ABOUT THE SPEAKER

Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.

Why you should listen

Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.

Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.

In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com

TED2014

Ray Kurzweil: Get ready for hybrid thinking

ריי קורצווייל: היכונו לעידן חשיבת הכלאיים

Filmed: 2014-03-20

Readability: 4.4

3,548,296 views

לפני 200 מיליון שנה פיתחו אבותינו היונקים תכונה חדש של המוח: הניאו-קורטקס. פיסת רקמה זו, שגודלה כשל בול-דואר (שהקיפה מוח בגודל אגוז), הינה המפתח למה שהאנושות הפכה להיות. כעת, טוען העתידן ריי קורצווייל, עלינו להתכונן לזינוק הגדול הבא בעוצמת המוח, כשאנו מתחברים לכוח המיחשוב של הענן.

Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio

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

00:12

Let me tell you a storyכַּתָבָה.

0

988

2316

הבה ואספר לכם סיפור.

הוא התרחש לפני
200 מיליון שנה.

00:15

It goesהולך back 200 millionמִילִיוֹן yearsשנים.

1

3304

1799

00:17

It's a storyכַּתָבָה of the neocortexניוקורטקס,

2

5103

1984

זהו סיפורו של הניאו-קורטקס,
שפירושו "קליפה חדשה".

00:19

whichאיזה meansאומר "newחָדָשׁ rindקְרוּם."

3

7087

1974

00:21

So in these earlyמוקדם mammalsיונקים,

4

9061

2431

אצל אותם יונקים קדומים -

00:23

because only mammalsיונקים have a neocortexניוקורטקס,

5

11492

2055

כי רק ליונקים יש ניאו-קורטקס -

00:25

rodent-likeכמו מכרסם creaturesיצורים.

6

13547

1664

שהיו יצורים דמויי-מכרסמים,

00:27

It was the sizeגודל of a postageדְמֵי מִשׁלוֹחַ stampחותמת and just as thinדַק,

7

15211

3579

הוא היה בגודל בול דואר
וגם באותו עובי,

00:30

and was a thinדַק coveringכיסוי around

8

18790

1439

והיווה ציפוי דק סביב מוחם,
שהיה בגודל אגוז,

00:32

theirשֶׁלָהֶם walnut-sizedאגוז בגודל brainמוֹחַ,

9

20229

2264

00:34

but it was capableבעל יכולת of a newחָדָשׁ typeסוּג of thinkingחושב.

10

22493

3701

אבל הוא היה מסוגל
לחשיבה מסוג חדש.

00:38

Ratherבמקום זאת than the fixedתוקן behaviorsהתנהגויות

11

26194

1567

במקום ההתנהגויות הקבועות
של חיות שאינן יונקים,

00:39

that non-mammalianלא יונקים animalsבעלי חיים have,

12

27761

1992

00:41

it could inventלִהַמצִיא newחָדָשׁ behaviorsהתנהגויות.

13

29753

2692

הוא ידע להמציא התנהגויות חדשות.

00:44

So a mouseעכבר is escapingלברוח a predatorטוֹרֵף,

14

32445

2553

למשל, עכבר שבורח מפני טורף
ודרכו חסומה,

00:46

its pathנָתִיב is blockedחָסוּם,

15

34998

1540

00:48

it'llזה יהיה try to inventלִהַמצִיא a newחָדָשׁ solutionפִּתָרוֹן.

16

36538

2129

ינסה להמציא פתרון חדש,
שאולי יצליח ואולי לא,

00:50

That mayמאי work, it mayמאי not,

17

38667

1266

00:51

but if it does, it will rememberלִזכּוֹר that

18

39933

1910

אבל במידה ויצליח,
הוא יזכור אותו

00:53

and have a newחָדָשׁ behaviorהִתְנַהֲגוּת,

19

41843

1292

וירכוש התנהגות חדשה
שעשויה להתפשט באופן ויראלי

00:55

and that can actuallyלמעשה spreadהתפשטות virallyויראלי

20

43135

1457

00:56

throughדרך the restמנוחה of the communityהקהילה.

21

44592

2195

בקרב כל הקהילה.

עכבר אחר, שצפה בו, אולי יאמר:

00:58

Anotherאַחֵר mouseעכבר watchingצופה this could say,

22

46787

1609

01:00

"Hey, that was prettyיפה cleverחכם, going around that rockסלע,"

23

48396

2704

"זה היה מחוכם למדי,
לעקוף את הסלע ההוא."

01:03

and it could adoptלְאַמֵץ a newחָדָשׁ behaviorהִתְנַהֲגוּת as well.

24

51100

3725

וגם הוא יאמץ התנהגות חדשה.

01:06

Non-mammalianלא יונקים animalsבעלי חיים

25

54825

1717

חיות שאינן יונקים
לא יכלו לעשות דבר מכל אלה.

01:08

couldn'tלא יכול do any of those things.

26

56542

1713

היו להן התנהגויות קבועות.

01:10

They had fixedתוקן behaviorsהתנהגויות.

27

58255

1215

01:11

Now they could learnלִלמוֹד a newחָדָשׁ behaviorהִתְנַהֲגוּת

28

59470

1331

הן אמנם יכלו ללמוד
התנהגויות חדשות,

01:12

but not in the courseקוּרס of one lifetimeלכל החיים.

