1
00:00:00,612 --> 00:00:03,374
In de volgende 16 minuten zal ik 
jullie laten kennismaken

2
00:00:03,398 --> 00:00:06,484
met wat waarschijnlijk de grootste 
droom van de mensheid is:

3
00:00:06,508 --> 00:00:08,523
de code van het leven begrijpen.

4
00:00:09,072 --> 00:00:11,815
Voor mij begon alles heel lang geleden,

5
00:00:11,839 --> 00:00:14,562
toen ik kennismaakte
met de eerste 3D-printer.

6
00:00:14,586 --> 00:00:16,260
Het concept was fascinerend.

7
00:00:16,284 --> 00:00:18,306
Een 3D-printer heeft drie dingen nodig:

8
00:00:18,330 --> 00:00:22,464
met een beetje informatie, enkele 
grondstoffen en wat energie

9
00:00:22,488 --> 00:00:25,822
kan de printer uit het niets
een totaal nieuw object produceren.

10
00:00:26,517 --> 00:00:28,654
Ik studeerde fysica
en was op weg naar huis

11
00:00:28,678 --> 00:00:32,116
toen ik besefte dat ik al heel mijn leven
een 3D-printer kende.

12
00:00:32,140 --> 00:00:33,476
En iedereen kent er één.

13
00:00:33,500 --> 00:00:34,658
Het was mijn ma.

14
00:00:34,682 --> 00:00:35,683
(Gelach)

15
00:00:35,707 --> 00:00:38,121
Mijn ma neemt 3 elementen:

16
00:00:38,145 --> 00:00:42,118
een beetje informatie, in dit geval
van mijn vader en mijn moeder,

17
00:00:42,142 --> 00:00:46,299
grondstoffen en energie onder
dezelfde vorm, voedsel,

18
00:00:46,323 --> 00:00:48,831
en na enkele maanden produceert ze mij.

19
00:00:48,855 --> 00:00:50,667
Daarvoor bestond ik gewoon niet.

20
00:00:50,691 --> 00:00:54,453
Dus, afgezien van mijn ma's schok toen ze 
ontdekte dat ze een 3D-printer is,

21
00:00:54,477 --> 00:00:59,215
raakte ik gefascineerd 
door dat ene onderdeel,

22
00:00:59,239 --> 00:01:00,956
het eerste, de informatie.

23
00:01:00,980 --> 00:01:03,231
Hoeveel informatie heb je nodig

24
00:01:03,255 --> 00:01:05,191
om een mens ineen te knutselen?

25
00:01:05,215 --> 00:01:06,789
Is dat veel? Of niet veel?

26
00:01:06,813 --> 00:01:08,993
Hoeveel USB-sticks kan je ermee vullen?

27
00:01:09,017 --> 00:01:11,641
Ik was fysica aan het studeren

28
00:01:11,665 --> 00:01:17,262
en ik besloot dat de beste invalshoek was
de mens als een enorme legoblok te bezien.

29
00:01:17,286 --> 00:01:21,071
Beeld je in dat de blokjes
kleine atoompjes zijn

30
00:01:21,095 --> 00:01:25,748
en dat er hier waterstof is, en hier
koolstof, en verder nog stikstof.

31
00:01:25,772 --> 00:01:27,343
Mijn eerste inschatting was:

32
00:01:27,367 --> 00:01:31,710
als ik de lijst kan opstellen 
van het aantal atomen dat een mens bevat,

33
00:01:31,734 --> 00:01:33,121
dan kan ik er ook één bouwen.

34
00:01:33,145 --> 00:01:35,174
Nu kan je beginnen rekenen,

35
00:01:35,198 --> 00:01:38,475
en het resultaat is onwaarschijnlijk.

36
00:01:38,499 --> 00:01:41,256
Het aantal atomen,

37
00:01:41,280 --> 00:01:46,035
de file die ik op mijn USB-stick zal
opslaan om een baby in elkaar te steken,

38
00:01:46,059 --> 00:01:50,726
zal een hele Titanic 
vol USB-sticks vullen -

39
00:01:50,750 --> 00:01:53,468
vermenigvuldigd met 2000.

