TEDxSummit
Juan Enriquez: Will our kids be a different species?
Juan Enriquez: Czy nasze dzieci będą innym gatunkiem?
Filmed:
Readability: 3.6
2,006,663 views
Wiele rodzajów istot ludzkich współistniało w trakcie ewolucji człowieka. Czy możemy być w trakcie procesu przekształcania się w inny gatunek? Podczas TEDxSummit, Juan Enriquez zabiera nas w podróż przez historię, by na koniec, przez pryzmat nowoczesnych technologii, przyjrzeć się współczesności. Jego zdaniem, wiele zdaje się wskazywać, że przechodzimy obecnie przez dramatyczną ewolucję.
rzestrzeń i czas, aż do chwili obecnej. i pokazuje, że technologia ujawnia dowody, które sugerują, że szybka ewolucja może być w toku.
Juan Enriquez - Futurist
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Juan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society. Full bio
Double-click the English transcript below to play the video.
00:16
All right. So, like all good stories,
0
435
1983
Jak wszystkie dobre historie,
00:18
this starts a long, long time ago
1
2418
1934
ta zaczyna się: "dawno, dawno temu",
00:20
when there was basically nothing.
2
4352
2149
kiedy nie było właściwie niczego.
00:22
So here is a complete picture of the universe
3
6501
2400
Oto obraz wszechświata
00:24
about 14-odd billion years ago.
4
8901
3452
sprzed mniej więcej 14 miliardów lat.
00:28
All energy is concentrated into a single point of energy.
5
12353
3084
Cała energia koncentruje się w jednym punkcie.
00:31
For some reason it explodes,
6
15437
1584
Z jakiegoś powodu eksploduje
00:32
and you begin to get these things.
7
17021
2116
i zaczynają powstawać takie oto rzeczy.
00:35
So you're now about 14 billion years into this.
8
19137
2866
Oto jak wyglądał wszechświat 14 miliardów lat temu.
00:37
And these things expand and expand and expand
9
22003
1896
Następnie nasz wszechświat się rozszerza i rozszerza,
00:39
into these giant galaxies,
10
23899
1699
formując gigantyczne galaktyki,
00:41
and you get trillions of them.
11
25598
1319
których powstają biliony.
00:42
And within these galaxies
12
26917
2148
W tych galaktykach
00:44
you get these enormous dust clouds.
13
29065
2119
powstają ogromne chmury pyłu.
00:47
And I want you to pay particular attention
14
31184
1765
Zwróćcie szczególną uwagę
00:48
to the three little prongs
15
32949
1450
na te trzy małe wypustki
00:50
in the center of this picture.
16
34399
1901
w środku tego zdjęcia.
00:52
If you take a close-up of those,
17
36300
1415
W powiększeniu
00:53
they look like this.
18
37715
1653
wyglądają tak.
00:55
And what you're looking at is columns of dust
19
39368
2850
Widzicie tu kolumny pyłu,
00:58
where there's so much dust --
20
42218
2047
w których jest go tyle,
01:00
by the way, the scale of this is a trillion vertical miles --
21
44265
4333
- na marginesie, skala to bilion mil pionowo -
01:04
and what's happening is there's so much dust,
22
48598
2918
w których jest go tyle,
01:07
it comes together and it fuses
23
51516
1934
że jego cząsteczki łącząc się
01:09
and ignites a thermonuclear reaction.
24
53450
3459
wywołują reakcję termojądrową.
01:12
And so what you're watching
25
56909
842
To co macie okazję obserwować,
01:13
is the birth of stars.
26
57751
1985
to rodzące się gwiazdy.
01:15
These are stars being born out of here.
27
59736
1657
To narodziny gwiazd.
01:17
When enough stars come out,
28
61393
2468
Kiedy powstaje ich wystarczająco dużo,
01:19
they create a galaxy.
29
63861
1798
tworzą galaktykę.
01:21
This one happens to be a particularly important galaxy,
30
65659
3434
Ta jest szczególnie ważna,
01:24
because you are here.
31
69093
2216
bo jesteście tu wy.
01:27
(Laughter)
32
71309
1167
(śmiech)
01:28
And as you take a close-up of this galaxy,
33
72476
1651
Gdy przyjrzycie się jej bliżej,
01:30
you find a relatively normal,
34
74127
2065
znajdziecie względnie normalną,
01:32
not particularly interesting star.
35
76192
2368
nieszczególnie interesującą gwiazdę.
01:34
By the way, you're now about two-thirds of the way into this story.
36
78560
4015
Na marginesie, mamy już za sobą 2/3 tej historii.
01:38
So this star doesn't even appear
37
82575
2182
A ta gwiazda nie powstaje
01:40
until about two-thirds of the way into this story.
38
84757
2951
aż do tego momentu.
01:43
And then what happens
39
87708
1078
Potem dzieje się coś innego.
01:44
is there's enough dust left over
40
88786
1406
Masy pozostałego pyłu,
01:46
that it doesn't ignite into a star,
41
90192
1966
nie tworzą już gwiazdy
01:48
it becomes a planet.
42
92158
2000
ale planetę.
01:50
And this is about a little over four billion years ago.
