0:00:00.612,0:00:03.404
Nos próximos 16 minutos,[br]vou conduzi-los em uma jornada

0:00:03.404,0:00:06.478
que talvez seja o maior[br]sonho da humanidade:

0:00:06.478,0:00:08.523
entender o código da vida.

0:00:09.072,0:00:11.815
Quanto a mim, tudo começo[br]há muitos e muitos anos,

0:00:11.839,0:00:14.602
quando conheci a primeira impressora 3D.

0:00:14.602,0:00:16.270
O conceito era fascinante.

0:00:16.270,0:00:18.346
Uma impressora 3D requer três elementos:

0:00:18.346,0:00:22.494
informação, matéria-prima e energia,

0:00:22.494,0:00:25.822
com os quais podemos produzir [br]qualquer objeto que não existia antes.

0:00:26.517,0:00:28.684
Eu estudava física,[br]estava voltando para casa

0:00:28.684,0:00:32.146
e me dei conta de que sempre tive[br]uma impressora 3D.

0:00:32.146,0:00:33.460
E todo mundo tem uma.

0:00:33.460,0:00:34.632
É a minha mãe.

0:00:34.632,0:00:35.647
(Risos)

0:00:35.647,0:00:38.105
Minha mãe usou três elementos:

0:00:38.105,0:00:42.102
informação, neste caso,[br]entre meu pai e ela,

0:00:42.102,0:00:46.379
matérias-primas e energia[br]de uma mesma fonte, ou seja, o alimento,

0:00:46.379,0:00:48.825
e vários meses depois, fui produzido.

0:00:48.825,0:00:50.651
E eu não existia antes.

0:00:50.651,0:00:54.453
Além do choque que tive, ao descobrir[br]que minha mãe era uma impressora 3D,

0:00:54.457,0:01:00.449
eu fiquei imediatamente fascinado[br]pelo primeiro elemento, a informação.

0:01:00.819,0:01:05.216
Qual é a quantidade de informação [br]necessária para montar um ser humano?

0:01:05.216,0:01:06.783
É muita? É pouca?

0:01:06.783,0:01:09.003
Caberia em quantos pen drives?

0:01:09.017,0:01:11.605
Bem, no começo eu estudava física

0:01:11.605,0:01:14.286
e adotei a analogia simplista

0:01:14.286,0:01:17.286
entre um ser humano[br]e uma peça gigante de Lego.

0:01:17.286,0:01:21.071
Imagine que os blocos de construção[br]sejam átomos minúsculos,

0:01:21.085,0:01:25.742
e que há um hidrogênio aqui,[br]um carbono aqui, um nitrogênio aqui.

0:01:25.742,0:01:27.337
Numa primeira aproximação,

0:01:27.337,0:01:31.710
se puder listar o número de átomos[br]formadores do ser humano,

0:01:31.714,0:01:33.151
eu posso construí-lo.

0:01:33.151,0:01:35.194
Pode-se fazer um cálculo

0:01:35.194,0:01:38.525
e o número que se obtém[br]é muito impressionante.

0:01:38.525,0:01:41.240
O número de átomos,

0:01:41.240,0:01:46.019
no arquivo que terei de salvar[br]em um pen driver para montar um bebê,

0:01:46.019,0:01:50.700
na verdade lotará um Titanic inteiro,[br]cheio de pen drives,

0:01:50.700,0:01:53.468
multiplicado por 2 mil vezes.

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

0:01:57.362,0:01:59.868
Doravante, quando virem[br]uma mulher grávida,

0:01:59.868,0:02:02.868
saberão que ela está montando [br]a maior quantidade de informação

0:02:02.868,0:02:04.438
que jamais encontrarão.

0:02:04.438,0:02:07.402
Esqueça “big data”, esqueça[br]tudo de que já tenha ouvido.

0:02:07.402,0:02:10.353
É a maior quantidade[br]de informação que existe.

0:02:10.357,0:02:14.174
(Aplausos)

0:02:14.174,0:02:18.842
A natureza, felizmente, é muito mais[br]inteligente do que um físico,

0:02:18.842,0:02:22.452
e, em 4 bilhões de anos,[br]conseguiu concentrar essa informação

0:02:22.452,0:02:25.187
em um pequeno cristal que chamamos de DNA.

