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.
Bien, c'est super d'être ici. Nous avons entendu beaucoup de choses sur les promesses de la technologie, et leur danger. Les deux aspects m'ont vraiment intéressé. Si nous pouvions convertir 0,03% de la lumière du soleil qui tombe sur la terre en énergie, nous pourrions satisfaire tous nos besoins prévus pour 2030. Nous ne pouvons pas le faire aujourd'hui parce que les panneaux solaires sont lourds, chers et très inefficaces. Il y a des conceptions nano-technologiques, qui ont été analysées au moins théoriquement, qui montrent qu'elles sont potentiellement très légères très peu coûteuses, très efficaces, et nous pourrions satisfaire réellement tous nos besoins énergétiques de cette façon renouvelable. Les piles à combustible nano-technologiques pourraient fournir l'énergie là où elle nécessaire. C'est une tendance principale, qui est la décentralisation, de passer de centrales nucléaires centralisées et des bateaux-citernes de gaz naturel liquide à des ressources décentralisées qui sont plus respectueuses de l'environnement, beaucoup plus efficaces et capable et de manière stable.
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.
Bono dit avec éloquence, que nous avons les outils, pour la première fois, pour aborder les problèmes ancestraux de la maladie et de la pauvreté. La plupart des régions du monde vont dans cette direction. En 1990, en Asie de l'Est et dans le Pacifique, il y avait 500 millions de personnes qui vivaient dans la pauvreté -- ce chiffre est maintenant en dessous de 200 millions. La Banque Mondiale prévoit que d'ici 2011, il sera en dessous de 20 millions, ce qui représente une réduction de 95 pour cent. J'ai apprécié le commentaire de Bono qui faisait le lien entre Haight-Ashbury et la Silicon Valley. Faisant moi-même partie de la communauté high-tech du Massachusetts je préciserais que nous étions des hippies également dans les années 1960, même si on traînait autour de Harvard Square. Mais nous avons le potentiel de surmonter la maladie et la pauvreté, si nous en avons la volonté et je vais parler de ces questions.
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.
Kevin Kelly a parlé de l'accélération de la technologie. Cela m'intéresse énormément, et c'est un thème que j'ai développé pendant environ 30 ans. Je me suis rendu compte que mes technologies devaient avoir du sens une fois le projet terminé. Qu'invariablement, le monde serait différent quand j'introduirai une technologie. Et, j'ai remarqué que la plupart des inventions échouent, pas parce que le département R&D ne peut pas les faire fonctionner -- si vous regardez la plupart des projets commerciaux, ils réussiront vraiment si l'occasion est donnée de construire ce qu'ils disent qu'ils vont construire, et 90% de ces projets ou plus échoueront, parce que ce n'est pas le bon moment -- tous les facteurs favorables ne seront pas là quand on en aura besoin.
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.
J'ai donc commencé à étudier de près les tendances des technologies, et chercher où en serait la technologie à différents points dans le temps, et j'ai commencé à en faire des modèles mathématiques.. C'est devenu un projet en lui-même. J'ai un groupe de 10 personnes qui travaillent avec moi pour recueillir des données sur des indicateurs des niveaux de technologie dans de nombreux secteurs, et nous construisons des modèles. Et vous entendrez les gens dire, et bien, nous ne pouvons pas prédire l'avenir. Et si vous me posez la question, le prix de Google sera-t-il plus élevé ou plus bas que ce qu'il est aujourd'hui, d'ici trois ans, c'est très difficile à dire. WiMax CDMA 3G sera-t-elle la norme sans fil d'ici trois ans ? C'est difficile à dire. Mais si vous me demandez, ce que coûtera un MIPS de calcul en 2010, ou le séquençage d'une paire de base d'ADN en 2012, ou l'envoi sans fil d'un mégabit de données en 2014, il s'avère que ces choses-là sont très prévisibles.
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.
