0:00:00.612,0:00:03.374
In de volgende 16 minuten zal ik [br]jullie laten kennismaken

0:00:03.398,0:00:06.484
met wat waarschijnlijk de grootste [br]droom van de mensheid is:

0:00:06.508,0:00:08.523
de code van het leven begrijpen.

0:00:09.072,0:00:11.815
Voor mij begon alles heel lang geleden,

0:00:11.839,0:00:14.562
toen ik kennismaakte[br]met de eerste 3D-printer.

0:00:14.586,0:00:16.260
Het concept was fascinerend.

0:00:16.284,0:00:18.306
Een 3D-printer heeft drie dingen nodig:

0:00:18.330,0:00:22.464
met een beetje informatie, enkele [br]grondstoffen en wat energie

0:00:22.488,0:00:25.822
kan de printer uit het niets[br]een totaal nieuw object produceren.

0:00:26.517,0:00:28.654
Ik studeerde fysica[br]en was op weg naar huis

0:00:28.678,0:00:32.116
toen ik besefte dat ik al heel mijn leven[br]een 3D-printer kende.

0:00:32.140,0:00:33.476
En iedereen kent er één.

0:00:33.500,0:00:34.658
Het was mijn ma.

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

0:00:35.707,0:00:38.121
Mijn ma neemt 3 elementen:

0:00:38.145,0:00:42.118
een beetje informatie, in dit geval[br]van mijn vader en mijn moeder,

0:00:42.142,0:00:46.299
grondstoffen en energie onder[br]dezelfde vorm, voedsel,

0:00:46.323,0:00:48.831
en na enkele maanden produceert ze mij.

0:00:48.855,0:00:50.667
Daarvoor bestond ik gewoon niet.

0:00:50.691,0:00:54.453
Dus, afgezien van mijn ma's schok toen ze [br]ontdekte dat ze een 3D-printer is,

0:00:54.477,0:00:59.215
raakte ik gefascineerd [br]door dat ene onderdeel,

0:00:59.239,0:01:00.956
het eerste, de informatie.

0:01:00.980,0:01:03.231
Hoeveel informatie heb je nodig

0:01:03.255,0:01:05.191
om een mens ineen te knutselen?

0:01:05.215,0:01:06.789
Is dat veel? Of niet veel?

0:01:06.813,0:01:08.993
Hoeveel USB-sticks kan je ermee vullen?

0:01:09.017,0:01:11.641
Ik was fysica aan het studeren

0:01:11.665,0:01:17.262
en ik besloot dat de beste invalshoek was[br]de mens als een enorme legoblok te bezien.

0:01:17.286,0:01:21.071
Beeld je in dat de blokjes[br]kleine atoompjes zijn

0:01:21.095,0:01:25.748
en dat er hier waterstof is, en hier[br]koolstof, en verder nog stikstof.

0:01:25.772,0:01:27.343
Mijn eerste inschatting was:

0:01:27.367,0:01:31.710
als ik de lijst kan opstellen [br]van het aantal atomen dat een mens bevat,

0:01:31.734,0:01:33.121
dan kan ik er ook één bouwen.

0:01:33.145,0:01:35.174
Nu kan je beginnen rekenen,

0:01:35.198,0:01:38.475
en het resultaat is onwaarschijnlijk.

0:01:38.499,0:01:41.256
Het aantal atomen,

0:01:41.280,0:01:46.035
de file die ik op mijn USB-stick zal[br]opslaan om een baby in elkaar te steken,

0:01:46.059,0:01:50.726
zal een hele Titanic [br]vol USB-sticks vullen -

0:01:50.750,0:01:53.468
vermenigvuldigd met 2000.

0:01:53.957,0:01:57.358
Dit is het wonder van het leven.

0:01:57.382,0:01:59.994
Denk eraan elke keer je nu[br]een zwangere vrouw ziet:[br]

0:02:00.018,0:02:02.874
zij is de grootste hoeveelheid[br]informatie aan het verzamelen

0:02:02.898,0:02:04.454
die je je kan inbeelden.

