that is probably the biggest dream of humanity:

これからの16分で

to understand the code of life.

人類最大の夢への旅に お連れします

So for me, everything started many, many years ago

生命の暗号を 理解するということです

when I met the first 3D printer.

私にとって ことの始まりは 何年も前

The concept was fascinating.

はじめて3Dプリンタに 出会ったときです

A 3D printer needs three elements:

魅惑的なコンセプトだと 思いました

a bit of information, some raw material, some energy,

3Dプリンタは ３つの要素を必要とします

and it can produce any object that was not there before.

少しばかりの情報と 原料と エネルギーです

I was doing physics, I was coming back home

そして それまで存在しなかった物を 何でも作れてしまうんです

and I realized that I actually always knew a 3D printer.

私は物理をやっていましたが 家に帰ってきて

And everyone does.

3Dプリンタならずっと前から 知っていたことに気付きました

It was my mom.

誰もが知っています

(Laughter)

それは母親です

My mom takes three elements:

（笑）

a bit of information, which is between my father and my mom in this case,

母は３つの要素を 取り込みます

raw elements and energy in the same media, that is food,

少しばかりの情報 — 今の場合 父と母が提供します

and after several months, produces me.

原料とエネルギーは同じもの 食べ物から得ます

And I was not existent before.

そして数ヶ月の後に 私が製造されます

So apart from the shock of my mom discovering that she was a 3D printer,

それ以前に 私は存在しませんでした

I immediately got mesmerized by that piece,

自分が3Dプリンタであることを知った 母の衝撃はさておき

the first one, the information.

私はすぐに 最初の要素である

What amount of information does it take

情報に強く惹かれました

to build and assemble a human?

人間を組み立てるために

Is it much? Is it little?

どれほどの情報が 必要なのか？

How many thumb drives can you fill?

多いのか？ 少ないのか？

Well, I was studying physics at the beginning

USBメモリ何本分になるのか？

and I took this approximation of a human as a gigantic Lego piece.

私は当初 物理を勉強していたので

So, imagine that the building blocks are little atoms

人間を巨大なレゴブロックとして 近似してみました

and there is a hydrogen here, a carbon here, a nitrogen here.

個々のブロックは 小さな原子です

So in the first approximation,

ここに水素があり ここに炭素があり ここに窒素がある

if I can list the number of atoms that compose a human being,

最初の近似としては

I can build it.

人間の体を構成する個々の原子を すべて特定できれば

Now, you can run some numbers

それで作り上げる ことができます

and that happens to be quite an astonishing number.

計算してみると

So the number of atoms,

驚くような結果になります

the file that I will save in my thumb drive to assemble a little baby,

私がUSBメモリに 収めようとしているファイル

will actually fill an entire Titanic of thumb drives --

小さな赤ん坊を組み立てるための 原子のデータは

multiplied 2,000 times.

タイタニック号いっぱいの USBメモリの

This is the miracle of life.

２千倍になるんです

Every time you see from now on a pregnant lady,

これこそ 生命の奇跡です

she's assembling the biggest amount of information

今後 妊婦を見かけたら

that you will ever encounter.

その人は 皆さんが 出会うであろう

Forget big data, forget anything you heard of.

最大の情報を 組み上げているのです

This is the biggest amount of information that exists.

ビッグデータなんて 目じゃありません

(Applause)

これは存在する 最大の情報なのです

But nature, fortunately, is much smarter than a young physicist,

（笑）

and in four billion years, managed to pack this information

幸い自然界は この駆け出しの物理学者よりずっと賢く

in a small crystal we call DNA.

40億年の間に この情報を

We met it for the first time in 1950 when Rosalind Franklin,

DNAと呼ばれる小さな結晶に 詰め込みました

an amazing scientist, a woman,

私たちがこれに出会ったのは 1950年

took a picture of it.

素晴らしい女性科学者 ロザリンド・フランクリンが

But it took us more than 40 years to finally poke inside a human cell,

写真に収めた時です

take out this crystal,

しかし人類が ヒトの細胞の中をつついて

unroll it, and read it for the first time.

この結晶を取り出し

The code comes out to be a fairly simple alphabet,

広げて 読むようになるまでには 40年以上かかりました

four letters: A, T, C and G.

その暗号は４種の単純な アルファベットで書かれています

And to build a human, you need three billion of them.

