212000
2000
Maar als je mij vraagt hoeveel het kost
03:34
for one MIPS of computing in 2010,
62
214000
3000
om een MIPS computerkracht te kopen in 2010,
03:37
or the cost to sequence a base pair of DNA in 2012,
63
217000
3000
of de prijs om een DNA basepaar te sequencen in 2012,
03:40
or the cost of sending a megabyte of data wirelessly in 2014,
64
220000
4000
of de prijs om een megabyte aan data draadloos te versturen in 2014,
03:44
it turns out that those are very predictable.
65
224000
3000
dan blijkt het dat die erg voorspelbaar zijn.
03:47
There are remarkably smooth exponential curves
66
227000
2000
Het zijn opmerkelijk gelijkmatige exponentiële curves
03:49
that govern price performance, capacity, bandwidth.
67
229000
3000
en die bepalen de prijs voor snelheid, capaciteit en bandbreedte.
03:52
And I'm going to show you a small sample of this,
68
232000
2000
En ik zal je hier een klein voorbeeld van laten zien,
03:54
but there's really a theoretical reason
69
234000
2000
maar er is ook een theoretische reden
03:56
why technology develops in an exponential fashion.
70
236000
5000
waarom technologie zich exponentieel ontwikkelt.
04:01
And a lot of people, when they think about the future, think about it linearly.
71
241000
2000
En veel mensen, als ze over de toekomst denken, dan denken ze in een rechte lijn.
04:03
They think they're going to continue
72
243000
2000
Ze denken dat ze zullen doorgaan
04:05
to develop a problem
73
245000
2000
met het ontwikkelen van een probleem
04:07
or address a problem using today's tools,
74
247000
3000
of het bestrijden van een probleem met de middelen van vandaag,
04:10
at today's pace of progress,
75
250000
2000
en met de vooruitgang van vandaag,
04:12
and fail to take into consideration this exponential growth.
76
252000
4000
ze denken niet aan deze exponentiële groei.
04:16
The Genome Project was a controversial project in 1990.
77
256000
3000
Het menselijk genoom project was controversieel in 1990.
04:19
We had our best Ph.D. students,
78
259000
2000
We hadden de beste promovendi,
04:21
our most advanced equipment around the world,
79
261000
2000
de beste apparatuur ter wereld,
04:23
we got 1/10,000th of the project done,
80
263000
2000
maar slechts een tienduizendste deel volbracht.
04:25
so how're we going to get this done in 15 years?
81
265000
2000
Dus hoe zouden we dit klaarspelen in 15 jaar?
04:27
And 10 years into the project,
82
267000
3000
En na 10 jaar van dit project,
04:31
the skeptics were still going strong -- says, "You're two-thirds through this project,
83
271000
2000
hadden de sceptici nog recht van spreken: "Jullie zijn nu op tweederde van het project,
04:33
and you've managed to only sequence
84
273000
2000
en je hebt slechts een heel klein
04:35
a very tiny percentage of the whole genome."
85
275000
3000
percentage van het hele genoom gesequenced."
04:38
But it's the nature of exponential growth
86
278000
2000
Maar dat is de aard van exponentiële groei
04:40
that once it reaches the knee of the curve, it explodes.
87
280000
2000
dat als het eenmaal in de kromme van de grafiek zit, het explodeert.
04:42
Most of the project was done in the last
88
282000
2000
Het grootste deel van het project is gedaan in
04:44
few years of the project.
89
284000
2000
de laatste paar jaar van het project.
04:46
It took us 15 years to sequence HIV --
90
286000
2000
Het duurde 15 jaar om HIV te sequencen --
04:48
we sequenced SARS in 31 days.
91
288000
2000
we hebben SARS in 31 dagen gesequenced.
04:50
So we are gaining the potential to overcome these problems.
92
290000
4000
Dus we ontwikkelen de mogelijkheden om deze problemen aan te kunnen.
04:54
I'm going to show you just a few examples
93
294000
2000
Ik zal u slechts enkele voorbeelden tonen
04:56
of how pervasive this phenomena is.
94
296000
3000
van hoe doordringend dit verschijnsel is.
04:59
The actual paradigm-shift rate, the rate of adopting new ideas,
95
299000
4000
De snelheid waarmee we wisselen van paradigma, waarmee we nieuwe ideeën aannemen
05:03
is doubling every decade, according to our models.
96
303000
3000
verdubbelt elke tien jaar, volgens onze modellen.
05:06
These are all logarithmic graphs,
97
306000
3000
Dit zijn allemaal logaritmische grafieken,
05:09
so as you go up the levels it represents, generally multiplying by factor of 10 or 100.
98
309000
3000
dus de hogere niveaus vertegenwoordigen een factor 10 of 100 hoger.
05:12
It took us half a century to adopt the telephone,
99
312000
3000
Het duurde een halve eeuw om de telefoon te introduceren,
05:15
the first virtual-reality technology.
100
315000
3000
de eerste virtuele-werkelijkheids technologie.
05:18
Cell phones were adopted in about eight years.
101
318000
2000
Mobiele telefoons werden in ongeveer acht jaar geïntroduceerd.
05:20
If you put different communication technologies
102
320000
3000
Als je verschillende communicatie technologieën
05:23
on this logarithmic graph,
103
323000
2000
op deze logaritmische schaal plaatst,
05:25
television, radio, telephone
104
325000
2000
televisie, radio, telefoon
05:27
were adopted in decades.
105
327000
2000
die werden in tientallen jaren geïntroduceerd.
05:29
Recent technologies -- like the PC, the web, cell phones --
106
329000
3000
Recente technologieën -- zoals de PC, het internet, mobieltjes --
05:32
were under a decade.
107
332000
2000
kwamen binnen tien jaar.
05:34
Now this is an interesting chart,
108
334000
2000
Hier is nu een interessante grafiek,
05:36
and this really gets at the fundamental reason why
109
336000
2000
en dit gaat echt over de fundamentele reden waarom
05:38
an evolutionary process -- and both biology and technology are evolutionary processes --
110
338000
4000
een evolutionair proces -- en zowel biologie als technologie zijn evolutionaire processen --
05:42
accelerate.
111
342000
2000
versnellen.
05:44
They work through interaction -- they create a capability,
112
344000
3000
Ze werken door interactie -- ze ontwikkelen een mogelijkheid,
05:47
and then it uses that capability to bring on the next stage.
113
347000
3000
en dan gebruiken ze die mogelijkheid om de volgende stap te zetten.
05:50
So the first step in biological evolution,
114
350000
3000
Dus de eerste stap in biologische evolutie,
05:53
the evolution of DNA -- actually it was RNA came first --
115
353000
2000
de evolutie van DNA -- eigenlijk was RNA er nog eerder --
05:55
took billions of years,
116
355000
2000
duurde miljarden jaren,
05:57
but then evolution used that information-processing backbone
117
357000
3000
maar toen de evolutie eenmaal die basis van informatietechnologie had,
06:00
to bring on the next stage.
