Es ist großartig hier zu sein. Wir haben viel gehört über die Möglichkeiten von Technologie, und ihre Tücken. Ich bin an beidem sehr interessiert. Wenn wir 0,03 Prozent des Sonnenlichts, das auf die Erde trifft, in Energie umwandeln könnten, könnten wir unseren projizierten Bedarf von 2030 decken. Wir schaffen das heutzutage nicht, weil Solarmodule schwer, teuer und ineffizient sind. Es gibt Nanotechnologie-Entwicklungen, die zumindest theoretisch belegen, das sie potentiell sehr leicht, sehr günstig und sehr effizient sein können, und wir könnten in der Lage sein, unseren Energiebedarf auf diese erneuerbare Art zu decken. Nano-entwickelte Energiezellen könnten die Energie dort zur Verfügung stellen, wo sie gebraucht wird. Das ist eine wichtige Entwicklungstendenz, nämlich die Dezentralisierung, weg von zentralisierten Atomkraftwerken und Flüssiggas-Tankschiffen, zu dezentralen Rohstoffen, die umweltfreundlicher, sehr viel effizienter und unanfällig und sicher gegen Unterbrechungen sind.
Well, it's great to be here. We've heard a lot about the promise of technology, and the peril. I've been quite interested in both. If we could convert 0.03 percent of the sunlight that falls on the earth into energy, we could meet all of our projected needs for 2030. We can't do that today because solar panels are heavy, expensive and very inefficient. There are nano-engineered designs, which at least have been analyzed theoretically, that show the potential to be very lightweight, very inexpensive, very efficient, and we'd be able to actually provide all of our energy needs in this renewable way. Nano-engineered fuel cells could provide the energy where it's needed. That's a key trend, which is decentralization, moving from centralized nuclear power plants and liquid natural gas tankers to decentralized resources that are environmentally more friendly, a lot more efficient and capable and safe from disruption.
Bono hat sehr eloquent beschrieben, dass wir zum ersten Mal in der Geschichte in der Lage sind, uns uralten Problemen wie Krankheit und Armut zuzuwenden. Die meisten Regionen der Welt bewegen sich in diese Richtung. Im Jahr 1990 lebten in Ostasien und in der Pazifikregion 500 Millionen Menschen in Armut – diese Zahl ist jetzt unter 200 Millionen. Die Weltbank projiziert, dass es bis 2011 unter 20 Millionen sein werden, was ein Rückgang von 95 Prozent ist. Mir hat Bonos Kommentar gefallen, in dem er das Haight-Ashbury Viertel mit dem Silicon-Valley verbindet. Da ich selbst aus der High-Tech-Gemeinde von Massachusetts stamme, weise ich darauf hin, dass auch wir in den 1960ern Hippies waren, obwohl wir am Harvard Square rumhingen. Doch wir haben das Potenzial, Krankheit und Armut zu bezwingen, und ich werde über diese Aspekte sprechen, falls wir den Willen dazu haben.
Bono spoke very eloquently, that we have the tools, for the first time, to address age-old problems of disease and poverty. Most regions of the world are moving in that direction. In 1990, in East Asia and the Pacific region, there were 500 million people living in poverty -- that number now is under 200 million. The World Bank projects by 2011, it will be under 20 million, which is a reduction of 95 percent. I did enjoy Bono's comment linking Haight-Ashbury to Silicon Valley. Being from the Massachusetts high-tech community myself, I'd point out that we were hippies also in the 1960s, although we hung around Harvard Square. But we do have the potential to overcome disease and poverty, and I'm going to talk about those issues, if we have the will.
Kevin Kelly hat über die Beschleunigung der Technologie gesprochen. Dies ist ein großes Interessensgebiet von mir, und ein Thema, das ich über etwa 30 Jahre entwickelt habe. Ich erkannte, dass meine Technologien sinnvoll sein mussten, wenn ich ein Projekt beendet hatte. Dass die Welt ausnahmslos verändert war, nachdem ich eine Technologie eingeführt hatte. Und dass die meisten Innovationen nicht scheitern, weil die Entwicklungsabteilungen sie nicht zum Laufen bekommen – wenn man die meisten Geschäftspläne betrachtet, sind sie erfolgreich, soweit sie die Chance haben das herzustellen, was sie geplant hatten – und 90 Prozent oder mehr dieser Projekte scheitern, weil die zeitliche Planung schlecht war – da nicht alle Erfolgsfaktoren im richtigen Moment zur Verfügung standen.
Kevin Kelly talked about the acceleration of technology. That's been a strong interest of mine, and a theme that I've developed for some 30 years. I realized that my technologies had to make sense when I finished a project. That invariably, the world was a different place when I would introduce a technology. And, I noticed that most inventions fail, not because the R&D department can't get it to work -- if you look at most business plans, they will actually succeed if given the opportunity to build what they say they're going to build -- and 90 percent of those projects or more will fail, because the timing is wrong -- not all the enabling factors will be in place when they're needed.
So wurde ich ein begeisterter Student von Technologietrends und verfolge, wo Technologie sich an verschiedenen Punkten der Zeit befindet, und begann die mathematischen Modelle dazu zu entwickeln. Das hat sich irgendwie verselbstständigt. Ich habe ein Gruppe von 10 Personen, die mit mir Daten über Schlüsselmaßnahmen von Entwicklungen aus verschiedenen Bereichen sammeln, und wir entwickeln Modelle. Leute sagen, nun, man kann die Zukunft nicht vorhersagen. Und wenn ich gefragt werde, wird der Preis der Google-Aktie in drei Jahren höher oder niedriger sein als heute, dann ist das recht schwer zu sagen. Wird "WiMax CDMA G3" in drei Jahren der Standard zur kabellosen Datenübertragung sein? Das ist schwer zu sagen. Aber wenn man mich fragt, was werden 2010 die Kosten von einer MIPS (Millionen Befehle pro Sekunde) an Berechnungen sein, oder 2012 die Kosten der Sequenzierung eines Basenpaars von DNA, oder 2014 die Kosten eines Megabytes an Daten kabellos zu versenden, stellt sich heraus, dass all dies sehr vorhersagbar ist.
