0:00:00.612,0:00:02.214
これからの16分で

0:00:02.214,0:00:06.474
人類最大の夢への旅に[br]お連れします

0:00:06.474,0:00:08.992
生命の暗号を[br]理解するということです

0:00:08.992,0:00:11.815
私にとって ことの始まりは[br]何年も前

0:00:11.839,0:00:14.386
はじめて3Dプリンタに[br]出会ったときです

0:00:14.386,0:00:16.379
魅惑的なコンセプトだと[br]思いました

0:00:16.379,0:00:18.426
3Dプリンタは[br]３つの要素を必要とします

0:00:18.426,0:00:22.464
少しばかりの情報と[br]原料と エネルギーです

0:00:22.488,0:00:26.352
そして それまで存在しなかった物を[br]何でも作れてしまうんです

0:00:26.357,0:00:28.914
私は物理をやっていましたが[br]家に帰ってきて

0:00:28.914,0:00:32.116
3Dプリンタならずっと前から[br]知っていたことに気付きました

0:00:32.140,0:00:33.476
誰もが知っています

0:00:33.500,0:00:34.658
それは母親です

0:00:34.682,0:00:35.407
（笑）

0:00:35.407,0:00:38.121
母は３つの要素を[br]取り込みます

0:00:38.145,0:00:42.118
少しばかりの情報 —[br]今の場合 父と母が提供します

0:00:42.142,0:00:46.299
原料とエネルギーは同じもの[br]食べ物から得ます

0:00:46.323,0:00:48.755
そして数ヶ月の後に[br]私が製造されます

0:00:48.755,0:00:50.767
それ以前に[br]私は存在しませんでした

0:00:50.767,0:00:54.453
自分が3Dプリンタであることを知った[br]母の衝撃はさておき

0:00:54.477,0:00:57.849
私はすぐに[br]最初の要素である

0:00:57.849,0:01:00.956
情報に強く惹かれました

0:01:00.980,0:01:03.231
人間を組み立てるために

0:01:03.255,0:01:05.191
どれほどの情報が[br]必要なのか？

0:01:05.215,0:01:06.789
多いのか？ 少ないのか？

0:01:06.813,0:01:08.993
USBメモリ何本分になるのか？

0:01:09.017,0:01:11.641
私は当初[br]物理を勉強していたので

0:01:11.665,0:01:17.262
人間を巨大なレゴブロックとして[br]近似してみました

0:01:17.286,0:01:21.071
個々のブロックは[br]小さな原子です

0:01:21.095,0:01:25.748
ここに水素があり ここに炭素があり[br]ここに窒素がある

0:01:25.772,0:01:27.343
最初の近似としては

0:01:27.367,0:01:31.284
人間の体を構成する個々の原子を[br]すべて特定できれば

0:01:31.284,0:01:33.221
それで作り上げる[br]ことができます

0:01:33.221,0:01:35.174
計算してみると

0:01:35.198,0:01:38.475
驚くような結果になります

0:01:38.499,0:01:41.256
私がUSBメモリに[br]収めようとしているファイル

0:01:41.280,0:01:46.035
小さな赤ん坊を組み立てるための[br]原子のデータは

0:01:46.059,0:01:50.726
タイタニック号いっぱいの[br]USBメモリの

0:01:50.750,0:01:53.468
２千倍になるんです

0:01:53.957,0:01:57.358
これこそ 生命の奇跡です

0:01:57.382,0:01:59.994
今後 妊婦を見かけたら

0:02:00.018,0:02:01.968
その人は 皆さんが[br]出会うであろう

0:02:01.968,0:02:04.614
最大の情報を[br]組み上げているのです

0:02:04.614,0:02:07.428
ビッグデータなんて[br]目じゃありません

0:02:07.452,0:02:10.333
これは存在する[br]最大の情報なのです

0:02:10.357,0:02:14.190
（笑）

0:02:14.214,0:02:18.858
幸い自然界は[br]この駆け出しの物理学者よりずっと賢く

0:02:18.882,0:02:21.272
40億年の間に[br]この情報を

0:02:21.272,0:02:25.327
DNAと呼ばれる小さな結晶に[br]詰め込みました

