0:00:00.612,0:00:03.374
Durante os próximos 16 minutos,[br]vou levá-los numa viagem

0:00:03.398,0:00:06.484
que é provavelmente[br]o maior sonho da Humanidade:

0:00:06.508,0:00:08.923
compreender o código da vida.

0:00:09.072,0:00:11.815
Para mim, tudo começou há muitos anos,

0:00:11.839,0:00:14.562
quando vi a primeira impressora 3D.

0:00:14.586,0:00:16.480
O conceito era fascinante.

0:00:16.480,0:00:18.526
Uma impressora 3D[br]precisa de três elementos:

0:00:18.526,0:00:22.464
um pouco de informação,[br]matéria-prima, energia,

0:00:22.488,0:00:26.052
e pode produzir qualquer objeto[br]que não existia antes.

0:00:26.517,0:00:28.208
Eu andava a estudar Física.

0:00:28.208,0:00:32.106
Ia de regresso a casa quando me apercebi[br]que sempre conhecera uma impressora 3D.

0:00:32.106,0:00:33.786
Toda a gente também conhece.

0:00:33.786,0:00:34.998
Era a minha mãe.

0:00:34.998,0:00:36.083
(Risos)

0:00:36.083,0:00:38.061
A minha mãe agarra em três elementos:

0:00:38.061,0:00:39.521
um pouco de informação

0:00:39.521,0:00:42.442
que, neste caso, é partilhada[br]pelo meu pai e pela minha mãe,

0:00:42.442,0:00:46.319
matéria-prima e energia[br]no mesmo meio, isto é, comida,

0:00:46.323,0:00:48.851
e após vários meses, produz-me.

0:00:48.855,0:00:50.707
Eu não existia antes.

0:00:50.707,0:00:54.453
Para além do choque de descobrir[br]que a minha mãe é uma impressora 3D,

0:00:54.477,0:00:59.215
fiquei imediatamente [br]hipnotizado por aquele elemento,

0:00:59.239,0:01:00.956
o primeiro, a informação.

0:01:00.980,0:01:03.251
Que quantidade de informações[br]será precisa

0:01:03.255,0:01:05.301
para construir e montar um ser humano?

0:01:05.301,0:01:07.079
Será muita? Será pouca?

0:01:07.079,0:01:09.313
Quantas "pen drives" podemos encher?

0:01:09.313,0:01:11.641
Eu estava a estudar Física,[br]no início,

0:01:11.665,0:01:16.812
e imaginei uma aproximação humana[br]como uma construção gigante de Lego.

0:01:17.286,0:01:21.071
Imaginem que os blocos Lego[br]são pequenos átomos

0:01:21.095,0:01:25.748
e que há um átomo de hidrogénio aqui,[br]um de carbono ali, um de azoto acolá.

0:01:25.772,0:01:27.723
Assim, na primeira aproximação,

0:01:27.723,0:01:31.710
se eu puder listar o número de átomos[br]que compõem um ser humano,

0:01:31.734,0:01:33.121
posso construí-lo.

0:01:33.145,0:01:35.304
Podemos fazer alguns cálculos

0:01:35.304,0:01:38.475
e o resultado é um número astronómico.

0:01:38.499,0:01:41.256
O número de átomos,

0:01:41.280,0:01:46.035
o ficheiro que vou guardar na minha [br]"pen drive", para montar um bebé,

0:01:46.059,0:01:50.726
vai encher um Titanic inteiro[br]de "pen drives",

0:01:50.750,0:01:53.468
multiplicado por dois mil.

0:01:53.957,0:01:57.358
É este o milagre da vida.

0:01:57.382,0:01:59.994
Cada vez que virmos uma mulher grávida,

0:02:00.018,0:02:02.874
ela está a reunir a maior[br]quantidade de informações

0:02:02.898,0:02:04.674
que jamais iremos encontrar.

0:02:04.674,0:02:07.618
Esqueçam os megadados,[br]esqueçam tudo o que ouviram dizer.

0:02:07.618,0:02:10.683
Esta é a maior quantidade[br]de informações que existe.

0:02:10.813,0:02:13.810
(Aplausos)

0:02:14.214,0:02:18.858
Mas, felizmente, a Natureza é muito mais[br]inteligente que um jovem físico,

0:02:18.882,0:02:22.468
e em quatro mil milhões de anos,[br]conseguiu embalar estas informações

0:02:22.482,0:02:25.377
num pequeno cristal chamado ADN.