29

60801

2576

אבל לא בתקופת חייהן.

01:15

In the courseקוּרס of maybe a thousandאלף lifetimesחיים,

30

63377

1767

אולי במרוצת אלף תקופות-חיים

01:17

it could evolveלְהִתְפַּתֵחַ a newחָדָשׁ fixedתוקן behaviorהִתְנַהֲגוּת.

31

65144

3330

הן יכלו לפתח
התנהגות קבועה חדשה.

01:20

That was perfectlyמושלם okay 200 millionמִילִיוֹן yearsשנים agoלִפנֵי.

32

68474

3377

לפני 200 מיליון שנה
לא היתה עם זה בעיה:

01:23

The environmentסביבה changedהשתנה very slowlyלאט.

33

71851

1981

הסביבה השתנתה לאט מאד.

01:25

It could take 10,000 yearsשנים for there to be

34

73832

1554

לפעמים נדרשו 10,000 שנים
כדי שיתרחש שינוי סביבתי ניכר,

01:27

a significantמשמעותי environmentalסְבִיבָתִי changeשינוי,

35

75386

2092

01:29

and duringבְּמַהֲלָך that periodפרק זמן of time

36

77478

1382

ובמשך הזמן הזה, בעל-החיים
היה מפתח התנהגות חדשה.

01:30

it would evolveלְהִתְפַּתֵחַ a newחָדָשׁ behaviorהִתְנַהֲגוּת.

37

78860

2929

01:33

Now that wentהלך alongלְאוֹרֶך fine,

38

81789

1521

הכל היה בסדר,
אבל אז קרה משהו.

01:35

but then something happenedקרה.

39

83310

1704

01:37

Sixty-fiveשישים וחמש millionמִילִיוֹן yearsשנים agoלִפנֵי,

40

85014

2246

לפני 65 מיליון שנה
אירע שינוי סביבתי פתאומי ואלים.

01:39

there was a suddenפִּתְאוֹמִי, violentאַלִים
changeשינוי to the environmentסביבה.

41

87260

2615

01:41

We call it the Cretaceousקרטיקון extinctionהַכחָדָה eventמִקרֶה.

42

89875

3505

אנו מכנים אותו
"הכחדת הקרטיקון-שלישון".

01:45

That's when the dinosaursדינוזאורים wentהלך extinctנִכחָד,

43

93380

2293

באירוע הזה נכחדו הדינוזאורים,

01:47

that's when 75 percentאָחוּז of the

44

95673

3449

ו-75% מכל החיות והצמחים
נכחדו גם הם,

01:51

animalבעל חיים and plantצמח speciesמִין wentהלך extinctנִכחָד,

45

99122

2746

01:53

and that's when mammalsיונקים

46

101868

1745

ואז כבשו היונקים
את הגומחה האקולוגית שלהם,

01:55

overtookהשתלטו theirשֶׁלָהֶם ecologicalאֵקוֹלוֹגִי nicheגוּמחָה,

47

103613

2152

01:57

and to anthropomorphizeאנתרופומורפיז, biologicalבִּיוֹלוֹגִי evolutionאבולוציה said,

48

105765

3654

ואם נדמה אותה לאדם,
האבולוציה הביולוגית אמרה:

02:01

"Hmmהממ, this neocortexניוקורטקס is prettyיפה good stuffדברים,"

49

109419

2025

"הממ.. הניאו-קורטקס הזה
איננו רע בכלל",

02:03

and it beganהחל to growלגדול it.

50

111444

1793

והיא החלה לפתח אותו.

02:05

And mammalsיונקים got biggerגדול יותר,

51

113237

1342

והיונקים הלכו וגדלו,

02:06

theirשֶׁלָהֶם brainsמוֹחַ got biggerגדול יותר at an even fasterמהיר יותר paceלִפְסוֹעַ,

52

114579

2915

ומוחותיהם גדלו בקצב מהיר עוד יותר,

02:09

and the neocortexניוקורטקס got biggerגדול יותר even fasterמהיר יותר than that

53

117494

3807

והניאו-קורטקס גדל
אפילו יותר מהר,

02:13

and developedמפותח these distinctiveמְיוּחָד ridgesרכסים and foldsקפלים

54

121301

2929

ופיתח את הרכסים והקפלים
המובהקים האלה,

02:16

basicallyבעיקרון to increaseלהגביר its surfaceמשטח areaאֵזוֹר.

55

124230

2881

עקרונית, במטרה להגדיל
את שטח הפנים שלו.

02:19

If you tookלקח the humanבן אנוש neocortexניוקורטקס

56

127111

1819

אילו לקחתם את הניאו-קורטקס האנושי

02:20

and stretchedמָתוּחַ it out,

57

128930

1301

ופרשתם אותו,
הוא בערך בגודל מפית,

02:22

it's about the sizeגודל of a tableשולחן napkinמַפִּית,

58

130231

1713

והוא עדיין דק.
עוביו הוא כשל מפית,

02:23

and it's still a thinדַק structureמִבְנֶה.

