So, I have a strange career. I know it because people come up to me, like colleagues, and say, "Chris, you have a strange career."
Nos, nekem furcsa a hivatásom. Ezt onnan tudom, hogy az emberek, például a kollégáim odajönnek hozzám és azt mondják, "Chris, neked furcsa a hivatásod."
(Laughter)
(Nevetés)
And I can see their point, because I started my career as a theoretical nuclear physicist. And I was thinking about quarks and gluons and heavy ion collisions, and I was only 14 years old -- No, no, I wasn't 14 years old. But after that, I actually had my own lab in the Computational Neuroscience department, and I wasn't doing any neuroscience. Later, I would work on evolutionary genetics, and I would work on systems biology.
És tudom, miért mondják ezt, hiszen elméleti nukleáris fizikusként kezdtem a pályafutásom. Kvarkokról, gluonokról, nehézion ütközésekről gondolkodtam, és még csak 14 éves voltam. Nem, nem, nem voltam 14 éves. De azután tulajdonképpen lett egy saját laborom a számítógépes idegtudományi tanszéken, és egyáltalán nem foglalkoztam az idegtudománnyal. A későbbiekben evolúciós genetikával, majd rendszer-szemléletű biológiával foglalkoztam.
But I'm going to tell you about something else today. I'm going to tell you about how I learned something about life. And I was actually a rocket scientist. I wasn't really a rocket scientist, but I was working at the Jet Propulsion Laboratory in sunny California, where it's warm; whereas now I am in the mid-West, and it's cold. But it was an exciting experience. One day, a NASA manager comes into my office, sits down and says, "Can you please tell us, how do we look for life outside Earth?" And that came as a surprise to me, because I was actually hired to work on quantum computation. Yet, I had a very good answer. I said, "I have no idea."
De ma valami másról fogok beszélni önöknek. Azt fogom elmondani, hogy hogyan tanultam meg valamit az életről. És tulajdonképpen rakétakutató voltam. Igazából nem voltam rakétakutató, de dolgoztam a Sugárhajtású Meghajtás laboratóriumban a napos Kaliforniában, ahol meleg van; ehhez képest most közép-nyugaton vagyok, és hideg van. De izgalmas élmény volt. Egyik nap bejön az irodámba egy NASA osztályvezető, leül és azt kérdezi, "Meg tudná kérem mondani, hogyan keressünk életet a Földön kívül?" És ez nagy meglepetésként ért engem, mert konkrétan azért vettek fel, hogy kvantumszámításokon dolgozzak. És mégis tudtam egy nagyon jó választ. Azt válaszoltam, hogy "Fogalmam sincs".
(Laughter)
A fickó pedig azt mondta, hogy "Bioazonosítók,
And he told me, "Biosignatures, we need to look for a biosignature." And I said, "What is that?" And he said, "It's any measurable phenomenon that allows us to indicate the presence of life." And I said, "Really? Because isn't that easy? I mean, we have life. Can't you apply a definition, for example, a Supreme Court-like definition of life?"
bioazonosítókat kell keresnünk." Én meg azt kérdeztem, "Az meg mi?" Ő pedig azt válaszolta, hogy "Bármilyen mérhető jelenség, amely lehetővé teszi számunkra az élet jelenlétének kimutatását." És azt kérdeztem, hogy "Tényleg? Mert ez könnyű, nem? Úgy értem, itt van az élet. Nem alkalmazhatunk rá egy meghatározást, olyasmit, mint a Legfelsőbb Bíróság féle élet definíció?"
And then I thought about it a little bit, and I said, "Well, is it really that easy? Because, yes, if you see something like this, then all right, fine, I'm going to call it life -- no doubt about it. But here's something." And he goes, "Right, that's life too. I know that." Except, if you think that life is also defined by things that die, you're not in luck with this thing, because that's actually a very strange organism. It grows up into the adult stage like that and then goes through a Benjamin Button phase, and actually goes backwards and backwards until it's like a little embryo again, and then actually grows back up, and back down and back up -- sort of yo-yo -- and it never dies. So it's actually life, but it's actually not as we thought life would be. And then you see something like that. And he was like, "My God, what kind of a life form is that?" Anyone know? It's actually not life, it's a crystal.
