Normalerweise besteht meine Rolle darin, den Leuten zu erklären wie wundervoll die neuen Technologien, welche am Aufkommen sind, sein werden. Und ich dachte mir, da ich hier unter Freunden bin, würde ich euch erzählen was ich wirklich denke. Und auch versuchen zurück zu schauen und zu verstehen was hier wirklich vor sich geht, mit diesen unglaublichen Sprüngen nach vorne, welche so rasch geschehen, dass wir kaum mithalten können.
Because I usually take the role of trying to explain to people how wonderful the new technologies that are coming along are going to be, and I thought that, since I was among friends here, I would tell you what I really think and try to look back and try to understand what is really going on here with these amazing jumps in technology that seem so fast that we can barely keep on top of it.
Ich werde damit beginnen, euch kurz eine einzige, langweilige Folie zu zeigen. ... Könntest du bitte kurz die Folie zeigen. Das ist eine Folie, welche ich zufällig aus meinem Ordner ausgewählt habe. Es geht mir hier nicht um die Details der Folie, sondern vielmehr um die generelle Form. Diese Folie zeigt Daten einer Analyse von uns über die Leistung von RISC Prozessoren verglichen mit der Leistung eines Local Area Networks (LAN). Das Interessante hier ist, dass diese Folie, wie so manch andere, welche wir oft antreffen in unserem Feld, eine Art Gerade auf einer semi-logarithmischen Kurve sind. Mit anderen Worten: Jeder Schritt hier entspricht einer Potenz in der Leistungsskala. Und das ist eine Neuheit, dass wir diesen Typ Skala auf semi-logarithmischen Kurven im Gebiet der Technologie verwenden müssen. Etwas sehr Merkwürdiges passiert hier. Dies ist im Wesentlichen das, worüber ich hier sprechen werde.
So I'm going to start out by showing just one very boring technology slide. And then, so if you can just turn on the slide that's on. This is just a random slide that I picked out of my file. What I want to show you is not so much the details of the slide, but the general form of it. This happens to be a slide of some analysis that we were doing about the power of RISC microprocessors versus the power of local area networks. And the interesting thing about it is that this slide, like so many technology slides that we're used to, is a sort of a straight line on a semi-log curve. In other words, every step here represents an order of magnitude in performance scale. And this is a new thing that we talk about technology on semi-log curves. Something really weird is going on here. And that's basically what I'm going to be talking about.
Also, wenn du bitte das Licht wieder anmachen könntest. Noch etwas heller, weil ich werde gleich etwas auf das Papier hier zeichnen. Nun, warum zeichnen wir Graphen in der Technik auf semi-logarithmischen Kurven? Der Grund dafür ist, wenn ich es auf eine normale Kurve zeichnen würde, wo, sagen wir, das hier die Jahre sind, also die Zeitachse einer Art, und das hier ist ein beliebiges Mass der Technologie, welches ich mit einem Graphen darstellen will, dann wird der Graph albern. Die sehen dann so aus. Und das sagt uns nicht viel. Wenn ich nun eine andere Technologie aufzeichnen will, sagen wir mal eine Transporttechnologie, dann würde das auf der semi-logarithmischen Skala sehr unvernünftig daherkommen, in Form einer flachen Linie. Aber wenn so etwas wie hier passiert, dann ändert dies die qualitativen Umstände. Wenn also die Transporttechnologie so schnell wie die Mikroprozessor-Technologie fortschreiten würde, dann könnten wir übermorgen in ein Taxi einsteigen und in 30 Sekunden wären wir in Tokyo. Aber das geht nicht so schnell. Das gab es noch nie zuvor in der Geschichte der Technologie-Entwicklung, diese Art von rekursivem Wachstum, durch welches sich die Grössenordnung alle paar Jahre exponentiell erhöht.