43
94158
4825
Oto scenariusz wydarzeń sprzed 4 miliardów lat.
01:54
And soon thereafter
44
98983
1433
Krótko po tym,
01:56
there's enough material left over
45
100416
1917
wystarczająca ilość pozostałego materiału
01:58
that you get a primordial soup,
46
102333
4563
tworzy "zupę pierwotną",
02:02
and that creates life.
47
106896
1764
w której powstaje życie.
02:04
And life starts to expand and expand and expand,
48
108660
3881
I życie zaczyna się rozwijać i rozwijać ...
02:08
until it goes kaput.
49
112541
1751
aż kaput.
02:10
(Laughter)
50
114292
3488
(Śmiech)
02:13
Now the really strange thing
51
117780
1430
Zadziwiającym jest fakt,
02:15
is life goes kaput, not once, not twice,
52
119210
2906
że życie wymiera nie raz, nie dwa,
02:18
but five times.
53
122116
2216
ale pięć razy.
02:20
So almost all life on Earth
54
124332
2102
Więc niemal całe życie na Ziemii
02:22
is wiped out about five times.
55
126434
2464
wymiera około pięciu razy.
02:24
And as you're thinking about that,
56
128898
1552
Tymczasem,
02:26
what happens is you get more and more complexity,
57
130450
2432
życie staje się coraz bardziej złożone.
02:28
more and more stuff
58
132882
1234
Powstaje coraz więcej materiału
02:30
to build new things with.
59
134116
4118
a z niego nowe istoty.
02:34
And we don't appear
60
138234
1270
My natomiast pojawiamy się
02:35
until about 99.96 percent of the time into this story,
61
139504
5648
dopiero w ok. 99.96 % czasu trwania tej historii,
02:41
just to put ourselves and our ancestors in perspective.
62
145152
3930
żeby nabrać odpowiedniej perspektywy.
02:44
So within that context, there's two theories of the case
63
149082
3459
W tym kontekście, pojawiają się 2 teorie
02:48
as to why we're all here.
64
152541
1689
dotyczące naszej tutaj obecności.
02:50
The first theory of the case
65
154230
1589
Pierwsza z nich zakłada,
02:51
is that's all she wrote.
66
155819
3409
że to już wszystko - dzieło skończone.
02:55
Under that theory,
67
159228
1359
Zgodnie z nią,
02:56
we are the be-all and end-all
68
160587
1836
jesteśmy całym sensem
02:58
of all creation.
69
162423
1733
stworzenia.
03:00
And the reason for trillions of galaxies,
70
164156
2884
A powodem dla którego istnieją biliony galaktyk i
03:02
sextillions of planets,
71
167040
2013
tryliardy planet,
03:04
is to create something that looks like that
72
169053
4710
jest stworzenie czegoś, co wygląda tak
03:09
and something that looks like that.
73
173763
3633
i czegoś co wygląda tak.
03:13
And that's the purpose of the universe;
74
177396
1541
Oto jest cel istnienia wszechświata;
03:14
and then it flat-lines,
75
178937
1284
Następnie utrzymuje już jedynie stały poziom,
03:16
it doesn't get any better.
76
180221
1311
nie udoskonala się.
03:17
(Laughter)
77
181532
4480
(śmiech)
03:21
The only question you might want to ask yourself is,
78
186012
2819
Pojawia się pytanie:
03:24
could that be just mildly arrogant?
79
188831
5235
czy nie jest to aby odrobinę aroganckie?
03:29
And if it is --
80
194066
1741
A jeśli jest -
03:31
and particularly given the fact that we came very close to extinction.
81
195807
5382
zwłaszcza, że omal nie wyginęliśmy.
03:37
There were only about 2,000 of our species left.
82
201189
3367
Zostało około 2000 przedstawicieli naszego gatunku.
03:40
A few more weeks without rain,
83
204556
2083
Kilka tygodni suszy dłużej
03:42
we would have never seen any of these.
84
206639
3084
i już nie zobaczylibyśmy żadnego z nich.
03:45
(Laughter)
85
209723
6699
(śmiech)
03:52
(Applause)
86
216422
4634
(brawa)
03:56
So maybe you have to think about a second theory
87
221056
2966
Może zatem należy wziąć pod uwagę drugą teorię,
03:59
if the first one isn't good enough.
88
224022
2917
skoro pierwsza nie jest wystarczająco dobra.
04:02
Second theory is: Could we upgrade?
89
226939
1784
Druga teoria: Czy moglibyśmy się udoskonalać?
04:04
(Laughter)
90
228723
2899
(śmiech)
04:07
Well, why would one ask a question like that?
91
231622
3234
Po co ktoś miałby zadawać takie pytanie?
04:10
Because there have been at least 29 upgrades so far
92
234856
2465
Ponieważ do tej pory było
co najmniej 29 takich udoskonaleń
co najmniej 29 takich udoskonaleń
04:13
of humanoids.
93
237321
2036
humanoidów.
04:15
So it turns out that we have upgraded.
94
239357
2850
Okazuje się zatem, że się udoskonalaliśmy.
04:18
We've upgraded time and again and again.
95
242207
1915
Udoskonalaliśmy się raz za razem.
