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.
یہاں آ کر بہت اچھا لگ رہا ہے۔ ہم نے ٹیکنالوجی سے جڑی امیدوں اور خدشات کے بارے میں بہت کچھ سنا ہے۔ میں دونوں ہی میں دلچپسی رکھتا ہوں۔ اگر ہم زمین پر پڑنے والی شمسی روشنی کا 0.03 فی صد توانائی میں بدل سکیں تو 2030 تک کی ممکنہ ضروریات پوری کر سکتے ہیں۔ یہ آج ممکن نہیں کیوں کہ شمسی پینل وزنی، مہنگے اور بہت غیر مؤثر ہیں۔ نینو انجینئیرنگ کے ایسے ڈیزائن موجود ہیں جو کم از کم نظری تجزیے سے گزر چکے ہیں اور اپنے اندر بہت ہلکے پن، کم قیمت اور قدرے مؤثر ہونے کے امکانات رکھتے ہیں، اور ہم یقیناً اس تجدیدی طریقے سے توانائی کی تمام ضروریات پوری کر سکنے کے قابل ہوں گے۔ نینو انجینئرنگ سے بنا ایندھن ضرورت کے مطابق توانائی فراہم کر سکتا ہے۔ یہ لامرکزیت کا ایک بنیادی رجحان ہے، یعنی مرکزی نیوکلیائی پلانٹوں اور مائع قدرتی گیس کے ٹینکروں کی بجائے لامرکزی وسائل کو ترجیح جو ماحول کی بہتری کے لیے زیادہ موافق، کہیں زیادہ مؤثر، اہل اور خلل انگیزی سے محفوظ ہیں۔
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.
بونو نے بہت بلاغت سے کام لیتے ہوئے کہا ہے کہ ہمارے پاس پہلی بار وہ وسائل ہیں جو بیماری اور غربت جیسے کہنہ مسائل کے حل تجویز کر سکتے ہیں۔ دنیا کے زیادہ تر علاقے اسی سمت میں جا رہے ہیں۔ 1990 میں مشرقی ایشیا اور بحرالکاہل کے علاقے میں پچاس کروڑ لوگ غربت کی لکیر سے نیچے تھے جو تعداد اب کم ہو کر بیس کروڑ رہ گئی ہے۔ ورلڈ بینک کے تخمینے کے مطابق 2011 میں یہ تعداد دو کروڑ ہو گی جو پچانوے فی صد کمی ہے۔ بونو کے تبصرے نے مجھے بہت لطف دیا جب اس نے ہیٹ ایش بری کو سلیکون ویلی سے جا ملایا میساچوسیٹس کی اعلیٰ صنعتی معاشرت کا ایک فرد ہونے کے ناطے میں ذکر کروں گا کہ ہم 1960 میں بھی ہپی تھے گو ہارورڈ چوک کے ارد گرد پھرتے تھے۔ لیکن ہم میں بیماری اور غربت پر قابو پانے کی طاقت ہے، اور اگر ہو سکا تو میں ان مسائل کے بارے میں بات کروں گا۔
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.
کیون کیلی نے ٹیکنالوجی کی رفتار پر بات کی۔ یہ موضوع میرے دل کے بہت قریب رہا ہے اور میں اس پر تیس سال سے کام کر رہا ہوں۔ میں نے جانا کہ کسی بھی منصوبے کے خاتمے پر میری ٹیکنالوجیز کو بامعنی ہونا چاہیے۔ یعنی ہو نہ ہو، جب میں کوئی ٹیکنالوجی متعارف کرواؤں تو دنیا کو پہلے سے مختلف ہونا چاہیے۔ میں نے دیکھا کہ زیادہ تر ایجادات اس لیے ناکام نہیں ہوتیں کہ تحقیق اور منصوبہ بندی کام نہیں آتی ۔۔ اگر زیادہ تر منصوبوں پر نظر دوڑائیں تو وہ دراصل کامیاب ہوتے ہیں اگر انہیں وہ بنانے دیا جائے جو وہ بنانا چاہ رہے ہوتے ہیں ۔۔ اور ان میں سے نوے فی صد یا اس سے بھی زیادہ اس لیے ناکام ہوتے ہیں کیوں کہ وقت اور متعلقہ عوامل خاطر خواہ نہیں ہوتے
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.
لہٰذا میں ٹیکنالوجی کے رجحانات کے ایک مستقل طالبِ علم کے طور پر سراغ لگاتا رہتا ہوں کہ مختلف اوقات میں ٹیکنالوجی کہاں ہو گی اور اس کی ریاضیاتی خاکہ بندی کرتا رہتا ہوں۔ یہ اب خود ایک طرح کا منصوبہ ہے۔ میرے پاس ڈیٹا جمع کرنے کے لیے دس لوگوں کا ایک گروپ ہے جو مختلف دائروں میں ٹیکنالوجی کی اساسیات مرتب کرتا ہے، یوں ہم خاکہ بندی کرتے ہیں۔ آپ لوگوں کو یہی کہتے سنیں گے کہ مستقبل کی پیش گوئی ممکن نہیں۔ لیکن اگر مجھ سے پوچھیں، کہ کیا تین سال بعد گوگل کی قیمت آج کی نسبت زیادہ ہو گی یا کم، تو کچھ کہنا بہت مشکل ہے۔ کیا وائی میکس جی 3 آج سے تین سال بعد لاسلکی معیار ہو گا؟ کچھ کہنا مشکل ہے۔ لیکن اگر مجھ سے پوچھیے کہ 2010 میں ایک MIPS حسابیت کی قیمت کیا ہو گی، یا پھر 2012 میں ایک اساسی ڈی این اے جوڑے کی سلسلہ بندی کی قیمت، یا 2014 میں لاسلکی طور پر ایک میگابائٹ ڈیٹا بھیجنے کی قیمت، تو یہ سب کافی حد تک قابلِ پیش گوئی ہے۔
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.