59

131944

1306

02:25

It's about the thicknessעוֹבִי of a tableשולחן napkinמַפִּית.

60

133250

1980

02:27

But it has so manyרב convolutionsפיתולים and ridgesרכסים

61

135230

2497

אבל יש בו כל-כך הרבה
פיתולים ורכסים,

02:29

it's now 80 percentאָחוּז of our brainמוֹחַ,

62

137727

3075

עד שכיום הוא מהווה
80% מהמוח שלנו,

02:32

and that's where we do our thinkingחושב,

63

140802

2461

ובו אנו מבצעים את החשיבה שלנו,

02:35

and it's the great sublimatorסובלימציה.

64

143263

1761

וזהו מנוע סובלימציה נהדר.
עדיין יש לנו המוח הישן,

02:37

We still have that oldישן brainמוֹחַ

65

145024

1114

02:38

that providesמספק our basicבסיסי drivesכוננים and motivationsמוטיבציה,

66

146138

2764

שמספק לנו דחפים והנעות בסיסיים,

02:40

but I mayמאי have a driveנהיגה for conquestכיבוש,

67

148902

2716

אבל יכול להיות לי דחף לכיבוש,

02:43

and that'llזה יהיה be sublimatedסובלימציה by the neocortexניוקורטקס

68

151618

2715

והניאו-קורטקס ימיר אותו

02:46

into writingכְּתִיבָה a poemשִׁיר or inventingממציא an appאפליקציה

69

154333

2909

לכתיבת שיר או המצאת יישומון

02:49

or givingמַתָן a TEDTED Talk,

70

157242

1509

או מתן הרצאת TED,

02:50

and it's really the neocortexניוקורטקס that's where

71

158751

3622

והניאו-קורטקס הוא למעשה המקום
שבו הכל מתרחש.

02:54

the actionפעולה is.

72

162373

1968

לפני 50 שנה כתבתי מאמר
שמתאר איך לדעתי המוח פועל,

02:56

Fiftyחמישים yearsשנים agoלִפנֵי, I wroteכתבתי a paperעיתון

73

164341

1717

02:58

describingהמתאר how I thought the brainמוֹחַ workedעבד,

74

166058

1918

02:59

and I describedמְתוּאָר it as a seriesסִדרָה of modulesמודולים.

75

167976

3199

ותיארתי אותו כסדרה של יחידות.

03:03

Eachכל אחד moduleמודול could do things with a patternתַבְנִית.

76

171175

2128

כל יחידה יודעת לעשות דברים
באמצעות דפוס

03:05

It could learnלִלמוֹד a patternתַבְנִית. It could rememberלִזכּוֹר a patternתַבְנִית.

77

173303

2746

היא מסוגלת ללמוד דפוס מסוים.
לזכור דפוס מסוים.

03:08

It could implementליישם a patternתַבְנִית.

78

176049

1407

היא יכולה ליישם דפוס מסוים.

03:09

And these modulesמודולים were organizedמְאוּרגָן in hierarchiesהיררכיות,

79

177456

2679

והיחידות האלה מאורגנות בהיררכיות,

03:12

and we createdשנוצר that hierarchyהִיֵרַרכִיָה with our ownשֶׁלוֹ thinkingחושב.

80

180135

2954

ואנו יצרנו היררכיה זו
בעזרת החשיבה שלנו.

03:15

And there was actuallyלמעשה very little to go on

81

183089

3333

ולא היה בעצם הרבה חומר
להתבסס עליו, לפני 50 שנה.

03:18

50 yearsשנים agoלִפנֵי.

82

186422

1562

03:19

It led me to meetלִפְגוֹשׁ Presidentנָשִׂיא Johnsonג'ונסון.

83

187984

2115

- זה זיכה אותי בפגישה
עם הנשיא ג'ונסון --

03:22

I've been thinkingחושב about this for 50 yearsשנים,

84

190099

2173

חשבתי על זה במשך 50 שנה,

03:24

and a yearשָׁנָה and a halfחֲצִי agoלִפנֵי I cameבא out with the bookסֵפֶר

85

192272

2828

ולפני שנה וחצי פרסמתי את הספר
"איך ליצור מוח",

03:27

"How To Createלִיצוֹר A Mindאכפת,"

86

195100

1265

03:28

whichאיזה has the sameאותו thesisתזה,

87

196365

1613

שנשען על אותה הנחת-יסוד,
אך כיום, עם שפע הוכחות.

03:29

but now there's a plethoraשֶׁפַע of evidenceעֵדוּת.

88

197978

2812

03:32

The amountכמות of dataנתונים we're gettingמקבל about the brainמוֹחַ

89

200790

1814

כמות הנתונים שאנו מקבלים
אודות המוח, ממדעי המוח,

03:34

from neuroscienceמדעי המוח is doublingכְּפִילָה everyכֹּל yearשָׁנָה.

90

202604

2203

מוכפלת מידי שנה.

03:36

Spatialמֶרחָבִי resolutionפתרון הבעיה of brainscanningbrainscanning of all typesסוגים

91

204807

2654

רמת ההפרדה המרחבית
בסריקות מוח מכל הסוגים

03:39

is doublingכְּפִילָה everyכֹּל yearשָׁנָה.