De aztán gondolkodtam rajta egy kicsit, és azt kérdeztem, "Nos, ez tényleg ilyen egyszerű? Mert igen, ha látunk valami ilyesmit, akkor persze, rendben, életnek fogjuk hívni -- ehhez nem fér kétség. De itt van ez." És azt mondja, "Rendben, ez is élet. Ezt tudom." Kivéve persze ha a meghaló dolgok által határozzuk meg az életet, mert akkor ezzel a dologgal nincs szerencsénk, ugyanis ez egy nagyon különös organizmus. Kifejlődik a felnőtt létig ilyen formában, majd átél egy Benjamin Button fázist, és tulajdonképpen elkezd egyre jobban visszafejlődni, amíg olyan nem lesz újra, mint egy embrió, majd ismét elkezd felnőni, majd visszafejlődni, majd felnőni -- mint a jojó -- és sohasem hal meg. Tehát tulajdonképpen ez is egy életforma, de valójában nem úgy, ahogyan mi elképzeljük az életet. Aztán látunk valami ilyesmit. Erre a fickó, "Uram Isten, ez meg milyen életforma?" Tudja valaki? Ez tulajdonképpen nem életforma, ez egy kristály.
So once you start looking and looking at smaller and smaller things -- so this particular person wrote a whole article and said, "Hey, these are bacteria." Except, if you look a little bit closer, you see, in fact, that this thing is way too small to be anything like that. So he was convinced, but, in fact, most people aren't. And then, of course, NASA also had a big announcement, and President Clinton gave a press conference, about this amazing discovery of life in a Martian meteorite. Except that nowadays, it's heavily disputed. If you take the lesson of all these pictures, then you realize, well, actually, maybe it's not that easy. Maybe I do need a definition of life in order to make that kind of distinction.
Tehát ha egyszer elkezdünk egyre kisebb dolgokat vizsgálni -- tehát ez a bizonyos személy egy egész cikket írt arról, hogy "Hé, ezek baktériumok". Kivéve persze ha közelebbről nézzük, akkor tulajdonképpen látjuk, hogy ez túl kicsi ahhoz, hogy bármi ilyesmi legyen. Tehát ő meg volt győződve erről, de ami azt illeti, a legtöbb ember nem. És aztán, persze, a NASA tett egy nagy bejelentést, és Clinton elnök tartott egy sajtókonferenciát erről a hatalmas felfedezésről, hogy életet találtak egy Marsról származó meteorban. Leszámítva persze, hogy manapság ez erősen vitatott. Ha megtanuljuk a leckét ezekből a képekből, akkor rájövünk, hogy ez talán nem is olyan könnyű. Talán mégiscsak szükségem van az élet meghatározására ahhoz, hogy ilyen jellegű különbséget tudjak tenni.
So can life be defined? Well how would you go about it? Well of course, you'd go to Encyclopedia Britannica and open at L. No, of course you don't do that; you put it somewhere in Google. And then you might get something.
Tehát meghatározhatjuk-e az életet? Nos, hogyan kezdenének hozzá? Természetesen kinyitnák a Révai nagylexikont az É betűnél. Nem, természetesen nem tennék ezt; inkább beírnák a Google-ba. És talán kapnának valamit.
(Laughter)
És amit kapnának --
And what you might get -- and anything that actually refers to things that we are used to, you throw away. And then you might come up with something like this. And it says something complicated with lots and lots of concepts. Who on Earth would write something as convoluted and complex and inane? Oh, it's actually a really, really, important set of concepts. So I'm highlighting just a few words and saying definitions like that rely on things that are not based on amino acids or leaves or anything that we are used to, but in fact on processes only. And if you take a look at that, this was actually in a book that I wrote that deals with artificial life. And that explains why that NASA manager was actually in my office to begin with. Because the idea was that, with concepts like that, maybe we can actually manufacture a form of life.
és bármit, ami tulajdonképpen azokra a dolgokra utal, amiket megszoktunk, félredobnának. Aztán kitalálnának valami ilyesmit. És ez valami bonyolultról szól, amiben rengeteg a fogalom. Ki a fene írna valamit, ami ilyen tekervényes és összetett és semmitmondó? Ó, ez tulajdonképpen egy nagyon, nagyon fontos fogalomhalmaz. Úgyhogy kiemelek egy pár szót, és azt mondom hogy az ilyen meghatározások nem olyan dolgokra támaszkodnak, amelyeknek aminosavak vagy levelek vagy bármi megszokott az alapja, hanem valójában csak folyamatokra. És ha egy pillantást vetnek erre, ez tulajdonképpen egy könyvben volt, amit a mesterséges életről írtam. És ez megmagyarázza, hogy hogyan került az a NASA ügyvezető az irodámba az elején. Ugyanis az volt az ötlet, hogy az ilyen koncepciókkal talán ténylegesen létrehozhatunk valamilyen létformát.
