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

87,492 views ・ 2007-05-16

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Mateusz Pazdur Korekta: Kinga Skorupska
00:26
I'm supposed to scare you, because it's about fear, right?
0
26000
3000
Powinienem was przestraszyć, bo chodzi o strach, prawda?
00:30
And you should be really afraid,
1
30000
2000
A wy powinniście się bać,
00:32
but not for the reasons why you think you should be.
2
32000
2000
ale z innych powodów, niż myślicie.
00:35
You should be really afraid that --
3
35000
2000
Naprawdę powinniście się bać...
00:37
if we stick up the first slide on this thing -- there we go -- that you're missing out.
4
37000
4000
Pierwszy slajd... że coś wam umyka.
00:43
Because if you spend this week thinking about Iraq and
5
43000
4000
Bo jeśli przez ten tydzień myśleliście o Iraku,
00:47
thinking about Bush and thinking about the stock market,
6
47000
4000
o Bushu i o giełdzie,
00:51
you're going to miss one of the greatest adventures that we've ever been on.
7
51000
2000
umknie wam jedna z największych przygód.
00:54
And this is what this adventure's really about.
8
54000
2000
A przygoda ta dotyczy
00:56
This is crystallized DNA.
9
56000
4000
skrystalizowanego DNA.
01:00
Every life form on this planet -- every insect, every bacteria, every plant,
10
60000
3000
Każda forma życia na tej planecie - owad, bakteria,
01:03
every animal, every human, every politician -- (Laughter)
11
63000
3000
roślina, zwierzę, człowiek, polityk... (Śmiech)
01:08
is coded in that stuff.
12
68000
2000
jest tak zakodowany.
01:10
And if you want to take a single crystal of DNA, it looks like that.
13
70000
4000
To pojedynczy kryształ DNA.
01:14
And we're just beginning to understand this stuff.
14
74000
2000
Dopiero zaczynamy je rozumieć.
01:17
And this is the single most exciting adventure that we have ever been on.
15
77000
3000
To nasza najbardziej ekscytująca przygoda.
01:21
It's the single greatest mapping project we've ever been on.
16
81000
3000
Nasz największy projekt mapowania genów.
01:24
If you think that the mapping of America's made a difference,
17
84000
2000
Jeżeli sądzicie, że stworzenie mapy Ameryki,
01:26
or landing on the moon, or this other stuff,
18
86000
3000
albo lądowanie na księżycu, coś zmieniły...
01:29
it's the map of ourselves and the map of every plant
19
89000
3000
To mapa nas samych i każdej rośliny,
01:32
and every insect and every bacteria that really makes a difference.
20
92000
3000
owada i bakterii jest tym, co wszystko zmienia.
01:35
And it's beginning to tell us a lot about evolution.
21
95000
3000
Wiele dowiadujemy się o ewolucji.
01:40
(Laughter)
22
100000
4000
(Śmiech)
01:44
It turns out that what this stuff is --
23
104000
2000
Okazuje się, że jest to...
01:46
and Richard Dawkins has written about this --
24
106000
2000
Pisał o tym Richard Dawkins...
01:48
is, this is really a river out of Eden.
25
108000
2000
To rzeka wypływająca z Edenu.
01:50
So, the 3.2 billion base pairs inside each of your cells
26
110000
4000
3,2 miliarda par zasad w każdej waszej komórce
01:54
is really a history of where you've been for the past billion years.
27
114000
3000
przedstawia waszą historię sprzed miliarda lat.
01:57
And we could start dating things,
28
117000
1000
Moglibyśmy zacząć datować,
01:58
and we could start changing medicine and archeology.
29
118000
3000
zmieniać medycynę i archeologię.
02:02
It turns out that if you take the human species about 700 years ago,
30
122000
3000
Okazuje się, że 700 lat temu biali Europejczycy
02:05
white Europeans diverged from black Africans in a very significant way.
31
125000
3000
odbiegli od czarnoskórych Afrykanów.
02:08
White Europeans were subject to the plague.
32
128000
5000
Biali Europejczycy padali ofiarą dżumy.
02:14
And when they were subject to the plague, most people didn't survive,
33
134000
3000
Większość z nich nie przeżyła,
02:17
but those who survived had a mutation on the CCR5 receptor.
34
137000
4000
ale u ocalonych występowała mutacja receptora CCR5,
02:21
And that mutation was passed on to their kids
35
141000
2000
którą przekazali swoim dzieciom,
02:23
because they're the ones that survived,
36
143000
2000
ponieważ to oni przetrwali.
02:25
so there was a great deal of population pressure.
37
145000
2000
Presja demograficzna była kluczowa.
02:27
In Africa, because you didn't have these cities,
38
147000
2000
W Afryce nie było takich miast,
02:29
you didn't have that CCR5 population pressure mutation.
39
149000
3000
więc nie było mutacji CCR5 związanej z tą presją.
02:32
We can date it to 700 years ago.
40
152000
3000
Stało to się 700 lat temu.
02:35
That is one of the reasons why AIDS is raging across Africa as fast as it is,
41
155000
4000
Między innymi z tego powodu AIDS
02:39
and not as fast across Europe.
42
159000
4000
rozprzestrzenia się szybciej w Afryce niż w Europie.
02:43
And we're beginning to find these little things for malaria,
43
163000
3000
Zaczynamy odnajdywać takie zależności dla malarii,
02:46
for sickle cell, for cancers.
44
166000
3000
anemii sierpowatej, raka.
02:50
And in the measure that we map ourselves,
45
170000
2000
A zakres, w jakim mapujemy samych siebie
02:52
this is the single greatest adventure that we'll ever be on.
46
172000
2000
to dla nas największa przygoda.
02:54
And this Friday, I want you to pull out a really good bottle of wine,
47
174000
4000
W ten piątek wyciągnijcie butelkę dobrego wina
02:58
and I want you to toast these two people.
48
178000
2000
i wznieście toast za tych dwóch panów.
03:01
Because this Friday, 50 years ago, Watson and Crick found the structure of DNA,
49
181000
4000
50 lat temu Watson i Crick odkryli strukturę DNA.
03:05
and that is almost as important a date
50
185000
3000
Ta rocznica jest niemal tak ważna,
03:08
as the 12th of February when we first mapped ourselves,
51
188000
3000
jak stworzenie pierwszej mapy naszego genomu,
03:11
but anyway, we'll get to that.
52
191000
2000
12 lutego, ale o tym później.
03:13
I thought we'd talk about the new zoo.
53
193000
2000
Możemy pomówić o nowym Zoo.