So I began to be an ardent student of technology trends, and track where technology would be at different points in time, and began to build the mathematical models of that. It's kind of taken on a life of its own. I've got a group of 10 people that work with me to gather data on key measures of technology in many different areas, and we build models. And you'll hear people say, well, we can't predict the future. And if you ask me, will the price of Google be higher or lower than it is today three years from now, that's very hard to say. Will WiMax CDMA G3 be the wireless standard three years from now? That's hard to say. But if you ask me, what will it cost for one MIPS of computing in 2010, or the cost to sequence a base pair of DNA in 2012, or the cost of sending a megabyte of data wirelessly in 2014, it turns out that those are very predictable.
Es sind bemerkenswert geschmeidige Exponentialkurven, welche die Preis-Performanz, Kapazität und Bandbreite lenken. Und ich werde Ihnen ein kleines Beispiel dazu geben. Aber es gibt tatsächlich eine theoretische Begründung dafür, warum Technologie sich in exponenzieller Weise entwickelt. Die meisten Menschen stellen sich die Zukunft als etwas Lineares vor. Sie glauben, sie führen die Entwicklung eines Problems oder die Lösung des Problems mit heutigen Werkzeugen fort, mit der heutigen Geschwindigkeit, und ziehen dieses exponentielle Wachstum nicht in Betracht.
There are remarkably smooth exponential curves that govern price performance, capacity, bandwidth. And I'm going to show you a small sample of this, but there's really a theoretical reason why technology develops in an exponential fashion. And a lot of people, when they think about the future, think about it linearly. They think they're going to continue to develop a problem or address a problem using today's tools, at today's pace of progress, and fail to take into consideration this exponential growth.
Das Menschliche Genom Projekt war 1990 kontrovers. Wir hatten die besten Doktoranden, die fortschrittlichste Ausrüstung der Welt, wir hatten ein Zehntausendstel des Projekts fertiggestellt, und wie sollten wir das in 15 Jahren schaffen? Als das Projekt 10 Jahre fortgeschritten war, waren die Skeptiker weiterhin verbreitet und sagten, "Ihr steckt 2/3 im Projekt, aber ihr habt bisher nur eine kleine Prozentzahl des gesamten Genoms sequenziert." Aber es ist die Eigenart von exponentiellem Wachstum, das es förmlich explodiert, wenn die Kurve einmal ansteigt. Der Großteil des Projekts wurde in den letzten wenigen Jahren erreicht. Es hat 15 Jahre gedauert, um HIV zu sequenzieren. Wir haben SARS in 31 Tagen sequenziert. Wir erreichen also das Potential, diese Probleme zu überwinden.
The Genome Project was a controversial project in 1990. We had our best Ph.D. students, our most advanced equipment around the world, we got 1/10,000th of the project done, so how're we going to get this done in 15 years? And 10 years into the project, the skeptics were still going strong -- says, "You're two-thirds through this project, and you've managed to only sequence a very tiny percentage of the whole genome." But it's the nature of exponential growth that once it reaches the knee of the curve, it explodes. Most of the project was done in the last few years of the project. It took us 15 years to sequence HIV -- we sequenced SARS in 31 days. So we are gaining the potential to overcome these problems.
Ich werde Ihnen an ein paar Beispielen zeigen, wie überzeugend dieses Phänomen ist. Der tatsächliche Paradigmen-Wechsel, die Rate neue Ideen zu adaptieren, verdoppelt sich jedes Jahrzent. Das zeigen unsere Modelle. Dies sind alles logarithmische Graphen, das heißt, auf jeder Stufe multiplizieren sich die repräsentierten Werte mit dem Faktor 10 oder 100. Wir brauchten ein halbes Jahrhundert, um das Telefon anzunehmen, die erste virtuelle Realitätstechnologie. Mobiltelefone waren in etwa acht Jahren angenommen. Wenn Sie verschiedene Kommunikations-Technologien auf diesem logarithmischen Graphen darstellen, sieht man, dass Fernsehen, Radio und Telefon in Jahrzehnten angenommen wurden. Aktuelle Technologien – wie der PC, das Internet, Mobiltelefone – lagen unter einem Jahrzehnt. Dies ist eine interessante Grafik, und sie verdeutlicht wirklich den fundamentalen Grund, warum sich ein evolutionärer Prozess – und Biologie und Technologie sind beides evolutionäre Prozesse – beschleunigt. Sie verstärken sich durch Wechselwirkung – sie erzeugen eine Fähigkeit, die dann genutzt wird, um die nächste Innovationsstufe hervorzubringen.
I'm going to show you just a few examples of how pervasive this phenomena is. The actual paradigm-shift rate, the rate of adopting new ideas, is doubling every decade, according to our models. These are all logarithmic graphs, so as you go up the levels it represents, generally multiplying by factor of 10 or 100. It took us half a century to adopt the telephone, the first virtual-reality technology. Cell phones were adopted in about eight years. If you put different communication technologies on this logarithmic graph, television, radio, telephone were adopted in decades. Recent technologies -- like the PC, the web, cell phones -- were under a decade. Now this is an interesting chart, and this really gets at the fundamental reason why an evolutionary process -- and both biology and technology are evolutionary processes -- accelerate. They work through interaction -- they create a capability, and then it uses that capability to bring on the next stage.
Der erste Schritt der biologischen Evolution, die Evolution der DNA – tatsächlich kam die RNA zuerst – brauchte Milliarden von Jahren, aber dann nutzte die Evolution dieses informationsverarbeitende Rückgrat, um die nächste Stufe hervorzubringen. Die Kambrische Explosion, in der sich alle Körperpläne der Tiere entwickelten, brauchte nur 10 Millionen Jahre. Das war 200 mal schneller. Und dann nutzte die Evolution diese Körperpläne, um höhere kognitive Fähigkeiten zu entwickeln, und die biologische Evolution beschleunigte sich weiter. Es ist die inhärente Natur eines evolutionären Prozesses. Der Homo Sapiens, die erste Technologie erschaffende Spezies, war die Spezies, die kognitive Fähigkeit mit opponierbaren Gliedmaßen kombinierte – übrigens hat der Schimpanse nicht wirklich einen opponierbaren Daumen – wir konnten tatsächlich unsere Umwelt mit einem kraftvollen Griff und Feinmotorik manipulieren, und mit unseren mentalen Modellen konnten wir die Welt verändern und Technologie hervorbringen.
