ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.

Why you should listen

Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.

In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.

In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.

Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.

Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.

More profile about the speaker
Eric Haseltine | Speaker | TED.com
TED Talks Live

Eric Haseltine: What will be the next big scientific breakthrough?

Eric Haseltine: Qual será a próxima grande descoberta científica?

Filmed:
1,571,528 views

Ao longo da História, a especulação foi o motor da ciência bela e revolucionária — abrindo-nos os olhos para um universo completamente novo. "Não me refiro à ciência que dá pequenos passos", diz Eric Haseltine. "Refiro-me à ciência que dá passos enormes." Nesta palestra, Haseltine leva-nos ao limite da busca intelectual de modo fervoroso, com duas ideias — uma que já fez História, e outra que mergulha numa das maiores questões da humanidade, com uma ambição admirável (e uma dose saudável de cepticismo de muitos).
- Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology. Full bio

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

00:12
TonightHoje à noite, I'm going to sharecompartilhar with you
my passionpaixão for scienceCiência.
0
920
3616
Esta noite vou partilhar convosco
a minha paixão pela ciência.
00:16
I'm not talkingfalando about scienceCiência
that takes babybebê stepspassos.
1
4560
3016
Não me refiro à ciência
que dá pequenos passos.
00:19
I'm talkingfalando about scienceCiência
that takes enormousenorme leapssaltos.
2
7600
4256
Refiro-me à ciência
que dá passos enormes.
00:23
I'm talkingfalando DarwinDarwin, I'm talkingfalando EinsteinEinstein,
3
11880
3376
Refiro-me a Darwin,
refiro-me a Einstein,
00:27
I'm talkingfalando revolutionaryrevolucionário scienceCiência
that turnsgira the worldmundo on its headcabeça.
4
15280
3600
refiro-me à ciência revolucionária
que vira o mundo de pernas para o ar.
00:31
In a momentmomento, I'm going to talk
about two ideasidéias that mightpoderia do this.
5
19440
3400
Dentro de momentos, irei falar-vos
sobre duas ideias com este potencial.
Eu digo "potencial"
00:35
I say "mightpoderia"
6
23800
1216
porque muitas ideias revolucionárias
estão simplesmente erradas,
00:37
because, with revolutionaryrevolucionário ideasidéias,
mosta maioria are flatplano wrongerrado,
7
25040
2776
00:39
and even those that are right
seldomraramente have the impactimpacto
8
27840
2456
e mesmo as que estão certas
raramente têm o impacto
00:42
that we want them to have.
9
30320
1696
que gostaríamos que tivessem.
00:44
To explainexplicar why I pickedescolhido
two ideasidéias in particularespecial,
10
32040
2496
Para explicar porque escolhi
estas duas ideias,
00:46
I'm going to startcomeçar with a mysterymistério.
11
34560
1680
vou começar com um mistério.
00:48
1847, ViennaViena, AustriaÁustria.
12
36840
3080
1847, Viena, Áustria.
00:53
IgnazIgnaz SemmelweisSemmelweis was a sombersombrio,
compulsivelycompulsivamente thoroughcompleta doctormédico
13
41080
3616
Ignaz Semmelweis era um médico
soturno e compulsivamente minucioso
00:56
who rancorreu two maternitymaternidade clinicsclínicas.
14
44720
1856
que geria duas maternidades.
00:58
They were identicalidêntico exceptexceto for one thing.
15
46600
2440
Estas eram iguais excepto num aspecto.
A morte de mulheres, após o parto,
devido a febres altas
01:01
WomenMulheres were dyingmorrendo of highAlto feversfebres
soonem breve after givingdando birthnascimento
16
49720
2656
01:04
threetrês timesvezes more oftenfrequentemente
at one of the clinicsclínicas than at the other.
17
52400
3560
tinha uma incidência três vezes maior
numa das maternidades.
01:08
TryingA tentar to figurefigura out
what the differencediferença was that causedcausou this,
18
56600
2936
Para tentar perceber
que diferença causava este fenómeno,
01:11
SemmelweisSemmelweis lookedolhou at everything he could.
19
59560
2016
Semmelweis investigou tudo o que pôde.
01:13
SanitationSaneamento? No.
20
61600
1736
Saneamento? Não.
01:15