03:15
So, all you guys have heard about DNA, all the stuff that DNA does,
54
195000
4000
Słyszeliście o DNA, o tym, co robi DNA,
03:19
but some of the stuff we're discovering is kind of nifty
55
199000
3000
ale niektóre z naszych odkryć są dość zmyślne,
03:22
because this turns out to be the single most abundant species on the planet.
56
202000
5000
bo okazuje się, że jest to najliczniejszy gatunek na Ziemi.
03:27
If you think you're successful or cockroaches are successful,
57
207000
3000
Jeśli uważacie, że to nam albo karaluchom się poszczęściło...
03:30
it turns out that there's ten trillion trillion Pleurococcus sitting out there.
58
210000
3000
Okazuje się, że jest dziesięć bilionów bilionów pierwotków.
03:33
And we didn't know that Pleurococcus was out there,
59
213000
3000
A my nie wiedzieliśmy o istnieniu pierwotków,
03:36
which is part of the reason
60
216000
1000
A my nie wiedzieliśmy o istnieniu pierwotków,
03:37
why this whole species-mapping project is so important.
61
217000
5000
też dlatego projekt mapowania genomu jest tak ważny.
03:42
Because we're just beginning to learn
62
222000
2000
Bo dopiero zaczynamy uczyć się o tym,
03:44
where we came from and what we are.
63
224000
1000
skąd pochodzimy i czym jesteśmy.
03:46
And we're finding amoebas like this. This is the amoeba dubia.
64
226000
3000
Odkrywamy ameby, takie jak ta - amoeba dubia.
03:50
And the amoeba dubia doesn't look like much,
65
230000
2000
Nie wygląda imponująco, ale...
03:52
except that each of you has about 3.2 billion letters,
66
232000
3000
Każdego z Was można opisać 3,2 miliardami "liter",
03:55
which is what makes you you,
67
235000
2000
które determinują jacy jesteście,
03:57
as far as gene code inside each of your cells,
68
237000
3000
to kod genetyczny w każdej waszej komórce.
04:00
and this little amoeba which, you know,
69
240000
3000
Ta mała ameba,
04:03
sits in water in hundreds and millions and billions,
70
243000
2000
która siedzi w wodzie w miliardowych grupach,
04:06
turns out to have 620 billion base pairs of gene code inside.
71
246000
6000
posiada 620 miliardów par zasad w DNA.
04:12
So, this little thingamajig has a genome
72
252000
3000
Więc takie małe ustrojstwo ma genom
04:15
that's 200 times the size of yours.
73
255000
2000
200 razy większy niż Wasz.
04:18
And if you're thinking of efficient information storage mechanisms,
74
258000
3000
Jeśli myślimy o skutecznych mechanizmach przechowywania informacji,
04:22
it may not turn out to be chips.
75
262000
2000
nie muszą być to chipy.
04:25
It may turn out to be something that looks a little like that amoeba.
76
265000
4000
Może być to coś, co przypomina taką amebę.
04:29
And, again, we're learning from life and how life works.
77
269000
4000
Samo życie uczy nas tego jak funkcjonuje.
04:33
This funky little thing: people didn't used to think
78
273000
4000
Zabawne, ale ludzie nie wierzyli,
04:37
that it was worth taking samples out of nuclear reactors
79
277000
3000
że warto pobierać próbki z reaktorów atomowych
04:40
because it was dangerous and, of course, nothing lived there.
80
280000
3000
bo to niebezpieczne i nie ma tam życia.
04:43
And then finally somebody picked up a microscope
81
283000
3000
Ale w końcu ktoś wziął mikroskop
04:46
and looked at the water that was sitting next to the cores.
82
286000
3000
i spojrzał na wodę znajdującą się w pobliżu rdzeni.
04:49
And sitting next to that water in the cores
83
289000
2000
A w wodzie obok rdzeni
04:51
was this little Deinococcus radiodurans, doing a backstroke,
84
291000
3000
pływała bakteria Deinococcus radiodurans.
04:54
having its chromosomes blown apart every day,
85
294000
2000
Jej chromosomy były rozrywane
04:56
six, seven times, restitching them,
86
296000
3000
6-7 razy dziennie a ona je zszywała i żyła
04:59
living in about 200 times the radiation that would kill you.
87
299000
2000
w promieniowaniu 200 silniejszym niż śmiertelne dla nas.
05:02
And by now you should be getting a hint as to how diverse
88
302000
3000
Teraz pomału zaczynacie rozumieć jak różnorodna,
05:05
and how important and how interesting this journey into life is,
89
305000
2000
ważna i interesująca jest podróż wgłąb życia,
05:07
and how many different life forms there are,
90
307000
3000
jak wiele jest różnorodnych form życia
05:10
and how there can be different life forms living in
91
310000
3000
i jak odmienne mogą one być
05:13
very different places, maybe even outside of this planet.
92
313000
3000
w różnych miejscach, może też poza naszą planetą.
05:17
Because if you can live in radiation that looks like this,
93
317000
2000
Bo jeśli można żyć w takim promieniowaniu,
05:19
that brings up a whole series of interesting questions.
94
319000
3000
nasuwa się szereg ciekawych pytań.
05:23
This little thingamajig: we didn't know this thingamajig existed.
95
323000
3000
Takie małe coś: nie wiedzieliśmy, że istnieje.
05:27
We should have known that this existed
96
327000
2000
Powinniśmy byli to wiedzieć,
05:29
because this is the only bacteria that you can see to the naked eye.
97
329000
3000
bo to jedyna bakteria widoczna gołym okiem.
05:32
So, this thing is 0.75 millimeters.
98
332000
3000
Ma średnicę 0.75 milimetra.
05:35
It lives in a deep trench off the coast of Namibia.
99
335000
2000
Żyje w głębokich rowach u wybrzeża Namibii.
05:38
And what you're looking at with this namibiensis
100
338000
2000
A ta namibiensis, którą widzicie,
05:40
is the biggest bacteria we've ever seen.
101
340000
2000
to największa bakteria, jaką widzieliśmy.
05:42
So, it's about the size of a little period on a sentence.
102
342000
3000
Ma wielkość mniej więcej kropki w zdaniu.
05:46
Again, we didn't know this thing was there three years ago.
103
346000
4000
3 lata temu nie wiedzieliśmy o jej istnieniu.
05:50
We're just beginning this journey of life in the new zoo.
104
350000
3000
Dopiero zaczynamy podróż przez życie w nowym Zoo.
05:54
This is a really odd one. This is Ferroplasma.
105
354000
3000
Ferroplasma też jest osobliwa.
