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.
ובכן, נפלא להיות כאן. שמענו רבות על ההבטחות שבטכנולוגיה, כמו גם על הסכנות שבה די התעניינתי בשתי הסוגיות. אם היינו יכולים להמיר 0.03 אחוז מאור השמש הנופל על כדור הארץ לאנרגיה היינו יכולים לספק את כל צרכי האנרגיה הצפויים עד שנת 2030. איננו יכולים לעשות זאת כיום כי פאנלים סולרים כבדים, יקרים ומאוד לא יעילים. ישנם עיצובי הנדסת-ננו, שעברו לפחות ניתוח תיאורטי ומראים פוטנציאל להיות מאוד קלים, מאוד זולים ומאוד יעילים, ונוכל באמת לספק את כל צרכי האנרגיה שלנו בצורה מתחדשת. תאי דלק בהנדסת ננו יוכלו לספק את האנרגיה במקום בו היא דרושה. זוהי מגמת מפתח, ביזור, מעבר מריכוזיות בתחנות כח גרעיניות ומיכליות גז טבעי נוזלי למשאבים מבוזרים ידידותיים יותר לסביבה, יעילים בהרבה כשירים ובטוחים מהפרעות.
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.
בונו דיבר ברהיטות רבה, על כך שיש לנו, בפעם הראשונה, את הכלים לטיפול בבעיות עתיקות היומין של מחלות ועוני. רוב איזורי העולם נעים בכיוון זה. ב-1990, במזרח אסיה ואיזור האוקיינוס השקט, היו 500 מליון בני אדם שחיו בעוני - המספר הזה היום הוא פחות מ-200 מליון. הבנק העולמי מעריך שעד 2011 הוא יהיה מתחת ל-20 מליון, הפחתה של 95 אחוז. נהניתי מההערה של בונו על הקישור בין הייט-אשבורי לעמק הסיליקון. בעוד שאני אמנם מקהילת ההיי-טק של מסצ'וסטס הייתי מציין שגם אנחנו היינו היפים בשנות השישים, למרות שהסתובבנו סביב כיכר הרווארד. אבל אכן יש לנו את הפוטנציאל להתגבר על מחלות ועוני, ואני הולך לדבר על הנושאים הללו, אם יש לנו את הרצון.
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.
קווין קלי דיבר על ההאצה הטכנולוגית. זהו תחום עניין רציני שלי, ונושא שפיתחתי בערך 30 שנה. הגעתי למסקנה שהטכנולוגיות שלי היו צריכות להתקבל על הדעת בזמן סיום הפרויקט. שבאופן עקבי, העולם היה מקום שונה כשהייתי מציג טכנולוגיה. ושמתי לב שרוב ההמצאות נכשלות לא בגלל שמחלקת המחקר והפיתוח לא מצליחה לגרום לזה לעבוד - אם מסתכלים על רוב התכניות העסקיות, הן למעשה יצליחו אם תינתן להן ההזדמנות לבנות את מה שהן אמרו שהן הולכות לבנות, ותשעים אחוז מהפרוייקטים האלו יכשלו, בגלל שהתזמון שגוי - לא כל הגורמים המאפשרים יהיו במקומם כשיהיו צריכים אותם.
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.
אז התחלתי להיות תלמיד נלהב של מגמות טכנולוגיות, ולעקוב אחרי מיקומם של טכנולוגיות בנקודות שונות בזמן, והתחלתי לבנות לזה מודלים מתמטיים. זה די קיבל חיים משלו, יש לי קבוצה של 10 אנשים שעובדים איתי על איסוף נתונים של מידות מפתח של טכנולוגיה בהרבה תחומים שונים, ואנחנו בונים מודלים. ותשמעו אנשים אומרים שאנחנו לא יכולים לחזות את העתיד. ואם תשאלו אותי, האם המחיר של גוגל יהיה גבוה או נמוך יותר בעוד שלוש שנים, יהיה מאוד קשה לומר. האם WiMax, CDMA, G3 יהיו הסטנדרטים האלחוטיים בעוד שלוש שנים? מאוד קשה לומר. אבל אם תשאלו אותי, כמה יעלה MIPS (מליון חישובים בשניה) אחד בשנת 2010, או עלות ריצוף זוג בסיסים של DNA ב-2012, או עלות שליחה אלחוטית של מגה-בייט ב-2014, מסתבר שאלו מאוד צפויים.