118
360000
2000
kon het naar de volgende stap gaan.
06:02
So the Cambrian Explosion, when all the body plans of the animals were evolved,
119
362000
3000
Dus de Cambrische Explosie, toen alle lichaamsvormen van dieren zijn geëvolueerd,
06:05
took only 10 million years. It was 200 times faster.
120
365000
4000
duurde slechts 10 miljoen jaar. Het was 200 keer sneller.
06:09
And then evolution used those body plans
121
369000
2000
En toen maakte de evolutie gebruik van die lichaamsvormen
06:11
to evolve higher cognitive functions,
122
371000
2000
om hogere cognitieve functies te ontwikkelen
06:13
and biological evolution kept accelerating.
123
373000
2000
en de biologische evolutie bleef versnellen.
06:15
It's an inherent nature of an evolutionary process.
124
375000
3000
Het is een eigenschap van een evolutionair proces.
06:18
So Homo sapiens, the first technology-creating species,
125
378000
3000
Dus Homo sapiens, de eerste soort die technologie ontwikkelt,
06:21
the species that combined a cognitive function
126
381000
2000
de soort die een cognitieve functie
06:23
with an opposable appendage --
127
383000
2000
met een opponeerbare duim --
06:25
and by the way, chimpanzees don't really have a very good opposable thumb --
128
385000
4000
en trouwens, chimpansees hebben niet bepaald een goede opponeerbare duim --
06:29
so we could actually manipulate our environment with a power grip
129
389000
2000
waardoor we echt onze omgeving konden manipuleren met een krachtige grip
06:31
and fine motor coordination,
130
391000
2000
en een goede motoriek,
06:33
and use our mental models to actually change the world
131
393000
2000
en onze mentale modellen gebruiken om echt de wereld te veranderen
06:35
and bring on technology.
132
395000
2000
en technologie voort te brengen.
06:37
But anyway, the evolution of our species took hundreds of thousands of years,
133
397000
3000
Maar goed, de evolutie van onze soort heeft honderdduizenden jaren geduurd,
06:40
and then working through interaction,
134
400000
2000
en dan door interactie,
06:42
evolution used, essentially,
135
402000
2000
toegepaste evolutie, in feite,
06:44
the technology-creating species to bring on the next stage,
136
404000
3000
de technologie ontwikkelende soort die de volgende stap zet,
06:47
which were the first steps in technological evolution.
137
407000
3000
dat waren de eerste stappen in technologische evolutie.
06:50
And the first step took tens of thousands of years --
138
410000
3000
En de eerste stappen duurden tienduizenden jaren --
06:53
stone tools, fire, the wheel -- kept accelerating.
139
413000
3000
stenen werktuigen, vuur, het wiel -- het bleef versnellen.
06:56
We always used then the latest generation of technology
140
416000
2000
We gebruikten altijd de nieuwste technologieën
06:58
to create the next generation.
141
418000
2000
om de volgende generatie te maken.
07:00
Printing press took a century to be adopted;
142
420000
2000
De drukpers duurde een eeuw om te introduceren,
07:02
the first computers were designed pen-on-paper -- now we use computers.
143
422000
4000
de eerste computers werden ontworpen met pen en papier, nu gebruiken we computers.
07:06
And we've had a continual acceleration of this process.
144
426000
3000
En er was een continue versnelling van dit proces.
07:09
Now by the way, if you look at this on a linear graph, it looks like everything has just happened,
145
429000
3000
Als je nu hiernaar kijkt op een lineaire grafiek, dan lijkt het alsof alles net gebeurd is,
07:12
but some observer says, "Well, Kurzweil just put points on this graph
146
432000
6000
maar sommige mensen zeggen: "Nou, die Kurzweil heeft alleen punten in de grafiek
07:18
that fall on that straight line."
147
438000
2000
gezet die een rechte lijn vormen."
07:20
So, I took 15 different lists from key thinkers,
148
440000
3000
Dus, ik nam 15 verschillende lijsten aan te pas van vooraanstaande denkers,
07:23
like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar
149
443000
4000
zoals de Encyclopedia Brittannica, the Museum of Natural History en Carl Sagan's kosmische kalender
07:27
on the same -- and these people were not trying to make my point;
150
447000
3000
op dezelfde grafiek -- en deze mensen probeerden niet mijn punt te maken,
07:30
these were just lists in reference works,
151
450000
2000
dit waren slechts lijsten in referenties.
07:32
and I think that's what they thought the key events were
152
452000
3000
En ik denk dat zij dachten dat dat de belangrijkste gebeurtenissen waren
07:35
in biological evolution and technological evolution.
153
455000
3000
in biologische evolutie en technologische evolutie.
07:38
And again, it forms the same straight line. You have a little bit of thickening in the line
154
458000
3000
En nogmaals, het vormt een rechte lijn. De lijn verdikt zich een beetje omdat
07:41
because people do have disagreements, what the key points are,
155
461000
3000
mensen het niet met elkaar eens zijn over wat de belangrijkste gebeurtenissen zijn,
07:44
there's differences of opinion when agriculture started,
156
464000
2000
er zijn meningsverschillen over wanneer de landbouw begon,
07:46
or how long the Cambrian Explosion took.
157
466000
3000
of wanneer -en hoe lang- de Cambrische Explosie plaatsvond.
07:49
But you see a very clear trend.
158
469000
2000
Maar je ziet een heel duidelijke trend.
07:51
There's a basic, profound acceleration of this evolutionary process.
159
471000
5000
Er is een fundamentele, diepgaande versnelling van dit evolutionaire proces.
07:56
Information technologies double their capacity, price performance, bandwidth,
160
476000
5000
Informatietechnologie verdubbelen hun capaciteit, prijs/prestatie, bandbreedte,
08:01
every year.
161
481000
2000
elk jaar.
08:03
And that's a very profound explosion of exponential growth.
162
483000
4000
En dat is een zeer belangrijke explosie van exponentiële groei.
08:07
A personal experience, when I was at MIT --
163
487000
2000
Een persoonlijke ervaring, toen ik aan het MIT was --
08:09
computer taking up about the size of this room,
164
489000
2000
een computer ter grootte van deze kamer,
08:11
less powerful than the computer in your cell phone.
165
491000
5000
minder krachtig dan de computer in uw mobiele telefoon.
08:16
But Moore's Law, which is very often identified with this exponential growth,
166
496000
4000
Maar de wet van Moore, die heel vaak geïdentificeerd word met de exponentiële groei,
08:20
is just one example of many, because it's basically
167
500000
2000
is slechts een voorbeeld van velen, want het is in principe
08:22
a property of the evolutionary process of technology.