0:02:25.605,0:02:28.641
私たちがこれに出会ったのは[br]1950年

0:02:28.641,0:02:31.497
素晴らしい女性科学者[br]ロザリンド・フランクリンが

0:02:31.521,0:02:32.980
写真に収めた時です

0:02:32.980,0:02:36.576
しかし人類が[br]ヒトの細胞の中をつついて

0:02:36.576,0:02:38.132
この結晶を取り出し

0:02:38.132,0:02:42.852
広げて 読むようになるまでには[br]40年以上かかりました

0:02:43.615,0:02:47.806
その暗号は４種の単純な[br]アルファベットで書かれています

0:02:47.806,0:02:50.652
A - T - C - G

0:02:50.676,0:02:54.456
そして人間を作るには[br]30億文字必要です

0:02:54.933,0:02:56.112
30億というのは

0:02:56.136,0:02:57.715
どんな数でしょう？

0:02:57.739,0:03:00.501
見当が付かないような数字です

0:03:00.525,0:03:04.610
この暗号がどれほど巨大かを

0:03:04.634,0:03:07.684
どうしたら説明できるか[br]考えました

0:03:07.708,0:03:10.762
そして 人の助けを[br]借りることにしました

0:03:10.786,0:03:13.927
この暗号を説明する[br]手助けとして

0:03:13.927,0:03:17.789
ゲノム解読の先駆者 クレイグ・[br]ヴェンター以上の人はいないでしょう

0:03:17.789,0:03:20.973
ご紹介します[br]クレイグ・ヴェンター博士です

0:03:20.997,0:03:24.398
（拍手）

0:03:27.952,0:03:30.628
その人物そのものではなく

0:03:31.448,0:03:33.637
歴史上初めて

0:03:33.637,0:03:38.359
特定の人間のゲノムを[br]本に印刷したものです

0:03:38.359,0:03:41.063
１ページ１ページ[br]１文字１文字

0:03:41.087,0:03:45.083
26万2千ページの情報です

0:03:45.107,0:03:49.471
450キログラムあります[br]アメリカからカナダに運んできました

0:03:49.495,0:03:54.338
ブルーノ・ボウデンと ベンチャーのLulu.comが[br]すべてやってくれました

0:03:54.362,0:03:55.825
大した偉業です

0:03:55.849,0:03:59.970
これが生命の暗号を[br]視覚化したものです

0:03:59.970,0:04:02.738
今や ちょっと面白い[br]ことができます

0:04:02.738,0:04:05.219
中を覗いて[br]読むことができるんです

0:04:05.243,0:04:09.868
面白そうな本を見てみましょう[br]たとえばこれ

0:04:12.737,0:04:15.611
付箋を付けておきました[br]すごく大きな本なので

0:04:15.635,0:04:19.362
生命の暗号がどんなものか[br]お見せしましょう

0:04:20.565,0:04:23.957
何千 何万 何億という

0:04:23.981,0:04:26.651
文字があります

0:04:26.675,0:04:29.071
ここには何か意味があるはずです

0:04:29.095,0:04:31.122
特定の部分を見てみます

0:04:31.391,0:04:32.933
読んで差し上げましょう

0:04:32.957,0:04:33.978
（笑）

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

0:04:38.965,0:04:41.032
黙字のように聞こえますが

0:04:41.056,0:04:45.097
この配列はクレイグの目の色を[br]指定しています

0:04:45.633,0:04:47.565
別の巻を見てみましょう

0:04:47.589,0:04:49.963
こちらは もう少し複雑です

0:04:50.983,0:04:53.630
染色体14 第132巻

0:04:53.654,0:04:55.744
（笑）

0:04:55.768,0:04:57.045
お察しの通り

0:04:57.069,0:05:00.535
（笑）

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

0:05:08.329,0:05:10.016
この人は幸運です

0:05:10.040,0:05:12.851
この部分の２文字が[br]欠けただけで —