حیران کن حد تک ملائم، ایسے خطوطِ منحنی موجود ہیں جن کے تحت قیمتی اثرات، وسعت اور حیطہ ہیں۔ میں آپ کو ایک چھوٹا سا نمونہ دکھاتا ہوں، لیکن دراصل ایک نظری وجہ بھی ہے کہ ٹیکنالوجی اس اٹھان کے خط پر ہی کیوں بڑھتی ہے۔ کئی لوگ مستقبل کے بارے میں خطی انداز میں سوچتے ہیں۔ ان کا خیال ہے کہ وہ آج کے طریقوں اور رفتار سے کسی مسئلے کی خاکہ بندی یا اس پر سوچ بچار کر سکتے ہیں، لیکن وہ اس توضیحی اٹھان پر توجہ کرنے میں ناکام رہتے ہیں۔
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.
جینوم منصوبہ 1990 میں ایک متنازع منصوبہ تھا۔ ہمارے پاس اپنے بہترین پی ایچ ڈی طلباء تھے، دنیا کے سب سے اعلٰی ٰتکنیکی وسائل بھی تھے، ہم منصوبے کا دس ہزارواں حصہ مکمل کر سکے تو پندرہ سال میں اسے کیسے مکمل کریں گے؟ دس سال ہو چکے ہیں، متشککین آج بھی اپنی جگہ کھڑ ے ہیں۔۔۔ کہا جاتا ہے کہ ’’دو تہائی وقت گزر چکا ہے، اور اب تک پورے جینوم کا ذرا سی فی صد ہی سلسلہ بند ہوا ہے۔‘‘ لیکن یہی اس تیز اٹھان کی کیفیت ہے کہ اب خطِ منحنی کے سرے پہنچی اور ایک تیزی آئی۔ منصوبے کا زیادہ حصہ ان آخری چند سالوں ہی میں ہوا ہے۔ HIV کی سلسلہ بندی میں پندرہ سال لگے SARS اکتیس دنوں میں پورا ہوا۔ لہٰذا ہم ان مسائل پر قابو پا رہے ہیں۔
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.
میں آپ کو کچھ مثالیں دکھاؤں گا کہ یہ مظہر کتنا اثر پزیر ہے۔ رجحان میں تبدیلی کی اصل رفتار، نئے تصورات کو اپنانے کی رفتار ہمارے خاکوں کے مطابق ہر دہائی میں دگنا ہو رہی ہے۔ یہ سب لوگرتھمی گراف ہیں، لہٰذا جوں جوں آپ اوپر جائیں دس یا سو سے ضرب ہو رہی ہے۔ ٹیلی فون کو اپنانے میں نصف صدی لگ گئی، جو پہلی مجازی حقیقی ٹیکنالوجی تھی سیل فون تقریباً آٹھ سال میں اپنائے گئے۔ اگر آپ مختلف مواصلاتی مصنوعات کو اس لوگرتھمی گراف پر رکھیں، تو ٹیلی وژن، ریڈیو، ٹیلی فون دہائیوں میں اپنائے گئے۔ حالیہ مصنوعات جیسے کمپیوٹر، ویب، سیل فون نے دہائی سے کم عرصہ لیا۔ اب یہ ایک دلچسپ چارٹ ہے، اور یہی اس اساسی وجہ تک لے جاتا ہے کہ ایک ارتقائی عمل کیونکر، اور حیاتیات اور ٹیکنالوجی دونوں ارتقائی عملیات ہیں، تیزرفتاری سے بڑھتا ہے۔ یہ باہم تعامل پر چلتے ہیں، قابلیت کی تخلیق کرتے ہیں، پھر اس قابلیت کے استعمال سے اگلے درجے پر پہنچتے ہیں۔
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.
لہٰذا حیاتیاتی ارتقاء میں پہلا پڑاؤ یعنی ڈی این اے کے ظہور۔۔۔ دراصل آر این اے پہلے آیا نے ارب ہا ارب سال لیے، لیکن ارتقاء انفارمیشن عملیت کی ریڑھ کی ہڈی کی مدد سے اگلے پڑاؤ پر پہنچا۔ لہٰذا کیمبری دور جب تمام جانوروں کی جسمانی ساختوں کا ظہور ہوا صرف ایک کروڑ سال رہا۔ یعنی دو سو گنا تیز۔ پھر ارتقاء نے ان جسمانی ساختوں کی مدد سے ارفع وقوفی عملیات کو ڈھالا، اور حیاتیاتی ارتقاء تیز تر ہوتا رہا۔ یہ کسی بھی عملِ ارتقاء کی داخلی فطرت ہے۔ لہٰذا نوعِ انسانی، یعنی پہلی صانع و خلاق نوع، جس نے ایک وقوفی عملیے کو ایک زور آور حصے سے جوڑا۔۔ اور یاد رکھیے کہ بن مانس دراصل ایک اچھا زور آور انگوٹھا نہیں رکھتا۔۔ تاکہ ہم ایک پرزور گرفت اور لطیف و مربوط حرکت سے ماحول سے چھیڑ چھاڑ کر سکیں، اپنے ذہنی خاکوں کی مدد سے واقعتاً دنیا کو بدلیں اور ٹیکنالوجی کو ممکن بنائیں۔
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.