MedicalMédica proceduresprocedimentos? No.
21
63360
2000
Procedimentos médicos? Não.
01:18
AirAr flowfluxo? No.
22
66000
1920
Circulação de ar? Não.
01:20
The puzzleenigma wentfoi unsolvednão resolvidos
untilaté he happenedaconteceu to autopsyautópsia a doctormédico
23
68800
3256
O enigma ficou por resolver
até que ele autopsiou um médico
que morrera após a infecção
de um corte feito com um bisturi.
01:24
who diedmorreu of an infectedinfectado scalpelbisturi cutcortar.
24
72080
2000
01:26
The doctor'smédico symptomssintomas were identicalidêntico
to those of the mothersmães who were dyingmorrendo.
25
74760
3776
Os sintomas do médico eram idênticos
aos das mães moribundas.
01:30
How was that possiblepossível?
26
78560
1376
Como era isso possível?
01:31
How could a malemasculino doctormédico
get the samemesmo thing as newNovo mothersmães?
27
79960
2880
Como podia um homem apanhar
a mesma doença que mulheres puérperas?
01:35
SemmelweisSemmelweis reconstructedreconstruída
everything the doctormédico had donefeito
28
83560
3256
Semmelweis reconstituiu
todas as acções do médico
01:38
right before he got sickdoente,
29
86840
1256
mesmo antes de ficar doente,
01:40
and he discovereddescobriu
that he'dele teria been autopsyingautopsying a corpsecadáver.
30
88120
4296
e descobriu que ele
tinha estado a autopsiar um cadáver.
01:44
Had something gottenobtido
in his woundferida that killedmorto him?
31
92440
2800
Teria sido algo que entrara na ferida dele
que o matou?
01:48
With growingcrescendo excitementexcitação,
32
96760
1776
Com emoção crescente,
01:50
SemmelweisSemmelweis lookedolhou
for any connectionconexão he could
33
98560
2816
Semmelweis olhou
para todas as relações que conseguia,
01:53
betweenentre deadmorto bodiescorpos in the morguenecrotério
and deadmorto mothersmães in his deliveryEntrega roomquarto,
34
101400
5376
entre cadáveres na morgue
e mães mortas na sua sala de parto,
01:58
and he foundencontrado it.
35
106800
1600
e encontrou a resposta.
02:01
It turnedvirou out that at the hospitalhospital
with the highAlto deathmorte ratetaxa,
36
109320
2856
Acontece que, no hospital
com a maior taxa de mortes,
02:04
but not the othersoutras,
37
112200
1776
e apenas nesse,
02:06
doctorsmédicos deliveredentregue babiesbebês immediatelyimediatamente
after autopsyingautopsying corpsescadáveres in the morguenecrotério.
38
114000
5136
os médicos faziam os partos imediatamente
após autopsiarem corpos na morgue.
02:11
AhaAha! CorpsesCadáveres were contaminatingcontaminando
the doctors'dos médicos handsmãos
39
119160
3936
Aha! Os cadáveres estavam a contaminar
as mãos dos médicos
02:15
and killingmatando his mothersmães.
40
123120
1240
e a matar as mães.
02:17
So he orderedordenado the doctorsmédicos
to sterilizeesterilizar theirdeles handsmãos,
41
125240
3055
Assim, ele ordenou que os médicos
esterilizassem as mãos,
02:20
and the deathsmortes stoppedparado.
42
128320
2280
e as mortes cessaram.
02:23
DrDr. IgnazIgnaz SemmelweisSemmelweis
had discovereddescobriu infectiousinfecciosas diseasedoença.
43
131400
4400
O Dr. Ignaz Semmelweis
descobrira as doenças infecciosas.
02:28
But the doctorsmédicos of the day
thought he was crazylouco,
44
136400
3416
Mas os médicos da altura
pensaram que ele era maluco,
02:31
because they knewsabia,
and had for hundredscentenas of yearsanos,
45
139840
3496
porque eles sabiam,
há séculos,
02:35
that odorousodoríferos vaporsvapores
calledchamado miasmasmiasma causedcausou diseasedoença,
46
143360
5096
que eram os vapores pútridos
chamados miasmas que causavam as doenças,
02:40
not these hypotheticalhipotético particlespartículas
that you couldn'tnão podia see.
47
148480
3400
e não essas partículas hipotéticas
que não se podiam ver.
02:44
It tooktomou 20 yearsanos
for FrenchmanFrancês LouisLouis PasteurPasteur
48
152880
4176
Foram precisos vinte anos
para que o francês Louis Pasteur
02:49
to proveprovar that SemmelweisSemmelweis was right.
49
157080
1960
provasse que Semmelweis estava certo.
02:51
PasteurPasteur was an agriculturalagrícola chemistquímico
50
159680
2696
Pasteur era químico agrícola
02:54
who triedtentou to figurefigura out