92

207461

2285

מוכפלת מידי שנה.

03:41

We can now see insideבְּתוֹך a livingחַי brainמוֹחַ

93

209746

1717

היום אנו מסוגלים להתבונן
לתוך מוח חי

03:43

and see individualאִישִׁי interneuralפנימי connectionsקשרים

94

211463

2870

ולראות את הקישורים
הבין-עצביים הנפרדים

03:46

connectingמְקַשֵׁר in realאמיתי time, firingירי in realאמיתי time.

95

214333

2703

שנעשים בזמן אמיתי,
איתותים עצביים בזמן אמיתי.

03:49

We can see your brainמוֹחַ createלִיצוֹר your thoughtsמחשבות.

96

217036

2419

אנו יכולים לראות את המוח
כשהוא מחולל מחשבות.

03:51

We can see your thoughtsמחשבות createלִיצוֹר your brainמוֹחַ,

97

219455

1575

אנו יכולים לראות איך המחשבות
יוצרות את המוח,

03:53

whichאיזה is really keyמַפְתֵחַ to how it worksעובד.

98

221030

1999

שזה המפתח להבנת אופן פעולתו.

03:55

So let me describeלְתַאֵר brieflyבקצרה how it worksעובד.

99

223029

2219

אז הבה ואתאר לכם בקצרה
כיצד הוא פועל.

03:57

I've actuallyלמעשה countedספרתי these modulesמודולים.

100

225248

2275

ספרתי את היחידות האלה:
יש לנו כ-300 מיליון כאלה,

03:59

We have about 300 millionמִילִיוֹן of them,

101

227523

2046

04:01

and we createלִיצוֹר them in these hierarchiesהיררכיות.

102

229569

2229

ואנו יצרנו אותן בהיררכיות האלה.

04:03

I'll give you a simpleפָּשׁוּט exampleדוגמא.

103

231798

2082

אתן לכם דוגמה פשוטה.

04:05

I've got a bunchצְרוֹר of modulesמודולים

104

233880

2805

יש לי קבוצת יחידות

04:08

that can recognizeלזהות the crossbarמַשְׁקוֹף to a capitalעיר בירה A,

105

236685

3403

שמסוגלת לזהות את הקו האופקי
באות "ת",

04:12

and that's all they careלְטַפֵּל about.

106

240088

1914

וזה כל מה שמעניין אותן.

04:14

A beautifulיפה songשִׁיר can playלְשַׂחֵק,

107

242002

1578

אולי מתנגן שיר נפלא,
אולי תחלוף נערה יפה -

04:15

a prettyיפה girlילדה could walkלָלֶכֶת by,

108

243580

1434

04:17

they don't careלְטַפֵּל, but they see
a crossbarמַשְׁקוֹף to a capitalעיר בירה A,

109

245014

2846

לא איכפת להן. אבל כשהן מזהות
את הקו האופקי באות "ת",

04:19

they get very excitedנִרגָשׁ and they say "crossbarמַשְׁקוֹף,"

110

247860

3021

הן מתרגשות מאד ואומרות:
"קו אופקי",

04:22

and they put out a highגָבוֹהַ probabilityהִסתַבְּרוּת

111

250881

2112

ומפיקות פלט סבירות גבוהה
בזיז סיב העצב שלהן.

04:24

on theirשֶׁלָהֶם outputתְפוּקָה axonאקסון.

112

252993

1634

זה עובר לרמה הבאה,

04:26

That goesהולך to the nextהַבָּא levelרָמָה,

113

254627

1333

04:27

and these layersשכבות are organizedמְאוּרגָן in conceptualרַעיוֹנִי levelsרמות.

114

255960

2750

והרבדים האלה מאורגנים
ברמות תפישתיות,

04:30

Eachכל אחד is more abstractתַקצִיר than the nextהַבָּא one,

115

258710

1856

כשכל רמה מופשטת יותר
מהרמה הבאה,

04:32

so the nextהַבָּא one mightאולי say "capitalעיר בירה A."

116

260566

2418

כך שהרמה הבאה עשויה לומר:
האות "ת".

04:34

That goesהולך up to a higherגבוה יותר
levelרָמָה that mightאולי say "Appleתפוח עץ."

117

262984

2891

זה עולה לרמה הבאה
שאולי תגיד: "תפוח".

04:37

Informationמֵידָע flowsזור down alsoגַם.

118

265875

2167

המידע גם מאיט.

04:40

If the appleתפוח עץ recognizerמזהה has seenלראות A-P-P-LAPPL,

119

268042

2936

אם מזהה התפוח ראה "ת, פ, ו"

04:42

it'llזה יהיה think to itselfעצמה, "Hmmהממ, I
think an E is probablyכנראה likelyסָבִיר,"

120

270978

3219

הוא יחשוב לעצמו: "הממ, לדעתי
יש סבירות גבוהה ל'ח',"

04:46

and it'llזה יהיה sendלִשְׁלוֹחַ a signalאוֹת down to all the E recognizersהמזהים

121

274197

2564

והוא ישגר למטה אות,
לכל מזהי ה"ח",

04:48

sayingפִּתגָם, "Be on the lookoutתזהר for an E,

122

276761

1619

שמודיע: "היכונו להופעת 'ח',
נראה לי שצפויה 'ח'."