خیر، ہماری نوع کو ارتقاء میں سینکڑوں ہزاروں سال لگے، پھر تعامل کی مدد سے ارتقاء نے لازماً اگلے پڑاؤ پر پہنچنے کی خاطر نوعِ خلاق کا استعمال کیا جو ٹیکنالوجی کے ارتقاء میں اولین قدم تھے۔ اور پہلے قدم ہی میں ہزار ہا سال لگ گئے۔۔ پتھر کے اوزار، آگ، پہیہ۔۔۔رفتار بڑھتی رہی۔ ہم نے ہمیشہ ٹیکنالوجی کی اگلی نسل بنانے کے لیے سب سے نئی نسل کو استعمال کیا۔ چھاپے خانے کو اپنانے میں ایک صدی لگی، اولین کمپیوٹر کے نقشے کاغذ قلم سے تیار ہوئے۔۔اب ہم کمپیوٹر ہی استعمال کرتے ہیں۔ اور اس عمل میں مسلسل تیزی آتی رہی ہے۔
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.
بالفرض اسے ایک خظی گراف پر دیکھیں تو گمان ہوتا ہے کہ سب کچھ ابھی ہوا لیکن کوئی کہہ سکتا ہے کہ ’’کرزویل اس گراف پر نقطے لگا رہا ہے جو سیدھی لکیر پر واقع ہیں۔‘‘ لہٰذا میں نے مستند مفکرین کی پندرہ مختلف فہرستیں لی ہیں، مثلاً انسائیکلوپیڈیا بریٹینیکا، نیچرل ہسٹری میوزیم، کارل ساگاں کا کیلنڈر ہیں۔۔اور یہ سب میرا مقدمہ نہیں لڑ رہے، یہ تو محض حوالہ جات کی فہرستیں ہیں، اور میرا خیال ہے ان کے خیال میں یہ حیاتیاتی اور تکنیکی ارتقاء میں اہم واقعات تھے۔ تو لیجیے، یہ بھی وہی خطِ مستقیم بنتا ہے۔ ذرا سی موٹائی ضرور ہے کیوں کہ اساسی نقاط پر اختلافات ہیں جیسے دورِ زراعت کا آغاز کب ہوا، کیمبری دور نے کتنا عرصہ لیا۔ لیکن آپ ایک واضح رجحان دیکھ سکتے ہیں۔ یہاں اس عملِ ارتقاء کی بنیادی اور گہری تیزرفتاری ہے۔ انفارمیشن ٹیکنالوجی ہر سال اپنی وسعت، قیمت اثری، حیطے کو دوگنا کرتی ہے۔ اور یہ تیزرفتار بڑھوتی کا ایک عمیق رجحان ہے۔ ایک ذاتی تجربہ جب میں ایم آئی ٹی میں تھا۔ کمپیوٹر اس کمرے جتنی جگہ گھیرتا تھا، اور آپ کے سیل فون کے کمپیوٹر سے کم طاقت ور تھا۔ لیکن قانونِ مُور جسے اکثر اس اٹھان پر مبنی بڑھوتری سے جوڑا جاتا ہے، کئی میں سے صرف ایک ایسی مثال ہے کیوں کہ یہ بنیادی طور پر ٹیکنالوجی کے ارتقاء کی خاصیت ہے۔
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.