05:58
The reason why Ferroplasma is interesting is because it eats iron,
106
358000
3000
Żywi się żelazem,
06:02
lives inside the equivalent of battery acid,
107
362000
3000
żyje w środowisku podobnym do kwasu w bateriach
06:06
and excretes sulfuric acid.
108
366000
2000
i wydala kwas siarkowy.
06:10
So, when you think of odd life forms,
109
370000
2000
Gdy więc myślicie o osobliwych formach życia,
06:12
when you think of what it takes to live,
110
372000
3000
i o tym, co jest potrzebne do życia,
06:16
it turns out this is a very efficient life form,
111
376000
2000
okazuje się, że to jest bardzo wydajna forma życia,
06:18
and they call it an archaea. Archaea means "the ancient ones."
112
378000
4000
nazywa się arachea, co znaczy "prastare".
06:22
And the reason why they're ancient is because this thing came up
113
382000
4000
Są prastare, bo pojawiły się,
06:26
when this planet was covered
114
386000
2000
gdy Ziemia była pokryta substancjami jak kwas siarkowy
06:28
by things like sulfuric acid in batteries,
115
388000
1000
gdy Ziemia była pokryta substancjami jak kwas siarkowy
06:29
and it was eating iron when the earth was part of a melted core.
116
389000
4000
i żywiły się żelazem, gdy Ziemia była częścią stopionego rdzenia.
06:34
So, it's not just dogs and cats and whales and dolphins
117
394000
4000
Więc nie tylko psy, koty, wieloryby czy delfiny
06:38
that you should be aware of and interested in on this little journey.
118
398000
4000
powinny przykuwać uwagę i zainteresowanie.
06:42
Your fear should be that you are not,
119
402000
3000
Powinniście się bać tego,
06:45
that you're paying attention to stuff which is temporal.
120
405000
3000
że zwracacie uwagę tylko na rzeczy przejściowe.
06:48
I mean, George Bush -- he's going to be gone, alright? Life isn't.
121
408000
5000
Taki George Bush - kiedyś odejdzie. A życie nie.
06:54
Whether the humans survive or don't survive,
122
414000
3000
Bez względu na to, czy ludzie przetrwają,
06:57
these things are going to be living on this planet or other planets.
123
417000
3000
te istoty będą żyć na tej planecie lub na innych planetach.
07:00
And it's just beginning to understand this code of DNA
124
420000
4000
A to dopiero pierwszy krok w zrozumieniu kodu DNA,
07:04
that's really the most exciting intellectual adventure
125
424000
3000
co jest najbardziej ekscytującą przygodą intelektualną
07:07
that we've ever been on.
126
427000
3000
jakiej jesteśmy częścią.
07:10
And you can do strange things with this stuff. This is a baby gaur.
127
430000
4000
Możemy robić z tym dziwne rzeczy. To mały gaur.
07:14
Conservation group gets together,
128
434000
2000
Grupa ekologów zbiera się
07:16
tries to figure out how to breed an animal that's almost extinct.
129
436000
4000
i próbuje umożliwić rozmnażanie niemal wymarłym zwierzętom.
07:21
They can't do it naturally, so what they do with this thing is
130
441000
3000
Nie można tego zrobić w sposób naturalny,
07:24
they take a spoon, take some cells out of an adult gaur's mouth, code,
131
444000
5000
więc biorą łyżkę, pobierają kilka komórek z pyska dorosłego gaura
07:30
take the cells from that and insert it into a fertilized cow's egg,
132
450000
4000
i przenoszą te komórki do zapłodnionej komórki jajowej krowy,
07:35
reprogram cow's egg -- different gene code.
133
455000
3000
przeprogramowują komórkę krowy - inny kod genetyczny.
07:39
When you do that, the cow gives birth to a gaur.
134
459000
4000
Potem krowa rodzi gaura.
07:44
We are now experimenting with bongos, pandas, elands, Sumatran tigers,
135
464000
6000
Teraz eksperymentujemy z bongo, pandami, antylopami oreas, tygrysami sumatrzańskimi,
07:50
and the Australians -- bless their hearts --
136
470000
3000
a poczciwi Australijczycy bawią się tym.
07:53
are playing with these things.
137
473000
1000
a poczciwi Australijczycy bawią się tym.
07:54
Now, the last of these things died in September 1936.
138
474000
4000
Ostatni osobnik zdechł we wrześniu 1936 roku.
07:58
These are Tasmanian tigers. The last known one died at the Hobart Zoo.
139
478000
4000
To tygrysy tasmańskie. Ostatni zdechł w Hobart Zoo.
08:02
But it turns out that as we learn more about gene code
140
482000
3000
Okazuje się jednak, że poznając kod genetyczny
08:05
and how to reprogram species,
141
485000
2000
i sposób przeprogramowywania gatunków
08:07
we may be able to close the gene gaps in deteriorate DNA.
142
487000
5000
możemy wypełniać luki genów w zniszczonym DNA.
08:12
And when we learn how to close the gene gaps,
143
492000
3000
A kiedy dowiemy się, jak wypełniać luki genów,
08:15
then we can put a full string of DNA together.
144
495000
2000
będziemy mogli złożyć całą nić DNA.
08:18
And if we do that, and insert this into a fertilized wolf's egg,
145
498000
4000
Jeżeli to zrobimy i umieścimy ją w zapłodnionej komórce jajowej wilczycy,
08:23
we may give birth to an animal
146
503000
2000
możemy doprowadzić do narodzin zwierzęcia,
08:25
that hasn't walked the earth since 1936.
147
505000
2000
które nie występuje na ziemi od 1936 roku.
08:28
And then you can start going back further,
148
508000
2000
Potem możemy pójść jeszcze dalej
08:30
and you can start thinking about dodos,
149
510000
2000
i zacząć myśleć o ptakach dodo
08:33
and you can think about other species.
150
513000
1000
i o innych gatunkach.
08:35
And in other places, like Maryland, they're trying to figure out
151
515000
3000
Gdzie indziej, np. w Maryland, próbuje się ustalić,
08:38
what the primordial ancestor is.
152
518000
2000
kto był naszym pierwotnym przodkiem.
08:40
Because each of us contains our entire gene code
153
520000
3000
W każdym z nas jest cały kod genetyczny,
08:43
of where we've been for the past billion years,
154
523000
3000
który mówi, gdzie byliśmy przez miliard lat,
08:46
because we've evolved from that stuff,
155
526000
2000
bo z tego właśnie wyewoluowaliśmy,
08:48
you can take that tree of life and collapse it back,
156
528000
2000
możemy przewrócić drzewo życia
08:50
and in the measure that you learn to reprogram,
157
530000
3000
i jeśli nauczymy się przeprogramowywać,
08:53
maybe we'll give birth to something
158
533000
2000
możemy dać życie czemuś
08:55
that is very close to the first primordial ooze.
