Ray Kurzweil: Get ready for hybrid thinking

Ray Kurzweil: Preparem-se para o pensamento híbrido

529,292 views ・ 2014-06-02

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Gustavo Rocha Revisor: Pedro Reis
00:12
Let me tell you a story.
0
12988
2316
Deixem-me lhes contar uma história.
00:15
It goes back 200 million years.
1
15304
1799
Aconteceu há 200 milhões de anos.
00:17
It's a story of the neocortex,
2
17103
1984
É a história do neocórtex,
00:19
which means "new rind."
3
19087
1974
que significa "nova casca".
00:21
So in these early mammals,
4
21061
2431
E nesses mamíferos primitivos,
00:23
because only mammals have a neocortex,
5
23492
2055
porque só os mamíferos têm neocórtex,
00:25
rodent-like creatures.
6
25547
1664
criaturas parecidas com roedores.
00:27
It was the size of a postage stamp and just as thin,
7
27211
3579
Era do tamanho de um selo postal e tão fino quanto,
00:30
and was a thin covering around
8
30790
1439
e era uma cobertura fina
00:32
their walnut-sized brain,
9
32229
2264
em volta do cérebro do tamanho de uma noz,
00:34
but it was capable of a new type of thinking.
10
34493
3701
mas era capaz de uma nova forma de pensamento.
00:38
Rather than the fixed behaviors
11
38194
1567
Em vez dos comportamentos fixos
00:39
that non-mammalian animals have,
12
39761
1992
que os animais não mamíferos têm,
00:41
it could invent new behaviors.
13
41753
2692
podia inventar novos comportamentos.
00:44
So a mouse is escaping a predator,
14
44445
2553
Se um rato estivesse fugindo de um predador,
00:46
its path is blocked,
15
46998
1540
e seu caminho estivesse bloqueado,
00:48
it'll try to invent a new solution.
16
48538
2129
ele vai tentar inventar uma nova solução.
00:50
That may work, it may not,
17
50667
1266
Pode funcionar, ou não,
00:51
but if it does, it will remember that
18
51933
1910
mas se funcionar, ele vai se lembrar
00:53
and have a new behavior,
19
53843
1292
e se comportar diferentemente,
00:55
and that can actually spread virally
20
55135
1457
e isso pode se propagar viralmente
00:56
through the rest of the community.
21
56592
2195
pelo resto da comunidade.
00:58
Another mouse watching this could say,
22
58787
1609
Outro rato que tenha visto isso diria:
01:00
"Hey, that was pretty clever, going around that rock,"
23
60396
2704
"Ei, foi bem esperto, dar a volta nessa pedra",
01:03
and it could adopt a new behavior as well.
24
63100
3725
e adotaria um novo comportamento também.
01:06
Non-mammalian animals
25
66825
1717
Animais não mamíferos
01:08
couldn't do any of those things.
26
68542
1713
não conseguiam fazer essas coisas.
01:10
They had fixed behaviors.
27
70255
1215
Tinham comportamentos fixos.
01:11
Now they could learn a new behavior
28
71470
1331
Eles aprenderiam comportamentos novos,
01:12
but not in the course of one lifetime.
29
72801
2576
mas não durante seu período de vida.
01:15
In the course of maybe a thousand lifetimes,
30
75377
1767
Durante o período de, talvez, milhares de vidas,
01:17
it could evolve a new fixed behavior.
31
77144
3330
poderia evoluir para um novo comportamento fixo.
01:20
That was perfectly okay 200 million years ago.
32
80474
3377
Isso funcionava perfeitamente há 200 milhões de anos.
01:23
The environment changed very slowly.
33
83851
1981
O ambiente mudou bem devagar.
01:25
It could take 10,000 years for there to be
34
85832
1554
Poderia demorar 10 mil anos para haver
01:27
a significant environmental change,
35
87386
2092
uma mudança ambiental significativa,
01:29
and during that period of time
36
89478
1382
e durante esse período de tempo,
01:30
it would evolve a new behavior.
37
90860
2929
evoluiria para um novo comportamento.
01:33
Now that went along fine,
38
93789
1521
Bem, isso funcionou bem,
01:35
but then something happened.
39
95310
1704
até que algo aconteceu.
01:37
Sixty-five million years ago,
40
97014
2246
Há 65 milhões de anos,
01:39
there was a sudden, violent change to the environment.
41
99260
2615
houve uma mudança ambiental brusca e violenta.