Il y a les courbes exponentielles remarquablement lisses qui régissent coût-performances, capacité, bande passante. Et je vais vous montrer un petit échantillon de ceci, mais il y a vraiment une raison théorique pour laquelle la technologie se développe de façon exponentielle. Et beaucoup de gens, quand ils pensent à l'avenir, y pensent linéairement. Ils pensent qu'ils vont continuer à développer un problème ou à aborder un problème en utilisant les outils d'aujourd'hui, au rythme du progrès d'aujourd'hui, et ne prendrons pas en compte cette croissance exponentielle.
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.
Le projet de génome était un projet controversé en 1990. Nous avions les meilleurs doctorants l'équipement le plus avancé du monde, nous avions fait le dix-millième du projet , et comment allons-nous faire ça en 15 ans ? Et 10 ans après, les sceptiques étaient toujours aussi insistants -- ils disaient, "vous êtes au deux-tiers de ce projet, et vous avez seulement séquencé un pourcentage très minuscule du génome entier." Mais c'est la nature de la croissance exponentielle qui une fois qu'elle atteint le sommet de la courbe, explose. La majeure partie du projet a été faite pendant les dernières années du projet. Cela nous a pris 15 ans pour séquencer le VIH-- nous avons séquencé le SRAS en 31 jours. Nous sommes donc en train d'acquérir le potentiel de surmonter ces problèmes.
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.
Je vais juste vous montrer quelques exemples de l'omniprésence de ce phénomène. Le taux réel de changement de paradigme, le taux d'adoption de nouvelles idées, double chaque décennie, selon nos modèles. Ce sont tous les graphiques logarithmiques, donc plus vous progressez, les niveaux se multiplient, en général par des facteurs de 10 ou 100. Il nous a fallu un demi-siècle pour adopter le téléphone, la première technologie de réalité virtuelle. Les téléphones portables ont été adoptés en huit ans environ . Si vous mettiez différentes technologies des communications sur ce graphique logarithmique, télévision, radio, téléphone ont été adopté en quelques décennies. Les technologies récentes -- comme le PC, le Web, les téléphones portables -- en moins d'une décennie. Maintenant c'est un diagramme intéressant, et il touche vraiment la raison fondamentale pour laquelle les processus évolutifs -- et la biologie et la technologie sont des processus évolutifs -- s'accélèrent. Ils fonctionnent par interaction -- ils créent une capacité, puis emploient cette capacité pour passer à l'étape suivante.
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.
Ainsi la première étape dans l'évolution biologique, l'évolution de l'ADN -- en fait c'est ARN qui est venu en premier -- a pris des milliards d'années, mais ensuite l'évolution a utilisé cette épine dorsale de traitement de l'information pour passer à l'étape suivante. Ainsi l'explosion cambrienne, pendant laquelle tous les plans des corps des animaux étaient finalisés, a pris seulement 10 millions d'années. Ce fut 200 fois plus rapide. Et puis l'évolution a employé ces plans pour développer des fonctions cognitives avancées, et l'évolution biologique a continué son accélération. C'est une nature inhérente d'un processus évolutif. Ainsi homo sapiens,la première espèce qui crée de la technologie, l'espèce qui combine une fonction cognitive avec un appendice opposable -- et au fait, les chimpanzés n'ont pas vraiment un très bon pouce opposable -- pour que nous puissions vraiment manipuler notre environnement fermement et une coordination moteur précise, et employons nos modèles mentaux pour changer réellement le monde et faire progresser la technologie.
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.
Mais bon, l'évolution de notre espèce a pris des centaines de milliers d'années, et puis en travaillant par interaction, l'évolution a utilisé, essentiellement, l'espèce qui créait des technologies pour passer à l'étape suivante, et ça a été les premiers pas dans l'évolution technologique. Et le premier pas a pris des dizaines de milliers d'années -- les outils en pierre, le feu, la roue -- l'accélération s'est poursuivie. Nous avons alors toujours employé la dernière génération de la technologie pour créer la génération suivante. Il a fallu un siècle pour adopter l'imprimerie, les premiers ordinateurs étaient conçus sur papier -- maintenant nous utilisons des ordinateurs. Et nous avons eu une accélération continuelle de ce processus.