0:02:25.605,0:02:29.901
Nós o conhecemos em 1950,[br]quando Rosalind Franklin,

0:02:29.901,0:02:31.651
uma notável cientista, uma mulher,

0:02:31.651,0:02:32.874
o fotografou.

0:02:32.874,0:02:38.086
Porém, levou mais de 40 anos para enfim [br]penetrarmos numa célula humana,

0:02:38.086,0:02:39.712
retirarmos este cristal,

0:02:39.712,0:02:42.852
o desenrolarmos e o lermos[br]pela primeira vez.

0:02:43.615,0:02:46.810
O código revelou ser um alfabeto[br]razoavelmente simples,

0:02:46.810,0:02:50.656
com quatro letras: A, T, C e G.

0:02:50.656,0:02:54.166
Para construir um ser humano,[br]são necessárias 3 bilhões delas.[br]

0:02:54.933,0:02:56.142
Três bilhões.

0:02:56.142,0:02:57.709
O que são três bilhões?

0:02:57.709,0:03:00.501
Não fazemos ideia da quantidade[br]representada, certo?

0:03:00.505,0:03:07.724
Pensei como poderia explicar melhor[br]a enormidade deste código.

0:03:07.724,0:03:10.802
Mas terei uma ajuda,

0:03:10.802,0:03:14.007
e a melhor pessoa para me ajudar[br]a apresentar o código

0:03:14.007,0:03:17.553
é, na verdade, o primeiro homem[br]que o sequenciou, Dr. Craig Venter.

0:03:17.553,0:03:20.973
Bem-vindo ao palco, Dr. Craig Venter.

0:03:20.973,0:03:26.394
(Aplausos)

0:03:27.952,0:03:30.208
Não é ele em carne e osso,

0:03:31.448,0:03:33.787
mas, pela primeira vez na história,

0:03:33.787,0:03:37.273
este é o genoma de uma pessoa específica,

0:03:37.273,0:03:41.047
impresso página por página,[br]letra por letra:

0:03:41.047,0:03:45.037
262 mil páginas de informação,

0:03:45.037,0:03:49.445
450 kg, despachados dos EUA ao Canadá,

0:03:49.445,0:03:54.332
graças a Bruno Bowden, Lulu.com,[br]uma “start-up” que fez tudo.

0:03:54.332,0:03:55.819
Foi um façanha incrível.

0:03:55.819,0:04:00.140
Esta é a percepção visual[br]do que é o código da vida.

0:04:00.140,0:04:02.642
Agora, pela primeira vez,[br]posso fazer algo divertido.

0:04:02.642,0:04:05.259
Posso realmente olhar dentro dele e o ler.

0:04:05.259,0:04:09.868
Então, deixe-me pegar[br]um livro interessante…como este.

0:04:12.987,0:04:15.585
Eu fiz uma anotação:[br]é um livro razoavelmente grande.

0:04:15.585,0:04:18.936
É apenas para que vocês vejam[br]o que é o código da vida.

0:04:18.936,0:04:20.566
(Risos)[br]

0:04:20.566,0:04:26.677
Milhares, milhares, milhares[br]e milhões de letras.

0:04:26.677,0:04:29.105
E elas parecem fazer sentido.

0:04:29.105,0:04:30.902
Vamos para uma parte específica.

0:04:31.571,0:04:32.897
Vou ler para vocês.

0:04:32.897,0:04:33.972
(Risos)

0:04:33.972,0:04:38.008
“AAG, AAT, ATA.”

0:04:38.965,0:04:41.072
Podem parecer letras sem significado,

0:04:41.072,0:04:45.097
mas esta sequência determina[br]a cor dos olhos do Craig.

0:04:45.633,0:04:47.539
Vou mostrar-lhes outra parte do livro.

0:04:47.539,0:04:49.683
Esta é realmente um pouco mais complicada.

0:04:50.983,0:04:53.650
Cromossomo 14, livro 132:

0:04:53.650,0:04:55.728
(Risos)

0:04:55.728,0:04:57.039
Como vocês esperavam.

0:04:57.039,0:05:00.535
(Risos)

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

0:05:08.329,0:05:10.010
Esta pessoa tem sorte,

0:05:10.010,0:05:14.531
porque se faltassem apenas[br]duas letras nesta posição,

0:05:14.531,0:05:16.452
duas letras em três bilhões,

0:05:16.452,0:05:18.495
ela estaria condenada[br]a uma doença terrível:

0:05:18.495,0:05:19.939
a fibrose cística.