04:20
And it turns out that we keep discovering upgrades.
96
244122
2916
I wciąż odkrywamy kolejne udoskonalenia.
04:22
We found this one last year.
97
247038
2184
To odkryliśmy w zeszłym roku.
04:25
We found another one last month.
98
249222
2617
Kolejne w zeszłym miesiącu.
04:27
And as you're thinking about this,
99
251839
2199
Nasuwa się
04:29
you might also ask the question:
100
254038
2103
pytanie:
04:32
So why a single human species?
101
256141
3097
dlaczego istnieje tylko jeden gatunek ludzki?
04:35
Wouldn't it be really odd
102
259238
1834
Czy nie byłoby dziwnym
04:36
if you went to Africa and Asia and Antarctica
103
261072
3784
znaleźć dokładnie tego samego ptaka
04:40
and found exactly the same bird --
104
264856
2619
w Afryce, Azji czy na Antarktydzie.
04:43
particularly given that we co-existed at the same time
105
267475
3792
Zwłaszcza, że w tym samym czasie koegzystowaliśmy
04:47
with at least eight other versions of humanoid
106
271267
2786
z co najmniej 8 innymi wersjami humanoidów.
04:49
at the same time on this planet?
107
274053
2468
W tym samym czasie, na tej planecie?
04:52
So the normal state of affairs
108
276521
1879
Normalny stan rzeczy
04:54
is not to have just a Homo sapiens;
109
278400
2510
to nie tylko istnienie Homo sapiens,
04:56
the normal state of affairs
110
280910
1021
normalny stan rzeczy
04:57
is to have various versions of humans walking around.
111
281931
3829
to istnienie różnych wersji istot ludzkich.
05:01
And if that is the normal state of affairs,
112
285760
2817
A skoro to jest normalny stan rzeczy,
05:04
then you might ask yourself,
113
288577
2368
możecie zapytać,
05:06
all right, so if we want to create something else,
114
290945
2065
jak duża musiałaby być mutacja
05:08
how big does a mutation have to be?
115
293010
2868
aby stworzyć coś nowego ?
05:11
Well Svante Paabo has the answer.
116
295878
2632
Svante Paabo zna odpowiedź.
05:14
The difference between humans and Neanderthal
117
298510
2800
Róźnica pomiędzy ludźmi a Neandertalczykami
05:17
is 0.004 percent of gene code.
118
301310
3299
to 0.004 % kodu genetycznego.
05:20
That's how big the difference is
119
304609
1700
Oto różnica
05:22
one species to another.
120
306309
2217
między jednym gatunkiem a drugim.
05:24
This explains most contemporary political debates.
121
308526
4400
To wyjaśnia większość współczesnych debat politycznych.
05:28
(Laughter)
122
312926
1935
(śmiech)
05:30
But as you're thinking about this,
123
314861
3211
Tak naprawdę,
05:33
one of the interesting things
124
318072
1358
interesujące jest to,
05:35
is how small these mutations are and where they take place.
125
319430
3397
jakiego rozmiaru są to mutacje i gdzie zachodzą.
05:38
Difference human/Neanderthal
126
322827
1333
Różnica między człowiekiem a Neandertalczykiem
05:40
is sperm and testis,
127
324160
1733
zawiera się w: jądrach i spermie,
05:41
smell and skin.
128
325893
1368
węchu i skórze.
05:43
And those are the specific genes
129
327261
1486
Za to odpowiadają konkretne geny,
05:44
that differ from one to the other.
130
328747
2680
które w tym przypadku różnią się.
05:47
So very small changes can have a big impact.
131
331427
3101
Niewielkie zmiany mogą mieć ogromne skutki.
05:50
And as you're thinking about this,
132
334528
1632
W istocie,
05:52
we're continuing to mutate.
133
336160
2516
my wciąż się mutujemy.
05:54
So about 10,000 years ago by the Black Sea,
134
338676
2901
Około 10000 lat temu nad Morzem Czarnym
05:57
we had one mutation in one gene
135
341577
2060
mutacja zaledwie 1 genu,
05:59
which led to blue eyes.
136
343637
2556
zaowocowała niebieskim kolorem oczu.
06:02
And this is continuing and continuing and continuing.
137
346193
3884
Ten proces jest ciągły.
06:05
And as it continues,
138
350077
1434
W tym roku,
06:07
one of the things that's going to happen this year
139
351511
1765
w ramach tego właśnie procesu
06:09
is we're going to discover the first 10,000 human genomes,
140
353276
3333
nastąpi odczytanie pierwszych 10 000 genomów ludzkich -
06:12
because it's gotten cheap enough to do the gene sequencing.
141
356609
3269
sekwencjonowanie genomów
zrobiło się wystarczająco tanie.
zrobiło się wystarczająco tanie.
06:15
And when we find these,
142
359878
1588
Gdy to nastąpi,
06:17
we may find differences.
143
361466
2494
możemy w nich odnaleźć róźnice.
06:19
And by the way, this is not a debate that we're ready for,
144
363960
3076
Na marginesie, to debata na którą
nie jesteśmy jeszcze gotowi.
nie jesteśmy jeszcze gotowi.
