For the next 16 minutes, I'm going to take you on a journey that is probably the biggest dream of humanity: to understand the code of life.
Trong 16 phút tới, tôi sẽ đưa bạn tới một cuộc hành trình đó thực sự là một giấc mộng lớn của nhân loại: để hiểu về mã của sự sống.
So for me, everything started many, many years ago when I met the first 3D printer. The concept was fascinating. A 3D printer needs three elements: a bit of information, some raw material, some energy, and it can produce any object that was not there before.
Với tôi, mọi thứ bắt đầu từ nhiều, nhiều năm về trước khi lần đầu tiên tôi thấy máy in 3D. Khái niệm thật là quyến rũ. Một máy in 3D cần ba nguyên tố: một ít thông tin, ít nguyên liệu thô và ít năng lượng, từ đó nó có thể tạo ra bất thứ vật gì chưa từng có trước đó.
I was doing physics, I was coming back home and I realized that I actually always knew a 3D printer. And everyone does. It was my mom.
Tôi làm bên y học, tôi đã trở về nhà và nhận ra rằng tôi thực sự đã biết về máy in 3D. Tất cả mọi người đều hiểu. Đó là mẹ tôi.
(Laughter)
(cười)
My mom takes three elements: a bit of information, which is between my father and my mom in this case, raw elements and energy in the same media, that is food, and after several months, produces me. And I was not existent before.
Mẹ tôi lấy ba nguyên tố: một vài thông tin, ở đây ý là thông tin giữa ba và mẹ tôi, nguyên liệu thô và năng lượng giống như công cụ vậy, đó là thức ăn và sau vài tháng, tạo ra tôi. và tôi chưa từng tồn tại trước đó.
So apart from the shock of my mom discovering that she was a 3D printer, I immediately got mesmerized by that piece, the first one, the information. What amount of information does it take to build and assemble a human? Is it much? Is it little? How many thumb drives can you fill?
Vì vậy cú sốc về mẹ tôi là phát hiện ra bà ấy là một máy in 3D ngay lập tức tôi bị thôi miên về ý nghĩ ấy, Trước tiên là về thông tin. bao nhiêu lượng thông tin quá trình đó cần để tạo nên một con người? nó nhiều hay ít? Bao nhiêu ngón tay bạn có thể dùng để tạo nên?
Well, I was studying physics at the beginning and I took this approximation of a human as a gigantic Lego piece. So, imagine that the building blocks are little atoms and there is a hydrogen here, a carbon here, a nitrogen here. So in the first approximation, if I can list the number of atoms that compose a human being, I can build it. Now, you can run some numbers and that happens to be quite an astonishing number. So the number of atoms, the file that I will save in my thumb drive to assemble a little baby, will actually fill an entire Titanic of thumb drives -- multiplied 2,000 times. This is the miracle of life. Every time you see from now on a pregnant lady, she's assembling the biggest amount of information that you will ever encounter. Forget big data, forget anything you heard of. This is the biggest amount of information that exists.
Vâng, khi tôi bắt đầu nghiên cứu về y tôi đã mường tượng con người như là mảnh ghép Lego khổng lồ. Hãy tưởng tượng rằng những khối xây dựng là những mảnh ghép nhỏ và khí hydro ở đây, khí các-bon ở đây, và khí ni-tơ thì ở đây. Ở sự giống nhau đầu tiên, nếu tôi có thể kể ra số mảnh ghép để tạo nên một con người, thì tôi có thể tạo nên nó. Bây giờ, bạn có thể chạy vài con số và điều xảy ra thực sự là một con số ngạc nhiên. vì vậy con số về những mảnh ghép, lượng thông tin nơi tay tôi để tạo nên một em bé, tương tự như toàn bộ những ngón tay để tạo nên con tàu Titanic vậy phức tạp hơn gấp 2,000 lần. Đó là điều diệu của sự sống Từ bây giờ bất kỳ khi nào bạn thấy một phụ nữ mang thai thì cô ấy đang tạo ra một lượng thông tin lớn nhất mà bạn không thể đong đếm được. Quên đi khối lượng lớn dữ liệu, quên bất kì chuyện gì bạn nghe Đây là lượng thông tin lớn nhất tồn tại
(Applause)
(hoan nghênh)
But nature, fortunately, is much smarter than a young physicist, and in four billion years, managed to pack this information in a small crystal we call DNA. We met it for the first time in 1950 when Rosalind Franklin, an amazing scientist, a woman, took a picture of it. But it took us more than 40 years to finally poke inside a human cell, take out this crystal, unroll it, and read it for the first time. The code comes out to be a fairly simple alphabet, four letters: A, T, C and G. And to build a human, you need three billion of them. Three billion. How many are three billion? It doesn't really make any sense as a number, right?