01:41
We call it the Cretaceous extinction event.
42
101875
3505
Nós a chamamos de evento de extinção cretáceo.
01:45
That's when the dinosaurs went extinct,
43
105380
2293
Foi aí que os dinossauros foram extintos,
01:47
that's when 75 percent of the
44
107673
3449
foi aí que 75%
das espécies de animais e plantas foram extintas,
01:51
animal and plant species went extinct,
45
111122
2746
01:53
and that's when mammals
46
113868
1745
e foi aí que os mamíferos
01:55
overtook their ecological niche,
47
115613
2152
assumiram seu papel ecológico,
01:57
and to anthropomorphize, biological evolution said,
48
117765
3654
e para antropomorfizar, a evolução biológica disse:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
121419
2025
"Hmm, esse neocórtex é coisa boa",
02:03
and it began to grow it.
50
123444
1793
e ele começou a crescer.
E os mamíferos ficaram maiores,
02:05
And mammals got bigger,
51
125237
1342
02:06
their brains got bigger at an even faster pace,
52
126579
2915
seus cérebros ficaram maiores ainda mais rápido,
02:09
and the neocortex got bigger even faster than that
53
129494
3807
e o neocórtex ficou maior mais rápido ainda
02:13
and developed these distinctive ridges and folds
54
133301
2929
e desenvolveu essas dobras características
02:16
basically to increase its surface area.
55
136230
2881
basicamente para aumentar sua superfície.
Se pegássemos o neocórtex humano
02:19
If you took the human neocortex
56
139111
1819
02:20
and stretched it out,
57
140930
1301
e o esticássemos,
seria do tamanho de um guardanapo de mesa,
02:22
it's about the size of a table napkin,
58
142231
1713
02:23
and it's still a thin structure.
59
143944
1306
e ainda é uma estrutura fina.
02:25
It's about the thickness of a table napkin.
60
145250
1980
É da espessura de um guardanapo de mesa.
02:27
But it has so many convolutions and ridges
61
147230
2497
mas tem tantas dobras e convoluções
02:29
it's now 80 percent of our brain,
62
149727
3075
que agora compõe 80% de nosso cérebro,
02:32
and that's where we do our thinking,
63
152802
2461
e é nele que realizamos o pensamento,
02:35
and it's the great sublimator.
64
155263
1761
e é o grande sublimador.
02:37
We still have that old brain
65
157024
1114
Ainda temos aquelo cérebro antigo
02:38
that provides our basic drives and motivations,
66
158138
2764
que fornece nossa motivação básica,
02:40
but I may have a drive for conquest,
67
160902
2716
mas eu posso ter uma motivação por conquista,
02:43
and that'll be sublimated by the neocortex
68
163618
2715
e ela seria sublimada pelo neocórtex
02:46
into writing a poem or inventing an app
69
166333
2909
na escrita de um poema ou na invenção de um aplicativo
02:49
or giving a TED Talk,
70
169242
1509
ou numa palestra TED,
02:50
and it's really the neocortex that's where
71
170751
3622
e é mesmo no neocórtex
02:54
the action is.
72
174373
1968
que a ação acontece.
02:56
Fifty years ago, I wrote a paper
73
176341
1717
Há 50 anos, eu escrevi um artigo
02:58
describing how I thought the brain worked,
74
178058
1918
descrevendo como eu pensava que o cérebro funcionava,
02:59
and I described it as a series of modules.
75
179976
3199
e eu o descrevi como uma série de módulos.
03:03
Each module could do things with a pattern.
76
183175
2128
Cada módulo podia fazer coisas com um padrão.
03:05
It could learn a pattern. It could remember a pattern.
77
185303
2746
Poderia aprender um padrão. Lembrar um padrão.
03:08
It could implement a pattern.
78
188049
1407
Poderia implementar um padrão.
03:09
And these modules were organized in hierarchies,
79
189456
2679
E esses módulos eram organizados em hierarquias.
03:12
and we created that hierarchy with our own thinking.
80
192135
2954
E nós criávamos essa hierarquia com nosso próprio pensamento.
03:15
And there was actually very little to go on
81
195089
3333
E havia muito pouco para acontecer
03:18
50 years ago.
82
198422
1562
há 50 anos.
03:19
It led me to meet President Johnson.
83
199984
2115
Levou-me a conhecer o presidente Johnson.