06:22
because we have really misused the science in this.
145
367036
3376
Do tej pory nadużywaliśmy nauki w tej kwestii.
06:26
In the 1920s, we thought there were major differences between people.
146
370412
3683
W latach 20. sądziliśmy, że istnieją
istotne róźnice pomiędzy ludźmi.
istotne róźnice pomiędzy ludźmi.
06:29
That was partly based on Francis Galton's work.
147
374095
3798
Częściowo, na podstawie pracy Francisa Galtona -
06:33
He was Darwin's cousin.
148
377893
2136
kuzyna Darwina.
06:35
But the U.S., the Carnegie Institute,
149
380029
2315
Następnie, Carnegie Institute,
06:38
Stanford, American Neurological Association
150
382344
2582
Stanford, American Neurological Association
06:40
took this really far.
151
384926
1868
rozwinęły tą gałąź nauki jeszcze dalej.
06:42
That got exported and was really misused.
152
386794
3599
Wiedzę eksportowano i naprawdę źle wykorzystywano.
06:46
In fact, it led to some absolutely horrendous
153
390393
2685
Efektem czego było niesamowicie haniebne
06:48
treatment of human beings.
154
393078
2013
traktowanie istot ludzkich.
06:50
So since the 1940s, we've been saying there are no differences,
155
395091
2594
Dlatego od lat 40. mówi się, że różnic nie ma,
06:53
we're all identical.
156
397685
1320
że wszyscy jesteśmy tacy sami.
06:54
We're going to know at year end if that is true.
157
399005
3277
Pod koniec roku dowiemy się czy to prawda.
06:58
And as we think about that,
158
402282
1732
Tymczasem,
06:59
we're actually beginning to find things
159
404014
1518
zaczynamy zastanawiać się nad rzeczami typu:
07:01
like, do you have an ACE gene?
160
405532
3466
czy mam gen ACE?
07:04
Why would that matter?
161
408998
1978
Czemu to ważne?
07:06
Because nobody's ever climbed an 8,000-meter peak without oxygen
162
410976
4038
Bo nikomu bez genu ACE nie udało się wspiąć
07:10
that doesn't have an ACE gene.
163
415014
2750
na ponad 8 tys. szczyt bez butli z tlenem.
07:13
And if you want to get more specific,
164
417764
1869
Idąc dalej,
07:15
how about a 577R genotype?
165
419633
3015
co z genotypem 577R?
07:18
Well it turns out that every male Olympic power athelete ever tested
166
422648
4700
Otóż, każdy olimpijczyk płci męskiej
07:23
carries at least one of these variants.
167
427348
3250
ma przynajmniej jeden z tych wariantów.
07:26
If that is true,
168
430598
1654
Jeśli to prawda,
07:28
it leads to some very complicated questions
169
432252
2158
przed Olimpiadą w Londynie,
07:30
for the London Olympics.
170
434410
1801
rodzi się kilka zawiłych pytań.
07:32
Three options:
171
436211
1519
Pierwsze:
07:33
Do you want the Olympics to be a showcase
172
437730
2832
Czy chcemy, żeby Olimpiada była formą pokazu
07:36
for really hardworking mutants?
173
440562
2700
naprawdę pracowitych mutantów?
07:39
(Laughter)
174
443262
1733
(śmiech)
07:40
Option number two:
175
444995
2735
Drugie:
07:43
Why don't we play it like golf or sailing?
176
447730
3398
Dlaczego nie rozegramy tego jak golfa lub żeglarstwa?
07:47
Because you have one and you don't have one,
177
451128
2474
Skoro ty masz ten gen, a ty nie,
07:49
I'll give you a tenth of a second head start.
178
453602
3995
ty masz ułamek sekundy przewagi na starcie.
07:53
Version number three:
179
457597
1071
I trzecie:
07:54
Because this is a naturally occurring gene
180
458668
2069
Skoro to naturalnie występujący gen,
07:56
and you've got it and you didn't pick the right parents,
181
460737
2782
ty go posiadasz, ty natomiast nie wybrałeś
odpowiednich rodziców,
odpowiednich rodziców,
07:59
you get the right to upgrade.
182
463519
3949
masz zatem prawo do udoskonalenia się.
08:03
Three different options.
183
467468
1751
Trzy różne opcje.
08:05
If these differences are the difference
184
469219
1622
Różnice te mogą oznaczać
08:06
between an Olympic medal and a non-Olympic medal.
185
470841
3378
medal olimpijski lub jego brak.
08:10
And it turns out that as we discover these things,
186
474219
2834
A okazuje się że, w miarę odkrywania tych rzeczy,
08:12
we human beings really like to change
187
477053
3335
zaczynamy hołubić zmiany;
08:16
how we look, how we act,
188
480388
1694
zmieniamy wygląd, zachowania,
08:17
what our bodies do.
189
482082
1594
to co robią nasze ciała.