And so if you go and ask yourself, "What on Earth is artificial life?", let me give you a whirlwind tour of how all this stuff came about. And it started out quite a while ago, when someone wrote one of the first successful computer viruses. And for those of you who aren't old enough, you have no idea how this infection was working -- namely, through these floppy disks. But the interesting thing about these computer virus infections was that, if you look at the rate at which the infection worked, they show this spiky behavior that you're used to from a flu virus. And it is in fact due to this arms race between hackers and operating system designers that things go back and forth. And the result is kind of a tree of life of these viruses, a phylogeny that looks very much like the type of life that we're used to, at least on the viral level.
Így tehát ha megkérdezik maguktól, hogy "Mi a fene az a mesterséges élet?", engedjék meg, hogy villámgyorsan bemutassam önöknek, hogy hogyan is került szóba mindez. És ez az egész elég régen kezdődött, amikor valaki megírta az egyik első sikeres számítógépes vírust. És azok számára, akik nem elég idősek, és fogalmuk sincs, hogy ez a fertőzés hogyan működött -- tudniillik ezeken a floppy lemezeken keresztül. De ezekkel a számítógépes vírusokkal kapcsolatban az volt az érdekes, hogy ha a fertőzés terjedésének sebességét nézzük, akkor ezt a tüskés viselkedést mutatják, amelyet egy influenza vírusnál figyelhetünk meg. És tulajdonképpen ennek a fegyverkezési versenynek köszönhető a hackerek és az operációs rendszerek tervezői között, hogy ezek a dolgok oda-vissza haladnak. A végeredmény pedig egyfajta családfa a vírusokból, egy fejlődéstörténet, amely nagyon hasonlít a már ismert élettípusra, legalábbis ami a vírusok szintjét illeti.
So is that life? Not as far as I'm concerned. Why? Because these things don't evolve by themselves. In fact, they have hackers writing them. But the idea was taken very quickly a little bit further, when a scientist working at the Santa Fe Institute decided, "Why don't we try to package these little viruses in artificial worlds inside of the computer and let them evolve?" And this was Steen Rasmussen. And he designed this system, but it really didn't work, because his viruses were constantly destroying each other. But there was another scientist who had been watching this, an ecologist. And he went home and says, "I know how to fix this." And he wrote the Tierra system, and, in my book, is in fact one of the first truly artificial living systems -- except for the fact that these programs didn't really grow in complexity.
Akkor tehát ez élet? Nem, ami engem illet. Miért? Mert ezek a dolgok nem maguktól fejlődnek. Ami azt illeti, a hackerek írják őket. De az ötletet nagyon hamar továbbgondolták, mikor a Tudományos Intézet egyik tudósa elhatározta, "Miért ne csomagolhatnánk be ezeket a vírusokat a számítógép mesterséges világaiba és hagyhatnánk őket fejlődni?" És ez az ember Steen Rasmussen volt. És megtervezte ezt a rendszert, de valójában nem igazán működött, mert a vírusai folyamatosan elpusztították egymást. De volt egy másik tudós, aki megfigyelte a kísérletet, egy ökológus. Aztán hazament és azt mondta, "Tudom, hogyan oldjuk meg ezt." És megírta a Tierra rendszert, és ami azt illeti, a könyvemben ez az egyik első valóban mesterséges élő rendszer -- leszámítva azt a tényt, hogy ezek a programok nem igazán váltak összetettebbé.
So having seen this work, worked a little bit on this, this is where I came in. And I decided to create a system that has all the properties that are necessary to see, in fact, the evolution of complexity, more and more complex problems constantly evolving. And of course, since I really don't know how to write code, I had help in this. I had two undergraduate students at California Institute of Technology that worked with me. That's Charles Ofria on the left, Titus Brown on the right. They are now, actually, respectable professors at Michigan State University, but I can assure you, back in the day, we were not a respectable team. And I'm really happy that no photo survives of the three of us anywhere close together.
Tehát miután láttam ezt a munkát és dolgoztam rajta egy kicsit, itt jövök én a képbe. És én elhatároztam, hogy létrehozok egy olyan rendszert, amely rendelkezik az összes szükséges tulajdonsággal az evolúció összetettségének megjelenítéséhez, az egyre bonyolultabb és bonyolultabb problémák folyamatos fejlődésével. És mivel tényleg nem tudok kódokat írni, természetesen volt segítségem. Két egyetemi hallgató dolgozott együtt velem a Kaliforniai Műszaki Intézetből. Az Charles Offria a bal oldalon, Titus Brown pedig a jobb oldalon. Jelenleg valójában már tekintélyes professzorok a Michigani Állami Egyetemen, de biztosíthatom önöket, hogy akkoriban nem voltunk egy tekintélyes csapat. És igazán boldog vagyok, hogy egy fénykép sem maradt fenn sehol hármunkról, amin együtt vagyunk.