So the first step in biological evolution, the evolution of DNA -- actually it was RNA came first -- took billions of years, but then evolution used that information-processing backbone to bring on the next stage. So the Cambrian Explosion, when all the body plans of the animals were evolved, took only 10 million years. It was 200 times faster. And then evolution used those body plans to evolve higher cognitive functions, and biological evolution kept accelerating. It's an inherent nature of an evolutionary process. So Homo sapiens, the first technology-creating species, the species that combined a cognitive function with an opposable appendage -- and by the way, chimpanzees don't really have a very good opposable thumb -- so we could actually manipulate our environment with a power grip and fine motor coordination, and use our mental models to actually change the world and bring on technology.
Nun, die Evolution unserer Spezies brauchte hunderttausende von Jahren, und wegen dieser Wechselwirkung nutzte die Evolution im Grunde die Technologie erschaffende Spezies, um die nächste Stufe hervorzubringen, was der erste Schritt in der technologischen Evolution war. Dieser erste Schritt brauchte zehntausend Jahre – Steinwerkzeuge, Feuer, das Rad – es beschleunigte sich weiter. Wir nutzten immer die zu dem Zeitpunkt neuste Generation von Technologie, um die nächste Generation zu erschaffen. Die Buchdruckerei brauchte ein Jahrhundert, um sich zu verbreiten; die ersten Computer wurden am Reißbrett entwickelt – heute benutzen wir dazu Computer. Und wir hatten eine kontinuierliche Beschleunigung dieses Prozesses.
But anyway, the evolution of our species took hundreds of thousands of years, and then working through interaction, evolution used, essentially, the technology-creating species to bring on the next stage, which were the first steps in technological evolution. And the first step took tens of thousands of years -- stone tools, fire, the wheel -- kept accelerating. We always used then the latest generation of technology to create the next generation. Printing press took a century to be adopted; the first computers were designed pen-on-paper -- now we use computers. And we've had a continual acceleration of this process.
Wenn man sich das auf einem linearen Graphen anschaut, sieht es so aus, als ob alles erst kürzlich passiert ist, aber einige Beobachter sagen, "Nun, Kurzweil platziert nur Punkte auf diesen Graphen, die auf eine gerade Linie fallen." Also nahm ich 15 verschiedene Listen von wichtigen Denkern, wie die Encyclopedia Britannica, das Naturhistorische Museum, Carl Sagans Kosmischen Kalender, und diese Leute wollten ja nicht mein Argument unterstützen, dies sind nur Listen von Referenzarbeiten, und das ist, was sie als Schlüsselmomente in biologischer und technologischer Evolution sehen. Und wie vorher bildet sich die gleiche gerade Linie. Es gibt eine kleine Verdickung der Linie, weil Leute Meinungsverschiedenheiten darüber haben, was diese Schlüsselmomente sind, es gibt unterschiedliche Auffassungen, wann die Landwirtschaft begann oder wie lange die Kambrische Explosion dauerte. Aber man sieht einen klaren Trend. Es gibt eine grundlegende, profunde Beschleunigung des evolutionären Prozesses. Informationstechnologien verdoppeln Kapazität, Preis-Performanz und Bandbreite jedes Jahr. Und das ist eine sehr tiefgreifende Explosion von exponentiellem Wachstum. Eine persönliche Erfahrung, als ich am MIT war – Computer waren fast so groß wie dieser Raum hier und weniger leistungstark als Ihr Mobiltelefon. Moores Gesetz, das oft stellvertretend für exponentielles Wachstum angesehen wird, ist auch nur ein Beispiel von vielen, da es im Prinzip eine Eigenschaft des evolutionären Prozesses von Technologie darstellt.
Now by the way, if you look at this on a linear graph, it looks like everything has just happened, but some observer says, "Well, Kurzweil just put points on this graph that fall on that straight line." So, I took 15 different lists from key thinkers, like the Encyclopedia Britannica, the Museum of Natural History, Carl Sagan's Cosmic Calendar on the same -- and these people were not trying to make my point; these were just lists in reference works, and I think that's what they thought the key events were in biological evolution and technological evolution. And again, it forms the same straight line. You have a little bit of thickening in the line because people do have disagreements, what the key points are, there's differences of opinion when agriculture started, or how long the Cambrian Explosion took. But you see a very clear trend. There's a basic, profound acceleration of this evolutionary process. Information technologies double their capacity, price performance, bandwidth, every year. And that's a very profound explosion of exponential growth. A personal experience, when I was at MIT -- computer taking up about the size of this room, less powerful than the computer in your cell phone. But Moore's Law, which is very often identified with this exponential growth, is just one example of many, because it's basically a property of the evolutionary process of technology.
