ABOUT THE SPEAKER
Susan Blackmore - Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created.

Why you should listen

Susan Blackmore is dedicated to understanding the scientific nature of consciousness. Her latest work centers on the existence of memes -- little bits of knowledge, lore, habit that seem to spread themselves using human brains as mere carriers. She's exploring the existence of a new class of meme, spread by human technology. It's temporarily named the "teme."

She has written about memes, consciousness, and near-death experiences; has appeared on the British Big Brother to discuss the psychology of the participants; and writes for the Guardian UK.

More profile about the speaker
Susan Blackmore | Speaker | TED.com
TED2008

Susan Blackmore: Memes and "temes"

Η Σούζαν Μπλάκμορ για τα μιμίδια και τα "τιμίδια"

Filmed:
882,044 views

Η Σούζαν Μπλάκμορ μελετά τα μιμίδια: ιδέες που αυτοαναπαράγονται, από εγκέφαλο σε εγκέφαλο, σαν ιοί. Δημιουργεί ένα λαμπρό νέο επιχείρημα: Η ανθρωπότητα γέννησε ένα νέο είδος μιμιδίων, τα τιμίδια, τα οποία διαδίδονται μέσω της τεχνολογίας - και εφευρίσκουν τρόπους για να διατηρηθούν εν ζωή.
- Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio

Double-click the English transcript below to play the video.