But what is this system like? Well I can't really go into the details, but what you see here is some of the entrails. But what I wanted to focus on is this type of population structure. There's about 10,000 programs sitting here. And all different strains are colored in different colors. And as you see here, there are groups that are growing on top of each other, because they are spreading. Any time there is a program that's better at surviving in this world, due to whatever mutation it has acquired, it is going to spread over the others and drive the others to extinction.
De milyen is ez a rendszer? Hát igazából nem nagyon mehetek bele a részletekbe, de amit itt látnak, az a belsejének egy része. De amire fókuszálni szeretnék, az ez a fajta populációs szerkezet. Körülbelül 10,000 program látható itt. És minden külön törzs különböző színnel van megjelölve. És mint itt is láthatják, vannak olyan csoportok, amelyek egymásra nőnek, mert terjeszkednek. Ha bármikor létrejön egy program, amely jobban életben tud maradni ebben a világban, mert olyan mutáción ment keresztül, akkor elterjed a többi program rovására és kihalásra kényszeríti őket.
So I'm going to show you a movie where you're going to see that kind of dynamic. And these kinds of experiments are started with programs that we wrote ourselves. We write our own stuff, replicate it, and are very proud of ourselves. And we put them in, and what you see immediately is that there are waves and waves of innovation. By the way, this is highly accelerated, so it's like a 1000 generations a second. But immediately, the system goes like, "What kind of dumb piece of code was this? This can be improved upon in so many ways, so quickly." So you see waves of new types taking over the other types. And this type of activity goes on for quite a while, until the main easy things have been acquired by these programs. And then, you see sort of like a stasis coming on where the system essentially waits for a new type of innovation, like this one, which is going to spread over all the other innovations that were before and is erasing the genes that it had before, until a new type of higher level of complexity has been achieved. And this process goes on and on and on.
Úgyhogy mutatok önöknek egy filmet, amelyen látható lesz ez a fajta dinamika. És az ilyen fajta kísérleteket olyan programokkal kezdtük, amelyeket magunk írtunk. Megírjuk a saját dolgainkat, sokszorosítjuk őket, és nagyon büszkék vagyunk magunkra. Aztán betesszük őket ide, és amit azonnal megfigyelhetnek az az, hogy az újítás újabb és újabb hulláma tűnik fel. Mellesleg ez egy nagyon felgyorsított felvétel, úgy nagyjából ezer generáció másodpercenként. De a rendszer szinte azonnal megkérdezi, "Milyen idióta kód darab volt ez? Ezt olyan sokféleképpen lehet tovább fejleszteni nagyon gyorsan." Úgyhogy láthatják, amint az új típusok hullámai legyőzik a többi típust. És ez a fajta tevékenység egész sokáig folytatódik, amíg a legfőbb, könnyű részeket megszerzik ezek a programok. Aztán láthatják, amint létrejön valamiféle pangás, ahol a rendszer tulajdonképpen egy újításra vár, mint például ez itt, amely át fog terjedni minden addigi más újításra, amely létezett és kitörli az előzőleg birtokolt géneket, amíg el nem éri a nagyobb összetettségi szint egy új típusát. És ez a folyamat újra és újra és újra megismétlődik.
So what we see here is a system that lives in very much the way we're used to how life goes. But what the NASA people had asked me really was, "Do these guys have a biosignature? Can we measure this type of life? Because if we can, maybe we have a chance of actually discovering life somewhere else without being biased by things like amino acids." So I said, "Well, perhaps we should construct a biosignature based on life as a universal process. In fact, it should perhaps make use of the concepts that I developed just in order to sort of capture what a simple living system might be."
Tehát amit itt látunk, az egy rendszer, amely egészen olyan formában élő, mint amihez hozzászoktunk. De amit valójában a NASA emberei kérdeztek tőlem az volt, hogy "Van ezeknek a fickóknak bioazonosítójuk? Meg tudjuk mérni ezt a fajta életet? Mert ha igen, akkor talán van esélyünk arra, hogy valahol máshol életet fedezzünk fel anélkül, hogy az aminosavakhoz hasonló dolgok befolyásolnának minket." Úgyhogy azt mondtam, "Nos, talán olyan bioazonosítót kellene készítenünk, amely az élet univerzális folyamatain alapszik. Valójában talán olyan fogalmakat kellene hasznosítania, amiket én fejlesztettem ki annak érdekében, hogy megragadja egy egyszerű, élő rendszer lényegét."
