Information technology grows in an exponential manner. It's not linear. And our intuition is linear. When we walked through the savanna a thousand years ago we made linear predictions where that animal would be, and that worked fine. It's hardwired in our brains. But the pace of exponential growth is really what describes information technologies. And it's not just computation. There is a big difference between linear and exponential growth. If I take 30 steps linearly -- one, two, three, four, five -- I get to 30. If I take 30 steps exponentially -- two, four, eight, 16 -- I get to a billion. It makes a huge difference. And that really describes information technology.
فناوری اطلاعات به صورت نمایی رشد می کند. خطی نیست. اما درک ما خطی هست. 1000 سال پیش که ما از میان ساوانا عبور کردیم ما پیش بینی های خطی کردیم که یک حیوان کجا می تواند باشد. و اون روش نتیجه داد. و در مغزهای ما نهادینه شد. ولی سرعت رشد نمایی واقعا چیزیه که فناوری های اطلاعات رو تبیین می کنه. و فقط موضوع محاسبات نیست. تفاوت زیادی هست بین رشد خطی و رشد نمایی. اگر من 30 گام خطی بردارم، یک، دو، سه، چهار، پنج، به 30 می رسم. اگر 30 گام به صورت نمایی بردارم، دو، چهار، هشت، شانزده، من به یک میلیارد میرسم. تفاوت بزرگی میان این دو هست. و این چیزیه که فناوری اطلاعات رو توضیح میده.
When I was a student at MIT, we all shared one computer that took up a whole building. The computer in your cellphone today is a million times cheaper, a million times smaller, a thousand times more powerful. That's a billion-fold increase in capability per dollar that we've actually experienced since I was a student. And we're going to do it again in the next 25 years. Information technology progresses through a series of S-curves where each one is a different paradigm. So people say, "What's going to happen when Moore's Law comes to an end?" Which will happen around 2020. We'll then go to the next paradigm. And Moore's Law was not the first paradigm to bring exponential growth to computing. The exponential growth of computing started decades before Gordon Moore was even born. And it doesn't just apply to computation. It's really any technology where we can measure the underlying information properties.
زمانی که من در MIT دانشجو بودم همه ما از یک کامپیوتر استفاده می کردیم که تمام فضای یک ساختمان رو اشغال کرده بود. کامپیوتری که امروز در تلفن همراه شما هست میلیون ها بار ارزان تر، میلیون ها بار کوچکتر، و هزاران بار قوی تر هستش. این یعنی قدرت به ازای هر دلار میلیارد برابر شده که ما اون رو از زمان دانشجویی من تا بحال تجربه کردیم. و ما این کار رو ظرف 25 سال آینده باز هم انجام میدهیم. پیشرفت فناوری اطلاعات به صورت منحنی های S شکل هست که هر کدام از آنها یک پارادایم می باشد. مردم میگن: "زمانی که قانون مور به انتها برسه چی میشه؟" که البته در حدود سال 2020 اتفاق می افته. اون موقع به پارادایم بعدی میریم. و قانون مور هم اولین پارادایم نبوده که رشد نمایی رو به حیطه محاسبات آورده باشه. رشد نمایی محاسبات (توان کامپیوترها) دهه ها قبل از تولد گوردون مور شروع شد. و این فقط هم برای محاسبات صدق نمی کنه. در واقع برای هر فناوری که بتوانیم خصیصه های اطلاعاتی نهفته در اون رو بسنجیم، صدق میکنه.
Here we have 49 famous computers. I put them in a logarithmic graph. The logarithmic scale hides the scale of the increase, because this represents trillions-fold increase since the 1890 census. In 1950s they were shrinking vacuum tubes, making them smaller and smaller. They finally hit a wall; they couldn't shrink the vacuum tube any more and keep the vacuum. And that was the end of the shrinking of vacuum tubes, but it was not the end of the exponential growth of computing. We went to the fourth paradigm, transistors, and finally integrated circuits. When that comes to an end we'll go to the sixth paradigm; three-dimensional self-organizing molecular circuits.
اینجا 49 تا کامپیوتر معروف رو داریم. (توان محاسباتی) اینها رو در نمودار لگاریتمی رسم کردم. مقیاس لگاریتمی میزان رشد رو پنهان میکنه. چون که این نمودار رشدهای بیلیون برابر از زمان آمارگیری 1890 رو نشون میده. در دهه 50 لامپ های خلأ رو کوچک می کردن، کوچک تر و کوچک تر. تا وقتی که به مانع خوردن. اونا دیگه نمی تونستن لامپ خلأ رو کوچکتر کنند چون دیگه نمی تونستند خلأ رو درش نگه دارن. و این پایان کوچک سازی لامپ های خلأ بود. ولی این پایان رشد نمایی محاسبات نبود. ما به پارادایم چهارم که ترانزیستور هست رفتیم، و در نهایت به تراشه ها رسیدیم. وقتی که اون هم تموم شه ما به ششمین پارادایم میریم، و اون مدارهای ملکولی خود سازمان ده سه بعدی هست.