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.
ישנן עקומות אקספוננציאליות חלקות באופן יוצא דופן שמושלות במחירי ביצועים, תכולה ורוחב פס. ואני הולך להראות לכם דוגמא קטנה של זה, אבל ישנה סיבה תאורטית מדוע טכנולוגיה מתפתחת באופן אקספוננציאלי. והרבה אנשים, כשהם חושבים על העתיד, חושבים בצורה לינארית. הם חושבים שהם ימשיכו לפתח בעיה או לטפל בבעיה תוך שימוש בכלים של היום, בקצב ההתקדמות של היום, והם לא מביאים בחשבון את הגידול האקספוננציאלי הזה.
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.
פרויקט הגנום היה שנוי במחלוקת ב-1990. היו בו מיטב הדוקטורנטים, והציוד הכי מתקדם, בכל העולם, וסיימנו 1/10,000 של הפרויקט, אז איך היינו אמורים לסיים את כולו תוך 15 שנה? ועשר שנים לתוך הפרויקט, המפקפקים היו מאוד נחושים, באומרם "אתם כבר אחרי שני-שליש מהפרויקט, וכל מה שהצלחתם זה לרצף רק אחוז מאוד קטן של הגנום כולו." אבל זהו הטבע של גידול אקספוננציאלי שברגע שהוא מגיע ל"ברך" של העקומה, הוא מתפוצץ. רוב הפרויקט בוצע בשנתיים האחרונות שלו. לקח לנו 15 שנה לרצף את וירוס ה-HIV - ריצפנו את ה-SARS ב-31 יום. כלומר, היכולות שלנו להתגבר על בעיות מסוג זה גדלות.
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.
אני הולך להראות לכם רק כמה דוגמאות שמראות כמה נרחבת התופעה הזו. קצב השינוי התפיסתי הממשי, הקצב של אימוץ רעיונות חדשים, מכפיל את עצמו כל עשור, לפי המודלים שלנו. כל הגרפים הללו לוגריתמיים, כך שכשעולים בדרגות התצוגה מוכפלת בפקטור של 10 או 100. לקח לנו חצי מאה לאמץ את רעיון הטלפון, טכנולוגיית המציאות המדומה הראשונה. טלפונים סלולריים אומצו בשמונה שנים בערך. אם שמים טכנולוגיות תקשורת שונות על תרשים לוגריתמי, טלויזיה, רדיו, טלפון אומצו על גבי עשורים. טכנולוגיות חדשות - כגון המחשב האישי, הווב, טלפונים סלולריים - לקחו פחות מעשור. עכשיו, הנה שרטוט מעניין, וכאן ממש נוגעים בסיבה הבסיסית לכך שתהליכים אבולוציוניים - ותהליכים טכנולוגיים, כמו ביולוגיים הם אבולוציוניים - מאיצים. הם מתפקדים כתהליכי גומלין - הם יוצרים קיבולת, ואז מנצלים את הקיבולת שיצרו כדי להביא את השלב הבא.
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.