So, if you could bring up the lights. If you could bring up the lights higher, because I'm just going to use a piece of paper here. Now why do we draw technology curves in semi-log curves? Well the answer is, if I drew it on a normal curve where, let's say, this is years, this is time of some sort, and this is whatever measure of the technology that I'm trying to graph, the graphs look sort of silly. They sort of go like this. And they don't tell us much. Now if I graph, for instance, some other technology, say transportation technology, on a semi-log curve, it would look very stupid, it would look like a flat line. But when something like this happens, things are qualitatively changing. So if transportation technology was moving along as fast as microprocessor technology, then the day after tomorrow, I would be able to get in a taxi cab and be in Tokyo in 30 seconds. It's not moving like that. And there's nothing precedented in the history of technology development of this kind of self-feeding growth where you go by orders of magnitude every few years.
Die Frage die ich euch nun stellen möchte ist, wenn man sich diese exponentiellen Kurven anschaut, sieht man, sie gehen nicht für immer weiter. Es ist nicht möglich, dass sich alles für immer und ewig so schnell wie jetzt weiterentwickelt. Es gibt zwei Möglichkeiten: Entweder wird daraus eine klassische S-Kurve wie hier, bis etwas völlig Neues daherkommt, oder es wird das hier geschehen. Das ist es in etwa. Nun, ich bin ja Optimist, also denke ich so etwas in der Art wie hier wird passieren. Ist das wirklich so, dann bedeutet das, wir sind hier im Moment mitten in einem Übergang. Wir sind hier auf dieser Linie, in einem Übergang von der bisherigen Welt zu einer neuen Art von Welt. Die Frage die ich also stellen möchte und ich mir auch oft selber stelle, ist wie diese neue Welt wohl sein wird? Was ist dieser neue Zustand, den die Welt langsam annimmt? Denn der Übergang scheint sehr, sehr verwirrend zu sein, wenn man sich mitten drin befindet.
Now the question that I'd like to ask is, if you look at these exponential curves, they don't go on forever. Things just can't possibly keep changing as fast as they are. One of two things is going to happen. Either it's going to turn into a sort of classical S-curve like this, until something totally different comes along, or maybe it's going to do this. That's about all it can do. Now I'm an optimist, so I sort of think it's probably going to do something like that. If so, that means that what we're in the middle of right now is a transition. We're sort of on this line in a transition from the way the world used to be to some new way that the world is. And so what I'm trying to ask, what I've been asking myself, is what's this new way that the world is? What's that new state that the world is heading toward? Because the transition seems very, very confusing when we're right in the middle of it.
Als ich noch ein Kind war, da war die Zukunft irgendwo beim Jahr 2000 und die Leute sprachen oft darüber, was wohl passieren würde im Jahr 2000. Jetzt haben wir hier eine Konferenz wo die Leute über die Zukunft sprechen und man stellt fest, dass die Zukunft immer noch beim Jahr 2000 liegt. Weiter als das gehen wir nicht. In anderen Worten also ist die Zukunft jedes Jahr um ein Jahr geschrumpft seit ich auf dieser Welt bin. Ich denke der Grund dafür ist, dass wir merken, dass irgend etwas im Gange ist. Der Übergang geschieht. Wir können es alle fühlen. Und wir wissen, dass es momentan einfach keinen Sinn macht zu versuchen 30 oder 50 Jahre in die Zukunft zu schauen, weil alles so anders sein wird, dass eine einfache Hochrechnung von dem was wir jetzt machen schlichtweg keinen Sinn macht.
Now when I was a kid growing up, the future was kind of the year 2000, and people used to talk about what would happen in the year 2000. Now here's a conference in which people talk about the future, and you notice that the future is still at about the year 2000. It's about as far as we go out. So in other words, the future has kind of been shrinking one year per year for my whole lifetime. Now I think that the reason is because we all feel that something's happening there. That transition is happening. We can all sense it. And we know that it just doesn't make too much sense to think out 30, 50 years because everything's going to be so different that a simple extrapolation of what we're doing just doesn't make any sense at all.