40
00:01:53,957 --> 00:01:57,358
Dit is het wonder van het leven.

41
00:01:57,382 --> 00:01:59,994
Denk eraan elke keer je nu
een zwangere vrouw ziet:


42
00:02:00,018 --> 00:02:02,874
zij is de grootste hoeveelheid
informatie aan het verzamelen

43
00:02:02,898 --> 00:02:04,454
die je je kan inbeelden.

44
00:02:04,478 --> 00:02:07,428
Vergeet 'big data', vergeet alles
wat je ooit gehoord hebt.

45
00:02:07,452 --> 00:02:10,333
Dit is de grootste hoeveelheid 
informatie die er bestaat.

46
00:02:10,357 --> 00:02:14,190
(Applaus)

47
00:02:14,214 --> 00:02:18,858
Gelukkig is de natuur veel slimmer
dan een jonge natuurkundige,

48
00:02:18,882 --> 00:02:22,458
en is ze er in 4 miljard jaar in geslaagd
deze informatie samen te pakken

49
00:02:22,482 --> 00:02:25,187
in een klein kristal dat DNA heet.

50
00:02:25,605 --> 00:02:27,911
We zagen het voor het eerst in 1950


51
00:02:27,931 --> 00:02:31,497
toen Rosalind Franklin, een ongelooflijke
wetenschapper, een vrouw,

52
00:02:31,521 --> 00:02:32,910
het vastlegde op foto.

53
00:02:32,934 --> 00:02:38,122
Maar we hadden meer dan 40 jaar nodig om
in een menselijke cel binnen te geraken,

54
00:02:38,146 --> 00:02:39,748
het kristal te isoleren,

55
00:02:39,772 --> 00:02:42,852
het af te wikkelen
en voor het eerst te lezen.

56
00:02:43,615 --> 00:02:46,856
De code die dan verschijnt, 
is een zeer eenvoudig alfabet

57
00:02:46,880 --> 00:02:50,652
met vier letters: A, T, C en G.

58
00:02:50,676 --> 00:02:54,166
Om een mens te bouwen, 
heb je er drie miljard van nodig.

59
00:02:54,933 --> 00:02:56,112
Drie miljard.

60
00:02:56,136 --> 00:02:57,715
Hoeveel is drie miljard?

61
00:02:57,739 --> 00:03:00,501
Het is een getal dat eigenlijk
weinig zin heeft.

62
00:03:00,525 --> 00:03:04,610
Dus dacht ik: hoe kan ik nu 
echt duidelijk maken

63
00:03:04,634 --> 00:03:07,684
hoe reusachtig groot deze code wel is?

64
00:03:07,708 --> 00:03:10,762
Nu heb je wel - ik bedoel
ik heb nu wel even hulp nodig.

65
00:03:10,786 --> 00:03:14,013
De persoon die mij het best kan helpen
om de code voor te stellen,

66
00:03:14,037 --> 00:03:17,559
is Dr. Craig Venter, de eerste man die
de volgorde ervan heeft bepaald.

67
00:03:17,583 --> 00:03:20,973
Welkom, Dr. Craig Venter.

68
00:03:20,997 --> 00:03:27,928
(Applaus)

69
00:03:27,952 --> 00:03:30,208
Dit is natuurlijk niet de man
in vlees en bloed,

70
00:03:31,448 --> 00:03:33,793
maar, voor de eerste keer
in de geschiedenis,

71
00:03:33,817 --> 00:03:37,279
is het genoom van een bepaald individu

72
00:03:37,303 --> 00:03:41,063
uitgeschreven, pagina na pagina,
letter na letter:

73
00:03:41,087 --> 00:03:45,083
260.000 bladzijden aan informatie,

74
00:03:45,107 --> 00:03:49,471
450 kilo die van de VS 
naar Canada verzonden zijn

75
00:03:49,495 --> 00:03:54,338
dankzij Bruno Bowden,
van start-up Lulu.com.