0:02:04.478,0:02:07.428
Vergeet 'big data', vergeet alles[br]wat je ooit gehoord hebt.

0:02:07.452,0:02:10.333
Dit is de grootste hoeveelheid [br]informatie die er bestaat.

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

0:02:14.214,0:02:18.858
Gelukkig is de natuur veel slimmer[br]dan een jonge natuurkundige,

0:02:18.882,0:02:22.458
en is ze er in 4 miljard jaar in geslaagd[br]deze informatie samen te pakken

0:02:22.482,0:02:25.187
in een klein kristal dat DNA heet.

0:02:25.605,0:02:27.911
We zagen het voor het eerst in 1950[br]

0:02:27.931,0:02:31.497
toen Rosalind Franklin, een ongelooflijke[br]wetenschapper, een vrouw,

0:02:31.521,0:02:32.910
het vastlegde op foto.

0:02:32.934,0:02:38.122
Maar we hadden meer dan 40 jaar nodig om[br]in een menselijke cel binnen te geraken,

0:02:38.146,0:02:39.748
het kristal te isoleren,

0:02:39.772,0:02:42.852
het af te wikkelen[br]en voor het eerst te lezen.

0:02:43.615,0:02:46.856
De code die dan verschijnt, [br]is een zeer eenvoudig alfabet

0:02:46.880,0:02:50.652
met vier letters: A, T, C en G.

0:02:50.676,0:02:54.166
Om een mens te bouwen, [br]heb je er drie miljard van nodig.

0:02:54.933,0:02:56.112
Drie miljard.

0:02:56.136,0:02:57.715
Hoeveel is drie miljard?

0:02:57.739,0:03:00.501
Het is een getal dat eigenlijk[br]weinig zin heeft.

0:03:00.525,0:03:04.610
Dus dacht ik: hoe kan ik nu [br]echt duidelijk maken

0:03:04.634,0:03:07.684
hoe reusachtig groot deze code wel is?

0:03:07.708,0:03:10.762
Nu heb je wel - ik bedoel[br]ik heb nu wel even hulp nodig.

0:03:10.786,0:03:14.013
De persoon die mij het best kan helpen[br]om de code voor te stellen,

0:03:14.037,0:03:17.559
is Dr. Craig Venter, de eerste man die[br]de volgorde ervan heeft bepaald.

0:03:17.583,0:03:20.973
Welkom, Dr. Craig Venter.

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

0:03:27.952,0:03:30.208
Dit is natuurlijk niet de man[br]in vlees en bloed,

0:03:31.448,0:03:33.793
maar, voor de eerste keer[br]in de geschiedenis,

0:03:33.817,0:03:37.279
is het genoom van een bepaald individu

0:03:37.303,0:03:41.063
uitgeschreven, pagina na pagina,[br]letter na letter:

0:03:41.087,0:03:45.083
260.000 bladzijden aan informatie,

0:03:45.107,0:03:49.471
450 kilo die van de VS [br]naar Canada verzonden zijn

0:03:49.495,0:03:54.338
dankzij Bruno Bowden,[br]van start-up Lulu.com.

0:03:54.362,0:03:55.825
Een geweldige prestatie.

0:03:55.849,0:04:00.146
Dit is dus de visuele weergave[br]van de code van het leven.

0:04:00.170,0:04:02.648
En nu kan ik voor de eerste keer[br]iets leuks doen.

0:04:02.672,0:04:05.219
Ik kan de code nu inkijken en lezen.

0:04:05.243,0:04:09.868
Nu zal ik eens een interessant boek[br]nemen ... zoals dat hier.

0:04:13.077,0:04:15.611
Hier is mijn aantekening;[br]het is een enorm boek.

0:04:15.635,0:04:19.362
Nu kan je echt wel zien[br]wat de code van het leven is.

0:04:20.566,0:04:23.957
Duizenden en duizenden en duizenden

0:04:23.981,0:04:26.651
en miljoenen letters.