Ich möchte nun darüber reden was das sein könnte, dieser Übergang in dem wir uns momentan befinden. Um dies zu machen werde ich zuerst über einige andere Dinge sprechen, welche wirklich nichts mit Technologie oder Computer zu tun haben. Denn ich glaube um dies wirklich verstehen zu können, müssen wir einen Schritt zurück gehen und uns die Sache auf einer längeren Zeitskala anschauen. Und zwar möchte ich dies auf der Zeitskala des Lebens der Erde anschauen. Ich glaube das Gesamtbild ergibt Sinn, wenn man es in einige Milliarden-Schritte unterteilt.
So what I would like to talk about is what that could be, what that transition could be that we're going through. Now in order to do that I'm going to have to talk about a bunch of stuff that really has nothing to do with technology and computers. Because I think the only way to understand this is to really step back and take a long time scale look at things. So the time scale that I would like to look at this on is the time scale of life on Earth. So I think this picture makes sense if you look at it a few billion years at a time.
Gehen wir also zurück, und zwar 2,5 Milliarden Jahre. Die Erde war ein grosser, steriler Steinklumpen mit vielen darauf schwebenden Chemikalien. Wenn man sich nun die Art und Weise betrachtet wie diese Chemikalien organisiert waren, dann gibt uns das ein ziemlich gutes Bild darüber, wie sie das anstellten. Ich glaube auch es gibt Theorien, die zu verstehen beginnen wie alles mit RNA angefangen hat, aber ich werde euch eine vereinfachte Geschichte davon erzählen welche lautet, dass zu dieser Zeit kleine Öltröpfchen herumschwebten, Welche verschiedene Arten von Rezepten für Chemikalien enthielten. Einige dieser Öltröpfchen enthielten eine besondere Kombination von Chemikalien, welche es ihnen erlaubten andere Chemikalien von aussen zu integrieren und somit zu wachsen. Alle die so waren, begannen sich aufzuteilen. Diese kleinen Öltröpfchen waren im Sinne die primitivste Zellenform.
So if you go back about two and a half billion years, the Earth was this big, sterile hunk of rock with a lot of chemicals floating around on it. And if you look at the way that the chemicals got organized, we begin to get a pretty good idea of how they do it. And I think that there's theories that are beginning to understand about how it started with RNA, but I'm going to tell a sort of simple story of it, which is that, at that time, there were little drops of oil floating around with all kinds of different recipes of chemicals in them. And some of those drops of oil had a particular combination of chemicals in them which caused them to incorporate chemicals from the outside and grow the drops of oil. And those that were like that started to split and divide. And those were the most primitive forms of cells in a sense, those little drops of oil.
Jedoch waren diese Öltröpfchen nicht etwa lebendig im heutigen Sinne, weil jedes einzelne davon war nur ein kleines, zufälliges Rezept von Chemikalien. Und jedes Mal, wenn es sich teilte, haben sich die darin befindlichen Chemikalien zu ungleichen Mengen verteilt. Somit war jedes Tröpfchen ein wenig anders. Tatsächlich wuchsen die Tröpfchen, welche eine für das Wachstum optimalere Zusammensetzung hatten schneller als andere und integrierten mehr und mehr Chemikalien von aussen und teilten sich schneller. Diese neigten also dazu, länger zu überleben und sie vermehrten sich in grösserem Ausmass.
But now those drops of oil weren't really alive, as we say it now, because every one of them was a little random recipe of chemicals. And every time it divided, they got sort of unequal division of the chemicals within them. And so every drop was a little bit different. In fact, the drops that were different in a way that caused them to be better at incorporating chemicals around them, grew more and incorporated more chemicals and divided more. So those tended to live longer, get expressed more.
Das ist also nur eine sehr einfache chemische Form von Leben, aber interessanter wird es, wenn diese Tröpfchen einen Trick über Abstraktion lernten. Auf irgend eine Art, welche wir noch nicht ganz verstehen, haben diese Tröpfchen die Fähigkeit erlernt, Informationen niederzuschreiben. Sie haben gelernt, das Rezept der Zelle als Informationen zu speichern. Und zwar in einer bestimmten chemischen Form, welche wir DNA nennen. Mit anderen Worten haben sie in dieser geistlosen, evolutionären Art einen Weg gefunden, der ihnen erlaubte, niederzuschreiben woraus sie bestanden, so dass diese Information gespeichert und kopiert werden konnte. Das Erstaunliche daran ist, dass diese Art Informationen zu speichern über die Zeit von 2,5 Milliarden Jahren, in der sie entstanden ist, gleich blieb. Tatsächlich besteht das Rezept für uns, nämlich unsere Gene, aus dem exakt selben Code und der gleichen Schreibweise. Und zwar jedes Lebewesen verwendet die exakt gleichen Buchstaben und denselben Code.