00:18
CulturalΠολιτιστικά evolutionεξέλιξη is a dangerousεπικίνδυνος childπαιδί
0
0
3000
Η πολιτιστική επανάσταση είναι για κάθε είδος, ένα επικίνδυνο παιδί
00:21
for any speciesείδος to let looseχάνω on its planetπλανήτης.
1
3000
3000
να αφεθεί ελεύθερο στον πλανήτη του.
00:24
By the time you realizeσυνειδητοποιώ what's happeningσυμβαίνει, the childπαιδί is a toddlerμικρό παιδί,
2
6000
4000
Μέχρι να συνειδητοποιήσεις τι συμβαίνει, το παιδί είναι νήπιο,
00:28
up and causingπροκαλώντας havocτον όλεθρο, and it's too lateαργά to put it back.
3
10000
6000
σπέρνει τον όλεθρο και είναι αργά για να το αποσύρεις.
00:34
We humansτου ανθρώπου are Earth'sΤης γης PandoranΑπατεώνισσα speciesείδος.
4
16000
3000
Εμείς οι άνθρωποι, είμαστε η Πανδώρα της Γης.
00:37
We're the onesαυτές who let the secondδεύτερος replicatorπρόγραμμα αναπαραγωγής out of its boxκουτί,
5
19000
5000
Είμαστε αυτοί που ελευθέρωσαν τον δεύτερο αντιγραφέα από το κουτί του,
00:42
and we can't pushΣπρώξτε it back in.
6
24000
2000
και δε μπορούμε να τον χώσουμε ξανά μέσα.
00:44
We're seeingβλέπων the consequencesσυνέπειες all around us.
7
26000
3000
Βλέπουμε τις συνέπειες γύρω μας.
00:48
Now that, I suggestπροτείνω, is the viewθέα that
8
30000
4000
Eισηγούμαι ότι αυτή η θεώρηση προκύπτει
00:52
comesέρχεται out of takingλήψη memeticsMemetics seriouslyσοβαρά.
9
34000
2000
αντιμετωπίζοντας τη Μιμητική Μηχανική με σοβαρότητα.
00:54
And it givesδίνει us a newνέος way of thinkingσκέψη about
10
36000
2000
Mας δίνει έναν νέο τρόπο σκέψης
00:56
not only what's going on on our planetπλανήτης,
11
38000
2000
όχι μόνο για όσα συμβαίνουν στον πλανήτη μας,
00:58
but what mightθα μπορούσε be going on elsewhereαλλού in the cosmosσύμπαν.
12
40000
3000
αλλά για ό,τι μπορεί να συμβαίνει αλλού στο σύμπαν.
01:01
So first of all, I'd like to say something about memeticsMemetics
13
43000
3000
Θα ήθελα πρώτα να πω δυο πράγματα για τη Μιμητική Μηχανική
01:04
and the theoryθεωρία of memesμιμίδια,
14
46000
2000
και τη θεωρία των μιμιδίων,
01:06
and secondlyκατα δευτερον, how this mightθα μπορούσε answerαπάντηση questionsερωτήσεις about who'sποιος είναι out there,
15
48000
5000
κι έπειτα, πώς αυτό μπορεί να απαντήσει ερωτήματα για το ποιος βρίσκεται εκεί έξω,
01:11
if indeedπράγματι anyoneο καθενας is.
16
53000
3000
εάν πράγματι υπάρχει κανείς.
01:14
So, memeticsMemetics:
17
56000
2000
Η Μιμητική Μηχανική.
01:16
memeticsMemetics is foundedιδρύθηκε το on the principleαρχή of UniversalUniversal DarwinismΔαρβινισμός.
18
58000
4000
Στηρίχθηκε στην αρχή του παγκόσμιου Δαρβινισμού.
01:20
DarwinΟ Δαρβίνος had this amazingφοβερο ideaιδέα.
19
62000
3000
Ο Δαρβίνος είχε αυτή την εξαιρετική ιδέα.
01:23
IndeedΠράγματι, some people say
20
65000
2000
Πράγματι, κάποιοι λένε
01:25
it's the bestκαλύτερος ideaιδέα anybodyοποιοσδήποτε ever had.
21
67000
3000
ότι είναι η καλύτερη ιδέα που σκέφτηκε ποτέ κανείς.
01:28
Isn't that a wonderfulεκπληκτικός thought, that there could be suchτέτοιος a thing
22
70000
4000
Δεν είναι υπέροχη σκέψη αυτή, ότι θα μπορούσε να υπάρχει κάτι
01:32
as a bestκαλύτερος ideaιδέα anybodyοποιοσδήποτε ever had?
23
74000
2000
όπως η καλύτερη ιδέα που θα μπορούσε κάποιος να σκεφτεί;
01:34
Do you think there could?
24
76000
1000
Πιστεύετε πως θα μπορούσε να υπάρχει;
01:35
AudienceΤο κοινό: No.
25
77000
1000
Κοινό: Όχι.
01:36
(LaughterΤο γέλιο)
26
78000
1000
(Γέλια)
01:37
SusanSusan BlackmoreΜπλάκμορ: SomeoneΚάποιος saysλέει no, very loudlyδυνατά, from over there.
27
79000
2000
Κάποιος λέει πολύ δυνατά όχι από εκεί πέρα.
01:39
Well, I say yes, and if there is, I give the prizeβραβείο to DarwinΟ Δαρβίνος.
28
81000
4000
Εγώ λέω ναι, κι αν υπάρχει, δίνω το βραβείο στον Δαρβίνο.
01:43
Why?
29
85000
2000
Γιατί;
01:45
Because the ideaιδέα was so simpleαπλός,
30
87000
3000
Επειδή η ιδέα ήταν τόσο απλή,
01:48
and yetΑκόμη it explainsεξηγεί all designσχέδιο in the universeσύμπαν.
31
90000
6000
αλλά εξηγεί κάθε σχέδιο μέσα στο σύμπαν.
01:54
I would say not just biologicalβιολογικός designσχέδιο,
32
96000
2000
Θα έλεγα όχι μόνο βιολογικό σχέδιο,
01:56
but all of the designσχέδιο that we think of as humanο άνθρωπος designσχέδιο.
33
98000
2000
αλλά κάθε σχέδιο που σκεπτόμαστε σαν ανθρώπινο.
01:58
It's all just the sameίδιο thing happeningσυμβαίνει.
34
100000
2000
Συμβαίνει παντού το ίδιο πράγμα.
02:00
What did DarwinΟ Δαρβίνος say?
35
102000
2000
Τι είπε ο Δαρβίνος;
02:02
I know you know the ideaιδέα, naturalφυσικός selectionεπιλογή,
36
104000
2000
Ξέρω ότι γνωρίζετε την ιδέα, φυσική επιλογή,
02:04
but let me just paraphraseπαράφραση "The OriginΠροέλευση of SpeciesΕίδη," 1859,
37
106000
5000
αλλά επιτρέψτε μου να παραφράσω, την "Καταγωγή των Ειδών", 1859,
02:09
in a fewλίγοι sentencesποινές.
38
111000
2000
μέσα σε μερικές προτάσεις.
02:11
What DarwinΟ Δαρβίνος said was something like this:
39
113000
3000
Αυτό που είπε ο Δαρβίνος, ήταν περίπου το εξής -
02:14
if you have creaturesπλάσματα that varyποικίλλω, and that can't be doubtedαμφέβαλε --
40
116000
4000
εάν έχεις πλάσματα που ποικίλουν, κι αυτό δε μπορεί να αμφισβητηθεί -
02:18
I've been to the GalapagosΓκαλάπαγκος, and I've measuredμετρημένος the sizeμέγεθος of the beaksράμφη
41
120000
3000
Βρέθηκα στα Γκαλαπάγκος και μέτρησα το μέγεθος των ραμφών
02:21
and the sizeμέγεθος of the turtleχελώνα shellsκοχύλια and so on, and so on.
42
123000
2000
και το μέγεθος των καβουκιών των χελωνών κτλ, κτλ.
02:23
And 100 pagesσελίδες laterαργότερα.
43
125000
2000
Και 100 σελίδες παρακάτω -
02:25
(LaughterΤο γέλιο)
44
127000
2000
(Γέλια)
02:27
And if there is a struggleπάλη for life,
45
129000
4000
Και αν υπάρχει αγώνας για ζωή,
02:31
suchτέτοιος that nearlyσχεδόν all of these creaturesπλάσματα dieκαλούπι --
46
133000
3000
τέτοιος που σχεδόν όλα αυτά τα πλάσματα πεθαίνουν -
02:34
and this can't be doubtedαμφέβαλε, I've readανάγνωση MalthusMalthus
47
136000
3000
κι αυτό δε μπορεί να αμφισβητηθεί, έχω διαβάσει τον Μάλθους
02:37
and I've calculatedυπολογίζεται how long it would take for elephantsελέφαντες
48
139000
2000
και έχω υπολογίσει πόσο χρειάζεται στους ελέφαντες
02:39
to coverκάλυμμα the wholeολόκληρος worldκόσμος if they bredφυλής unrestrictedαπεριόριστη, and so on and so on.
49
141000
3000
να καλύψουν ολόκληρο τον κόσμο εάν μεγάλωναν ανεξέλεγκτα, κτλ, κτλ.
02:42
And anotherαλλο 100 pagesσελίδες laterαργότερα.
50
144000
4000
Και άλλες 100 σελίδες παρακάτω.
02:46
And if the very fewλίγοι that surviveεπιζώ passπέρασμα ontoεπάνω σε theirδικα τους offspringαπόγονος
51
148000
5000
Και αν αυτοί οι λίγοι που επιβιώνουν περνούν στους απογόνους τους
02:51
whateverοτιδήποτε it was that helpedβοήθησα them surviveεπιζώ,
52
153000
3000
οτιδήποτε ήταν αυτό που τους βοήθησε να επιβιώσουν,
02:54
then those offspringαπόγονος mustπρέπει be better adaptedπροσαρμοστεί
53
156000
2000
τότε αυτοί οι απόγονοι θα πρέπει να είναι καλύτερα προσαρμοσμένοι
02:56
to the circumstancesπεριστάσεις in whichοι οποίες all this happenedσυνέβη
54
158000
2000
στις συνθήκες μέσα στις οποίες συνέβησαν όλ' αυτά
02:58
than theirδικα τους parentsγονείς were.
55
160000
3000
απ' ό,τι οι γονείς τους.
03:01
You see the ideaιδέα?
56
163000
2000
Βλέπετε την ιδέα;
03:03
If, if, if, then.
57
165000
2000
Εάν, εάν, εάν, τότε.
03:05
He had no conceptέννοια of the ideaιδέα of an algorithmαλγόριθμος,
58
167000
2000
Δεν είχε επίγνωση της ιδέας των αλγόριθμων.
03:07
but that's what he describedπεριγράφεται in that bookΒιβλίο,
59
169000
3000
Αλλά αυτό περιέγραψε σε εκείνο το βιβλίο,
03:10
and this is what we now know as the evolutionaryεξελικτική algorithmαλγόριθμος.
60
172000
3000
και αυτά γνωρίζουμε τώρα ως τον εξελικτικό αλγόριθμο.
03:13
The principleαρχή is you just need those threeτρία things --
61
175000
4000
Η αρχή είναι ότι χρειάζονται μόνο αυτά τα τρία πράγματα
03:17
variationπαραλλαγή, selectionεπιλογή and heredityκληρονομικότητα.
62
179000
3000
ποικιλομορφία, επιλογή και κληρονομικότητα.
03:20
And as DanDan DennettΝτένετ putsθέτει it, if you have those,
63
182000