אז, השלב הראשון באבולוציה הביולוגית, התפתחות ה-DNA - בעצם זה היה ה-RNA שהופיע קודם - לקח מיליארדי שנים, אבל אז האבולוציה ניצלה את שילדת עיבוד הנתונים הזו כדי להביא את השלב הבא. אז המפץ הקמבריוני, בו התפתחו כל תבניות הגוף של החיות, לקח רק 10 מליון שנים. הוא היה מהיר פי 200. ואז האבולוציה השתמשה בתבניות הגוף האלו כדי לפתח תפקודים קוגניטיביים גבוהים, והאבולוציה הביולוגית המשיכה להאיץ. זוהי תכונה טבעית של תהליכים אבולוציוניים. אז הומו ספייאנס, המין הראשון שיצר טכנולוגיה, המין ששילב תפקוד קוגניטיבי עם אגודל נגדי - ודרך אגב, לשיפנזים אין ממש אגודל כך שיכולנו לתפעל את סביבתנו באמצעות אחיזה וקואורדינציה עדינה, ושימוש במודלים המחשבתיים שלנו לשנות את העולם ולהביא קדימה את הטכנולוגיה.
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.
אבל, בכל מקרה, האבולוציה של המין שלנו לקחה מאות אלפי שנים, ואז, דרך עבודת גומלין, אבולוציה בעצם השתמשה בטכנולוגיה ליצירת מינים כדי להגיע אל השלב הבא שהיה בעצם הצעדים הראשונים באבולוציה הטכנולוגית. והשלב הראשון לקח עשרות אלפי שנים - כלי אבן, האש, הגלגל - ההאצה המשיכה. תמיד השתמשנו בדור האחרון של הטכנולוגיה כדי ליצור את הדור הבא. אימוץ המצאת הדפוס לקח מאה שנה, המחשבים הראשונים תוכננו עם עט ונייר - היום אנחנו משתמשים במחשבים. וחווינו האצה מתמשכת של התהליך.
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.
דרך אגב, אם את מסתכלים על הגרף הליניארי הזה, נראה כאילו הכל קרה ממש עכשיו, אבל צופה פלוני אומר: "טוב, קורצוויל פשוט שם נקודות על הגרף שמסתדרות בקו ישר." אז, לקחתי 15 רשימות שונות מהוגי מפתח, כמו אנציקלופדיה בריטניקה, מוזיאון היסטורית הטבע, לוח השנה הקוסמי של קארל סאגאן על אותו - ואלו לא היו אנשים שניסו להוכיח את הנקודה שלי, אלו היו רק רשימות של עבודות סימוכין. ואני חושב שזה מה שהם חשבו שהיו אירועי המפתח באבולוציה הביולוגית והטכנולוגית. ושוב, זה מסתדר באותו קו ישר. ישנה קצת התעבות של הקו כי קיימת מידה של אי הסכמה בין אנשים, מה הם אירועי המפתח, יש חילוקי דעות מתי החלה החקלאות, או מתי - כמה זמן נמשך המפץ הקמבריוני. אבל ניתן לראות מגמה מאוד ברורה. ישנה האצה בסיסית ועמוקה של התהליך האבולוציוני הזה. טכנולוגיות מידע מכפילות את הקיבולת שלהן, מחיר מול ביצועים, רוחב פס, כל שנה. וזה הפיצוץ המעמיק של גידול אקספוננציאלי. חוויה אישית, כשהייתי ב-MIT מחשב שגודלו היה כגודל החדר הזה, היה פחות חזק מהמחשב בטלפונים הסלולרים שלכם. אבל חוק מור, שלעיתים קרובות מזוהה עם הגידול האקספוננציאלי הזה, הוא רק דוגמא אחת מני רבות, בגלל שזאת תכונה בסיסית של התהליך האבולוציוני של טכנולוגיה.
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.