76
00:03:54,362 --> 00:03:55,825
Een geweldige prestatie.

77
00:03:55,849 --> 00:04:00,146
Dit is dus de visuele weergave
van de code van het leven.

78
00:04:00,170 --> 00:04:02,648
En nu kan ik voor de eerste keer
iets leuks doen.

79
00:04:02,672 --> 00:04:05,219
Ik kan de code nu inkijken en lezen.

80
00:04:05,243 --> 00:04:09,868
Nu zal ik eens een interessant boek
nemen ... zoals dat hier.

81
00:04:13,077 --> 00:04:15,611
Hier is mijn aantekening;
het is een enorm boek.

82
00:04:15,635 --> 00:04:19,362
Nu kan je echt wel zien
wat de code van het leven is.

83
00:04:20,566 --> 00:04:23,957
Duizenden en duizenden en duizenden

84
00:04:23,981 --> 00:04:26,651
en miljoenen letters.

85
00:04:26,675 --> 00:04:29,071
En blijkbaar wil dat allemaal iets zeggen.

86
00:04:29,095 --> 00:04:30,852
Laten we eens een fragment nemen.

87
00:04:31,571 --> 00:04:32,933
Ik zal het even voorlezen:

88
00:04:32,957 --> 00:04:33,978
(Gelach)

89
00:04:34,002 --> 00:04:38,008
"AAG, AAT, ATA."

90
00:04:38,965 --> 00:04:41,032
Voor jullie zijn dat gewoon
zinloze letters,

91
00:04:41,056 --> 00:04:45,097
maar deze sequentie bepaalt
de kleur van Craigs ogen.

92
00:04:45,633 --> 00:04:47,565
Nu een ander fragment van het boek.

93
00:04:47,589 --> 00:04:49,683
Dit is wel een beetje moeilijker.

94
00:04:50,983 --> 00:04:53,630
Chromosoom 14, boek 132:

95
00:04:53,654 --> 00:04:55,744
(Gelach)

96
00:04:55,768 --> 00:04:57,045
Dacht ik het niet.

97
00:04:57,069 --> 00:05:00,535
(Gelach)

98
00:05:02,857 --> 00:05:07,364
"ATT, CTT, GATT".

99
00:05:08,329 --> 00:05:10,016
Deze mens heeft geluk,

100
00:05:10,040 --> 00:05:14,557
want als je twee letters te kort
schiet in deze combinatie -

101
00:05:14,581 --> 00:05:16,458
twee letters van onze drie miljard -

102
00:05:16,482 --> 00:05:18,641
dan zal je aan een vreselijke
ziekte lijden:

103
00:05:18,641 --> 00:05:19,965
taaislijmziekte.

104
00:05:19,989 --> 00:05:23,402
Dit is een ongeneeslijke ziekte,
daar bestaat geen medicatie voor,

105
00:05:23,426 --> 00:05:27,181
en het is een verschil van twee lettertjes
ten opzichte van ons.

106
00:05:27,585 --> 00:05:30,290
Een fantastisch boek, een grandioos boek,

107
00:05:31,115 --> 00:05:33,113
een boek dat mij geholpen heeft


108
00:05:33,137 --> 00:05:35,890
iets te begrijpen dat echt fenomenaal is.

109
00:05:36,480 --> 00:05:40,915
Elk van jullie - wat mij en jou
van elkaar onderscheidt

110
00:05:40,939 --> 00:05:43,893
is ongeveer vijf miljoen van deze,

111
00:05:43,917 --> 00:05:45,145
een half boek.

112
00:05:46,015 --> 00:05:47,678
Voor de rest

113
00:05:47,702 --> 00:05:50,264
zijn we allemaal volledig identiek.

114
00:05:51,008 --> 00:05:55,026
Die vijfhonderd pagina's zijn het mirakel
van het leven voor elk van jullie.