And the thing I came up with -- I have to first give you an introduction about the idea, and maybe that would be a meaning detector, rather than a life detector. And the way we would do that -- I would like to find out how I can distinguish text that was written by a million monkeys, as opposed to text that is in our books. And I would like to do it in such a way that I don't actually have to be able to read the language, because I'm sure I won't be able to. As long as I know that there's some sort of alphabet. So here would be a frequency plot of how often you find each of the 26 letters of the alphabet in a text written by random monkeys. And obviously, each of these letters comes off about roughly equally frequent.
És az ötlet, amivel előálltam -- először is be kell mutatnom önöknek az ötletet, és ez talán inkább egy értelem-detektor lenne, mint egy életdetektor. És a módszer, amivel ezt kiviteleznénk -- szeretném kideríteni, hogy mi különböztet meg egy egymillió majom által írt szöveget a könyveinkben található szövegtől. És ezt olyan módon szeretném megtenni, hogy tulajdonképpen nem kell értenem a nyelvet, mert biztos vagyok benne, hogy képtelen lennék rá. Amíg tudom, hogy létezik valamiféle abc. Tehát itt lenne egy előfordulási grafikon arról, hogy milyen gyakran található meg az abc 26 betűjének mindegyike egy tetszőleges majmok által írt szövegben. És nyilvánvalóan minden betű nagyjából durván egyenlő gyakorisággal fordul elő.
But if you now look at the same distribution in English texts, it looks like that. And I'm telling you, this is very robust across English texts. And if I look at French texts, it looks a little bit different, or Italian or German. They all have their own type of frequency distribution, but it's robust. It doesn't matter whether it writes about politics or about science. It doesn't matter whether it's a poem or whether it's a mathematical text. It's a robust signature, and it's very stable. As long as our books are written in English -- because people are rewriting them and recopying them -- it's going to be there.
De ha ugyanezt az eloszlást nézzük az angol szövegekben, az így néz ki. És elhihetik nekem, hogy ez egy nagyon jellemző eredmény az angol szövegekben. És ha francia szövegeket nézek, akkor egy kicsit máshogy néz ki, vagy olasznál vagy németnél. Mindegyiknek megvan a maga előfordulási eloszlása, de az jellemző. Nem számít, hogy politikáról vagy tudományról szól. Nem számít, hogy egy versről vagy matematikai szövegről van szó. Ez egy jellemző azonosító, és nagyon stabil. Amíg a könyveink angol nyelven íródnak -- mert az emberek újraírják és lemásolják őket -- addig jelen lesz.
So that inspired me to think about, well, what if I try to use this idea in order, not to detect random texts from texts with meaning, but rather detect the fact that there is meaning in the biomolecules that make up life. But first I have to ask: what are these building blocks, like the alphabet, elements that I showed you? Well it turns out, we have many different alternatives for such a set of building blocks. We could use amino acids, we could use nucleic acids, carboxylic acids, fatty acids. In fact, chemistry's extremely rich, and our body uses a lot of them.
Úgyhogy ez inspirált, hogy azon gondolkodjak, nos, mi van akkor, ha nem arra próbálom használni ezt az ötletet, hogy véletlenszerű szövegeket különböztetek meg értelmes szövegektől, hanem arra, hogy megtaláljam a bizonyságot, hogy értelem van az életet alkotó biomolekulákban. De először is meg kell kérdeznem: mik ezek az építőkockák, mint az abc, az elemek, amelyeket mutattam önöknek? Nos úgy tűnik, hogy nagyon sok alternatíva létezik az építőkockák ilyen halmazára. Használhatnánk az aminosavakat, használhatnánk a nukleinsavakat, karboxilsavakat, zsírsavakat. Tulajdonképpen a kémia végtelenül bőséges, és a testünk nagyon sokat használ belőle. Ezért az ötlet tesztelésére mi tulajdonképpen
So that we actually, to test this idea, first took a look at amino acids and some other carboxylic acids. And here's the result. Here is, in fact, what you get if you, for example, look at the distribution of amino acids on a comet or in interstellar space or, in fact, in a laboratory, where you made very sure that in your primordial soup, there is no living stuff in there. What you find is mostly glycine and then alanine and there's some trace elements of the other ones. That is also very robust -- what you find in systems like Earth where there are amino acids, but there is no life.