why milkleite and beerCerveja spoiledmimada so oftenfrequentemente.
51
162400
4176
que tentou perceber porque é que
o leite e a cerveja se estragavam tanto.
02:58
He foundencontrado that bacteriabactérias were the culpritsculpados.
52
166600
2440
Descobriu que os culpados
eram as bactérias.
03:02
He alsoAlém disso foundencontrado that bacteriabactérias
could killmatar people in exactlyexatamente the samemesmo way
53
170160
3856
Também descobriu que as bactérias
conseguiam matar pessoas da mesma forma
03:06
that Semmelweis'sDo Semmelweis patientspacientes were dyingmorrendo.
54
174040
2320
que os pacientes
de Semmelweis tinham morrido.
03:09
We now look at what I want
to talk about tonightesta noite, in two ideasidéias.
55
177120
4400
Vamos agora analisar aquilo de que vos
quero falar esta noite, em duas ideias.
03:14
We saw it with SemmelweisSemmelweis,
that he was a revolutionaryrevolucionário.
56
182600
2920
Já vimos isto com Semmelweis,
que ele foi um revolucionário.
03:18
He did it for two reasonsrazões.
57
186560
1256
E foi-o por duas razões.
03:19
One, he openedaberto our eyesolhos
to a completelycompletamente newNovo worldmundo.
58
187840
3240
Primeira, ele abriu-nos os olhos
para um mundo totalmente novo.
03:23
We'dGostaríamos knownconhecido sinceDesde a the 1680s about bacteriabactérias.
59
191720
2976
Já se sabia da existência de bactérias
desde a década de 1680.
03:26
We just didn't know
that bacteriabactérias killedmorto people.
60
194720
2456
Simplesmente, não sabíamos
que podiam matar pessoas.
03:29
And he alsoAlém disso demolisheddemolido fondapaixonado por ideasidéias
that people keptmanteve closefechar to theirdeles heartcoração.
61
197200
5056
Ele também deitou abaixo ideias queridas
e acarinhadas por várias pessoas.
03:34
MiasmasMiasma didn't killmatar people.
BacteriaBactérias killedmorto people.
62
202280
3320
Os miasmas não matavam pessoas.
As bactérias matavam pessoas.
03:38
So this bringstraz me to the two ideasidéias
I want to talk about tonightesta noite.
63
206080
3336
Isto leva-me às duas ideias
de que quero falar esta noite.
03:41
One has openedaberto our eyesolhos
to a completelycompletamente newNovo universeuniverso,
64
209440
2816
Uma abriu-nos os olhos
para um universo totalmente novo,
03:44
and the other attacksataques long-heldlonga data beliefscrenças.
65
212280
3976
e a outra atacou crenças antigas.
03:48
Let's get startedcomeçado with DrDr. EricEric BetzigBetzig.
66
216280
1936
Comecemos com o Dr. Eric Betzig.
03:50
He's a physicistfísico who has openedaberto our eyesolhos
to an entirelyinteiramente newNovo worldmundo
67
218240
3896
É um físico que nos abriu os olhos
para um mundo completamente novo
03:54
by violatinga violação the lawsleis of physicsfísica.
68
222160
1880
desafiando as leis da Física.
03:56
BetzigBetzig is a trueverdade rebelrebelde.
69
224720
1280
Betzig é um verdadeiro rebelde.
03:58
He quitSair a jobtrabalho at prestigiousprestígio
BellBell LaboratoryLaboratório
70
226560
2896
Despediu-se do prestigioso
Bell Laboratory,
04:01
inventinginventando newNovo microscopesmicroscópios for biologybiologia
71
229480
2256
onde inventava
microscópios novos para Biologia,
04:03
because he thought scientistscientistas
were takinglevando his brilliantbrilhante inventionsinvenções
72
231760
4336
porque achou que os cientistas
estavam a fazer um péssimo trabalho
com as suas invenções brilhantes.
04:08
and doing lousynojento work with them.
73
236120
1520
04:10
So he becamepassou a ser a househusbandIgor,
74
238880
3040
Então tornou-se num dono de casa,
04:15
but he never lostperdido his passionpaixão
for figuringfigurando out
75
243360
2576
mas nunca perdeu a paixão
por tentar descobrir
como fazer com que os microscópicos
vissem com um detalhe maior
04:17
how to get microscopesmicroscópios
to see finermais fino and finermais fino detailsdetalhes
76
245960
2896
04:20
than had ever been seenvisto before
or ever could be seenvisto.
77
248880
2477
do que alguma vez se tinha visto
ou poderia ser visto.
04:23
This is crucialcrucial if we're ever
going to understandCompreendo how cellscélulas work,
78
251960
4456
Isto é fundamental para perceber