میں نے اس لوگرتھمی گراف پر 49 مشہور کمپیوٹر رکھے ہیں۔۔ لوگرتھمی گراف پر خطِ مستقیم اٹھان پر مبنی بڑھوتری کو ظاہر کرتا ہے۔۔ سو یہ ایک اور خطِ منحنی ہے۔ 1900 میں ہمیں حسابی قیمت اثری کو دوگنا کرنے میں تین سال لگے، یعنی وسط میں دو، اب ہم ہر سال دوگنا کر رہے ہیں۔ اور اٹھان پر مبنی یہ بڑھوتری پانچ مختلف مناہج میں ہے۔ قانونِ مُور صرف اس کا آخری حصہ تھا، جہاں ہم اتمامی سرکٹوں پر زیادہ سے زیادہ ٹرانسسٹر نصب کر رہے تھے لیکن ہمارے کیلکولیٹر برقی میکانی تھے، ریلے کمپیوٹر جنہوں نے جرمن خفیہ کوڈ توڑا، پچاس کی دہائی میں برقیائی نلیوں نے آئزن ہاور کے انتخاب کی پیش گوئی کی، ممیز ٹرانسسٹر جو اولین خلائی پروازوں میں استعمال ہوئے اور پھر قانونِ مُور۔ ہمیشہ جب ایک منہج کمزور پڑا، تو ایک اور نے بائیں جانب سے آ کر اس اٹھتی بڑھوتری کو جاری رکھا۔ وہ برقیائی نلیوں کو سکیڑ کر چھوٹے سے چھوٹا کر رہے تھے۔ آخر سامنے دیوار گئی۔ اب سکیڑ کر خلا کو باقی رکھنا ممکن نہ رہا۔ مکمل دوسرا منہج۔۔تراش خراش سے ٹرانسسٹر نکلا دراصل جب ہم ایک مخصوص منہج کے سرے پر پہنچتے ہیں تو دوسرے منہج کی تخلیق کے لیے تحقیقی دباؤ کا سامنا ہوتا ہے۔ پھر چونکہ ہم کافی عرصے تک قانونِ مُور کے اختتام کی پیش گوئی کرتے رہے ہیں۔۔۔پہلی پیش گوئی 2002 کی تھی، اور اب 2022 کی ہے۔ لیکن 2020 تک ٹراننسٹر چوڑائی میں چند ایٹموں جتنے ہو جائیں گے اور انہیں مزید سکیڑنا ممکن نہ ہو گا۔ یہ قانونِ مُور کا خاتمہ ہو گا لیکن حسابی بڑھوتری میں اٹھان کا ختمہ نہیں ہو گا کیوں سرکٹ چِپ مسطح ہیں۔ ہم ایک سہ بعدی دنیا کے باسی ہیں، تو تیسری جہت کام آ سکتی ہے۔ ہم تیسری جہت میں جائیں گے اور پچھلے چند سالوں ہی میں اس طرف خوب پیش قدمی ہوئی ہے، کہ سہ بعدی، خود تنظیمی سالماتی سرکٹ بنائے جائیں۔ قانونِ مُور کی سانس ٹوٹنے سے کافی پہلے ہم وہ بنا لیں گے۔ سپر کمپیوٹر ۔۔ وہ بھی یہی بات ہے۔ ان ٹیل چپس پر پروسسیر کی کارکردگی، ٹراننسٹر کی اوسط قیمت ۔۔ 1968 میں ایک ڈالر کا ایک ٹرانسسٹر آتا تھا۔ 2002 میں آپ ایک کروڑ خرید سکتے ہیں۔
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.
اٹھان پر مبنی بڑھوتری کا یہ عمل حیران کن حد تک ہموار ہے۔ میرا مطلب ہے، گمان ہوتا ہے گویا کسی سجے سجائے تجربے کا نتیجہ ہو، لیکن یہ دنیا بھر میں یکساں ایک بکھراؤ کا نتیجہ ہے ۔۔ ایک دوجے پر مصنوعات کی ناکامی کا الزام لگاتے ممالک آئی پی او، دیوالیہ پن، مارکیٹنگ منصوبے۔ آپ کہیں گے کہ یہ ایک بہت ڈانواڈول عمل ہے، اور آپ کے پاس اس بکھراؤ پر مبنی عمل کا ایک ہموار نتیجہ ہے۔ بالکل اسی طرح جیسے ہم پیش گوئی نہیں کر سکتے کہ گیس کا ایک سالمہ کیا کرے گا ۔۔ ایک سالمے پر پیش گوئی بے کار ہے ۔۔ لیکن حرکیات کی مدد سے پوری گیس کے خواص کی بہت عمدہ پیش گوئی ممکن ہے۔ یہاں بھی ایسا ہی ہے۔ ہم کسی مخصوص منصوبے کی پیش گوئی تو نہیں لیکن دینا بھر میں اس یکساں بکھراؤ، ناقابلِ پیش گوئی مقابلے کی فضا، اور ٹیکنالوجی کے ارتقائی عمل کے نتیجے کی پیش گوئی کر سکتے ہیں۔ اور ہم ان رجحانات پر مستقبل میں بہت آگے کی پیش گوئی کر سکتے ہیں۔ جرٹروڈ سٹین کے گلابوں کے برعکس یہاں معاملہ یہ نہیں کہ ایک ٹرانسسٹر بس ٹرانسسٹر ہے۔ جب ہم انہیں چھوٹا اور کم قیمت بناتے ہیں، تو برقیوں کو کم فاصلہ طے کرنا ہوتا ہے۔ وہ تیزتر ہیں لہٰذا ان کی رفتار میں اٹھان پر مبنی بڑھوتری ہوتی ہے۔ لہٰذا ایک ٹرانسسٹر کے سلسلے کی قیمت نصف ہوتے ہوتے 1.1 سال تک پہنچ گئی ہے۔ آپ اس میں جدت اور پراسیسر ڈیزائن کی دوسری شکلیں بھی شامل کر لیں تو آپ کو ہر سال حسابی قیمت اثری میں دوگنا اضافہ ملے گا۔
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.