115
00:05:55,050 --> 00:05:57,581
Al de rest hebben we gemeenschappelijk.

116
00:05:57,605 --> 00:06:00,514
Dus denk eraan wanneer
je denkt dat we verschillend zijn.

117
00:06:00,538 --> 00:06:02,759
Zoveel hebben we dus gemeenschappelijk.

118
00:06:03,441 --> 00:06:06,870
Nu ik dus jullie aandacht heb,

119
00:06:06,894 --> 00:06:08,253
wil ik nog een vraag stellen

120
00:06:08,277 --> 00:06:09,428
hoe kan je dat nu lezen?

121
00:06:09,452 --> 00:06:10,961
Hoe kan dat nu zinvol zijn?

122
00:06:11,409 --> 00:06:15,649
Je mag nog een kei zijn in het
ineenknutselen van Zweedse meubels,

123
00:06:15,673 --> 00:06:19,236
maar deze handleiding zal je 
nooit kunnen gebruiken.

124
00:06:19,260 --> 00:06:20,863
(Gelach)

125
00:06:20,887 --> 00:06:23,999
En zo besloten twee bekende TED-ers,

126
00:06:24,023 --> 00:06:26,563
Peter Diamandis en Craig Venter zelf,

127
00:06:26,587 --> 00:06:28,514
in 2014 een nieuw bedrijf op te starten.

128
00:06:28,538 --> 00:06:29,950
Hier kwam Human Longevity,

129
00:06:29,974 --> 00:06:31,344
met één missie:

130
00:06:31,368 --> 00:06:33,229
alles proberen

131
00:06:33,253 --> 00:06:36,012
en alles leren uit deze boeken,

132
00:06:36,036 --> 00:06:37,741
met één doel -

133
00:06:38,862 --> 00:06:41,663
de droom waarmaken 
van gepersonaliseerde geneeskunde,

134
00:06:41,687 --> 00:06:45,454
begrijpen wat we moeten doen
om een betere gezondheid te hebben

135
00:06:45,478 --> 00:06:47,761
en wat voor geheimen deze boeken omvatten.

136
00:06:48,329 --> 00:06:52,579
Een fantastisch team met 40 wetenschappers
en veel, veel andere mensen,

137
00:06:52,603 --> 00:06:54,033
een plezier om mee te werken.

138
00:06:54,033 --> 00:06:56,230
Het concept is heel eenvoudig.

139
00:06:56,254 --> 00:06:59,412
We gebruiken de technologie
van 'machine learning'.

140
00:06:59,436 --> 00:07:03,975
Aan de ene kant hebben we
duizenden genomen.

141
00:07:03,999 --> 00:07:07,996
Aan de andere kant hebben we de grootste
database van de mens bijeengebracht:

142
00:07:08,020 --> 00:07:12,316
fenotypes, 3D-scans, kernspinresonantie -
je noemt het maar.

143
00:07:12,340 --> 00:07:15,239
En daar, aan deze twee overstaande kanten

144
00:07:15,263 --> 00:07:17,705
vind je het geheim van de vertaling.

145
00:07:17,729 --> 00:07:20,201
Tussen de twee bouwen we een machine.

146
00:07:20,801 --> 00:07:23,186
We bouwen een machine en 
we programeren die -

147
00:07:23,210 --> 00:07:26,420
om precies te zijn, niet één machine,
maar veel, veel machines -

148
00:07:26,444 --> 00:07:30,988
om te proberen het genoom in een fenotype
te begrijpen en te vertalen.

149
00:07:31,362 --> 00:07:34,702
Welke zijn die letters
en wat doen ze?

150
00:07:34,726 --> 00:07:37,473
Deze methodologie kan voor alles
gebruikt worden,

151
00:07:37,497 --> 00:07:40,490
maar het is een hele opdracht om die
te gebruiken in genomica.

152
00:07:40,514 --> 00:07:43,790
We zijn langzaamaan gegroeid en 
we hadden verschillende projecten.