08:19
And we had about 10.2 million plastic surgeries in the United States,
190
483676
4374
W 2008 r. w USA przeprowadzono
ok. 10,2 mln operacji plastycznych,
ok. 10,2 mln operacji plastycznych,
08:23
except that with the technologies that are coming online today,
191
488050
3317
biorąc pod uwagę dzisiejszy postęp technologiczny,
08:27
today's corrections, deletions,
192
491367
2701
to poprawianie, usuwanie,
08:29
augmentations and enhancements
193
494068
1919
poszerzanie i udoskonalanie,
08:31
are going to seem like child's play.
194
495987
2913
wydają się dziecinna zabawą.
08:34
You already saw the work by Tony Atala on TED,
195
498900
3701
Poznaliście już zapewne pracę Tony'ego Atali,
08:38
but this ability to start filling
196
502601
3567
prezentował ją na TED,
08:42
things like inkjet cartridges with cells
197
506168
2933
tą zdolność do wypełniania ludzkimi komórkami 'kartridży'
08:45
are allowing us to print skin, organs
198
509101
4674
pozwalająca nam drukować skórę, organy
08:49
and a whole series of other body parts.
199
513775
2750
i całe mnóstwo innych części ciała.
08:52
And as these technologies go forward,
200
516525
1884
Te technologie się ciągle rozwijają
08:54
you keep seeing this, you keep seeing this, you keep seeing things --
201
518409
3784
a wy możecie to obserwować.
08:58
2000, human genome sequence --
202
522193
2774
W 2000 roku, po raz pierwszy odczytano
sekwencje ludzkiego genomu
sekwencje ludzkiego genomu
09:00
and it seems like nothing's happening,
203
524967
3782
i wydaje się, że nic się od tego momentu
w tej kwestii nie zmienia.
w tej kwestii nie zmienia.
09:04
until it does.
204
528749
3112
Jednak niebawem coś się może wydarzyć.
09:07
And we may just be in some of these weeks.
205
531861
3524
Może w nadchodzących tygodniach.
09:11
And as you're thinking about
206
535385
1599
Tak naprawdę o naukowcach,
którzy dokonali tego genetycznego wyczynu
którzy dokonali tego genetycznego wyczynu
09:12
these two guys sequencing a human genome in 2000
207
536984
3451
i samym projekcie
09:16
and the Public Project sequencing the human genome in 2000,
208
540435
3553
poznania ludzkiego genomu z 2000 roku
09:19
then you don't hear a lot,
209
543988
3164
później nie słyszeliście zbyt wiele,
09:23
until you hear about an experiment last year in China,
210
547152
3984
aż do wiadomości o zeszłorocznym
eksperymencie w Chinach
eksperymencie w Chinach
09:27
where they take skin cells from this mouse,
211
551136
4017
w trakcie, którego pobrano komórki skóry myszy,
09:31
put four chemicals on it,
212
555153
1733
dodano 4 związki chemiczne,
09:32
turn those skin cells into stem cells,
213
556886
3566
komórki skóry zmieniono w komórki macierzyste,
09:36
let the stem cells grow
214
560452
1465
pozwolono rosnąć,
09:37
and create a full copy of that mouse.
215
561917
3087
i w efekcie otrzymano wierną kopię tej myszy.
09:40
That's a big deal.
216
565004
3247
To bardzo istotny krok.
09:44
Because in essence
217
568251
1016
Oznacza on bowiem,
09:45
what it means is you can take a cell,
218
569267
2148
że można pobrać
09:47
which is a pluripotent stem cell,
219
571415
2286
pliripotencjalną komórką macierzystą
09:49
which is like a skier at the top of a mountain,
220
573701
2684
która jest jak narciarz na szczycie góry,
09:52
and those two skiers become two pluripotent stem cells,
221
576385
3817
i ci dwaj narciarze stają się dwiema pluripotencjalnymi komórkami macierzystymi,
09:56
four, eight, 16,
222
580202
1782
czterema, ośmioma, szesnastoma,
09:57
and then it gets so crowded
223
581984
1668
po 16 podziałach
09:59
after 16 divisions
224
583652
1800
zaczyna się robić tak tłoczno,
10:01
that those cells have to differentiate.
225
585452
2502
że komórki zaczynają się zróżnicować.
10:03
So they go down one side of the mountain,
226
587954
1433
Zjeżdżają jedną stroną góry,
10:05
they go down another.
227
589387
1233
zjeżdżają drugą.
10:06
And as they pick that,
228
590620
1534
I wybierając jedną z dróg
10:08
these become bone,
229
592154
2250
stają się kością,
10:10
and then they pick another road and these become platelets,
230
594404
2932
inne trombocytami,
10:13
and these become macrophages,
231
597336
2117
makrofagami,
10:15
and these become T cells.
232
599453
1267
czy komórkami T.
10:16
But it's really hard, once you ski down,
233
600720
1952
Jednak gdy zjedzie się już na dół,
10:18
to get back up.
234
602672
1523
bardzo trudno jest wrócić na górę.
10:20
Unless, of course, if you have a ski lift.
235
604195
5412
Chyba, że ma się do dyspozycji wyciąg narciarski.
10:25
And what those four chemicals do
236
609607
2449
A te cztery związki chemiczne
10:27
is they take any cell
237
612056
2069
zabierają każdą komórkę
10:30
and take it way back up the mountain
238
614125
1932
z powrotem na górę,
10:31
so it can become any body part.