اور یہ بنیادی طور پر تفریطی رجحان ہے ۔۔ پچاس فی صد تفریط۔ پھر یہ صرف کمپیوٹروں کی بات نہیں۔ ڈی این اے سلسلہ بندی، دماغ کی خاکہ بندی میں بھی ایسا ہی ہے، انٹرنیٹ کی وسعت بھی۔ یعنی ہر وہ چیز جسے مقداری طور پر جانچا جا سکے، سینکڑوں مختلف پیمائشیں ہیں، مختلف، انفارمیشن سے متعلق چیزوں کی ۔۔ ان کی وسعت، مقبولیت کی رفتاریں ۔۔ اور زیرِ نظر پیمائش کے حساب سے یہ بنیادی طور پر ہر بارہ تیرہ یا پندرہ مہینوں میں دوگنی ہو رہی ہیں۔ قیمت اثری کے حساب سے یہ 40 یا 50 فی صد تفریطی رفتار ہے۔ معاشیات دان اب اس پر فکر مند ہونے لگے ہیں۔ معاشی سرگرمی کے بدترین دور میں تفریط تھی، لیکن وہ دولت کی ترسیل کا انہدام تھا، صارف کے اعتماد کا انہدام تھا، یعنی ایک بالکل مختلف مظہر۔ اس کی وجہ زیادہ پیداواریت ہے، لیکن معیشت دانوں کے مطابق ’’آپ کسی طور اس رفتار پر نہیں رہ سکتے۔ 50 فی صد تفریط ہو تو لوگ حجم کو 30 یا 40% تک بڑھا لیں، لیکن اس پر نہیں رہ سکیں گے۔‘‘ لیکن ہم دراصل یہ دیکھ رہے ہیں کہ ہم واقعی اس سے بھی آگے ہیں۔ یہاں پچھلے پچاس سالوں میں انفارمیشن ٹیکنالوجی میں ڈالروں میں 28 فی صد سالانہ بڑھوتری ہے۔ میرا مطلب ہے کہ لوگوں نے دس سال قبل دس ہزار ڈالر میں آئی پاڈ نہیں بنائے۔ جیسے جیسے قیمت اثری نئی مصنوعات کو ممکن بناتی ہے، نئی نئی مصنوعات مارکیٹ میں آ جاتی ہیں۔ اور یہ بہت عمومی مظہر ہے۔ مقناطیسی ڈیٹا کی ذخیرہ کاری۔۔۔ یہ قانونِ مُور نہیں ہے، سکڑتے مقناطیسی دھبے ہیں، مختلف انجینیر، مختلف کمپنیاں، وہی اٹھان پر مبنی بڑھوتری کا عمل۔
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.
ایک اہم انقلاب یہ ہے کہ ہم انفارمیشن تناظر میں اپنی حیاتیات کی گرہ کشائی کر رہے ہیں،۔ ہم ان سافٹ وئیر پروگراموں کو سمجھ رہے ہیں جو ہمارے جسم کو چلاتے ہیں۔ ان کا ارتقاء مختلف اوقات میں ہوا ہے۔۔ ہم دراصل ان پروگراموں کو بدلنا چاہتے ہیں۔ فیٹ انسولین ریسیپٹر جین نامی ایک ننھے سے پرگروام کا کہنا ہے کہ’’ہر کیلوری کو سنبھالو کیوں کہ شکار کی اگلی رُت شاید اتنی اچھی نہ ہو۔‘‘ ہزار ہا سال قبل یہ ان انواع کے فائدے میں تھا۔ ہم دراصل اس پروگرام کو بند کرنا چاہیں گے۔ انہوں نے جانوروں پر اس کو کوشش کی اور یہ چوہے بے تحاشا کھا کر بھی دبلے پتلے رہے اور یوں فائدے میں رہے۔ انہیں ذیابیطس نہیں ہوئی، دل کی بیماری سے بچ گئے، بیس فی صد زیادہ عمر ہوئی، کم کیلوری سے بلا روک ٹوک صحت کے فوائد حاصل کرتے رہے۔ چار یا پانچ ادویہ سازی کمپنیوں نے یہ دیکھا اور محسوس کیا کہ یہ انسانی مارکیٹ کے لیے دلچسپ دوا ہو گی، اور یہ تیس ہزار جینیاتی مورثوں میں سے بس ایک ہے جو ہماری حیاتی کیمیا کو متاثر کرتا ہے۔
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.
ہمارا ارتقاء ایک ایسے دور میں ہوا جب یہ لوگوں کے فائدے میں نہیں تھا یعنی میری طرح اس کانفرنس میں زیادہ تر لوگوں کی عمر میں، کہ ان کی عمر زیادہ ہو، کیوں کہ ہم وہ قیمتی وسائل استعمال کر رہے تھے جنہیں بچوں اور ان کی نگہداشت کرنے والوں پر لگنا چاہے تھا۔ لہٰذا طویل ۔۔۔ عمر کے طویل ادوار یعنی تیس سال سے کہیں زیادہ منتخب نہیں ہوئی، لیکن ہم ان سافٹ وئیر پروگراموں کو اصل میں چھیڑنے اور انہیں حیاتی کیمیائی انقلاب کے ذریعے بدلنا سیکھ رہے ہیں۔ مثلاً اب ہم آر این اے مزاحمت سے جینیاتی مورثوں کو روک سکتے ہیں۔ جینیاتی علاج کی ایسی منفرد نئی شکلیں سامنے آ رہی ہیں جو جینیاتی مادے کو کروموسوم میں درست جگہ رکھنے کے مسئلے پر قابو پا لیں گی۔ اب پہلی دفعہ واقعتاً انسانوں پر کچھ تجربات ہو رہے ہیں جو واقعی ایک جان لیوا بیماری پھیپھڑوں کے فشارِ خون پر جینیاتی علاج کو آزما رہے ہیں۔ لہٰذا اب نہ صرف ڈیزائینر بچے بلکہ ڈیزائینر بوڑھے بھی ہوں گے۔ پھر یہ ٹیکنالوجی بھی تیزی سے بڑھ رہی ہے۔ ایک اساسی نوعیت کی مرمت پر 1990 میں دس ڈالر لاگت آتی تھی اور پھر 2000 میں ایک سینٹ۔ اب یہ سینٹ کا دسواں حصہ ہے۔ جینیاتی ڈیٹا کی مقدار ۔۔ بنیادی طور پر یہاں اٹھان پر مبنی ہموار بڑھوتری ہر سال دگنی ہوئی، جس کی وجہ سے جینوم منصوبہ مکمل ہو سکا۔
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.