153
00:07:43,814 --> 00:07:46,726
We begonnen met het begin, 
met gemeenschappelijke kenmerken.

154
00:07:46,726 --> 00:07:49,173
Gemeenschappelijke kenmerken zijn
de gemakkelijkste,

155
00:07:49,197 --> 00:07:50,381
omdat iedereen ze heeft.

156
00:07:50,405 --> 00:07:52,899
Dus hebben we ons afgevraagd:

157
00:07:52,923 --> 00:07:54,303
kan lengte voorspeld worden?

158
00:07:54,985 --> 00:07:57,162
Kunnen we uit de boeken
je lengte afleiden?

159
00:07:57,186 --> 00:07:58,337
Wel ja, we kunnen dat,

160
00:07:58,361 --> 00:08:00,154
met een precisie van vijf centimeter.

161
00:08:00,178 --> 00:08:03,313
Je BMI-index is gekoppeld
aan je levensstijl

162
00:08:03,337 --> 00:08:07,201
maar we kunnen toch je gewicht schatten
met een precisie van 8 kilo.

163
00:08:07,225 --> 00:08:08,456
De kleur van je ogen?

164
00:08:08,480 --> 00:08:09,638
Die kunnen we ook raden.

165
00:08:09,662 --> 00:08:10,986
Met 80% zekerheid.

166
00:08:11,466 --> 00:08:13,324
Kunnen we je huidskleur raden?

167
00:08:13,348 --> 00:08:15,789
Ja - met 80% zekerheid.

168
00:08:15,813 --> 00:08:17,153
Kunnen we je leeftijd raden?

169
00:08:18,121 --> 00:08:21,860
Dat kunnen we, omdat de code blijkbaar
in de loop van de jaren verandert.

170
00:08:21,884 --> 00:08:25,166
Ze wordt korter, je verliest stukjes,
ander stukken worden bijgevoegd.

171
00:08:25,190 --> 00:08:27,745
We lezen de signalen
en we maken een model.

172
00:08:28,438 --> 00:08:29,913
Nu is er wel een interessante uitdaging

173
00:08:29,937 --> 00:08:31,666
Kunnen we een gezicht voorspellen?

174
00:08:33,014 --> 00:08:34,292
Dat is een beetje moeilijk

175
00:08:34,316 --> 00:08:37,507
omdat een menselijk gezicht bestaat
uit miljoenen letters

176
00:08:37,531 --> 00:08:40,160
En een gezicht is nu ook niet
een welomschreven object.

177
00:08:40,184 --> 00:08:42,295
Dus moesten we er 
een hele reeks van bouwen

178
00:08:42,295 --> 00:08:45,059
om te leren en aan een machine 
te leren wat een gezicht is

179
00:08:45,059 --> 00:08:47,030
en dan moet je het nog integreren.

180
00:08:47,054 --> 00:08:49,302
Als je iets van machine learning kent,

181
00:08:49,326 --> 00:08:51,610
dan weet je ook 
wat voor een uitdaging dit is.

182
00:08:52,108 --> 00:08:58,099
En nu, na 15 jaar - 15 jaar nadat we
de eerste sequentie gelezen hebben -

183
00:08:58,123 --> 00:09:01,025
in oktober, hebben we
de eerste signalen gezien.

184
00:09:01,049 --> 00:09:03,504
Dat was een zeer ontroerend moment.

185
00:09:03,528 --> 00:09:07,273
Je ziet dus een persoon 
ons lab binnenwandelen.

186
00:09:07,619 --> 00:09:09,547
Voor ons is het een gezicht.

187
00:09:09,571 --> 00:09:13,202
We nemen iemands reële gezicht, 
verminderen de complexiteit,

188
00:09:13,226 --> 00:09:15,196
omdat niet alles van je gezicht komt,

189
00:09:15,220 --> 00:09:19,006
veel kenmerken en imperfecties en
onregelmatigheden komen van ons leven.

190
00:09:19,030 --> 00:09:22,499
We maken het gezicht symmetrisch
en we voeren ons algoritme uit.