0:04:26.675,0:04:29.071
En blijkbaar wil dat allemaal iets zeggen.

0:04:29.095,0:04:30.852
Laten we eens een fragment nemen.

0:04:31.571,0:04:32.933
Ik zal het even voorlezen:

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

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

0:04:38.965,0:04:41.032
Voor jullie zijn dat gewoon[br]zinloze letters,

0:04:41.056,0:04:45.097
maar deze sequentie bepaalt[br]de kleur van Craigs ogen.

0:04:45.633,0:04:47.565
Nu een ander fragment van het boek.

0:04:47.589,0:04:49.683
Dit is wel een beetje moeilijker.

0:04:50.983,0:04:53.630
Chromosoom 14, boek 132:

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

0:04:55.768,0:04:57.045
Dacht ik het niet.

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

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

0:05:08.329,0:05:10.016
Deze mens heeft geluk,

0:05:10.040,0:05:14.557
want als je twee letters te kort[br]schiet in deze combinatie -

0:05:14.581,0:05:16.458
twee letters van onze drie miljard -

0:05:16.482,0:05:18.641
dan zal je aan een vreselijke[br]ziekte lijden:

0:05:18.641,0:05:19.965
taaislijmziekte.

0:05:19.989,0:05:23.402
Dit is een ongeneeslijke ziekte,[br]daar bestaat geen medicatie voor,

0:05:23.426,0:05:27.181
en het is een verschil van twee lettertjes[br]ten opzichte van ons.

0:05:27.585,0:05:30.290
Een fantastisch boek, een grandioos boek,

0:05:31.115,0:05:33.113
een boek dat mij geholpen heeft[br]

0:05:33.137,0:05:35.890
iets te begrijpen dat echt fenomenaal is.

0:05:36.480,0:05:40.915
Elk van jullie - wat mij en jou[br]van elkaar onderscheidt

0:05:40.939,0:05:43.893
is ongeveer vijf miljoen van deze,

0:05:43.917,0:05:45.145
een half boek.

0:05:46.015,0:05:47.678
Voor de rest

0:05:47.702,0:05:50.264
zijn we allemaal volledig identiek.

0:05:51.008,0:05:55.026
Die vijfhonderd pagina's zijn het mirakel[br]van het leven voor elk van jullie.

0:05:55.050,0:05:57.581
Al de rest hebben we gemeenschappelijk.

0:05:57.605,0:06:00.514
Dus denk eraan wanneer[br]je denkt dat we verschillend zijn.

0:06:00.538,0:06:02.759
Zoveel hebben we dus gemeenschappelijk.

0:06:03.441,0:06:06.870
Nu ik dus jullie aandacht heb,

0:06:06.894,0:06:08.253
wil ik nog een vraag stellen

0:06:08.277,0:06:09.428
hoe kan je dat nu lezen?

0:06:09.452,0:06:10.961
Hoe kan dat nu zinvol zijn?

0:06:11.409,0:06:15.649
Je mag nog een kei zijn in het[br]ineenknutselen van Zweedse meubels,

0:06:15.673,0:06:19.236
maar deze handleiding zal je [br]nooit kunnen gebruiken.

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

0:06:20.887,0:06:23.999
En zo besloten twee bekende TED-ers,

0:06:24.023,0:06:26.563
Peter Diamandis en Craig Venter zelf,

0:06:26.587,0:06:28.514
in 2014 een nieuw bedrijf op te starten.

0:06:28.538,0:06:29.950
Hier kwam Human Longevity,

0:06:29.974,0:06:31.344
met één missie:

0:06:31.368,0:06:33.229
alles proberen

0:06:33.253,0:06:36.012
en alles leren uit deze boeken,

0:06:36.036,0:06:37.741
met één doel -

0:06:38.862,0:06:41.663
de droom waarmaken [br]van gepersonaliseerde geneeskunde,

0:06:41.687,0:06:45.454
begrijpen wat we moeten doen[br]om een betere gezondheid te hebben

0:06:45.478,0:06:47.761
en wat voor geheimen deze boeken omvatten.