159
535000
2000
bardzo podobnemu do pierwotnej zupy.
08:57
And it's all coming out of things that look like this.
160
537000
2000
A to wszystko pochodzi z czegoś takiego.
08:59
These are companies that didn't exist five years ago.
161
539000
2000
Jeszcze pięć lat temu te firmy nie istniały.
09:01
Huge gene sequencing facilities the size of football fields.
162
541000
4000
Potężne zakłady sekwencjonowania genów wielkości boiska.
09:05
Some are public. Some are private.
163
545000
2000
Niektóre są publiczne, inne prywatne.
09:07
It takes about 5 billion dollars to sequence a human being the first time.
164
547000
3000
Pierwsze sekwencjonowanie człowieka kosztowało 5 miliardów dolarów.
09:11
Takes about 3 million dollars the second time.
165
551000
2000
Drugie - 3 miliony dolarów.
09:13
We will have a 1,000-dollar genome within the next five to eight years.
166
553000
4000
W ciągu następnych 5-8 lat będzie kosztować 1000 $.
09:17
That means each of you will contain on a CD your entire gene code.
167
557000
4000
Będziecie mogli zapisać na płycie CD swój kod genetyczny.
09:22
And it will be really boring. It will read like this.
168
562000
2000
Straszna nuda. Tak będzie wyglądać.
09:25
(Laughter)
169
565000
2000
(Śmiech)
09:27
The really neat thing about this stuff is that's life.
170
567000
2000
Tak właśnie wygląda życie.
09:29
And Laurie's going to talk about this one a little bit.
171
569000
3000
Laurie trochę o tym opowie.
09:32
Because if you happen to find this one inside your body,
172
572000
2000
Bo jeśli znajdziecie to w swoim ciele,
09:34
you're in big trouble, because that's the source code for Ebola.
173
574000
2000
macie pecha, ponieważ to kod źródłowy Eboli.
09:38
That's one of the deadliest diseases known to humans.
174
578000
2000
Jednej z najbardziej zabójczych chorób nam znanych.
09:40
But plants work the same way and insects work the same way,
175
580000
2000
Ale tak samo funkcjonują rośliny i owady,
09:42
and this apple works the same way.
176
582000
2000
albo to jabłko.
09:44
This apple is the same thing as this floppy disk.
177
584000
2000
To jabłko jest tym samym co ta dyskietka.
09:46
Because this thing codes ones and zeros,
178
586000
2000
Bo tutaj koduje się zerami i jedynkami,
09:48
and this thing codes A, T, C, Gs, and it sits up there,
179
588000
2000
a to koduje A, T, C, G.
09:50
absorbing energy on a tree, and one fine day
180
590000
3000
Wchłania energię na drzewie,
09:53
it has enough energy to say, execute, and it goes [thump]. Right?
181
593000
4000
aż ma jej tyle, żeby zacząć działać i... [bum].
09:57
(Laughter)
182
597000
3000
(Śmiech)
10:00
And when it does that, pushes a .EXE, what it does is,
183
600000
4000
Kiedy uruchomi .EXE,
10:04
it executes the first line of code, which reads just like that,
184
604000
3000
wykonuje pierwszą linię kodu, która wygląda tak:
10:07
AATCAGGGACCC, and that means: make a root.
185
607000
3000
AATCAGGGACCC i oznacza: wytwórz korzeń.
10:10
Next line of code: make a stem.
186
610000
2000
Następna linia kodu: wytwórz łodygę.
10:12
Next line of code, TACGGGG: make a flower that's white,
187
612000
3000
Następna linia, TACGGGG: wytwórz biały kwiat,
10:15
that blooms in the spring, that smells like this.
188
615000
3000
który kwitnie na wiosnę i pachnie właśnie tak.
10:18
In the measure that you have the code
189
618000
2000
Jeśli mamy już kod
10:20
and the measure that you read it --
190
620000
3000
i umiemy go odczytać...
10:23
and, by the way, the first plant was read two years ago;
191
623000
2000
Pierwsza roślina została odczytana dwa lata temu;
10:25
the first human was read two years ago;
192
625000
2000
pierwszy człowiek i owad,
10:27
the first insect was read two years ago.
193
627000
2000
też dwa lata temu.
10:29
The first thing that we ever read was in 1995:
194
629000
3000
Pierwszego odczytu dokonaliśmy w 1995;
10:32
a little bacteria called Haemophilus influenzae.
195
632000
2000
u małej bakterii o nazwie Haemophilus influenzae.
10:35
In the measure that you have the source code, as all of you know,
196
635000
3000
Jeżeli mamy kod źródłowy
10:38
you can change the source code, and you can reprogram life forms
197
638000
2000
możemy go zmieniać i przeprogramowywać życie,
10:40
so that this little thingy becomes a vaccine,
198
640000
2000
by takie małe coś stało się szczepionką,
10:42
or this little thingy starts producing biomaterials,
199
642000
3000
albo zaczęło wytwarzać biomateriały.
10:45
which is why DuPont is now growing a form of polyester
200
645000
3000
Firma DuPont hoduje w kukurydzy rodzaj poliestru,
10:48
that feels like silk in corn.
201
648000
2000
który w dotyku jest podobny do jedwabiu.
10:51
This changes all rules. This is life, but we're reprogramming it.
202
651000
5000
To zmienia wszystkie zasady. Programujemy życie.
10:58
This is what you look like. This is one of your chromosomes.
203
658000
4000
Tak wyglądacie. To jeden z waszych chromosomów.
11:02
And what you can do now is,
204
662000
2000
Możecie dokładnie opisać,
11:04
you can outlay exactly what your chromosome is,
205
664000
3000
czym jest wasz chromosom
11:07
and what the gene code on that chromosome is right here,
206
667000
3000
i jaki kod genetyczny się w nim znajduje
11:10
and what those genes code for, and what animals they code against,
207
670000
3000
i do czego służy i dla jakich zwierząt są kodowane,
11:13
and then you can tie it to the literature.
208
673000
2000
a potem można go powiązać z literaturą.
11:15
And in the measure that you can do that, you can go home today,
209
675000
3000
Możecie dziś pójść do domu
11:18
and get on the Internet, and access
210
678000
2000
i wejść przez Internet do biblioteki życia,
11:20
the world's biggest public library, which is a library of life.