ایک اور اہم انقلاب: مواصلاتی انقلاب۔ مختلف طرح سے ماپی گئی قیمت اثری، حیطہ، مواصلاتی وسعت چاہے سلکی یا لاسلکی، تیزی سے بڑھ رہی ہے۔ انٹرنیٹ قوت میں دگنا ہوتا چلا جا رہا ہے، جسے کئی طرح ماپا جاتا ہے۔ اس پیمائش کی بنیاد کمپیوٹروں کی تعداد ہے۔
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.
مختصرکاری ۔۔ یعنی ہم ٹیکانالوجی کے حجم کو تیزی سے سکیڑ رہے ہیں، سلکی اور لاسلکی دونوں طرح۔ یہ ایرک ڈریکسلر کی کتاب سے لیے گئے کچھ نمونے ہیں ۔۔ جو ہم دکھا رہے ہیں وہ اعلیٰ حسابی بناوٹوں کی مدد سے ممکن ہوں گے، جب کے ایسے سائنسدان واقعتاً موجود ہیں جو سالموں جتنے روبوٹ تخلیق کر رہے ہیں۔ سالموں سے بنا ایک ایسا ہے جو حیران کن حد تک انسانوں کی سی چال رکھتا ہے۔ ننھی مشینیں تجرباتی بنیادوں پر کام کر رہی ہیں۔ سب سے پرجوش موقع یہ ہے کہ واقعتاً انسانی جسم کے اندر پہنچا جائے اور معالجی اور تشخیصی افعال انجام دیے جائیں۔ اور یہ اتنا بھی دور نہیں جتنا لگتا ہے۔ یہ کام جانوروں میں پہلے ہی کیے جا چکے ہیں۔
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.
ایک ایسی نینو انجینئر مشین ہے جو ٹائپ اول ذیابیطس کا علاج کرتی ہے۔ خون کے خلیے میں ایسی ہزاروں رکھی جاتی ہیں۔ چوہوں پر تجربات کیے جا چکے ہیں۔ انسولین کی متعین ترسیل کے باعث ٹائپ اول ذیابیطس واقعی بہتر ہو جاتی ہے۔ آپ کے سامنے روبوٹک لال خونی خلیے کا ایک نمونہ ہے، جو ہمیں یہ دکھاتا ہے کہ ہماری حیاتیات دراصل کافی نازک ہے، حالانکہ حیرت ناک حد تک پیچیدہ ہے۔ ایک بار ہم اس کے عملی اصولوں کی تہہ میں پہنچ جائیں، اور جس رفتار سے حیاتیات کی معکوس انجینیرنگ تیز ہو رہی ہے، ہم واقعی ان چیزوں کو یوں بنا لیں گے کہ یہ ہزاروں گنا زیادہ باقوت ہوں۔ راب فریٹاس کے بنائے اس تنفسی خلیے کا تجزیہ یہ بتاتا ہے کہ اگر آپ اپنے سرخ خونی خلیوں کا دس فی صد بھی ان سے بدل دیں، تو آپ سانس لیے بغیر پندرہ منٹ تک ایک اولپمک دوڑ لگا سکتے ہیں۔ آپ اپنے تالاب کی تہہ میں چار گھنٹے تک بیٹھ سکتے ہیں ۔۔ لہٰذا ’’جانِ من میں تالاب میں ہوں،‘‘ کے معنی یکسر تبدیل ہونے والے ہیں۔ اولمپک مشقوں کو دیکھنا دلچسپ ہو گا۔ غالباً ہم ان پر پابندی لگا دیں گے، لیکن پھر ہائی اسکول جِم میں روزانہ بچوں کو اولمپک ایتھلیٹوں سے بہتر کارکردگی دکھاتے ملاحظہ کریں گے۔ فریٹاس کے پاس سفید خونی خلیے کا ڈیزائن بھی موجود ہے۔ یہ 2020 کے آس پاس کے امکانی خاکے ہیں، لیکن اتنی دور نہیں جتنا گمان ہوتا ہے۔ خونی خلیے جتنی مشینوں پر چار اہم اجلاس ہو چکے ہیں، جانوروں پر کئی تجربات ہوئے ہیں۔ ایک انسانی تجربہ بھی عنقریب ہونے والا ہے۔ لہٰذا یہ ایک قابلِ عمل ٹیکنالوجی ہے۔
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.