168
502000
5000
een eigenschap van het evolutionaire proces van de technologie.
08:27
I put 49 famous computers on this logarithmic graph --
169
507000
3000
Als wij -- ik heb 49 beroemde computers op deze logaritmische grafiek --
08:30
by the way, a straight line on a logarithmic graph is exponential growth --
170
510000
4000
trouwens, een rechte lijn op een logaritmische grafiek is exponentiële groei --
08:34
that's another exponential.
171
514000
2000
dat is een andere exponent.
08:36
It took us three years to double our price performance of computing in 1900,
172
516000
3000
Het kostte ons drie jaar om onze prijs-prestatieverhouding van rekenkracht te verdubbelen in 1900
08:39
two years in the middle; we're now doubling it every one year.
173
519000
3000
twee jaar in het midden van de eeuw, en nu een verdubbeling elk jaar.
08:43
And that's exponential growth through five different paradigms.
174
523000
3000
En dat is exponentiële groei door middel van vijf verschillende paradigma's.
08:46
Moore's Law was just the last part of that,
175
526000
2000
De Wet van Moore was slechts het laatste deel,
08:48
where we were shrinking transistors on an integrated circuit,
176
528000
3000
over een electronisch circuit, waar we transistors steeds kleiner maakten,
08:51
but we had electro-mechanical calculators,
177
531000
3000
maar we hadden elektro-mechanische rekenmachines,
08:54
relay-based computers that cracked the German Enigma Code,
178
534000
2000
relais-computers die de Duitse Enigma-code kraakten,
08:56
vacuum tubes in the 1950s predicted the election of Eisenhower,
179
536000
4000
vacuumbuizen in de jaren '50 de verkiezing van Eisenhower voorspelden,
09:00
discreet transistors used in the first space flights
180
540000
3000
losse transistoren werden gebruikt in de eerste ruimtevluchten
09:03
and then Moore's Law.
181
543000
2000
en dan de wet van Moore.
09:05
Every time one paradigm ran out of steam,
182
545000
2000
Elke keer als een paradigma ophield,
09:07
another paradigm came out of left field to continue the exponential growth.
183
547000
3000
ontwikkelden we een nieuw paradigma om de exponentiële groei voort te zetten.
09:10
They were shrinking vacuum tubes, making them smaller and smaller.
184
550000
3000
Men kromp vacuüm buizen, waardoor ze kleiner en kleiner werden.
09:13
That hit a wall. They couldn't shrink them and keep the vacuum.
185
553000
3000
Dat hield op. Ze konden niet kleiner worden en toch vacuüm blijven.
09:16
Whole different paradigm -- transistors came out of the woodwork.
186
556000
2000
Dus een ander paradigma - transistors deden hun intrede.
09:18
In fact, when we see the end of the line for a particular paradigm,
187
558000
3000
In feite, als we het einde van de lijn voor een bepaald paradigma zien,
09:21
it creates research pressure to create the next paradigm.
188
561000
4000
schept het onderzoeksdruk om de volgende paradigma te creëren.
09:25
And because we've been predicting the end of Moore's Law
189
565000
3000
En omdat we al het einde van Moore's Wet voorspellen
09:28
for quite a long time -- the first prediction said 2002, until now it says 2022.
190
568000
3000
voor heel lange tijd - de eerste voorspelling zei 2002, nu voorspellen ze 2022.
09:31
But by the teen years,
191
571000
3000
Maar in de jaren ´10,
09:34
the features of transistors will be a few atoms in width,
192
574000
3000
zullen transistors maar een paar atomen breed zijn,
09:37
and we won't be able to shrink them any more.
193
577000
2000
en wij kunnen ze dan niet nog kleiner maken.
09:39
That'll be the end of Moore's Law, but it won't be the end of
194
579000
3000
Dat zal het einde zijn van de wet van Moore, maar het zal niet het einde van de
09:42
the exponential growth of computing, because chips are flat.
195
582000
2000
de exponentiële groei van rekenkracht, omdat dit vlakke chips zijn.
09:44
We live in a three-dimensional world; we might as well use the third dimension.
196
584000
3000
We leven in een drie-dimensionale wereld, we kunnen ook gebruik maken van de derde dimensie.
09:47
We will go into the third dimension
197
587000
2000
We gaan naar de derde dimensie
09:49
and there's been tremendous progress, just in the last few years,
198
589000
3000
en er is enorme vooruitgang geboekt in de laatste paar jaar
09:52
of getting three-dimensional, self-organizing molecular circuits to work.
199
592000
4000
op het ontwikkelen van drie-dimensionale, zelforganiserende moleculaire schakelingen.
09:56
We'll have those ready well before Moore's Law runs out of steam.
200
596000
7000
We zullen die klaar hebben lang voor de wet van Moore niet meer opgaat.
10:03
Supercomputers -- same thing.
201
603000
2000
Supercomputers - hetzelfde.
10:06
Processor performance on Intel chips,
202
606000
3000
Processor prestaties op Intel-chips,
10:09
the average price of a transistor --
203
609000
3000
de gemiddelde prijs van een transistor --
10:12
1968, you could buy one transistor for a dollar.
204
612000
3000
1968, kocht je een transistor voor een dollar.
10:15
You could buy 10 million in 2002.
205
615000
3000
Je kocht er 10 miljoen in 2002.
10:18
It's pretty remarkable how smooth
206
618000
3000
Het is vrij opmerkelijk hoe gelijkmatig
10:21
an exponential process that is.
207
621000
2000
dat exponentiële proces is.
10:23
I mean, you'd think this is the result of some tabletop experiment,
208
623000
3000
Ik bedoel, je zou zeggen dat dit het gevolg is van een natuurkunde experiment,
10:27
but this is the result of worldwide chaotic behavior --
209
627000
3000
maar dit is het resultaat van wereldwijd chaotisch gedrag --
10:30
countries accusing each other of dumping products,
210
630000
2000
landen beschuldigen elkaar van het dumpen van producten,
10:32
IPOs, bankruptcies, marketing programs.
211
632000
2000
Beursintroducties, faillissementen, marketing programma's.
10:34
You would think it would be a very erratic process,
212
634000
3000
Je zou denken dat het zou een zeer grillig proces is,
10:37
and you have a very smooth
213
637000
2000
en je hebt een zeer geleidelijk
10:39
outcome of this chaotic process.
214
639000
2000
resultaat van dit chaotische proces.
