0:00:00.612,0:00:03.374
Nos próximos 16 minutos[br]vouvos levar nunha viaxe

0:00:03.398,0:00:06.484
que é probablemente[br]o maior soño da humanidade:

0:00:06.508,0:00:08.523
entender o código da vida.

0:00:09.072,0:00:11.815
Para min todo comezou[br]moitos, moitos anos atrás

0:00:11.839,0:00:14.562
cando coñecín a primeira impresora 3D.

0:00:14.586,0:00:16.260
O concepto era fascinante.

0:00:16.284,0:00:18.306
Unha impresora necesita tres elementos:

0:00:18.330,0:00:22.464
un pouco de información, algunha[br]materia prima, un pouco de enerxía

0:00:22.488,0:00:25.822
e pode producir calquera obxecto[br]que non estaba alí antes.

0:00:26.517,0:00:28.654
Estaba facendo exercicio,[br]volvendo a casa

0:00:28.678,0:00:32.116
e deime conta de que en realidade[br]sempre coñecera unha impresora 3D.

0:00:32.140,0:00:33.476
E todos a coñecen.

0:00:33.500,0:00:34.658
Era a miña nai.

0:00:34.682,0:00:35.683
(Risas)

0:00:35.707,0:00:38.121
A miña nai colleu tres elementos:

0:00:38.145,0:00:42.118
un pouco de información, [br]do meu pai e miña nai neste caso,

0:00:42.142,0:00:46.299
materia prima e enerxía[br]no mesmo medio, é dicir comida,

0:00:46.323,0:00:48.831
e despois de varios meses, [br]produciume a min.

0:00:48.855,0:00:50.667
Eu non existía antes.

0:00:50.691,0:00:54.453
Así que aparte do impacto de descubrir [br]que a miña nai era unha impresora 3D,

0:00:54.477,0:00:59.215
de inmediato hipnotizoume[br]aquela parte,

0:00:59.239,0:01:00.956
a primeira, a información.

0:01:00.980,0:01:03.231
Que cantidade de información fai falla

0:01:03.255,0:01:05.191
para construír[br]e ensamblar un ser humano?

0:01:05.215,0:01:06.789
É moita? É pouca?

0:01:06.813,0:01:08.993
Cantos USB podedes encher?

0:01:09.017,0:01:11.641
Ben, estaba estudando física[br]ó principio

0:01:11.665,0:01:17.262
e imaxinei un humano[br]como unha peza de Lego xigante.

0:01:17.286,0:01:21.071
Así que, imaxinádevos que os ladrillos[br]son pequenos átomos

0:01:21.095,0:01:25.748
e hai hidróxeno aquí,[br]carbono aquí, nitróxeno aquí.

0:01:25.772,0:01:27.343
Así que na primeira aproximación,[br]

0:01:27.367,0:01:31.710
se fago unha lista do número de átomos[br]que compoñen un ser humano,

0:01:31.734,0:01:33.121
podo construílo.

0:01:33.145,0:01:35.174
Agora, se repasamos algúns números,

0:01:35.198,0:01:38.475
decubriredes que é [br]unha cifra bastante abraiante.

0:01:38.499,0:01:41.256
Así que o número de átomos,

0:01:41.280,0:01:46.035
o arquivo que gardarei no meu USB[br]para montar un pequeno bebé,

0:01:46.059,0:01:50.726
podería encher en realidade de USB[br]o Titanic...

0:01:50.750,0:01:53.468
multiplicado por 2 000.

0:01:53.957,0:01:57.358
Este é o milagre da vida.

0:01:57.382,0:01:59.994
Cada vez que vexades agora[br]unha muller embarazada,

0:02:00.018,0:02:02.874
está ensamblando a maior[br]cantidade de información

0:02:02.898,0:02:04.454
que xamais encontraredes.

0:02:04.478,0:02:07.428
Esquecédevos dos datos masivos, [br]esquecédevos do que oírades.

0:02:07.452,0:02:10.333
Esta é a maior[br]cantidade de información que existe.

0:02:10.357,0:02:14.190
(Aplausos)

0:02:14.214,0:02:18.858
Pero a natureza é moito máis intelixente[br]que un xove físico

0:02:18.882,0:02:22.458
e en 4 000 anos, conseguiu[br]comprimir esta información

0:02:22.482,0:02:25.187
nun pequeno cristal que chamamos ADN.