0:05:19.939,0:05:23.396
Não há cura para ela,[br]não sabemos como tratá-la,

0:05:23.396,0:05:27.181
e são apenas duas letras de diferença[br]em relação às pessoas saudáveis.

0:05:27.585,0:05:33.130
Um livro maravilhoso e poderoso,[br]que me ajudou a entender

0:05:33.137,0:05:35.890
e mostrar-lhes algo notável.

0:05:36.480,0:05:40.955
Cada um de vocês, o que me faz[br]ser quem sou, o que faz você ser você,

0:05:40.955,0:05:43.857
são apenas 5 milhões destas,

0:05:43.857,0:05:45.145
a metade de um livro.

0:05:46.015,0:05:50.058
No resto, somos absolutamente idênticos.

0:05:51.008,0:05:54.990
São 500 páginas, o milagre da vida,[br]o milagre que vocês são.

0:05:54.990,0:05:57.565
O restante, todos nós compartilhamos.

0:05:57.565,0:06:00.498
Lembrem disto, quando pensarem[br]que somos diferentes.

0:06:00.498,0:06:02.759
Esta é a quantidade[br]que nós compartilhamos.

0:06:03.441,0:06:06.864
Agora que tenho a atenção de vocês,

0:06:06.864,0:06:08.227
a próxima questão é:

0:06:08.227,0:06:11.042
Como conseguir ler?[br]Como fazer isto ter um significado?

0:06:11.409,0:06:15.643
Bem, por mais hábeis que sejam[br]em montar móveis suecos,

0:06:15.643,0:06:19.230
este manual de instrução é algo[br]que nunca conseguirão decifrar.

0:06:19.230,0:06:20.627
(Risos)

0:06:20.627,0:06:23.993
E assim, em 2014, dois famosos[br]participantes do TED,

0:06:23.993,0:06:26.537
Peter Diamandis e o próprio Craig Venter,

0:06:26.537,0:06:28.554
decidiram fundar uma nova companhia.

0:06:28.554,0:06:29.974
E nasceu a Human Longevity,

0:06:29.974,0:06:31.364
com uma missão:

0:06:31.368,0:06:33.229
fazer tudo o que pudéssemos

0:06:33.243,0:06:36.012
e estudar tudo o que podíamos[br]aprender com estes livros,

0:06:36.012,0:06:37.741
com um objetivo:

0:06:38.862,0:06:41.663
tornar realidade o sonho[br]da medicina personalizada,

0:06:41.667,0:06:45.438
compreender o que deveria ser feito[br]para termos uma saúde melhor

0:06:45.438,0:06:47.761
e que segredos guardam estes livros.

0:06:48.329,0:06:51.013
Uma equipe maravilhosa,[br]com 40 cientistas de dados

0:06:51.013,0:06:53.973
e muitas outras pessoas,[br]com as quais é um prazer trabalhar.

0:06:53.977,0:06:56.274
O conceito é realmente muito simples.

0:06:56.274,0:06:59.406
Usaremos uma tecnologia[br]chamada aprendizado de máquina.

0:06:59.406,0:07:04.005
De um lado, temos os genomas,[br]milhares deles.

0:07:04.005,0:07:07.990
Do outro lado, juntamos o maior[br]banco de dados sobre os seres humanos:

0:07:07.990,0:07:12.300
fenótipos, escaneamento em 3D, RNM,[br]tudo aquilo em que possam pensar.

0:07:12.300,0:07:17.739
Dentro disso, nos dois lados opostos,[br]há o segredo da tradução.

0:07:17.739,0:07:20.201
E no meio, construímos uma máquina.

0:07:20.801,0:07:23.020
Construímos e treinamos uma máquina;

0:07:23.020,0:07:26.414
bem, não exatamente uma,[br]muitas e muitas máquinas…

0:07:26.414,0:07:30.988
com a finalidade de entender e traduzir[br]o genoma em um fenótipo.

0:07:31.362,0:07:34.702
Quais são as letras e o que elas fazem?

0:07:34.726,0:07:37.457
É uma abordagem que pode[br]ser usada para tudo,

0:07:37.457,0:07:40.510
mas usá-la em genômica é[br]particularmente complicado.

0:07:40.510,0:07:43.774
Progredimos aos poucos e queríamos[br]enfrentar diferentes desafios.