0:06:48.329,0:06:52.579
Een fantastisch team met 40 wetenschappers[br]en veel, veel andere mensen,

0:06:52.603,0:06:54.033
een plezier om mee te werken.

0:06:54.033,0:06:56.230
Het concept is heel eenvoudig.

0:06:56.254,0:06:59.412
We gebruiken de technologie[br]van 'machine learning'.

0:06:59.436,0:07:03.975
Aan de ene kant hebben we[br]duizenden genomen.

0:07:03.999,0:07:07.996
Aan de andere kant hebben we de grootste[br]database van de mens bijeengebracht:

0:07:08.020,0:07:12.316
fenotypes, 3D-scans, kernspinresonantie -[br]je noemt het maar.

0:07:12.340,0:07:15.239
En daar, aan deze twee overstaande kanten

0:07:15.263,0:07:17.705
vind je het geheim van de vertaling.

0:07:17.729,0:07:20.201
Tussen de twee bouwen we een machine.

0:07:20.801,0:07:23.186
We bouwen een machine en [br]we programeren die -

0:07:23.210,0:07:26.420
om precies te zijn, niet één machine,[br]maar veel, veel machines -

0:07:26.444,0:07:30.988
om te proberen het genoom in een fenotype[br]te begrijpen en te vertalen.

0:07:31.362,0:07:34.702
Welke zijn die letters[br]en wat doen ze?

0:07:34.726,0:07:37.473
Deze methodologie kan voor alles[br]gebruikt worden,

0:07:37.497,0:07:40.490
maar het is een hele opdracht om die[br]te gebruiken in genomica.

0:07:40.514,0:07:43.790
We zijn langzaamaan gegroeid en [br]we hadden verschillende projecten.

0:07:43.814,0:07:46.726
We begonnen met het begin, [br]met gemeenschappelijke kenmerken.

0:07:46.726,0:07:49.173
Gemeenschappelijke kenmerken zijn[br]de gemakkelijkste,

0:07:49.197,0:07:50.381
omdat iedereen ze heeft.

0:07:50.405,0:07:52.899
Dus hebben we ons afgevraagd:

0:07:52.923,0:07:54.303
kan lengte voorspeld worden?

0:07:54.985,0:07:57.162
Kunnen we uit de boeken[br]je lengte afleiden?

0:07:57.186,0:07:58.337
Wel ja, we kunnen dat,

0:07:58.361,0:08:00.154
met een precisie van vijf centimeter.

0:08:00.178,0:08:03.313
Je BMI-index is gekoppeld[br]aan je levensstijl

0:08:03.337,0:08:07.201
maar we kunnen toch je gewicht schatten[br]met een precisie van 8 kilo.

0:08:07.225,0:08:08.456
De kleur van je ogen?

0:08:08.480,0:08:09.638
Die kunnen we ook raden.

0:08:09.662,0:08:10.986
Met 80% zekerheid.

0:08:11.466,0:08:13.324
Kunnen we je huidskleur raden?

0:08:13.348,0:08:15.789
Ja - met 80% zekerheid.

0:08:15.813,0:08:17.153
Kunnen we je leeftijd raden?

0:08:18.121,0:08:21.860
Dat kunnen we, omdat de code blijkbaar[br]in de loop van de jaren verandert.

0:08:21.884,0:08:25.166
Ze wordt korter, je verliest stukjes,[br]ander stukken worden bijgevoegd.

0:08:25.190,0:08:27.745
We lezen de signalen[br]en we maken een model.

0:08:28.438,0:08:29.913
Nu is er wel een interessante uitdaging

0:08:29.937,0:08:31.666
Kunnen we een gezicht voorspellen?

0:08:33.014,0:08:34.292
Dat is een beetje moeilijk

0:08:34.316,0:08:37.507
omdat een menselijk gezicht bestaat[br]uit miljoenen letters

0:08:37.531,0:08:40.160
En een gezicht is nu ook niet[br]een welomschreven object.