4000
Κι όπως το θέτει ο Νταν Ντένετ, εάν έχεις αυτά
03:24
then you mustπρέπει get evolutionεξέλιξη.
64
186000
2000
τότε θα πρέπει να έχεις και εξέλιξη.
03:26
Or designσχέδιο out of chaosχάος, withoutχωρίς the aidβοήθεια of mindμυαλό.
65
188000
5000
Ή σχέδιο μέσα από το χάος, χωρίς τη βοήθεια κάποιου νου.
03:31
There's one wordλέξη I love on that slideολίσθηση.
66
193000
2000
Υπάρχει μια λέξη που λατρεύω σε αυτή την εικόνα.
03:33
What do you think my favoriteαγαπημένη wordλέξη is?
67
195000
2000
Ποια νομίζετε πως είναι η αγαπημένη μου λέξη;
03:35
AudienceΤο κοινό: ChaosΧάος.
68
197000
1000
Κοινό: Χάος.
03:36
SBSB: ChaosΧάος? No. What? MindΤο μυαλό? No.
69
198000
3000
Χάος; Όχι. Τι; Μυαλό; Όχι.
03:39
AudienceΤο κοινό: WithoutΧωρίς.
70
201000
1000
Κοινό: Χωρίς.
03:40
SBSB: No, not withoutχωρίς.
71
202000
1000
Όχι, όχι "χωρίς".
03:41
(LaughterΤο γέλιο)
72
203000
1000
(Γέλια)
03:42
You try them all in orderΣειρά: MmmΜΜΜ...?
73
204000
2000
Τις δοκιμάζετε με τη σειρά: Μμμμ...;
03:44
AudienceΤο κοινό: MustΠρέπει να.
74
206000
1000
Κοινό: Πρέπει.
03:45
SBSB: MustΠρέπει να, at mustπρέπει. MustΠρέπει να, mustπρέπει.
75
207000
4000
Πρέπει, στο πρέπει. Πρέπει, πρέπει.
03:49
This is what makesκάνει it so amazingφοβερο.
76
211000
2000
Αυτό είναι που το κάνει τόσο συναρπαστικό.
03:51
You don't need a designerσχεδιαστής,
77
213000
3000
Δε χρειάζεσαι σχεδιαστή,
03:54
or a planσχέδιο, or foresightπρονοητικότητα, or anything elseαλλού.
78
216000
3000
ή σχέδιο, ή προνοητικότητα ή οτιδήποτε άλλο.
03:57
If there's something that is copiedαντιγραφεί with variationπαραλλαγή
79
219000
3000
Εάν υπάρχει κάτι που αντιγράφεται με ποικιλότητα
04:00
and it's selectedεπιλεγμένο, then you mustπρέπει get designσχέδιο appearingεμφανίζονται out of nowhereπουθενά.
80
222000
4000
και επιλέγεται, τότε θα πρέπει να έχεις κάποιο σχέδιο που εμφανίζεται από το πουθενά.
04:04
You can't stop it.
81
226000
2000
Δε μπορείς να το σταματήσεις.
04:06
MustΠρέπει να is my favoriteαγαπημένη wordλέξη there.
82
228000
4000
Το "πρέπει" είναι η αγαπημένη μου λέξη εδώ.
04:11
Now, what's this to do with memesμιμίδια?
83
233000
2000
Τώρα, τι σχέση έχει αυτό με τα μιμίδια;
04:13
Well, the principleαρχή here appliesισχύει to anything
84
235000
5000
Η βασική αρχή εδώ, εφαρμόζεται σε οτιδήποτε
04:18
that is copiedαντιγραφεί with variationπαραλλαγή and selectionεπιλογή.
85
240000
1000
το οποίο αντιγράφεται με ποικιλότητα και επιλογή.
04:19
We're so used to thinkingσκέψη in termsόροι of biologyβιολογία,
86
241000
3000
Είμαστε τόσο συνηθισμένοι να σκεφτόμαστε με όρους της βιολογίας,
04:22
we think about genesγονίδια this way.
87
244000
2000
σκεφτόμαστε τα γονίδια με αυτόν τον τρόπο.
04:24
DarwinΟ Δαρβίνος didn't, of courseσειρά μαθημάτων; he didn't know about genesγονίδια.
88
246000
3000
Ο Δαρβίνος δεν το έκανε αυτό φυσικά, δεν ήξερε για τα γονίδια.
04:27
He talkedμίλησε mostlyως επί το πλείστον about animalsτων ζώων and plantsφυτά,
89
249000
2000
Μιλούσε περισσότερο για τα ζώα και τα φυτά,
04:29
but alsoεπίσης about languagesΓλώσσες evolvingεξελίσσεται and becomingθελκτικός extinctεξαφανισμένος.
90
251000
3000
αλλά επίσης και για τις γλώσσες που εξελίσσονται και αφανίζονται.
04:32
But the principleαρχή of UniversalUniversal DarwinismΔαρβινισμός
91
254000
2000
Αλλά η αρχή του παγκόσμιου Δαρβινισμού
04:34
is that any informationπληροφορίες that is variedποικίλος and selectedεπιλεγμένο
92
256000
4000
είναι ότι κάθε πληροφορία που ποικίλει και επιλέγεται
04:38
will produceπαράγω designσχέδιο.
93
260000
2000
θα παράγει σχέδιο.
04:40
And this is what RichardΡίτσαρντ DawkinsDawkins was on about
94
262000
2000
Και αυτό είναι που μελετούσε ο Ρίτσαρντ Ντόκινς
04:42
in his 1976 bestsellerμπεστ σέλερ, "The SelfishΕγωιστής GeneΓονίδιο."
95
264000
3000
στο μπεστ σέλερ με τίτλο "Το εγωιστικό γονίδιο" το 1976.
04:45
The informationπληροφορίες that is copiedαντιγραφεί, he calledπου ονομάζεται the replicatorπρόγραμμα αναπαραγωγής.
96
267000
4000
Την πληροφορία που ατιγράφεται την ονόμασε αντιγραφέα.
04:49
It selfishlyεγωιστικά copiesαντίγραφα.
97
271000
2000
Αντιγράφεται εγωιστικά.
04:51
Not meaningέννοια it kindείδος of sitsκάθεται around insideμέσα cellsκυττάρων going, "I want to get copiedαντιγραφεί."
98
273000
4000
Χωρίς να σημαίνει αυτό ότι κάθεται μέσα στα κύτταρα και λέει "θέλω να αντιγραφώ".
04:55
But that it will get copiedαντιγραφεί if it can,
99
277000
2000
Αλλά ότι θα αντιγραφεί, εάν μπορεί,
04:57
regardlessΑνεξάρτητα of the consequencesσυνέπειες.
100
279000
2000
ασχέτως των συνεπειών.
05:00
It doesn't careΦροντίδα about the consequencesσυνέπειες because it can't,
101
282000
3000
Δεν ενδιαφέρεται για τις συνέπειες διότι δεν μπορεί,
05:03
because it's just informationπληροφορίες beingνα εισαι copiedαντιγραφεί.
102
285000
2000
επειδή είναι απλά πληροφορία που αντιγράφεται.
05:06
And he wanted to get away
103
288000
1000
Ήθελε να ξεφύγει
05:07
from everybodyόλοι thinkingσκέψη all the time about genesγονίδια,
104
289000
3000
από όποιον σκεπτόταν μοναχά τα γονίδια,
05:10
and so he said, "Is there anotherαλλο replicatorπρόγραμμα αναπαραγωγής out there on the planetπλανήτης?"
105
292000
3000
κι έτσι είπε: "Υπάρχει άλλος αντιγραφέας στον πλανήτη;"
05:13
AhΑχ, yes, there is.
106
295000
2000
Α ναι, υπάρχει.
05:15
Look around you -- here will do, in this roomδωμάτιο.
107
297000
3000
Κοιτάξτε γύρω σας, εδώ στο δωμάτιο είναι μια χαρά.
05:18
All around us, still clumsilyαδέξια driftingπαρασύρεται about
108
300000
3000
Παντού γύρω μας, κολυμπώντας αδέξια
05:21
in its primevalαρχέγονο soupσούπα of cultureΠολιτισμός, is anotherαλλο replicatorπρόγραμμα αναπαραγωγής.
109
303000
3000
στην αρχέγονη σούπα του πολιτισμού, βρίσκεται άλλος ένας αντιγραφέας.
05:24
InformationΠληροφορίες that we copyαντιγραφή from personπρόσωπο to personπρόσωπο, by imitationμίμηση,
110
306000
5000
Πληροφορία που αντιγράφουμε από άτομο σε άτομο με τη μίμηση,
05:29
by languageΓλώσσα, by talkingομιλία, by tellingαποτελεσματικός storiesιστορίες,
111
311000
2000
με τη γλώσσα, με την ομιλία, λέγοντας ιστορίες,
05:31
by wearingκουραστικός clothesρούχα, by doing things.
112
313000
3000
φορώντας ρούχα, κάνοντας πράγματα.
05:34
This is informationπληροφορίες copiedαντιγραφεί with variationπαραλλαγή and selectionεπιλογή.
113
316000
5000
Αυτή είναι πληροφορία που αντιγράφεται με ποικιλότητα και επιλεκτικότητα.
05:39
This is designσχέδιο processεπεξεργάζομαι, διαδικασία going on.
114
321000
3000
Αυτή είναι η σχεδιαστική διαδικασία σε εξέλιξη.
05:42
He wanted a nameόνομα for the newνέος replicatorπρόγραμμα αναπαραγωγής.
115
324000
3000
Χρειαζόταν ένα όνομα για το νέο αντιγραφέα.
05:45
So, he tookπήρε the GreekΕλληνικά wordλέξη "mimememimeme," whichοι οποίες meansπου σημαίνει that whichοι οποίες is imitatedμιμηθεί.
116
327000
4000
Έτσι πήρε την ελληνική λέξη "μίμηση"
05:49
RememberΝα θυμάστε that, that's the coreπυρήνας definitionορισμός:
117
331000
2000
Θυμηθείτε το αυτό, είναι ο βασικός ορισμός.
05:52
that whichοι οποίες is imitatedμιμηθεί.
118
334000
1000
Αυτό το οποίο αναπαρίσταται.
05:53
And abbreviatedσυντομογραφία it to memememe, just because it soundsήχους good
119
335000
3000
Και τη συντόμευσε σε μιμίδιο (meme) επειδή είναι εύηχο
05:56
and madeέκανε a good memememe, an effectiveαποτελεσματικός spreadingδιάδοση memememe.
120
338000
3000
και παρήγαγε ένα καλό μιμίδιο, ένα αποτελεσματικά διαδιδόμενο μιμίδιο.
05:59
So that's how the ideaιδέα cameήρθε about.
121
341000
3000
Έτσι παρουσιάστηκε η ιδέα.
06:03
It's importantσπουδαίος to stickραβδί with that definitionορισμός.
122
345000
3000
Είναι σημαντικό να μείνουμε σ'αυτόν τον ορισμό
06:06
The wholeολόκληρος scienceεπιστήμη of memeticsMemetics is much malignedκακοήθης,
123
348000
4000
Όλη η επιστήμη των μιμιδίων έχει δυσφημιστεί,
06:10
much misunderstoodπαρεξηγημένος, much fearedφοβόταν.
124
352000
3000
έχει παρεξηγηθεί και έχει γίνει αντικείμενο φόβου.
06:13
But a lot of these problemsπροβλήματα can be avoidedαποφεύγεται
125
355000
3000