0:02:25.605,0:02:29.917
Encontrámo-lo pela primeira vez [br]em 1950, quando Rosalind Franklin,

0:02:29.941,0:02:31.497
uma cientista incrível,

0:02:31.521,0:02:33.000
lhe tirou uma fotografia.

0:02:33.000,0:02:38.122
Mas demorou-nos mais de 40 anos[br]até se analisar uma célula humana,

0:02:38.146,0:02:39.748
extrair esse cristal,

0:02:39.772,0:02:43.032
desenrolá-lo e lê-lo pela primeira vez.

0:02:43.615,0:02:46.906
O código vem a ser[br]um alfabeto bastante simples,

0:02:46.906,0:02:50.652
de quatro letras: A, T, C e G.

0:02:50.676,0:02:54.566
Para construir um ser humano,[br]precisamos de três mil milhões de letras.

0:02:54.933,0:02:56.292
Três mil milhões!

0:02:56.292,0:02:57.955
Quanto é três mil milhões?

0:02:57.955,0:03:00.581
É um número que não faz sentido, não é?

0:03:00.581,0:03:04.610
Então comecei a pensar como[br]podia explicar melhor

0:03:04.634,0:03:07.684
sobre a grandeza e a enormidade[br]deste código.

0:03:07.708,0:03:10.762
Mas para isso, vou precisar de ajuda,

0:03:10.786,0:03:14.013
e a melhor pessoa para me ajudar[br]a apresentar o código

0:03:14.037,0:03:17.559
é o primeiro homem que o sequenciou,[br]o Dr. Craig Venter.

0:03:17.813,0:03:20.973
Bem-vindo ao palco, Dr. Craig Venter.

0:03:21.307,0:03:24.348
(Aplausos)

0:03:28.352,0:03:30.758
Não é o homem em carne e osso

0:03:31.448,0:03:33.793
mas, pela primeira vez na História,

0:03:33.817,0:03:37.349
este é o genoma[br]de um ser humano específico,

0:03:37.349,0:03:41.183
impresso página a página, [br]letra a letra:

0:03:41.183,0:03:45.133
262 000 páginas de informações,

0:03:45.133,0:03:49.631
450 kg, enviado dos EUA para o Canadá,

0:03:49.631,0:03:54.338
graças a Bruno Bowden, Lulu.com,[br]uma "start-up", que fez tudo.

0:03:54.362,0:03:56.095
Foi uma proeza incrível!

0:03:56.095,0:04:00.146
Mas esta é a perceção visual[br]do código da vida.

0:04:00.420,0:04:03.218
Agora, pela primeira vez,[br]posso fazer uma coisa divertida.

0:04:03.218,0:04:05.549
Posso introduzir-me dentro dele e ler.

0:04:05.549,0:04:10.028
Vou escolher um livro interessante...[br]como este.

0:04:13.277,0:04:15.761
Tenho uma nota:[br]é um livro bastante grande.

0:04:16.361,0:04:19.982
Só para que possam ver[br]o que é o código da vida.

0:04:20.566,0:04:23.957
Milhares e milhares e milhares

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

0:04:26.675,0:04:29.071
Aparentemente, não fazem sentido.

0:04:29.095,0:04:31.082
Vejamos uma parte específica.

0:04:31.571,0:04:32.933
Eu vou lê-la.

0:04:32.957,0:04:34.298
(Risos)

0:04:34.298,0:04:38.008
"AAG, AAT, ATA".

0:04:38.965,0:04:41.212
Para vocês, soam a letras mudas,

0:04:41.212,0:04:45.267
mas é esta sequência [br]que dá a cor aos olhos de Craig.

0:04:45.633,0:04:47.725
Vou mostrar outra passagem do livro.

0:04:47.725,0:04:50.293
Esta é um pouco mais complicada.

0:04:50.983,0:04:53.630
Cromossoma 14, livro 132.

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

0:04:55.968,0:04:57.775
Conforme era de esperar...

0:04:57.835,0:05:00.535
(Risos)

0:05:03.017,0:05:07.524
"ATT, CTT, GATT".

0:05:08.329,0:05:10.016
Este humano tem sorte

0:05:10.040,0:05:14.557
porque, se faltassem nesta posição[br]apenas duas letras

0:05:14.581,0:05:16.458
— duas letras entre três mil milhões —

0:05:16.482,0:05:18.601
ele estaria condenado[br]a uma doença terrível,

0:05:18.601,0:05:20.225
a fibrose quística.