Now that's sort of just a very simple chemical form of life, but when things got interesting was when these drops learned a trick about abstraction. Somehow by ways that we don't quite understand, these little drops learned to write down information. They learned to record the information that was the recipe of the cell onto a particular kind of chemical called DNA. So in other words, they worked out, in this mindless sort of evolutionary way, a form of writing that let them write down what they were, so that that way of writing it down could get copied. The amazing thing is that that way of writing seems to have stayed steady since it evolved two and a half billion years ago. In fact the recipe for us, our genes, is exactly that same code and that same way of writing. In fact, every living creature is written in exactly the same set of letters and the same code.
Wir sind soweit, dass wir, nur zum Vergnügungszweck, selber Sache in diesem Code schreiben können. Und ich habe hier 100 Mikrogramm eines weissen Pulvers, welches ich in Flughäfen fern von Sicherheitspersonal zu halten versuche. (Gelächter) Darin befindet sich – Was ich gemacht habe ist, ich habe diesen Code genommen – der Code besteht aus normalen Buchstaben, welche wir zum Symbolisieren verwenden – und ich habe meine Visitenkarte auf ein Stück DNA geschrieben und habe es 10 ^ 22 mal verstärkt. Wenn also jemand einhundert Millionen Kopien meiner Visitenkarte möchte, ich habe genügend für jedermann in diesem Raum und sogar für jedermann auf dieser Welt, und es ist genau hier. (Gelächter) Wäre ich in Wirklichkeit ein Egoist gewesen, dann hätte ich sie auf ein Virus geschrieben und in den Raum freigegeben.
In fact, one of the things that I did just for amusement purposes is we can now write things in this code. And I've got here a little 100 micrograms of white powder, which I try not to let the security people see at airports. (Laughter) But this has in it -- what I did is I took this code -- the code has standard letters that we use for symbolizing it -- and I wrote my business card onto a piece of DNA and amplified it 10 to the 22 times. So if anyone would like a hundred million copies of my business card, I have plenty for everyone in the room, and, in fact, everyone in the world, and it's right here. (Laughter) If I had really been a egotist, I would have put it into a virus and released it in the room.
(Gelächter)
(Laughter)
Was ist also der nächste Schritt? Das Niederschreiben der DNA war ein interessanter Schritt. Und das veranlagten diese Zellen – das machte sie glücklich für eine weitere Milliarde Jahre. Aber dann passierte ein anderer, sehr interessanter Schritt, bei dem die Dinge komplett anders wurden. Nämlich begannen diese Zellen zu kommunizieren und Informationen auszutauschen, so dass Gemeinschaften von Zellen entstanden. Ich weiss nicht, ob Sie das schon wussten, aber Bakterien können tatsächlich ihre DNA austauschen. Das ist auch der Grund warum zum Beispiel die Beständigkeit zu Antibiotika wächst. Einige Bakterien haben herausgefunden, wie sie sich von Penicillin fernhalten können und haben diese Information zusammen mit anderen Bakterien in die DNA geschrieben und nun haben wir jede Menge Bakterien, welche resistent auf Penicillin sind, weil die Bakterien untereinander kommunizieren. Diese Kommunikation erlaubte nun das Gründen von Gemeinschaften, welche in gewissem Sinne im selben Boot waren; sie waren synergetisch. Somit haben sie entweder zusammen überlebt, oder sie gingen zusammen unter. Das bedeutete, dass wenn eine Gemeinschaft erfolgreich war, wurden alle Individuen der Gemeinschaft öfter wiederholt und von der Evolution bevorzugt.