04:50

I think one mightאולי be comingמגיע."

123

278380

1556

מזהי ה"ח" ינמיכו
את סף הרגישות שלהם,

04:51

The E recognizersהמזהים will lowerנמוך יותר theirשֶׁלָהֶם thresholdסף

124

279936

2843

04:54

and they see some sloppyמרושל
thing, could be an E.

125

282779

1945

ואם יראו משהו
שדומה איכשהו ל"ח",

בד"כ הם לא יעשו זאת,

04:56

Ordinarilyבדרך כלל you wouldn'tלא think so,

126

284724

1490

04:58

but we're expectingמצפה an E, it's good enoughמספיק,

127

286214

2009

אבל, "אנו מצפים ל'ח',
נסתפק בזה;

05:00

and yeah, I've seenלראות an E, and then appleתפוח עץ saysאומר,

128

288223

1817

"באמת, ראיתי 'ח',"
ואז מזהה התפוח יאמר:

"נכון, זיהיתי 'תפוח'."

05:02

"Yeah, I've seenלראות an Appleתפוח עץ."

129

290040

1728

05:03

Go up anotherאַחֵר fiveחָמֵשׁ levelsרמות,

130

291768

1746

נעלה חמש רמות,

05:05

and you're now at a prettyיפה highגָבוֹהַ levelרָמָה

131

293514

1353

והגענו לרמה גבוהה למדי
בהיררכיה הזאת,

05:06

of this hierarchyהִיֵרַרכִיָה,

132

294867

1569

05:08

and stretchלִמְתוֹחַ down into the differentשונה sensesחושים,

133

296436

2353

נתפשט לחושים השונים,

05:10

and you mayמאי have a moduleמודול
that seesרואה a certainמסוים fabricבד,

134

298789

2655

ושם, יחידה מסוימת
אולי תזהה אריג מסוים,

05:13

hearsשומע a certainמסוים voiceקוֹל qualityאיכות,
smellsמריח a certainמסוים perfumeנִיחוֹחַ,

135

301444

2844

תזהה איכות קול מסוימת,
תריח בושם מסוים,

05:16

and will say, "My wifeאישה has enteredנכנס the roomחֶדֶר."

136

304288

2513

ותאמר: "אשתי נכנסה לחדר."

05:18

Go up anotherאַחֵר 10 levelsרמות, and now you're at

137

306801

1895

עולים 10 רמות
וכעת נמצאים ברמה גבוהה מאד,

05:20

a very highגָבוֹהַ levelרָמָה.

138

308696

1160

05:21

You're probablyכנראה in the frontalחֲזִיתִי cortexקליפת המוח,

139

309856

1937

אולי באונה המצחית,

05:23

and you'llאתה have modulesמודולים that say, "That was ironicאִירוֹנִי.

140

311793

3767

ושם יש יחידות שיאמרו:
"זה היה אירוני."

05:27

That's funnyמצחיק. She's prettyיפה."

141

315560

2370

"זה מצחיק."
"היא יפה."

05:29

You mightאולי think that those are more sophisticatedמתוחכם,

142

317930

2105

אולי נראה לכם שאלה יחידות
מתוחכמות יותר,

05:32

but actuallyלמעשה what's more complicatedמסובך

143

320035

1506

אך למעשה, מה שיותר מורכב
הוא ההיררכיה שביסודן.

05:33

is the hierarchyהִיֵרַרכִיָה beneathתַחַת them.

144

321541

2669

05:36

There was a 16-year-old-גיל girlילדה, she had brainמוֹחַ surgeryכִּירוּרגִיָה,

145

324210

2620

נערה אחת, בת 16,
עברה ניתוח מוח,

05:38

and she was consciousמוּדָע because the surgeonsמנתחים

146

326830

2051

והיא היתה בהכרה

משום שהמנתחים שלה
רצו לשוחח איתה -

05:40

wanted to talk to her.

147

328881

1537

05:42

You can do that because there's no painכְּאֵב receptorsקולטנים

148

330418

1822

-- זה אפשרי,
כי אין במוח קולטני כאב --

05:44

in the brainמוֹחַ.

149

332240

1038

05:45

And wheneverבְּכָל פַּעַם they stimulatedמוּמרָץ particularמיוחד,

150

333278

1800

ובכל פעם שהם גירו

נקודות זעירות מסוימות
בניאו-קורטקס שלה,

05:47

very smallקָטָן pointsנקודות on her neocortexניוקורטקס,

151

335078

2463

05:49

shownמוצג here in redאָדוֹם, she would laughלִצְחוֹק.

152

337541

2665

שמוצגות כאן באדום,
היא צחקה.