May mắn thay, tạo hóa luôn khôn khéo hơn một nhà vật lý trẻ, và trong bốn tỷ năm, đã điều khiển để gói gém thông tin này trong một tinh thể nhỏ bé mà chúng ta gọi là DNA. Lần đầu tiên chúng ta biết tới nó vào năm 1950 khi mà Rosalind Franklin, một nữ khoa học tuyệt vời đã chụp một bức ảnh về nó. nhưng nó khiến chúng ta mất hơn 40 năm để chạm vào bên trong tế bào con người, đưa tinh thể này ra, mở nó ra, và lần đầu tiên nghiên cứu về nó. Mật mã xuất hiện hoàn toàn bảng chữ cái đơn giản, bốn chữ cái là: A, T, C và G. Và để tạo nên một con người, bạn cần phải có ba tỷ các chữ cái đó. ba tỷ. Ba tỷ là bao nhiêu? Nó hoàn toàn không có nghĩa như là một con số, phải không?
So I was thinking how I could explain myself better about how big and enormous this code is. But there is -- I mean, I'm going to have some help, and the best person to help me introduce the code is actually the first man to sequence it, Dr. Craig Venter. So welcome onstage, Dr. Craig Venter.
Vì vậy tôi nghĩ sao tôi có thể giải thích bản thân mình rõ hơn về sự to lớn và khổng lồ về mật mã này. Nhưng thưc sự... ý tôi là tôi có vài sự giúp đỡ, người tốt nhất có thể giúp tôi giới thiệu về mật mã đó chính là người đầu tiên dẫn tới dãy số đó, Tiến sĩ Craig Venter. Chào mừng tiến sĩ Craig Venter đến với sân khấu.
(Applause)
(hoan nghênh)
Not the man in the flesh, but for the first time in history, this is the genome of a specific human, printed page-by-page, letter-by-letter: 262,000 pages of information, 450 kilograms, shipped from the United States to Canada thanks to Bruno Bowden, Lulu.com, a start-up, did everything. It was an amazing feat.
không phải là người đàn ông bằng da bằng thịt, nhưng lần đầu tiên trong lịch sử đó là loại gen đặc trung của loài người, được in ra từng trang, từng chữ một: 262,000 trang tài liệu nặng 450 ký, được chuyển từ Mỹ sang Canada cảm ơn Bruno Bowden, Lulu.com, một khởi đầu, và làm mọi thứ. Một kỳ công đáng kinh ngạc
But this is the visual perception of what is the code of life. And now, for the first time, I can do something fun. I can actually poke inside it and read. So let me take an interesting book ... like this one. I have an annotation; it's a fairly big book. So just to let you see what is the code of life. Thousands and thousands and thousands and millions of letters. And they apparently make sense. Let's get to a specific part. Let me read it to you:
Tuy nhiên đó chỉ là nhận thức thị giác về Mã của sự sống là gì. Và bây giờ, đầu tiên, tôi làm chút gì đó vui vui. tôi có thể lật bên trong một quyển và đọc hãy để tôi lấy một quyển thú vị nào ...như quyển này. chú giải nhé, nó thực sự là quyển quan trọng. Để tôi nói bạn biết thế nào là mã của sự sống. Hàng ngàn, hàng ngàn và hàng ngàn và hàng tỷ các ký tự. Nó rõ ràng có nghĩa. để lật đến phần đặc trưng nào Để tôi đọc cho bạn:
(Laughter)
(cười)
"AAG, AAT, ATA."
"AAG, AAT, ATA."
To you it sounds like mute letters, but this sequence gives the color of the eyes to Craig. I'll show you another part of the book. This is actually a little more complicated.
Với bạn đó chỉ là những chữ cái câm, nhưng dãy chữ cái này nói lên màu mắt đối với Craig. tôi sẽ cho bạn xem phần khác của cuốn sách Nó chỉ mới là một chút phức tạp.
Chromosome 14, book 132:
Nhiễm sắc 14, sách 1132:
(Laughter)
(cười)
As you might expect.
Như bạn có thể tưởng tượng
(Laughter)
(cười)
"ATT, CTT, GATT."
"ATT,CTT,GTT"
This human is lucky, because if you miss just two letters in this position -- two letters of our three billion -- he will be condemned to a terrible disease: cystic fibrosis. We have no cure for it, we don't know how to solve it, and it's just two letters of difference from what we are.