0:02:25.605,0:02:29.917
Coñecémolo por primeira vez en 1950[br]cando Rosalind Franklin,

0:02:29.941,0:02:31.497
unha excelente científica, [br]

0:02:31.521,0:02:32.910
tomou unha fotografía del.

0:02:32.934,0:02:38.122
Pero levounos máis de 40 anos[br]entrar finalmente nunha célula humana,

0:02:38.146,0:02:39.748
tomala fóra deste cristal,

0:02:39.772,0:02:42.852
desenrolala e lela por primeira vez.

0:02:43.615,0:02:46.856
O código é[br]un alfabeto bastante simple,

0:02:46.880,0:02:50.652
catro letras: A, T, C e G.

0:02:50.676,0:02:54.166
E para construír un humano,[br]necesitamos tres mil millóns delas.

0:02:54.933,0:02:56.112
Tres mil millóns.

0:02:56.136,0:02:57.715
Canto é tres mil millóns?

0:02:57.739,0:03:00.501
Non ten moito sentido como[br]número, verdade?

0:03:00.525,0:03:04.610
Así que estaba pensando cómo[br]podería explicarme mellor

0:03:04.634,0:03:07.684
sobre o grande e enorme que é este código.

0:03:07.708,0:03:10.762
Pero hai... Quero dicir,[br]vou ter un pouco de axuda,

0:03:10.786,0:03:14.013
e a mellor persoa para axudarme[br]a presentar o código

0:03:14.037,0:03:17.559
é en verdade o primeiro home[br]en secuencialo, o Dr. Craig Venter.

0:03:17.583,0:03:20.973
Así que benvido ó escenario, [br]Dr. Craig Venter.

0:03:20.997,0:03:27.928
(Aplausos)

0:03:27.952,0:03:30.208
Non o home en carne e óso,

0:03:31.448,0:03:33.793
pero por primeira vez na historia,

0:03:33.817,0:03:37.279
este é o xenoma dun humano específico,

0:03:37.303,0:03:41.063
impreso páxina por páxina, [br]letra por letra.

0:03:41.087,0:03:45.083
262 000 páxinas de información,

0:03:45.107,0:03:49.471
450 kg, traídos desde [br]EEUU a Canadá

0:03:49.495,0:03:54.338
grazas a Bruno Bowden, Lulu.com, [br]unha empresa emerxente, que fixeron todo.

0:03:54.362,0:03:55.825
Foi unha fazaña incrible.

0:03:55.849,0:04:00.146
Pero esta é a percepción visual[br]do que é o código da vida.

0:04:00.170,0:04:02.648
E agora, por primeira vez,[br]podo facer algo divertido.

0:04:02.672,0:04:05.219
Podo miralo por dentro de verdade e lelo.

0:04:05.243,0:04:09.868
Así que deixádeme coller un libro[br]interesante... coma este.

0:04:13.077,0:04:15.611
Teño unha anotación,[br]é un libro bastante grande.

0:04:15.635,0:04:19.362
Así que só para deixarvos ver[br]o que é o código da vida.

0:04:20.566,0:04:23.957
Miles e miles e miles

0:04:23.981,0:04:26.651
e millóns de letras.

0:04:26.675,0:04:29.071
E polo que parece teñen sentido.

0:04:29.095,0:04:30.852
Imos a unha parte específica.

0:04:31.571,0:04:32.933
Deixádeme lelo para vós:

0:04:32.957,0:04:33.978
(Risas)

0:04:34.002,0:04:38.008
"AAG, AAT, ATA".

0:04:38.965,0:04:41.032
Para vós soa como letras sen sentido,

0:04:41.056,0:04:45.097
pero esta secuencia dá[br]a cor dos ollos de Craig.

0:04:45.633,0:04:47.565
Vouvos ensinar outra parte do libro.

0:04:47.589,0:04:49.683
Isto é en realidade un pouco[br]máis complicado.

0:04:50.983,0:04:53.630
Cromosoma 14, libro 132.

0:04:53.654,0:04:55.744
(Risas)

0:04:55.768,0:04:57.045
Como podedes esperar.

0:04:57.069,0:05:00.535
(Risas)

0:05:02.857,0:05:07.364
"ATT, CTT, GATT".

0:05:08.329,0:05:10.016
Este humano é afortunado,

0:05:10.040,0:05:14.557
porque se se perden só dúas letras[br]nesta posición,

0:05:14.581,0:05:16.458
dúas letras de tres mil millóns,

0:05:16.482,0:05:18.501
está condenado [br]a unha enfermidade:

0:05:18.525,0:05:19.965
fibrose quística.