como as células funcionam,
como o cancro funciona,
04:28
and how cancerCâncer workstrabalho,
79
256440
1495
04:29
and how something
150thº the sizeTamanho of a headcabeça of a pinPIN
80
257959
5417
e como algo que mede um centésimo
quinquagésimo da cabeça de um alfinete
04:35
can do all these amazingsurpreendente things,
81
263400
2136
pode fazer tantas coisas e tão fascinantes
04:37
like make proteinsproteínas
82
265560
1576
como fazer proteínas,
04:39
and movemover chargescobranças around
83
267160
1896
movimentar cargas
04:41
and all of those things.
84
269080
1280
e todas essas coisas.
04:43
There's just one problemproblema.
85
271400
1680
Só há um problema.
04:46
There's this thing
calledchamado the lawlei of physicsfísica,
86
274040
2976
Há uma coisa chamada
Lei da Física,
04:49
and partparte of the lawlei of physicsfísica
is the thing calledchamado the diffractiondifração de limitlimite.
87
277040
3456
e parte desta lei é uma coisa
que se chama Limite de Difração.
O limite de difração é mais ou menos
como quando vão a uma consulta,
04:52
The diffractiondifração de limitlimite is kindtipo of like
when you go to a doctor'smédico officeescritório,
88
280520
3376
e só conseguem ver até uma dada resolução,
por melhores óculos que tenham.
04:55
you can only see so farlonge down,
no matterimportam how good glassesóculos you have.
89
283920
3136
04:59
This was a so-calledassim chamado impossibleimpossível problemproblema.
90
287080
3376
Este era um problema impossível.
Mas um dos amigos de Betzig
conseguiu pegar numa molécula minúscula,
05:02
But one of Betzig'sDo Betzig friendsamigos
figuredfigurado out how to take a tinyminúsculo moleculemolécula
91
290480
3176
05:05
that was smallermenor than
the bestmelhor microscopemicroscópio could see
92
293680
2416
mais pequena que
a resolução do melhor microscópio,
05:08
and get it to lightluz up and fluorescefluorescem.
93
296120
2136
fazê-la iluminar-se
e tornar-se fluorescente.
05:10
"AhaAha!" BetzigBetzig said.
94
298280
2496
"Aha!", disse Betzig.
05:12
"I think maybe the lawsleis of physicsfísica
are not so unbreakableUnbreakable after all."
95
300800
4696
"Parece-me que as leis da Física
afinal não são assim tão inquebráveis."
05:17
So he lashedamarradas togetherjuntos a microscopemicroscópio
in his friend'sdo amigo livingvivo roomquarto.
96
305520
4856
Então montou um microscópio
na sala de estar de um amigo.
05:22
He had no laboratorylaboratório.
97
310400
1816
Ele não tinha laboratório.
05:24
This revolutionaryrevolucionário instrumentinstrumento
got differentdiferente proteinproteína moleculesmoléculas
98
312240
3576
Este instrumento revolucionário
permitiu que diferentes proteínas
05:27
to lightluz up in differentdiferente colorscores,
99
315840
1560
emitissem luzes de cores diferentes.
05:30
and with a computercomputador, he was ablecapaz
to turnvirar very, very fuzzydistorcido blursDesfoca
100
318080
4696
Com a ajuda de um computador,
ele conseguiu transformar borrões
05:34
into very sharpafiado dotspontos and produceproduzir imagesimagens
of unprecedentedsem precedente and startlinguma surpreendente clarityclareza.
101
322800
6696
em pontos nítidos e gerar imagens com uma
nitidez impressionante e sem precedentes.
05:41
For this work, last yearano,
102
329520
2296
Foi por este trabalho que, no ano passado,
05:43
EricEric BetzigBetzig wonGanhou the NobelNobel PrizePrêmio.
103
331840
2600
Eric Betzig ganhou o Prémio Nobel.
05:47
Why?
104
335360
1216
Porquê?
05:48
Because now we can see
with unprecedentedsem precedente detaildetalhe
105
336600
4096
Porque agora conseguimos ver coisas
com um detalhe sem precedentes
05:52
things that we never had seenvisto before,
106
340720
1816
coisas que nunca tínhamos visto.
05:54
and now doctorsmédicos can get
a better handlelidar com on things like cancerCâncer.
107
342560
3840
Agora os médicos conseguem
compreender melhor coisas como o cancro.
05:59
But do you think
BetzigBetzig was satisfiedsatisfeito there?
108
347080
2496
Mas acham que Betzig se ficou por aqui?
06:01
No.
109
349600
1296
Não.
06:02
He wanted moviesfilmes.
110
350920
1856
Ele queria filmes.
06:04
The problemproblema was