239
616057
2033
żeby mogła stać się jakąkolwiek częścią ciała.
10:33
And as you think of that,
240
618090
1728
W istocie,
10:35
what it means is potentially
241
619818
1980
to oznacza, że potencjalnie
10:37
you can rebuild a full copy
242
621798
2175
można stworzyć wierną kopię
10:39
of any organism
243
623973
1867
każdego organizmu,
10:41
out of any one of its cells.
244
625840
2586
z jakiejkolwiek jego komórki.
10:44
That turns out to be a big deal
245
628426
2531
To okazuje się być ważne,
10:46
because now you can take, not just mouse cells,
246
630957
2566
bo obecnie można pobrać nie tylko komórki myszy,
10:49
but you can human skin cells
247
633523
2318
ale też komórki ludzkiej skóry
10:51
and turn them into human stem cells.
248
635841
3650
i zamienić je w ludzkie komórki macierzyste.
10:55
And then what they did in October
249
639491
3198
W październiku pobrano komórki skóry,
10:58
is they took skin cells, turned them into stem cells
250
642689
3400
zamieniono je w komórki macierzyste,
11:01
and began to turn them into liver cells.
251
646089
3673
które później zmieniono w komórki wątroby.
11:05
So in theory,
252
649762
1044
Teoretycznie zatem,
11:06
you could grow any organ from any one of your cells.
253
650806
5184
można wyhodować dowolny organ
z dowolnej komórki ludzkiego ciała.
z dowolnej komórki ludzkiego ciała.
11:11
Here's a second experiment:
254
655990
1718
Przytoczmy inny wart uwagi eksperyment.
11:13
If you could photocopy your body,
255
657708
3133
Gdybyście mogli powielić swoje ciało,
11:16
maybe you also want to take your mind.
256
660841
3052
pewnie chcielibyście również powielić swój umysł.
11:19
And one of the things you saw at TED
257
663893
1565
Około 1,5 roku temu,
11:21
about a year and a half ago
258
665458
1250
jedną z osób, którą mieliście okazję zobaczyć na TED
11:22
was this guy.
259
666708
1435
był ten facet.
11:24
And he gave a wonderful technical talk.
260
668143
2600
Wygłosił niesamowicie fachowe przemówienie.
11:26
He's a professor at MIT.
261
670743
1599
Jest profesorem na MIT.
11:28
But in essence what he said
262
672342
1916
Powiedział,
11:30
is you can take retroviruses,
263
674258
1700
że można pobrać retrowirusy,
11:31
which get inside brain cells of mice.
264
675958
2800
które przedostają się do komórek mózgowych myszy.
11:34
You can tag them with proteins
265
678758
2440
Można je oznaczyć
11:37
that light up when you light them.
266
681198
2094
fluorescencyjnymi białkami,
11:39
And you can map the exact pathways
267
683292
3716
odwzorować ich dokładne ścieżki,
11:42
when a mouse sees, feels, touches,
268
687008
3483
pojawiające się gdy mysz widzi,
11:46
remembers, loves.
269
690491
2183
czuje, dotyka, pamięta, kocha.
11:48
And then you can take a fiber optic cable
270
692674
2373
A potem za pomocą kabla światłowodowego
11:50
and light up some of the same things.
271
695047
3819
można rozświetlić niektóre z nich.
11:54
And by the way, as you do this,
272
698866
1832
Później
11:56
you can image it in two colors,
273
700698
2017
można to wyświetlić w dwóch kolorach,
11:58
which means you can download this information
274
702715
2399
co znaczy, że można wprowadzić tę informację
12:01
as binary code directly into a computer.
275
705114
4740
w postaci kodu binarnego bezpośrednio do komputera.
12:05
So what's the bottom line on that?
276
709854
2473
I co z tego wynika?
12:08
Well it's not completely inconceivable
277
712327
2200
Nie jest całkowicie nieprawdopodobnym,
12:10
that someday you'll be able to download your own memories,
278
714527
4495
że pewnego dnia, będzie można
przesłać swoje wspomnienia
przesłać swoje wspomnienia
12:14
maybe into a new body.
279
719022
2387
do nowego ciała.
12:17
And maybe you can upload other people's memories as well.
280
721409
5085
Wspomnienia swoje czy też innych osób.
12:22
And this might have just one or two
281
726494
2514
Oczywiście może to ze sobą nieść pewne
12:24
small ethical, political, moral implications.
282
729008
3520
etyczne, polityczne i moralne konsekwencje.
12:28
(Laughter)
283
732528
1531
(śmiech)
12:29
Just a thought.
284
734059
2991
Mała dygresja.
12:32
Here's the kind of questions
285
737050
1528
Ten aspekt nauki często staje się
12:34
that are becoming interesting questions
286
738578
1980
przedmiotem rozważań
12:36
for philosophers, for governing people,
287
740558
2484
filozofów, rządzących,
12:38
for economists, for scientists.
288
743042
3366
ekonomistów, naukowców.
12:42
Because these technologies are moving really quickly.
289
746408
3284
Ponieważ te technologie rozwijają się w ogromnym tempie.
12:45
And as you think about it,
290
749692
1500
Pozwólcie że zakończę ostatnim przykładem.