0:05:19.989,0:05:23.402
Non temos cura para ela,[br]non sabemos cómo resolvelo,

0:05:23.426,0:05:27.181
e son só dúas letras[br]a diferenza do que, en realidade, somos.

0:05:27.585,0:05:30.290
Un libro magnífico, un libro poderoso,

0:05:31.115,0:05:33.113
un libro poderoso que me axudou a entender

0:05:33.137,0:05:35.890
e mostrarvos algo tan asombroso.

0:05:36.480,0:05:40.915
Cada un de vós, o que me fai[br]a min, eu, e a vós, vós,

0:05:40.939,0:05:43.893
son só 5 millóns destas máis ou menos,

0:05:43.917,0:05:45.145
medio libro.

0:05:46.015,0:05:47.678
Polo resto,

0:05:47.702,0:05:50.264
todos somos absolutamente idénticos.

0:05:51.008,0:05:55.026
500 páxinas[br]é o milagre da vida que sodes.

0:05:55.050,0:05:57.581
O resto, todos o compartimos.

0:05:57.605,0:06:00.514
Así que pensade outra vez[br]cando creades que somos diferentes.

0:06:00.538,0:06:02.759
Esta é a cantidade que compartimos.

0:06:03.441,0:06:06.870
Así que agora que teño a vosa atención,

0:06:06.894,0:06:08.253
a seguinte pregunta é:

0:06:08.277,0:06:09.428
Como leo isto?

0:06:09.452,0:06:10.961
Como lle dou sentido?

0:06:11.409,0:06:15.649
Ben, aínda que sexades moi bos[br]montando mobles suecos,

0:06:15.673,0:06:19.236
este manual de instrucións non é algo [br]que poidades dominar na vosa vida.

0:06:19.260,0:06:20.863
(Risas)

0:06:20.887,0:06:23.999
Así que, en 2014, dous famosos TEDsters,

0:06:24.023,0:06:26.563
Peter Diamandis e o mesmo Criag Venter,

0:06:26.587,0:06:28.514
decidiron montar unha nova empresa.

0:06:28.538,0:06:29.950
Naceu Human Longevity

0:06:29.974,0:06:31.344
cunha misión:

0:06:31.368,0:06:33.229
intentar todo o que poidamos intentar

0:06:33.253,0:06:36.012
e aprender todo o que poidamos [br]aprender destes libros,

0:06:36.036,0:06:37.741
cun obxectivo...

0:06:38.862,0:06:41.663
facer realidade o soño[br]da medicina personalizada,

0:06:41.687,0:06:45.454
entender qué cousas se deben facer[br]para ter unha mellor saúde

0:06:45.478,0:06:47.761
e cáles son os segredos destes libros.

0:06:48.329,0:06:52.579
Un equipo de 40 científicos de datos[br]e moita máis xente,

0:06:52.603,0:06:53.953
un pracer traballar con ela.

0:06:53.977,0:06:56.230
O concepto é en verdade moi simple.

0:06:56.254,0:06:59.412
Imos usar a tecnoloxía[br]chamada aprendizaxe automática..

0:06:59.436,0:07:03.975
Por unha parte, temos xenomas,[br]miles deles.

0:07:03.999,0:07:07.996
Por outra parte, recollemos[br]a maior base de datos de seres humanos:

0:07:08.020,0:07:12.316
fenotipos, escáneres 3D, RMN, [br]todo o que poidades imaxinar.

0:07:12.340,0:07:15.239
Dentro, nestas dúas partes opostas,

0:07:15.263,0:07:17.705
está o segredo da tradución.

0:07:17.729,0:07:20.201
E no medio, construímos unha máquina.

0:07:20.801,0:07:23.186
Construímos unha máquina[br]e entrenamos unha máquina,

0:07:23.210,0:07:26.420
ben, non exactamente unha máquina,[br]moitas, moitas máquinas,

0:07:26.444,0:07:30.988
para tratar de entender e traducir[br]o xenoma nun fenotipo.

0:07:31.362,0:07:34.702
Que son esas letras e que fan?

0:07:34.726,0:07:37.473
É un enfoque que pode[br]usarse para todo,

0:07:37.497,0:07:40.490
pero usándoo en xenómica[br]é particularmente complicado.

0:07:40.514,0:07:43.790
Pouco a pouco crecemos e quixemos[br]construír diferentes desafíos.