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.
D'ailleurs, si vous regardez ceci sur un graphique linéaire, on dirait que tout vient à peine de se produire. mais un observateur dit, "bien, Kurzweil s'appuie sur ce graphique où des points suivent cette ligne droite." Donc, j'ai pris 15 listes différentes chez des principaux penseurs , comme l'encyclopédie Britannica, le musée d'histoire naturelle, le calendrier cosmique de Carl Sagan sur la même chose -- et ces personnes n'essayaient pas confirmer mon propos, c'était juste des listes dans des travaux de référence. Et je pense que c'est ce qu'ils considéraient comme des événements principaux dans l'évolution biologique et l'évolution technologique. Là encore, on obtient la même ligne droite. La ligne s'épaissit un peu parce que les gens ne sont pas tous d'accord sur les points les points clés, il y a des divergences d'opinion sur quand l'agriculture est apparue, ou quand -- combien de temps l'explosion cambrienne a duré. Mais vous voyez une tendance très claire. Il y a une accélération de base et profonde de ce processus évolutif. Les technologies de l'information doublent leur capacité, coût-performances, bande passante, chaque année. Et c'est une explosion très profonde de croissance exponentielle. Une expérience personnelle, quand j'étais au MIT -- l' ordinateur avait en gros la taille de cette salle, moins puissant que l'ordinateur dans votre téléphone portable. Mais la loi de Moore, qui est très souvent identifiée à cette croissance exponentielle, est juste un exemple parmi d'autres, parce que c'est fondamentalement une propriété du processus évolutif de la technologie.
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.
Si nous -- j'ai mis 49 ordinateurs célèbres sur ce graphique logarithmique -- d'ailleurs, une ligne droite sur un graphique logarithmique, c'est une croissance exponentielle -- c'est un autre exponentiel. Cela nous a pris trois ans pour doubler notre coût-performances de calcul en 1900, deux ans au milieu, nous le doublons maintenant chaque année. Et c'est la croissance exponentielle à travers cinq paradigmes différents. La loi de Moore était juste la dernière partie de cela, sur un circuit intégré, où nous réduisions les transistors, mais nous avions des calculatrices électromécaniques, des ordinateurs basés sur relais qui ont décodé le code allemand d'Enigma, les tubes à vide dans les années 1950 ont prévu l'élection d'Eisenhower, les transistors discrets utilisés dans les premiers vols spatiaux et puis la loi de Moore. Chaque fois qu'un paradigme s'est essoufflé, un autre paradigme est venu par la bande pour continuer la croissance exponentielle. Ils rétrécissaient des tubes à vide, les rendant de plus en plus petits. Cela a rencontré un mur. Ils ne pourraient pas les rétrécir et garder le vide. Un paradigme totalement différent -- les transistors étaient partout. En fait, quand nous arrivons au bout d'un paradigme particulier, ça crée la pression sur la recherche pour créer le paradigme suivant. Et parce que nous avons prévu la fin de la loi de Moore depuis un bon moment -- d'abord on prévoyait en 2002, et maintenant on dit en 2022. Mais d'ici les années 2013 à 2020, les transistors n'auront que quelques atomes de largeur, et nous ne pourrons pas les rétrécir plus. Ce sera la fin de la loi de Moore, mais ce ne sera pas la fin de la croissance exponentielle du calcul, parce que les puces sont plates. Nous vivons dans un monde tridimensionnel, nous pourrions aussi bien utiliser la troisième dimension. Nous entrerons dans la troisième dimension et c'a été un progrès énorme, juste pendant ces dernières années, de faire fonctionner des circuits moléculaires à organisation autonome tridimensionnels. Nous les aurons mis au point bien avant que la loi de Moore ne s'épuise. Les superordinateurs -- même chose. La performance d'un processeur sur des puces d'Intel, le prix moyen d'un transistor -- 1968, vous pouviez acheter un transistor pour un dollar. Vous pouviez en acheter 10 millions en 2002.