A - T - C - G

Three billion.

そして人間を作るには 30億文字必要です

How many are three billion?

30億というのは

It doesn't really make any sense as a number, right?

どんな数でしょう？

So I was thinking how I could explain myself better

見当が付かないような数字です

about how big and enormous this code is.

この暗号がどれほど巨大かを

But there is -- I mean, I'm going to have some help,

どうしたら説明できるか 考えました

and the best person to help me introduce the code

そして 人の助けを 借りることにしました

is actually the first man to sequence it, Dr. Craig Venter.

この暗号を説明する 手助けとして

So welcome onstage, Dr. Craig Venter.

ゲノム解読の先駆者 クレイグ・ ヴェンター以上の人はいないでしょう

(Applause)

ご紹介します クレイグ・ヴェンター博士です

Not the man in the flesh,

（拍手）

but for the first time in history,

その人物そのものではなく

this is the genome of a specific human,

歴史上初めて

printed page-by-page, letter-by-letter:

特定の人間のゲノムを 本に印刷したものです

262,000 pages of information,

１ページ１ページ １文字１文字

450 kilograms, shipped from the United States to Canada

26万2千ページの情報です

thanks to Bruno Bowden, Lulu.com, a start-up, did everything.

450キログラムあります アメリカからカナダに運んできました

It was an amazing feat.

ブルーノ・ボウデンと ベンチャーのLulu.comが すべてやってくれました

But this is the visual perception of what is the code of life.

大した偉業です

And now, for the first time, I can do something fun.

これが生命の暗号を 視覚化したものです

I can actually poke inside it and read.

今や ちょっと面白い ことができます

So let me take an interesting book ... like this one.

中を覗いて 読むことができるんです

I have an annotation; it's a fairly big book.

面白そうな本を見てみましょう たとえばこれ

So just to let you see what is the code of life.

付箋を付けておきました すごく大きな本なので

Thousands and thousands and thousands

生命の暗号がどんなものか お見せしましょう

and millions of letters.

何千 何万 何億という

And they apparently make sense.

文字があります

Let's get to a specific part.

ここには何か意味があるはずです

Let me read it to you:

特定の部分を見てみます

(Laughter)

読んで差し上げましょう

"AAG, AAT, ATA."

（笑）

To you it sounds like mute letters,

AAG AAT ATA

but this sequence gives the color of the eyes to Craig.

黙字のように聞こえますが

I'll show you another part of the book.

この配列はクレイグの目の色を 指定しています

This is actually a little more complicated.

別の巻を見てみましょう

Chromosome 14, book 132:

こちらは もう少し複雑です

(Laughter)

染色体14 第132巻

As you might expect.

（笑）

(Laughter)

お察しの通り

"ATT, CTT, GATT."

（笑）

This human is lucky,

ATT CTT GATT

because if you miss just two letters in this position --

この人は幸運です

two letters of our three billion --

この部分の２文字が 欠けただけで —

he will be condemned to a terrible disease:

30億文字中の たった２文字が 欠けているだけで

cystic fibrosis.

恐ろしい病気を 運命付けられてしまいます

We have no cure for it, we don't know how to solve it,

嚢胞性線維症です

and it's just two letters of difference from what we are.

治す方法も救う方法も わかっていません

A wonderful book, a mighty book,

それがたった２文字の違いで 引き起こされるのです

a mighty book that helped me understand

素晴らしい本 強力な本

and show you something quite remarkable.

この本は ある極めて驚くべきことを 教えてくれます

Every one of you -- what makes me, me and you, you --

お見せしましょう

is just about five million of these,

どんな人であれ 私を私 皆さんを皆さんたらしめているのは

half a book.

このうちの たったの５百万字

For the rest,

１冊の半分たらずで

we are all absolutely identical.

残りの部分は

Five hundred pages is the miracle of life that you are.

まったく同一なんです

The rest, we all share it.

500ページが 皆さんという 生命の奇跡を作り出し

So think about that again when we think that we are different.

残りはみんなと共通です

This is the amount that we share.

人は皆違うと思った時 そのことを考えてみてください

So now that I have your attention,

私たちが共有している量を

the next question is:

少し興味を持って いただけたと思うので

How do I read it?

次の疑問ですが

How do I make sense out of it?