اگر ہم اٹھتی حسابی بڑھوتری کی جانب لوٹیں تو 1000 ڈالر کی حسابیت کہیں کیڑے اور چوہے کے دماغ کے درمیان ہے۔ یہ قابلیت کے اعتبار سے 2020 کی دہائی میں انسانی ذہانت سے جا ملے گی، لیکن یہ مساوات کی ہارڈوئیر والی سمت ہو گی۔ ہم سافٹ وئیر کہاں سے لائیں گے؟ یہاں خبر یہ ہے کہ ہم انسانی دماغ کے اندر دیکھ سکتے ہیں دراصل یہ حیرانی کی بات نہیں کہ دماغی خاکہ بندی کی زمانی و مکانی گداخت پر سال دگنا ہو رہی ہے۔ پھر خاکہ بندی کے آلات کی نئی اقسام کے ساتھ ہم پہلی بار واقعتاً انفرادی بین العصبی ریشے دیکھ سکتے ہیں، انہیں زمانِ اصل میں مواصلاتی تعلق قائم کرتے دیکھ سکتے ہیں ۔۔ لیکن سوال پیدا ہوتا ہے کہ اچھا یہ ڈیٹا مل تو گیا لیکن کیا ہم اسے سمجھ سکتے ہیں؟ ڈوگ ہاف سٹیڈر سوال اٹھاتا ہے کہ شاید ہماری ذہانت اتنی کافی نہیں کہ خود کو سمجھ سکے، اور اگر ہم مزید ہوشیار ہوتے ہمارے دماغ کئی گنا زیادہ پیچیدہ ہوتے اور ہم کبھی ان تک نہیں پہنچیں گے۔ معلوم ہوتا ہے کہ ہم انہیں سمجھ سکتے ہیں۔
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.
یہ ایک متشکل خاکہ ہے جو انسانی قشرِ سماعت کا ایسا نمونہ اور عملی نقالی ہے جو اچھا خاصہ کام کرتا ہے اور نفسی سماعتی جانچ میں انسانی ادراک جیسے نتائج لاتا ہے۔ یہ عقبی دماغ کی ایک اور عملی نقالی ہے ۔۔ جو دماغی عصبیوں کی تعداد کے نصف سے زیادہ ہے یہ بھی انسانی تشکیلات سے ملتی جلتی ہے۔ یہ ابھی اولین دور میں ہے لیکن آپ دماغ کے متعلق انفارمیشن کی مقدار میں اٹھان پر مبنی بڑھوتری اور دماغی خاکہ بندی کی گداخت میں اٹھان پر مبنی بہتری کی مدد سے یہ کہہ سکے ہیں کہ ہم 2020 کی دہائی تک انسانی دماغ کی معکوس انجینئرنگ میں کامیاب ہو جائیں گے۔ ہمارے پاس پہلے ہی دماغ کے سینکڑوں میں سے پندرہ حصوں کے بہت اچھے نمونے اور برقی بناوٹیں موجود ہیں۔
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.
یہ سب کچھ تیزرفتار معاشی ترقی کا باعث ہے۔ ہمارے ہاں افرادی قوت کی پیداواریت پچھلے پچاس سال میں 30 سے 50 ڈالر فی گھنٹہ بڑھی ہے۔ ای کامرس میں بھی تیزرفتار بڑھوتی ہے۔ یہ اب دس ارب ڈالر ہو گئی۔ آپ سوچیں گے کہ سب کچھ یک لخت بیٹھا نہیں؟ وہ شدت سے سرمایہ دار منڈی کا ایک مظہر تھا۔ وال اسٹریٹ نے دیکھ لیا کہ یہ ایک انقلابی ٹیکنالوجی تھی، جو کہ یہ تھی، لیکن پھر چھ ماہ بعد، جب اس نے تمام کاروبادی خاکوں کو بدلا نہیں، تو انہوں نے سوچا کہ یہ سب کچھ غلط تھا، اور پھر سب کچھ دھڑام سے گر گیا۔
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.
ٹھیک ہے، یہ ایک ایسی ٹیکنالوجی ہے جسے ہم موجودہ تکنیکی مصنوعات کی مدد سے کھڑا کرتے ہیں۔ یہ سیل فون میں روزمرہ کا معمول ہے۔ یہ ایک زبان سے دوسری میں ترجمہ کر سکے گا۔
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.
میں کچھ امکانی خاکوں پر بات ختم کرتا ہوں۔ 2010 تک کمپیوٹر غائب ہو جائیں گے۔ اتنے چھوٹے ہوں گے کہ ہمارے لباس، ہمارے ماحول میں سما جائیں گے۔ عکس براہِ راست ہمارے پردۂ چشم پر بنیں گے، اور مکمل مجازی حقیقت بہم پہنچائیں گے، جو اصل حقیقت کی تکثیر کرے گی۔ ہم مجازی شخصیات سے ملا کریں گے۔
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.