191
00:09:23,245 --> 00:09:25,143
Hier zijn de resultaten.

192
00:09:25,167 --> 00:09:28,539
Dit is de voorspelling die berekend
wordt op basis van het bloed.

193
00:09:29,596 --> 00:09:31,120
(Applaus)

194
00:09:31,144 --> 00:09:32,579
Wacht eens even.

195
00:09:32,603 --> 00:09:37,295
Voor het ogenblik zijn jullie ogen aan het
kijken, links en rechts, links en rechts,

196
00:09:37,319 --> 00:09:41,249
en jullie hersenen willen gewoon 
dat die foto's identiek zijn.

197
00:09:41,273 --> 00:09:43,719
Dus moeten jullie nu even eerlijk zijn.

198
00:09:43,743 --> 00:09:46,030
Probeer de verschillen na te sporen,

199
00:09:46,054 --> 00:09:47,415
en die zijn er!

200
00:09:47,439 --> 00:09:50,042
De grootste hoeveelheid signalen
komt van het geslacht,

201
00:09:50,066 --> 00:09:55,267
dan heb je leeftijd, BMI, 
het ethnische aspect van een mens.

202
00:09:55,291 --> 00:09:59,002
Wanneer je een stap verder zet, 
dan wordt het pas echt ingewikkeld.

203
00:09:59,026 --> 00:10:02,276
Maar wat je hier kan zien, 
zelfs de verschillen,

204
00:10:02,300 --> 00:10:05,895
dat maakt ons duidelijk dat we
in de goede richting aan het gaan zijn,

205
00:10:05,919 --> 00:10:07,267
dat we dichterbij komen.

206
00:10:07,291 --> 00:10:09,640
En je voelt de emoties al opkomen.

207
00:10:09,664 --> 00:10:12,367
Dit is een andere persoon 
die het lab binnenkomt,

208
00:10:12,391 --> 00:10:13,800
en dit is de voorspelling.

209
00:10:13,824 --> 00:10:18,420
Een kleiner gezicht, de vorm 
van de schedel was niet volledig,

210
00:10:18,444 --> 00:10:21,095
maar je kan toch zien 
dat we er niet ver van af zijn.

211
00:10:21,634 --> 00:10:23,858
Dit is nog een andere persoon in ons lab,

212
00:10:23,882 --> 00:10:25,325
met de voorspelling.

213
00:10:26,056 --> 00:10:30,732
Maar deze mensen zul je nooit zien
in de training van de machine.

214
00:10:30,756 --> 00:10:33,593
Ze zijn de zogenaamde validatieset.

215
00:10:33,617 --> 00:10:37,357
Maar deze mensen zal je 
waarschijnlijk nooit geloven.

216
00:10:37,381 --> 00:10:40,057
Ons werk wordt uitgegeven
in een wetenschappelijk blad,

217
00:10:40,081 --> 00:10:41,232
je kan het lezen.

218
00:10:41,256 --> 00:10:44,190
Maar we zijn op het podium
en Chris heeft me uitgedaagd.

219
00:10:44,190 --> 00:10:47,250
Ik heb een risico genomen en
geprobeerd iemand te raden

220
00:10:47,274 --> 00:10:50,105
die jullie misschien zullen herkennen.

221
00:10:50,470 --> 00:10:54,895
Hier heb je een bloedbuisje -- en,
geloof me, jullie heb geen idee

222
00:10:54,919 --> 00:10:57,799
wat we wel hebben moeten doen
om dit bloed te bemachtigen --

223
00:10:57,823 --> 00:11:01,724
hier in dit bloedbuisje hebben we 
genoeg biologische informatie

224
00:11:01,748 --> 00:11:04,025
om een volledige genoom te sequencen.

225
00:11:04,049 --> 00:11:06,119
Meer hebben we niet nodig.

226
00:11:06,528 --> 00:11:09,733
We hebben deze sequence uitgevoerd,
en we zullen dit nu samen doen.