Αλλά πολλά από αυτά τα προβλήματα μπορούν να αποφευχθούν
06:16
by rememberingθυμόμαστε the definitionορισμός.
126
358000
2000
εάν θυμόμαστε τον ορισμό.
06:18
A memememe is not equivalentισοδύναμος to an ideaιδέα.
127
360000
2000
Το μιμίδιο δεν είναι ισοδύναμο με την ιδέα.
06:20
It's not an ideaιδέα. It's not equivalentισοδύναμος to anything elseαλλού, really.
128
362000
2000
Δεν είναι ιδέα, δεν είναι ισοδύναμο με τίποτ' άλλο στην πραγματικότητα.
06:22
StickΡαβδί with the definitionορισμός.
129
364000
2000
Θυμηθείτε τον ορισμό.
06:24
It's that whichοι οποίες is imitatedμιμηθεί,
130
366000
2000
Είναι αυτό το οποίο αναπαρίσταται.
06:26
or informationπληροφορίες whichοι οποίες is copiedαντιγραφεί from personπρόσωπο to personπρόσωπο.
131
368000
3000
Ή πληροφορία που αντιγράφεται από άτομο σε άτομο.
06:30
So, let's see some memesμιμίδια.
132
372000
1000
Ας δούμε λοιπόν μερικά μιμίδια.
06:31
Well, you sirΚύριε, you've got those glassesΓυαλιά hungκρέμασε around your neckλαιμός
133
373000
3000
Εσείς κύριε, έχετε κρεμασμένα στο λαιμό σας αυτά τα γυαλιά
06:34
in that particularlyιδιαίτερα fetchingγοητευτικός way.
134
376000
2000
με αυτόν τον συγκεκριμένο ελκυστικό τρόπο.
06:36
I wonderθαύμα whetherκατά πόσο you inventedεφευρέθηκε that ideaιδέα for yourselfσύ ο ίδιος,
135
378000
2000
Αναρωτιέμαι αν επινοήσατε την ιδέα εσείς
06:38
or copiedαντιγραφεί it from someoneκάποιος elseαλλού?
136
380000
2000
ή την αντιγράψατε από κάποιον άλλο.
06:40
If you copiedαντιγραφεί it from someoneκάποιος elseαλλού, it's a memememe.
137
382000
3000
Εάν την αντιγράψατε από κάποιον άλλο, τότε είναι μιμίδιο.
06:43
And what about, oh, I can't see any interestingενδιαφέρων memesμιμίδια here.
138
385000
3000
Τι θα λέγατε επίσης, ωωω... δε βλέπω ενδιαφέροντα μιμίδια εδώ.
06:46
All right everyoneΟλοι, who'sποιος είναι got some interestingενδιαφέρων memesμιμίδια for me?
139
388000
3000
Ποιος από σας λοιπόν, έχει μερικά ενδιαφέροντα μιμίδια για μένα;
06:49
Oh, well, your earringsσκουλαρίκια,
140
391000
2000
Α ωραία, τα σκουλαρίκια σας,
06:51
I don't supposeυποθέτω you inventedεφευρέθηκε the ideaιδέα of earringsσκουλαρίκια.
141
393000
2000
Δε νομίζω ότι επινοήσατε την ιδέα των σκουλαρικιών.
06:53
You probablyπιθανώς wentπήγε out and boughtαγορασμένος them.
142
395000
2000
Πιθανότατα πήγατε και τα αγοράσατε.
06:55
There are plentyαφθονία more in the shopsκαταστήματα.
143
397000
2000
Υπάρχουν πολλά περισσότερα στα καταστήματα.
06:57
That's something that's passedπέρασε on from personπρόσωπο to personπρόσωπο.
144
399000
2000
Αυτό είναι κάτι που μεταβιβάστηκε από άτομο σε άτομο.
06:59
All the storiesιστορίες that we're tellingαποτελεσματικός -- well, of courseσειρά μαθημάτων,
145
401000
3000
Όλες οι ιστορίες που λέμε, φυσικά,
07:02
TEDTED is a great meme-festmeme-fest, massesμάζες of memesμιμίδια.
146
404000
4000
το TED είναι μια λαμπρή έκθεση μιμιδίων, πλήθος μιμιδίων.
07:06
The way to think about memesμιμίδια, thoughαν και,
147
408000
2000
Όμως ο τρόπος για σκεφτούμε τα μιμίδια ωστόσο,
07:08
is to think, why do they spreadδιάδοση?
148
410000
2000
είναι: γιατί αυτά διασπείρονται;
07:10
They're selfishεγωιστικός informationπληροφορίες, they will get copiedαντιγραφεί, if they can.
149
412000
4000
Είναι εγωιστικές πληροφορίες, θα αντιγραφούν εφόσον μπορούν.
07:14
But some of them will be copiedαντιγραφεί because they're good,
150
416000
3000
Αλλά μερικά από αυτά θα αντιγραφούν επειδή είναι καλά,
07:17
or trueαληθής, or usefulχρήσιμος, or beautifulπανεμορφη.
151
419000
2000
αληθή, χρήσιμα ή όμορφα.
07:19
Some of them will be copiedαντιγραφεί even thoughαν και they're not.
152
421000
2000
Κάποια θα αντιγραφούν παρόλο που δεν είναι τίποτα από τα παραπάνω.
07:21
Some, it's quiteαρκετά hardσκληρά to tell why.
153
423000
2000
Για κάποια, είναι αρκετά δύσκολο να προσδιορίσουμε το γιατί.
07:24
There's one particularιδιαιτερος curiousπερίεργος memememe whichοι οποίες I ratherμάλλον enjoyαπολαμβάνω.
154
426000
3000
Υπάρχει ένα συγκεκριμένο περίεργο μιμίδιο το οποίο με διασκεδάζει.
07:27
And I'm gladχαρούμενος to say, as I expectedαναμενόμενος, I foundβρέθηκαν it when I cameήρθε here,
155
429000
3000
Και χαίρομαι να πω, όπως το περίμενα, το βρήκα όταν ήρθα εδώ,
07:30
and I'm sure all of you foundβρέθηκαν it, too.
156
432000
2000
και είμαι σίγουρη πως όλοι σας επίσης το βρήκατε.
07:32
You go to your niceόμορφη, poshΠος, internationalΔιεθνές hotelξενοδοχειο somewhereκάπου,
157
434000
3000
Πηγαίνεις στο όμορφο πολυτελές ξενοδοχείο οπουδήποτε,
07:36
and you come in and you put down your clothesρούχα
158
438000
2000
μπαίνεις μέσα, βγάζεις τα ρούχα σου,
07:38
and you go to the bathroomτουαλέτα, and what do you see?
159
440000
3000
πηγαίνεις στο μπάνιο και τι βλέπεις;
07:41
AudienceΤο κοινό: BathroomΜπάνιο soapσαπούνι.
160
443000
1000
Κοινό: Σαπούνι μπάνιου.
07:42
SBSB: PardonΣυγχώρηση?
161
444000
1000
Παρακαλώ;
07:43
AudienceΤο κοινό: SoapΣαπούνι.
162
445000
1000
Κοινό: Σαπούνι.
07:44
SBSB: SoapΣαπούνι, yeah. What elseαλλού do you see?
163
446000
2000
Σαπούνι, ναι. Τι άλλο βλέπετε;
07:46
AudienceΤο κοινό: (InaudibleΑθόρυβος)
164
448000
1000
Κοινό: (ακαθόριστο)
07:47
SBSB: MmmΜΜΜ mmmΜΜΜ.
165
449000
1000
Χμμμ χμμμ.
07:48
AudienceΤο κοινό: SinkΝεροχύτη, toiletτουαλέτα!
166
450000
1000
Κοινό: Νιπτήρα, τουαλέτα!
07:49
SBSB: SinkΝεροχύτη, toiletτουαλέτα, yes, these are all memesμιμίδια, they're all memesμιμίδια,
167
451000
2000
Νιπτήρα, τουαλέτα, ναι, όλα αυτά είναι μιμίδια, είναι όλα μιμίδια,
07:51
but they're sortείδος of usefulχρήσιμος onesαυτές, and then there's this one.
168
453000
3000
αλλά είναι από τα χρήσιμα μιμίδια κι έπειτα είναι κι αυτό.
07:54
(LaughterΤο γέλιο)
169
456000
3000
(Γέλια)
07:58
What is this one doing?
170
460000
2000
Τι κάνει αυτό εδώ;
08:00
(LaughterΤο γέλιο)
171
462000
1000
(Γέλια)
08:01
This has spreadδιάδοση all over the worldκόσμος.
172
463000
2000
Έχει εξαπλωθεί σ' όλο τον κόσμο.
08:03
It's not surprisingεκπληκτικός that you all foundβρέθηκαν it
173
465000
2000
Δεν είναι έκπληξη που το βρήκατε όλοι
08:05
when you arrivedέφτασε in your bathroomsμπάνια here.
174
467000
2000
όταν φτάσατε στο μπάνιο εδώ.
08:07
But I tookπήρε this photographφωτογραφία in a toiletτουαλέτα at the back of a tentσκηνή
175
469000
5000
Αλλά έβγαλα αυτή τη φωτογραφία σε μια τουαλέτα στο πίσω μέρος μιας σκηνής
08:12
in the eco-campοικολογική κατασκήνωση in the jungleζούγκλα in AssamΑσσάμ.
176
474000
2000
σε ένα οικολογικό κάμπινγκ στη ζούγκλα του Ασάμ.
08:14
(LaughterΤο γέλιο)
177
476000
1000
(Γέλια)
08:16
Who foldedδιπλωμένο that thing up there, and why?
178
478000
3000
Ποιος δίπλωσε αυτό το πράγμα εκεί πέρα και γιατί;
08:19
(LaughterΤο γέλιο)
179
481000
1000
(Γέλια)
08:20
Some people get carriedμεταφέρθηκε away.
180
482000
2000
Μερικοί άνθρωποι παρασύρονται.
08:22
(LaughterΤο γέλιο)
181
484000
3000
(Γέλια)
08:26
Other people are just lazyτεμπέλης and make mistakesλάθη.
182
488000
3000
Άλλοι είναι τεμπέληδες και κάνουν λάθη.
08:29
Some hotelsΞενοδοχεία exploitεκμεταλλεύομαι the opportunityευκαιρία to put even more memesμιμίδια
183
491000
3000
Μερικά ξενοδοχεία εκμεταλεύονται την ευκαιρία να θέσουν ακόμα περισσότερα μιμίδια
08:32
with a little stickerαυτοκόλλητη ετικέτα.
184
494000
2000
με ένα μικρό αυτοκόλλητο.
08:34
(LaughterΤο γέλιο)
185
496000
1000
(Γέλια)
08:35
What is this all about?
186
497000
2000
Τι σημαίνουν όλ' αυτά;
08:37
I supposeυποθέτω it's there to tell you that somebody'sκάποιου
187
499000
2000
Φαντάζομαι πως υπάρχουν για να σας δείξουν πως κάποιος
08:39
cleanedκαθαρίζονται the placeθέση, and it's all lovelyωραίος.
188
501000
2000
καθάρισε το χώρο και είναι όλα όμορφα.
08:41
And you know, actuallyπράγματι, all it tellsλέει you is that anotherαλλο personπρόσωπο
189
503000
3000
Ξέρετε, στην πραγματικότητα αυτό που δείχνουν είναι πως κάποιος
08:44
has potentiallyενδεχομένως spreadδιάδοση germsτα μικρόβια from placeθέση to placeθέση.
190
506000
3000
έχει δυνητικά διασπείρει μικρόβια από τόπο σε τόπο.
08:47
(LaughterΤο γέλιο)
191
509000
1000