Đó là một người may mắn, bởi vì nếu bạn thiếu chỉ 2 chữ cái trong dãy đó 2 chữ cái trong 3 tỷ chữ cái anh ta sẽ mắc một căn bệnh ghê gớm: chứng sơ hóa u nang. Căn bệnh chúng ta không có thuốc chữa, không biết cách cứu chạy, chỉ là 2 chữ cái của sự khác nhau quyết định cái gì là chúng ta.
A wonderful book, a mighty book, a mighty book that helped me understand and show you something quite remarkable. Every one of you -- what makes me, me and you, you -- is just about five million of these, half a book. For the rest, we are all absolutely identical. Five hundred pages is the miracle of life that you are. The rest, we all share it. So think about that again when we think that we are different. This is the amount that we share.
Một quyển sách tuyệt vời, một quyển sách vĩ đại một quyển sách vĩ đại đã giúp tôi hiểu và cho bạn thấy vài điều rất phi thường. Mỗi người chúng ta, điều gì đã tạo nên tôi tôi và bạn, bạn chỉ là khoảng 5 tỷ chữ cái, một nửa quyển sách này. Phần còn lại, chúng ta hoàn toàn đồng nhất. 500 trang sách điều kỳ diệu của cuộc sống mà bạn đang sở hữu Phần còn lại, tất cả chúng ta đều chia sẻ. Nghĩ đến nó một lần nữa khi chúng ta nghĩ chúng ta khác nhau. Đó là giá trị mà chúng ta chia sẻ.
So now that I have your attention, the next question is: How do I read it? How do I make sense out of it? Well, for however good you can be at assembling Swedish furniture, this instruction manual is nothing you can crack in your life.
Đến bây giờ khi tôi có được sự chú ý từ bạn, câu hỏi tiếp theo là: Tôi đọc nó bằng cách nào Sao tôi biết chúng có nghĩa gì? Vâng, tuy bạn có thể giỏi về trang bị của người Thụy Điển Sách hướng dẫn này không là gì cả bạn có thể khoác lát trong đời bạn.
(Laughter)
(cười)
And so, in 2014, two famous TEDsters, Peter Diamandis and Craig Venter himself, decided to assemble a new company. Human Longevity was born, with one mission: trying everything we can try and learning everything we can learn from these books, with one target -- making real the dream of personalized medicine, understanding what things should be done to have better health and what are the secrets in these books.
Và cho đến năm 2014, hai nhà diễn giả TED nổi tiếng Peter Diamandis và Craig Venter, quyết định để nhóm họp một công ty mới. Tuổi thọ người được sinh ra, với một sứ mệnh: thử nghiệm mọi thứ chúng ta có thể thử và nghiên cứu mọi thứ chúng ta có thể từ những quyển sách này với một mục tiêu: khiến giấc mơ về y học cá nhân hóa thành hiện thực am hiểu những việc gì nên làm để có sức khỏe tốt hơn và bí mật trong những quyển sách này là gì?
An amazing team, 40 data scientists and many, many more people, a pleasure to work with. The concept is actually very simple. We're going to use a technology called machine learning. On one side, we have genomes -- thousands of them. On the other side, we collected the biggest database of human beings: phenotypes, 3D scan, NMR -- everything you can think of. Inside there, on these two opposite sides, there is the secret of translation. And in the middle, we build a machine. We build a machine and we train a machine -- well, not exactly one machine, many, many machines -- to try to understand and translate the genome in a phenotype. What are those letters, and what do they do? It's an approach that can be used for everything, but using it in genomics is particularly complicated. Little by little we grew and we wanted to build different challenges. We started from the beginning, from common traits. Common traits are comfortable because they are common, everyone has them.
1 nhóm nghiên cứu, 20 nhà khoa học dữ liệu nhiều và nhiều người khác nữa, thích thú làm việc cùng nhau Quan niệm vô cùng đơn giản. Chúng ta sử dụng công nghệ được gọi là máy học. Một mặt, chúng ta có hàng ngàn gen. Mặt khác, chúng ta thu thập dữ liệu của loài người: kiểu hình, máy quét, máy NMR, mọi thứ bạn có thể nghĩ ra. Trong đó, ở hai mặt đối nghịch, đó là bí mặt về chuyển dịch. Và ở chính giữa, chúng ta dựng nên cái máy. Ta tạo dựng nên cái máy và chúng ta vận hành nó vâng, chính xác không phải là 1 cái máy mà là nhiều, nhiều cái máy để cố gắng hiểu và chuyển dịch gen thành loại kiểu hình. Những ký tự này là gì? và chúng làm những gì? Đó là phương pháp tiếp cận cho mọi vấn đề, tuy nhiên, sử dụng nó trong gen thì thực sự phức tạp. Từng chút một, chúng ta nuôi dưỡng để tạo nên những thách thức khác. Chúng ta bắt đầu từ sự mở màn, từ những điểm chung. Những điểm chung đó đều rất dễ chịu, vì chúng là chung Mọi người đều có chúng.