Ich habe 49 berühmte Computer in diesen logarithmischen Graphen eingetragen – und nochmal, eine gerade Linie im logarithmischen Graphen bedeutet exponentielles Wachstum – dies ist ein weiterer exponentieller Verlauf. Wir brauchten drei Jahre, um die Preis-Performanz der Rechenleistung am Anfang des 20. Jahrhunderts zu verdoppeln, in der Mitte zwei Jahre, und nun verdoppeln wir sie jedes Jahr. Und dies zeigt exponentielles Wachstum durch fünf verschiedene Paradigmen. Moores Gesetz stellt nur das letzte Stück dar, in dem wir Transistoren auf einem integrierten Schaltkreis verkleinern, aber es gab elektro-mechanische Rechenmaschinen, relaisbasierte Computer, die den deutschen Enigma Code knackten, Vakuumdioden in den 50er Jahren prognostizierten die Wahl von Eisenhower, einzeln verbaute Transistoren wurden in den ersten Weltraumflügen benutzt, und schließlich Moores Gesetz. Jedesmal, wenn einem Paradigma die Luft ausgeht, kam ein anderes Paradigma aus dem Nichts, um das exponentielle Wachstum fortzuführen. Die Vakuumdioden wurden immer weiter verkleinert. Dann stieß man an die Grenze. Sie konnten nicht weiter verkleinert werden und das Vakuum beibehalten. Ein komplett neues Modell, Transistoren, erschien auf der Bildfläche. In der Tat, wenn wir das Ende der Linie für ein bestimmtes Modell sehen, erzeugt dies den Forschungsdruck um das neue Paradigma zu erschaffen. Und wir können das Ende von Moores Gesetz seit einiger Zeit vorhersagen – die ersten Vorhersagen lauteten 2002, aktuell sagen sie 2022. Aber ab den 2010er Jahren werden die Ausmaße von Transistoren nur noch wenige Atome breit sein, und wir werden nicht mehr in der Lage sein, sie weiter zu verkleinern. Das wird das Ende von Moores Gesetz sein, aber es wird nicht das Ende des exponentiellen Wachstums von Rechenleistung darstellen, da Chips flach sind. Wir leben in einer dreidimensionalen Welt; wir können also gut die dritte Dimension ausnutzen. Wir werden die dritte Dimension einbeziehen, und damit gab es schon allein in den letzten Jahren enormen Erfolg, um dreidimensionale, selbst-organisierende Molekular-Chips in Betrieb zu nehmen. Wir werden diese fertig haben, lange bevor Moores Gesetz die Luft ausgeht. Supercomputer, genau das gleiche. Die Prozessorleistung von Intel-Chips, der Durchschnittspreis eines Transistors – im Jahr 1968 konnte man einen Transistor für einen Dollar kaufen. Im Jahr 2002 konnte man dafür 10 Millionen kaufen.
I put 49 famous computers on this logarithmic graph -- by the way, a straight line on a logarithmic graph is exponential growth -- that's another exponential. It took us three years to double our price performance of computing in 1900, two years in the middle; we're now doubling it every one year. And that's exponential growth through five different paradigms. Moore's Law was just the last part of that, where we were shrinking transistors on an integrated circuit, but we had electro-mechanical calculators, relay-based computers that cracked the German Enigma Code, vacuum tubes in the 1950s predicted the election of Eisenhower, discreet transistors used in the first space flights and then Moore's Law. Every time one paradigm ran out of steam, another paradigm came out of left field to continue the exponential growth. They were shrinking vacuum tubes, making them smaller and smaller. That hit a wall. They couldn't shrink them and keep the vacuum. Whole different paradigm -- transistors came out of the woodwork. In fact, when we see the end of the line for a particular paradigm, it creates research pressure to create the next paradigm. And because we've been predicting the end of Moore's Law for quite a long time -- the first prediction said 2002, until now it says 2022. But by the teen years, the features of transistors will be a few atoms in width, and we won't be able to shrink them any more. That'll be the end of Moore's Law, but it won't be the end of the exponential growth of computing, because chips are flat. We live in a three-dimensional world; we might as well use the third dimension. We will go into the third dimension and there's been tremendous progress, just in the last few years, of getting three-dimensional, self-organizing molecular circuits to work. We'll have those ready well before Moore's Law runs out of steam. Supercomputers -- same thing. Processor performance on Intel chips, the average price of a transistor -- 1968, you could buy one transistor for a dollar. You could buy 10 million in 2002.
Es ist wirklich bemerkenswert, was für ein glatter exponentieller Prozess das ist. Man könnte denken, das ist das Ergebnis eines Laborversuchs, aber dies ist das Ergebnis von weltweitem, chaotischem Verhalten – Länder beschuldigen sich gegenseitig der Produkt-Subventionierung, Börsengänge, Insolvenzen, Marketingprogramme. Man könnte annehmen, dies sei ein sehr unsteter Prozess, aber man bekommt ein sehr geschmeidiges Resultat aus diesem chaotischen Prozess. So wie wir nicht vorhersagen können, was ein einzelnes Molekül in einem Gas tun wird – es ist hoffnungslos ein einzelnes Molekül exakt zu bestimmen – können wir trotzdem die Eigenschaften das ganzen Gases mit Hilfe der Thermodynamik sehr akkurat vorhersagen. Hier ist es dasselbe. Wir können nicht ein bestimmtes Projekt bestimmen, aber das Resultat dieser ganzen, weltweiten, chaotischen, unvorhersehbaren Aktivität des Wettbewerbs und des evolutionären Prozesses von Technologie ist sehr vorhersehbar. Und wir können diesen Trend weit in die Zukunft hinein vorhersagen. Im Gegensatz zu Gertrude Steins Rosen ist es nicht der Fall: ein Transistor ist ein Transistor. Wenn wir sie kleiner und günstiger machen, müssen die Elektronen kürzere Strecken zurücklegen. Das macht sie schneller, und man erreicht das exponentielle Wachstum der Geschwindigkeit der Transistoren. Die Kosten für einen Zyklus eines Transistors halbieren sich mit einer Rate von 1,1 Jahren. Fügt man weitere Arten von Innovation und Prozessordesign hinzu, erreicht man jedes Jahr eine Verdopplung der Preis-Performanz der Rechenleistung.
It's pretty remarkable how smooth an exponential process that is. I mean, you'd think this is the result of some tabletop experiment, but this is the result of worldwide chaotic behavior -- countries accusing each other of dumping products, IPOs, bankruptcies, marketing programs. You would think it would be a very erratic process, and you have a very smooth outcome of this chaotic process. Just as we can't predict what one molecule in a gas will do -- it's hopeless to predict a single molecule -- yet we can predict the properties of the whole gas, using thermodynamics, very accurately. It's the same thing here. We can't predict any particular project, but the result of this whole worldwide, chaotic, unpredictable activity of competition and the evolutionary process of technology is very predictable. And we can predict these trends far into the future. Unlike Gertrude Stein's roses, it's not the case that a transistor is a transistor. As we make them smaller and less expensive, the electrons have less distance to travel. They're faster, so you've got exponential growth in the speed of transistors, so the cost of a cycle of one transistor has been coming down with a halving rate of 1.1 years. You add other forms of innovation and processor design, you get a doubling of price performance of computing every one year.