03:22
I've been thinking about this for 50 years,
84
202099
2173
Estive pensando nisso há 50 anos,
03:24
and a year and a half ago I came out with the book
85
204272
2828
E há um ano e meio, eu lancei o livro
"How to Create a Mind",
03:27
"How To Create A Mind,"
86
207100
1265
03:28
which has the same thesis,
87
208365
1613
que tem a mesma teoria,
03:29
but now there's a plethora of evidence.
88
209978
2812
mas agora há muito mais evidências.
03:32
The amount of data we're getting about the brain
89
212790
1814
As informações que temos sobre o cérebrro
03:34
from neuroscience is doubling every year.
90
214604
2203
da neurociência dobra a cada ano.
03:36
Spatial resolution of brainscanning of all types
91
216807
2654
A resolução espacial de escaneamento cerebral de todos os tipos
03:39
is doubling every year.
92
219461
2285
dobra a cada ano.
03:41
We can now see inside a living brain
93
221746
1717
Agora podemos ver dentro de um cérebro vivo
03:43
and see individual interneural connections
94
223463
2870
e ver conexões interneurais individuais
03:46
connecting in real time, firing in real time.
95
226333
2703
se conectando e sendo ativadas em tempo real.
Podemos ver seu cérebro criar seus pensamentos,
03:49
We can see your brain create your thoughts.
96
229036
2419
03:51
We can see your thoughts create your brain,
97
231455
1575
seus pensamentos criarem seu cérebro,
03:53
which is really key to how it works.
98
233030
1999
o que é muito importante para seu funcionamento.
03:55
So let me describe briefly how it works.
99
235029
2219
Vou explicar brevemente como funciona.
03:57
I've actually counted these modules.
100
237248
2275
Eu contei esses módulos, na verdade.
03:59
We have about 300 million of them,
101
239523
2046
Nós temos cerca de 300 milhões deles,
04:01
and we create them in these hierarchies.
102
241569
2229
e nós os criamos em hierarquias.
04:03
I'll give you a simple example.
103
243798
2082
Vou dar um exemplo simples.
04:05
I've got a bunch of modules
104
245880
2805
Eu tenho um tanto de módulos
04:08
that can recognize the crossbar to a capital A,
105
248685
3403
que conseguem reconhecer a barra como um A maiúsculo,
04:12
and that's all they care about.
106
252088
1914
e isso é tudo com que se importam.
04:14
A beautiful song can play,
107
254002
1578
Pode tocar uma música bonita,
04:15
a pretty girl could walk by,
108
255580
1434
uma garota bonita pode passar,
04:17
they don't care, but they see a crossbar to a capital A,
109
257014
2846
eles não se importam, mas eles vêm um A maiúsculo na barra,
04:19
they get very excited and they say "crossbar,"
110
259860
3021
eles ficam muito animados e dizem: "Barra!",
04:22
and they put out a high probability
111
262881
2112
e colocam uma alta probabilidade
04:24
on their output axon.
112
264993
1634
em seu axônio de saída.
04:26
That goes to the next level,
113
266627
1333
Daí, segue-se ao próximo nível,
04:27
and these layers are organized in conceptual levels.
114
267960
2750
e as camadas estão organizadas em níveis conceituais.
04:30
Each is more abstract than the next one,
115
270710
1856
Cada um é mais abstrato que o próximo,
04:32
so the next one might say "capital A."
116
272566
2418
então o próximo pode dizer: "A maiúsculo".
04:34
That goes up to a higher level that might say "Apple."
117
274984
2891
Daí, sobe-se para um nível mais alto que se pode dizer "Abacate".
04:37
Information flows down also.
118
277875
2167
A informação também viaja para baixo.
04:40
If the apple recognizer has seen A-P-P-L,
119
280042
2936
Se o reconhecedor de abacates já viu A-B-A-C-A-T,
04:42
it'll think to itself, "Hmm, I think an E is probably likely,"
120
282978
3219
ele vai pensar consigo: "Hmm, acho que um E é bem provável",
04:46
and it'll send a signal down to all the E recognizers
121
286197
2564
e vai mandar um sinal para os reconhecedores de E,
04:48
saying, "Be on the lookout for an E,
122
288761
1619
dizendo: "Fiquem atentos para um E,
04:50
I think one might be coming."
123
290380
1556
acho que tem um a caminho".
04:51
The E recognizers will lower their threshold
124
291936
2843
Os reconhecedores de E vão diminuir seu limiar
04:54
and they see some sloppy thing, could be an E.