لیکن 2029 تک ان رجحانات میں پوری بلوغت آ چکی ہو گی، اور آپ اندازہ کریں گے ٹیکانالوجی کی مد میں پہیہ کتنے چکر کھاتا، تیز سے تیز ہوتا، اس وقت تک کہاں سے کہاں پہنچ چکا ہو گا۔ میرا مطلب ہے کہ ان تکنیکی مصنوعات کی قیمت اثری، قابلیت اور حیطہ دو کی پچسویں قوت تک بڑھ چکا ہو گا جو کتنی بڑی بات ہے۔ آج کی بہ نسبت لاکھوں گنا طاقت ور ہوں گی۔ انسانی دماغ کی معکوس انجینرنگ ہو چکی ہو گی اور 1000 ڈالر کی حسابیت بنیادی قابلیت کے حساب سے انسانی دماغ کی بہ نسبت کہیں زیادہ طاقت ور ہو گی۔ کمپیوٹر انسانی ذہانت کی لطیف آفاقی شناخت اس طور مجتمع کر سکٰیں گے جس قسم کی تجزیاتی فکر میں مشینیں پہلے ہی بہتر ہیں، یعنی اربوں واقعات ٹھیک ٹھیک یاد رکھ سکتی ہیں۔ مشینیں علم کی شرکت میں بہت تیز ہیں۔ لیکن یہ صرف ذہین مشینوں کا ایک خلائی حملہ نہیں۔ ہم اپنی ٹیکنالوجی میں مدغم ہونے والے ہیں۔
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.
میں نے جن ننھے روبوٹوں کا ذکر کیا وہ پہلے تو طبی اور حفظانِ صحت کے مسائل میں استعمال ہوں گے: یعنی ماحول کو صاف کریں گے، طاقت ور ایندھن سیل اور ہر طرف پھیلے شمسی پینل فراہم کریں گے۔ لیکن وہ ہمارے دماغ میں داخل ہوتے ہوئے حیاتیاتی عصبیوں سے چھیڑ چھاڑ کریں گے۔ ہم اس قابلیت کے اساسی اصولوں کو ثابت کر چکے ہیں۔ لہٰذا، مثال کے طور پر نظامِ عصبی میں پوری طرح بسی مجازی حقیقت، یعنی اصل حسیات سے دماغ کی جانب آتے سگنل کو بند کرنے اور انہیں تبدیل کر دینے والے ننھے روبوٹ اگر آپ مجازی ماحول میں ہوں، اور پھر یہ بھی محسوس ہو گا کہ آپ اس مجازی ماحول کا حصہ ہیں آپ وہاں دوسروں کے ساتھ ہیں، کسی کے بھی ساتھ پوری حساسیت سے کسی بھی تجربے سے گزرتے ہیں۔ میں انہیں ’’تجرباتی بوچھاڑ‘‘ کا نام دیتا ہوں جو اپنے جذبات کی عصبی نسبتوں کا کل بہاؤ انٹرنیٹ پر ڈال دیں گے۔ آپ بس ساتھ جڑیں اور تجربہ کریں کہ کسی دوسرے کی طرح ہونا کیسا ہے۔ لیکن سب سے اہم بات یہ ہے کہ یہ انسانی ذہانت کا ٹیکنالوجی کے ساتھ براہِ راست مل کر ایک عظیم پھیلاؤ ہو گا، جس میں ہم کسی حد تک پہلے ہی مشغول ہیں۔ ہم روزانہ وہ ذہنی معرکے دکھاتے ہیں جو ہماری ٹیکنالوجی کے بغیر ناممکن ہیں۔ انسانی زندگی کی ممکنہ مدت بڑھ رہی ہے۔ یہ 1800 میں 37 سال تھی، اور اس قسم کی حیاتیاتی ٹیکنالوجی، نینو ٹیکنالوجی انقلابات کے ساتھ ہم آنے والے سالوں میں بہت تیزی سے اوپر کو حرکت کریں گے۔
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.
میرا بنیادی پیغام یہی ہے کہ ٹیکنالوجی میں بڑھوتری خطی نہیں بلکہ تیز اٹھان پر مبنی ہے۔ کئی لوگ یہاں تک کہ کئی سائنس دان بھی خطی خاکہ فرض کرتے ہوئے کہتے ہیں کہ ’’اوہ، اس میں تو سو سال لگیں گے کہ خود کو دہرانے والی نینو ٹیکنالوجی یا ایسی ہی مصنوعی ذہانت سامنے آ جائے۔‘‘ اگر آپ واقعی اٹھان پر مبنی ترقی کی قوت ملاحظہ کریں دیکھیں گے کہ چیزیں بس جلد ہی رونما ہوئی چاہتی ہیں۔ اور انفارمیشن ٹیکنالوجی تیزی سے ہماری زندگیوں پر چھا رہی ہے، ہماری موسیقی سے لے کر صنعت و حرفت، ہماری حیاتیات سے لے کر توانائی اور وہاں سے مادے تک۔
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.
ہم 2020 کی دہائی میں انفارمیشن سے تقریباً کوئی بھی ایسی چیز بنا سکیں گے جس کی ہمیں ضرورت ہو، یہ نینو ٹیکنالوجی اور کم قیمت مادے کی مدد سے ہو گا۔ یہ بہت طاقتور تکنیکی مصنوعات ہیں۔ ہماری امیدوں اور خدشات دونوں ہی کو طاقت عطا کرتی ہیں۔ لہٰذا ہمارے اندر انہیں درست مسائل میں استعمال کرنے کا ارادہ تو ہونا ہی چاہیے۔
Thank you very much.
آپ کا بہت شکریہ۔
(Applause)
(تالیاں)