0:05:20.225,0:05:23.402
Não há cura para ela,[br]não sabemos como a tratar.

0:05:23.426,0:05:27.181
E são apenas duas letras[br]diferentes das que nós temos.

0:05:27.585,0:05:30.580
Um livro maravilhoso,[br]um livro poderoso,

0:05:31.115,0:05:33.243
um livro poderoso[br]que me ajudou a perceber

0:05:33.243,0:05:36.310
e a mostrar-vos uma coisa extraordinária.

0:05:36.480,0:05:40.915
Cada um de vós [br]— ou seja, eu e vocês —

0:05:40.939,0:05:43.973
não passa de cinco milhões disto,

0:05:43.973,0:05:45.565
metade de um livro.

0:05:46.015,0:05:47.678
Quanto ao resto,

0:05:47.702,0:05:50.494
somos todos absolutamente idênticos.

0:05:51.008,0:05:55.026
Quinhentas páginas[br]é o milagre da vida que somos.

0:05:55.050,0:05:57.581
O resto é partilhado por todos.

0:05:57.605,0:06:00.644
Pensem nisso outra vez,[br]quando pensarem que somos diferentes.

0:06:00.644,0:06:03.249
É esta a quantidade que partilhamos.

0:06:03.441,0:06:06.870
Agora que conquistei a vossa atenção,

0:06:06.894,0:06:08.453
a pergunta seguinte é:

0:06:08.453,0:06:11.368
Como é que o lemos?[br]Como é que o compreendemos?

0:06:11.679,0:06:15.649
Por melhores que vocês sejam[br]a montar móveis suecos,

0:06:15.673,0:06:19.316
nunca na vida poderão decifrar[br]este manual de instruções.[br]

0:06:19.316,0:06:20.863
(Risos)

0:06:20.887,0:06:24.189
Em 2014, dois conhecidos oradores TED,

0:06:24.189,0:06:26.693
Peter Diamandis e o próprio Craig Venter,

0:06:26.693,0:06:28.694
decidiram fundar uma nova empresa.

0:06:28.694,0:06:31.350
Assim nasceu a Human Longevity,[br]com uma missão:

0:06:31.368,0:06:33.419
tentar tudo o que fosse possível

0:06:33.419,0:06:36.192
e aprender tudo o que [br]se pode aprender nestes livros,

0:06:36.192,0:06:38.291
com um objetivo,

0:06:38.862,0:06:41.863
tornar real o sonho[br]da medicina personalizada,

0:06:41.863,0:06:45.454
perceber que coisas se devem fazer[br]para ter melhor saúde

0:06:45.478,0:06:47.911
e quais são os segredos nestes livros.

0:06:48.329,0:06:52.579
Uma equipa fantástica, de 40 cientistas[br]de dados e muitas mais pessoas,

0:06:52.603,0:06:54.253
com quem foi um prazer trabalhar.

0:06:54.253,0:06:56.230
O conceito é muito simples.

0:06:56.254,0:06:59.412
Vamos usar uma tecnologia[br]chamada "aprendizagem automática".

0:06:59.806,0:07:03.975
Por um lado, temos genomas,[br]milhares de genomas.

0:07:03.999,0:07:07.996
Por outro lado, reunimos [br]a maior base de dados dos seres humanos:

0:07:08.020,0:07:12.316
os fenótipos, a digitalização 3D, a RMN,[br]tudo aquilo em que possam pensar.

0:07:12.340,0:07:15.239
Lá dentro, nestes dois lados opostos,

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

0:07:17.729,0:07:20.331
E no meio, construímos uma máquina.

0:07:20.801,0:07:23.186
Construímos uma máquina[br]e treinamos uma máquina

0:07:23.210,0:07:26.420
— não exatamente uma máquina,[br]muitas e muitas máquinas —

0:07:26.444,0:07:31.158
para tentar compreender e traduzir[br]o genoma num fenótipo.

0:07:31.362,0:07:34.702
O que são essas letras[br]e o que é que elas fazem?

0:07:34.726,0:07:37.473
É uma abordagem[br]que pode ser usada para tudo,

0:07:37.497,0:07:40.490
mas usá-la nos genomas[br]é especialmente complicado.

0:07:40.514,0:07:43.790
Pouco a pouco, evoluímos e[br]quisemos montar desafios diferentes.