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.
Il est assez remarquable combien ce processus exponentiel est lisse. Je veux dire, vous pourriez penser que c'est le résultat d'une expérience de simulation, mais c'est le résultat du comportement chaotique mondial -- Les pays qui s'accusent mutuellement de faire du dumping sur des produits, les introductions en bourse, les faillites, les programmes de commercialisation. Vous pourriez penser que ce serait un processus très erratique, et vous avez des résultats lisses de ce processus chaotique. Tout comme nous ne pouvons pas prévoir ce qu'une molécule dans un gaz fera -- il est impossible de prédire une simple molécule -- pourtant nous pouvons prévoir les propriétés du gaz entier, en utilisant la thermodynamique,de façon très précise. C'est la même chose ici. Nous ne pouvons pas faire de prévisions sur un projet particulier, mais le résultat de cette compétition imprévisible, chaotique, et mondiale, et le processus évolutif de la technologie est très prévisible. Et nous pouvons prévoir ces tendances loin dans l'avenir. À la différence des roses de Gertrude Stein, on ne peut pas dire qu'un transistor est un transistor. Comme nous les rendons plus petits et moins chers, les électrons ont moins de distance à parcourir. Ils sont plus rapides, donc vous avez une croissance exponentielle de la vitesse des transistors, donc le coût d'un cycle d'un transistor a été diminué par deux tous les 1,1 ans. Vous ajoutez d'autres formes d'innovation et de conception de processeur, vous obtenez un doublement de coût-performances de calcul chaque année.
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.
Et c'est en fait une déflation -- 50% de déflation. Et ce n'est pas seulement les ordinateurs. Je veux dire, c'est vrai pour le séquençage de l'ADN, c'est vrai pour le scanner du cerveau, c'est vrai pour le Web. Je veux dire, tout ce que nous pouvons mesurer, nous avons des centaines de mesures différentes de mesures relatives à l'information différentes -- capacité, taux d'adoption -- et elles doublent en fait tous les 12, 13, 15 mois, selon ce que vous regardez. En termes de coût-performances, ce sont des taux de déflation de 40 à 50%. Et les économistes ont réellement commencé à s'en inquiéter. Nous avons eu une déflation pendant la grande dépression, mais c'était l'effondrement de la masse monétaire, l'effondrement de confiance du consommateur, des phénomènes complètement différents. Ceci est dû à une plus grande productivité, mais l'économiste dit, "mais on ne peut absolument pas continuer comme ça. Si vous avez 50% de déflation, les gens peuvent augmenter leur volume de 30, 40% , mais ils ne pourront pas suivre. Mais en fait ce que nous voyons c'est que nous arrivons largement à suivre. Nous avons eu une croissance en dollars de 28% par an en technologie de l'information au cours des 50 dernières années. Je veux dire, les gens n'auraient pas fabriqué l'iPod pour 10 000 dollars il y a 10 ans. Comme le coût-performances rend possible de nouvelles apllications, de nouvelles applications arrivent sur le marché. Et c'est un phénomène très répandu. Le stockage de données magnétiques -- ce n'est pas la loi de Moore, il s'agit de rétrécir des points magnétiques, différents ingénieurs, différentes sociétés, le même processus exponentiel.
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.
Une révolution principale c'est que nous comprenons notre propre biologie dans ces termes d'information. Nous comprenons les logiciels qui font fonctionner notre corps. Ceux-ci ont évolués à des périodes très différentes -- nous voudrions vraiment changer ces programmes. Un petit logiciel, appelé le gène de récepteur d'insuline, dit en fait, "Garde chaque calorie, parce que la saison de chasse suivante pourrait être moins bonne." C'était dans l'intérêt de des espèces, il y a des dizaines de milliers d'années. Nous voudrions vraiment arrêter ce programme. On a essayé chez les animaux, et ces souris ont mangé voracement et sont restées minces et ont profité des avantages de santé d'être mince. Elles n'ont pas eu de diabète, elles n'ont pas eu de maladie cardiaque, elles ont vécu 20% plus longtemps, elles ont obtenu les avantages de santé de la restriction calorique sans restriction. Quatre ou cinq entreprises pharmaceutiques l'ont remarqué , ont senti que ce serait un médicament intéressant pour le marché humain, et ce n'est qu'un des 30,000 gènes qui affectent notre biochimie.