Und das ist im Grunde Deflation – 50% Deflation. Und das gilt nicht nur für Computer. Es gilt auch für die DNA-Sequenzierung. Es gilt auch für Gehirnscans. Und für das Internet. Für alles was wir quantifizieren können, mit hunderten verschiedenen Messwerten, verschiedenen informationsbedingten Messwerten – Kapazität, Annahmeraten – diese verdoppeln sich im Grunde alle 12, 13, 15 Monate, abhängig davon, was man genau betrachtet. Was die Preis-Performanz betrifft, gibt es eine Deflationsrate von 40% bis 50%. Und Volkswirtschaftler haben tatsächlich angefangen, sich darüber zu sorgen. Wir hatten Deflation während der Wirtschaftskrise, die wirklich ein Kollaps der Geldversorgung war, und einen Kollaps des Verbrauchervertrauens, was ein komplett anderes Phänomen darstellt. Dies ist aufgrund einer höheren Produktivität, und der Volkswirt sagt, "Aber es ist unmöglich, damit mithalten zu können. Wenn man 50% Deflation hat, können die Menschen ihr Volumen 30%, 40% erhöhen, aber sie können nicht mithalten." Aber was wir tatsächlich sehen, ist, dass wir sogar mehr als nur mithalten. Über die letzten 50 Jahre hatten wir in der Informations-Technologie pro Jahr 28% zusammengefasstes Wachstum in Dollar. Die Leute haben ja vor 10 Jahren nicht iPods für 10.000 Dollar gebaut. Wenn die Preis-Performanz neue Anwendungen erlaubt, kommen neue Anwendungen auf den Markt. Und das ist ein weit verbreitetes Phänomen. Magnetische Datenspeicherung – das ist nicht das Mooresche Gesetz – verkleinert die magnetischen Datenpunkte. Verscheidene Entwickler, verschiedene Firmen, aber der gleiche exponentielle Prozess.
And that's basically deflation -- 50 percent deflation. And it's not just computers. I mean, it's true of DNA sequencing; it's true of brain scanning; it's true of the World Wide Web. I mean, anything that we can quantify, we have hundreds of different measurements of different, information-related measurements -- capacity, adoption rates -- and they basically double every 12, 13, 15 months, depending on what you're looking at. In terms of price performance, that's a 40 to 50 percent deflation rate. And economists have actually started worrying about that. We had deflation during the Depression, but that was collapse of the money supply, collapse of consumer confidence, a completely different phenomena. This is due to greater productivity, but the economist says, "But there's no way you're going to be able to keep up with that. If you have 50 percent deflation, people may increase their volume 30, 40 percent, but they won't keep up with it." But what we're actually seeing is that we actually more than keep up with it. We've had 28 percent per year compounded growth in dollars in information technology over the last 50 years. I mean, people didn't build iPods for 10,000 dollars 10 years ago. As the price performance makes new applications feasible, new applications come to the market. And this is a very widespread phenomena. Magnetic data storage -- that's not Moore's Law, it's shrinking magnetic spots, different engineers, different companies, same exponential process.
Eine wichige Revulotion ist, dass wir anfangen, unsere eigene Biologie in Bezug auf die Informationen zu verstehen. Wir verstehen die Software-Programme, die unsere Körper steuern. Diese entwickelten sich zu einer sehr verschiedenen Zeit – wir würden diese Programme eigentlich gern ändern können. Eines dieser kleinen Software-Programme, das Fett-Insulin-Rezeptor-Gen, besagt im Grunde, "Lass uns jede Kalorie behalten, weil die nächste Jagdsaison nicht so gut ausfallen könnte." Das war vor zehntausenden von Jahren zum Vorteil der Spezies. Nun würden wir das Programm gerne abschalten. Es wurde in Tierversuchen erprobt, und die Mäuse aßen gefräßig und blieben doch schlank und hatten die gesundheitlichen Vorteile des Schlankseins. Sie entwickelten keine Diabetes, bekamen keine Herzkrankheiten, sie lebten 20% länger, sie hatten die gesundheitlichen Vorteile einer kalorischen Begrenzung ohne die Einschränkungen. Vier oder fünf Pharmakonzerne sind darauf aufmerksam geworden und sind der Meinung, dass dies ein interessantes Medikament für den menschlichen Markt sei, und das ist nur eins der 30.000 Gene, die unsere Biochemie beeinflussen.
A key revolution is that we're understanding our own biology in these information terms. We're understanding the software programs that make our body run. These were evolved in very different times -- we'd like to actually change those programs. One little software program, called the fat insulin receptor gene, basically says, "Hold onto every calorie, because the next hunting season may not work out so well." That was in the interests of the species tens of thousands of years ago. We'd like to actually turn that program off. They tried that in animals, and these mice ate ravenously and remained slim and got the health benefits of being slim. They didn't get diabetes; they didn't get heart disease; they lived 20 percent longer; they got the health benefits of caloric restriction without the restriction. Four or five pharmaceutical companies have noticed this, felt that would be interesting drug for the human market, and that's just one of the 30,000 genes that affect our biochemistry.
Wir entwickelten uns in einer Ära, in der es nicht zum Vorteil war, dass die Menschen – etwa im gleichen Alter wie die meisten Teilnehmer dieser Konferenz, so wie ich – viel länger lebten, da wir die wertvollen Ressourcen verbrauchten, statt sie besser den Kindern zur Verfügung zu stellen, und denjenigen, die sich um sie kümmern. Eine Lebenszeit – lange Lebenszeit – von deutlich mehr als 30 Jahren – wurde nicht selektiert, aber wir lernen tatsächlich, diese Software-Programme zu manipulieren und zu verändern durch die biotechnologische Revolution. Zum Beispiel können wir jetzt Gene durch RNA-Interferenz blockieren. Es gibt spannende neue Formen der Gen-Therapie, die das Problem überwinden, das genetische Material an die richtige Stelle im Chromosom zu platzieren. Und zum allerersten Mal geht etwas in den menschlichen Versuch, das tatsächlich Lungenhochdruck, eine tödliche Krankheit, durch Gen-Therapie heilt. Wir werden also nicht nur Designer-Babys bekommen, sondern auch Designer-Baby-Boomer. Und diese Technologie beschleunigt sich genauso. Es kostete im Jahr 1990 10 Dollar pro Basenpaar, dann, im Jahr 2000, einen Cent. Und zur Zeit kostet es unter einem Zehntel Cent. Die Masse an genetischen Daten – im Grunde zeigt dies das geschmeidige exponentielle Wachstum – verdoppelt sich jedes Jahr und hat damit ermöglicht, das Genom-Projekt abzuschließen.