So we started to ask our questions: Can we predict height? Can we read the books and predict your height? Well, we actually can, with five centimeters of precision. BMI is fairly connected to your lifestyle, but we still can, we get in the ballpark, eight kilograms of precision. Can we predict eye color? Yeah, we can. Eighty percent accuracy. Can we predict skin color? Yeah we can, 80 percent accuracy. Can we predict age? We can, because apparently, the code changes during your life. It gets shorter, you lose pieces, it gets insertions. We read the signals, and we make a model.
Vậy nên chúng ta bắt đầu tự đặt vấn đề: Ta có thể đoán ra chiều cao? Chúng ta có thể đọc sách và đoán ra chiều cao của bạn Vâng, chúng ta có thể độ chính xác khoảng 5 cen ti mét BMI được kết nối với phong cách sống của bạn, nhưng ta vẫn có thể, ở trong sân bóng chày độ chính xác khoảng 8 kg. Ta có thể đoán màu mắt không? Ta có thể. Chính xác 80%. Ta có thể đoán màu da không? Vâng ta có thể đúng 80%. Ta có thể đoán tuổi thọ không Có thể, vì theo diện mạo mật mã thay đổi trong suốt cuộc đời ta. Nó trở nên ngắn hơn, mất vài mảnh hoặc là lồng ghép vào nhau. Chúng ta đọc được dấu hiệu đó, và ta tạo nên mô hình.
Now, an interesting challenge: Can we predict a human face? It's a little complicated, because a human face is scattered among millions of these letters. And a human face is not a very well-defined object. So, we had to build an entire tier of it to learn and teach a machine what a face is, and embed and compress it. And if you're comfortable with machine learning, you understand what the challenge is here.
Bây giờ, một thử thách thú vị: Liệu ta có thể đoán được khuôn mặt? Nó thì phức tạp một chút, vì khuôn mặt con người bị phân tán bởi hàng ngàn ký tự. Và nó là vật thể rất khó định dạng. Nên ta phải tạo nó thành một khối vẹn toàn. để học và dạy một cái máy Khuôn mặt là cái gì, và ấn định và đè nén nó. Và nếu bạn thấy thoải mái với cái máy học, bạn sẽ hiểu thách thức ở đây là gì.
Now, after 15 years -- 15 years after we read the first sequence -- this October, we started to see some signals. And it was a very emotional moment. What you see here is a subject coming in our lab. This is a face for us. So we take the real face of a subject, we reduce the complexity, because not everything is in your face -- lots of features and defects and asymmetries come from your life. We symmetrize the face, and we run our algorithm. The results that I show you right now, this is the prediction we have from the blood.
Bây giờ, sau 15 năm, 15 năm sau ta sẽ đọc dãy số đầu tiên tháng 10 năm nay, chúng tôi bắt đầu thấy vài dấu hiệu. Đó là một khoảnh khắc xúc động. Điều bạn thấy ở đây là chủ đề chúng tôi đang thí nghiệm. Đó là khuôn mặt chúng ta. chúng tôi tạo khuôn mặt thật của thực thể, giảm bớt đi điều phức tạp. Bởi vì không phải mội thứ trên mặt bạn những nét đặc trưng và khuyết điểm, sự bất cân đối đến với cuộc sống của bạn chúng tôi đối xứng khuôn mặt và cho chạy thuật toán. Bây giờ tôi chiếu cho bạn xem kết quả, Đây là dự đoán chúng tôi lấy thử từ máu
(Applause)
(hoang nghênh)
Wait a second. In these seconds, your eyes are watching, left and right, left and right, and your brain wants those pictures to be identical. So I ask you to do another exercise, to be honest. Please search for the differences, which are many. The biggest amount of signal comes from gender, then there is age, BMI, the ethnicity component of a human. And scaling up over that signal is much more complicated. But what you see here, even in the differences, lets you understand that we are in the right ballpark, that we are getting closer. And it's already giving you some emotions.