10:41
Just as we can't predict
215
641000
2000
Net zoals we niet kunnen voorspellen
10:43
what one molecule in a gas will do --
216
643000
2000
wat een molecuul in een gas zal doen --
10:45
it's hopeless to predict a single molecule --
217
645000
3000
het is hopeloos om een enkel molecuul voorspellen --
10:48
yet we can predict the properties of the whole gas,
218
648000
2000
maar we voorspellen wel de eigenschappen van het gehele gas,
10:50
using thermodynamics, very accurately.
219
650000
3000
met behulp van de thermodynamica, zeer nauwkeurig.
10:53
It's the same thing here. We can't predict any particular project,
220
653000
3000
Dit is hetzelfde. We kunnen een bepaald project niet voorspellen,
10:56
but the result of this whole worldwide,
221
656000
2000
maar het resultaat van deze wereldwijde
10:58
chaotic, unpredictable activity of competition
222
658000
5000
chaotische, onvoorspelbare activiteit van de concurrentie,
11:03
and the evolutionary process of technology is very predictable.
223
663000
3000
en het evolutionaire proces van de technologie is zeer voorspelbaar.
11:06
And we can predict these trends far into the future.
224
666000
3000
En we kunnen deze trends tot ver in de toekomst voorspellen.
11:11
Unlike Gertrude Stein's roses,
225
671000
2000
In tegenstelling tot Gertrude Stein's rozen,
11:13
it's not the case that a transistor is a transistor.
226
673000
2000
het is niet van: een transistor is een transistor.
11:15
As we make them smaller and less expensive,
227
675000
2000
Omdat we ze sneller en goedkoper maken,
11:17
the electrons have less distance to travel.
228
677000
2000
hoeven de elektronen niet zo ver te reizen.
11:19
They're faster, so you've got exponential growth in the speed of transistors,
229
679000
4000
Ze zijn sneller, dus je hebt een exponentiële groei in de snelheid van de transistoren,
11:23
so the cost of a cycle of one transistor
230
683000
4000
dus de kosten van een cyclus van een transistor
11:27
has been coming down with a halving rate of 1.1 years.
231
687000
3000
dalen met een halvering iedere 1,1 jaar.
11:30
You add other forms of innovation and processor design,
232
690000
3000
Je voegt andere vormen van innovatie en processor design toe,
11:33
you get a doubling of price performance of computing every one year.
233
693000
4000
en je verdubbelt de prijs-prestatie van de computer ieder jaar.
11:37
And that's basically deflation --
234
697000
3000
En dat is eigenlijk deflatie --
11:40
50 percent deflation.
235
700000
2000
50 procent deflatie.
11:42
And it's not just computers. I mean, it's true of DNA sequencing;
236
702000
3000
En het is niet alleen computers. Ik bedoel, het geldt voor DNA-sequencing,
11:45
it's true of brain scanning;
237
705000
2000
het geldt voor hersenscans,
11:47
it's true of the World Wide Web. I mean, anything that we can quantify,
238
707000
2000
het geldt voor het internet. Ik bedoel, alles wat we kunnen kwantificeren,
11:49
we have hundreds of different measurements
239
709000
3000
we hebben honderden verschillende metingen
11:52
of different, information-related measurements --
240
712000
3000
van verschillende, informatie-gerelateerde metingen --
11:55
capacity, adoption rates --
241
715000
2000
capaciteit, vaststelling tarieven --
11:57
and they basically double every 12, 13, 15 months,
242
717000
3000
en ze verdubbelen iedere 12, 13, 15 maanden,
12:00
depending on what you're looking at.
243
720000
2000
afhankelijk van waar je naar kijkt.
12:02
In terms of price performance, that's a 40 to 50 percent deflation rate.
244
722000
4000
In termen van prijs / prestatie, dat is een 50 - 40 tot 50 procent deflatie tarief.
12:07
And economists have actually started worrying about that.
245
727000
2000
En economen maken zich al zorgen daarover.
12:09
We had deflation during the Depression,
246
729000
2000
We hadden deflatie tijdens de Depressie,
12:11
but that was collapse of the money supply,
247
731000
2000
maar dat was ineenstorting van de geldhoeveelheid,
12:13
collapse of consumer confidence, a completely different phenomena.
248
733000
3000
ineenstorting van het consumentenvertrouwen, een heel andere verschijnsel.
12:16
This is due to greater productivity,
249
736000
2000
Dit is te wijten aan een hogere productiviteit,
12:19
but the economist says, "But there's no way you're going to be able to keep up with that.
250
739000
2000
maar de econoom zegt, "Maar er is geen enkele manier om dat bij te houden.``
12:21
If you have 50 percent deflation, people may increase their volume
251
741000
3000
Bij 50 procent deflatie, kunnen de mensen hun volume verhogen
12:24
30, 40 percent, but they won't keep up with it."
252
744000
2000
met 30, 40 procent, maar ze zullen het niet bijhouden.
12:26
But what we're actually seeing is that
253
746000
2000
Maar wat we daadwerkelijk zien is
12:28
we actually more than keep up with it.
254
748000
2000
dat we meer dan gelijke tred houden.
12:30
We've had 28 percent per year compounded growth in dollars
255
750000
3000
We hebben 28 procent samengestelde groei in dollars per jaar
12:33
in information technology over the last 50 years.
256
753000
3000
in de informatietechnologie in de afgelopen 50 jaar.
12:36
I mean, people didn't build iPods for 10,000 dollars 10 years ago.
257
756000
4000
Ik bedoel, men maakte 10 jaar geleden geen iPods voor 10.000 dollar.
12:40
As the price performance makes new applications feasible,
258
760000
3000
Omdat de prijs prestatie nieuwe toepassingen mogelijk maakt,
12:43
new applications come to the market.
259
763000
2000
komen nieuwe toepassingen op de markt.
12:45
And this is a very widespread phenomena.
260
765000
3000
En dit is een wijdverbreid fenomeen.
12:48
Magnetic data storage --
261
768000
2000
Magnetische data-opslag --
12:50
that's not Moore's Law, it's shrinking magnetic spots,
262
770000
3000
dat is niet de wet van Moore, is het kleiner maken van magnetische spots,
12:53
different engineers, different companies, same exponential process.
263
773000
4000
verschillende ingenieurs, verschillende bedrijven, hetzelfde exponentiële proces.
12:57
A key revolution is that we're understanding our own biology
264
777000
4000
Een belangrijke revolutie is dat we onze eigen biologie begrijpen
13:01
in these information terms.
265
781000
2000
in deze termen van informatica
13:03
We're understanding the software programs
266
783000
2000
We begrijpen de software
13:05
that make our body run.
267
785000
2000
die ons lichaam laat werken.
13:07
These were evolved in very different times --
268
787000
2000
Dit werd ontwikkeld in een heel andere tijd --
13:09
we'd like to actually change those programs.
269
789000
2000
nu willen we die software gaan aanpassen.