We were evolved in an era where it wasn't in the interests of people at the age of most people at this conference, like myself, to live much longer, because we were using up the precious resources which were better deployed towards the children and those caring for them. So, life -- long lifespans -- like, that is to say, much more than 30 -- weren't selected for, but we are learning to actually manipulate and change these software programs through the biotechnology revolution. For example, we can inhibit genes now with RNA interference. There are exciting new forms of gene therapy that overcome the problem of placing the genetic material in the right place on the chromosome. There's actually a -- for the first time now, something going to human trials, that actually cures pulmonary hypertension -- a fatal disease -- using gene therapy. So we'll have not just designer babies, but designer baby boomers. And this technology is also accelerating. It cost 10 dollars per base pair in 1990, then a penny in 2000. It's now under a 10th of a cent. The amount of genetic data -- basically this shows that smooth exponential growth doubled every year, enabling the genome project to be completed.
Eine weitere große Revolution ist die Kommunikations-Revolution. Die Preis-Performanz, Bandbreite und Kapazität von Kommunikation wird auf vielen verschiedenen Arten gemessen; leitungsgebunde und drahtlose wachsen exponentiell. Das Internet hat sein Ausmaß bereits verdoppelt und führt dies fort, gemessen mit verschiedenen Methoden. Dies basiert auf der Anzahl der Anbieter.
Another major revolution: the communications revolution. The price performance, bandwidth, capacity of communications measured many different ways; wired, wireless is growing exponentially. The Internet has been doubling in power and continues to, measured many different ways. This is based on the number of hosts.
Miniaturisierung – wir verkleinern die Größe der Technologie mit einer exponentiellen Rate, jeweils leitungsgebunden und drahtlos. Dies sind einige Designs aus Eric Drexlers Buch – wir zeigen gerade, dass sie machbar sind, mit Super-Computer-Simulationen, es gibt tatsächlich Forscher, die molekülgroße Robotor angefertigt haben. Einer von diesen geht sogar in menschen-ähnlicher Gangart, erbaut aus Molekülen. Es gibt kleine Maschinen, die etwas auf einer experimentellen Stufe erledigen. Die aufregendste Möglichkeit ist, wirklich in den menschlichen Körper hinein zu gehen und therapeutische und diagnostische Dienste auszuführen. Und dies ist weniger futuristisch als es sich anhört. Diese Dinge sind schon an Tieren durchgeführt worden.
Miniaturization -- we're shrinking the size of technology at an exponential rate, both wired and wireless. These are some designs from Eric Drexler's book -- which we're now showing are feasible with super-computing simulations, where actually there are scientists building molecule-scale robots. One has one that actually walks with a surprisingly human-like gait, that's built out of molecules. There are little machines doing things in experimental bases. The most exciting opportunity is actually to go inside the human body and perform therapeutic and diagnostic functions. And this is less futuristic than it may sound. These things have already been done in animals.
Es gibt einen nano-entwickelten Apparat, der Typ-1 Diabetes heilt. Er ist so groß wie eine Blutzelle. Sie fügten zehntausende von denen zum Blut hinzu – ein Versuch an Ratten – und sie geben Insulin in kontrollierter Weise ab, und das heilt tatsächlich Typ-1 Diabetes. Was Sie hier sehen, ist ein Design einer roten Roboter-Blutzelle, und es verdeutlicht die Tatsache, dass unsere Biologie eigentlich recht suboptimal ist, obwohl ihre Komplexität bemerkenswert ist. Wenn wir einmal die Prinzipien der Abläufe verstanden haben, und die Geschwindigkeit, mit der wir Biologie rückadaptieren, beschleunigt sich, können wir wirklich diese Dinge entwickeln, so dass sie tausendfach leistungsfähiger werden. Diese von Rob Freitas entworfenen Respirozyten ermöglichen es, wenn man 10% des Blutes mit dieser künstlichen Version ersetzt, einen olympischen Sprint für 15 Minuten zu laufen, ohne Luft zu holen. Sie können für 4 Stunden am Grund Ihres Schwimmbads sitzen – und das "Schatz, ich bin im Pool." wird eine ganz neue Bedeutung haben. Es wird interessant zu sehen sein, was wir mit den Olympischen Probeläufen machen. Wahrscheinlich dürften Sie nicht antreten, aber dann haben wir das Schreckgespenst, dass Jugendliche in den Schul-Turnhallen regelmäßig die Olympioniken schlagen werden. Freitas hat auch ein Design für eine weiße Roboter-Blutzelle. Dies sind etwa 2020er Szenarios, aber sie sind nicht so futuristisch wie es klingt. Es gibt vier wichtige Konferenzen über den Bau Blutzellen-großer Apparate; es gibt viele Experimente an Tieren. Und es gibt bereits einen, der in den menschlichen Feldversuch geht. Das ist also machbare Technologie.
There's one nano-engineered device that cures type 1 diabetes. It's blood cell-sized. They put tens of thousands of these in the blood cell -- they tried this in rats -- it lets insulin out in a controlled fashion, and actually cures type 1 diabetes. What you're watching is a design of a robotic red blood cell, and it does bring up the issue that our biology is actually very sub-optimal, even though it's remarkable in its intricacy. Once we understand its principles of operation, and the pace with which we are reverse-engineering biology is accelerating, we can actually design these things to be thousands of times more capable. An analysis of this respirocyte, designed by Rob Freitas, indicates if you replace 10 percent of your red blood cells with these robotic versions, you could do an Olympic sprint for 15 minutes without taking a breath. You could sit at the bottom of your pool for four hours -- so, "Honey, I'm in the pool," will take on a whole new meaning. It will be interesting to see what we do in our Olympic trials. Presumably we'll ban them, but then we'll have the specter of teenagers in their high schools gyms routinely out-performing the Olympic athletes. Freitas has a design for a robotic white blood cell. These are 2020-circa scenarios, but they're not as futuristic as it may sound. There are four major conferences on building blood cell-sized devices; there are many experiments in animals. There's actually one going into human trial, so this is feasible technology.