0:08:40.184,0:08:42.295
Dus moesten we er [br]een hele reeks van bouwen

0:08:42.295,0:08:45.059
om te leren en aan een machine [br]te leren wat een gezicht is

0:08:45.059,0:08:47.030
en dan moet je het nog integreren.

0:08:47.054,0:08:49.302
Als je iets van machine learning kent,

0:08:49.326,0:08:51.610
dan weet je ook [br]wat voor een uitdaging dit is.

0:08:52.108,0:08:58.099
En nu, na 15 jaar - 15 jaar nadat we[br]de eerste sequentie gelezen hebben -

0:08:58.123,0:09:01.025
in oktober, hebben we[br]de eerste signalen gezien.

0:09:01.049,0:09:03.504
Dat was een zeer ontroerend moment.

0:09:03.528,0:09:07.273
Je ziet dus een persoon [br]ons lab binnenwandelen.

0:09:07.619,0:09:09.547
Voor ons is het een gezicht.

0:09:09.571,0:09:13.202
We nemen iemands reële gezicht, [br]verminderen de complexiteit,

0:09:13.226,0:09:15.196
omdat niet alles van je gezicht komt,

0:09:15.220,0:09:19.006
veel kenmerken en imperfecties en[br]onregelmatigheden komen van ons leven.

0:09:19.030,0:09:22.499
We maken het gezicht symmetrisch[br]en we voeren ons algoritme uit.

0:09:23.245,0:09:25.143
Hier zijn de resultaten.

0:09:25.167,0:09:28.539
Dit is de voorspelling die berekend[br]wordt op basis van het bloed.

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

0:09:31.144,0:09:32.579
Wacht eens even.

0:09:32.603,0:09:37.295
Voor het ogenblik zijn jullie ogen aan het[br]kijken, links en rechts, links en rechts,

0:09:37.319,0:09:41.249
en jullie hersenen willen gewoon [br]dat die foto's identiek zijn.

0:09:41.273,0:09:43.719
Dus moeten jullie nu even eerlijk zijn.

0:09:43.743,0:09:46.030
Probeer de verschillen na te sporen,

0:09:46.054,0:09:47.415
en die zijn er!

0:09:47.439,0:09:50.042
De grootste hoeveelheid signalen[br]komt van het geslacht,

0:09:50.066,0:09:55.267
dan heb je leeftijd, BMI, [br]het ethnische aspect van een mens.

0:09:55.291,0:09:59.002
Wanneer je een stap verder zet, [br]dan wordt het pas echt ingewikkeld.

0:09:59.026,0:10:02.276
Maar wat je hier kan zien, [br]zelfs de verschillen,

0:10:02.300,0:10:05.895
dat maakt ons duidelijk dat we[br]in de goede richting aan het gaan zijn,

0:10:05.919,0:10:07.267
dat we dichterbij komen.

0:10:07.291,0:10:09.640
En je voelt de emoties al opkomen.

0:10:09.664,0:10:12.367
Dit is een andere persoon [br]die het lab binnenkomt,

0:10:12.391,0:10:13.800
en dit is de voorspelling.

0:10:13.824,0:10:18.420
Een kleiner gezicht, de vorm [br]van de schedel was niet volledig,

0:10:18.444,0:10:21.095
maar je kan toch zien [br]dat we er niet ver van af zijn.

0:10:21.634,0:10:23.858
Dit is nog een andere persoon in ons lab,

0:10:23.882,0:10:25.325
met de voorspelling.

0:10:26.056,0:10:30.732
Maar deze mensen zul je nooit zien[br]in de training van de machine.

0:10:30.756,0:10:33.593
Ze zijn de zogenaamde validatieset.

0:10:33.617,0:10:37.357
Maar deze mensen zal je [br]waarschijnlijk nooit geloven.

0:10:37.381,0:10:40.057
Ons werk wordt uitgegeven[br]in een wetenschappelijk blad,

0:10:40.081,0:10:41.232
je kan het lezen.