13:11
One little software program, called the fat insulin receptor gene,
270
791000
2000
Een klein programma, genaamd het vet insuline-receptor-gen,
13:13
basically says, "Hold onto every calorie,
271
793000
2000
zegt: "houd elke calorie vast,
13:15
because the next hunting season may not work out so well."
272
795000
4000
want misschien loopt het volgende jachtseizoen niet zo goed."
13:19
That was in the interests of the species tens of thousands of years ago.
273
799000
3000
Dat was tienduizend jaar geleden van belang voor de soort.
13:22
We'd like to actually turn that program off.
274
802000
3000
Maar nu zouden we dat programma vaak liever uitzetten.
13:25
They tried that in animals, and these mice ate ravenously
275
805000
3000
Dat is al uitgeprobeerd bij dieren, en die muizen aten veel
13:28
and remained slim and got the health benefits of being slim.
276
808000
2000
maar bleven slank en hadden de gezondheidsvoordelen van slank zijn.
13:30
They didn't get diabetes; they didn't get heart disease;
277
810000
3000
Ze kregen geen diabetes of hart-en vaatziekten,
13:33
they lived 20 percent longer; they got the health benefits of caloric restriction
278
813000
3000
ze leefden 20 procent langer, ze hebben de gezondheidsvoordelen van calorische restrictie
13:36
without the restriction.
279
816000
2000
zonder de beperking.
13:38
Four or five pharmaceutical companies have noticed this,
280
818000
3000
Vier of vijf farmaceutische bedrijven hebben dit ontdekt
13:41
felt that would be
281
821000
3000
en vonden het
13:44
interesting drug for the human market,
282
824000
3000
een interessant geneesmiddel voor de mens,
13:47
and that's just one of the 30,000 genes
283
827000
2000
en dat is slechts een van de 30.000 genen
13:49
that affect our biochemistry.
284
829000
3000
die onze biochemie beïnvloedt.
13:52
We were evolved in an era where it wasn't in the interests of people
285
832000
3000
We zijn geëvolueerd in een tijd waar het niet in het belang van mensen was
13:55
at the age of most people at this conference, like myself,
286
835000
3000
dat mensen van mijn leeftijd, zoals u op deze conferentie,
13:58
to live much longer, because we were using up the precious resources
287
838000
4000
veel langer leefden, want ze gebruikten kostbare voorraden
14:02
which were better deployed towards the children
288
842000
1000
die beter werden ingezet konden worden voor de kinderen
14:03
and those caring for them.
289
843000
2000
en hun verzorgers.
14:05
So, life -- long lifespans --
290
845000
2000
Dus, het leven - lange levensduur --
14:07
like, that is to say, much more than 30 --
291
847000
2000
willen, dat wil zeggen veel meer dan 30 --
14:09
weren't selected for,
292
849000
3000
dat werd niet geselecteerd.
14:12
but we are learning to actually manipulate
293
852000
3000
Maar nu leren we dit aan te passen
14:15
and change these software programs
294
855000
2000
en kunnen we die software veranderen
14:17
through the biotechnology revolution.
295
857000
2000
via de biotechnologische revolutie.
14:19
For example, we can inhibit genes now with RNA interference.
296
859000
4000
Zo kunnen we nu genen remmen met RNA-interferentie.
14:23
There are exciting new forms of gene therapy
297
863000
2000
Er zijn spannende nieuwe vormen van gentherapie
14:25
that overcome the problem of placing the genetic material
298
865000
2000
die het probleem van het plaatsen van het genetisch materiaal oplossen
14:27
in the right place on the chromosome.
299
867000
2000
op de juiste plaats op het chromosoom.
14:29
There's actually a -- for the first time now,
300
869000
3000
Er is feitelijk een - voor de eerste keer nu,
14:32
something going to human trials, that actually cures pulmonary hypertension --
301
872000
3000
iets dat nu op de mens word getest, een behandeling voor pulmonaire hypertensie --
14:35
a fatal disease -- using gene therapy.
302
875000
3000
een dodelijke ziekte - met behulp van gentherapie.
14:38
So we'll have not just designer babies, but designer baby boomers.
303
878000
3000
Dus we hebben niet alleen designer baby's, maar designer babyboomers.
14:41
And this technology is also accelerating.
304
881000
3000
En deze technologie ontwikkelt ook steeds sneller.
14:44
It cost 10 dollars per base pair in 1990,
305
884000
3000
Het kostte 10 dollar per basepaar in 1990,
14:47
then a penny in 2000.
306
887000
2000
toen een cent in 2000.
14:49
It's now under a 10th of a cent.
307
889000
2000
Het is nu onder een 10e van een cent.
14:51
The amount of genetic data --
308
891000
2000
Het totaal van de genetische gegevens --
14:53
basically this shows that smooth exponential growth
309
893000
3000
dat ziet u hier - dit toont een gelijkmatige exponentiële groei
14:56
doubled every year,
310
896000
2000
ieder jaar een verdubbeling,
14:58
enabling the genome project to be completed.
311
898000
3000
waardoor het menselijk genoom project kon worden afgerond.
15:01
Another major revolution: the communications revolution.
312
901000
3000
Een andere belangrijke revolutie, de communicatie-revolutie.
15:04
The price performance, bandwidth, capacity of communications measured many different ways;
313
904000
5000
De prijs prestatie, bandbreedte, capaciteit van de communicatie gemeten op verschillende manieren;
15:09
wired, wireless is growing exponentially.
314
909000
3000
bedraad, draadloos groeit exponentieel.
15:12
The Internet has been doubling in power and continues to,
315
912000
3000
Het internet is exponentieel gegroeid en blijft dat doen
15:15
measured many different ways.
316
915000
2000
gemeten op verschillende manieren.
15:17
This is based on the number of hosts.
317
917000
2000
Dit is gebaseerd op het aantal hosts.
15:19
Miniaturization -- we're shrinking the size of technology
318
919000
2000
Miniaturisering - we krimpen de grootte van de technologie
15:21
at an exponential rate,
319
921000
2000
met een exponentiële snelheid.
15:23
both wired and wireless.
320
923000
2000
zowel bedraad als draadloos.
15:25
These are some designs from Eric Drexler's book --
321
925000
4000
Dit zijn enkele ontwerpen uit het boek van Eric Drexler --
15:29
which we're now showing are feasible
322
929000
2000
die we nu als haalbaar zien.
15:31
with super-computing simulations,
323
931000
2000
met super-computer-simulaties,
15:33
where actually there are scientists building
324
933000
2000
waar wetenschappers ontwerpen maken voor
15:35
molecule-scale robots.
325
935000
2000
moleculaire robots.
15:37
One has one that actually walks with a surprisingly human-like gait,
326
937000
2000
Men heeft er een die loopt met een verrassend mens-achtige gang,
15:39
that's built out of molecules.