05:52

So at first they thought they were triggeringמפעילה

153

340206

1440

תחילה הם חשבו שהם מגרים
רפלקס צחוק כלשהו,

05:53

some kindסוג of laughלִצְחוֹק reflexרֶפלֶקס,

154

341646

1720

05:55

but no, they quicklyבִּמְהִירוּת realizedהבין they had foundמצאתי

155

343366

2519

אבל לא. הם הבינו במהרה
שהם גילו

05:57

the pointsנקודות in her neocortexניוקורטקס that detectלזהות humorהוּמוֹר,

156

345885

3044

בניאו-קורטקס שלה
את הנקודות שמזהות הומור,

06:00

and she just foundמצאתי everything hilariousמצחיק

157

348929

1969

ולכן היא חשבה שהכל מצחיק

06:02

wheneverבְּכָל פַּעַם they stimulatedמוּמרָץ these pointsנקודות.

158

350898

2437

בכל פעם שהם גירו
את הנקודות האלה.

06:05

"You guys are so funnyמצחיק just standingעוֹמֵד around,"

159

353335

1925

"אתם כל-כך מצחיקים
כשאתם עומדים ככה מסביב,"

06:07

was the typicalאופייני commentתגובה,

160

355260

1738

היתה התגובה האופיינית,

06:08

and they weren'tלא היו funnyמצחיק,

161

356998

2302

והם לא היו מצחיקים כלל.

06:11

not while doing surgeryכִּירוּרגִיָה.

162

359300

3247

לא במהלך הניתוח.

06:14

So how are we doing todayהיום?

163

362547

4830

אז מה מצבנו היום?

06:19

Well, computersמחשבים are actuallyלמעשה beginningהתחלה to masterלִשְׁלוֹט

164

367377

3054

ובכן, המחשבים מתחילים להשתלט
על השפה האנושית

06:22

humanבן אנוש languageשפה with techniquesטכניקות

165

370431

2001

בעזרת טכניקות דומות לאלה
של הניאו-קורטקס.

06:24

that are similarדוֹמֶה to the neocortexניוקורטקס.

166

372432

2867

06:27

I actuallyלמעשה describedמְתוּאָר the algorithmאַלגוֹרִיתְם,

167

375299

1514

למען האמת, תיארתי את האלגוריתם,
שדומה למשהו שקרוי:

06:28

whichאיזה is similarדוֹמֶה to something calledשקוראים לו

168

376813

2054

06:30

a hierarchicalהיררכי hiddenמוּסתָר Markovמרקוב modelדֶגֶם,

169

378867

2233

"מודל מרקוב היררכי סמוי",
שאני עובד עליו מאז שנות ה-90.

06:33

something I've workedעבד on sinceמאז the '90s.

170

381100

3241

06:36

"Jeopardyסַכָּנָה" is a very broadרָחָב naturalטִבעִי languageשפה gameמִשְׂחָק,

171

384341

3238

"ג'פרדי" הוא שעשועון שפה טבעית
מקיף ביותר,

06:39

and Watsonווטסון got a higherגבוה יותר scoreציון

172

387579

1892

והמחשב "ווטסון" השיג ניקוד גבוה יותר

06:41

than the bestהטוב ביותר two playersשחקנים combinedמְשׁוּלָב.

173

389471

2000

משני השחקנים הטובים ביותר
גם יחד.

06:43

It got this queryשאילתא correctנכון:

174

391471

2499

הוא הבין נכון את החידה הזו:

06:45

"A long, tiresomeמְשַׁעֲמֵם speechנְאוּם

175

393970

2085

"נאום ארוך ומייגע
שנושא ציפוי של עוגה,"

06:48

deliveredנמסר by a frothyמוּקצָף pieפַּאִי toppingציפוי,"

176

396055

2152

06:50

and it quicklyבִּמְהִירוּת respondedהשיב,
"What is a meringueמִקצֶפֶת harangueתוֹכֵחָה?"

177

398207

2796

וענה במהירות:
"כמה שהקצפת מעייפת",

06:53

And Jenningsג 'נינגס and the other guy didn't get that.

178

401003

2635

בעוד ג'נינגס והמתחרה השני
לא הבינו זאת.

06:55

It's a prettyיפה sophisticatedמתוחכם exampleדוגמא of

179

403638

1926

זאת דוגמה מתוחכמת למדי
למחשב שמבין שפה אנושית,

06:57

computersמחשבים actuallyלמעשה understandingהֲבָנָה humanבן אנוש languageשפה,

180

405564

1914

06:59

and it actuallyלמעשה got its knowledgeיֶדַע by readingקריאה

181

407478

1652

והוא רכש את הידע שלו מקריאת
"וויקיפדיה" ואנציקלופדיות נוספות.

07:01

Wikipediaויקיפדיה and severalכַּמָה other encyclopediasאנציקלופדיות.

182

409130

3785

07:04

Fiveחָמֵשׁ to 10 yearsשנים from now,

183

412915

2133

בעוד 5-10 שנים

07:07

searchחפש enginesמנועים will actuallyלמעשה be basedמבוסס on

184

415048

2184

מנועי החיפוש יהיו מבוססים

לא רק על חיפוש
צירופי מלים וקישורים,

07:09

not just looking for combinationsשילובים of wordsמילים and linksקישורים

185

417232

2794

07:12

but actuallyלמעשה understandingהֲבָנָה,

186

420026

1914

אלא על הבנה ממשית,

07:13

readingקריאה for understandingהֲבָנָה the billionsמיליארדים of pagesדפים

187

421940

2411

וכדי להבין הם יקראו
מיליארדי דפים ברשת ובספרים.