111
352800
1216
O problema era
06:06
that even the geniusgênio microscopesmicroscópios
that he inventedinventado were just too slowlento.
112
354040
3976
que até os seus melhores microscópicos
eram demasiado lentos.
06:10
So what did he do?
113
358040
1256
Então o que fez ele?
06:11
He cameveio up with a 200-year-old-ano de idade ideaidéia
114
359320
3576
Lembrou-se de uma ideia com 200 anos
06:14
calledchamado moirMoiré patternspadrões.
115
362920
1696
designada Padrões de Moiré.
06:16
So the way that workstrabalho is
if you take two very, very fine patternspadrões
116
364640
3456
Isto funciona do seguinte modo:
se pegarmos em dois padrões muito finos
06:20
and you movemover them acrossatravés eachcada other,
117
368120
1776
e os sobrepusermos,
06:21
you will see a grossBruto patternpadronizar
118
369920
3016
veremos um padrão grande
06:24
that a microscopemicroscópio can see
119
372960
1480
que o microscópico consegue ver
06:27
that otherwisede outra forma you would not
be ablecapaz to see.
120
375360
2096
e que, de outra forma,
não conseguiríamos ver.
06:29
So he appliedaplicado this techniquetécnica
to takinglevando a really blurryembaçado imageimagem of a cellcélula
121
377480
3296
Ele aplicou esta técnica para pegar
numa imagem pouco nítida da célula
06:32
and movingmovendo-se lots of structuredestruturada
lightluz patternspadrões acrossatravés it
122
380800
2576
e moveu vários padrões estruturados
de luz através dela
06:35
untilaté this cellcélula becamepassou a ser crystalcristal clearClaro.
123
383400
2440
até a célula se tornar
perfeitamente nítida.
06:38
And here is the resultresultado:
124
386840
2016
E eis o resultado:
06:40
a mysteriousmisterioso newNovo worldmundo,
125
388880
2736
um novo e misterioso mundo,
06:43
fullcheio of strangeestranho things zippingzíper around
126
391640
2136
repleto de coisas estranhas a vaguear,
06:45
doing things that
we don't know what they're doing.
127
393800
2400
a fazer coisas
que não sabemos o que são.
(Risos)
06:49
But when we figurefigura it out,
we'llbem have a better handlelidar com on life itselfem si.
128
397600
3976
Mas quando descobrirmos,
iremos perceber melhor a própria vida.
06:53
For exampleexemplo, those
greenverde globsglobs that you see?
129
401600
2096
Por exemplo,
vêem aqueles glóbulos verdes?
06:55
Those things are calledchamado clathrinsclathrins.
130
403720
1680
Essas coisas chamam-se clatrinas.
06:57
They're moleculesmoléculas
that protectproteger other moleculesmoléculas
131
405960
2416
São moléculas
que protegem outras moléculas
07:00
as they movemover throughatravés a cellcélula.
132
408400
1376
que se movem na célula.
07:01
UnfortunatelyInfelizmente, virusesvírus sometimesas vezes
hijacksequestro those to infectinfectar cellscélulas.
133
409800
4336
Infelizmente, os vírus, por vezes,
usam-nas para infectar células.
07:06
AlsoTambém, you see those little squigglyondulada
wormlikevermiforme things movingmovendo-se around?
134
414160
3096
Vêem também aquelas espécies
de minhocas sinuosas às voltas?
07:09
Those are actinactina moleculesmoléculas.
135
417280
2296
São moléculas actinas.
07:11
UnfortunatelyInfelizmente, virusesvírus
alsoAlém disso climbescalar down those things
136
419600
2416
Infelizmente, os vírus
também se ligam a elas
07:14
to get into the cellcélula nucleusnúcleo
137
422040
1456
para entrar no núcleo celular,
07:15
to replicatereplicar themselvessi mesmos and make you sickdoente.
138
423520
2120
onde se replicam, provocando doenças.
07:18
Now that we can look at moviesfilmes
139
426240
1856
Agora que podemos ver filmes
07:20
of what's actuallyna realidade going on
deepprofundo insidedentro a cellcélula,
140
428120
2856
do que se passa nas
profundezas da célula,
07:23
we have a much better chancechance
of curingcura viralviral diseasesdoenças like AIDSAIDS/SIDA.
141
431000
4080
temos mais hipóteses
de curar infecções virais como a SIDA.
07:27
So when you look at a moviefilme like this,
142
435680
1856
Portanto, quando vemos um filme destes,
07:29
it's very clearClaro that BetzigBetzig has openedaberto
our eyesolhos to a completelycompletamente newNovo worldmundo.
143
437560
4000