0:07:43.814,0:07:46.546
Comezamos polo principio,[br]os rasgos comúns.

0:07:46.570,0:07:49.173
Os rasgos comúns son cómodos[br]porque son comúns,

0:07:49.197,0:07:50.381
todos os teñen.

0:07:50.405,0:07:52.899
Así que comezamos a preguntar [br]as nosas dúbidas:

0:07:52.923,0:07:54.303
Podemos predicir a altura?

0:07:54.985,0:07:57.162
Podemos ler os libros [br]e predicir a altura?

0:07:57.186,0:07:58.337
Pois podemos,

0:07:58.361,0:08:00.154
con 5 centímetros de precisión.

0:08:00.178,0:08:03.313
O IMC está máis ou menos conectado co noso[br]estilo de vida

0:08:03.337,0:08:07.201
pero podemos facer unha aproximación,[br]de 8kg de precisión.

0:08:07.225,0:08:08.456
A cor dos ollos?

0:08:08.480,0:08:09.638
Si, podemos predicila.

0:08:09.662,0:08:10.986
80% de precisión.

0:08:11.466,0:08:13.324
Podemos predicir a cor da pel?

0:08:13.348,0:08:15.789
Sí, podemos, 80% de precisión.

0:08:15.813,0:08:17.153
Podemos predicir a idade?

0:08:18.121,0:08:21.860
Podemos, porque polo que parece,[br]o código cambia durante a nosa vida.

0:08:21.884,0:08:25.166
Acúrtase, perde pezas,[br]obtén insercións.

0:08:25.190,0:08:27.745
Lemos os sinais, e facemos un modelo.

0:08:28.438,0:08:29.913
Agora, un desafío interesante:

0:08:29.937,0:08:31.666
Podemos predicir a cara humana?

0:08:33.014,0:08:34.292
É un pouco complicado

0:08:34.316,0:08:37.507
porque a cara humana está diseminada[br]entre millóns destas letras.

0:08:37.531,0:08:40.160
E unha cara humana non é[br]un obxecto moi ben definido.

0:08:40.184,0:08:42.235
Así que, construimos unha secuencia

0:08:42.259,0:08:44.969
para aprender e ensinar[br]a unha máquina o que é unha cara,

0:08:44.993,0:08:47.030
incorporala e comprimila.

0:08:47.054,0:08:49.302
Se estades cómodos [br]coa aprendizaxe automática

0:08:49.326,0:08:51.610
podedes entender o desafío que representa.

0:08:52.108,0:08:58.099
Agora, 15 anos despois,[br]lemos a primeira secuencia

0:08:58.123,0:09:01.025
este outubro, comezamos[br]a ver algúns sinais.

0:09:01.049,0:09:03.504
E foi un momento moi emotivo.

0:09:03.528,0:09:07.273
O que vedes aquí é un suxeito[br]que veu ó noso laboratorio.

0:09:07.619,0:09:09.547
Iso é unha cara para nós.

0:09:09.571,0:09:13.202
Así que collemos a cara real dun suxeito,[br]reducimos a complexidade

0:09:13.226,0:09:15.196
porque non todo está na cara,

0:09:15.220,0:09:19.006
as perdas de rasgos, defectos[br]e asimetrías veñen da nosa vida.

0:09:19.030,0:09:22.499
Facemos a cara simétrica,[br]e aplicamos o noso algoritmo.

0:09:23.245,0:09:25.143
Os resultados que vos ensino agora,

0:09:25.167,0:09:28.539
son a predición que obtivemos[br]do sangue.

0:09:29.596,0:09:31.120
(Aplauso)

0:09:31.144,0:09:32.579
Esperade un segundo.

0:09:32.603,0:09:37.295
Nestes segundos, os vosos ollos [br]están mirando esquerda e dereita,

0:09:37.319,0:09:41.249
e o voso cerebro quere[br]que as dúas fotos sexan idénticas.

0:09:41.273,0:09:43.719
Así que vos pido facer[br]outro exercicio.

0:09:43.743,0:09:46.030
Por favor, buscade as diferenzas,

0:09:46.054,0:09:47.415
que son moitas.

0:09:47.439,0:09:50.042
A maior cantidade de sinais[br]veñen do xénero,

0:09:50.066,0:09:55.267
logo está a idade, o IMC,[br]e o compoñente da etnia do ser humano.

0:09:55.291,0:09:59.002
E superar ese sinal[br]é moito máis complicado.