どうやってこれを読むのか？

Well, for however good you can be at assembling Swedish furniture,

どうすれば 意味を取れるのか？

this instruction manual is nothing you can crack in your life.

どんなにスウェーデン家具の組み立てが 得意だろうと

(Laughter)

この組み立て手順書は 一生かかっても解読できないでしょう

And so, in 2014, two famous TEDsters,

（笑）

Peter Diamandis and Craig Venter himself,

そのため 2014年に 著名な２人のTED講演者

decided to assemble a new company.

ピーター・ディアマンディスと クレイグ・ヴェンターその人が

Human Longevity was born,

新会社を作ることにしました

with one mission:

ヒューマン・ロンジェビティ社の

trying everything we can try

ミッションは１つ

and learning everything we can learn from these books,

この本について 学べることをすべて学び

with one target --

試せることをすべて試して

making real the dream of personalized medicine,

個別化医療の夢の実現を目指し

understanding what things should be done to have better health

より良い健康のために 何をしなければならないか

and what are the secrets in these books.

この本の秘密は何なのか

An amazing team, 40 data scientists and many, many more people,

解明するということです

a pleasure to work with.

40名のデータ科学者をはじめ 様々な人の素晴らしいチームで

The concept is actually very simple.

共に働けるのは喜びです

We're going to use a technology called machine learning.

概念的には とてもシンプルです

On one side, we have genomes -- thousands of them.

機械学習という 技術を使います

On the other side, we collected the biggest database of human beings:

一方には何千という ゲノムがあります

phenotypes, 3D scan, NMR -- everything you can think of.

他方には人間に関する 最大級のデータベースがあります

Inside there, on these two opposite sides,

表現型 3Dスキャン NMR 思いつく限りあらゆるものが入っています

there is the secret of translation.

この二者の間には

And in the middle, we build a machine.

未知の変換過程があります

We build a machine and we train a machine --

私たちは中間に機械を構築し

well, not exactly one machine, many, many machines --

トレーニングしています

to try to understand and translate the genome in a phenotype.

１台だけでなく 沢山の機械があって

What are those letters, and what do they do?

ゲノムから表現型への変換を 理解しようと試みています

It's an approach that can be used for everything,

この文字列は何であり 何をするのか？

but using it in genomics is particularly complicated.

これは何にでも使える アプローチですが

Little by little we grew and we wanted to build different challenges.

ゲノミクスにおいては 特に複雑です

We started from the beginning, from common traits.

少しずつ拡大して 違う挑戦へと手を広げてきました

Common traits are comfortable because they are common,

最初はありふれた形質から 始めました

everyone has them.

ありふれた形質がいいのは

So we started to ask our questions:

ありふれていて 誰でも持っていることです

Can we predict height?

そして こんなことを 問い始めました

Can we read the books and predict your height?

この本を読んで

Well, we actually can,

身長は予測できるか？

with five centimeters of precision.

実際可能です

BMI is fairly connected to your lifestyle,

5センチの精度で 予測できます

but we still can, we get in the ballpark, eight kilograms of precision.

体重は生活習慣に 大きく依存していますが

Can we predict eye color?

それでも おおよその予測はできます 8キロの精度です

Yeah, we can.

目の色は 予測できるか？

Eighty percent accuracy.

できます

Can we predict skin color?

80パーセントの正確さです

Yeah we can, 80 percent accuracy.

肌の色は予測できるか？

Can we predict age?

できます 80パーセントの正確さです

We can, because apparently, the code changes during your life.

年齢は予測できるか？

It gets shorter, you lose pieces, it gets insertions.

できます　生きている間に 塩基配列は変化していくからです

We read the signals, and we make a model.

短くなり 欠落や挿入が起きます

Now, an interesting challenge:

いろいろな特徴から モデルを作れます

Can we predict a human face?

興味深い課題は

It's a little complicated,

人の顔は予想できるか ということです

because a human face is scattered among millions of these letters.

これはちょっと難しいです

And a human face is not a very well-defined object.

人の顔を決める情報は 何百万という塩基配列に分散しているし

So, we had to build an entire tier of it

人の顔というのは あまり綺麗に定義できません

to learn and teach a machine what a face is,

それを学ぶために まるまる階層を構築し

and embed and compress it.

機械に顔とは何か教え

And if you're comfortable with machine learning,

埋め込み圧縮する 必要がありました

you understand what the challenge is here.