אם אנחנו - הנחתי 49 מחשבים מפורסמים על הגרף הלוגריתמי הזה - דרך אגב, קו ישר בגרף לוגריתמי הוא גידול אקספוננציאלי - זה עוד אקספוננט. לקח לנו שלוש שנים להכפיל מחיר מול ביצועים של מחשבים ב-1900, שנתיים באמצע המאה, ועכשיו מוכפל כל שנה. וזאת צמיחה אקספוננציאלית דרך חמש תפיסות שונות. חוק מור הוא רק החלק האחרון של זה, על מעגל משולב, בו אנחנו מצמקים טרנזיסטורים, אבל היו לנו מחשבונים אלקטרו-מכניים, מחשבים מבוססי ממסרים שפיצחו את קוד האניגמה, שפופרות ריק בשנות ה-50 שחזו את בחירתו של אייזנהאואר, טרנזיסטורים דיסקרטיים שהיו בשימוש בטיסות הראשונות לחלל ואז חוק מור. בכל פעם שלתפיסה אחת נגמר הסוס, באה תפיסה אחרת, לא קשורה, להמשיך את הגידול האקספוננציאלי. בזמנו כיווצו שפופרות ריק, ועשו אותם יותר ויותר קטנות. עד שנתקלו בקיר. אי אפשר היה לכווץ אותם ולשמור על הריק. תפיסה שונה לגמרי - טרנזיסטורים הופיעה פתאום. למעשה, כשאנחנו רואים את סוף הדרך של תפיסה מסוימת, נוצר לחץ מחקרי ליצור את התפיסה הבאה. ומכיוון שאנחנו מנבאים את סופו של חוק מור כבר זמן לא מועט - הניבוי הראשוני היה 2002, עד שהיום אומרים 2022. אבל עד שנות העשרה, מאפייני הטרנזיסטורים יהיה ברוחב כמה אטומים, ולא נוכל לכווץ אותם יותר. זה יהיה סופו של חוק מור, אבל זה לא יהיה סופה של הגדילה האקספוננציאלית של המחשוב מכיוון ששבבים שטוחים. אנחנו חיים בעולם תלת ממדי, אנחנו יכולים להשתמש גם במימד השלישי. אנחנו נכנס לתוך המימד השלישי והיתה התקדמות אדירה, תוך מספר שנים מועט, בבנייה מוצלחת של מעגלים מולקולריים תלת-מימדיים. אלו יהיו מוכנים הרבה לפני שלחוק מור יגמר הסוס. מחשבי על - אותו דבר. ביצוע מעבדים על שבבי אינטל, המחיר הממוצע של טרנזיסטור - ב-1968, היה אפשר לקנות אחד בדולר. ב-2002 אפשר לקנות 10 מליון.
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.
זה די מדהים כמה התהליך האקספוננציאלי הזה חלק. כלומר, הייתם חושבים שזאת התוצאה של ניסוי במעבדה, אבל זאת תוצאה של התנהגות כאוטית עולמית - מדינות המאשימות אחת את השניה בהצפת מוצרים, הנפקות, פשיטות רגל, תכניות שיווקיות. הייתם חושבים שזה יהיה תהליך מאוד בלתי צפוי, ויש לכם תוצאה מאוד חלקה של התהליך הכאוטי הזה. כמו שאיננו יכולים לחזות מה מולקולת גז אחת תעשה - זה חסר סיכוי לחזות מולקולה אחת - ובכל זאת ניתן לחזות את תכונות הגז הכולל באופן מאוד מדויק, על ידי שימוש בתרמודינמיקה. זה אותו דבר. איננו יכולים לחזות פרויקט מסוים, אבל התוצאה של התחרות העולמית, הכאוטית והלא צפויה הזאת ושל התהליך האבולוציוני הטכנולוגי, ניתנת מאוד לחיזוי. ואנחנו יכולים לחזות את המגמות הללו אל העתיד הרחוק. שלא כמו הורדים של גרטרוד שטיין, זה לא המקרה שטרנזיסטור הוא טרנזיסטור. ככל שאנחנו מקטינים אותם ומוזילים אותם, המרחק אותו צריכים האלקטרונים לעבור קטן. הם מהירים יותר, כך שמתקבלת צמיחה אקספוננציאלית במהירות טרנזיסטורים, אז מחירו של מחזור של טרנזיסטור אחד יורד בחצי כל 1.1 שנים. אם מוסיפים עוד צורות חדשנות ועיצוב מעבדים, מקבלים הכפלה של מחיר/ביצוע של מחשבים כל שנה.