0:10:41.256,0:10:44.190
Maar we zijn op het podium[br]en Chris heeft me uitgedaagd.

0:10:44.190,0:10:47.250
Ik heb een risico genomen en[br]geprobeerd iemand te raden

0:10:47.274,0:10:50.105
die jullie misschien zullen herkennen.

0:10:50.470,0:10:54.895
Hier heb je een bloedbuisje -- en,[br]geloof me, jullie heb geen idee

0:10:54.919,0:10:57.799
wat we wel hebben moeten doen[br]om dit bloed te bemachtigen --

0:10:57.823,0:11:01.724
hier in dit bloedbuisje hebben we [br]genoeg biologische informatie

0:11:01.748,0:11:04.025
om een volledige genoom te sequencen.

0:11:04.049,0:11:06.119
Meer hebben we niet nodig.

0:11:06.528,0:11:09.733
We hebben deze sequence uitgevoerd,[br]en we zullen dit nu samen doen.

0:11:09.757,0:11:13.736
Laag na laag brengen we alle informatie[br]bij elkaar die we hebben.

0:11:13.760,0:11:17.110
Via dit bloedbuisje hebben we voorspeld[br]dat het gaat over een man.

0:11:17.134,0:11:18.988
En inderdaad, het is een man.

0:11:18.996,0:11:21.434
We voorspellen dat hij 1,76 m groot is.

0:11:21.458,0:11:23.850
Onze persoon is 1,77 cm groot.

0:11:23.874,0:11:27.984
We mikken op 76 kg, en hij weegt 82 kg.

0:11:28.701,0:11:31.333
We voorspellen zijn leeftijd, 38 jaar.

0:11:31.357,0:11:33.261
Onze persoon is er 35.

0:11:33.851,0:11:35.975
Wij denken dat hij donkere ogen heeft.

0:11:36.824,0:11:38.035
Te donker.

0:11:38.059,0:11:39.614
Zijn huidskleur.

0:11:40.026,0:11:41.436
We zijn er nu bijna.

0:11:41.899,0:11:43.272
Dit is zijn gezicht.

0:11:45.172,0:11:48.441
En nu DE revelatie:

0:11:48.465,0:11:50.235
hier is onze persoon.

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

0:11:52.218,0:11:54.276
Ik heb dit met opzet gedaan.

0:11:54.300,0:11:57.992
Ik heb een heel vreemde[br]ethnische oorsprong.

0:11:58.016,0:12:01.126
Zuid-Europees, Italiaans - [br]die moeten altijd alles anders doen.

0:12:01.126,0:12:06.120
En dat is speciaal - ethnische oorsprong[br]is een ingewikkelde test voor ons model.

0:12:06.144,0:12:07.653
Maar er is nog iets anders.

0:12:07.677,0:12:11.154
Eén van de elementen die we veel[br]gebruiken om mensen te herkennen

0:12:11.178,0:12:12.900
zal je nooit in het genoom vinden.

0:12:12.924,0:12:15.241
Het is onze vrije wil, hoe je eruit ziet.

0:12:15.265,0:12:18.494
In mijn geval niet mijn haarsnit, [br]maar mijn baard.

0:12:18.518,0:12:22.071
Ik zal hier nu een baard toevoegen,

0:12:22.095,0:12:24.860
en dat is niets anders dan Photoshop

0:12:24.884,0:12:26.597
en zeker geen modellering.

0:12:26.621,0:12:30.093
En nu krijgen we onmiddellijk iets totaal,[br]maar dan ook totaal anders.

0:12:30.955,0:12:33.664
Waarom doen we dit dus?

0:12:35.938,0:12:41.078
We doen het zeker niet om te voorspellen[br]hoe groot iemand wordt

0:12:41.102,0:12:43.474
of om een mooi plaatje [br]te vormen vanaf je bloed.