But what's even more amazing, really, than this fantastic scale of progress, is that -- look at how predictable this is. I mean this went through thick and thin, through war and peace, through boom times and recessions. The Great Depression made not a dent in this exponential progression. We'll see the same thing in the economic recession we're having now. At least the exponential growth of information technology capability will continue unabated.
اما چیزی که حتی از این مقیاس بزرگ پیشرفت هم جالب تره اینه که ببینید که چقدر این قابل پیش بینی هست. منظورم اینه که این روند در شرایط سخت، در زمان جنگ و صلح، در زمان رونق و رکود ادامه داشته. رکود بزرگ کوچکترین خللی در این رشد نمایی ایجاد نکرد. ما همین شرایط رو در رکودی که الان در اون هستیم خواهیم داشت. حداقل رشد نمایی قابلیت فناوری اطلاعات بدون هیچ کاهشی ادامه یافته.
And I just updated these graphs. Because I had them through 2002 in my book, "The Singularity is Near." So we updated them, so I could present it here, to 2007. And I was asked, "Well aren't you nervous? Maybe it kind of didn't stay on this exponential progression." I was a little nervous because maybe the data wouldn't be right, but I've done this now for 30 years, and it has stayed on this exponential progression.
و من این نمودارها رو به روز کردم. چون که اینها رو از سال 2002 در کتابم "تکینگی نزدیک است" داشتم پس به روزشون کردیم تا بتونم اینجا ارائه شون کنم، تا سال 2007. از من پرسیدن: "نگران نیستی؟ شاید یه جوری بر مبنای این رشد نمایی نمونده باشه." من یه مقدار نگران بودم چون شاید داده ها صحیح نمی بودن، ولی من 30 سال این کار رو میکنم، و این بر مبنای رشد نمایی مانده است.
Look at this graph here.You could buy one transistor for a dollar in 1968. You can buy half a billion today, and they are actually better, because they are faster. But look at how predictable this is. And I'd say this knowledge is over-fitting to past data. I've been making these forward-looking predictions for about 30 years. And the cost of a transistor cycle, which is a measure of the price performance of electronics, comes down about every year. That's a 50 percent deflation rate. And it's also true of other examples, like DNA data or brain data. But we more than make up for that. We actually ship more than twice as much of every form of information technology. We've had 18 percent growth in constant dollars in every form of information technology for the last half-century, despite the fact that you can get twice as much of it each year.
این نمودار رو ببینید. در سال 1968 می توانستید با یک دلار، یک ترانزیستور بخرید. الان با این پول می تونید نیم میلیارد ترانزیستور بگیرید. و اینها بهتر هستند چون سریعترند. ولی ببینید که چقدر قابل پیش بینی هست. و من میگم این دانش در مورد داده های گذشته بیش برازش دارد. من برای 30 سال هست که پیش بینی های آینده نگرانه می کنم. و هزینه یک سیکل ترانزیستور که شاخصی برای هزینه ی عملکرد وسایل الکترونیکی هست، هر سال پایین تر میاد. این به معنی نرخ نزول 50 درصدی. و همچنین این برای موارد دیگر هم صادقه مثل داده های DNA یا داده های مغز. ولی ما جای اون رو پر می کنیم. در واقع میزان کالاهی مبتنی بر فناوری اطلاعاتی در هر نوع که به فروش می رسد، دو برابر شده است. در نیم قرن گذشته بازار همه انواع فناوری اطلاعات به نرخ سال پایه، رشدی 18 درصدی داشته. علیرغم این واقعیت که هر سال (با همان پول) میشه دو برابر سال قبل گرفت.
This is a completely different example. This is not Moore's Law. The amount of DNA data we've sequenced has doubled every year. The cost has come down by half every year. And this has been a smooth progression since the beginning of the genome project. And halfway through the project, skeptics said, "Well, this is not working out. You're halfway through the genome project and you've finished one percent of the project." But that was really right on schedule. Because if you double one percent seven more times, which is exactly what happened, you get 100 percent. And the project was finished on time.
این مثال کاملا متفاوتی هست. این قانون مور نیست. میزان داده های ناشی از رمزگشایی خطی DNA هر سال دو برابر شده. هزینه آن هر سال نصف شده. و این یک پیشرفت هموار بوده از زمان آغاز پروژه ژنوم. و در میانه این پروژه، بدبین ها گفتند "این به نتیجه نمیرسه. شما در میانه پروژه ژنوم هستید و تنها یک درصد پروژه رو به اتمام رسوندید." ولی اون کاملا طبق برنامه بود. چون اگه یک درصد رو هفت بار دو کنید، که دقیقا همون چیزیه که اتفاق افتاد، به 100 درصد میرسید. و پروژه سر وقت به اتمام رسید.