07:16

on the webאינטרנט and in booksספרים.

188

424351

2733

07:19

So you'llאתה be walkingהליכה alongלְאוֹרֶך, and GoogleGoogle will popפּוֹפּ up

189

427084

2616

לדוגמה, את תטיילי לך,
ו"גוגל" יעלה ויגיד:

07:21

and say, "You know, Maryמרי, you expressedהביע concernדְאָגָה

190

429700

3081

"את יודעת, מרי,
לפני חודש הבעת בפני דאגה

07:24

to me a monthחוֹדֶשׁ agoלִפנֵי that your glutathioneגלוטתיון supplementלְהַשְׁלִים

191

432781

3019

"מכך שתוסף הגלותטיון שלך
לא עובר את מחסום דם המוח.

07:27

wasn'tלא היה gettingמקבל pastעבר the blood-brainדם מוח barrierמַחסוֹם.

192

435800

2231

07:30

Well, newחָדָשׁ researchמחקר just cameבא out 13 secondsשניות agoלִפנֵי

193

438031

2593

"אז מחקר שפורסם לפני 13 שניות

07:32

that showsמופעים a wholeכֹּל newחָדָשׁ approachגִישָׁה to that

194

440624

1711

"מציג גישה חדשה לגמרי לכך
ודרך חדשה לנטילת גלותטיון.

07:34

and a newחָדָשׁ way to take glutathioneגלוטתיון.

195

442335

1993

"הבה ואסכם אותו עבורך."

07:36

Let me summarizeלְסַכֵּם it for you."

196

444328

2562

07:38

Twentyעשרים yearsשנים from now, we'llטוֹב have nanobotsnanobots,

197

446890

3684

בעוד 20 שנה
יהיו לנו ננובוטים,

07:42

because anotherאַחֵר exponentialאקספוננציאלית trendמְגַמָה

198

450574

1627

כי מגמה מעריכית נוספת
היא מיזעור הטכנולוגיה.

07:44

is the shrinkingהִתכַּוְצוּת of technologyטֶכנוֹלוֹגִיָה.

199

452201

1615

07:45

They'llהם יהיו go into our brainמוֹחַ

200

453816

2370

הם ייכנסו למוח דרך נימי הדם

07:48

throughדרך the capillariesנימים

201

456186

1703

ועקרונית, יחברו את הניאו-קורטקס

07:49

and basicallyבעיקרון connectלְחַבֵּר our neocortexניוקורטקס

202

457889

2477

07:52

to a syntheticמְלָאכוּתִי neocortexניוקורטקס in the cloudענן

203

460366

3185

לניאו-קורטקס מלאכותי בענן,

07:55

providingמתן an extensionסיומת of our neocortexניוקורטקס.

204

463551

3591

ובכך יספקו הרחבה
לניאו-קורטקס שלנו.

07:59

Now todayהיום, I mean,

205

467142

1578

היום יש הרי מחשב
בטלפונים שלנו,

08:00

you have a computerמַחשֵׁב in your phoneטלפון,

206

468720

1530

08:02

but if you need 10,000 computersמחשבים for a fewמְעַטִים secondsשניות

207

470250

2754

אבל כשנחוצים 10,000 מחשבים
לכמה שניות, לחיפוש מורכב,

08:05

to do a complexמורכב searchחפש,

208

473004

1495

08:06

you can accessגִישָׁה that for a secondשְׁנִיָה or two in the cloudענן.

209

474499

3396

אפשר לגשת אליהם
לשניה או שתיים, בענן.

08:09

In the 2030s, if you need some extraתוֹסֶפֶת neocortexניוקורטקס,

210

477895

3095

בשנות ה-30 של המאה ה-21,
אם נזדקק לתוספת ניאו-קורטקס,

08:12

you'llאתה be ableיכול to connectלְחַבֵּר to that in the cloudענן

211

480990

2273

נוכל להתחבר אליו בענן
ישירות מן המוח.

08:15

directlyבאופן ישיר from your brainמוֹחַ.

212

483263

1648

08:16

So I'm walkingהליכה alongלְאוֹרֶך and I say,

213

484911

1543

למשל, אני מטייל לי ואומר:

08:18

"Oh, there's Chrisכריס Andersonאנדרסון.

214

486454

1363

"הנה כריס אנדרסון.
הוא בא לקראתי.

08:19

He's comingמגיע my way.

215

487817

1525

"כדאי שיהיה לי משהו מחוכם לומר.

08:21

I'd better think of something cleverחכם to say.

216

489342

2335

08:23

I've got threeשְׁלוֹשָׁה secondsשניות.

217

491677

1524

"יש לי 3 שניות.

08:25

My 300 millionמִילִיוֹן modulesמודולים in my neocortexניוקורטקס

218

493201

3097

"300 מיליון היחידות
של הניאו-קורטקס שלי

"לא יספיקו בשביל זה.
אני זקוק לעוד מיליארד,"

08:28

isn't going to cutגזירה it.

219

496298

1240

08:29

I need a billionמיליארד more."

220

497538

1246

08:30

I'll be ableיכול to accessגִישָׁה that in the cloudענן.