először vetettünk egy pillantást az aminosavakra és néhány más karboxilsavra. És itt az eredmény. Valójában itt van, mit kap az ember, ha például az aminosavak eloszlását nézi egy üstökösön vagy csillagközi térben, vagy tulajdonképpen egy laboratóriumban, ahol alaposan megbizonyosodott róla, hogy az őslevesben semmiféle élőlény sincs. Többségében glicint és alanint találunk, és van némi nyoma a többi elemnek. Ez szintén nagyon jellemző -- amit az olyan rendszerekben talál, mint a Föld, ahol vannak aminosavak,
But suppose you take some dirt and dig through it
de nincs élet.
and then put it into these spectrometers, because there's bacteria all over the place; or you take water anywhere on Earth, because it's teaming with life, and you make the same analysis; the spectrum looks completely different. Of course, there is still glycine and alanine, but in fact, there are these heavy elements, these heavy amino acids, that are being produced because they are valuable to the organism. And some other ones that are not used in the set of 20, they will not appear at all in any type of concentration. So this also turns out to be extremely robust. It doesn't matter what kind of sediment you're using to grind up, whether it's bacteria or any other plants or animals. Anywhere there's life, you're going to have this distribution, as opposed to that distribution. And it is detectable not just in amino acids.
De tételezzük fel, hogy vesz némi földet és beleás, aztán beleteszi a spektrométerbe, mert mindenhol baktériumok vannak; vagy vizet vesz bárhonnan a Földről, mert burjánzik benne az élet, és elvégzi ugyanezt az analízist; a spektrum egészen máshogy néz ki. Természetesen még mindig van benne glicin és alanin, de valójában itt vannak ezek a nehéz elemek, ezek a nehéz aminosavak, amelyek azért termelődnek, mert fontosak a szervezet számára. És néhány másik, amelyet nem is használtunk fel a 20-as összeállításban, ők egyáltalán nem lesznek jelen semmilyen koncentrációban. Tehát ez is nagyon jellemzőnek tűnik. Nem számít, milyen típusú üledéket használunk a daráláshoz, legyen az akár baktérium vagy bármilyen más növény vagy állat. Bárhol, ahol élet van, ezzel az eloszlással fog találkozni, nem ezzel az eloszlással. És ez nem csak az aminosavaknál észlelhető.
Now you could ask: Well, what about these Avidians? The Avidians being the denizens of this computer world where they are perfectly happy replicating and growing in complexity. So this is the distribution that you get if, in fact, there is no life. They have about 28 of these instructions. And if you have a system where they're being replaced one by the other, it's like the monkeys writing on a typewriter. Each of these instructions appears with roughly the equal frequency. But if you now take a set of replicating guys like in the video that you saw, it looks like this. So there are some instructions that are extremely valuable to these organisms, and their frequency is going to be high. And there's actually some instructions that you only use once, if ever. So they are either poisonous or really should be used at less of a level than random. In this case, the frequency is lower. And so now we can see, is that really a robust signature? I can tell you indeed it is, because this type of spectrum, just like what you've seen in books, and just like what you've seen in amino acids, it doesn't really matter how you change the environment, it's very robust, it's going to reflect the environment.
Most megkérdezhetnék: nos, és mi van ezekkel az Avidiánokkal? Az Avidiánok ennek a számítógépvilágnak a lakói, ahol ők tökéletesen boldogok azáltal, hogy szaporodnak és egyre összetettebbé válnak. Tehát ezt az eloszlást kapjuk, ha tulajdonképpen nincs élet. Körülbelül 28 ilyen utasítással rendelkeznek. És ha van egy rendszer, ahol az egyik átveszi a másik helyét, akkor ez olyan lesz, mint amikor a majmok gépelnek. Minden egyes utasítás nagyjából ugyanolyan gyakorisággal fordul elő. De ha most veszünk egy készletet ezekből a reprodukálódó fickókból, mint amilyenek a videóban is láttak, akkor így fog kinézni. Tehát van pár utasítás, amelyek rendkívüli módon értékesek ezen organizmusok számára, és nagyobb gyakorisággal fognak előfordulni. És tulajdonképpen vannak olyan utasítások, amelyeket csak egyszer, vagy egyáltalán nem használunk. Tehát ezek vagy mérgezőek, vagy a véletlenszerűnél is kevesebbszer kell használni őket. Ebben az esetben az előfordulás kisebb mértékű. És most tehát láthatjuk, hogy ez tényleg egy jellemző azonosító? Azt mondhatom önöknek, hogy ténylegesen az, mert ez a fajta spektrum, ugyanúgy, mint azok, amiket a könyvekben láthatnak, és ugyanúgy, mint amit az aminosavaknál láthattak, mindegy, mennyire változtatjuk meg a környezetet, nagyon jellemző; ez tükrözni fogja a környezetet.