211
680000
3000
największej na świecie biblioteki publicznej,
11:24
And you can do some pretty strange things
212
684000
2000
Możecie zrobić parę dość dziwnych rzeczy,
11:26
because in the same way as you can reprogram this apple,
213
686000
2000
ponieważ tak samo, jak z jabłkiem Cliff Tabin,
11:29
if you go to Cliff Tabin's lab at the Harvard Medical School,
214
689000
2000
w laboratorium Harvard Medical School,
11:32
he's reprogramming chicken embryos to grow more wings.
215
692000
4000
przeprogramowuje embriony kurcząt by miały więcej skrzydeł.
11:38
Why would Cliff be doing that? He doesn't have a restaurant.
216
698000
3000
Dlaczego Cliff miałby to robić? Nie prowadzi restauracji.
11:41
(Laughter)
217
701000
1000
(Śmiech)
11:43
The reason why he's reprogramming that animal to have more wings
218
703000
3000
Przeprogramowuje je, by miały więcej skrzydeł
11:46
is because when you used to play with lizards as a little child,
219
706000
3000
ponieważ, jeśli bawiliście się jaszczurkami w dzieciństwie,
11:49
and you picked up the lizard, sometimes the tail fell off, but it regrew.
220
709000
4000
i braliście ją do ręki odpadał jej ogon, ale potem odrastał.
11:53
Not so in human beings:
221
713000
3000
U ludzi tak się nie dzieje:
11:56
you cut off an arm, you cut off a leg -- it doesn't regrow.
222
716000
3000
odetniesz rękę, odetniesz nogę - ale ona nie odrośnie.
11:59
But because each of your cells contains your entire gene code,
223
719000
4000
Ale ponieważ każda wasza komórka zawiera całe DNA,
12:04
each cell can be reprogrammed, if we don't stop stem cell research
224
724000
4000
każda może zostać przeprogramowana, o ile nie zaprzestaniemy
12:08
and if we don't stop genomic research,
225
728000
2000
badań nad komórkami macierzystymi i genomiką
12:10
to express different body functions.
226
730000
3000
w celu wyrażenia różnych funkcji organizmu.
12:14
And in the measure that we learn how chickens grow wings,
227
734000
3000
Jeżeli dowiemy się jak kurczętom wyrastają skrzydła
12:17
and what the program is for those cells to differentiate,
228
737000
2000
i jaki program w tych komórkach dokonuje rozróznienia
12:19
one of the things we're going to be able to do
229
739000
3000
będziemy w stanie, między innymi,
12:22
is to stop undifferentiated cells, which you know as cancer,
230
742000
3000
zatrzymać komórki niezróżnicowane, czyli raka.
12:26
and one of the things we're going to learn how to do
231
746000
2000
Jedną z rzeczy, której zamierzamy się nauczyć
12:28
is how to reprogram cells like stem cells
232
748000
3000
jest programowanie komórek, np. macierzystych
12:31
in such a way that they express bone, stomach, skin, pancreas.
233
751000
6000
aby mogły wytwarzać kości, żołądek, skórę, trzustkę.
12:38
And you are likely to be wandering around -- and your children --
234
758000
3000
Już niedługo razem z dziećmi będziecie mogli sobie chodzić
12:41
on regrown body parts in a reasonable period of time,
235
761000
3000
na odrośniętych kończynach
12:45
in some places in the world where they don't stop the research.
236
765000
3000
tam, gdzie badania nie zostaną zatrzymane.
12:50
How's this stuff work? If each of you differs
237
770000
5000
Jak to działa? Każdy z was różni się
12:55
from the person next to you by one in a thousand, but only three percent codes,
238
775000
3000
od osoby obok o jedną tysięczną ale tylko w 3% kodu,
12:58
which means it's only one in a thousand times three percent,
239
778000
2000
to oznacza jedną tysięczną razy 3%
13:00
very small differences in expression and punctuation
240
780000
3000
bardzo niewielkie różnice w wyrażeniach i interpunkcji
13:03
can make a significant difference. Take a simple declarative sentence.
241
783000
3000
mogą robić znaczącą różnicę. Zdanie orzekające.
13:08
(Laughter)
242
788000
2000
(Śmiech)
13:10
Right?
243
790000
1000
No nie?
13:11
That's perfectly clear. So, men read that sentence,
244
791000
4000
To oczywiste. Mężczyźni czytając to zdanie
13:15
and they look at that sentence, and they read this.
245
795000
2000
widzą to.
13:23
Okay?
246
803000
1000
OK?
13:24
Now, women look at that sentence and they say, uh-uh, wrong.
247
804000
4000
A kobiety patrzą na to zdanie i mówią "nie, nie, błąd".
13:28
This is the way it should be seen.
248
808000
2000
Tak należy na to patrzeć.
13:32
(Laughter)
249
812000
8000
(Śmiech)
13:40
That's what your genes are doing.
250
820000
1000
Tak właśnie działają wasze geny.
13:41
That's why you differ from this person over here by one in a thousand.
251
821000
5000
Różnicie się od tego mężczyzny o jedną tysięczną.
13:46
Right? But, you know, he's reasonably good looking, but...
252
826000
3000
Jest całkiem przystojny, ale...
13:49
I won't go there.
253
829000
2000
Tu się zatrzymam.
13:52
You can do this stuff even without changing the punctuation.
254
832000
3000
Można tak robić nawet bez zmiany interpunkcji.
13:56
You can look at this, right?
255
836000
4000
Można spojrzeć na to, prawda?
14:00
And they look at the world a little differently.
256
840000
2000
Oni patrzą na świat trochę inaczej.
14:02
They look at the same world and they say...
257
842000
2000
Patrzą na ten sam świat i mówią...
14:04
(Laughter)
258
844000
6000
(Śmiech)
14:10
That's how the same gene code -- that's why you have 30,000 genes,
259
850000
4000
Tak samo jest z DNA - dlatego macie 30 tys. genów,
14:14
mice have 30,000 genes, husbands have 30,000 genes.
260
854000
3000
myszy mają 30 tys. genów, mężowie mają 30 tys. genów.
14:17
Mice and men are the same. Wives know that, but anyway.
261
857000
3000
Myszy i mężczyźni są tacy sami. Żony to wiedzą.
14:21
You can make very small changes in gene code
262
861000
2000
Można wprowadzać małe zmiany w kodzie genetycznym
14:23
and get really different outcomes,
263
863000
2000
i uzyskać bardzo różne wyniki,
14:27
even with the same string of letters.
264
867000
2000
nawet z tym samym ciągiem liter.
14:31
That's what your genes are doing every day.