0:07:43.814,0:07:46.400
Começámos pelo princípio,[br]pelas características comuns.

0:07:46.400,0:07:49.263
As características comuns são confortáveis[br]porque são comuns,

0:07:49.263,0:07:50.551
toda a gente as tem.

0:07:50.551,0:07:52.899
Assim, começámos a perguntar:

0:07:52.923,0:07:54.693
Podemos prever a altura?

0:07:54.985,0:07:57.162
Podemos ler os livros[br]e prever a vossa altura?

0:07:57.186,0:08:00.167
Sim, podemos sim,[br]com cinco centímetros de precisão.

0:08:00.178,0:08:03.463
O Índice de Massa Corporal[br]está muito ligado ao vosso estilo de vida,

0:08:03.463,0:08:07.201
mas ainda podemos estimar[br]com oito quilos de precisão.

0:08:07.225,0:08:08.796
Podemos prever a cor dos olhos?

0:08:08.796,0:08:11.218
Sim, podemos, com 80% de precisão.

0:08:11.466,0:08:13.434
Podemos prever a cor da pele?

0:08:13.434,0:08:15.789
Sim, podemos, com 80% de precisão.

0:08:15.903,0:08:17.723
Podemos prever a idade?

0:08:18.121,0:08:21.860
Podemos, porque, segundo parece,[br]o código muda durante a vida.

0:08:21.884,0:08:25.166
Fica mais curto, perdemos peças,[br]fica com inserções.

0:08:25.380,0:08:27.955
Lemos os sinais, e fazemos um modelo.

0:08:28.438,0:08:30.233
Agora, um problema interessante.

0:08:30.233,0:08:32.156
Podemos prever uma cara humana?

0:08:33.014,0:08:34.552
É um pouco complicado,

0:08:34.552,0:08:37.687
porque uma cara humana está espalhada[br]entre milhões destas letras.

0:08:37.687,0:08:40.220
E uma cara humana não é[br]um objeto muito bem definido.

0:08:40.220,0:08:42.435
Portanto, tivemos que construir[br]toda uma camada

0:08:42.435,0:08:45.079
para aprender e ensinar[br]a uma máquina o que é uma cara,

0:08:45.079,0:08:46.940
embuti-la e comprimi-la.

0:08:46.940,0:08:49.302
Se estão à vontade[br]com a "aprendizagem automática"

0:08:49.326,0:08:51.610
percebem qual é aqui o problema.

0:08:52.108,0:08:58.099
Ao fim de 15 anos — 15 anos depois[br]de lermos a primeira sequência —

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

0:09:01.049,0:09:03.674
Foi um momento muito emotivo.

0:09:03.674,0:09:07.363
Estão a ver aqui um sujeito[br]que entrou no nosso laboratório.

0:09:07.619,0:09:09.647
Para nós, isto é uma cara.

0:09:09.647,0:09:13.202
Agarramos na cara de um sujeito,[br]reduzimos-lhe a complexidade,

0:09:13.226,0:09:15.196
porque nem tudo está na nossa cara

0:09:15.220,0:09:19.006
— muitas das características e defeitos[br]e assimetrias são produto da nossa vida.

0:09:19.300,0:09:22.709
Tornamos a cara simétrica[br]e fazemos correr o algoritmo.

0:09:23.245,0:09:25.233
O resultado que vos mostro agora,

0:09:25.233,0:09:28.539
é a previsão que temos [br]a partir do sangue.

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

0:09:31.364,0:09:32.709
Esperem um pouco.

0:09:32.913,0:09:37.295
Nestes segundos, os vossos olhos[br]estão a ver, à esquerda e à direita,

0:09:37.319,0:09:41.083
e o vosso cérebro quer [br]que estas imagens sejam idênticas.

0:09:41.083,0:09:44.239
Por isso, peço-vos para fazerem[br]outro exercício, sejam honestos.

0:09:44.239,0:09:47.370
Procurem as diferenças[br]que são muitas.

0:09:47.439,0:09:50.272
A maior quantidade de sinal[br]provém do sexo,

0:09:50.272,0:09:55.267
depois há a idade, o IMC,[br]a componente étnica dum ser humano.

0:09:55.431,0:09:59.002
Aumentar esse sinal[br]é muito mais complicado.

0:09:59.026,0:10:02.276
Mas o que aqui vemos,[br]mesmo nas diferenças,

0:10:02.300,0:10:05.639
permite-nos perceber[br]que estamos no campo certo,

0:10:05.639,0:10:07.357
que estamos a aproximar-nos.