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.
Notre évolution s'est faite dans une ère où ce n'était pas dans l'intérêt des gens à l'âge de la plupart des personnes présentes à cette conférence, comme moi, de vivre beaucoup plus longtemps, parce que nous épuisions les ressources précieuses qu'il valait mieux déployer vers les enfants et ceux qui s'occupaient d'eux. Donc, la vie -- les longues durées de vie -- comme, c'est-à-dire, bien au delà de 30 ans -- n'étaient pas sélectionnées mais nous apprenons à manipuler et changer ces logiciels pour de bon par la révolution biotechnologique. Par exemple, nous pouvons maintenant inhiber des gènes avec l'interférence d'ARN. Il y a de nouvelles formes intéressantes de thérapie génique qui surmontent le problème de placer le matériel génétique au bon endroit sur le chromosome. Il y a réellement -- pour la première fois aujourd'hui, quelque chose qui en est au stade de passer aux essais humains, qui traite réellement l'hypertension pulmonaire -- une maladie mortelle -- en utilisant la thérapie génique. Ainsi nous n'aurons pas que des bébés sur mesure, mais des baby boomers sur mesure. Et cette technologie s'accélère aussi. 10 dollars par paires de base en 1990, puis un cent en 2000. Maintenant c'est moins d'un dixième de cent. La quantité de données génétiques -- montre en fait que cette croissance exponentielle lisse a doublé chaque année, permettant de mener à terme le projet de génome.
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.
Une autre révolution majeure, la révolution des communications. Le coût-performances, la bande passante, la capacité de communications ont été mesuré de nombreuses façons différentes ; le cable, le sans-fil se développent exponentiellement. L'Internet avait doublé en puissance et il continue , on le mesure de nombreuses façons différentes. Ceci est basé sur le nombre d'ordinateurs hôtes.
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.
La miniaturisation -- nous rétrécissons la taille de la technologie à un taux exponentiel, à la fois pour le cable et le sans-fil. Ce sont quelques conceptions tirées du livre d'Éric Drexler -- dont nous montrons maintenant qu'elles sont faisables avec des simulations de superinformatique, où en fait il y a des scientifiques qui construisent des robots à l'échelle de la molécule. Dans l'une d'elles il y en a un qui marche vraiment avec une démarche étonnamment humaine, et il est construit à partir de molécules. Il y a de petites machines qui font des choses sur des bases expérimentales. L'opportunité la plus passionnante est en fait d'aller à l'intérieur du corps humain et de remplir des fonctions thérapeutiques et diagnostiques. Et c'est moins futuriste qu'il n'y parait. On l'a déjà fait chez les animaux.
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.