機械学習に馴染みがある人なら

Now, after 15 years -- 15 years after we read the first sequence --

難しさが分かると思います

this October, we started to see some signals.

私たちが最初の配列を読んで以来 15年が過ぎましたが

And it was a very emotional moment.

去年10月に有意な結果を 目にするようになりました

What you see here is a subject coming in our lab.

とても感情的に高揚する瞬間でした

This is a face for us.

ご覧いただいているのは 実験室に来た被験者です

So we take the real face of a subject, we reduce the complexity,

この顔を使います

because not everything is in your face --

被験者の顔のデータを取り 複雑さを減らします

lots of features and defects and asymmetries come from your life.

顔のすべてが遺伝子で 決まるわけではなく

We symmetrize the face, and we run our algorithm.

様々な特徴や欠陥や非対称性が 生きている中で生じるからです

The results that I show you right now,

顔を対称化し アルゴリズムにかけます

this is the prediction we have from the blood.

次にご覧いただくのが

(Applause)

血液から予測した顔です

Wait a second.

（拍手）

In these seconds, your eyes are watching, left and right, left and right,

ちょっとお待ちを

and your brain wants those pictures to be identical.

この瞬間 皆さんの目は 左の顔と右の顔を見比べ

So I ask you to do another exercise, to be honest.

脳が 顔を同一視しようと してしまいます

Please search for the differences,

だから１つ課題を 出しましょう

which are many.

違いを探してください

The biggest amount of signal comes from gender,

たくさんあります

then there is age, BMI, the ethnicity component of a human.

最大の特徴は 性別から来ます

And scaling up over that signal is much more complicated.

それから年齢 BMI 人種

But what you see here, even in the differences,

そこから先は ずっと複雑になります

lets you understand that we are in the right ballpark,

２つの顔に 違いはあるにしても

that we are getting closer.

概ね合っているのが お分かりいただけると思います

And it's already giving you some emotions.

どんどん近くなっていて

This is another subject that comes in place,

感動すら覚えます

and this is a prediction.

これは別の被験者です

A little smaller face, we didn't get the complete cranial structure,

こちらが予測です

but still, it's in the ballpark.

実際の顔は若干小さく 頭蓋の形が完全に合ってはいませんが

This is a subject that comes in our lab,

大きくは外していません

and this is the prediction.

これが被験者の顔

So these people have never been seen in the training of the machine.

これが予測した顔

These are the so-called "held-out" set.

マシンのトレーニングの時点では これらの顔は見せていません

But these are people that you will probably never believe.

ホールドアウト・セットと呼ばれる 評価用データです

We're publishing everything in a scientific publication,

これだけでは信じない かもしれませんが

you can read it.

すべて科学論文として 発表しているので

But since we are onstage, Chris challenged me.

お読みいただけます

I probably exposed myself and tried to predict

クリスが私にステージでやる 挑戦を持ちかけました

someone that you might recognize.

真剣勝負をして

So, in this vial of blood -- and believe me, you have no idea

皆さんが認識できる顔の 予測をすべきだろうと

what we had to do to have this blood now, here --

このバイアル瓶の中の血液には —

in this vial of blood is the amount of biological information

この血液を手に入れる苦労は 想像もつかないでしょうが

that we need to do a full genome sequence.

このバイアル瓶の中の血液には

We just need this amount.

全ゲノム塩基配列同定のために 十分な情報があります

We ran this sequence, and I'm going to do it with you.

これだけでいいのです

And we start to layer up all the understanding we have.

この塩基配列を調べたので 皆さんと一緒に見ていきましょう

In the vial of blood, we predicted he's a male.

分かったことをすべて 積み上げていきます

And the subject is a male.

この血液から男性と 予想しましたが

We predict that he's a meter and 76 cm.

被験者は男性です

The subject is a meter and 77 cm.

身長は176cmと 予想しましたが

So, we predicted that he's 76; the subject is 82.

実際は177cmです

We predict his age, 38.

予想は76キロで 実際は82キロ

The subject is 35.

予想年齢は38歳

We predict his eye color.

実際は35歳

Too dark.

予想した目の色は —

We predict his skin color.

少し濃すぎました

We are almost there.

肌の色の予想は

That's his face.

大体合っています

Now, the reveal moment:

これが予想した顔です

the subject is this person.

種明かしの瞬間です