265
871000
2000
To właśnie robią codziennie wasze geny.
14:34
That's why sometimes a person's genes
266
874000
2000
Dlatego czasami geny człowieka
14:36
don't have to change a lot to get cancer.
267
876000
2000
nie muszą się zbytnio zmieniać, by wywołać raka.
14:42
These little chippies, these things are the size of a credit card.
268
882000
4000
Te małe chipy są wielkości karty kredytowej.
14:47
They will test any one of you for 60,000 genetic conditions.
269
887000
2000
Sprawdzą każdą z możliwych chorób genetycznych.
14:50
That brings up questions of privacy and insurability
270
890000
3000
Nasuwa się więc pytanie o prywatność i ubezpieczenie etc.,
14:53
and all kinds of stuff, but it also allows us to start going after diseases,
271
893000
2000
ale pozwala to także prześledzić choroby,
14:56
because if you run a person who has leukemia through something like this,
272
896000
3000
ponieważ osoba, która ma białaczkę
15:00
it turns out that three diseases with
273
900000
2000
może mieć jedną z trzech chorób
15:02
completely similar clinical syndromes
274
902000
4000
z identycznymi syndromami klinicznymi.
15:06
are completely different diseases.
275
906000
2000
To całkowicie różne choroby.
15:08
Because in ALL leukemia, that set of genes over there over-expresses.
276
908000
3000
We WSZYSTKICH odmianach białaczki ten zestaw genów powoduje nadekspresję.
15:11
In MLL, it's the middle set of genes,
277
911000
2000
W MLL jest to środkowy zestaw genów,
15:13
and in AML, it's the bottom set of genes.
278
913000
2000
w AML - dolny zestaw genów.
15:15
And if one of those particular things is expressing in your body,
279
915000
5000
A jeśli jedna z tych rzeczy wytwarza się w waszym organizmie,
15:20
then you take Gleevec and you're cured.
280
920000
2000
bierzecie Gleevec i jesteście zdrowi.
15:23
If it is not expressing in your body,
281
923000
2000
Jeśli nie wytwarza się w waszym organizmie,
15:25
if you don't have one of those types --
282
925000
2000
jeśli nie cierpicie na któryś z tych typów...
15:27
a particular one of those types -- don't take Gleevec.
283
927000
3000
Na jeden konkretny... nie bierzcie Gleevec.
15:30
It won't do anything for you.
284
930000
1000
Nie pomoże wam.
15:32
Same thing with Receptin if you've got breast cancer.
285
932000
2000
Tak samo z Receptinem, jeśli macie raka piersi.
15:35
Don't have an HER-2 receptor? Don't take Receptin.
286
935000
3000
Nie macie receptora HER-2? Nie bierzcie Receptinu.
15:38
Changes the nature of medicine. Changes the predictions of medicine.
287
938000
4000
To zmienia charakter i prognozy medycyny.
15:42
Changes the way medicine works.
288
942000
2000
To zmienia sposób, w jaki działa medycyna.
15:44
The greatest repository of knowledge when most of us went to college
289
944000
3000
Kiedyś największą skarbnicą wiedzy
15:47
was this thing, and it turns out that
290
947000
2000
był ten budynek.
15:49
this is not so important any more.
291
949000
2000
To się zmieniło.
15:51
The U.S. Library of Congress, in terms of its printed volume of data,
292
951000
4000
Amerykańska Biblioteka Kongresu, posiada mniej
15:55
contains less data than is coming out of a good genomics company
293
955000
4000
danych na papierze niż dobra firma zajmująca się genomiką
15:59
every month on a compound basis.
294
959000
3000
wytwarza łącznie w miesiącu.
16:02
Let me say that again: A single genomics company
295
962000
3000
Powtórzę jeszcze raz. Pojedyncza firma genomiczna
16:05
generates more data in a month, on a compound basis,
296
965000
3000
generuje łącznie większą ilość danych w miesiącu
16:08
than is in the printed collections of the Library of Congress.
297
968000
3000
niż ilość wydrukowanych danych w zbiorach Biblioteki Kongresu.
16:12
This is what's been powering the U.S. economy. It's Moore's Law.
298
972000
4000
Prawo Moore'a napędzało gospodarkę USA.
16:16
So, all of you know that the price of computers halves every 18 months
299
976000
5000
Cena komputerów spada o połowę co 18 miesięcy,
16:21
and the power doubles, right?
300
981000
2000
a moc się podwaja, prawda?
16:23
Except that when you lay that side by side with the speed
301
983000
4000
Tyle tylko, że gdy zestawicie to z prędkością,
16:27
with which gene data's being deposited in GenBank,
302
987000
3000
z jaką dane o genach są składowane w GenBank...
16:30
Moore's Law is right here: it's the blue line.
303
990000
4000
Prawo Moore'a jest tutaj: to ta niebieska linia.
16:35
This is on a log scale, and that's what superexponential growth means.
304
995000
4000
Na skali logarytmicznej to wzrost superwykładniczy.
16:39
This is going to push computers to have to grow faster
305
999000
4000
To zmusi komputery do rozwoju w szybszym tempie
16:43
than they've been growing, because so far,
306
1003000
2000
niż obecnie, ponieważ dotychczas
16:45
there haven't been applications that have been required
307
1005000
3000
nie pojawiały się zastosowania wymagające
16:48
that need to go faster than Moore's Law. This stuff does.
308
1008000
3000
prędkości powyżej Prawa Moore'a. A to tego wymaga.
16:51
And here's an interesting map.
309
1011000
2000
Oto ciekawa mapa.
16:53
This is a map which was finished at the Harvard Business School.
310
1013000
4000
Mapa wykonana w Harvard Businees School.
16:57
One of the really interesting questions is, if all this data's free,
311
1017000
3000
Nasuwa się ciekawe pytanie: jeśli te dane są darmowe,
17:00
who's using it? This is the greatest public library in the world.
312
1020000
4000
kto ich używa? To największa biblioteka publiczna na świecie.
17:04
Well, it turns out that there's about 27 trillion bits
313
1024000
3000
Okazuje się, że około 27 miliardów bitów
17:07
moving inside from the United States to the United States;
314
1027000
3000
podróżuje po całych Stanach Zjednoczonych,
17:10
about 4.6 trillion is going over to those European countries;
315
1030000
4000
ok. 4,6 miliarda przechodzi do krajów Europy,
17:14
about 5.5's going to Japan; there's almost no communication
316
1034000
3000
ok. 5,5 do Japonii; nie ma prawie żadnej komunikacji
17:17
between Japan, and nobody else is literate in this stuff.