Đợi một chút. Trong giây phút này, mắt bạn đang nhìn trái và phải, trái và phải, và não bộ bạn muốn những bức ảnh này được đồng nhất. Và tôi muốn bạn làm một bài tập khác phải trung thực hãy tìm sự khác nhau, cái nào nhiều. Tổng số dấu hiệu lớn nhất là giớ tính, sau đó là độ tuổi, BMI, cấu thành sắc tộc của con người. Tỷ lệ dựa vào những dấu hiệu đó phức tạp hơn nhiều. Nhưng điều bạn thấy ở đây, mặc dù là khác nhau, để bạn nhận thấy rằng chúng ta đang ở vị trí đúng, rằng chúng ta ngày gần nhau hơn Và điều đó tiếp cho bạn thêm cảm xúc.
This is another subject that comes in place, and this is a prediction. A little smaller face, we didn't get the complete cranial structure, but still, it's in the ballpark. This is a subject that comes in our lab, and this is the prediction. So these people have never been seen in the training of the machine. These are the so-called "held-out" set. But these are people that you will probably never believe. We're publishing everything in a scientific publication, you can read it.
Đây là một thực thể khác theo thứ tự, và đây là dự đoán. Khuôn mặt nhỏe hơn một chút, chúng tôi không trình bày hoàn toàn hộp sọ tuy nhiên, vẫn chính xác. Đây là thực thể trong phòng thí nghiệm của chúng tôi và đây là khuôn mặt dự đoán. Những người này chưa từng được máy thử nghiệm thấy. Điều đó được gọi là bộ "held out" tuy nhiên đây là những người bạn sẽ không bao giờ tin chúng tôi công bố mọi thứ trên sự xuất bản khoa học, bạn có thể đọc nó.
But since we are onstage, Chris challenged me. I probably exposed myself and tried to predict someone that you might recognize. So, in this vial of blood -- and believe me, you have no idea what we had to do to have this blood now, here -- in this vial of blood is the amount of biological information that we need to do a full genome sequence. We just need this amount. We ran this sequence, and I'm going to do it with you. And we start to layer up all the understanding we have. In the vial of blood, we predicted he's a male. And the subject is a male. We predict that he's a meter and 76 cm. The subject is a meter and 77 cm. So, we predicted that he's 76; the subject is 82. We predict his age, 38. The subject is 35. We predict his eye color. Too dark. We predict his skin color. We are almost there. That's his face.
Tuy nhiên, chúng ta đang trên sân khấu Chris thách thức tôi. Giả sự tôi có thể thử đoán một người nào đó bạn có thể nhận diện. Vậy nên, trong lọ máu nhỏ này, và hãy tin tôi, bạn không hề biết ta phải làm gì để có lọ máu này ngay bây giờ, đây trong lọ máu nhỏ này là thông tin về sinh học chúng tôi cần phải hoàn thành toàn chuỗi gen. Chúng tôi cần con số này. Chúng tôi cho chạy thử chuỗi này, và tôi sẽ làm cùng bạn. Chúng ta bắt đầu từ lớp biểu bì tất cả hiểu biết chúng ta có. Trong lọ máu nhỏ, chúng tôi đoán anh ấy là nam. Và vật thể là nam. chúng tôi đoán cao một mét bảy sáu, Vật thể cao một mét bảy bảy. Chúng tôi đoán anh ấy 76, vật thể là 82. Chúng tôi đoán tuổi là 38. Vật thể là 35. Chúng tôi đoán màu mắt. khá tối. Chúng tôi đoán màu da của anh ta đây là dự đoán của chúng tôi. và đây là khuôn mặt anh ấy.
Now, the reveal moment: the subject is this person.
Bây giờ, giây phút khám phá: người này là vật thể.
(Laughter)
(cười)
And I did it intentionally. I am a very particular and peculiar ethnicity. Southern European, Italians -- they never fit in models. And it's particular -- that ethnicity is a complex corner case for our model. But there is another point. So, one of the things that we use a lot to recognize people will never be written in the genome. It's our free will, it's how I look. Not my haircut in this case, but my beard cut. So I'm going to show you, I'm going to, in this case, transfer it -- and this is nothing more than Photoshop, no modeling -- the beard on the subject. And immediately, we get much, much better in the feeling.