(Γέλια)
08:48
So, think of it this way.
192
510000
2000
Σκεφτείτε το κατ' αυτόν τον τρόπο.
08:50
ImagineΦανταστείτε a worldκόσμος fullγεμάτος of brainsμυαλά
193
512000
2000
Φανταστείτε έναν κόσμο γεμάτο από μυαλά
08:52
and farμακριά more memesμιμίδια than can possiblyπιθανώς find homesσπίτια.
194
514000
3000
κι ακόμα περισσότερα μιμίδια που μπορούν πιθανότατα να βρουν στέγη.
08:55
The memesμιμίδια are all tryingπροσπαθεί to get copiedαντιγραφεί --
195
517000
3000
Όλα τα μιμίδια προσπαθούν ν' αντιγραφούν,
08:58
tryingπροσπαθεί, in invertedανεστραμμένη commasκόμματα -- i.e.,
196
520000
3000
προσπαθούν σε εισαγωγικά, δηλαδή,
09:01
that's the shorthandστενογραφία for, if they can get copiedαντιγραφεί, they will.
197
523000
3000
αυτό σημαίνει εν συντομία, ότι εάν μπορούν να αντιγραφούν, θα το κάνουν.
09:04
They're usingχρησιμοποιώντας you and me as theirδικα τους propagatingπολλαπλασιαστικό υλικό, copyingαντιγραφή machineryμηχανήματα,
198
526000
6000
Μας χρησιμοποιούν ως την αναπαραγωγική τους μηχανή αντιγραφής,
09:10
and we are the memememe machinesμηχανές.
199
532000
3000
και είμαστε οι μηχανές των μιμιδίων.
09:13
Now, why is this importantσπουδαίος?
200
535000
2000
Τώρα, γιατί είναι αυτό σημαντικό;
09:15
Why is this usefulχρήσιμος, or what does it tell us?
201
537000
2000
Γιατί είναι χρήσιμο ή τι μας δείχνει;
09:17
It givesδίνει us a completelyεντελώς newνέος viewθέα of humanο άνθρωπος originsπροέλευση
202
539000
4000
Μας δίνει μια εντελώς νέα οπτική της ανθρώπινης προέλευσης
09:21
and what it meansπου σημαίνει to be humanο άνθρωπος,
203
543000
1000
και του τι σημαίνει να είσαι άνθρωπος.
09:22
all conventionalσυμβατικός theoriesθεωρίες of culturalπολιτιστικός evolutionεξέλιξη,
204
544000
4000
Όλες οι συμβατικές θεωρίες πολιτισμικής εξέλιξης,
09:26
of the originπροέλευση of humansτου ανθρώπου,
205
548000
2000
της προέλευσης των ανθρώπων,
09:28
and what makesκάνει us so differentδιαφορετικός from other speciesείδος.
206
550000
4000
και του τι μας κάνει τόσο διαφορετικούς από άλλα είδη.
09:32
All other theoriesθεωρίες explainingεξηγώντας the bigμεγάλο brainεγκέφαλος, and languageΓλώσσα, and toolεργαλείο use
207
554000
2000
Όλες οι άλλες θεωρίες, που εξηγούν τον μεγάλο εγκέφαλο, τη γλώσσα και τη χρήση εργαλείων,
09:34
and all these things that make us uniqueμοναδικός,
208
556000
2000
και όλα αυτά που μας κάνουν μοναδικούς,
09:36
are basedμε βάση uponεπάνω σε genesγονίδια.
209
558000
3000
βασίζονται στα γονίδια.
09:39
LanguageΓλώσσα mustπρέπει have been usefulχρήσιμος for the genesγονίδια.
210
561000
3000
Η γλώσσα θα πρέπει να ήταν χρήσιμη για τα γονίδια.
09:42
ToolΕργαλείο use mustπρέπει have enhancedενισχυμένη our survivalεπιβίωση, matingζευγάρωμα and so on.
211
564000
3000
Η χρήση εργαλείων θα πρέπει να ενίσχυσε την επιβίωσή μας, το ζευγάρωμα κλπ
09:45
It always comesέρχεται back, as RichardΡίτσαρντ DawkinsDawkins complainedπαραπονέθηκε
212
567000
3000
Το ζήτημα πάντα επανέρχεται, όπως διαμαρτύρεται ο Ρίτσαρντ Ντόκινς
09:48
all that long time agoπριν, it always comesέρχεται back to genesγονίδια.
213
570000
3000
καθ' όλο το χρόνο που προηγήθηκε, πάντα επανέρχεται στα γονίδια.
09:51
The pointσημείο of memeticsMemetics is to say, "Oh no, it doesn't."
214
573000
4000
Το θέμα στη Μιμητική Μηχανική, είναι να πεις: Όχι, δεν ισχύει.
09:55
There are two replicatorsΑναπαραγωγείς now on this planetπλανήτης.
215
577000
3000
Υπάρχουν δύο αντιγραφείς τώρα στον πλανήτη.
09:58
From the momentστιγμή that our ancestorsπρογόνους,
216
580000
3000
Από τη στιγμή που οι προγονοί μας,
10:01
perhapsίσως two and a halfΉμισυ millionεκατομμύριο yearsχρόνια agoπριν or so,
217
583000
2000
ίσως 2,5 εκατομμύρια χρόνια πριν, ή κάπου τόσο,
10:03
beganάρχισε imitatingμιμείται, there was a newνέος copyingαντιγραφή processεπεξεργάζομαι, διαδικασία.
218
585000
4000
άρχισαν να μιμούνται, υπήρξε μια νέα διαδικασία αντιγραφής.
10:07
CopyingΑντιγραφή with variationπαραλλαγή and selectionεπιλογή.
219
589000
2000
Αντιγραφή με ποικιλότητα κι επιλογή.
10:09
A newνέος replicatorπρόγραμμα αναπαραγωγής was let looseχάνω, and it could never be --
220
591000
5000
Ένας νέος αντιγραφέας εξαπολύθηκε και δεν θα μπορούσαν,
10:14
right from the startαρχή -- it could never be
221
596000
1000
από την πρώτη στιγμή, δεν θα μπορούσαν
10:15
that humanο άνθρωπος beingsόντα who let looseχάνω this newνέος creatureπλάσμα,
222
597000
5000
οι άνθρωποι που εξαπέλυσαν αυτό το νέο πλάσμα,
10:20
could just copyαντιγραφή the usefulχρήσιμος, beautifulπανεμορφη, trueαληθής things,
223
602000
3000
ν' αντιγράψουν μόνο τα χρήσιμα, όμορφα, αληθή πράγματα
10:23
and not copyαντιγραφή the other things.
224
605000
2000
κι όχι τα υπόλοιπα.
10:25
While theirδικα τους brainsμυαλά were havingέχοντας an advantageπλεονέκτημα from beingνα εισαι ableικανός to copyαντιγραφή --
225
607000
3000
Καθώς οι εγκέφαλοί τους αποκτούσαν κάποιο πλεονέκτημα από την ικανότητά τους να αντιγράφουν-
10:28
lightingφωτισμός firesπυρκαγιές, keepingτήρηση firesπυρκαγιές going, newνέος techniquesτεχνικές of huntingκυνήγι,
226
610000
5000
ν' ανάβουν φωτιά, να την διατηρούν αναμένη, νέες τεχνικές κυνηγιού,
10:33
these kindsείδη of things --
227
615000
2000
τέτοιου είδους πράγματα-
10:35
inevitablyαναπόφευκτα they were alsoεπίσης copyingαντιγραφή puttingβάζοντας feathersφτερά in theirδικα τους hairμαλλιά,
228
617000
3000
αναπόφευκτα αντέγραφαν επίσης και το να βάζουν φτερά στα μαλλιά τους,
10:38
or wearingκουραστικός strangeπαράξενος clothesρούχα, or paintingζωγραφική theirδικα τους facesπρόσωπα,
229
620000
2000
να φορούν περίεργα ρούχα, ή να βάφουν τα πρόσωπά τους,
10:40
or whateverοτιδήποτε.
230
622000
1000
ή οτιδήποτε παρόμοιο.
10:41
So, you get an armsόπλα raceαγώνας betweenμεταξύ the genesγονίδια
231
623000
4000
Έτσι, έχουμε έναν σκληρό ανταγωνισμό μεταξύ των γονιδίων
10:45
whichοι οποίες are tryingπροσπαθεί to get the humansτου ανθρώπου to have smallμικρό economicalοικονομικό brainsμυαλά
232
627000
4000
τα οποία προσπαθούν να κάνουν τους ανθρώπους να έχουν μικρούς, οικονομικούς εγκεφάλους
10:49
and not wasteαπόβλητα theirδικα τους time copyingαντιγραφή all this stuffυλικό,
233
631000
2000
και να μη σπαταλούν το χρόνο τους αντιγράφοντας όλα αυτά τα πράγματα
10:51
and the memesμιμίδια themselvesτους εαυτούς τους, like the soundsήχους that people madeέκανε and copiedαντιγραφεί --
234
633000
4000
και των ίδιων των μιμιδίων, όπως οι ήχοι που οι άνθρωποι έφτιαξαν και αντέγραψαν-
10:56
in other wordsλόγια, what turnedγύρισε out to be languageΓλώσσα --
235
638000
2000
με άλλα λόγια, αυτοί οι ήχοι που κατέληξαν να γίνουν γλώσσα-
10:58
competingανταγωνίζονται to get the brainsμυαλά to get biggerμεγαλύτερος and biggerμεγαλύτερος.
236
640000
3000
ν' ανταγωνίζονται ώστε να κάνουν τους εγκεφάλους όλο και μεγαλύτερους.
11:01
So, the bigμεγάλο brainεγκέφαλος, on this theoryθεωρία, is drivenοδηγείται by the memesμιμίδια.
237
643000
4000
Έτσι, σύμφωνα με αυτήν τη θεωρία, η ανάπτυξη μεγάλου εγκεφάλου καθοδηγήθηκε από τα μιμίδα.
11:05
This is why, in "The MemeMeme MachineΜηχάνημα," I calledπου ονομάζεται it memeticμέσω μιμητικού driveοδηγώ.
238
647000
4000
Αυτός είναι ο λόγος που στο βιβλίο μου "Η Μηχανή των Μιμιδίων", το αποκάλεσα μιμητική ορμή.
11:09
As the memesμιμίδια evolveαναπτύσσω, as they inevitablyαναπόφευκτα mustπρέπει,
239
651000
3000
Καθώς τα μιμίδια εξελίσσονται, όπως αναπόφευκτα πρέπει να συμβεί,
11:12
they driveοδηγώ a biggerμεγαλύτερος brainεγκέφαλος that is better at copyingαντιγραφή the memesμιμίδια
240
654000
4000
οδηγούν σ' έναν μεγαλύτερο εγκέφαλο, ο οποίος είναι καλύτερος στην αντιγραφή των μιμιδίων
11:16
that are doing the drivingοδήγηση.
241
658000
2000
που καθοδηγούν ετούτη την εξέλιξη.
11:18
This is why we'veέχουμε endedέληξε up with suchτέτοιος peculiarπερίεργο brainsμυαλά,
242
660000
4000
Αυτός είναι ο λόγος που καταλήξαμε να έχουμε τέτοιο ιδιόμορφο εγκέφαλο,
11:22
that we like religionθρησκεία, and musicΜΟΥΣΙΚΗ, and artτέχνη.
243
664000
3000
που αγαπάμε τη θρησκεία, τη μουσική και την τέχνη.