Um auf unser exponentielles Wachstum von Rechenleistung zurückzukommen: 1.000 Dollar an Rechenleistung entsprechen zur Zeit etwa dem Gehirn eines Insekts oder dem einer Maus. Dies wird sich mit der Kapazität der menschlichen Intelligenz etwa in den 2020ern überschneiden. Aber das betrachtet nur die Hardware dieser Gleichung. Woher bekommen wir die Software? Nun, es stellt sich heraus, dass wir in das menschliche Hirn schauen können, und wenig überraschend ist die Tatsache, dass sich die örtliche und zeitliche Auflösung der Hirnabtastung jedes Jahr verdoppelt. Und mit der neuen Generation von Abtast-Geräten können wir zum ersten Mal wirklich einzelne inter-neurale Fasern sehen und in Echtzeit betrachten wie sie verarbeiten und signalisieren – aber dann stellt sich die Frage, OK, wir können diese Daten heute erfassen, aber können wir sie verstehen? Doug Hofstadter fragt sich, nun, vielleicht ist unsere Intelligenz einfach nicht groß genug, um unsere Intelligenz zu verstehen, und wenn wir klüger wären, dann wäre unser Gehirn noch komplizierter, und wir könnten nie mithalten. Es stellt sich heraus, dass wir es verstehen können.
If we come back to our exponential growth of computing, 1,000 dollars of computing is now somewhere between an insect and a mouse brain. It will intersect human intelligence in terms of capacity in the 2020s, but that'll be the hardware side of the equation. Where will we get the software? Well, it turns out we can see inside the human brain, and in fact not surprisingly, the spatial and temporal resolution of brain scanning is doubling every year. And with the new generation of scanning tools, for the first time we can actually see individual inter-neural fibers and see them processing and signaling in real time -- but then the question is, OK, we can get this data now, but can we understand it? Doug Hofstadter wonders, well, maybe our intelligence just isn't great enough to understand our intelligence, and if we were smarter, well, then our brains would be that much more complicated, and we'd never catch up to it. It turns out that we can understand it.
Dies ist ein Blockdiagramm eines Modells und einer Simulation des menschlichen auditiven Kortex, das wirklich sehr gute Resultate liefert, wenn man psychoakustische Tests anwendet und mit der menschlichen auditiven Wahrnehmung vergleicht. Hier ist eine weitere Simulation des Kleinhirns – es besteht aus der Hälfte der Nervenzellen des Gehirns – und auch dort funktioniert es sehr ähnlich wie bei der Fähigkeitsentwicklung des Menschen. Wir sind an einem frühen Punkt, aber man kann zeigen, dass mit dem exponentiellen Wachstum der Masse an Informationen über das Gehirn und der exponentiellen Verbesserungen in der Auflösung der Hirnabtastung, wir das menschliche Gehirn bis zu den 2020ern erfolgreich nachgebaut haben werden. Wir haben schon sehr gute Modelle und Simulationen von 15 von den mehreren hundert Regionen.
This is a block diagram of a model and simulation of the human auditory cortex that actually works quite well -- in applying psychoacoustic tests, gets very similar results to human auditory perception. There's another simulation of the cerebellum -- that's more than half the neurons in the brain -- again, works very similarly to human skill formation. This is at an early stage, but you can show with the exponential growth of the amount of information about the brain and the exponential improvement in the resolution of brain scanning, we will succeed in reverse-engineering the human brain by the 2020s. We've already had very good models and simulation of about 15 regions out of the several hundred.
All dies treibt den wirtschaftlichen Fortschritt exponentiell voran. Unsere Produktivität stieg von 30 Dollar auf 150 Dollar pro Arbeitsstunde in den letzten 50 Jahren. Der elektronische Handel wächst exponentiell. Er umfasst zur Zeit eine Billion Dollar. Sie mögen sich wundern, aber war da nicht ein Boom und eine geplatzte Blase? Das war ein reines Phänomen des Kapitalmarkts. Die Wall-Street merkte, dass es eine revolutionäre Technologie war, denn das war es, aber nach sechs Monaten, nachdem es nicht alle Geschäftsmodelle revolutioniert hatte, dachten sie sich, nun, da ist etwas falsch, und dann hatten wir die geplatzte Blase.
All of this is driving exponentially growing economic progress. We've had productivity go from 30 dollars to 150 dollars per hour of labor in the last 50 years. E-commerce has been growing exponentially. It's now a trillion dollars. You might wonder, well, wasn't there a boom and a bust? That was strictly a capital-markets phenomena. Wall Street noticed that this was a revolutionary technology, which it was, but then six months later, when it hadn't revolutionized all business models, they figured, well, that was wrong, and then we had this bust.
Also gut, das ist eine Technologie, die wir aus anderen Technologien, in die wir involviert sind, zusammengesetzt haben. Dies wird ein Standardmerkmal in einem Mobiltelefon. Es wird in der Lage sein, von einer Sprache in eine andere zu übersetzen.
All right, this is a technology that we put together using some of the technologies we're involved in. This will be a routine feature in a cell phone. It would be able to translate from one language to another.
Lassen Sie mich einfach mit ein paar Szenarien enden. Bis 2010 werden Computer verschwinden. Sie werden so klein sein, dass sie in unsere Kleidung und unser Umfeld eingebettet sind. Bilder werden direkt auf unsere Retina projiziert werden, was voll-immersive, virtuelle Realitäten erlaubt, überlagerte, reale Realität. Wir werden mit virtuellen Personen interagieren.
So let me just end with a couple of scenarios. By 2010 computers will disappear. They'll be so small, they'll be embedded in our clothing, in our environment. Images will be written directly to our retina, providing full-immersion virtual reality, augmented real reality. We'll be interacting with virtual personalities.