0:10:07.357,0:10:09.640
E já vos está a dar alguma emoção.

0:10:09.784,0:10:12.367
Este é outro sujeito que aparece

0:10:12.391,0:10:14.140
e este é uma previsão.

0:10:14.170,0:10:18.420
Uma cara um pouco mais pequena, [br]não temos a estrutura craniana completa,

0:10:18.444,0:10:21.455
mesmo assim, está dentro da previsão.

0:10:21.634,0:10:24.008
Este é um sujeito que entrou[br]no nosso laboratório,

0:10:24.008,0:10:25.755
e esta é a previsão.

0:10:26.526,0:10:30.710
Estas pessoas nunca foram vistas[br]durante o treino da máquina.

0:10:31.750,0:10:33.593
São aquilo a que se chama[br]"grupos externos".

0:10:33.787,0:10:37.357
Mas são pessoas que, provavelmente,[br]vocês não acreditariam que existiam.

0:10:37.591,0:10:40.288
Estamos a publicar tudo[br]numa publicação científica,

0:10:40.288,0:10:41.478
podem lê-la.

0:10:41.478,0:10:44.088
Mas, como estamos no palco,[br]Chris desafiou-me.

0:10:44.088,0:10:47.688
Provavelmente vou expor-me[br]e tentar prever alguém

0:10:47.688,0:10:50.358
que vocês podem reconhecer.

0:10:50.358,0:10:52.568
Portanto, neste tubo de coleta de sangue

0:10:53.328,0:10:57.528
— vocês não fazem ideia do que tivemos[br]que fazer para arranjar este sangue —

0:10:57.528,0:11:01.918
neste tubo de coleta de sangue está[br]a quantidade de informações biológicas

0:11:01.918,0:11:04.929
de que precisamos, para fazer[br]uma sequência de genoma completa.

0:11:04.929,0:11:06.609
Só precisamos desta quantidade.

0:11:06.609,0:11:09.843
Fizemos correr esta sequência[br]e vou fazê-lo convosco.

0:11:09.843,0:11:13.690
Começamos por utilizar[br]todos os conhecimentos que temos.

0:11:13.690,0:11:17.240
Com o tubo de coleta de sangue[br]previmos que era um homem.

0:11:17.250,0:11:18.908
E o sujeito é um homem.

0:11:19.126,0:11:21.544
Previmos que tem 1,76 m de altura.

0:11:21.544,0:11:23.850
O sujeito tem 1,77 cm de altura.

0:11:24.034,0:11:27.984
Previmos que pesa 76 kg[br]e o sujeito pesa 82.

0:11:28.701,0:11:31.433
Previmos que tem 38 anos.

0:11:31.433,0:11:33.611
O sujeito tem 35 anos.

0:11:33.851,0:11:36.155
Previmos a cor dos olhos:

0:11:36.824,0:11:38.035
Muito escuros.

0:11:38.059,0:11:39.854
Previmos a cor da pele.

0:11:40.026,0:11:41.676
Estamos quase lá.

0:11:41.899,0:11:43.802
Esta é a cara dele.

0:11:45.412,0:11:48.441
Agora, o momento da revelação:

0:11:48.795,0:11:50.625
o sujeito é esta pessoa.

0:11:50.695,0:11:52.304
(Risos)

0:11:52.548,0:11:54.486
Fi-lo intencionalmente.

0:11:54.486,0:11:57.992
Eu sou duma etnia[br]muito especial e peculiar.

0:11:58.106,0:12:01.146
Os europeus do sul, os italianos[br]nunca encaixam nos modelos.

0:12:01.266,0:12:06.120
No nosso modelo,[br]a etnia é um caso complexo.

0:12:06.144,0:12:08.213
Mas há uma outra questão.

0:12:08.383,0:12:11.304
Uma das coisas que usamos muito[br]para reconhecer pessoas[br]

0:12:11.304,0:12:13.290
nunca estará escrita no genoma.

0:12:13.290,0:12:15.581
É a nossa livre vontade,[br]como é o meu aspeto.

0:12:15.581,0:12:18.654
Não é o meu corte de cabelo, neste caso,[br]mas o corte da minha barba.

0:12:18.654,0:12:22.071
Vou mostrar-vos,[br]neste caso, transferi-la

0:12:22.095,0:12:25.180
— e isto não é mais do que o Photoshop[br]não há aquilo modelos —

0:12:25.180,0:12:26.987
a barba do sujeito.