12:47
let me close with an example of the brain.
291
751192
3082
Mózg.
12:50
The first place where you would expect
292
754274
1683
Organem, na który oddziałuje niesamowita
12:51
to see enormous evolutionary pressure today,
293
755957
3051
presja ewolucyjna,
12:54
both because of the inputs,
294
759008
2265
zarówno z powodu natłoku
12:57
which are becoming massive,
295
761273
1552
ciągle przybywających informacji,
12:58
and because of the plasticity of the organ,
296
762825
1782
jak i ze względu na jego plastyczność,
13:00
is the brain.
297
764607
2534
jest mózg.
13:03
Do we have any evidence that that is happening?
298
767141
3318
Czy są jakieś dowody na to, że tak się dzieje?
13:06
Well let's take a look at something like autism incidence per thousand.
299
770459
4731
Przyjrzyjmy się częstotliwości występowania autyzmu.
13:11
Here's what it looks like in 2000.
300
775190
2502
Tak wyglądało to w 2000 r.,
13:13
Here's what it looks like in 2002,
301
777692
2082
tak to wyglądało w 2002
13:15
2006, 2008.
302
779774
4618
a tak w 2006 i 2008.
13:20
Here's the increase in less than a decade.
303
784392
4082
Oto jak zwiększyła się liczba chorych w niecałą dekadę.
13:24
And we still don't know why this is happening.
304
788474
4417
Wciąż nie wiemy dlaczego tak się dzieje.
13:28
What we do know is, potentially,
305
792891
2485
Wiemy natomiast,
13:31
the brain is reacting in
306
795376
2032
że mózg reaguje
13:33
a hyperactive, hyper-plastic way,
307
797408
2134
nadpobudliwie, hiperplastycznie,
13:35
and creating individuals that are like this.
308
799542
2950
i stwarza jednostki cierpiące na tę przypadłość.
13:38
And this is only one of the conditions that's out there.
309
802492
2757
A to tylko jedna z chorób.
13:41
You've also got people with who are extraordinarily smart,
310
805249
3540
Są też ludzie, którzy są nieprzeciętnie mądrzy,
13:44
people who can remember everything they've seen in their lives,
311
808789
2397
ludzie, którzy mają zdolność zapamiętania
wszystkiego co widzieli w swoim życiu,
wszystkiego co widzieli w swoim życiu,
13:47
people who've got synesthesia,
312
811186
1385
ludzie z synestezją,
13:48
people who've got schizophrenia.
313
812571
1331
ludzie cierpiący na schizofrenię.
13:49
You've got all kinds of stuff going on out there,
314
813902
2534
Zachodzi tak wiele procesów,
13:52
and we still don't understand
315
816436
1218
których wciąż nie rozumiemy.
13:53
how and why this is happening.
316
817654
2233
Jak i dlaczego tak się dzieje.
13:55
But one question you might want to ask is,
317
819887
2682
Do takich frapujących pytań należą:
13:58
are we seeing a rapid evolution of the brain
318
822569
2628
czy obserwujemy szybką ewolucję mózgu?
14:01
and of how we process data?
319
825197
1825
i w jaki sposób przetwarzamy dane?
14:02
Because when you think of how much data's coming into our brains,
320
827022
3063
Pamiętajmy,
14:05
we're trying to take in as much data in a day
321
830085
3484
że obecnie nasze mózgi codziennie
przyswajają taką ilość danych
przyswajają taką ilość danych
14:09
as people used to take in in a lifetime.
322
833569
2551
jaką nasi przodkowie przyswajali
w ciągu całego swojego życia.
w ciągu całego swojego życia.
14:12
And as you're thinking about this,
323
836120
2632
Istnieją 4 wiodące teorie
14:14
there's four theories as to why this might be going on,
324
838752
2342
próbujące nam wytłumaczyć obecny stan rzeczy;
14:16
plus a whole series of others.
325
841094
1327
Cztery wiodące i cały szereg innych.
14:18
I don't have a good answer.
326
842421
1649
Nie znam prawidłowej odpowiedzi.
14:19
There really needs to be more research on this.
327
844070
3616
Naprawdę potrzeba nam więcej badań.
14:23
One option is the fast food fetish.
328
847686
2235
Jedna z nich wiąże te zmiany
z tzw. 'fetyszem fastfoodowym'
z tzw. 'fetyszem fastfoodowym'
14:25
There's beginning to be some evidence
329
849921
2449
Zaczynają pojawiać się dowody,
14:28
that obesity and diet
330
852370
2251
że otyłość i dieta
14:30
have something to do
331
854621
1631
mają coś wspólnego
14:32
with gene modifications,
332
856252
1768
z modyfikacjami genów,
14:33
which may or may not have an impact
333
858020
2350
które później mogą lub nie wpływać
14:36
on how the brain of an infant works.
334
860370
3517
na działanie mózgu noworodków.
14:39
A second option is the sexy geek option.
335
863887
3955
Druga teoria dotyczy seksownych kujonów.
14:43
These conditions are highly rare.
336
867842
4243
Te okoliczności występują niezwykle rzadko.