0:05:12.851,0:05:16.458
30億文字中の たった２文字が[br]欠けているだけで

0:05:16.482,0:05:18.501
恐ろしい病気を[br]運命付けられてしまいます

0:05:18.525,0:05:19.965
嚢胞性線維症です

0:05:19.989,0:05:23.402
治す方法も救う方法も[br]わかっていません

0:05:23.426,0:05:27.181
それがたった２文字の違いで[br]引き起こされるのです

0:05:27.585,0:05:30.290
素晴らしい本 強力な本

0:05:31.115,0:05:34.503
この本は ある極めて驚くべきことを[br]教えてくれます

0:05:34.503,0:05:36.170
お見せしましょう

0:05:36.300,0:05:41.015
どんな人であれ 私を私[br]皆さんを皆さんたらしめているのは

0:05:41.015,0:05:43.893
このうちの たったの５百万字

0:05:43.917,0:05:45.525
１冊の半分たらずで

0:05:46.015,0:05:47.678
残りの部分は

0:05:47.702,0:05:50.264
まったく同一なんです

0:05:51.008,0:05:55.026
500ページが 皆さんという[br]生命の奇跡を作り出し

0:05:55.050,0:05:57.581
残りはみんなと共通です

0:05:57.605,0:06:00.514
人は皆違うと思った時[br]そのことを考えてみてください

0:06:00.538,0:06:03.069
私たちが共有している量を

0:06:03.441,0:06:06.870
少し興味を持って[br]いただけたと思うので

0:06:06.894,0:06:08.147
次の疑問ですが

0:06:08.147,0:06:09.598
どうやってこれを読むのか？

0:06:09.598,0:06:11.221
どうすれば[br]意味を取れるのか？

0:06:11.409,0:06:15.553
どんなにスウェーデン家具の組み立てが[br]得意だろうと

0:06:15.553,0:06:19.426
この組み立て手順書は[br]一生かかっても解読できないでしょう

0:06:19.426,0:06:20.863
（笑）

0:06:20.887,0:06:23.999
そのため 2014年に[br]著名な２人のTED講演者

0:06:24.023,0:06:26.563
ピーター・ディアマンディスと[br]クレイグ・ヴェンターその人が

0:06:26.587,0:06:28.438
新会社を作ることにしました

0:06:28.438,0:06:30.160
ヒューマン・ロンジェビティ社の

0:06:30.160,0:06:31.344
ミッションは１つ

0:06:31.368,0:06:33.639
この本について[br]学べることをすべて学び

0:06:33.639,0:06:35.996
試せることをすべて試して

0:06:35.996,0:06:38.661
個別化医療の夢の実現を目指し

0:06:38.662,0:06:41.663
より良い健康のために[br]何をしなければならないか

0:06:41.687,0:06:44.438
この本の秘密は何なのか

0:06:44.438,0:06:47.171
解明するということです

0:06:47.989,0:06:52.579
40名のデータ科学者をはじめ[br]様々な人の素晴らしいチームで

0:06:52.603,0:06:53.953
共に働けるのは喜びです

0:06:53.977,0:06:56.230
概念的には[br]とてもシンプルです

0:06:56.254,0:06:59.412
機械学習という[br]技術を使います

0:06:59.436,0:07:03.975
一方には何千という[br]ゲノムがあります

0:07:03.999,0:07:07.820
他方には人間に関する[br]最大級のデータベースがあります

0:07:07.820,0:07:12.576
表現型 3Dスキャン NMR[br]思いつく限りあらゆるものが入っています

0:07:12.576,0:07:15.239
この二者の間には

0:07:15.263,0:07:17.705
未知の変換過程があります

0:07:17.729,0:07:20.651
私たちは中間に機械を構築し

0:07:20.661,0:07:23.130
トレーニングしています

0:07:23.130,0:07:26.420
１台だけでなく[br]沢山の機械があって

0:07:26.444,0:07:31.238
ゲノムから表現型への変換を[br]理解しようと試みています

0:07:31.362,0:07:34.702
この文字列は何であり[br]何をするのか？

0:07:34.726,0:07:37.473