Il y a un dispositif nano-technologique qui traite le diabète de type 1. Il a la taille d'une cellule. Ils en ont mis des dizaines de milliers dans le globule -- ils l'ont essayé chez les rats -- il libère l'insuline de façon contrôlée, et traite réellement le diabète de type 1. Ce que vous observez est une conception d'un globule rouge robotique, et cela soulève le problème que notre biologie est vraiment très suboptimale, bien qu'elle soit remarquable dans sa complexité. Une fois que nous comprenons ses principes de fonctionnement, et que la vitesse à laquelle nous rétro-concevons la biologiqe s'accélère, nous pouvons en fait concevoir ces choses pour qu'elles soient des milliers de fois plus capables. Une analyse de ce respirocyte, conçu par Rob Freitas, indique que si vous remplacez 10 % de vos globules rouges par ces versions robotiques, vous pourriez faire un sprint olympique pendant 15 minutes sans reprendre votre respiration. Vous pourriez vous asseoir au fond de votre piscine pendant quatre heures -- -- ainsi, "Ma chérie, je suis dans la piscine," prendrait une toute nouvelle signification. Il sera intéressant de voir ce que nous faisons dans nos épreuves olympiques. Vraisemblablement nous les interdirons, mais alors nous aurons le spectre des adolescents dans leurs gymnases de lycées qui régulièrement dépasseraient les performances des athlètes olympiques. Freitas a une conception pour un globule blanc robotique. Ce sont des scénarios pour les années 2020, mais ils ne sont pas aussi futuristes qu'il y parait. Il y a quatre conférences importantes sur la construction d'appareils à l'échelle du globule rouge, il y a beaucoup d'expériences chez les animaux. Il y en a en fait une en cours sur l'homme, donc c'est technologiquement faisable.
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.
Si nous revenons à notre croissance exponentielle du calcul, 1,000 dollars de calcul est maintenant quelque part entre un insecte et un cerveau de souris. Elle croisera l'intelligence humaine en termes de capacité dans les années 2020, mais ce sera le côté matériel de l'équation. D'où obtiendrons-nous le logiciel ? Et bien, il s'avère que nous pouvons regarder à l'intérieur de l'esprit humain, et en fait comme on pouvait s'y attendre, la résolution spatiale et temporelle du scanner du cerveau double chaque année. Et avec la nouvelle génération des outils de scanographie du cerveau pour la première fois nous pouvons réellement voir différentes fibres intra-neurales et les voir traiter l'information et signaler en temps réel et -- mais alors la question est, bon, on peut obtenir ces données maintenant, mais pouvons-nous les comprendre ? Doug Hofstadter se demande, et bien, peut-être que notre intelligence n'est simplement pas suffisante pour comprendre notre intelligence, et si nous étions plus intelligents, et bien, puis nos cerveaux seraient beaucoup plus compliqués que ça, et nous n'y arriverions jamais. Il s'avère que nous pouvons le comprendre.
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.
Ceci est un schéma fonctionnel d'un modèle et d'une simulation du cortex auditif humain qui fonctionne en fait assez bien -- en appliquant les tests psychoacoustiques, on obtient des résultats très similaires à la perception auditive humaine. Il y a une autre simulation du cervelet -- c'est plus de la moitié des neurones dans le cerveau -- là encore, qui travaille de façon très similaire à la formation de compétence humaine. Ceci est au tout début, mais vous pouvez montrer avec la croissance exponentielle de la quantité d'informations sur le cerveau et l'amélioration exponentielle de la résolution du balayage de cerveau, que nous réussirons à rétro-convecoir l'esprit humain d'ici les années 2020. Nous avons déjà eu de très bons modèles et une simulation d'environ 15 régions sur plusieurs centaines.
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.
Tout cela est exponentiel -- un progrès économique exponentiel-croissant. Nous avons fait aller la productivité de 30 dollars à 150 dollars par heure de travail pendant les 50 dernières années. Le commerce électronique s'est développé exponentiellement. C'est maintenant un trillion de dollars. Vous pourriez vous demander, et bien, n'avons-nous pas eu un boom et un fiasco? C'était strictement des phénomènes de marchés financiers. Wall Street a remarqué que c'était une technologie révolutionnaire, et ça l'est, mais ensuite six mois plus tard, quand ça n'a pas révolutionné tous les modèles économiques, ils ont pensé, bien, que c'était faux, et alors nous avons eu ce fiasco.
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.
Bien, c'est une technologie que nous nous assemblons en utilisant certaines des technologies dans lesquelles nous sommes impliqués. Ce sera une caractéristique courante dans un téléphone portable. Il pourrait traduire d'une langue à l'autre.
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.