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.
וזאת בעצם דפלציה - דפלציה של 50 אחוז. וזה לא רק מחשבים, כלומר, זה נכון לגבי ריצוף DNA, זה נכון לגבי סריקות מוח, זה נכון לגבי הווב. כל דבר שאנחנו יכולים לכמת, יש לנו מאות מדידות שונות של מדדים תלויי מידע - קיבולת, קצב אימוץ - והם בבסיסם מוכפלים כל 12, 13, 15 חודשים, תלוי על מה מסתכלים. מבחינת ביצועים, זהו קצב דפלציה של 40 עד 50 אחוז. וכלכלנים התחילו לדאוג בנוגע לזה. היתה דפלציה בזמן השפל הגדול, אבל זו היתה התמוטטות של אספקת כסף, התמוטטות של אמון הצרכנים, תופעה אחרת לגמרי. עכשיו זוהי יצרנות גדלה והולכת, אבל הכלכלן אומר "אין סיכוי שתוכל לשמור על הקצב הזה. אם יש דפלציה של 50 אחוז, אנשים יגדילו את נפחם ב-30, 40 אחוז אבל לא יוכלו לשמור על הקצב. אבל מה שאנחנו בעצם רואים זה שאנחנו אפילו יותר משומרים על הקצב. היתה לנו צמיחה מורכבת של 28 אחוז לשנה בדולרים בטכנולוגיית מידע במשך 50 השנים האחרונות. כלומר, אנשים לא בנו אייפודים ב-10,000 דולר לפני 10 שנים. כשמחיר/ביצוע הופך יישומים חדשים לברי ביצוע, יישומים חדשים מגיעים לשוק, וזאת תופעה מאוד נפוצה. אחסון מידע מגנטי - זה לא חוק מור, זה כיווץ נקודות מגנטיות, מהנדסים שונים, חברות שונות, אותו תהליך אקספוננציאלי.
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.
מהפכה חשובה היא שאנחנו מבינים את הביולוגיה של עצמינו במונחי המידע האלה. אנחנו מבינים את תוכנות המחשב שמריצות את גופינו. הן התפתחו בזמנים שונים מאוד -- והיינו רוצים בעצם לשנות את התוכנות האלה. תוכנה אחת קטנה, שנקראת גן השומן והאינסולין, אומרת בעיקרון, "תחזיק כל קלוריה, מפני שבעונת הציד הבאה אולי לא תצליח כל כך." זה פעל לטובת המין לפני עשרות אלפי שנים. היינו רוצים בעצם לכבות את התוכנית הזו. הם ניסו את זה בחיות, והעכברים האלה אכלו ברעב ונשארו רזים וקיבלו הטבות בריאותיות מלהיות רזים. הם לא חלו בסוכרת, הם לא חלו במחלות לב, הם חיו 20 אחוז יותר, הם קיבלו את ההטבות הבריאותיות של הגבלת קלוריות בלי ההגבלות. ארבע או חמש חברות תרופות הבחינו בזה, וחשו שזו תהיה תרופה מעניינת לשוק האנושי, וזה רק אחד מ30000 גנים שמשפיעים על הביוכימיה שלנו.
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.