So what was the next step? Writing down the DNA was an interesting step. And that caused these cells -- that kept them happy for another billion years. But then there was another really interesting step where things became completely different, which is these cells started exchanging and communicating information, so that they began to get communities of cells. I don't know if you know this, but bacteria can actually exchange DNA. Now that's why, for instance, antibiotic resistance has evolved. Some bacteria figured out how to stay away from penicillin, and it went around sort of creating its little DNA information with other bacteria, and now we have a lot of bacteria that are resistant to penicillin, because bacteria communicate. Now what this communication allowed was communities to form that, in some sense, were in the same boat together; they were synergistic. So they survived or they failed together, which means that if a community was very successful, all the individuals in that community were repeated more and they were favored by evolution.
Die Übergangsstelle ist nun dort, wo diese Gemeinschaften so nahe zusammenrückten, dass sie sich entschlossen, das Rezept für die ganze Gemeinschaft in eine Zeichenkette auf die DNA zu schreiben. Und die nächste interessante Phase dauerte ungefähr eine weitere Milliarde Jahre. Zu diesem Zeitpunkt haben wir mehrzellige Gemeinschaften, Gemeinschaften von vielen verschiedlichen Zellentypen, welche zusammen als einzelner Organismus fungieren. In der Tat sind wir auch eine solche mehrzellige Gemeinschaft. Wir haben viele Zellen, welche nicht mehr auf sich allein gestellt sind. Deine Hautzellen sind nutzlos ohne Herzzellen, Muskelzellen, Hirnzellen und so weiter. Diese Gemeinschaften begannen also sich weiterzuentwickeln, so dass die Ebene, auf welcher die Evolution stattfand, nicht länger die einzelne Zelle war, sondern die ganze Zellengemeinschaft, welche wir Organismus nennen.
Now the transition point happened when these communities got so close that, in fact, they got together and decided to write down the whole recipe for the community together on one string of DNA. And so the next stage that's interesting in life took about another billion years. And at that stage, we have multi-cellular communities, communities of lots of different types of cells, working together as a single organism. And in fact, we're such a multi-cellular community. We have lots of cells that are not out for themselves anymore. Your skin cell is really useless without a heart cell, muscle cell, a brain cell and so on. So these communities began to evolve so that the interesting level on which evolution was taking place was no longer a cell, but a community which we call an organism.
Der nächste Schritt geschah nun innerhalb dieser Gemeinschaften. Die Zellengemeinschaften begannen wieder Informationen zu abstrahieren. Und sie entwickelten spezielle Strukturen, welche nichts anderes machten, als Informationen innerhalb des Organismus zu verarbeiten. Und dies sind die neuralen Strukturen (Nervenzellen). Die Nervenzellen sind also der Informationsverarbeitungsapparat, den diese Zellengemeinschaften aufgebaut haben. Sie fingen an Spezialisten auszubilden innerhalb der Gemeinschaft, spezielle Strukturen, welche verantwortlich waren für das Lernen, Verstehen und das Festhalten von Information. Und dies war das Gehirn und das Nervensystem dieser Gemeinschaften. Dies gab ihnen einen evolutionären Vorteil. Weil zu diesem Zeitpunkt ein Individuum – Lernen passierte nun innerhalb der Zeitspanne der Lebensdauer eines einzelnen Organismus, anstatt über diese evolutionäre Zeitspanne.
Now the next step that happened is within these communities. These communities of cells, again, began to abstract information. And they began building very special structures that did nothing but process information within the community. And those are the neural structures. So neurons are the information processing apparatus that those communities of cells built up. And in fact, they began to get specialists in the community and special structures that were responsible for recording, understanding, learning information. And that was the brains and the nervous system of those communities. And that gave them an evolutionary advantage. Because at that point, an individual -- learning could happen within the time span of a single organism, instead of over this evolutionary time span.