0:12:26.987,0:12:30.243
Imediatamente, temos uma sensação[br]muito melhor.

0:12:31.305,0:12:34.154
Porque é que fazemos isto?

0:12:36.228,0:12:40.858
Claro que não o fazemos[br]para prever a altura,

0:12:41.242,0:12:44.044
ou para obter uma bela imagem[br]a partir do nosso sangue.

0:12:44.390,0:12:48.408
Fazemo-lo porque a mesma tecnologia[br]e a mesma abordagem,

0:12:48.432,0:12:51.082
a aprendizagem da máquina[br]deste código,[br]

0:12:51.082,0:12:54.113
está a ajudar-nos a compreender [br]como funcionamos,

0:12:54.137,0:12:55.883
como funciona o nosso corpo,

0:12:55.883,0:12:57.702
como o nosso corpo envelhece,

0:12:57.702,0:13:00.245
como as doenças se geram no nosso corpo,

0:13:00.245,0:13:03.101
como o cancro cresce e se desenvolve,

0:13:03.125,0:13:05.118
como funcionam os medicamentos

0:13:05.118,0:13:07.496
e se funcionam no nosso corpo.

0:13:07.713,0:13:09.890
Isto é um desafio enorme.

0:13:09.894,0:13:11.592
Isto é um desafio que partilhamos

0:13:11.592,0:13:14.415
com milhares de outros investigadores[br]pelo mundo inteiro.

0:13:14.415,0:13:16.691
Chama-se medicina personalizada.

0:13:17.125,0:13:20.585
É a capacidade de passar[br]de uma abordagem padronizada

0:13:20.609,0:13:22.641
em que somos um ponto no oceano,

0:13:22.665,0:13:24.728
para uma abordagem personalizada,

0:13:24.728,0:13:26.857
onde lemos todos estes livros

0:13:26.857,0:13:29.955
e obtemos a compreensão[br]de como somos, exatamente.

0:13:30.260,0:13:33.822
Mas é um desafio[br]especialmente complicado,

0:13:33.822,0:13:37.644
porque de todos estes livros,[br]no momento atual,

0:13:37.668,0:13:40.660
apenas conhecemos talvez 2%,

0:13:41.217,0:13:44.870
quatro livros entre mais de 175.

0:13:46.021,0:13:49.767
Não é este o tópico da minha palestra,

0:13:50.145,0:13:53.143
porque vamos aprender mais.

0:13:53.378,0:13:56.477
Temos as melhores cabeças[br]no mundo neste tópico.

0:13:57.048,0:13:58.882
As previsões vão melhorar,

0:13:58.906,0:14:01.159
o modelo vai ser mais preciso.

0:14:01.183,0:14:03.141
E quanto mais aprendermos

0:14:03.141,0:14:07.905
mais seremos confrontados[br]com decisões

0:14:07.919,0:14:10.940
que nunca tivemos que enfrentar[br]até agora,

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

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

0:14:14.121,0:14:15.934
sobre a paternidade.

0:14:18.572,0:14:20.752
Nesta conversa,

0:14:21.182,0:14:26.118
estamos a tocar no pormenor mais íntimo[br]de como a vida funciona.

0:14:26.118,0:14:29.276
É uma revolução que não se pode limitar

0:14:29.300,0:14:32.289
ao domínio da ciência ou da tecnologia.

0:14:32.960,0:14:35.594
Tem que ser uma conversa global.

0:14:35.798,0:14:38.869
Precisamos de começar a pensar no futuro

0:14:38.869,0:14:41.159
que estamos a construir[br]enquanto Humanidade.

0:14:41.159,0:14:43.743
Precisamos de interagir[br]com pessoas criativas,

0:14:43.743,0:14:46.637
com artistas, com filósofos,[br]com políticos.

0:14:46.661,0:14:48.309
Todos estão envolvidos,

0:14:48.309,0:14:51.068
porque trata-se do futuro[br]da nossa espécie.

0:14:51.273,0:14:55.261
Sem medo, mas com a compreensão

0:14:55.265,0:14:59.136
de que as decisões [br]que tomarmos no próximo ano

0:14:59.160,0:15:03.129
alterarão o curso da História para sempre.

0:15:03.732,0:15:04.892
Obrigado.

0:15:05.216,0:15:08.155
(Aplausos)