11:25
LanguageΓλώσσα is a parasiteπαράσιτο that we'veέχουμε adaptedπροσαρμοστεί to,
244
667000
3000
Η γλώσσα είναι ένα παράσιτο, στο οποίο έχουμε προσαρμοστεί,
11:28
not something that was there originallyαρχικά for our genesγονίδια,
245
670000
2000
όχι κάτι που ήταν αρχικά φτιαγμένο για την επιβίωση των γονιδίων μας,
11:30
on this viewθέα.
246
672000
2000
υπ' αυτήν την έννοια.
11:32
And like mostπλέον parasitesπαράσιτα, it can beginαρχίζουν dangerousεπικίνδυνος,
247
674000
3000
Όπως τα περισσότερα παράσιτα, μπορεί να ξεκινήσει ως κάτι επικίνδυνο,
11:35
but then it coevolvescoevolves and adaptsπροσαρμόζεται,
248
677000
3000
όμως σταδιακά συνεξελίσσεται και προσαρμόζεται
11:38
and we endτέλος up with a symbioticσυμβιωτική relationshipσχέση
249
680000
2000
καταλήγοντας σε μια συμβιοτική σχέση
11:40
with this newνέος parasiteπαράσιτο.
250
682000
1000
μ' αυτό το νέο παράσιτο.
11:41
And so, from our perspectiveπροοπτική,
251
683000
2000
Κι έτσι, υπό τη δική μας αντίληψη,
11:43
we don't realizeσυνειδητοποιώ that that's how it beganάρχισε.
252
685000
3000
δεν συνειδητοποιούμε ότι έτσι ξεκίνησε.
11:46
So, this is a viewθέα of what humansτου ανθρώπου are.
253
688000
3000
Αυτή είναι μια οπτική του τι είναι οι άνθρωποι.
11:49
All other speciesείδος on this planetπλανήτης are geneγονίδιο machinesμηχανές only,
254
691000
3000
Όλα τ' άλλα είδη σ' αυτόν τον πλανήτη είναι μόνο μηχανές γονιδίων,
11:52
they don't imitateμιμούμαι at all well, hardlyμετά βίας at all.
255
694000
3000
δε μιμούνται καθόλου, εντάξει σχεδόν καθόλου.
11:55
We aloneμόνος are geneγονίδιο machinesμηχανές and memememe machinesμηχανές as well.
256
697000
5000
Μόνο εμείς είμαστε μηχανές γονιδίων και μιμιδίων ταυτόχρονα.
12:00
The memesμιμίδια tookπήρε a geneγονίδιο machineμηχανή and turnedγύρισε it into a memememe machineμηχανή.
257
702000
4000
Τα μιμίδα πήραν μια μηχανή γονιδίων και τη μετέτρεψαν σε μηχανή μιμιδίων.
12:04
But that's not all.
258
706000
2000
Όμως δεν είναι μόνο αυτά.
12:06
We have a newνέος kindείδος of memesμιμίδια now.
259
708000
3000
Έχουμε ένα νέο είδος μιμιδίων τώρα.
12:09
I've been wonderingαναρωτιούνται for a long time,
260
711000
1000
Αναρωτιέμαι εδώ και πολύ καιρό,
12:10
sinceΑπό I've been thinkingσκέψη about memesμιμίδια a lot,
261
712000
2000
από τότε που σκέφτομαι περισσότερο τα μιμίδια,
12:12
is there a differenceδιαφορά betweenμεταξύ the memesμιμίδια that we copyαντιγραφή --
262
714000
2000
εάν υπάρχει διαφορά μεταξύ των μιμιδίων που αντιγράφουμε-
12:14
the wordsλόγια we speakμιλώ to eachκαθε other,
263
716000
2000
των λέξεων που λέμε μεταξύ μας,
12:16
the gesturesχειρονομίες we copyαντιγραφή, the humanο άνθρωπος things --
264
718000
2000
των νευμάτων που αντιγράφουμε, των ανθρώπινων πραγμάτων-
12:18
and all these technologicalτεχνολογικός things around us?
265
720000
2000
και όλων των τεχνολογικών πραγμάτων γύρω μας;
12:20
I have always, untilμέχρις ότου now, calledπου ονομάζεται them all memesμιμίδια,
266
722000
4000
Μέχρι τώρα, τα αποκαλούσα όλα μιμίδια,
12:24
but I do honestlyτίμια think now
267
726000
3000
αλλά ειλικρινά τώρα σκέφτομαι
12:27
we need a newνέος wordλέξη for technologicalτεχνολογικός memesμιμίδια.
268
729000
3000
ότι χρειαζόμαστε μια νέα λέξη για τα τεχνολογικά μιμίδια.
12:30
Let's call them techno-memestechno-μιμίδια or temesΤΕΜΕΣ.
269
732000
3000
Ας τ' αποκαλέσουμε τεχνομιμίδια ή τιμίδια.
12:33
Because the processesδιαδικασίες are gettingνα πάρει differentδιαφορετικός.
270
735000
3000
Επειδή οι διαδικασίες αλλάζουν.
12:37
We beganάρχισε, perhapsίσως 5,000 yearsχρόνια agoπριν, with writingΓραφή.
271
739000
3000
Ξεκινήσαμε, ίσως 5.000 χρόνια πριν, με τη γραφή.
12:40
We put the storageαποθήκευση of memesμιμίδια out there on a clayπηλός tabletδισκίο,
272
742000
7000
Αποθηκεύσαμε τα μιμίδια που υπήρχαν εκεί έξω, σε πήλινες πλάκες,
12:48
but in orderΣειρά to get trueαληθής temesΤΕΜΕΣ and trueαληθής temeTeme machinesμηχανές,
273
750000
2000
αλλά προκειμένου να έχουμε αληθινά τιμίδια και αληθινές μηχανές τιμιδίων,
12:50
you need to get the variationπαραλλαγή, the selectionεπιλογή and the copyingαντιγραφή,
274
752000
3000
πρέπει να έχουμε την ποικιλότητα, την επιλογή και την αντιγραφή,
12:53
all doneΈγινε outsideεξω απο of humansτου ανθρώπου.
275
755000
2000
να συμβαίνουν όλα έξω από τους ανθρώπους.
12:55
And we're gettingνα πάρει there.
276
757000
2000
Και οδεύουμε προς τα εκεί.
12:57
We're at this extraordinaryέκτακτος pointσημείο where we're nearlyσχεδόν there,
277
759000
2000
Βρισκόμαστε στο εξαιρετικό σημείο, είμαστε σχεδόν εκεί,
12:59
that there are machinesμηχανές like that.
278
761000
2000
όπου υπάρχουν τέτοιες μηχανές.
13:01
And indeedπράγματι, in the shortμικρός time I've alreadyήδη been at TEDTED,
279
763000
2000
Πράγματι, στο σύντομο χρόνο που βρίσκομαι ήδη στο TED,
13:03
I see we're even closerπιο κοντά than I thought we were before.
280
765000
2000
βλέπω ότι είμαστε πολύ πιο κοντά απ' όσο νόμιζα προηγουμένως.
13:05
So actuallyπράγματι, now the temesΤΕΜΕΣ are forcingαναγκάζοντας our brainsμυαλά
281
767000
6000
Έτσι στην ουσία, τώρα τα τιμίδια πιέζουν τα μυαλά μας
13:11
to becomeγίνομαι more like temeTeme machinesμηχανές.
282
773000
2000
να γίνουν περισσότερο μηχανές τιμιδίων.
13:13
Our childrenπαιδιά are growingκαλλιέργεια up very quicklyγρήγορα learningμάθηση to readανάγνωση,
283
775000
3000
Τα παιδιά μας μεγαλώνοντας, πολύ γρήγορα μαθαίνουν να διαβάζουν,
13:16
learningμάθηση to use machineryμηχανήματα.
284
778000
2000
να χρησιμοποιούν μηχανήματα.
13:18
We're going to have all kindsείδη of implantsεμφυτεύματα,
285
780000
1000
Σύντομα θα έχουμε όλων των ειδών τα εμφυτεύματα,
13:19
drugsφάρμακα that forceδύναμη us to stayδιαμονή awakeξύπνιος all the time.
286
781000
3000
φάρμακα που θα μας αναγκάζουν να μένουμε συνέχεια ξύπνιοι.
13:22
We'llΕμείς θα think we're choosingεπιλογή these things,
287
784000
2000
Θα πιστεύουμε πως εμείς τα επιλέγουμε,
13:24
but the temesΤΕΜΕΣ are makingκατασκευή us do it.
288
786000
3000
αλλά τα τιμίδια μας βάζουν να τα κάνουμε αυτά.
13:28
So, we're at this cuspοξύ άκρο now
289
790000
1000
Έτσι βρισκόμαστε τώρα σ' αυτό το σημείο καμπής
13:29
of havingέχοντας a thirdτρίτος replicatorπρόγραμμα αναπαραγωγής on our planetπλανήτης.
290
791000
4000
της εμφάνισης ενός τρίτου αντιγραφέα στον πλανήτη μας.
13:34
Now, what about what elseαλλού is going on out there in the universeσύμπαν?
291
796000
5000
Τώρα, ας σκεφτούμε τι άλλο συμβαίνει εκεί έξω στο σύμπαν;
13:39
Is there anyoneο καθενας elseαλλού out there?
292
801000
2000
Υπάρχει κάποιος άλλος εκεί;
13:41
People have been askingζητώντας this questionερώτηση for a long time.
293
803000
3000
Οι άνθρωποι αναρωτιούνται γι' αυτό εδώ και πολύ καιρό.
13:44
We'veΈχουμε been askingζητώντας it here at TEDTED alreadyήδη.
294
806000
2000
Θέτουμε ήδη αυτό το ερώτημα εδώ στο TED.
13:46
In 1961, FrankΦρανκ DrakeDrake madeέκανε his famousπερίφημος equationεξίσωση,
295
808000
4000
Το 1961 ο Φρανκ Ντρέηκ επινόησε την διάσημη εξίσωσή του,
13:50
but I think he concentratedσυμπυκνωμένος on the wrongλανθασμένος things.
296
812000
2000
όμως νομίζω πως επικεντρωνόμαστε σε λάθος πράγματα.
13:52
It's been very productiveπαραγωγικός, that equationεξίσωση.
297
814000
2000
Υπήρξε πολύ παραγωγική αυτή η εξίσωση.
13:54
He wanted to estimateεκτίμηση N,
298
816000
2000
Ήθελε να υπολογίσει το Ν,
13:56
the numberαριθμός of communicativeεπικοινωνιακή civilizationsπολιτισμών out there in our galaxyγαλαξίας,
299
818000
4000
τον αριθμό των ικανών για επικοινωνία πολιτισμών στον γαλαξία μας.
14:00
and he includedπεριλαμβάνεται in there the rateτιμή of starαστέρι formationσχηματισμός,
300
822000
4000
Συμπεριέλαβε και το ρυθμό σχηματισμού των άστρων,
14:04
the rateτιμή of planetsπλανήτες, but cruciallyαποφασιστικά, intelligenceνοημοσύνη.
301
826000
4000
το ρυθμό των πλανητών, αλλά και το πιο κρίσιμο σημείο, τη νοημοσύνη.
14:08
I think that's the wrongλανθασμένος way to think about it.
302
830000
4000