317
1037000
4000
między Japonią i nikt nie jest kompetentny w tych sprawach.
17:21
It's free. No one's reading it. They're focusing on the war;
318
1041000
5000
To jest darmowe. Nikt tego nie czyta. Wszyscy skupiają się na wojnie,
17:26
they're focusing on Bush; they're not interested in life.
319
1046000
2000
na Bushu, nie interesuje ich życie.
17:29
So, this is what a new map of the world looks like.
320
1049000
2000
Więc nowa mapa świata wygląda tak.
17:32
That is the genomically literate world. And that is a problem.
321
1052000
6000
Oto genomicznie wykształcony świat. I w tym cały problem.
17:38
In fact, it's not a genomically literate world.
322
1058000
2000
Właściwie to nie jest genomicznie wykształcony świat.
17:40
You can break this out by states.
323
1060000
2000
Można to rozdzielić na stany.
17:42
And you can watch states rise and fall depending on
324
1062000
2000
Można obejrzeć jak ich pozycja się zmienia
17:44
their ability to speak a language of life,
325
1064000
2000
w zależności od ich opanowania języka życia.
17:46
and you can watch New York fall off a cliff,
326
1066000
2000
Widzicie jak Nowy Jork upada z hukiem
17:48
and you can watch New Jersey fall off a cliff,
327
1068000
2000
i tak samo z New Jersey.
17:50
and you can watch the rise of the new empires of intelligence.
328
1070000
3000
Widzimy powstanie nowych imperiów inteligencji.
17:54
And you can break it out by counties, because it's specific counties.
329
1074000
3000
Podzielmy to według konkretnych okręgów...
17:57
And if you want to get more specific,
330
1077000
2000
A jeśli chcemy więcej konkretów,
17:59
it's actually specific zip codes.
331
1079000
2000
mamy konkretne kody pocztowe.
18:01
(Laughter)
332
1081000
2000
(Śmiech)
18:03
So, you want to know where life is happening?
333
1083000
3000
Więc chcecie wiedzieć gdzie toczy się życie?
18:06
Well, in Southern California it's happening in 92121. And that's it.
334
1086000
5000
W Południowej Kalifornii toczy się ono w 92121. To tyle.
18:12
And that's the triangle between Salk, Scripps, UCSD,
335
1092000
5000
A to jest trójkąt łączący Salk, Scripps i UCSD.
18:17
and it's called Torrey Pines Road.
336
1097000
2000
Nazywa się Torrey Pines Road.
18:19
That means you don't need to be a big nation to be successful;
337
1099000
3000
Nie trzeba być wielkim narodem, by odnieść sukces;
18:22
it means you don't need a lot of people to be successful;
338
1102000
2000
nie trzeba też do tego wielu ludzi;
18:24
and it means you can move most of the wealth of a country
339
1104000
3000
można przemieścić większość bogactw kraju
18:27
in about three or four carefully picked 747s.
340
1107000
3000
w trzech-czterech starannie dobranych samolotach 747.
18:31
Same thing in Massachusetts. Looks more spread out but --
341
1111000
4000
Tak samo jest w Massachusetts. Wygląda to na większe, ale...
18:35
oh, by the way, the ones that are the same color are contiguous.
342
1115000
3000
przy okazji, tereny sąsiednie oznaczono tym samym kolorem.
18:39
What's the net effect of this?
343
1119000
2000
Jaki jest tego wynik netto?
18:41
In an agricultural society, the difference between
344
1121000
2000
W społeczeństwie rolniczym różnica między
18:43
the richest and the poorest,
345
1123000
1000
najbogatszymi a najbiedniejszymi
18:45
the most productive and the least productive, was five to one. Why?
346
1125000
4000
najbardziej i najmniej produktywnymi wynosi pięć do jednego
18:49
Because in agriculture, if you had 10 kids
347
1129000
2000
Ponieważ w rolnictwie, jeśli miało się dziesięcioro dzieci
18:51
and you grow up a little bit earlier and you work a little bit harder,
348
1131000
3000
i dorastało się wcześniej i pracowało się ciężej,
18:54
you could produce about five times more wealth, on average,
349
1134000
2000
można było wyprodukować 5 razy więcej zasobów niż sąsiad.
18:56
than your neighbor.
350
1136000
1000
można było wyprodukować 5 razy więcej zasobów niż sąsiad.
18:58
In a knowledge society, that number is now 427 to 1.
351
1138000
3000
W społeczeństwie wiedzy ta liczba wynosi 427 do 1.
19:02
It really matters if you're literate, not just in reading and writing
352
1142000
4000
Ważne jest, czy jest się wykształconym nie tylko
19:06
in English and French and German,
353
1146000
2000
w języku angielskim, francuskim czy niemieckim,
19:08
but in Microsoft and Linux and Apple.
354
1148000
2000
ale też w Microsofcie, Linuksie i Apple.
19:11
And very soon it's going to matter if you're literate in life code.
355
1151000
4000
Wkrótce trzeba będzie się znać na kodzie życia.
19:15
So, if there is something you should fear,
356
1155000
2000
Jeśli więc czegoś powinniście się obawiać,
19:17
it's that you're not keeping your eye on the ball.
357
1157000
3000
to jest to fakt, że nie skupiacie się na celu.
19:20
Because it really matters who speaks life.
358
1160000
2000
Ważne jest, kto mówi językiem życia.
19:23
That's why nations rise and fall.
359
1163000
2000
Dlatego narody wznoszą się i upadają.
19:26
And it turns out that if you went back to the 1870s,
360
1166000
3000
Okazuje się, że w latach 70-tych XIX wieku
19:29
the most productive nation on earth was Australia, per person.
361
1169000
3000
najbardziej produktywnym krajem świata na osobę była Australia.
19:32
And New Zealand was way up there. And then the U.S. came in about 1950,
362
1172000
3000
Nowa Zelandia była tutaj. A potem USA trafiły tu ok. 1950 r.,
19:35
and then Switzerland about 1973, and then the U.S. got back on top --
363
1175000
3000
potem, ok. 1973 r. Szwajcaria, aż USA wróciły na szczyt...
19:39
beat up their chocolates and cuckoo clocks.
364
1179000
2000
Pokonały ich czekoladę i zegary z kukułką.
19:43
And today, of course, you all know that the most productive nation
365
1183000
3000
Dziś wiemy, że najbardziej produktywnym krajem świata
19:46
on earth is Luxembourg, producing about one third more wealth
366
1186000
3000
jest Luksemburg, produkujący o ok. jedną trzecią więcej zasobów
19:49
per person per year than America.