Ein Organismus konnte also zum Beispiel lernen, eine bestimmte Frucht nicht zu essen, weil sie schlecht schmeckte und ihn krank machte, das letzte Mal als er sie gegessen hat. Dies konnte nun innerhalb der Lebensdauer eines einzelnen Organismus geschehen, wohingegen davor Hunderttausende von Jahren gebraucht wurden, weil diese Information evolutionär gelernt werden musste von den Individuen, welche wegen dieser Frucht starben, da diese Informationsverarbeitungsstrukturen noch nicht vorhanden waren. Das Nervensystem hat also den Evolutionsprozess mithilfe dieser speziellen Informationsstrukturen enorm beschleunigt. Denn die Evolution konnte nun innerhalb eines Individuums stattfinden. Sie konnte innerhalb eines zeitlichen Lernrahmens stattfinden.
So an organism could, for instance, learn not to eat a certain kind of fruit because it tasted bad and it got sick last time it ate it. That could happen within the lifetime of a single organism, whereas before they'd built these special information processing structures, that would have had to be learned evolutionarily over hundreds of thousands of years by the individuals dying off that ate that kind of fruit. So that nervous system, the fact that they built these special information structures, tremendously sped up the whole process of evolution. Because evolution could now happen within an individual. It could happen in learning time scales.
Was danach passierte, ist, dass die individuellen Organismen einen Weg fanden, untereinander zu kommunizieren. Mal als Beispiel, die raffinierteste uns bekannte Version dieser Kommunikationsart ist die menschliche Sprache. Es ist doch eine recht verblüffende Erfindung wenn man darüber nachdenkt. Ich habe hier eine sehr komplizierte, unordentliche und verwirrte Idee in meinem Kopf. Ich sitze hier und gebe im Grunde genommen grunzende Töne von mir, in der Hoffnung damit eine ähnlich verwirrte Idee in eurem Kopf zu kreieren, die eine gewisse Ähnlichkeit mit meiner ursprünglichen Idee hat. Wir nehmen also etwas sehr Kompliziertes, wandeln es in Töne um, eine Sequenz von Tönen, und produzieren damit etwas sehr Kompliziertes in den Köpfen von anderen. Dies erlaubt es uns nun also wieder als einen einheitlichen Organismus zu funktionieren.
But then what happened was the individuals worked out, of course, tricks of communicating. And for example, the most sophisticated version that we're aware of is human language. It's really a pretty amazing invention if you think about it. Here I have a very complicated, messy, confused idea in my head. I'm sitting here making grunting sounds basically, and hopefully constructing a similar messy, confused idea in your head that bears some analogy to it. But we're taking something very complicated, turning it into sound, sequences of sounds, and producing something very complicated in your brain. So this allows us now to begin to start functioning as a single organism.
Und was wir tatsächlich gemacht haben, wir, die Menschheit, ist, wir haben zu abstrahieren begonnen. Wir durchgehen dieselben Stufen, welche Mehrzellerorganismen durchgemacht haben – Die Abstraktion unserer Methoden, wie wir Daten festhalten, präsentieren, verarbeiten. Die Erfindung der Sprache beispielsweise war ein kleiner Schritt in diese Richtung. Telefonie, Computer, Videobänder, CD-ROMs und so weiter sind alles unsere spezialisierten Mechanismen, die wir in unserer Gemeinschaft gebaut haben, um diese Informationen handhaben zu können. Und es verbindet uns alle zusammen zu etwas, das viel grösser ist, und auch fähig ist sich schneller weiter zu entwickeln, als wir es bisher waren. Heutzutage kann also Evolution in der Zeitspanne von Mikrosekunden geschehen. Ihr habt auch Tys kleines Evolutionsbeispiel gesehen wo er ein bisschen Evolution im "Convolution" Programm gezeigt hat, direkt vor euren Augen.
And so, in fact, what we've done is we, humanity, have started abstracting out. We're going through the same levels that multi-cellular organisms have gone through -- abstracting out our methods of recording, presenting, processing information. So for example, the invention of language was a tiny step in that direction. Telephony, computers, videotapes, CD-ROMs and so on are all our specialized mechanisms that we've now built within our society for handling that information. And it all connects us together into something that is much bigger and much faster and able to evolve than what we were before. So now, evolution can take place on a scale of microseconds. And you saw Ty's little evolutionary example where he sort of did a little bit of evolution on the Convolution program right before your eyes.