התפתחנו בעידן בו לא היה אינטרס לאנשים בגיל של רוב האנשים בועידה הזו, כמוני, לחיות הרבה יותר, מפני שהשתמשנו במשאבים היקרים שהיו יותר חשובים לילדים ולאלה הנושאים אותם. אז, חיים -- חיים ארוכים -- כמו, להגיד, הרבה יותר מ30 -- לא נבררו, אבל למדנו ממש לתפעל ולשנות את התוכנות האלה דרך מהפכת הביוטכנולוגיה. לדוגמה, אנחנו יכולים להשהות גנים עם התערבות בRNA. יש שיטות חדשות ומלהיבות לרפואת גנים שמתגברות על הבעיה של להניח חומר גנטי במקום הנכון בכרומוזום. למעשה יש -- בפעם הראשונה עכשיו, משהו שעובר לניסויים באדם, שמרפא לחץ דם -- מחלה קטלנית -- על ידי שימוש בתרפיית גנים. אז יהיו לנו לא רק תינוקות מעוצבים, אלא גם בייבי בומרס מעוצבים. והטכנולוגיה הזו גם מאיצה. זה עלה 10 דולר לזוג בסיס ב1990, ואז פני ב2000. זה עכשיו פחות מעשירית סנט. כמות המידע הגנטי -- בעיקרון זה -- זה מראה שהגידול האקספוננציאלי החלק מוכפל כל שנה, מה שמאפשר לפרוייקט מיפוי הגנום להיות מושלם.
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.
גילוי גדול נוסף, מהפכת התקשורת. ביצועי המחיר, רוחב הפס, קיבולת התקשורת נמדדת בדרכים רבות; מחווטת, אלחוטית גדלה אקספוננציאלית. האינטרנט הכפיל את כוחו וממשיך כך, נמדד בדרכים רבות. זה מבוסס על מספר מארחים.
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.
הקטנה -- אנחנו מקטינים את גודל הטכנולוגיה בקצב אקספוננציאלי, גם מחווטת וגם אלחוטית. אלה כמה עיצובים מהספר של אריק דרקסלר -- שעכשיו אנחנו מראים שהם אפשריים בהדמיות מחשבי על, שם אנשים בעצם בונים רובוטים בקנה מידה מולקולרי. לאחד יש אחד שהולך בצורת הליכה די אנושית, שבנוי ממולקולות. יש מכונות קטנות שעושות דברים על בסיס נסיוני. ההזדמנות המסעירה מכולן היא בעצם להיכנס לתוך הגוף האנושי ולבצע פעולות איבחוניות וטיפוליות. וזה פחות עתידני משזה נשמע. הדברים האלה כבר נעשו בחיות.
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.
יש מכשיר מהונדס ברמת הננו שמרפא סוכרת מסוג 1. הוא בגודל תא דם. הם שמים מאות אלפים מאלה בכדורית הדם -- הם ניסו את זה בחולדות זה משחרר אינסולין בצורה מבוקרת, ולמעשה מרפא סוכרת מסוג 1. מה שאתם רואים זה תכנון של כדורית דם אדומה רובוטית, וזה מעלה את הנושא שהביולוגיה שלנו היא למעשה רחוקה מאופטימלית, אפילו שהיא מדהימה במורכבות שלה. ברגע שנבין את דרך הפעולה העקרונית שלה, והקצב בו אנחנו לומדים את הביולוגיה מואץ. אנחנו יכולים למעשה לתכנן את הדברים האלה להיות בעלי יכולת באלפי דרגות יותר. אנליזה של הרספירוסיט הזה, שתוכנן על ידי רוב פריטס, מראה שאם תחליפו 10 אחוז של תאי הדם האדומים שלכם עם הגרסאות הרובוטיות האלה, תוכלו לעשות ספרינט אולימפי למשך 15 דקות בלי לקחת נשימה. תוכלו לשבת בתחתית הבריכה למשך ארבע שעות -- אז, "חמודה, אני בבריכה," יקבל משמעות אחרת לחלוטין. זה יהיה מעניין לראות מה נעשה במבחנים האולימפיים. כנראה נאסור אותם, אבל אז יהיו לנו רוחות רפאים של תלמידי תיכון באולמות ההתעמלות באופן עיקבי מביאים תוצאות טובות יותר מספורטאים אולימפיים. לפריטס יש תכנון לכדורית דם לבנה רובוטית. אלה צפויים באזור 2020, אבל הם לא עתידניים כמו שזה נשמע. יש ארבע ועידות שונות לבניית מכשירים בגודל של כדורית דם, יש הרבה ניסויים בחיות. יש אחד שעובר למעשה לניסוי בבני אדם, אז זו טכנולוגיה בהשג יד.