221

498784

3323

ואני אוכל לגשת אליהן בענן.

08:34

And our thinkingחושב, then, will be a hybridהיברידי

222

502107

2812

ואז החשיבה שלנו תהיה
חשיבת-כלאיים:

08:36

of biologicalבִּיוֹלוֹגִי and non-biologicalלא ביולוגי thinkingחושב,

223

504919

3522

ביולוגית וגם לא-ביולוגית.

08:40

but the non-biologicalלא ביולוגי portionחֵלֶק

224

508441

1898

אבל החלק הלא-ביולוגי

08:42

is subjectנושא to my lawחוֹק of acceleratingמאיצה returnsהחזרות.

225

510339

2682

כפוף ל"חוק ההחזר המואץ" שלי:

08:45

It will growלגדול exponentiallyאקספוננציאלית.

226

513021

2239

הוא יגדל באופן מעריכי.

08:47

And rememberלִזכּוֹר what happensקורה

227

515260

2016

זוכרים מה קרה

08:49

the last time we expandedמוּרחָב our neocortexניוקורטקס?

228

517276

2645

בפעם האחרונה בה הרחבנו
את הניאו-קורטקס שלנו?

08:51

That was two millionמִילִיוֹן yearsשנים agoלִפנֵי

229

519921

1426

זה היה לפני 2 מיליון שנים,
כשהפכנו לדמויי-אדם

08:53

when we becameהפכתי humanoidsאנושי

230

521347

1236

08:54

and developedמפותח these largeגָדוֹל foreheadsהמצח.

231

522583

1594

ופיתחנו את המצח הרחב הזה.

08:56

Other primatesפרימטים have a slantedאֲלַכסוֹנִי browמֵצַח.

232

524177

2583

ליונקים עילאיים אחרים
יש מצח משופע.

08:58

They don't have the frontalחֲזִיתִי cortexקליפת המוח.

233

526760

1745

אין להם אונה מצחית.

09:00

But the frontalחֲזִיתִי cortexקליפת המוח is not
really qualitativelyאיכותית differentשונה.

234

528505

3685

אבל אונה מצחית אינה
שונה בעצם מבחינה איכותית.

09:04

It's a quantitativeכמותי expansionהַרחָבָה of neocortexניוקורטקס,

235

532190

2743

זו הרחבה כמותית של הניאו-קורטקס,

09:06

but that additionalנוֹסָף quantityכַּמוּת of thinkingחושב

236

534933

2703

אך אותה תוספת כמותית בחשיבה
היא הגורם שאיפשר לנו

09:09

was the enablingהמאפשר factorגורם for us to take

237

537636

1779

09:11

a qualitativeאֵיכוּתִי leapלִקְפּוֹץ and inventלִהַמצִיא languageשפה

238

539415

3346

את הזינוק האיכותי
ואת המצאת השפה

09:14

and artאומנות and scienceמַדָע and technologyטֶכנוֹלוֹגִיָה

239

542761

1967

והאמנות, והמדע, והטכנולוגיה,

09:16

and TEDTED conferencesכנסים.

240

544728

1454

ואת כנסי TED.

09:18

No other speciesמִין has doneבוצע that.

241

546182

2131

אין עוד מין שעשה זאת.

09:20

And so, over the nextהַבָּא fewמְעַטִים decadesעשרות שנים,

242

548313

2075

אז במהלך העשורים הבאים
נעשה זאת שוב.

09:22

we're going to do it again.

243

550388

1760

09:24

We're going to again expandלְהַרְחִיב our neocortexניוקורטקס,

244

552148

2274

אנו עומדים להרחיב שוב
את הניאו-קורטקס שלנו,

09:26

only this time we won'tרָגִיל be limitedמוגבל

245

554422

1756

אלא שהפעם לא נהיה מוגבלים

09:28

by a fixedתוקן architectureארכיטקטורה of enclosureקַרפִּיף.

246

556178

4280

בגלל ארכיטקטורה נוקשה
של מארז כזה או אחר.

09:32

It'llזה יהיה be expandedמוּרחָב withoutלְלֹא limitלְהַגבִּיל.

247

560458

3304

הניאו-קורטקס יתרחב בצורה אינסופית.

09:35

That additionalנוֹסָף quantityכַּמוּת will again

248

563762

2243

ושוב, תוספת הכמות

09:38

be the enablingהמאפשר factorגורם for anotherאַחֵר qualitativeאֵיכוּתִי leapלִקְפּוֹץ

249

566005

3005

תהיה הגורם שיאפשר
זינוק איכותי נוסף

09:41

in cultureתַרְבּוּת and technologyטֶכנוֹלוֹגִיָה.

250

569010

1635

בתרבות ובטכנולוגיה.

09:42

Thank you very much.

251

570645

2054

תודה רבה לכם.

[מחיאות כפיים]

09:44

(Applauseתְשׁוּאוֹת)

252

572699

3086

Translated by Shlomo Adam
Reviewed by Sigal Tifferet

ABOUT THE SPEAKER

Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.

Why you should listen

Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.

Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.

In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

ריי קורצווייל: היכונו לעידן חשיבת הכלאיים | TED Talk | TED.com