Laissez-ainsi moi juste finir avec deux ou trois scénarios. D'ici 2010 les ordinateurs disparaîtront. Ils seront si petits, ils seront intégrés dans nos vêtements, dans notre environnement. Des images seront écrites directement sur notre rétine, fournissant la réalité virtuelle en totale immersion, une vraie réalité augmentée. Nous interagirons avec des personnalités virtuelles.
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.
Mais si nous allons à 2029, nous avons vraiment la pleine maturité de ces tendances, et vous devez prendre en copmte combien de tours de vis donnés de plus en plus vite nous aurons à ce moment là en termes de générations de technologie. Je veux dire, nous aurons un coût-performances une capacité et une bande passante multiplié par deux à la puissance 25 de ces technologies, ce qui est assez phénoménal. Ce sera des millions de fois plus puissant qu'aujourd'hui. Nous aurons accompli la rétro-conception de l'esprit humain, calcul -- 1,000 dollars de calcul seront bien plus puissants que l'esprit humain en termes de capacité brute de base. Les ordinateurs combineront les puissances subtiles de pan-reconnaissance de l'intelligence humaine avec les manières pour les machines sont déjà supérieures, en termes de pensée analytique, en retenant des milliards de faits avec précision. Les machines peuvent partager leur connaissance très rapidement, Mais ce n'est pas simplement une invasion étrangère des machines intelligentes. Nous allons fusionner avec notre technologie.
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.
Ces nano-robots que j'ai mentionnés seront d'abord employés pour des applications médicales et de santé: nettoyer l'environnement, fournir le carburant -- des piles à combustible puissantes et panneaux solaires décentralisés largement distribués et ainsi de suite dans l'environnement. Mais ils iront également à l'intérieur de notre cerveau, et interagiront avec nos neurones biologiques. Nous avons démontré les principes clés de notre capacité à le faire. Donc, par exemple, la réalité virtuelle en immersion totale à l'intérieur même du système nerveux, les nano-robots arrêtent les signaux venant de vos vrais sens, les remplacent par les signaux que votre cerveau recevrait si vous étiez dans l'environnement virtuel, Et alors vous aurez l'impression d'être dans cet environnement virtuel. Vous pourrez y aller avec d'autres personnes, vivre toute sorte d'expérience avec n'importe qui, en utilisant vos sens. "Les projecteurs d' expérience ," comme je les appelle, mettront tout leur flot d'expériences sensorielles dans les corrélations neurologiques de leurs émotions sur l'Internet. Vous pourrez vous connecter et éprouver ce que c'est que d'être quelqu'un d'autre. Mais avant tout, ce sera une expansion énorme de l'intelligence humaine par cette fusion directe avec notre technologie, ce que dans un certain sens nous faisons déjà. Nous faisons par habitude des exploits intellectuels qui serait impossible sans notre technologie. L'espérance de vie humaine s'allonge. Elle était de 37 ans en 1800, et avec cette sorte de biotechnologie, les révolutions de nanotechnologie, elle augmentera très rapidement dans les années à venir.
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.
L'essentiel de mon message est que ce progrès en technologie est exponentiel, pas linéaire. Beaucoup -- même les scientifiques -- adopent un modèle linéaire, donc ils diront, "oh, il faudra des centaines d'années avant que nous ayons auto-reproduit l'assemblage par la nanotechnologie ou l'intelligence artificielle." Si vous regardez vraiment la puissance de la croissance exponentielle, vous verrez que ces choses seront bientôt là. Et la technologie de l'information englobe de plus en plus toutes nos vies, de notre musique à notre fabrication à notre biologie à notre énergie aux matériaux.
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.
Nous pourrons fabriquer presque tout ce dont nous avons besoin dans les années 2020, à partir d'informations, dans des matières premières très peu coûteuses, en utilisant la nanotechnologie. Ce sont des technologies très puissantes. Elles sont tout autant une promesse qu'un péril. Nous devons donc avoir la volonté de les appliquer aux bons problèmes.
Thank you very much.
Merci beaucoup
(Applause)
(Applaudissements)