0:07:43.774,0:07:46.576
Começamos pelos traços comuns,

0:07:46.576,0:07:49.213
pois tais características[br]são mais fáceis de trabalhar,

0:07:49.213,0:07:50.365
todos as têm.

0:07:50.365,0:07:52.893
Começamos a indagar:

0:07:52.893,0:07:54.303
Podemos prever a altura?

0:07:54.985,0:07:57.192
Podemos ler os livros e prever a altura?

0:07:57.192,0:07:58.331
Bem, realmente podemos,

0:07:58.331,0:08:00.148
com 5 cm de precisão.

0:08:00.148,0:08:03.333
O índice de massa corporal, IMC,[br]está ligado ao estilo de vida,

0:08:03.333,0:08:07.185
mas, dentro de certos limites,[br]podemos prevê-lo com 8 kg de precisão.

0:08:07.185,0:08:08.440
E prever a cor dos olhos?

0:08:08.440,0:08:11.132
Sim, podemos. Com 80% de precisão.

0:08:11.466,0:08:13.318
Podemos prever a cor da pele?

0:08:13.318,0:08:15.829
Sim, podemos, com 80% de precisão.

0:08:15.829,0:08:17.243
Podemos prever a idade?

0:08:18.121,0:08:21.854
Podemos porque, aparentemente,[br]o código muda ao longo da vida.

0:08:21.854,0:08:25.150
Ele se encurta, perde pedaços,[br]ganha inserções.

0:08:25.150,0:08:27.745
Lemos os sinais e elaboramos um modelo.

0:08:28.438,0:08:31.493
Um desafio interessante:[br]é possível prever a face humana?

0:08:33.014,0:08:34.286
É um pouco complicado,

0:08:34.286,0:08:37.527
porque uma face humana está espalhada[br]entre milhões de letras.

0:08:37.527,0:08:40.160
E uma face humana não é[br]um objeto bem definido.

0:08:40.164,0:08:42.219
Construímos uma coleção delas

0:08:42.219,0:08:44.943
para aprender e ensinar[br]a uma máquina o que é uma face,

0:08:44.943,0:08:46.994
a incorporá-la e comprimi-la.

0:08:46.994,0:08:49.286
Se entendem de aprendizagem de máquina,

0:08:49.286,0:08:51.610
compreendem qual é o desafio aqui.

0:08:52.108,0:08:58.093
Bem, 15 anos após termos[br]lido a primeira sequência,

0:08:58.093,0:09:01.019
agora em outubro [br]identificamos alguns sinais.

0:09:01.019,0:09:03.478
Foi um momento muito emocionante.

0:09:03.478,0:09:07.273
O que veem aqui é uma pessoa[br]chegando ao nosso laboratório.

0:09:07.619,0:09:09.531
Para nós, é um rosto.

0:09:09.531,0:09:13.176
Tomamos o rosto real de uma pessoa,[br]reduzimos a complexidade,

0:09:13.176,0:09:15.190
porque nem tudo está no rosto,

0:09:15.190,0:09:18.990
muitos aspectos e defeitos e assimetrias[br]vêm da vida que a pessoa leva.

0:09:18.990,0:09:22.499
Simetrizamos a face[br]e usamos nosso algoritmo.

0:09:23.245,0:09:25.193
O resultado que lhes mostro agora

0:09:25.193,0:09:28.539
é a previsão que fizemos[br]a partir de amostra de sangue.

0:09:29.596,0:09:31.114
(Aplausos)

0:09:31.114,0:09:32.579
Esperem um instante.

0:09:32.583,0:09:37.279
Nesses segundos, vocês olham da esquerda[br]para a direita e vice-versa,

0:09:37.279,0:09:41.249
e o cérebro espera[br]que as figuras sejam idênticas.

0:09:41.263,0:09:43.693
Peço que façam um outro[br]exercício, para ser honesto.

0:09:43.693,0:09:46.014
Por favor, procurem as diferenças,

0:09:46.014,0:09:47.399
as quais são muitas.

0:09:47.399,0:09:50.042
A maior quantidade[br]de sinais vem do gênero,

0:09:50.046,0:09:55.241
depois a idade, IMC, o componente[br]da etnicidade de uma pessoa.

0:09:55.241,0:09:58.996
E extrapolar a partir do sinal[br]é mais complicado ainda.