これは何にでも使える[br]アプローチですが

0:07:37.497,0:07:40.414
ゲノミクスにおいては[br]特に複雑です

0:07:40.414,0:07:43.950
少しずつ拡大して[br]違う挑戦へと手を広げてきました

0:07:43.950,0:07:46.520
最初はありふれた形質から[br]始めました

0:07:46.520,0:07:48.107
ありふれた形質がいいのは

0:07:48.107,0:07:50.551
ありふれていて[br]誰でも持っていることです

0:07:50.551,0:07:52.899
そして こんなことを[br]問い始めました

0:07:52.923,0:07:54.885
この本を読んで

0:07:54.885,0:07:57.162
身長は予測できるか？

0:07:57.186,0:07:58.337
実際可能です

0:07:58.361,0:08:00.154
5センチの精度で[br]予測できます

0:08:00.178,0:08:03.313
体重は生活習慣に[br]大きく依存していますが

0:08:03.337,0:08:07.055
それでも おおよその予測はできます[br]8キロの精度です

0:08:07.055,0:08:08.546
目の色は[br]予測できるか？

0:08:08.546,0:08:09.592
できます

0:08:09.592,0:08:11.246
80パーセントの正確さです

0:08:11.366,0:08:13.238
肌の色は予測できるか？

0:08:13.238,0:08:15.789
できます[br]80パーセントの正確さです

0:08:15.813,0:08:17.463
年齢は予測できるか？

0:08:18.121,0:08:21.860
できます　生きている間に[br]塩基配列は変化していくからです

0:08:21.884,0:08:25.166
短くなり 欠落や挿入が起きます

0:08:25.190,0:08:27.745
いろいろな特徴から[br]モデルを作れます

0:08:28.438,0:08:29.837
興味深い課題は

0:08:29.837,0:08:32.106
人の顔は予想できるか[br]ということです

0:08:32.724,0:08:34.292
これはちょっと難しいです

0:08:34.316,0:08:37.506
人の顔を決める情報は[br]何百万という塩基配列に分散しているし

0:08:37.530,0:08:40.289
人の顔というのは[br]あまり綺麗に定義できません

0:08:40.289,0:08:42.475
それを学ぶために[br]まるまる階層を構築し

0:08:42.475,0:08:44.193
機械に顔とは何か教え

0:08:44.193,0:08:47.030
埋め込み圧縮する[br]必要がありました

0:08:47.054,0:08:49.302
機械学習に馴染みがある人なら

0:08:49.326,0:08:51.610
難しさが分かると思います

0:08:52.108,0:08:58.099
私たちが最初の配列を読んで以来[br]15年が過ぎましたが

0:08:58.123,0:09:01.025
去年10月に有意な結果を[br]目にするようになりました

0:09:01.049,0:09:03.504
とても感情的に高揚する瞬間でした

0:09:03.528,0:09:07.273
ご覧いただいているのは[br]実験室に来た被験者です

0:09:07.619,0:09:09.547
この顔を使います

0:09:09.571,0:09:13.036
被験者の顔のデータを取り[br]複雑さを減らします

0:09:13.036,0:09:15.406
顔のすべてが遺伝子で[br]決まるわけではなく

0:09:15.406,0:09:19.196
様々な特徴や欠陥や非対称性が[br]生きている中で生じるからです

0:09:19.196,0:09:22.499
顔を対称化し[br]アルゴリズムにかけます

0:09:23.245,0:09:25.143
次にご覧いただくのが

0:09:25.167,0:09:28.539
血液から予測した顔です

0:09:29.596,0:09:31.120
（拍手）

0:09:31.144,0:09:32.579
ちょっとお待ちを

0:09:32.603,0:09:37.295
この瞬間 皆さんの目は[br]左の顔と右の顔を見比べ

0:09:37.319,0:09:41.249
脳が 顔を同一視しようと[br]してしまいます

0:09:41.273,0:09:43.719
だから１つ課題を[br]出しましょう

0:09:43.743,0:09:46.030
違いを探してください

0:09:46.054,0:09:47.415
たくさんあります

0:09:47.439,0:09:50.042
最大の特徴は[br]性別から来ます