327
939000
3000
die is opgebouwd uit moleculen.
15:42
There are little machines doing things in experimental bases.
328
942000
4000
Er zijn kleine machines die op experimentele schaal werken.
15:46
The most exciting opportunity
329
946000
3000
De meest opwindende kans
15:49
is actually to go inside the human body
330
949000
2000
is om in het menselijk lichaam te gaan
15:51
and perform therapeutic and diagnostic functions.
331
951000
3000
en daar therapeutische en diagnostische functies uit te voeren.
15:54
And this is less futuristic than it may sound.
332
954000
2000
En dit is minder futuristisch dan het klinkt.
15:56
These things have already been done in animals.
333
956000
2000
Deze dingen zijn al gedaan bij dieren.
15:58
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized.
334
958000
4000
Er is een nano-engineered apparaat dat type 1 diabetes geneest. Het is zo goot als een bloedcel.
16:02
They put tens of thousands of these
335
962000
2000
Ze zetten tienduizenden van deze
16:04
in the blood cell -- they tried this in rats --
336
964000
2000
in het bloed - ze probeerden dit in ratten --
16:06
it lets insulin out in a controlled fashion,
337
966000
2000
Het geeft insuline op een gecontroleerde manier,
16:08
and actually cures type 1 diabetes.
338
968000
2000
en geneest zo type 1 diabetes.
16:10
What you're watching is a design
339
970000
3000
Wat je hier ziet is een ontwerp
16:13
of a robotic red blood cell,
340
973000
2000
van een robotische rode bloedcel,
16:15
and it does bring up the issue that our biology
341
975000
2000
en het laat zien dat onze biologie
16:17
is actually very sub-optimal,
342
977000
2000
eigenlijk heel sub-optimaal is,
16:19
even though it's remarkable in its intricacy.
343
979000
3000
zelfs al is het opmerkelijk in haar complexiteit.
16:22
Once we understand its principles of operation,
344
982000
3000
Zodra we de basale principes begrijpen,
16:25
and the pace with which we are reverse-engineering biology is accelerating,
345
985000
3000
en het tempo waarmee we biologie nabootsen is versneld,
16:29
we can actually design these things to be
346
989000
2000
kunnen we deze dingen feitelijk ontwerpen
16:31
thousands of times more capable.
347
991000
2000
om duizenden malen beter te zijn.
16:33
An analysis of this respirocyte, designed by Rob Freitas,
348
993000
4000
Een analyse van deze respirocyt, ontworpen door Rob Freitas,
16:38
indicates if you replace 10 percent of your red blood cells with these robotic versions,
349
998000
2000
geeft aan dat als je 10 procent van je rode bloedcellen met deze robot versies zou vervangen,
16:41
you could do an Olympic sprint for 15 minutes without taking a breath.
350
1001000
3000
je een olympische sprint kan doen voor 15 minuten zonder adem te halen.
16:44
You could sit at the bottom of your pool for four hours --
351
1004000
3000
Je zou vier uur op de bodem van je zwembad kunnen zitten --
16:47
so, "Honey, I'm in the pool," will take on a whole new meaning.
352
1007000
4000
- dus, 'Schat, ik ben in het zwembad." krijgt dan een geheel nieuwe betekenis.
16:51
It will be interesting to see what we do in our Olympic trials.
353
1011000
2000
Het zal interessant zijn om te zien wat we doen in onze olympische voorrondes.
16:53
Presumably we'll ban them,
354
1013000
2000
Vermoedelijk zullen we hen verbieden,
16:55
but then we'll have the specter of teenagers in their high schools gyms
355
1015000
2000
maar dan hebben we het beeld van tieners in de gymzaal van hun school
16:57
routinely out-performing the Olympic athletes.
356
1017000
3000
die routinematig Olympische atleten overklassen.
17:02
Freitas has a design for a robotic white blood cell.
357
1022000
3000
Freitas heeft een ontwerp voor een robotische witte bloedcel.
17:05
These are 2020-circa scenarios,
358
1025000
4000
Dit zijn scenario's voor rond 2020,
17:09
but they're not as futuristic as it may sound.
359
1029000
2000
maar ze zijn niet zo futuristisch als het klinkt.
17:11
There are four major conferences on building blood cell-sized devices;
360
1031000
4000
Er zijn vier belangrijke conferenties over het opbouwen van bloedcel-grote apparaten,
17:15
there are many experiments in animals.
361
1035000
2000
er zijn veel experimenten met dieren.
17:17
There's actually one going into human trial,
362
1037000
2000
Eén wordt nu daadwerkelijk op mensen uitgetest,
17:19
so this is feasible technology.
363
1039000
3000
dus dit is haalbaare technologie.
17:23
If we come back to our exponential growth of computing,
364
1043000
2000
Als we terugkomen op de exponentiële groei van computers,
17:25
1,000 dollars of computing is now somewhere between an insect and a mouse brain.
365
1045000
3000
1000 dollar aan rekenkracht zit nu ergens tussen die van een insect en een muis.
17:28
It will intersect human intelligence
366
1048000
3000
Het zal overeenkomen met menselijke intelligentie
17:31
in terms of capacity in the 2020s,
367
1051000
3000
in termen van capaciteit rond 2020,
17:34
but that'll be the hardware side of the equation.
368
1054000
2000
maar dat gaat alleen over de hardware.
17:36
Where will we get the software?
369
1056000
2000
Hoe zit het met de software?
17:38
Well, it turns out we can see inside the human brain,
370
1058000
2000
Nou, het blijkt dat we kunnen kijken naar het menselijk brein,
17:40
and in fact not surprisingly,
371
1060000
2000
en wat niet verrassend is,
17:42
the spatial and temporal resolution of brain scanning is doubling every year.
372
1062000
4000
de ruimtelijke en temporele resolutie van de hersenscans verdubbelt elk jaar.
17:46
And with the new generation of scanning tools,
373
1066000
2000
En met de nieuwe generatie van hersenscanners,
17:48
for the first time we can actually see
374
1068000
2000
kunnen voor het eerst individuele
17:50
individual inter-neural fibers
375
1070000
2000
neurale vezels in beeld brengen
17:52
and see them processing and signaling in real time --
376
1072000
3000
en we zien ze informatie verwerken en signaleren in real-time.
17:55
but then the question is, OK, we can get this data now,
377
1075000
2000
en - maar dan is de vraag, ok, we kunnen dit nu zien,
17:57
but can we understand it?
378
1077000
2000
maar begrijpen we het wel?