0:09:58.996,0:10:02.260
Mas, o que veem aqui,[br]mesmo nas diferenças,

0:10:02.260,0:10:05.889
permite que percebam[br]que estamos no caminho certo,

0:10:05.889,0:10:07.261
que estamos chegando perto.

0:10:07.261,0:10:09.634
E já nos causa algumas emoções.

0:10:09.634,0:10:11.384
Esta é uma outra pessoa que chega,

0:10:11.384,0:10:13.481
e esta é uma previsão.

0:10:13.481,0:10:15.824
Tem uma face um pouco menor,

0:10:15.824,0:10:18.404
não captamos a estrutura[br]craniana completa,

0:10:18.404,0:10:21.095
mas, ainda assim, chegamos perto.

0:10:21.634,0:10:23.852
Eis o sujeito que chega[br]em nosso laboratório,

0:10:23.852,0:10:25.325
e esta é a sua previsão.

0:10:26.056,0:10:30.736
Essas pessoas nunca foram usadas[br]para treinar a máquina.

0:10:30.736,0:10:33.557
São chamadas de conjunto “não incluído”.

0:10:33.557,0:10:37.341
São pessoas que vocês provavelmente[br]nunca acreditarão que existem.

0:10:37.341,0:10:40.041
Estamos publicando tudo[br]em uma revista científica,

0:10:40.041,0:10:41.206
e vocês podem ler.

0:10:41.206,0:10:43.600
Já que estamos no palco,[br]Chris me desafiou.

0:10:43.604,0:10:47.244
É possível que tenha me exposto[br]e me arriscado a prever

0:10:47.244,0:10:50.105
alguém que vocês podem reconhecer.

0:10:50.470,0:10:54.895
No sangue contido neste tubo de ensaio,[br]e creiam-me, vocês não têm ideia

0:10:54.899,0:10:57.773
do que tivemos que fazer[br]para obter este sangue, aqui,

0:10:57.773,0:11:01.698
este frasquinho de sangue contém[br]a quantidade de informação biológica

0:11:01.698,0:11:04.009
necessária para sequenciar todo o genoma.

0:11:04.009,0:11:06.119
Esta quantidade é suficiente.

0:11:06.528,0:11:09.733
Fizemos esta sequência[br]e vamos fazê-la com vocês.

0:11:09.737,0:11:13.736
Começamos a utilizar[br]todo o conhecimento que temos.

0:11:13.740,0:11:17.110
Com o tubo de sangue,[br]previmos que era um homem.

0:11:17.124,0:11:18.498
E era um homem.

0:11:18.996,0:11:21.398
Previmos que tem 1,76 m.

0:11:21.398,0:11:23.850
O sujeito tem 1,77 m.

0:11:23.864,0:11:27.984
Previmos 76 kg, a pessoa tem 82 kg.

0:11:28.701,0:11:31.287
Previmos sua idade, 38 anos.

0:11:31.287,0:11:33.261
A pessoa tem 35 anos.

0:11:33.851,0:11:35.975
[br]Previmos a cor dos seus olhos.

0:11:36.824,0:11:38.019
São muito escuros.

0:11:38.019,0:11:39.614
Previmos sua cor de pele.

0:11:40.026,0:11:41.436
Falta pouco.

0:11:41.899,0:11:43.272
Esta é sua face.

0:11:45.172,0:11:48.425
Agora, a hora da revelação:

0:11:48.425,0:11:50.209
o sujeito é esta pessoa.

0:11:50.209,0:11:52.158
(Risos)

0:11:52.158,0:11:54.260
Foi uma coisa intencional

0:11:54.260,0:11:57.986
Sou de uma etnia muito peculiar.

0:11:57.986,0:12:00.950
Europeus do sul, italianos,[br]não se enquadram em modelos.

0:12:00.950,0:12:03.144
E é específico…

0:12:03.144,0:12:06.144
O grupo étnico é muito complexo[br]e especial para o nosso modelo.

0:12:06.144,0:12:07.647
Mas há uma outra questão.

0:12:07.647,0:12:11.128
Uma das coisas muito usadas[br]para reconhecer pessoas

0:12:11.128,0:12:12.874
nunca estará escrita no genoma.

0:12:12.874,0:12:15.235
É a nossa livre escolha,[br]é a nossa aparência.

0:12:15.235,0:12:18.488
Não o meu corte de cabelo,[br]neste caso, o corte de minha barba.