125
294779
1945
e eles veem um borrão, que poderia ser um E.
04:56
Ordinarily you wouldn't think so,
126
296724
1490
Normalmente você não acharia,
04:58
but we're expecting an E, it's good enough,
127
298214
2009
mas estamos esperando um E, está bom o suficiente,
05:00
and yeah, I've seen an E, and then apple says,
128
300223
1817
e sim, vi um E, e então abacate diz:
05:02
"Yeah, I've seen an Apple."
129
302040
1728
"Sim, eu vi um Abacate."
05:03
Go up another five levels,
130
303768
1746
Subindo mais uns cinco níveis,
05:05
and you're now at a pretty high level
131
305514
1353
estamos num nível bem alto
05:06
of this hierarchy,
132
306867
1569
dessa hierarquia,
05:08
and stretch down into the different senses,
133
308436
2353
e se espalha por diferentes sentidos,
05:10
and you may have a module that sees a certain fabric,
134
310789
2655
e você pode ter um módulo que vê um certo tecido,
05:13
hears a certain voice quality, smells a certain perfume,
135
313444
2844
ouve uma certa qualidade de voz, sente um certo perfume,
05:16
and will say, "My wife has entered the room."
136
316288
2513
e vai dizer: "Minha esposa esteve neste quarto".
05:18
Go up another 10 levels, and now you're at
137
318801
1895
Subindo mais uns dez níveis, e agora estamos
05:20
a very high level.
138
320696
1160
num nívei altíssimo.
05:21
You're probably in the frontal cortex,
139
321856
1937
Provavelmente no córtex frontal,
05:23
and you'll have modules that say, "That was ironic.
140
323793
3767
e terá módulos que dizem: "Isso foi irônico.
05:27
That's funny. She's pretty."
141
327560
2370
É engraçado. Ela é bonita".
05:29
You might think that those are more sophisticated,
142
329930
2105
Vocês podem pensar que esses são mais sofisticados,
05:32
but actually what's more complicated
143
332035
1506
mas o que é mesmo mais complicado
05:33
is the hierarchy beneath them.
144
333541
2669
é a hierarquia por baixo deles.
Havia uma garota de 16 anos, que passou por uma cirurgia cerebral,
05:36
There was a 16-year-old girl, she had brain surgery,
145
336210
2620
05:38
and she was conscious because the surgeons
146
338830
2051
e ela estava consciente porque os cirurgiões queriam falar com ela.
05:40
wanted to talk to her.
147
340881
1537
05:42
You can do that because there's no pain receptors
148
342418
1822
Dá para fazer isso porque não há receptores de dor no cérebro.
05:44
in the brain.
149
344240
1038
05:45
And whenever they stimulated particular,
150
345278
1800
E sempre que eles estimulavam pontos
05:47
very small points on her neocortex,
151
347078
2463
específicos bem pequenos em seu neocórtex,
05:49
shown here in red, she would laugh.
152
349541
2665
mostrados aqui em vermelho, ela dava risada.
Eles acharam que estavam ativando
05:52
So at first they thought they were triggering
153
352206
1440
05:53
some kind of laugh reflex,
154
353646
1720
algum tipo de reflexo do riso,
05:55
but no, they quickly realized they had found
155
355366
2519
mas não, eles rapidamente percebem que tinham encontrado
05:57
the points in her neocortex that detect humor,
156
357885
3044
o ponto em seu neocórtex que detecta humor,
06:00
and she just found everything hilarious
157
360929
1969
e para ela tudo era hilário
06:02
whenever they stimulated these points.
158
362898
2437
sempre que estimulavam esses pontos.
06:05
"You guys are so funny just standing around,"
159
365335
1925
"Vocês são tão engraçado, aí em pé",
06:07
was the typical comment,
160
367260
1738
era um comentário típico,
06:08
and they weren't funny,
161
368998
2302
e eles não eram engraçados,
06:11
not while doing surgery.
162
371300
3247
não durante a cirurgia.
06:14
So how are we doing today?
163
374547
4830
Então, como estamos hoje em dia?
06:19
Well, computers are actually beginning to master
164
379377
3054
Bem, computadores estão começando a dominar
06:22
human language with techniques
165
382431
2001
a linguagem humana com técnicas
06:24
that are similar to the neocortex.
166
384432
2867
que são similares ao neocórtex.