14:47
(Laughter)
337
872085
3038
(Śmiech)
14:51
(Applause)
338
875123
5300
(Brawa)
14:56
But what's beginning to happen
339
880423
1633
Dochodzi do tego,
14:57
is because these geeks are all getting together,
340
882056
2534
że kujony zaczynają się spotykać.
15:00
because they are highly qualified for computer programming
341
884590
2897
Nieprzeciętnie uzdolnieni w kwestii
programowania komputerowego
programowania komputerowego
15:03
and it is highly remunerated,
342
887487
2318
i innych, dobrze płatnych zadań wymagających
15:05
as well as other very detail-oriented tasks,
343
889805
3150
podobnych zdolności,
15:08
that they are concentrating geographically
344
892955
2449
zaczynają się skupiać geograficznie
15:11
and finding like-minded mates.
345
895404
2967
i dobierać podobnych do sobie partnerów seksualnych.
15:14
So this is the assortative mating hypothesis
346
898371
3568
Oto hipoteza kojarzenia selektywnego genów,
15:17
of these genes reinforcing one another
347
901939
2700
które wzajemnie się wzmacniają
15:20
in these structures.
348
904639
2117
w swoich strukturach.
15:22
The third, is this too much information?
349
906756
2950
Trzecia teoria wiąże ewolucję mózgu z natłokiem informacji.
15:25
We're trying to process so much stuff
350
909706
1497
Próbujemy przetworzyć tyle danych,
15:27
that some people get synesthetic
351
911203
2352
że niektórzy ludzie stają się synestetami,
15:29
and just have huge pipes that remember everything.
352
913555
2600
i po prostu pamiętają wszystko.
15:32
Other people get hyper-sensitive to the amount of information.
353
916155
2669
Inni stają się nadwrażliwi na ilość informacji.
15:34
Other people react with various psychological conditions
354
918824
3982
Inni na taki natłok informacji reagują
15:38
or reactions to this information.
355
922806
1632
różnymi chorobami psychicznymi
15:40
Or maybe it's chemicals.
356
924438
2702
Czwarta teoria natomiast, u podstaw
tych zmian widzi związki chemiczne.
tych zmian widzi związki chemiczne.
15:43
But when you see an increase
357
927140
1765
Ale kiedy obserwuje się
15:44
of that order of magnitude in a condition,
358
928905
2351
wzrost o takim charakterze i takiej wielkości
15:47
either you're not measuring it right
359
931256
1565
to albo zbiera się dane w sposób nieprawidłowy
15:48
or there's something going on very quickly,
360
932821
2518
albo też dzieje się tam coś zgoła innego.
15:51
and it may be evolution in real time.
361
935339
4032
Może to być właśnie ewolucja,
15:55
Here's the bottom line.
362
939371
2503
dokonująca się na naszych oczach.
15:57
What I think we are doing
363
941874
2181
Moim zdaniem,
15:59
is we're transitioning as a species.
364
944055
1716
jako gatunek jesteśmy w okresie przejściowym.
16:01
And I didn't think this when Steve Gullans and I started writing together.
365
945771
5484
Nie myślałem o tym, kiedy zaczynałem
pisać ze Stevem Gullansem.
pisać ze Stevem Gullansem.
16:07
I think we're transitioning into Homo evolutis
366
951255
2451
Sądzę, żę przekształcamy się w Homo evolutis,
16:09
that, for better or worse,
367
953706
1399
który, nie tylko jest homonidem
16:11
is not just a hominid that's conscious of his or her environment,
368
955105
4182
świadomym swojego otoczenia,
16:15
it's a hominid that's beginning to directly and deliberately
369
959287
3219
ale również zaczyna celowo i bezpośrednio
16:18
control the evolution of its own species,
370
962506
3198
kontrolować ewolucję swojego gatunku,
16:21
of bacteria, of plants, of animals.
371
965704
3834
bakterii, roślin, zwierząt.
16:25
And I think that's such an order of magnitude change
372
969538
2835
To tak poważna zmiana,
16:28
that your grandkids or your great-grandkids
373
972373
3103
że wasze wnuki lub prawnuki
16:31
may be a species very different from you.
374
975476
3045
mogą być już zupełnie innym gatunkiem.
16:34
Thank you very much.
375
978521
1586
Dziękuję.
16:36
(Applause)
376
980107
5331
(Brawa)
ABOUT THE SPEAKER
Juan Enriquez - FuturistJuan Enriquez thinks and writes about the profound changes that genomics and other life sciences will bring in business, technology, politics and society.
Why you should listen
A broad thinker who studies the intersections of these fields, Enriquez has a talent for bridging disciplines to build a coherent look ahead. He is the managing director of Excel Venture Management, a life sciences VC firm. He recently published (with Steve Gullans) Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Shaping Life on Earth. The book describes a world where humans increasingly shape their environment, themselves and other species.
Enriquez is a member of the board of Synthetic Genomics, which recently introduced the smallest synthetic living cell. Called “JCVI-syn 3.0,” it has 473 genes (about half the previous smallest cell). The organism would die if one of the genes is removed. In other words, this is the minimum genetic instruction set for a living organism.
Juan Enriquez | Speaker | TED.com