Và tôi cố tình làm điều đó. Tôi thật cá biệt và tính cách sắc tộc khác biệt. Phía nam Châu Âu, Ý, họ chưa bao giờ có mẫu này và điều đó là khác biệt, sắc tộc là chỗ phức tạp cho hình mẫu với chúng tôi Nhưng đây là điểm khác. một điều chúng tôi dùng để nhận biết con người chưa bao giờ được ghi trong gen. đó là tự do của chúng ta sẽ là, đó là cách chúng ta nhìn nhận Trong trường hợp này, không phải là kiểu tóc mà là kiểu râu của tôi. tôi sẽ cho bạn thấy, tôi sẽ trong trường hợp này, chuyển dịch nó nó không là gì ngoài photoshop, không hình mẫu và râu ở trên vật thể. tất nhiên, chúng tôi làm nhiều hơn, nhiều hơn trong cảm giác.
So, why do we do this? We certainly don't do it for predicting height or taking a beautiful picture out of your blood. We do it because the same technology and the same approach, the machine learning of this code, is helping us to understand how we work, how your body works, how your body ages, how disease generates in your body, how your cancer grows and develops, how drugs work and if they work on your body.
Tại sao chúng tôi làm điều đó? chắc chắn là không phải vì chiều cao hay là tạo nên bức hình đẹp về máu huyết của bạn. Chúng tôi làm nó vì cùng công nghệ và cùng phương pháp, máy học về mật mã này giúp chúng ta hiểu về cách chúng ta làm việc, cách cơ thể ta hoạt động, cách cơ thể ta trưởng thành cách mà mầm bệnh nảy nở trong cơ thể chúng ta, cách mà bệnh ung thư lớn lên và phát triển cách mà dược phẩm trị liệu và nếu chúng hoạt động trong cơ thể chúng ta.
This is a huge challenge. This is a challenge that we share with thousands of other researchers around the world. It's called personalized medicine. It's the ability to move from a statistical approach where you're a dot in the ocean, to a personalized approach, where we read all these books and we get an understanding of exactly how you are. But it is a particularly complicated challenge, because of all these books, as of today, we just know probably two percent: four books of more than 175.
Đó là một thử thách lớn. Đó là thách thức ta cần chia sẻ cùng với hàng ngàn nhà nghiên cứu trên toàn thế giới. Đó được gọi là y học cá nhân hóa. Đó là khả năng di chuyển từ phương pháp thống kê nơi bạn là một chấm nhỏ trên đại dương đến phương pháp cá nhân hóa, nơi chúng ta đọc hết những quyển sách này và ta có thể hiểu chính xác ta là như thế nào. Đó thật sự là một thách thức phức tạp, bởi vì những quyển sách này cho đến hôm nay chúng ta thực sự chỉ biết được 2% bốn quyển sách trong hơn 175 quyển.
And this is not the topic of my talk, because we will learn more. There are the best minds in the world on this topic. The prediction will get better, the model will get more precise. And the more we learn, the more we will be confronted with decisions that we never had to face before about life, about death, about parenting.
Và đó không phải là chủ đề bài nói của tôi vì chúng ta sẽ học nhiều hơn. Có những bộ trí óc tốt nhất về chủ đề này trên thế giới. Sự đoán sẽ tốt hơn hình mẫu sẽ chính xác hơn. và chúng ta học hỏi càng nhiều, chúng ta sẽ chạm trán với những quyết định mà ta chưa hề đối mặt trước đây về cuộc sống, về cái chết, về việc nuối nấng con cái.
So, we are touching the very inner detail on how life works. And it's a revolution that cannot be confined in the domain of science or technology. This must be a global conversation. We must start to think of the future we're building as a humanity. We need to interact with creatives, with artists, with philosophers, with politicians. Everyone is involved, because it's the future of our species. Without fear, but with the understanding that the decisions that we make in the next year will change the course of history forever.
vì vậy, ta tiếp cận với từng chi tiết nhỏ về cách cuộc sống diễn ra và đó là cuộc cách mạng không thể định nghĩa được trong phạm vi của khoa học và công nghệ. Đó phải là cuộc bàn luận của toàn thế giới Chúng ta phải bắt đầu nghĩ đến tương lai mà ta đang tạo dựng như một côn người. Chúng ta cần tương tác với sự sáng tạo, với các họa sĩ, các nhà triết học, với các chính trị gia. Bao gồm tất cả mọi người bởi đó là tương lai của loài chúng ta không sợ hãi, với hiểu biết rằng là quyết định chúng ta thực hiện trong năm tới sẽ thay đổi quá trình lịch sử mãi mãi.
Thank you.
Xin cảm ơn,
(Applause)
(hoang nghênh)