0:12:44.390,0:12:48.408
We doen dit omdat dezelfde technologie,[br]en dezelfde methode,

0:12:48.432,0:12:50.952
de machine learning van deze code,

0:12:50.976,0:12:54.113
ons kan helpen te begrijpen[br]hoe ons lichaam werkt,

0:12:54.137,0:12:55.623
hoe je lichaam in elkaar zit,

0:12:55.647,0:12:57.312
hoe je lichaam veroudert,

0:12:57.336,0:13:00.105
hoe ziekte ontstaat in je lichaam,

0:13:00.129,0:13:03.101
hoe kanker ontstaat en zich ontwikkelt,

0:13:03.125,0:13:04.908
hoe drugs werken

0:13:04.932,0:13:07.246
en wat het effect ervan is op je lichaam.

0:13:07.713,0:13:09.380
Dit is een ongelooflijke uitdaging.

0:13:09.894,0:13:11.532
En deze uitdaging gaan we aan

0:13:11.556,0:13:14.135
tezamen met duizenden wetenschappers[br]overal ter wereld.

0:13:14.159,0:13:16.381
Dat is nu gepersonaliseerde geneeskunde.

0:13:17.125,0:13:20.585
In plaats van een statistische methode,[br]

0:13:20.609,0:13:22.811
waar je slechts een nummer bent, [br]gebruiken we

0:13:22.811,0:13:24.478
een gepersonaliseerde methode,

0:13:24.502,0:13:26.687
waar we al die boeken lezen

0:13:26.711,0:13:29.575
en we zo te weten komen[br]hoe je precies in elkaar zit.

0:13:30.260,0:13:33.622
Maar dit is een uiterst[br]complexe uitdaging,

0:13:33.646,0:13:37.644
omdat we, vandaag, van al die boeken,

0:13:37.668,0:13:40.310
maar ongeveer twee procent kennen:

0:13:41.027,0:13:44.680
vier boeken uit een totaal[br]van meer dan 175.

0:13:46.021,0:13:49.227
Dit is ook niet het onderwerp[br]van mijn uiteenzetting,

0:13:50.145,0:13:52.743
want we zullen zeker meer en meer leren.

0:13:53.378,0:13:56.047
De beste breinen van de wereld [br]zwoegen op deze topic.

0:13:57.048,0:13:58.882
De berekening zal verbeteren,

0:13:58.906,0:14:01.159
het model zal preciezer worden.

0:14:01.183,0:14:03.041
Hoe meer we leren,

0:14:03.065,0:14:07.895
hoe meer we zullen geconfronteerd[br]worden met keuzes

0:14:07.919,0:14:10.940
die we nooit eerder gezien hebben

0:14:10.964,0:14:12.399
over het leven,

0:14:12.423,0:14:14.097
over de dood,

0:14:14.121,0:14:15.724
over het ouderschap.

0:14:20.626,0:14:25.372
We raken nu dus de echte essentie[br]van hoe het leven werkt.

0:14:26.118,0:14:29.276
En dit is een revolutie die we niet kunnen[br]reduceren tot het domein

0:14:29.300,0:14:31.959
van wetenschap of technologie.

0:14:32.960,0:14:35.204
Dit moet een globaal debat zijn.

0:14:35.798,0:14:41.015
We moeten nadenken over de toekomst van[br]de mensheid die we aan het bouwen zijn.

0:14:41.039,0:14:45.103
Daarbij moeten we samenwerken met [br]artiesten, met filosofen,[br]

0:14:45.127,0:14:46.637
met de politieke wereld.

0:14:46.661,0:14:47.819
Iedereen moet helpen,

0:14:47.843,0:14:50.668
omdat het gaat over de toekomst[br]van onze soort.

0:14:51.273,0:14:55.241
Zonder angst, maar met het besef

0:14:55.265,0:14:59.136
dat de beslissingen die we[br]volgend jaar zullen nemen

0:14:59.160,0:15:02.949
voorgoed de loop van geschiedenis[br]zullen veranderen.

0:15:03.732,0:15:04.892
Hartelijk bedankt.

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