Eu descrevi o algoritmo, na verdade,
06:27
I actually described the algorithm,
167
387299
1514
06:28
which is similar to something called
168
388813
2054
que é parecido com algo chamado
06:30
a hierarchical hidden Markov model,
169
390867
2233
de modelo hierárquico oculto de Markov,
06:33
something I've worked on since the '90s.
170
393100
3241
algo com que tenho trabalhado desde os anos 90.
06:36
"Jeopardy" is a very broad natural language game,
171
396341
3238
"Jeopardy" é um jogo de linguagem natural bem popular,
06:39
and Watson got a higher score
172
399579
1892
e Watson obteve maior pontuação
06:41
than the best two players combined.
173
401471
2000
que os dois melhores jogadores juntos.
06:43
It got this query correct:
174
403471
2499
Ele acertou esta pergunta:
06:45
"A long, tiresome speech
175
405970
2085
"Um discurso longo e cansativo
dado por uma cobertura de bolo cremosa",
06:48
delivered by a frothy pie topping,"
176
408055
2152
e ele rapidamente respondeu, "O que é meringue-harangue" (trocadilho)
06:50
and it quickly responded, "What is a meringue harangue?"
177
410207
2796
06:53
And Jennings and the other guy didn't get that.
178
413003
2635
E Jennings e o outro cara não entenderam.
06:55
It's a pretty sophisticated example of
179
415638
1926
É um exemplo bem sofisticado
06:57
computers actually understanding human language,
180
417564
1914
de computadores entendendo linguagem humana,
06:59
and it actually got its knowledge by reading
181
419478
1652
e ele obteve seu conhecimento lendo
07:01
Wikipedia and several other encyclopedias.
182
421130
3785
a Wikipedia e várias outras enciclopédias.
07:04
Five to 10 years from now,
183
424915
2133
Daqui a cinco ou dez anos,
07:07
search engines will actually be based on
184
427048
2184
ferramentas de busca vão ser baseadas
07:09
not just looking for combinations of words and links
185
429232
2794
não somente na busca de combinações de links e palavras
07:12
but actually understanding,
186
432026
1914
mas de fato no entendimento,
07:13
reading for understanding the billions of pages
187
433940
2411
ler para entender as bilhões de páginas
07:16
on the web and in books.
188
436351
2733
da Internet e livros.
07:19
So you'll be walking along, and Google will pop up
189
439084
2616
Você estaria andando por aí, e o Google apareceria
07:21
and say, "You know, Mary, you expressed concern
190
441700
3081
e diria: "Sabe, Maria, você demonstrou preocupação
07:24
to me a month ago that your glutathione supplement
191
444781
3019
para mim há um mês que seu suplemento de glutationa
07:27
wasn't getting past the blood-brain barrier.
192
447800
2231
não estava ultrapassando a barreira hematoencefálica.
07:30
Well, new research just came out 13 seconds ago
193
450031
2593
Bem, novas pesquisas foram publicadas há 13 segundos,
07:32
that shows a whole new approach to that
194
452624
1711
e mostram uma nova abordagem para isso
07:34
and a new way to take glutathione.
195
454335
1993
e um novo jeito de tomar glutationa.
07:36
Let me summarize it for you."
196
456328
2562
Deixe-me resumir para você."
07:38
Twenty years from now, we'll have nanobots,
197
458890
3684
Daqui a dez anos, nós teremos nanorrobôs,
07:42
because another exponential trend
198
462574
1627
porque outra tendência exponencial
07:44
is the shrinking of technology.
199
464201
1615
é o encolhimento da tecnologia.
07:45
They'll go into our brain
200
465816
2370
Eles entrarão no seu cérebro
07:48
through the capillaries
201
468186
1703
pelos capilares
07:49
and basically connect our neocortex
202
469889
2477
e basicamente conectarão nosso neocórtex
07:52
to a synthetic neocortex in the cloud
203
472366
3185
a um neocórtex sintético na nuvem,
07:55
providing an extension of our neocortex.
204
475551
3591
oferecendo uma extensão de nosso neocórtex.
Hoje em dia, quero dizer,
07:59
Now today, I mean,
205
479142
1578
08:00
you have a computer in your phone,
206
480720
1530
vocês têm um computador no celular,
08:02
but if you need 10,000 computers for a few seconds
207
482250
2754
mas se precisarem de 10 mil computadores por alguns segundos
08:05
to do a complex search,
208
485004
1495
para fazer uma pesquisa complexa,
08:06
you can access that for a second or two in the cloud.