torna-se óbvio que Betzig abriu as portas
para um mundo completamente novo.
07:34
But he hasn'tnão tem shattereddespedaçada
any cherishedacalentado beliefscrenças.
144
442560
4120
Mas ele não destruiu nenhuma crença fixa.
07:39
That leadsconduz us to DrDr. AubreyAubrey dede GreyCinza
145
447200
2936
Isto leva-nos ao Dr. Aubrey de Grey,
07:42
at CambridgeCambridge.
146
450160
1200
em Cambridge.
07:44
DeDe GreyCinza definitelydefinitivamente has scientistscientistas
squirmingse contorcendo with an interestinginteressante ideaidéia:
147
452440
4336
De Grey deixou, sem dúvida, cientistas
a debaterem-se com uma ideia interessante:
Podemos ser imortais.
07:48
we can be immortalimortal.
148
456800
1376
07:50
We can beatbatida agingenvelhecimento.
149
458200
1616
Podemos vencer o envelhecimento.
07:51
Now, mosta maioria scientistscientistas
think he's a crackpotvelho maluco.
150
459840
2560
A maior parte dos cientistas
considera-o lunático.
(Risos)
07:55
Any BiologyBiologia 101 studentaluna knowssabe
151
463320
3296
Qualquer aluno de Biologia sabe
07:58
that agingenvelhecimento is an inevitableinevitável
consequenceconsequência of livingvivo.
152
466640
4016
que o envelhecimento
é uma consequência inevitável da vida.
08:02
For exampleexemplo, when we eatcomer,
153
470680
2096
Por exemplo, quando comemos,
08:04
we take in foodComida and we metabolizemetabolizar it,
154
472800
1856
ingerimos comida e metabolizamo-la,
08:06
and that throwslances off
what we call freelivre radicalsradicais.
155
474680
2376
e isso gera aquilo a que chamamos
radicais livres.
08:09
You mightpoderia have heardouviu of those.
156
477080
1456
Já devem ter ouvido falar.
08:10
AlsoTambém knownconhecido as oxygenoxigênio ionsíons,
157
478560
1936
Também conhecidos como iões de oxigénio,
08:12
those bindligar to our DNADNA, causecausa it to mutatemutar,
158
480520
2376
que se ligam ao nosso ADN,
causam mutações,
08:14
and causecausa us to get oldvelho and loseperder our haircabelo.
159
482920
2056
fazem-nos ficar velhos
e perder o cabelo.
08:17
(LaughterRiso)
160
485000
1576
(Risos)
08:18
It's just like, no, it's exactlyexatamente like
161
486600
2736
É exactamente como o oxigénio
08:21
oxygenoxigênio bindingvinculação de to ironferro and makingfazer it rustferrugem.
162
489360
2176
ligar-se ao ferro e enferrujá-lo.
08:23
So you ageera because you rustferrugem out.
163
491560
2456
Ou seja, envelhecemos
porque enferrujamos.
08:26
(LaughterRiso)
164
494040
2176
(Risos)
08:28
Oh, and scientistscientistas alsoAlém disso know
there is something calledchamado immortalityimortalidade:
165
496240
5096
Ah, e os cientistas também sabem
que há algo chamado imortalidade:
08:33
in cancerCâncer cellscélulas.
166
501360
1976
em células cancerígenas.
08:35
So if you stop agingenvelhecimento,
167
503360
2296
Por isso, se deixarem de envelhecer,
08:37
all of you are going to turnvirar
into giantgigante walkingcaminhando malignantmaligna tumorstumores.
168
505680
3920
todos vocês se tornam em tumores malignos
gigantes e ambulantes.
(Risos)
08:42
These are cherishedacalentado beliefscrenças,
but could dede GreyCinza be on to something?
169
510680
3160
Essas são crenças fixas,
mas poderá de Grey estar no caminho certo?
08:47
I think he deservesmerece a closermais perto look.
170
515159
1657
Eu acho que ele merece ser ouvido.
08:48
First of all, I have a really hardDifícil time
seeingvendo him as a crackpotvelho maluco.
171
516840
3136
Primeiro, custa-me vê-lo como um lunático.
08:52
Yeah, he startedcomeçado off life
as a computercomputador scientistcientista,
172
520000
2336
Sim, ele começou
como cientista informático,
08:54
not a biologistbiólogo,
173
522360
1496
não como biólogo,
08:55
but he earnedganhou a PhDPhD
in biologybiologia from CambridgeCambridge,
174
523880
3816
mas fez o doutoramento
em Biologia em Cambridge,
08:59
and he has publishedPublicados
some very significantsignificativo work
175
527720
2376
e publicou alguns trabalhos relevantes
09:02
on mitochondrialmitocondrial DNADNA
and a bunchgrupo of other stuffcoisa.
176
530120
2456
sobre ADN mitocondrial
e um monte de outras coisas.
09:04