227
00:11:09,757 --> 00:11:13,736
Laag na laag brengen we alle informatie
bij elkaar die we hebben.

228
00:11:13,760 --> 00:11:17,110
Via dit bloedbuisje hebben we voorspeld
dat het gaat over een man.

229
00:11:17,134 --> 00:11:18,988
En inderdaad, het is een man.

230
00:11:18,996 --> 00:11:21,434
We voorspellen dat hij 1,76 m groot is.

231
00:11:21,458 --> 00:11:23,850
Onze persoon is 1,77 cm groot.

232
00:11:23,874 --> 00:11:27,984
We mikken op 76 kg, en hij weegt 82 kg.

233
00:11:28,701 --> 00:11:31,333
We voorspellen zijn leeftijd, 38 jaar.

234
00:11:31,357 --> 00:11:33,261
Onze persoon is er 35.

235
00:11:33,851 --> 00:11:35,975
Wij denken dat hij donkere ogen heeft.

236
00:11:36,824 --> 00:11:38,035
Te donker.

237
00:11:38,059 --> 00:11:39,614
Zijn huidskleur.

238
00:11:40,026 --> 00:11:41,436
We zijn er nu bijna.

239
00:11:41,899 --> 00:11:43,272
Dit is zijn gezicht.

240
00:11:45,172 --> 00:11:48,441
En nu DE revelatie:

241
00:11:48,465 --> 00:11:50,235
hier is onze persoon.

242
00:11:50,259 --> 00:11:52,194
(Gelach)

243
00:11:52,218 --> 00:11:54,276
Ik heb dit met opzet gedaan.

244
00:11:54,300 --> 00:11:57,992
Ik heb een heel vreemde
ethnische oorsprong.

245
00:11:58,016 --> 00:12:01,126
Zuid-Europees, Italiaans - 
die moeten altijd alles anders doen.

246
00:12:01,126 --> 00:12:06,120
En dat is speciaal - ethnische oorsprong
is een ingewikkelde test voor ons model.

247
00:12:06,144 --> 00:12:07,653
Maar er is nog iets anders.

248
00:12:07,677 --> 00:12:11,154
Eén van de elementen die we veel
gebruiken om mensen te herkennen

249
00:12:11,178 --> 00:12:12,900
zal je nooit in het genoom vinden.

250
00:12:12,924 --> 00:12:15,241
Het is onze vrije wil, hoe je eruit ziet.

251
00:12:15,265 --> 00:12:18,494
In mijn geval niet mijn haarsnit, 
maar mijn baard.

252
00:12:18,518 --> 00:12:22,071
Ik zal hier nu een baard toevoegen,

253
00:12:22,095 --> 00:12:24,860
en dat is niets anders dan Photoshop

254
00:12:24,884 --> 00:12:26,597
en zeker geen modellering.

255
00:12:26,621 --> 00:12:30,093
En nu krijgen we onmiddellijk iets totaal,
maar dan ook totaal anders.

256
00:12:30,955 --> 00:12:33,664
Waarom doen we dit dus?

257
00:12:35,938 --> 00:12:41,078
We doen het zeker niet om te voorspellen
hoe groot iemand wordt

258
00:12:41,102 --> 00:12:43,474
of om een mooi plaatje 
te vormen vanaf je bloed.

259
00:12:44,390 --> 00:12:48,408
We doen dit omdat dezelfde technologie,
en dezelfde methode,

260
00:12:48,432 --> 00:12:50,952
de machine learning van deze code,

261
00:12:50,976 --> 00:12:54,113
ons kan helpen te begrijpen
hoe ons lichaam werkt,

262
00:12:54,137 --> 00:12:55,623
hoe je lichaam in elkaar zit,

263
00:12:55,647 --> 00:12:57,312
hoe je lichaam veroudert,

264
00:12:57,336 --> 00:13:00,105
hoe ziekte ontstaat in je lichaam,

265
00:13:00,129 --> 00:13:03,101
hoe kanker ontstaat en zich ontwikkelt,

266
00:13:03,125 --> 00:13:04,908
hoe drugs werken

267
00:13:04,932 --> 00:13:07,246
en wat het effect ervan is op je lichaam.