209
486499
3396
vocês poderão acessá-los por um ou dois segundos na nuvem.
08:09
In the 2030s, if you need some extra neocortex,
210
489895
3095
Na década de 2030, se precisarmos de neocórtex extra,
08:12
you'll be able to connect to that in the cloud
211
492990
2273
poderemos nos conectar na nuvem
08:15
directly from your brain.
212
495263
1648
diretamente de nossos cérebros.
08:16
So I'm walking along and I say,
213
496911
1543
Estarei andando por aí e direi:
08:18
"Oh, there's Chris Anderson.
214
498454
1363
"Oh, ali está Chris Anderson.
08:19
He's coming my way.
215
499817
1525
Ele está vindo em minha direção.
08:21
I'd better think of something clever to say.
216
501342
2335
Melhor pensar em algo inteligente para dizer.
08:23
I've got three seconds.
217
503677
1524
Eu tenho três segundos.
08:25
My 300 million modules in my neocortex
218
505201
3097
Meus 300 milhões de módulos no meu neocórtex
08:28
isn't going to cut it.
219
508298
1240
não darão conta do recado.
08:29
I need a billion more."
220
509538
1246
Preciso de mais um bilhão".
08:30
I'll be able to access that in the cloud.
221
510784
3323
Eu poderei acessá-los na nuvem.
08:34
And our thinking, then, will be a hybrid
222
514107
2812
E nosso pensamento, então, será híbrido
08:36
of biological and non-biological thinking,
223
516919
3522
entre pensamento biológico e não biológico,
08:40
but the non-biological portion
224
520441
1898
mas a parte não biológica
08:42
is subject to my law of accelerating returns.
225
522339
2682
estará sujeita à minha teoria das mudanças aceleradas.
08:45
It will grow exponentially.
226
525021
2239
Vai crescer exponencialmente.
08:47
And remember what happens
227
527260
2016
E lembram-se do que aconteceu
08:49
the last time we expanded our neocortex?
228
529276
2645
da última vez que expandimos nosso neocórtex?
08:51
That was two million years ago
229
531921
1426
Isso foi há dois milhões de anos,
08:53
when we became humanoids
230
533347
1236
quando nos tornamos humanoides
08:54
and developed these large foreheads.
231
534583
1594
e desenvolvemos essas testas grandes.
08:56
Other primates have a slanted brow.
232
536177
2583
Outros primatas têm testa inclinada.
08:58
They don't have the frontal cortex.
233
538760
1745
Eles não têm o córtex frontal.
09:00
But the frontal cortex is not really qualitatively different.
234
540505
3685
Mas o córtex frontal não é qualitativamente diferente.
09:04
It's a quantitative expansion of neocortex,
235
544190
2743
É uma extensão quantitativa do neocórtex,
09:06
but that additional quantity of thinking
236
546933
2703
mas a quantidade adicional de pensamento
09:09
was the enabling factor for us to take
237
549636
1779
foi o fator que nos possiblitou
09:11
a qualitative leap and invent language
238
551415
3346
dar um salto qualitativo e inventar linguagem
09:14
and art and science and technology
239
554761
1967
e arte e ciência e tecnologia
09:16
and TED conferences.
240
556728
1454
e conferências TED.
09:18
No other species has done that.
241
558182
2131
Nenhuma outra espécie já fez isso.
09:20
And so, over the next few decades,
242
560313
2075
E assim, pelas próximas décadas,
09:22
we're going to do it again.
243
562388
1760
vamos fazer isso de novo.
09:24
We're going to again expand our neocortex,
244
564148
2274
Vamos expandir nosso neocórtex novamente,
09:26
only this time we won't be limited
245
566422
1756
só que, dessa vez, não estaremos limitados
09:28
by a fixed architecture of enclosure.
246
568178
4280
por uma arquitetura fixa e fechada.
09:32
It'll be expanded without limit.
247
572458
3304
Será expandido sem limites.
09:35
That additional quantity will again
248
575762
2243
Essa quantidade adicional vai, novamente,
09:38
be the enabling factor for another qualitative leap
249
578005
3005
ser o fator que possibilita outro salto qualitativo
09:41
in culture and technology.
250
581010
1635
em cultura e tecnologia.
09:42
Thank you very much.
251
582645
2054
Muito obrigado.
09:44
(Applause)
252
584699
3086
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7