SecondlyEm segundo lugar, he startedcomeçado
an antiagingantienvelhecimento foundationFundação
177
532600
3096
Em segundo lugar, ele criou
uma fundação de anti-envelhecimento
09:07
that has identifiedidentificado
sevenSete differentdiferente causescausas of agingenvelhecimento,
178
535720
2576
que identificou sete causas diferentes
para o envelhecimento,
09:10
to me, that seemparecem very plausibleplausível,
179
538320
2256
que me parecem bastante plausíveis,
09:12
and he is hotquente in pursuitperseguição
of fixesConserta for everycada singlesolteiro one of them.
180
540600
4136
e está numa busca incansável
de soluções para todas elas.
09:16
For exampleexemplo, one of the reasonsrazões we ageera
is that our mitochondrialmitocondrial DNADNA mutatesMuta,
181
544760
5016
Por exemplo:
Um do motivos pelos quais envelhecemos
é que o ADN mitocondrial sofre mutações,
09:21
and we get kindtipo of oldvelho
and our cellscélulas loseperder energyenergia.
182
549800
2680
ficamos meio velhos
e as nossas células perdem energia.
09:25
He believesacredita, and he's madefeito
a convincingconvincente casecaso,
183
553160
2336
Ele acredita, e explica-o
de forma convincente,
09:27
that usingusando virusesvírus we can do genegene therapyterapia,
184
555520
2536
que podemos fazer terapia genética
usando vírus,
09:30
fixconsertar that DNADNA
185
558080
1656
reparar o ADN
09:31
and rejuvenaterejuvenescer our cellscélulas.
186
559760
1720
e rejuvenescer as nossas células.
09:35
One more thing.
187
563400
1336
Mais uma coisa.
09:36
We have an existentexistente proofprova
188
564760
1856
Nós temos a prova viva
09:38
that extremeextremo longevitylongevidade is possiblepossível.
189
566640
2720
que é possível uma longevidade enorme.
09:42
BristleconeBristlecone pinePinheiro treesárvores liveviver 5,000 yearsanos,
190
570520
4160
Os pinheiros Bristlecone
vivem cinco mil anos,
09:47
and some lobsterslagostas don't ageera at all.
191
575720
3800
e algumas lagostas
nem sequer envelhecem.
09:52
Now, this doesn't mean that dede GreyCinza
is going to revolutionizerevolucionar a our lifespansExpectativa de vida.
192
580640
4336
Agora, isto não significa que de Grey vai
revolucionar a nossa esperança de vida.
09:57
I mean, after all, we're not treesárvores,
and mosta maioria of us are not lobsterslagostas.
193
585000
3816
Quer dizer, apesar de tudo, não somos
árvores e, em geral, não somos lagostas.
10:00
(LaughterRiso)
194
588840
1216
(Risos)
10:02
But I've got to believe that there are
DarwinsDarwins and EinsteinsEinsteins out there,
195
590080
4800
Mas quero acreditar que existem
Darwins e Einsteins por aí,
10:07
and I'll tell you why.
196
595840
1376
e digo-vos porquê.
10:09
ConsiderConsidere this:
197
597240
1200
Reparem:
10:11
there are sevenSete timesvezes more people
alivevivo todayhoje than duringdurante Darwin'sDarwin time.
198
599160
5296
Há sete vezes mais pessoas vivas
hoje que no tempo de Darwin.
10:16
There are fourquatro timesvezes as manymuitos people
alivevivo todayhoje as EinsteinEinstein.
199
604480
3456
Há quatro vezes mais pessoas vivas
hoje que no tempo de Einstein.
10:19
When you considerconsiderar
200
607960
1216
Se considerarem
10:21
that the proportionproporção of scientistscientistas
in the populationpopulação has skyrocketedascensão meteórica,
201
609200
3216
que a proporção de cientistas
na população disparou,
10:24
there are now sevenSete millionmilhão scientistscientistas.
202
612440
2376
— há agora sete milhões de cientistas —
10:26
I've got to believe, and I do believe,
that there's one of them out there
203
614840
3440
tenho de acreditar, e acredito,
que há um deles algures
10:31
who is workingtrabalhando right now in obscurityobscuridade
204
619720
2336
a trabalhar na obscuridade,
neste preciso momento,
para agitar as nossas vidas
— e não sei quanto a vocês,
10:34
to rockRocha our livesvidas,
and I don't know about you,
205
622080
2416
10:36
but I can't wait to be rockedbombou.
206
624520
1816
mas eu mal posso esperar
por ser agitado.
10:38
Thank you.
207
626360
1256
Obrigado.
10:39
(ApplauseAplausos)
208
627640
6961
(Aplausos)
Translated by Juliana Rodrigues
Reviewed by Margarida Ferreira