Communication technologies: 50 different ways to measure this, the number of bits being moved around, the size of the Internet. But this has progressed at an exponential pace. This is deeply democratizing. I wrote, over 20 years ago in "The Age of Intelligent Machines," when the Soviet Union was going strong, that it would be swept away by this growth of decentralized communication.
تکنولوژی های ارتباطی: 50 راه مختلف برای اندازه گیری این هست. مثل تعداد بیت هایی که فرستاده می شوند، یا اندازه اینترنت. اما این با نرخ نمایی رشد کرده. و بسیار دموکراتیزه کننده هستند. من بیش از 20 سال قبل در کتاب "عصر ماشین های معنوی" نوشتم زمانی که اتحادیه جماهیر شوروی در حال قدرت گرفتن بود، گفتم که با رشد وسایل ارتباطی غیرمتمرکز متلاشی میشه.
And we will have plenty of computation as we go through the 21st century to do things like simulate regions of the human brain. But where will we get the software? Some critics say, "Oh, well software is stuck in the mud." But we are learning more and more about the human brain. Spatial resolution of brain scanning is doubling every year. The amount of data we're getting about the brain is doubling every year. And we're showing that we can actually turn this data into working models and simulations of brain regions.
و ما در طول قرن 21 کلی محاسبات داریم از جمله شبیه سازی نواحی مغز انسان. اما نرم افزارش رو از کجا میاریم؟ بعضی از منتقدها میگن: "نرم افزار که به گل نشسته." اما ما در مورد مغز انسان داریم بیشتر و بیشتر یاد می گیریم. وسعت رزولوشن اسکن مغزی هر سال دو برابر میشه. میزان داده هایی که هر سال راجع به مغز بدست میاوریم هر سال دو برابر میشه. و داره نشون داده میشه که حقیقتا میشه این داده ها رو به مدل ها و شبیه سازی های کارآمدی از نواحی مغز تبدیل کرد.
There is about 20 regions of the brain that have been modeled, simulated and tested: the auditory cortex, regions of the visual cortex; cerebellum, where we do our skill formation; slices of the cerebral cortex, where we do our rational thinking. And all of this has fueled an increase, very smooth and predictable, of productivity. We've gone from 30 dollars to 130 dollars in constant dollars in the value of an average hour of human labor, fueled by this information technology.
حدود 20 ناحیه از مغز هستند که مدل شده اند، مدل و تست شده اند: قشر شنوایی مغز، بخش هایی از قشر بینایی، مخچه، که توانایی های ما در اونجا شکل میگیره، قسمت هایی از مخ، که تفکر منطقی مربوط به این ناحیه است. و تمام اینها به رشد هموار و قابل پیش بینی در نتایج منتهی شده. ما در ارزش متوسط یک ساعت نیروی انسانی از 30 دلار به 130 دلار به نسبت سال پایه رسیدیم به لطف فناوری اطلاعات.
And we're all concerned about energy and the environment. Well this is a logarithmic graph. This represents a smooth doubling, every two years, of the amount of solar energy we're creating, particularly as we're now applying nanotechnology, a form of information technology, to solar panels. And we're only eight doublings away from it meeting 100 percent of our energy needs. And there is 10 thousand times more sunlight than we need.
و همه ما نگران انرژی و محیط زیست هستیم. خب این یه نمودار لگاریتمی است. این نمودار، دو برابر شدن به صورت همواری رو نشون میده در میزان انرژی خورشیدی که ما پدید آوردیم. مشخصا الان که از نانوفناوری، که یک نوع فناوری اطلاعات هست، در پنل های خورشیدی استفاده می کنیم. و ما تنها 8 تا دو برابر شدن در این میزان تا پوشش دادن کل نیاز ما به انرژی فاصله داریم. و میزان نور خورشید 10 هزار بار بیشتر از نیاز ماست.
We ultimately will merge with this technology. It's already very close to us. When I was a student it was across campus, now it's in our pockets. What used to take up a building now fits in our pockets. What now fits in our pockets would fit in a blood cell in 25 years. And we will begin to actually deeply influence our health and our intelligence, as we get closer and closer to this technology.