Und im Jahr 2029 werden wir die volle Reife dieser Trends erreichen, und Sie müssen würdigen, wie oft sich die Schraube in der Form von Technologie gedreht hat – schneller und schneller, wenn wir an diesen Punkt gelangen. Wir werden zwei hoch 25 größere Preis-Performanz, Kapazität und Bandbreite dieser Technologien haben. Das ist wirklich phänomenal. Sie werden Millionen Male leistungsfähiger sein als sie heute sind. Wir werden das menschliche Gehirn vollständig nachgebildet haben, 1.000 Dollar an Rechenleistung werden weit leistungsfähiger sein als das menschliche Gehirn, was die reine Kapazität betrifft. Dann vereinen Computer die scharfsinnige Fähigkeit der Muster-Erkennung der menschlichen Intelligenz mit den Bereichen, in denen die Maschinen uns bereits überlegen sind, was das analytische Denken betrifft und die Fähigkeit sich Milliarden von Fakten akkurat zu merken. Maschinen können ihr Wissen sehr schnell miteinander teilen. Aber das ist nicht einfach eine Invasion von außerirdischen, intelligenten Maschinen. Wir werden mit dieser Technologie verschmelzen.
But if we go to 2029, we really have the full maturity of these trends, and you have to appreciate how many turns of the screw in terms of generations of technology, which are getting faster and faster, we'll have at that point. I mean, we will have two-to-the-25th-power greater price performance, capacity and bandwidth of these technologies, which is pretty phenomenal. It'll be millions of times more powerful than it is today. We'll have completed the reverse-engineering of the human brain, 1,000 dollars of computing will be far more powerful than the human brain in terms of basic raw capacity. Computers will combine the subtle pan-recognition powers of human intelligence with ways in which machines are already superior, in terms of doing analytic thinking, remembering billions of facts accurately. Machines can share their knowledge very quickly. But it's not just an alien invasion of intelligent machines. We are going to merge with our technology.
Die Nano-Roboter, die ich erwähnte, werden erst für medizinische und gesundheitliche Anwendungen genutzt werden: Säuberung der Umwelt, Bereitstellung leistungsstarker Energiezellen und weit verbreitete und dezentralisierte Solarmodule in der Umgebung. Aber sie werden auch in unser Gehirn eindringen und mit unseren biologischen Neuronen interagieren. Wir haben die Kernprinzipien aufgezeigt, die dies zu ermöglichen. Zum Beispiel die vollständige immersive, virtuelle Realität von innerhalb unseres Nervensystems, die Nano-Roboter, die die Signale Ihrer wahren Sinne blockieren, und mit den Signalen ersetzen, die Ihr Gehirn empfangen würde, wenn Sie in einer virtuellen Umgebung wären. Und dann fühlt es sich so an, als ob Sie in der virtuellen Umgebung sind. Sie können da mit anderen Personen hinein gehen, jede Art von Erfahrung erleben, mit jeder möglichen Person und allen betroffenen Sinnen. "Erfahrungs-Strahler", so nenne ich sie, werden den gesamten Fluss von Sinnes-Erfahrungen der neurologischen Abbilder von diesen Emotionen ins Internet stellen. Sie können sich einklinken und erfahren wie es ist, jemand anderes zu sein. Aber am wichtigsten wird die ernome Vergrößerung an menschlicher Intelligenz durch diese direkte Vereinigung mit unserer Technologie sein, was wir im gewissen Maße jetzt schon machen. Routinemäßig erreichen wir intellektuelle Meisterleistungen, die ohne unsere Technologie unmöglich wären. Die menschliche Lebenserwartung verlängert sich. Sie betrug im Jahr 1800 37 Jahre, und mit dieser Art von Biotechnologie, nano-technologischen Revolutionen, wird sie in den kommenden Jahren rapide ansteigen.
These nano-bots I mentioned will first be used for medical and health applications: cleaning up the environment, providing powerful fuel cells and widely distributed decentralized solar panels and so on in the environment. But they'll also go inside our brain, interact with our biological neurons. We've demonstrated the key principles of being able to do this. So, for example, full-immersion virtual reality from within the nervous system, the nano-bots shut down the signals coming from your real senses, replace them with the signals that your brain would be receiving if you were in the virtual environment, and then it'll feel like you're in that virtual environment. You can go there with other people, have any kind of experience with anyone involving all of the senses. "Experience beamers," I call them, will put their whole flow of sensory experiences in the neurological correlates of their emotions out on the Internet. You can plug in and experience what it's like to be someone else. But most importantly, it'll be a tremendous expansion of human intelligence through this direct merger with our technology, which in some sense we're doing already. We routinely do intellectual feats that would be impossible without our technology. Human life expectancy is expanding. It was 37 in 1800, and with this sort of biotechnology, nano-technology revolutions, this will move up very rapidly in the years ahead.
Meine Hauptbotschaft ist, dass der Fortschritt von Technologie exponentiell ist, nicht linear. Viele – sogar Wissenschaftler – unterstellen ein lineares Modell, und sie sagen: "Oh, das wird hunderte von Jahren dauern bevor wir selbst-reproduzierende, nano-technologische Bauteile oder künstliche Intelligenz haben werden." Wenn Sie wirklich die Leistungsfähigkeit von exponentiellem Wachstum betrachten, dann sehen Sie, dass diese Dinge recht bald zur Verfügung stehen werden. Und Informations-Technologie wird vermehrt unser gesamtes Leben umfassen, von unserer Musik, unseren Produktionsstätten, unserer Biologie und unserer Energie bis zu Materialien.
My main message is that progress in technology is exponential, not linear. Many -- even scientists -- assume a linear model, so they'll say, "Oh, it'll be hundreds of years before we have self-replicating nano-technology assembly or artificial intelligence." If you really look at the power of exponential growth, you'll see that these things are pretty soon at hand. And information technology is increasingly encompassing all of our lives, from our music to our manufacturing to our biology to our energy to materials.
Wir werden in den 2020ern mit Hilfe der Nano-Technologie in der Lage sein, fast alles, was wir brauchen, aus Informationen und sehr günstigen Rohstoffen herzustellen. Dies sind sehr mächtige Technologien. Sie können Segen und Tücken mit sich bringen. Wir müssen also den Willen haben, sie auf die richtigen Probleme anzuwenden.
We'll be able to manufacture almost anything we need in the 2020s, from information, in very inexpensive raw materials, using nano-technology. These are very powerful technologies. They both empower our promise and our peril. So we have to have the will to apply them to the right problems.
Vielen Dank.
Thank you very much.
(Applaus)
(Applause)