Πιστεύω πως αυτός είναι ο λάθος τρόπος να σκεφτούμε περί αυτού.
14:12
IntelligenceΕυφυΐα appearsεμφανίζεται all over the placeθέση, in all kindsείδη of guisesεκφάνσεις.
303
834000
3000
Η νοημοσύνη εμφανίζεται παντού, με όλες τις δυνατές εκφάνσεις.
14:15
HumanΑνθρώπινη intelligenceνοημοσύνη is only one kindείδος of a thing.
304
837000
2000
Η ανθρώπινη νοημοσύνη είναι μόνο ένα είδος.
14:17
But what's really importantσπουδαίος is the replicatorsΑναπαραγωγείς you have
305
839000
3000
Αυτό όμως που είναι στ' αλήθεια σημαντικό είναι οι αντιγραφείς που διαθέτει κανείς
14:20
and the levelsεπίπεδα of replicatorsΑναπαραγωγείς, one feedingσίτιση on the one before.
306
842000
4000
και τα επίπεδά τους, το καθένα να θρέφει το προηγούμενο.
14:24
So, I would suggestπροτείνω that we don't think intelligenceνοημοσύνη,
307
846000
5000
Έτσι θα πρότεινα να μη σκεφτόμαστε τη νοημοσύνη,
14:29
we think replicatorsΑναπαραγωγείς.
308
851000
2000
αλλά τους αντιγραφείς.
14:31
And on that basisβάση, I've suggestedπρότεινε a differentδιαφορετικός kindείδος of equationεξίσωση.
309
853000
3000
Με βάση αυτό, πρότεινα μια νέα εξίσωση.
14:34
A very simpleαπλός equationεξίσωση.
310
856000
2000
Μια πολύ απλή εξίσωση.
14:36
N, the sameίδιο thing,
311
858000
2000
Ν, το ίδιο πράγμα,
14:38
the numberαριθμός of communicativeεπικοινωνιακή civilizationsπολιτισμών out there
312
860000
3000
ο αριθμός των ικανών για επικοινωνία πολιστιμών,
14:41
[that] we mightθα μπορούσε expectαναμένω in our galaxyγαλαξίας.
313
863000
2000
που θα μπορούσαμε ν' αναμένουμε στο γαλαξία μας.
14:43
Just startαρχή with the numberαριθμός of planetsπλανήτες there are in our galaxyγαλαξίας.
314
865000
4000
Ας αρχίσουμε απλά από τον αριθμό των πλανητών που υπάρχουν στο γαλαξία μας.
14:47
The fractionκλάσμα of those whichοι οποίες get a first replicatorπρόγραμμα αναπαραγωγής.
315
869000
4000
Το κλάσμα αυτών που διαθέτουν τον πρώτο αντιγραφέα.
14:51
The fractionκλάσμα of those that get the secondδεύτερος replicatorπρόγραμμα αναπαραγωγής.
316
873000
4000
Το κλάσμα αυτών που διαθέτουν τον δεύτερο αντιγραφέα.
14:55
The fractionκλάσμα of those that get the thirdτρίτος replicatorπρόγραμμα αναπαραγωγής.
317
877000
2000
Το κλάσμα αυτών που διαθέτουν τον τρίτο αντιγραφέα.
14:58
Because it's only the thirdτρίτος replicatorπρόγραμμα αναπαραγωγής that's going to reachφθάνω out --
318
880000
3000
Διότι μόνο ο τρίτος αντιγραφέας θα βγει παραέξω-
15:01
sendingαποστολή informationπληροφορίες, sendingαποστολή probesκαθετήρες, gettingνα πάρει out there,
319
883000
3000
στέλνοντας πληροφορίες και ανιχνευτές, πηγαίνοντας εκεί έξω,
15:04
and communicatingεπικοινωνία with anywhereοπουδήποτε elseαλλού.
320
886000
2000
επικοινωνώντας με οπουδήποτε αλλού.
15:06
OK, so if we take that equationεξίσωση,
321
888000
3000
Έτσι, εάν πάρουμε αυτήν την εξίσωση,
15:09
why haven'tδεν έχουν we heardακούσει from anybodyοποιοσδήποτε out there?
322
891000
5000
γιατί δεν έχουμε ακούσει κάτι από κάποιον άλλον εκεί έξω;
15:14
Because everyκάθε stepβήμα is dangerousεπικίνδυνος.
323
896000
4000
Επειδή κάθε βήμα είναι επικίνδυνο.
15:18
GettingΝα πάρει a newνέος replicatorπρόγραμμα αναπαραγωγής is dangerousεπικίνδυνος.
324
900000
3000
Το ν' αποκτήσεις νέους αντιγραφείς είναι επικίνδυνο.
15:21
You can pullΤραβήξτε throughδιά μέσου, we have pulledτράβηξε throughδιά μέσου,
325
903000
2000
Μπορείς να γλιτώσεις, εμείς γλιτώσαμε,
15:23
but it's dangerousεπικίνδυνος.
326
905000
2000
αλλά είναι επικίνδυνο.
15:25
Take the first stepβήμα, as soonσύντομα as life appearedεμφανίστηκε on this earthγη.
327
907000
3000
Πάρτε το πρώτο βήμα, καθώς η ζωή εμφανίστηκε στη Γη.
15:28
We mayενδέχεται take the GaianGaian viewθέα.
328
910000
2000
Μπορούμε να το δούμε από τη Γήινη οπτική.
15:30
I lovedαγαπούσε PeterΟ Πέτρος Ward'sWard talk yesterdayεχθές -- it's not GaianGaian all the time.
329
912000
3000
Μου άρεσε πολύ η ομιλία του Πήτερ Ουόρντ εχθές- δεν είναι σε όλα της τα σημεία Γήινη.
15:33
ActuallyΣτην πραγματικότητα, life formsμορφές produceπαράγω things that killσκοτώνω themselvesτους εαυτούς τους.
330
915000
3000
Στην πραγματικότητα οι ζωντανοί οργανισμοί παράγουν πράγματα που τους εξολοθρεύουν.
15:36
Well, we did pullΤραβήξτε throughδιά μέσου on this planetπλανήτης.
331
918000
3000
Λοιπόν, εμείς σ' αυτόν τον πλανήτη τη γλιτώσαμε.
15:39
But then, a long time laterαργότερα, billionsδισεκατομμύρια of yearsχρόνια laterαργότερα,
332
921000
2000
Όμως τότε, πολύ καιρό αργότερα, δισεκατομμύρια χρόνια αργότερα,
15:41
we got the secondδεύτερος replicatorπρόγραμμα αναπαραγωγής, the memesμιμίδια.
333
923000
3000
αποκτήσαμε τον δεύτερο αντιγραφέα, τα μιμίδια.
15:44
That was dangerousεπικίνδυνος, all right.
334
926000
2000
Αυτό ήταν σίγουρα επικίνδυνο.
15:46
Think of the bigμεγάλο brainεγκέφαλος.
335
928000
2000
Σκεφτείτε τον μεγάλο εγκέφαλο.
15:48
How manyΠολλά mothersτης μητέρας do we have here?
336
930000
3000
Πόσες μητέρες έχουμε εδώ;
15:51
You know all about bigμεγάλο brainsμυαλά.
337
933000
2000
Ξέρετε τι σημαίνει μεγάλος εγκέφαλος.
15:53
They are dangerousεπικίνδυνος to give birthγέννηση to,
338
935000
2000
Είναι επικίνδυνος κατά τον τοκετό.
15:55
are agonizingαγωνιώδης to give birthγέννηση to.
339
937000
2000
Είναι πολύ δύσκολο να τον γεννήσει κανείς.
15:57
(LaughterΤο γέλιο)
340
939000
1000
(Γέλια)
15:59
My catΓάτα gaveέδωσε birthγέννηση to fourτέσσερα kittensγατάκια, purringγουργουρίζει all the time.
341
941000
2000
Η γάτα μου γέννησε τέσσερα γατάκια, γουργουρίζοντας συνέχεια.
16:01
AhΑχ, mmmm -- slightlyελαφρώς differentδιαφορετικός.
342
943000
2000
Ααα, μμμ - δεν είναι ακριβώς το ίδιο.
16:03
(LaughterΤο γέλιο)
343
945000
2000
(Γέλια)
16:05
But not only is it painfulεπώδυνος, it killsσκοτώνει lots of babiesμωρά,
344
947000
3000
Όμως δεν είναι μόνο επώδυνο, σκοτώνει πολλά μωρά,
16:08
it killsσκοτώνει lots of mothersτης μητέρας,
345
950000
2000
και πολλές μητέρες,
16:10
and it's very expensiveακριβός to produceπαράγω.
346
952000
2000
και κοστίζει πολύ η δημιουργία του.
16:12
The genesγονίδια are forcedεξαναγκασμένος into producingπαραγωγή all this myelinμυελίνη,
347
954000
2000
Τα γονίδια πιέζονται να παράγουν όλη αυτή τη μυελίνη,
16:14
all the fatΛίπος to myelinatemyelinate the brainεγκέφαλος.
348
956000
2000
όλα τα λιπαρά που χρειάζονται για τον εγκέφαλο.
16:16
Do you know, sittingσυνεδρίαση here,
349
958000
2000
Το ξέρετε πως έτσι όπως κάθεστε,
16:18
your brainεγκέφαλος is usingχρησιμοποιώντας about 20 percentτοις εκατό of your body'sτου σώματος energyενέργεια outputπαραγωγή
350
960000
4000
ο εγκέφαλός σας χρησιμοποιεί το 20% της ενέργειας που καταναλώνει το σώμα σας
16:22
for two percentτοις εκατό of your bodyσώμα weightβάρος?
351
964000
2000
ενώ καταλαμβάνει μόνο 2% του σωματικού σας βάρους;
16:24
It's a really expensiveακριβός organόργανο to runτρέξιμο.
352
966000
2000
Είναι πραγματικά ένα ενεργοβόρο όργανο.
16:26
Why? Because it's producingπαραγωγή the memesμιμίδια.
353
968000
2000
Γιατί; Επειδή παράγει τα μιμίδια.
16:28
Now, it could have killedσκοτώθηκαν us off. It could have killedσκοτώθηκαν us off,
354
970000
4000
Αυτό θα μπορούσε να μας έχει σκοτώσει -να μας έχει σκοτώσει,
16:32
and maybe it nearlyσχεδόν did, but you see, we don't know.
355
974000
2000
και ίσως να έφτασε πολύ κοντά σ' αυτό, όμως δεν το γνωρίζουμε.
16:34
But maybe it nearlyσχεδόν did.
356
976000
2000
Όμως ίσως να έφτασε πολύ κοντά.
16:36
Has it been triedδοκιμασμένος before?
357
978000
1000
Έχει δοκιμαστεί στο παρελθόν;
16:37
What about all those other speciesείδος?
358
979000
2000
Τι γίνεται με όλα τ' άλλα είδη;
16:39
LouiseΛουίζ LeakeyLeakey talkedμίλησε yesterdayεχθές
359
981000
2000
Η Λουΐζ Λήκυ μίλησε χθες
16:41
about how we're the only one in this branchκλαδί left.
360
983000
3000
για το πώς είμαστε οι μόνοι που απέμειναν από αυτόν τον εξελικτικό κλάδο.
16:44
What happenedσυνέβη to the othersοι υπολοιποι?
361
986000
2000
Τι απέγιναν οι υπόλοιποι;
16:46
Could it be that this experimentπείραμα in imitationμίμηση,
362
988000
2000
Θα μπορούσε να σημαίνει ότι αυτό το πείραμα μίμησης,