So I'm going to show you now a little experiment that we did. And I have to explain to you, the top of this graph shows you that frequency distribution that I talked about. Here, that's the lifeless environment where each instruction occurs at an equal frequency. And below there, I show, in fact, the mutation rate in the environment. And I'm starting this at a mutation rate that is so high that even if you would drop a replicating program that would otherwise happily grow up to fill the entire world, if you drop it in, it gets mutated to death immediately. So there is no life possible at that type of mutation rate. But then I'm going to slowly turn down the heat, so to speak, and then there's this viability threshold where now it would be possible for a replicator to actually live. And indeed, we're going to be dropping these guys into that soup all the time.
Tehát most megmutatok önöknek egy kísérletet, amit elvégeztünk. És el kell magyaráznom, hogy a felső grafikon mutatja azt az előfordulási eloszlást, amiről beszéltem. Itt tulajdonképpen ez az az élettelen környezet, ahol minden utasítás egyforma gyakorisággal fordul elő. És itt alul mutatom tulajdonképpen a környezet mutációs mértékét. És ezt egy olyan magas mutációs értékkel kezdem, amelynél ha beledobnánk egy reprodukálódó programot, amely egyébként boldogan felnőne, hogy betöltse az egész világot, ha ide bedobjuk, azonnal halálra mutálódik. Tehát az élet nem lehetséges ilyen mutálódási mérték mellett. De ezután lassan lejjebb tekerem a hőmérsékletet, hogy úgy mondjam, és aztán itt ez a életképességi küszöb, ahol most már lehetséges lenne egy replikátor számára az élet. És tényleg, ezeket a fickókat mindig bele fogjuk dobni ebbe a levesbe.
So let's see what that looks like. So first, nothing, nothing, nothing. Too hot, too hot. Now the viability threshold is reached, and the frequency distribution has dramatically changed and, in fact, stabilizes. And now what I did there is, I was being nasty, I just turned up the heat again and again. And of course, it reaches the viability threshold. And I'm just showing this to you again because it's so nice. You hit the viability threshold. The distribution changes to "alive!" And then, once you hit the threshold where the mutation rate is so high that you cannot self-reproduce, you cannot copy the information forward to your offspring without making so many mistakes that your ability to replicate vanishes. And then, that signature is lost.
Tehát lássuk, hogy ez hogyan is néz ki. Tehát először semmi, semmi, semmi. Túl forró, túl forró. Most elérjük az életképességi küszöböt, és a gyakorisági eloszlás drámaian megváltozik, és tulajdonképpen stabilizálódik. És amit most ott csináltam az az, hogy nagyon gonosz voltam, és folyton feljebb és feljebb állítottam a hőfokot. És természetesen ezzel elértük az életképességi küszöböt. És ezt csak azért mutatom meg most önöknek újra, mert ez olyan szép. Elérjük az életképességi küszöböt. Az eloszlás "élőre" vált! És aztán, amint elérjük az életképességi küszöböt, ahol a mutációs mérték már olyan magas, hogy nem lehetséges az önreprodukció, nem másolhatjuk tovább az információt a leszármazottainknak anélkül, hogy annyi hibát ejtenénk, hogy eltűnjön a reprodukálódás képessége. És aztán eltűnik ez az azonosító.
What do we learn from that? Well, I think we learn a number of things from that. One of them is, if we are able to think about life in abstract terms -- and we're not talking about things like plants, and we're not talking about amino acids, and we're not talking about bacteria, but we think in terms of processes -- then we could start to think about life not as something that is so special to Earth, but that, in fact, could exist anywhere. Because it really only has to do with these concepts of information, of storing information within physical substrates -- anything: bits, nucleic acids, anything that's an alphabet -- and make sure that there's some process so that this information can be stored for much longer than you would expect -- the time scales for the deterioration of information. And if you can do that, then you have life.