367
1189000
2000
na osobę rocznie niż Ameryka.
19:52
Tiny landlocked state. No oil. No diamonds. No natural resources.
368
1192000
4000
Mały kraj bez dostępu do morza, bez ropy, diamentów, zasobów naturalnych.
19:56
Just smart people moving bits. Different rules.
369
1196000
5000
Tylko inteligentni i zaangażowani ludzie. Inne zasady.
20:02
Here's differential productivity rates.
370
1202000
3000
To różnice we wskaźnikach produktywności.
20:06
Here's how many people it takes to produce a single U.S. patent.
371
1206000
3000
Tylu ludzi potrzeba do produkcji jednego patentu USA.
20:09
So, about 3,000 Americans, 6,000 Koreans, 14,000 Brits,
372
1209000
4000
Czyli ok 3 tys. Amerykanów, 6 tys. Koreańczyków, 14 tys. Brytyjczyków,
20:13
790,000 Argentines. You want to know why Argentina's crashing?
373
1213000
3000
790 tys. Argentyńczyków. Wiecie, dlaczego w Argentynie jest kryzys?
20:16
It's got nothing to do with inflation.
374
1216000
2000
To nie przez inflację.
20:18
It's got nothing to do with privatization.
375
1218000
2000
To nie przez prywatyzację.
20:20
You can take a Harvard-educated Ivy League economist,
376
1220000
4000
Możecie powierzyć ekonomiście z Ivy League, po Harvardzie,
20:24
stick him in charge of Argentina. He still crashes the country
377
1224000
3000
kierowanie Argentyną. I tak doprowadziłby ten kraj do upadku,
20:27
because he doesn't understand how the rules have changed.
378
1227000
2000
ponieważ nie rozumie tego, jak zmieniły się zasady.
20:30
Oh, yeah, and it takes about 5.6 million Indians.
379
1230000
3000
I trzeba jeszcze 5,6 mln Hindusów.
20:33
Well, watch what happens to India.
380
1233000
2000
Popatrzcie, co dzieje się z Indiami.
20:35
India and China used to be 40 percent of the global economy
381
1235000
3000
Indie i Chiny stanowiły 40% globalnej gospodarki
20:38
just at the Industrial Revolution, and they are now about 4.8 percent.
382
1238000
5000
w okolicach rewolucji przemysłowej, a teraz stanowią ok. 4,8%.
20:43
Two billion people. One third of the global population producing 5 percent of the wealth
383
1243000
4000
Dwa miliardy ludzi. Jedna trzecia całej populacji produkuje 5% zasobów,
20:47
because they didn't get this change,
384
1247000
3000
bo nie zrozumieli tej zmiany,
20:50
because they kept treating their people like serfs
385
1250000
2000
bo ciągle traktowali swoich ludzi jak służących,
20:52
instead of like shareholders of a common project.
386
1252000
3000
a nie jak wspólników we wspólnym przedsięwzięciu.
20:56
They didn't keep the people who were educated.
387
1256000
3000
Nie zatrzymywali ludzi wykształconych.
20:59
They didn't foment the businesses. They didn't do the IPOs.
388
1259000
2000
Nie pobudzali biznesu. Nie wprowadzali IPO.
21:02
Silicon Valley did. And that's why they say
389
1262000
4000
W Dolinie Krzemowej było inaczej.
21:06
that Silicon Valley has been powered by ICs.
390
1266000
2000
Dolina Krzemowa jest napędzana przez IC.
21:09
Not integrated circuits: Indians and Chinese.
391
1269000
3000
Nie układy scalone (integrated circuits),
21:12
(Laughter)
392
1272000
4000
tylko Hindusów (Indians) i Chińczyków. (Śmiech)
21:16
Here's what's happening in the world.
393
1276000
2000
Oto, co się dzieje ze światem.
21:18
It turns out that if you'd gone to the U.N. in 1950,
394
1278000
3000
Gdy zakładano ONZ w 1950 r.,
21:21
when it was founded, there were 50 countries in this world.
395
1281000
2000
było w niej 50 krajów.
21:23
It turns out there's now about 192.
396
1283000
3000
Teraz to ok. 192 kraje.
21:26
Country after country is splitting, seceding, succeeding, failing --
397
1286000
4000
Kraj po kraju przechodzi podział, rozłam, sukces, porażkę...
21:31
and it's all getting very fragmented. And this has not stopped.
398
1291000
5000
Wszystko staje się bardzo rozdrobnione.
21:36
In the 1990s, these are sovereign states
399
1296000
3000
To są suwerenne kraje z lat 90-tych XX wieku,
21:39
that did not exist before 1990.
400
1299000
2000
które nie istniały przed 1990 r.
21:41
And this doesn't include fusions or name changes or changes in flags.
401
1301000
5000
Nie ujęto tu zjednoczeń, zmian nazw czy zmian flag.
21:46
We're generating about 3.12 states per year.
402
1306000
3000
Wytwarzamy rocznie ok. 3,12 kraju.
21:49
People are taking control of their own states,
403
1309000
3000
Ludzie przejmują władzę nad własnymi krajami,
21:52
sometimes for the better and sometimes for the worse.
404
1312000
3000
czasami jest to zmiana na lepsze, czasami na gorsze.
21:55
And the really interesting thing is,
405
1315000
2000
Naprawdę ciekawą rzeczą jest to,
21:57
you and your kids are empowered to build great empires,
406
1317000
2000
że wy i nasze dzieci możecie budować wielkie imperia
21:59
and you don't need a lot to do it.
407
1319000
2000
i niewiele wam do tego trzeba.
22:01
(Music)
408
1321000
2000
(Muzyka)
22:03
And, given that the music is over, I was going to talk
409
1323000
3000
To sygnał muzyczny, a miałem jeszcze pomówić
22:06
about how you can use this to generate a lot of wealth,
410
1326000
3000
o tym, jak można użyć tego do wytworzenia wielu bogactw
22:09
and how code works.
411
1329000
2000
i tego, jak działa kod.
22:11
Moderator: Two minutes.
412
1331000
1000
Moderator: Dwie minuty.
22:12
(Laughter)
413
1332000
2000
(Śmiech)
22:14
Juan Enriquez: No, I'm going to stop there and we'll do it next year
414
1334000
4000
Juan Enriques: Nie, skończę na tym i dokończymy za rok,
22:18
because I don't want to take any of Laurie's time.
415
1338000
2000
bo nie chcę zabierać czasu Lauriemu.
22:21
But thank you very much.
416
1341000
1000
Ale dziękuję bardzo.
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7