0:09:50.066,0:09:55.267
それから年齢 BMI 人種

0:09:55.291,0:09:59.002
そこから先は[br]ずっと複雑になります

0:09:59.026,0:10:02.276
２つの顔に[br]違いはあるにしても

0:10:02.300,0:10:05.895
概ね合っているのが[br]お分かりいただけると思います

0:10:05.919,0:10:07.777
どんどん近くなっていて

0:10:07.777,0:10:09.640
感動すら覚えます

0:10:09.664,0:10:12.367
これは別の被験者です

0:10:12.391,0:10:13.800
こちらが予測です

0:10:13.824,0:10:18.420
実際の顔は若干小さく[br]頭蓋の形が完全に合ってはいませんが

0:10:18.444,0:10:21.095
大きくは外していません

0:10:21.634,0:10:23.858
これが被験者の顔

0:10:23.882,0:10:25.565
これが予測した顔

0:10:26.056,0:10:30.732
マシンのトレーニングの時点では[br]これらの顔は見せていません

0:10:30.756,0:10:33.593
ホールドアウト・セットと呼ばれる[br]評価用データです

0:10:33.617,0:10:37.357
これだけでは信じない[br]かもしれませんが

0:10:37.381,0:10:39.781
すべて科学論文として[br]発表しているので

0:10:39.781,0:10:41.312
お読みいただけます

0:10:41.312,0:10:44.530
クリスが私にステージでやる[br]挑戦を持ちかけました

0:10:44.530,0:10:46.274
真剣勝負をして

0:10:46.274,0:10:50.385
皆さんが認識できる顔の[br]予測をすべきだろうと

0:10:50.390,0:10:53.679
このバイアル瓶の中の血液には —

0:10:53.679,0:10:57.799
この血液を手に入れる苦労は[br]想像もつかないでしょうが

0:10:57.823,0:11:00.048
このバイアル瓶の中の血液には

0:11:00.048,0:11:04.025
全ゲノム塩基配列同定のために[br]十分な情報があります

0:11:04.049,0:11:06.119
これだけでいいのです

0:11:06.428,0:11:09.733
この塩基配列を調べたので[br]皆さんと一緒に見ていきましょう

0:11:09.757,0:11:13.736
分かったことをすべて[br]積み上げていきます

0:11:13.760,0:11:17.110
この血液から男性と[br]予想しましたが

0:11:17.134,0:11:18.728
被験者は男性です

0:11:18.996,0:11:21.434
身長は176cmと[br]予想しましたが

0:11:21.458,0:11:23.850
実際は177cmです

0:11:23.874,0:11:27.984
予想は76キロで[br]実際は82キロ

0:11:28.701,0:11:31.333
予想年齢は38歳

0:11:31.357,0:11:33.261
実際は35歳

0:11:33.851,0:11:35.975
予想した目の色は —

0:11:36.384,0:11:38.035
少し濃すぎました

0:11:38.059,0:11:39.764
肌の色の予想は

0:11:40.026,0:11:41.436
大体合っています

0:11:41.899,0:11:43.532
これが予想した顔です

0:11:45.172,0:11:48.441
種明かしの瞬間です

0:11:48.465,0:11:50.235
これが被験者の顔です

0:11:50.259,0:11:52.194
（笑）

0:11:52.218,0:11:54.276
意図的にやりました

0:11:54.300,0:11:57.936
私はごく特殊な妙な民族です

0:11:57.936,0:12:01.086
南欧はイタリア人で[br]モデルには決して合いません

0:12:01.086,0:12:06.120
この人種は我々のモデルでは[br]複雑な特殊ケースに当たります

0:12:06.144,0:12:07.843
しかし もう１つあります

0:12:07.843,0:12:11.018
人を見分ける時に[br]よく使われるものの１つは

0:12:11.018,0:12:12.810
遺伝子に書かれていません

0:12:12.810,0:12:15.781
どういうルックスになるか[br]自由意志によるところがあります

0:12:15.781,0:12:18.494
ここでは髪型ではなく[br]髭です

0:12:18.518,0:12:22.071
髭を移してみましょう