0:09:59.026,0:10:02.276
Pero o que vedes aquí,[br]incluso nas diferenzas,

0:10:02.300,0:10:05.895
permítevos entender[br]que estamos nunha aproximación correcta,

0:10:05.919,0:10:07.267
que estamos preto.

0:10:07.291,0:10:09.640
E está xa provocando en vós [br]algunhas emocións.

0:10:09.664,0:10:12.367
Este é outro suxeito[br]que veu,

0:10:12.391,0:10:13.800
e esta é a predición.

0:10:13.824,0:10:18.420
A cara máis pequena, non obtivemos[br]a estrutura cranial completa,

0:10:18.444,0:10:21.095
pero aínda así,[br]é un cálculo aproximado.

0:10:21.634,0:10:23.858
Este é un suxeito que vén [br]o noso laboratorio,

0:10:23.882,0:10:25.325
e esta é a predición.

0:10:26.056,0:10:30.732
Nunca vimos a estas persoas[br]no entrenamento da máquina.

0:10:30.756,0:10:33.593
Estos son o grupo [br]que chamamos "apartados".

0:10:33.617,0:10:37.357
Pero estas son persoas que [br]probablemente nunca creredes.

0:10:37.381,0:10:40.057
Estamos difundindo todo[br]nunha publicación científica,

0:10:40.081,0:10:41.232
podedes lela.

0:10:41.256,0:10:43.600
Pero no escenario,[br]Chris desafioume.

0:10:43.624,0:10:47.250
Probablemente arrisqueime[br]e intentei predicir

0:10:47.274,0:10:50.105
a alguén que ó mellor recoñecedes.

0:10:50.470,0:10:54.895
Así que, neste vial de sangue...[br]e crédeme, non tedes ides

0:10:54.919,0:10:57.799
do que tivemos que facer para ter[br]este sangue agora, aquí...

0:10:57.823,0:11:01.724
neste frasquiño de sangue está a cantidade[br]de información biolóxica

0:11:01.748,0:11:04.025
para facer [br]unha secuencia completa do xenoma.

0:11:04.049,0:11:06.119
Só necesitamos esta cantidade.

0:11:06.528,0:11:09.733
Aplicamos a secuencia[br]e vou facelo con vós.

0:11:09.757,0:11:13.736
E comezamos a xuntar[br]todo o coñecemento que temos.

0:11:13.760,0:11:17.110
No frasquiño de sangue,[br]predixemos que é un home.

0:11:17.134,0:11:18.498
E o suxeito é un home.

0:11:18.996,0:11:21.434
Predixemos que mide 1 m 76 cm.

0:11:21.458,0:11:23.850
O suxeito mide 1 m 77 cm.

0:11:23.874,0:11:27.984
Así que predixemos que pesa 76 kg,[br]o suxeito pesa 82 kg.

0:11:28.701,0:11:31.333
Predixemos a súa idade, 38.

0:11:31.357,0:11:33.261
O suxeito ten 35.

0:11:33.851,0:11:35.975
Predixemos a cor dos ollos.

0:11:36.824,0:11:38.035
Demasiado oscuro.

0:11:38.059,0:11:39.614
Predixemos a cor da pel.

0:11:40.026,0:11:41.436
Case estamos aí.

0:11:41.899,0:11:43.272
Esa é a súa cara.

0:11:45.172,0:11:48.441
Agora, o momento da revelación:

0:11:48.465,0:11:50.235
o suxeito é esta persona.

0:11:50.259,0:11:52.194
(Risas)

0:11:52.218,0:11:54.276
E fíxeno adrede.

0:11:54.300,0:11:57.992
Pertenzo a unha etnia [br]moi particular e peculiar.

0:11:58.016,0:12:00.966
Sur de Europa, italianos...[br]nunca encaixamos nos modelos.

0:12:00.990,0:12:06.120
E é particular... que a etnia[br]sexa un caso complexo para o noso modelo.

0:12:06.144,0:12:07.653
Pero hai outra cuestión.

0:12:07.677,0:12:11.154
Así, unha das cousas que usamos[br]moito para recoñecer as personas

0:12:11.178,0:12:12.900
nunca estará escrito no xenoma.

0:12:12.924,0:12:15.241
É o noso libre albedrío, é como me vexo.

0:12:15.265,0:12:18.494
Non o meu corte de pelo neste caso,[br]senón a miña barba.