0:12:18.488,0:12:22.055
Neste caso, eu vou transferir...

0:12:22.055,0:12:24.824
usou-se apenas o Photoshop,[br]sem qualquer modelagem...

0:12:24.824,0:12:26.591
a barba para o sujeito.

0:12:26.591,0:12:30.093
E imediatamente nós temos[br]uma percepção muito, muito melhor.

0:12:30.955,0:12:33.664
Por que agimos assim?

0:12:35.938,0:12:41.072
Certamente não o fazemos[br]para prever a altura

0:12:41.072,0:12:43.474
ou obter uma bonita imagem[br]a partir do sangue.

0:12:44.390,0:12:48.402
O fazemos porque a mesma [br]tecnologia e a mesma abordagem,

0:12:48.402,0:12:50.952
a aprendizagem de máquina deste código,

0:12:50.956,0:12:54.067
nos ajudam a entender como funcionamos,

0:12:54.067,0:12:55.607
como o corpo funciona,

0:12:55.607,0:12:57.312
como o corpo envelhece,

0:12:57.316,0:13:00.099
como as doenças surgem no organismo,

0:13:00.099,0:13:03.065
como o câncer cresce e se desenvolve,

0:13:03.065,0:13:04.892
como as drogas agem,

0:13:04.892,0:13:07.246
e se elas atuam em nosso corpo.

0:13:07.713,0:13:09.380
Este é um grande desafio.

0:13:09.854,0:13:11.516
É um desafio para todos nós

0:13:11.516,0:13:14.079
e milhares de outros [br]pesquisadores no mundo inteiro.

0:13:14.079,0:13:16.381
É a chamada medicina personalizada.

0:13:17.125,0:13:20.579
É a capacidade de trocar[br]uma abordagem estatística,

0:13:20.579,0:13:22.625
na qual somos uma gota no oceano,

0:13:22.625,0:13:24.462
por uma abordagem personalizada,

0:13:24.462,0:13:26.681
na qual lemos todos estes livros

0:13:26.691,0:13:29.575
e conseguirmos uma compreensão[br]de quem somos exatamente.

0:13:30.260,0:13:33.606
Mas é um desafio[br]particularmente complicado,

0:13:33.606,0:13:37.628
porque hoje, de todos esses livros,

0:13:37.628,0:13:40.310
é provável que conheçamos apenas 2%:

0:13:41.027,0:13:44.680
4 livros em mais de 175.

0:13:46.021,0:13:49.747
E este não é o foco da minha palestra,

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

0:13:53.378,0:13:56.207
As melhores cabeças do mundo[br]estudam este problema.

0:13:57.048,0:13:58.866
A previsão será aperfeiçoada,

0:13:58.866,0:14:01.133
o modelo ficará mais preciso.

0:14:01.133,0:14:03.015
E quanto mais aprendermos,

0:14:03.015,0:14:07.879
mais seremos confrontados com decisões

0:14:07.879,0:14:10.940
que nunca antes tivemos que encarar

0:14:10.944,0:14:13.361
sobre a vida, sobre a morte,

0:14:13.811,0:14:15.684
sobre a criação de filhos.

0:14:20.626,0:14:25.372
Estamos lidando com os detalhes[br]recônditos de como a vida funciona.

0:14:26.118,0:14:29.240
É uma revolução que não pode se limitar

0:14:29.240,0:14:31.959
ao domínio da ciência ou da tecnologia.

0:14:32.960,0:14:35.204
Deve haver um debate global.

0:14:35.798,0:14:40.989
Devemos pensar o futuro que estamos[br]construindo para a humanidade.

0:14:40.989,0:14:43.487
Precisamos interagir[br]com pessoas criativas,

0:14:43.487,0:14:45.127
com artistas, com filósofos

0:14:45.127,0:14:46.631
com políticos.

0:14:46.631,0:14:47.803
Todos estão envolvidos,

0:14:47.803,0:14:50.668
porque é o futuro da nossa espécie.

0:14:51.273,0:14:55.255
Sem temor, mas com a compreensão

0:14:55.255,0:14:59.120
de que as decisões [br]que tomaremos no próximo ano

0:14:59.120,0:15:02.949
mudarão o curso da história para sempre.

0:15:03.732,0:15:04.906
Obrigado.

0:15:04.906,0:15:08.122
(Aplausos)