0:12:22.095,0:12:24.860
モデリングではなく[br]単なる画像加工です

0:12:24.884,0:12:26.857
被験者の髭をコピーします

0:12:26.857,0:12:30.093
すると ずっと[br]似た感じになります

0:12:30.955,0:12:33.874
なぜ こんなことを[br]しているのか？

0:12:35.938,0:12:39.482
身長を予測するためでも

0:12:39.482,0:12:43.644
血液から綺麗な写真を[br]作るためでもありません

0:12:44.390,0:12:48.408
同じ技術 同じアプローチを使った

0:12:48.432,0:12:50.952
遺伝暗号の機械学習が

0:12:50.976,0:12:53.987
体について理解する[br]助けになるからです

0:12:53.987,0:12:55.693
体はどのように働くのか

0:12:55.693,0:12:57.312
体はどう老化するのか

0:12:57.336,0:13:00.105
病気はどのように[br]発生するのか

0:13:00.129,0:13:03.101
ガンはどのように[br]成長するのか

0:13:03.125,0:13:04.908
薬はどう働くのか

0:13:04.932,0:13:07.406
自分の体には効くのか

0:13:07.713,0:13:09.380
これは大きな挑戦です

0:13:09.894,0:13:12.282
世界中の何千という研究者が

0:13:12.282,0:13:14.135
追いかけている挑戦で

0:13:14.159,0:13:16.821
「個別化医療」と呼ばれています

0:13:17.125,0:13:20.585
人が海の中の点にすぎない

0:13:20.609,0:13:22.641
統計的アプローチから

0:13:22.665,0:13:24.478
この遺伝子の本を[br]すべて読んで

0:13:24.502,0:13:27.207
その人のことを[br]正確に理解してあたる

0:13:27.207,0:13:30.045
個別化アプローチへと[br]進むことができます

0:13:30.260,0:13:33.622
とても複雑な課題です

0:13:33.646,0:13:36.218
というのも すべての本のうち

0:13:36.218,0:13:40.590
現在のところ ほんの２パーセントしか[br]分かっていないからです

0:13:41.027,0:13:44.680
175冊中の４冊です

0:13:46.021,0:13:49.537
これは私の話の範囲外です

0:13:50.145,0:13:53.023
私たちは学んでいくでしょう

0:13:53.268,0:13:56.517
このテーマについては[br]世界最高の頭脳が挑んでいるからです

0:13:57.048,0:13:58.882
予測はより良く

0:13:58.906,0:14:01.159
モデルはより正確に[br]なっていきます

0:14:01.183,0:14:03.041
学べば学ぶほど

0:14:03.065,0:14:07.009
以前には直面する[br]必要のなかった決断に

0:14:07.009,0:14:10.940
直面することになるでしょう

0:14:10.964,0:14:12.399
生や

0:14:12.423,0:14:14.097
死や

0:14:14.121,0:14:15.724
子育てについて

0:14:18.356,0:14:25.712
私たちは生命の仕組みの[br]ごく内的な詳細に触れようとしています

0:14:26.118,0:14:29.276
この革命は[br]科学や技術の領域に

0:14:29.300,0:14:31.959
留まる話ではありません

0:14:32.690,0:14:35.594
世界的な対話が[br]必要になるでしょう

0:14:35.648,0:14:41.015
人類として築きつつある未来について[br]考え始めなければなりません

0:14:41.039,0:14:45.103
創作者 芸術家 [br]哲学者 政治家とも

0:14:45.127,0:14:46.551
話す必要があります

0:14:46.551,0:14:48.039
全員にかかわることです

0:14:48.039,0:14:50.798
人類の未来の話なんですから

0:14:51.273,0:14:55.241
恐れずに — ただし[br]理解する必要があります

0:14:55.265,0:14:59.136
私たちが近い将来にする決断が

0:14:59.160,0:15:03.279
人類史の進む方向を[br]永久に変えることになるのだと

0:15:03.732,0:15:04.892
ありがとうございました

0:15:04.916,0:15:08.215
（拍手）