17:59
Doug Hofstadter wonders, well, maybe our intelligence
379
1079000
3000
Douglas Hofstadter vraagt zich af, nou, misschien is onze intelligentie
18:02
just isn't great enough to understand our intelligence,
380
1082000
3000
gewoon niet groot genoeg om onze intelligentie te begrijpen,
18:05
and if we were smarter, well, then our brains would be that much more complicated,
381
1085000
3000
en als wij slimmer waren, wel, dan zouden onze hersenen veel ingewikkelder zijn,
18:08
and we'd never catch up to it.
382
1088000
2000
en we zouden er nooit bij kunnen komen.
18:11
It turns out that we can understand it.
383
1091000
3000
Het blijkt dat we het wel kunnen begrijpen.
18:14
This is a block diagram of
384
1094000
3000
Dit is een blokschema van
18:17
a model and simulation of the human auditory cortex
385
1097000
4000
een model en simulatie van de menselijke auditieve cortex
18:21
that actually works quite well --
386
1101000
2000
die eigenlijk heel goed werkt --
18:23
in applying psychoacoustic tests, gets very similar results to human auditory perception.
387
1103000
2000
bij psycho-akoestische testen levert deze zeer vergelijkbare resultaten met de menselijke auditieve waarneming.
18:27
There's another simulation of the cerebellum --
388
1107000
3000
Er is nog een simulatie van het cerebellum --
18:30
that's more than half the neurons in the brain --
389
1110000
2000
dat is meer dan de helft van de neuronen in de hersenen --
18:32
again, works very similarly to human skill formation.
390
1112000
3000
nogmaals, dit werkt erg vergelijkbaar met de vorming van menselijke vaardigheden.
18:36
This is at an early stage, but you can show
391
1116000
3000
Dit is in een vroeg stadium, maar je zult zien dat
18:39
with the exponential growth of the amount of information about the brain
392
1119000
3000
met de exponentiële groei van de hoeveelheid informatie over de hersenen
18:42
and the exponential improvement
393
1122000
2000
en de exponentiële verbetering
18:44
in the resolution of brain scanning,
394
1124000
2000
in de resolutie van de hersenscans,
18:46
we will succeed in reverse-engineering the human brain
395
1126000
3000
dat we erin zullen slagen het menselijk brein na te bootsen
18:49
by the 2020s.
396
1129000
2000
rond de jaren '20.
18:51
We've already had very good models and simulation of about 15 regions
397
1131000
3000
We hebben al heel goede modellen en simulaties van ongeveer 15 regio's
18:54
out of the several hundred.
398
1134000
3000
uit de honderden.
18:57
All of this is driving
399
1137000
2000
Dit alles stimuleert exponentieel --
18:59
exponentially growing economic progress.
400
1139000
2000
exponentieel groeiende economische vooruitgang.
19:01
We've had productivity go from 30 dollars to 150 dollars per hour
401
1141000
3000
De productiviteit ging van 30 dollar naar 150 dollar per uur
19:06
of labor in the last 50 years.
402
1146000
2000
voor arbeid in de laatste 50 jaar.
19:08
E-commerce has been growing exponentially. It's now a trillion dollars.
403
1148000
3000
E-commerce is exponentieel gegroeid. Het is nu duizend miljard dollar.
19:11
You might wonder, well, wasn't there a boom and a bust?
404
1151000
2000
Je kunt je afvragen, nou, was er niet een crisis?
19:13
That was strictly a capital-markets phenomena.
405
1153000
2000
Dat was een strikt kapitaalmarkt verschijnsel.
19:15
Wall Street noticed that this was a revolutionary technology, which it was,
406
1155000
4000
Wall Street heeft gemerkt dat dit een revolutionaire technologie is,
19:19
but then six months later, when it hadn't revolutionized all business models,
407
1159000
3000
maar toen, zes maanden later, toen er geen revolutie was in de zakenwereld,
19:22
they figured, well, that was wrong,
408
1162000
2000
hadden ze de indruk dat het niet goed was
19:24
and then we had this bust.
409
1164000
2000
en toen kregen we deze crisis.
19:27
All right, this is a technology
410
1167000
2000
Ok, dit is een technologie
19:29
that we put together using some of the technologies we're involved in.
411
1169000
3000
die we hebben ontwikkeld met een aantal van de technologieën die we al kennen.
19:32
This will be a routine feature in a cell phone.
412
1172000
4000
Dit zal een standaard functie worden in een mobieltje.
19:36
It would be able to translate from one language to another.
413
1176000
2000
Het is in staat te vertalen, van een taal naar een andere.
19:48
So let me just end with a couple of scenarios.
414
1188000
2000
Dus laat me maar afsluiten met een paar scenario's.
19:50
By 2010 computers will disappear.
415
1190000
3000
In 2010 zullen computers verdwijnen.
19:54
They'll be so small, they'll be embedded in our clothing, in our environment.
416
1194000
3000
Ze zullen zo klein zijn dat ze worden ingebed in onze kleding, in onze omgeving.
19:57
Images will be written directly to our retina,
417
1197000
2000
Beelden worden direct op ons netvlies gestuurd,
19:59
providing full-immersion virtual reality,
418
1199000
2000
en creëren een virtuele werkelijkheid.
20:01
augmented real reality. We'll be interacting with virtual personalities.
419
1201000
3000
'opgevoerde' echte werkelijkheid. We zullen te maken krijgen met virtuele persoonlijkheden.
20:05
But if we go to 2029, we really have the full maturity of these trends,
420
1205000
4000
Maar als we kijken naar 2029, dan zijn deze trends volwassen geworden,
20:09
and you have to appreciate how many turns of the screw
421
1209000
3000
en je moet bedenken hoeveel ontwikkeling we dan hebben
20:12
in terms of generations of technology, which are getting faster and faster, we'll have at that point.
422
1212000
4000
als je kijkt naar generaties van technologie die steeds sneller wordt.
20:16
I mean, we will have two-to-the-25th-power
423
1216000
2000
Ik bedoel, we hebben twee tot de 25ste macht
20:18
greater price performance, capacity and bandwidth
424
1218000
3000
grotere prijs prestaties, capaciteit en bandbreedte
20:21
of these technologies, which is pretty phenomenal.
425
1221000
2000
van deze technologieën, dat is nogal fenomenaal.
20:23
It'll be millions of times more powerful than it is today.
426
1223000
2000
Het zal miljoenen malen krachtiger zijn dan nu.
20:25
We'll have completed the reverse-engineering of the human brain,
427
1225000
2000
We zijn dan klaar het reverse-engineeren van het menselijk brein,
20:28
1,000 dollars of computing will be far more powerful
428
1228000
3000
berekenen - 1000 dollar aan rekenkracht is dan veel krachtiger
20:31
than the human brain in terms of basic raw capacity.
429
1231000
4000
dan het menselijk brein in termen van basale capaciteit.