16:48
this experimentπείραμα in a secondδεύτερος replicatorπρόγραμμα αναπαραγωγής,
363
990000
2000
αυτό το πείραμα για έναν δεύτερο αντιγραφέα,
16:50
is dangerousεπικίνδυνος enoughαρκετά to killσκοτώνω people off?
364
992000
4000
είναι αρκετά επικίνδυνο για να εξολοθρεύσει κόσμο;
16:54
Well, we did pullΤραβήξτε throughδιά μέσου, and we adaptedπροσαρμοστεί.
365
996000
2000
Εμείς τη γλιτώσαμε και προσαρμοστήκαμε.
16:56
But now, we're hittingνα χτυπήσει, as I've just describedπεριγράφεται,
366
998000
3000
Όμως τώρα, φτάνουμε, όπως ήδη περιέγραψα,
16:59
we're hittingνα χτυπήσει the thirdτρίτος replicatorπρόγραμμα αναπαραγωγής pointσημείο.
367
1001000
2000
στο σημείο του τρίτου αντιγραφέα.
17:01
And this is even more dangerousεπικίνδυνος --
368
1003000
3000
Αυτό είναι ακόμη πιο επικίνδυνο-
17:04
well, it's dangerousεπικίνδυνος again.
369
1006000
2000
μάλλον, είναι και πάλι επικίνδυνο.
17:06
Why? Because the temesΤΕΜΕΣ are selfishεγωιστικός replicatorsΑναπαραγωγείς
370
1008000
4000
Γιατί; Επειδή τα τιμίδια είναι εγωιστικοί αντιγραφείς
17:10
and they don't careΦροντίδα about us, or our planetπλανήτης, or anything elseαλλού.
371
1012000
3000
και δεν νοιάζονται για μας, για τον πλανήτη μας ή για οτιδήποτε άλλο.
17:13
They're just informationπληροφορίες, why would they?
372
1015000
3000
Είναι απλά πληροφορίες -γιατί να ενδιαφέρονται άλλωστε;
17:17
They are usingχρησιμοποιώντας us to suckρουφώ up the planet'sτου πλανήτη resourcesπόροι
373
1019000
2000
Μας χρησιμοποιούν για ν' απομυζήσουν τις πηγές του πλανήτη
17:19
to produceπαράγω more computersΥπολογιστές,
374
1021000
2000
ώστε να παράγουν περισσότερους υπολογιστές,
17:21
and more of all these amazingφοβερο things we're hearingακρόαση about here at TEDTED.
375
1023000
3000
και πιο πολλά από τα υπέροχα πράγματα που ακούμε εδώ στο TED.
17:24
Don't think, "Oh, we createdδημιουργήθηκε the InternetΣτο διαδίκτυο for our ownτα δικά benefitόφελος."
376
1026000
4000
Μη σκέφτεστε "Ω, δημιουργήσαμε το διαδίκτυο για το δικό μας όφελος".
17:28
That's how it seemsφαίνεται to us.
377
1030000
2000
Έτσι μας φαίνεται.
17:30
Think, temesΤΕΜΕΣ spreadingδιάδοση because they mustπρέπει.
378
1032000
4000
Σκεφτείτε τα τιμίδια να εξαπλώνονται, επειδή έτσι πρέπει να κάνουν.
17:34
We are the oldπαλαιός machinesμηχανές.
379
1036000
2000
Είμαστε παλιές μηχανές.
17:36
Now, are we going to pullΤραβήξτε throughδιά μέσου?
380
1038000
2000
Θα τη γλιτώσουμε αυτή τη φορα;
17:38
What's going to happenσυμβεί?
381
1040000
2000
Τι πρόκειται να συμβεί;
17:40
What does it mean to pullΤραβήξτε throughδιά μέσου?
382
1042000
2000
Τι σημαίνει να γλιτώσουμε;
17:42
Well, there are kindείδος of two waysτρόπους of pullingτραβώντας throughδιά μέσου.
383
1044000
2000
Υπάρχουν ας πούμε δύο τρόποι να γλιτώσει κανείς.
17:45
One that is obviouslyπροφανώς happeningσυμβαίνει all around us now,
384
1047000
2000
Ο ένας, που προφανώς συμβαίνει γύρω μας τώρα,
17:47
is that the temesΤΕΜΕΣ turnστροφή us into temeTeme machinesμηχανές,
385
1049000
4000
Είναι να μας μετατρέψουν τα τιμίδια σε μηχανές τους,
17:51
with these implantsεμφυτεύματα, with the drugsφάρμακα,
386
1053000
2000
μ' αυτά τα εμφυτεύματα, με τα φάρμακα,
17:53
with us mergingσυγχώνευση with the technologyτεχνολογία.
387
1055000
3000
έτσι ώστε να συγχωνευτούμε με την τεχνολογία.
17:56
And why would they do that?
388
1058000
2000
Και γιατί να το κάνουν αυτό;
17:58
Because we are self-replicatingαυτο-αναπαραγωγή.
389
1060000
2000
Διότι είμαστε αυτοαναπαραγώμενοι.
18:00
We have babiesμωρά.
390
1062000
2000
Έχουμε μωρά.
18:02
We make newνέος onesαυτές, and so it's convenientβολικός to piggybackpiggyback on us,
391
1064000
3000
Φτιάχνουμε καινούρια κι έτσι είναι βολικό να φορτωθούν στη ράχη μας,
18:05
because we're not yetΑκόμη at the stageστάδιο on this planetπλανήτης
392
1067000
4000
επειδή δεν έχουμε φτάσει ακόμη σ' αυτόν τον πλανήτη στο σημείο
18:09
where the other optionεπιλογή is viableβιώσιμος.
393
1071000
2000
όπου είναι βιώσιμη η δεύτερη επιλογή.
18:11
AlthoughΠαρά το γεγονός ότι it's closerπιο κοντά, I heardακούσει this morningπρωί,
394
1073000
2000
Μολονότι πλησιάζει, άκουσα σήμερα το πρωί,
18:13
it's closerπιο κοντά than I thought it was.
395
1075000
2000
είναι εγγύτερα απ' όσο νόμιζα.
18:15
Where the temeTeme machinesμηχανές themselvesτους εαυτούς τους will replicateαντιγραφή themselvesτους εαυτούς τους.
396
1077000
3000
Το σημείο όπου οι μηχανές τιμιδίων θα μπορούν ν' αντιγράφονται από μόνες τους.
18:18
That way, it wouldn'tδεν θα ήταν matterύλη if the planet'sτου πλανήτη climateκλίμα
397
1080000
4000
Μ' αυτόν τον τρόπο, δεν θα παίζει ρόλο εάν το κλίμα του πλανήτη
18:22
was utterlyεντελώς destabilizedαποσταθεροποίηση,
398
1084000
2000
αποσταθεροποιηθεί τελείως,
18:24
and it was no longerμακρύτερα possibleδυνατόν for humansτου ανθρώπου to liveζω here.
399
1086000
2000
και δεν είναι πια βιώσιμο για τους ανθρώπους.
18:26
Because those temeTeme machinesμηχανές, they wouldn'tδεν θα ήταν need --
400
1088000
2000
Διότι εκείνες οι μηχανές τιμιδίων, δεν θα έχουν ανάγκη-
18:28
they're not squishysquishy, wetυγρό, oxygen-breathingοξυγόνο-αναπνοή,
401
1090000
2000
δεν είναι μαλακά και υγρά πλάσματα, δεν αναπνέουν οξυγόνο,
18:30
warmth-requiringζεστασιά που απαιτεί creaturesπλάσματα.
402
1092000
3000
δεν απαιτούν θερμότητα.
18:33
They could carryμεταφέρω on withoutχωρίς us.
403
1095000
2000
Θα μπορούσαν να συνεχίσουν και χωρίς εμάς.
18:35
So, those are the two possibilitiesδυνατότητες.
404
1097000
3000
Αυτές είναι οι δύο πιθανότητες.
18:38
The secondδεύτερος, I don't think we're that closeΚοντά.
405
1100000
4000
Δεν νομίζω πως είμαστε τόσο κοντά στη δεύτερη.
18:42
It's comingερχομός, but we're not there yetΑκόμη.
406
1104000
2000
Καταφτάνει, όμως δεν φτάσαμε ακόμα εκεί.
18:44
The first, it's comingερχομός too.
407
1106000
2000
Η πρώτη, επίσης καταφτάνει.
18:46
But the damageβλάβη that is alreadyήδη beingνα εισαι doneΈγινε
408
1108000
3000
Όμως η ζημιά που γίνεται ήδη
18:49
to the planetπλανήτης is showingεπίδειξη us how dangerousεπικίνδυνος the thirdτρίτος pointσημείο is,
409
1111000
5000
στον πλανήτη, μας δείχνει πόσο επικίνδυνο είναι το τρίτο σημείο,
18:54
that thirdτρίτος dangerκίνδυνος pointσημείο, gettingνα πάρει a thirdτρίτος replicatorπρόγραμμα αναπαραγωγής.
410
1116000
3000
το τρίτο σημείο κινδύνου, του ν' αποκτήσουμε έναν τρίτο αντιγραφέα.
18:58
And will we get throughδιά μέσου this thirdτρίτος dangerκίνδυνος pointσημείο,
411
1120000
2000
Θα γλιτώσουμε άραγε απ' αυτό το τρίτο σημείο κινδύνου,
19:00
like we got throughδιά μέσου the secondδεύτερος and like we got throughδιά μέσου the first?
412
1122000
3000
όπως γλιτώσαμε από το δεύτερο κι από το πρώτο;
19:04
Maybe we will, maybe we won'tσυνηθισμένος.
413
1126000
2000
Μπορεί ναι, μπορεί και όχι.
19:06
I have no ideaιδέα.
414
1128000
3000
Δεν έχω ιδέα.
19:13
(ApplauseΧειροκροτήματα)
415
1135000
10000
(Χειροκρότημα)
19:24
ChrisChris AndersonΆντερσον: That was an incredibleαπίστευτος talk.
416
1146000
2000
Κρις Άντερσον: Ήταν μια καταπληκτική ομιλία.
19:26
SBSB: Thank you. I scaredφοβισμένος myselfεγώ ο ίδιος.
417
1148000
2000
Ευχαριστώ, τρομοκρατήθηκα από μόνη μου.
19:28
CACA: (LaughterΤο γέλιο)
418
1150000
1000
(Γέλια).

▲Back to top

ABOUT THE SPEAKER
Susan Blackmore - Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created.

Why you should listen

Susan Blackmore is dedicated to understanding the scientific nature of consciousness. Her latest work centers on the existence of memes -- little bits of knowledge, lore, habit that seem to spread themselves using human brains as mere carriers. She's exploring the existence of a new class of meme, spread by human technology. It's temporarily named the "teme."

She has written about memes, consciousness, and near-death experiences; has appeared on the British Big Brother to discuss the psychology of the participants; and writes for the Guardian UK.

More profile about the speaker
Susan Blackmore | Speaker | TED.com