نهایتا ما با این فناوری تلفیق میشیم. تا همین الان خیلی به ما نزدیک شده. زمانی که من دانش آموز بودم (کامپیوتر) آن طرف محوطه دانشگاه بود. الان در جیب های ما جا میشه. چیزی که به اندازه یک ساختمان جا می گرفت الان در جیب های ما جا میشه. چیزی که الان در جیب های ما جا میشه، ظرف 25 سال آینده در سلولهای خون ما جا میگیره. و ما همین طور که به این فناوری نزدیک تر و نزدیک تر بشیم عملا شروع می کنیم به تأثیر گذاشتن بر روی وضعیت جسمانی و هوش خودمان.
Based on that we are announcing, here at TED, in true TED tradition, Singularity University. It's a new university that's founded by Peter Diamandis, who is here in the audience, and myself. It's backed by NASA and Google, and other leaders in the high-tech and science community. And our goal was to assemble the leaders, both teachers and students, in these exponentially growing information technologies, and their application. But Larry Page made an impassioned speech at our organizing meeting, saying we should devote this study to actually addressing some of the major challenges facing humanity. And if we did that, then Google would back this. And so that's what we've done.
چیزی که ما در اینجا براساس سنت اصیل TED معرفی می کنیم، دانشگاه تکینگی هستش. این یه دانشگاه جدیده که توسط پیتر دایمندیس، که در میان حضار هست، و خود من تأسیس شده. این دانشگاه توسط ناسا و گوگل که در جامعه فناوری برتر و علمی هستند، حمایت میشند. و هدف ما این بود که رهبران، و هم معلمان و هم دانش آموزان، رو در ارتباط با این فناوری های اطلاعات که نمایی رشد می کنند و کاربرد اونها، گردهم بیاریم. اما لری پیج در جلسه تأسیس سخنرانی پرشوری داشت، و گفت ما باید این تحصیلات رو متوجه حل مشکلات اساسی بکنیم که رو در روی بشریت قرار دارن. و در اینصورت هست که گوگل هم از ما حمایت میکنه. و ما هم همین کار رو کردیم.
The last third of the nine-week intensive summer session will be devoted to a group project to address some major challenge of humanity. Like for example, applying the Internet, which is now ubiquitous, in the rural areas of China or in Africa, to bringing health information to developing areas of the world. And these projects will continue past these sessions, using collaborative interactive communication. All the intellectual property that is created and taught will be online and available, and developed online in a collaborative fashion.
سه هفته ی آخر برنامه ی نه هفته ای تابستان ما به یک گروه پروژه ای برای حل برخی چالش های اساسی بشریت اختصاص داره. مثل، چگونگی استفاده از اینترنت، که الان همه جا هست، حتی در مناطق دورافتاده چین یا آفریقا، برای در اختیار قرار دادن اطلاعات پزشکی به نواحی در حال توسعه در جهان. و این پروژه ها در این جلسات پی گیری میشن، به استفاده از وسایل ارتباطی اشتراکی و تبادلی. تمام مالکیت فکری که خلق بشه و آموزش داده بشه در اینترنت و در دسترس خواهد بود، و در فضای اینترنت به صورت تشریک مساعی پرورش می یابد.
Here is our founding meeting. But this is being announced today. It will be permanently headquartered in Silicon Valley, at the NASA Ames research center. There are different programs for graduate students, for executives at different companies. The first six tracks here -- artificial intelligence, advanced computing technologies, biotechnology, nanotechnology -- are the different core areas of information technology. Then we are going to apply them to the other areas, like energy, ecology, policy law and ethics, entrepreneurship, so that people can bring these new technologies to the world.
این جلسه افتتاحیه مون هست. اما این رسما امروز اعلام میشه. دفتر مرکزی اون به صورت دائمی در Sillicon Valley خواهد بود، در مرکز تحقیقات NASA Ames. برنامه های متفاوتی برای دانشجویان ارشد هست، همچنین برای مدیران اجرایی شرکت های مختلف. 6 خط اول اینجا، هوش مصنوعی، فناوری پیشرفته محاسبات، زیست فناوری، نانو فناوری، هسته های مختلف فناوری اطلاعات هستند. بعد اونها را در موضوعات دیگه به کار میگیریم، مثل انرژی، بوم شناسی، حقوق و سیاست و اخلاقیات و کارآفرینی، که این افراد بتونند این فناوری های جدید رو به دنیا برسونند.
So we're very appreciative of the support we've gotten from both the intellectual leaders, the high-tech leaders, particularly Google and NASA. This is an exciting new venture. And we invite you to participate. Thank you very much. (Applause)
بنابراین من خیلی متشکرم از حمایت هایی که داشتیم، هم از رهبران فکری، رهبران دنیای فناوری، به طور مشخص گوگل و ناسا. این یک کسب و کار جالب و جدید هست. و از همه شما دعوت می کنیم که مشارکت کنید. بسیار ممنونم. (تشویق)