20:35
Computers will combine
430
1235000
2000
Computers combineren dan
20:37
the subtle pan-recognition powers
431
1237000
2000
de subtiele mogelijkheden van patroonherkenning
20:39
of human intelligence with ways in which machines are already superior,
432
1239000
3000
van menselijke intelligentie met de manieren waarop machines al superieur zijn,
20:42
in terms of doing analytic thinking,
433
1242000
2000
in termen van analytisch denken,
20:44
remembering billions of facts accurately.
434
1244000
2000
het correct onthouden van miljarden feiten.
20:46
Machines can share their knowledge very quickly.
435
1246000
2000
Machines kunnen hun kennis zeer snel delen.
20:48
But it's not just an alien invasion of intelligent machines.
436
1248000
5000
Maar het is niet alleen een invasie van intelligente machines.
20:53
We are going to merge with our technology.
437
1253000
2000
We gaan fuseren met onze technologie.
20:55
These nano-bots I mentioned
438
1255000
2000
Deze nano-bots ik noemde
20:57
will first be used for medical and health applications:
439
1257000
4000
zullen eerst worden gebruikt voor medische toepassingen en gezondheid:
21:01
cleaning up the environment, providing powerful fuel cells
440
1261000
3000
het schoonmaken van het milieu, energievoorziening - krachtige brandstofcellen
21:04
and widely distributed decentralized solar panels and so on in the environment.
441
1264000
5000
en wijd verspreide, gedecentraliseerde zonnepanelen en dergelijke in het milieu.
21:09
But they'll also go inside our brain,
442
1269000
2000
Maar ze gaan ook ons brein in,
21:11
interact with our biological neurons.
443
1271000
2000
interacteren met onze biologische neuronen.
21:13
We've demonstrated the key principles of being able to do this.
444
1273000
3000
We hebben de belangrijkste principes om dit te kunnen doen al laten zien.
21:16
So, for example,
445
1276000
2000
Dus, bijvoorbeeld,
21:18
full-immersion virtual reality from within the nervous system,
446
1278000
2000
volledige virtuele werkelijkheid van binnenin het zenuwstelsel,
21:20
the nano-bots shut down the signals coming from your real senses,
447
1280000
3000
de nano-bots stoppen de signalen van de gewone zenuwen,
21:23
replace them with the signals that your brain would be receiving
448
1283000
3000
en vervangen ze door signalen die je zou krijgen
21:26
if you were in the virtual environment,
449
1286000
2000
vanuit de virtuele omgeving.
21:28
and then it'll feel like you're in that virtual environment.
450
1288000
2000
En dan voelt het alsof je in deze virtuele omgeving bent.
21:30
You can go there with other people, have any kind of experience
451
1290000
2000
Je kunt daarnaartoe met anderen en elk soort ervaring opdoen
21:32
with anyone involving all of the senses.
452
1292000
2000
met iedereen, en met alle zintuigen.
21:35
"Experience beamers," I call them, will put their whole flow of sensory experiences
453
1295000
3000
"Ervarings zenders," noem ik ze, publiceren hun hele stroom van zintuiglijke ervaringen
21:38
in the neurological correlates of their emotions out on the Internet.
454
1298000
3000
in de neurologische correlaten van hun emoties op het internet.
21:41
You can plug in and experience what it's like to be someone else.
455
1301000
3000
Je kunt inloggen en ervaren hoe het is om iemand anders te zijn.
21:44
But most importantly,
456
1304000
2000
Maar het belangrijkste is
21:46
it'll be a tremendous expansion
457
1306000
2000
dat het een enorme uitbreiding zal zijn
21:48
of human intelligence through this direct merger with our technology,
458
1308000
4000
van menselijke intelligentie via deze directe fusie met onze technologie,
21:52
which in some sense we're doing already.
459
1312000
2000
wat we in zekere zin nu a doen.
21:54
We routinely do intellectual feats
460
1314000
2000
We doen routinematig intellectuele hoogstandjes
21:56
that would be impossible without our technology.
461
1316000
2000
die onmogelijk zouden zijn zonder onze technologie.
21:58
Human life expectancy is expanding. It was 37 in 1800,
462
1318000
3000
De levensverwachting neemt toe. Het was 37 in 1800,
22:01
and with this sort of biotechnology, nano-technology revolutions,
463
1321000
5000
en met dit soort van biotechnologie, nano-technologische revoluties,
22:06
this will move up very rapidly
464
1326000
2000
zal dit heel snel toenemen
22:08
in the years ahead.
465
1328000
2000
in de komende jaren.
22:10
My main message is that progress in technology
466
1330000
4000
Mijn belangrijkste boodschap is dat de vooruitgang in de technologie
22:14
is exponential, not linear.
467
1334000
3000
is exponentieel, niet lineair.
22:17
Many -- even scientists -- assume a linear model,
468
1337000
4000
Velen - zelfs wetenschappers - gaan uit van een lineair model,
22:21
so they'll say, "Oh, it'll be hundreds of years
469
1341000
2000
dus ze zullen zeggen: "Oh, het duurt honderden jaren
22:23
before we have self-replicating nano-technology assembly
470
1343000
3000
voordat we zelf replicerende nano-technologie hebben.
22:26
or artificial intelligence."
471
1346000
2000
of kunstmatige intelligentie. "
22:28
If you really look at the power of exponential growth,
472
1348000
3000
Als je echt kijkt naar de kracht van exponentiële groei,
22:31
you'll see that these things are pretty soon at hand.
473
1351000
3000
dan zie je dat die dingen al snel zullen komen.
22:34
And information technology is increasingly encompassing
474
1354000
3000
En informatie-technologie omvat steeds meer
22:37
all of our lives, from our music to our manufacturing
475
1357000
4000
ons hele leven, van onze muziek tot onze productie
22:41
to our biology to our energy to materials.
476
1361000
4000
onze biologie tot onze energie aan materialen.
22:45
We'll be able to manufacture almost anything we need in the 2020s,
477
1365000
3000
We kunnen bijna alles wat we nodig hebben rond 2020 vervaardigen,
22:48
from information, in very inexpensive raw materials,
478
1368000
2000
van informatie, in zeer goedkope grondstoffen,
22:50
using nano-technology.
479
1370000
3000
met behulp van nano-technologie.
22:53
These are very powerful technologies.
480
1373000
2000
Dit zijn zeer krachtige technologieën.
22:55
They both empower our promise and our peril.
481
1375000
4000
Ze geven ongekende mogelijkheden, voor goed en voor kwaad.
22:59
So we have to have the will to apply them to the right problems.
482
1379000
3000
Dus we moeten de wil hebben om ze toe te passen om de juiste problemen.
23:02
Thank you very much.
483
1382000
1000
Hartelijk dank
23:03
(Applause)
484
1383000
1000
.
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7