0:12:18.518,0:12:22.071
Así que vouvos ensinar, vou[br]neste caso transferila...

0:12:22.095,0:12:24.860
e isto non é nada máis que[br]Photoshop, non modelaxe...

0:12:24.884,0:12:26.597
a barba no suxeito.

0:12:26.621,0:12:30.093
E inmediatamente, poñémonos[br]moito, moito máis en situación.

0:12:30.955,0:12:33.664
Así que, por que facemos isto?

0:12:35.938,0:12:41.078
En verdade non o facemos[br]para predicir a altura

0:12:41.102,0:12:43.474
ou tomar unha imaxe[br]a partir do noso sangue.

0:12:44.390,0:12:48.408
Facémolo porque a mesma tecnoloxía[br]e o mesmo enfoque,

0:12:48.432,0:12:50.952
a aprendizaxe automática deste código,

0:12:50.976,0:12:54.113
axúdanos a entender cómo funcionamos,

0:12:54.137,0:12:55.623
cómo funciona o noso corpo,

0:12:55.647,0:12:57.312
cómo envellece o noso corpo,

0:12:57.336,0:13:00.105
cómo xorden as enfermidades no noso corpo,[br]

0:13:00.129,0:13:03.101
cómo o cancro crece e se desenvolve,

0:13:03.125,0:13:04.908
cómo funcionan as medicinas

0:13:04.932,0:13:07.246
e se funcionan no noso corpo.

0:13:07.713,0:13:09.380
Este é un reto enorme.

0:13:09.894,0:13:11.532
Este é un reto que compartimos

0:13:11.556,0:13:14.135
con miles doutros[br]investigadores de todo o mundo.[br]

0:13:14.159,0:13:16.381
Chámase medicina personalizada.

0:13:17.125,0:13:20.585
É a hablidade de moverse[br]dunha aproximación estatística

0:13:20.609,0:13:22.641
onde sodes unha pinga no océano,

0:13:22.665,0:13:24.478
a unha aproximación personalizada,

0:13:24.502,0:13:26.687
onde lemos todos estes libros

0:13:26.711,0:13:29.575
e entendemos[br]con exactitude cómo sodes.

0:13:30.260,0:13:33.622
Pero é un reto[br]particularmente complicado

0:13:33.646,0:13:37.644
porque de todos estes libros[br]na actualidade,

0:13:37.668,0:13:40.310
só coñecemos probablemente o 2%:

0:13:41.027,0:13:44.680
4 libros de 175.

0:13:46.021,0:13:49.227
E este non é o tema da miña charla

0:13:50.145,0:13:52.743
porque aprenderemos máis.

0:13:53.378,0:13:56.047
As mellores mentes do mundo[br]están traballando neste tema.

0:13:57.048,0:13:58.882
A predición mellorará,

0:13:58.906,0:14:01.159
o modelo será máis preciso.

0:14:01.183,0:14:03.041
E canto máis aprendamos,

0:14:03.065,0:14:07.895
máis nos afrontaremos[br]con decisións

0:14:07.919,0:14:10.940
que nunca tivemos que facer antes[br]

0:14:10.964,0:14:12.399
sobre a vida,

0:14:12.423,0:14:14.097
sobre a morte,

0:14:14.121,0:14:15.724
sobre a paternidade.

0:14:20.626,0:14:25.372
Así que, estamos chegando ó mesmo[br]detalle interno de cómo funciona a vida.

0:14:26.118,0:14:29.276
E é unha revolución[br]que non pode confinarse

0:14:29.300,0:14:31.959
no campo da ciencia ou tecnoloxía.

0:14:32.960,0:14:35.204
Esta debe ser unha conversación global.

0:14:35.798,0:14:41.015
Debemos comezar a pensar no futuro[br]que estamos a construír como humanidade.

0:14:41.039,0:14:45.103
Necesitamos interactuar con creativos,[br]con artistas, con filósofos,

0:14:45.127,0:14:46.637
con políticos.

0:14:46.661,0:14:47.819
Todos están involucrados,

0:14:47.843,0:14:50.668
porque é o futuro da nosa especie.[br]

0:14:51.273,0:14:55.241
Sen medo, pero co entendemento

0:14:55.265,0:14:59.136
de que as decisións[br]que tomemos no próximo ano

0:14:59.160,0:15:02.949
cambiarán o curso da historia [br]para sempre.

0:15:03.732,0:15:04.892
Grazas.

0:15:04.916,0:15:15.075
(Aplauso)