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.
אם נחזור לצמיחה האקספוננציאלית של המחשוב, אלף דולר של מחשוב שווה ערך היום בין חרק למוח של עכבר. זה יצטלב עם אינטליגנציה אנושית במונחים של תפוקה בשנות ה20, אבל זה יהיה בצד החומרה של המשוואה. מאיפה נביא את התוכנה? ובכן, מסתבר שאנחנו יכולים לראות לתוך מוחות אנושיים, ולמעשה באופן לא מפתיע, יכולות סריקת המוח מוכפלות כל שנה. ועם כלי הסריקה מהדור החדש, לראשונה אנחנו יכולים לראות סיבים בין ניורונים ולראות אותם מעבדים ומתקשרים בזמן אמת -- ואז השאלה היא, אוקיי, אנחנו יכולים לקבל את המידע הזה עכשיו, אבל האם אנחנו יכולים להבין אותו? דאג הופסטטר תוהה, ובכן, אולי האינטליגנציה שלנו לא מספיק גבוהה כדי להבין את האינטליגנציה שלנו, ואם היינו חכמים יותר, ובכן, אז המוחות שלנו היו הרבה יותר מורכבים, ולעולם לא נגיע לזה. מסתבר שאנחנו יכולים להבין את זה.
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.
זו דיאגרמת בלוקים של מודל והדמיה של אזור השמע האנושי שבאמת עובד די טוב -- במעבר מבחנים פסיכואקוסטיים, מקבל תוצאות שי שומות לתפיסה השמיעתית האנושית. הנה עוד סימולציה של הצרבלום -- זה יותר מחצי מהניורונים במוח -- שוב, עובד דומה מאוד לרכישת יכולות אנושיות. זה שלב מוקדם, אבל אפשר להראות עם הצמיחה האקספוננציאלית של כמות המידע על המוח והשיפור האקספוננציאלי ברזולוצית סריקת המוח, נצליח להנדס אחורה את המוח האנושי עד שנות ה20. כבר היו לנו מודלים וסימולציות די טובות של 15 אזורים מתוך כמה מאות.
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.
כל זה דוחף -- קדמה כלכלית שצומחת אקספוננציאלית. הפרודוקטיביות עלתה מ30 ל150 דולר לשעה בעבודה ב50 השנים האחרונות. מסחר אלקטרוני גודל אקספוננציאלית. הוא עכשיו טריליון דולר. אולי תתהו, ובכן, לא היה בום ואז ריסוק? זו היתה תופעה שמיוחסת לשוק ההון בלבד. וול סטריט הבחינו שזו טכנולוגיה מהפכנית, מה שהיא היתה, אבל אז שישה חודשים מאוחר יותר, כשהיא לא הפכה למודל עסקי, הם אמרו, ובכן, זו היתה טעות, ואז היה לנו את הריסוק הזה.
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.
בסדר, זו טכנולוגיה שחיברנו בעזרת חלק מהטכנולוגיות שאנחנו מעורבים בהן. זו תהיה תכונה שכיחה בטלפונים סלולריים. היא תהיה מסוגלת לתרגם משפה אחת לאחרת.
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.
אז תנו לי רק לסיים עם שני תרחישים. עד 2010 מחשבים יעלמו. הם יהיו כל כך קטנים, שהם יוטמעו בבגדים שלנו, בסביבה שלנו. תמונות יכתבו ישירות לרשתית שלנו, ויספקו חוויה עוטפת של מציאות מדומה, מציאות אמיתית מרובדת. אנחנו נתקשר עם ישויות וירטואליות.
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.