Mit tanultunk meg ebből? Nos, úgy gondolom elég sok dolgot megtanultunk belőle. Az egyik például az, hogy ha képesek vagyunk elvont fogalmakban gondolkodni az életről -- és nem olyan dolgokról beszélünk, mint növények, és nem aminosavakról beszélünk, és nem baktériumokról beszélünk, hanem folyamatokban gondolkodunk -- akkor elkezdhetünk az életről gondolkodni, nem mint a Földre jellemző különlegességről, hanem tulajdonképpen olyasmiről, ami bárhol létezhet. Mert tényleg csak ezekhez az információ-koncepciókhoz van köze, vagy információtároláshoz fizikai alapanyagokban -- bármiben: bitekben, nukleosavakban, bármiben, ami megfelel egy abc-nek -- és megbizonyosodunk róla, hogy van valamilyen folyamat, és hogy ez az információ sokkal hosszabb ideig tárolható, mint azt az információ degenerálódásának időmértékétől elvárnánk. És ha meg tudjuk ezt tenni, akkor megkapjuk az életet.
So the first thing that we learn is that it is possible to define life in terms of processes alone, without referring at all to the type of things that we hold dear, as far as the type of life on Earth is. And that, in a sense, removes us again, like all of our scientific discoveries, or many of them -- it's this continuous dethroning of man -- of how we think we're special because we're alive. Well, we can make life; we can make life in the computer. Granted, it's limited, but we have learned what it takes in order to actually construct it. And once we have that, then it is not such a difficult task anymore to say, if we understand the fundamental processes that do not refer to any particular substrate, then we can go out and try other worlds, figure out what kind of chemical alphabets might there be, figure enough about the normal chemistry, the geochemistry of the planet, so that we know what this distribution would look like in the absence of life, and then look for large deviations from this -- this thing sticking out, which says, "This chemical really shouldn't be there." Now we don't know that there's life then, but we could say, "Well at least I'm going to have to take a look very precisely at this chemical and see where it comes from." And that might be our chance of actually discovering life when we cannot visibly see it.
Tehát az első dolog, amit megtanultunk az az, hogy lehetséges az élet meghatározása csupán folyamatokban gondolkodva, anélkül, hogy bármilyen kedvesnek ítélt dologra utalnánk, már ami a földi élet típusát illeti. És ez valamilyen értelemben újra eltávolít minket, mint minden tudományos felfedezésünk, vagy sok közülük -- ez az ember folyamatos trónfosztása -- attól, hogy olyan különlegesnek gondoljuk magunkat, mert élünk. Hát, mi képesek vagyunk életet létrehozni. Létre tudunk hozni életet a számítógépben. Természetes, hogy ez korlátozott, de megtanultuk, hogy mi kell ahhoz, hogy tulajdonképpen felépítsük. És ha ez egyszer már megvan, akkor ez már nem olyan bonyolult feladat többé, hogy úgy mondjam, ha már értjük az alapvető folyamatokat, amelyek nem vonatkoznak egyetlen bizonyos alapanyagra sem, akkor kimehetünk és kipróbálhatunk más világokat, kideríthetjük, milyen kémiai abc-k vannak ott, kideríthetünk eleget ahhoz a normál kémiáról, a bolygó geokémiájáról, hogy tudjuk, hogyan nézne ki ez az eloszlás az élet hiányában, aztán megkereshetnénk a jelentős eltéréseket -- ezt a kiugró dolgot, amelyik azt mondja, "Ennek a kémiai anyagnak nagyon nem kellene itt lennie." Ettől persze még nem fogjuk tudni, hogy ott élet van-e, de mondhatjuk, hogy "Hát, legalább nagyon alaposan megvizsgálom ezt a kémiai anyagot, és megnézem, honnan származik." És ez lehet a lehetőség arra, hogy tulajdonképpen életet fedezzünk fel, amikor nem láthatjuk szemmel láthatóan.
And so that's really the only take-home message that I have for you. Life can be less mysterious than we make it out to be when we try to think about how it would be on other planets. And if we remove the mystery of life, then I think it is a little bit easier for us to think about how we live, and how perhaps we're not as special as we always think we are. And I'm going to leave you with that.
Tehát ez tényleg az egyetlen hazavihető üzenet, amelyet önöknek szánok. Az élet lehet kevésbé rejtélyes, mint amilyennek mi hisszük, ha megpróbálunk azon gondolkodni, hogy milyen lehet más bolygókon. És ha kivesszük a misztériumot az életből, akkor úgy gondolom, hogy egy kicsit könnyebb arról gondolkodnunk, hogy mi hogyan élünk, és hogy talán nem vagyunk olyan különlegesek, mint amilyennek hisszük magunkat. És ezzel búcsúzom is önöktől.
And thank you very much.
És nagyon köszönöm.
(Applause)
(Taps)