▲Back to top

ABOUT THE SPEAKER
Eric Haseltine - Author, futurist, innovator
Eric Haseltine applies discoveries about the brain to innovation and forecasting game-changing advances in science and technology.

Why you should listen

Dr. Eric Haseltine is a neuroscientist and futurist who has applied a brain-centered approach to help organizations in aerospace, entertainment, healthcare, consumer products and national security transform and innovate. He is the author of Long Fuse, Big Bang: Achieving Long-Term Success Through Daily Victories. For five years, he wrote a monthly column on the brain for Discover magazine and is a frequent contributor to Psychology Today's web site, where his popular blog on the brain has garnered over 800,000 views. Haseltine received the Distinguished Psychologist in Management Award from the Society of Psychologists in Management and has published 41 patents and patent applications in optics, media and entertainment technology.

In 1992 he joined Walt Disney Imagineering to help found the Virtual Reality Studio, which he ultimately ran until his departure from Disney in 2002. When he left Disney, Haseltine was executive vice president of Imagineering and head of R&D for the entire Disney Corporation, including film, television, theme parks, Internet and consumer products.

In the aftermath of 9/11, Eric joined the National Security Agency to run its Research Directorate. Three years later, he was promoted to associate of director of National Intelligence, where he oversaw all science and technology efforts within the United States Intelligence Community as well as fostering development innovative new technologies for countering cyber threats and terrorism. For his work on counter-terrorism technologies, he received the National Intelligence Distinguished Service Medal in 2007.

Haseltine serves on numerous boards, and is an active consultant, speaker and writer. Over the past three years, he has focused heavily on developing innovation strategies and consumer applications for the Internet of Things, virtual reality and augmented reality.

Haseltine continues to do basic research in neuroscience, with his most recent publications focusing on the mind-body health connection and exploitation of big-data to uncover subtle, but important trends in mental and physical health.

More profile about the speaker
Eric Haseltine | Speaker | TED.com