אבל אם נרחיק ל2029, באמת נגיע להבשלה המלאה של הטרנדים האלה, ואתם צריכים להעריך כמה סיבובים של הבורג במונחים של דורות של טכנולוגיה שמגיעים מהר יותר ויותר יהיו לנו בנקודה ההיא. אני מתכוון, יהיה לנו 2 בחזקת 25 יותר יחס עלות ביצועים, נפח ורוחב פס מהטכנולוגיות האלה, שזה די מדהים. זה יהיה מיליוני פעמים יותר חזק משזה היום. נשלים את ההנדסה לאחור של המוח האנושי, מחשבים -- 1000 דולר של כוח מחשוב יהיו הרבה יותר חזקים מהמוח האנושי במונחים של קיבולת בסיסית. מחשבים ישלבו את כוח ההבחנה של האינטליגנציה האנושית עם דרכים בהם מכונות כבר עליונות יותר, במונחים של חשיבה אנליטית, זיכרון של מיליארדי עובדות בדיוק. מכונות יכולות לחלוק את הידע מאוד מהר. אבל זו לא רק פלישה חייזרית של מכונות חכמות. אנחנו עומדים להתמזג עם הטכנולוגיה.
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.
הננובוטים האלה שהזכרתי יהיו בשימוש ראשית לצרכים רפואיים ובריאותיים: לנקות את הסביבה, לספק דלק -- תאי דלק חזקים ופאנלים סולריים מבוזרים ועוד בסביבה. אבל הם גם יכנסו לתוך המוח שלנו, ויתקשרו עם הניורונים הביולוגיים. הדגמנו את העקרונות הבסיסיים של היכולת לעשות את זה. אז, לדוגמה, מציאות מדומה עוטפת מתוך מערכת העצבים, הננובוטים יכבו את הסיגנל המגיע מחושי הראיה שלנו, ויחליפו אותם עם סיגנלים שהמוח שלכם היה מקבל אם הייתם בתוך הסביבה הוירטואלית, ואז זה ירגיש כאילו אתם בתוך הסביבה הוירטואלית. תוכלו ללכת לשם עם עוד אנשים, ולעבור כל סוג של חוויה ולערב את כל החושים. "מקרני חוויה" אני קורא להם, ישימו את כל זרם החוויה החושית שלהם במקבילה הניורולוגית לרגשות שלהם באינטרנט. תוכלו להתחבר ולחוות מה זה להיות מישהו אחר. אבל חשוב יותר, זו תהיה הרחבה עצומה של האינטליגנציה האנושית דרך המיזוג הישיר הזה עם הטכנולוגיה שלנו. שבמובן מסויים אנחנו כבר עושים. אנחנו עושים בצורה שגרתית מאמצים אינטלקטואליים שהיו בלתי אפשריים בלי הטכנולוגיה. אורך החיים האנושי מתארך. הוא היה 37 ב1800, ועם סוג כזה של מהפכות בביוטכנולוגיה, וננו טכנולוגיה, זה יעלה במהירות גדולה בשנים הבאות.
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.
המסר העיקרי שלי הוא שהקידמה בטכנולוגיה היא אקספוננציאלית, לא לינארית. רבים -- אפילו מדענים -- מניחים מודל לינארי, אז הם יגידו, "או, זה יקח מאות שנים עד שתהיה לנו ננו טכנולוגיה שמשכפלת את עצמה או אינטיליגנציה מלאכותית." אם תביטו באמת על הכוח של צמיחה אקספוננציאלית, תראו שהדברים האלה מאוד קרובים. וטכנולוגית המידע מכילה יותר ויותר את כל חיינו, מהמוזיקה ליצור לביולוגיה שלנו לאנרגיה ולחומרים.
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.
נהיה מסוגלים לייצר כמעט כל דבר שנצטרך בשנות ה20, ממידע, מחומרי גלם מאוד זולים, על ידי ננו טכנולוגיה. אלה טכנולוגיות חזקות מאוד. הן גם מאפשרות את העתיד שלנו וגם מסכנות אותו. אז צריך להיות לנו הרצון ליישם אותן במקומות הנכונים.
Thank you very much.
תודה רבה לכם
(Applause)
(מחיאות כפיים)