268
00:13:07,713 --> 00:13:09,380
Dit is een ongelooflijke uitdaging.

269
00:13:09,894 --> 00:13:11,532
En deze uitdaging gaan we aan

270
00:13:11,556 --> 00:13:14,135
tezamen met duizenden wetenschappers
overal ter wereld.

271
00:13:14,159 --> 00:13:16,381
Dat is nu gepersonaliseerde geneeskunde.

272
00:13:17,125 --> 00:13:20,585
In plaats van een statistische methode,


273
00:13:20,609 --> 00:13:22,811
waar je slechts een nummer bent, 
gebruiken we

274
00:13:22,811 --> 00:13:24,478
een gepersonaliseerde methode,

275
00:13:24,502 --> 00:13:26,687
waar we al die boeken lezen

276
00:13:26,711 --> 00:13:29,575
en we zo te weten komen
hoe je precies in elkaar zit.

277
00:13:30,260 --> 00:13:33,622
Maar dit is een uiterst
complexe uitdaging,

278
00:13:33,646 --> 00:13:37,644
omdat we, vandaag, van al die boeken,

279
00:13:37,668 --> 00:13:40,310
maar ongeveer twee procent kennen:

280
00:13:41,027 --> 00:13:44,680
vier boeken uit een totaal
van meer dan 175.

281
00:13:46,021 --> 00:13:49,227
Dit is ook niet het onderwerp
van mijn uiteenzetting,

282
00:13:50,145 --> 00:13:52,743
want we zullen zeker meer en meer leren.

283
00:13:53,378 --> 00:13:56,047
De beste breinen van de wereld 
zwoegen op deze topic.

284
00:13:57,048 --> 00:13:58,882
De berekening zal verbeteren,

285
00:13:58,906 --> 00:14:01,159
het model zal preciezer worden.

286
00:14:01,183 --> 00:14:03,041
Hoe meer we leren,

287
00:14:03,065 --> 00:14:07,895
hoe meer we zullen geconfronteerd
worden met keuzes

288
00:14:07,919 --> 00:14:10,940
die we nooit eerder gezien hebben

289
00:14:10,964 --> 00:14:12,399
over het leven,

290
00:14:12,423 --> 00:14:14,097
over de dood,

291
00:14:14,121 --> 00:14:15,724
over het ouderschap.

292
00:14:20,626 --> 00:14:25,372
We raken nu dus de echte essentie
van hoe het leven werkt.

293
00:14:26,118 --> 00:14:29,276
En dit is een revolutie die we niet kunnen
reduceren tot het domein

294
00:14:29,300 --> 00:14:31,959
van wetenschap of technologie.

295
00:14:32,960 --> 00:14:35,204
Dit moet een globaal debat zijn.

296
00:14:35,798 --> 00:14:41,015
We moeten nadenken over de toekomst van
de mensheid die we aan het bouwen zijn.

297
00:14:41,039 --> 00:14:45,103
Daarbij moeten we samenwerken met 
artiesten, met filosofen,


298
00:14:45,127 --> 00:14:46,637
met de politieke wereld.

299
00:14:46,661 --> 00:14:47,819
Iedereen moet helpen,

300
00:14:47,843 --> 00:14:50,668
omdat het gaat over de toekomst
van onze soort.

301
00:14:51,273 --> 00:14:55,241
Zonder angst, maar met het besef

302
00:14:55,265 --> 00:14:59,136
dat de beslissingen die we
volgend jaar zullen nemen

303
00:14:59,160 --> 00:15:02,949
voorgoed de loop van geschiedenis
zullen veranderen.

304
00:15:03,732 --> 00:15:04,892
Hartelijk bedankt.

305
00:15:04,916 --> 00:15:15,075
(Applaus)