Nun haben wir also die Zeitskalen erneut verschnellert. Die ersten Schritte der Geschichte, welche ich euch erzählt habe, dauerten eine Milliarde Jahre pro Stück. Die nächsten Schritte, wie das Nervensystem und das Gehirn, dauerten einige hundert Millionen Jahre. Dann die nächstens Schritte, wie Sprache und so weiter, dauerten weniger als eine Million Jahre. Und diese nächsten Schritte, wie Elektronik, scheinen nur wenige Jahrzehnte zu dauern. Der Prozess ernährt sich von sich selbst und wird somit, ich glaube, auto-katalytisch ist das Wort dafür – wenn etwas seine Änderungsgeschwindigkeit verstärkt. Je mehr es sich ändert, desto schneller ändert es sich. Und ich glaube, das ist das, was wir hier sehen in dieser explosionsartigen Kurve. Wir sehen den Prozess, der sich von sich selbst ernährt.
So now we've speeded up the time scales once again. So the first steps of the story that I told you about took a billion years a piece. And the next steps, like nervous systems and brains, took a few hundred million years. Then the next steps, like language and so on, took less than a million years. And these next steps, like electronics, seem to be taking only a few decades. The process is feeding on itself and becoming, I guess, autocatalytic is the word for it -- when something reinforces its rate of change. The more it changes, the faster it changes. And I think that that's what we're seeing here in this explosion of curve. We're seeing this process feeding back on itself.
Ich lebe beruflich vom Bauen von Computern und ich weiss, dass ich den Mechanismus, den ich verwende um Computer zu bauen, nicht verwenden könnte, ohne die kürzlich gemachten Fortschritte in der Computertechnologie. Meine aktuelle Tätigkeit besteht darin, Objekte mit solch einer hohen Komplexität zu designen, dass es unmöglich für mich ist, diese im traditionellen Sinn zu designen. Ich weiss nicht, was jeder einzelne Transistor in der Verbindungsmaschine macht. Es hat Milliarden von denen. Was ich stattdessen mache, und was auch die Designer von Thinking Machines machen, ist, wir denken auf einer gewissen Abstraktionsebene, übergeben diese der Maschine und die Maschine macht daraus etwas, das unsere Fähigkeiten weit übersteigt, besser und schneller als wir es selber jemals machen könnten. Und sie macht es teilweise mit Methoden, welche wir bis jetzt nicht einmal richtig verstehen.
Now I design computers for a living, and I know that the mechanisms that I use to design computers would be impossible without recent advances in computers. So right now, what I do is I design objects at such complexity that it's really impossible for me to design them in the traditional sense. I don't know what every transistor in the connection machine does. There are billions of them. Instead, what I do and what the designers at Thinking Machines do is we think at some level of abstraction and then we hand it to the machine and the machine takes it beyond what we could ever do, much farther and faster than we could ever do. And in fact, sometimes it takes it by methods that we don't quite even understand.
Eine Methode, welche besonders interessant ist, und welche ich in letzter Zeit oft verwendet habe, ist die Evolution selber. Dabei installieren wir einen Evolutionsprozess in der Maschine, welcher im Mikrosekunden-Bereich abläuft. Um ein Beispiel zu nennen, in den extremsten Fällen, können wir ein Programm erstellen, welches sich aus zufälligen Instruktionen entwickelt. Wir sagen, "Computer, generiere bitte einhundert Millionen zufällig ausgewählte Sequenzen von Instruktionen. Jetzt führe bitte alle diese zufällig gewählten Instruktionen aus, führe alle Programme aus, und wähle schlussendlich diejenigen, welche meiner Vorgaben am nächsten sind." Also in anderen Worten definiere ich zuerst was ich will. Sagen wir mal, ich will Nummern sortieren, das wäre ein einfaches Beispiel, welches ich schon dafür verwendet habe. Finde also Programme, welche am ehesten Nummern sortieren können.
One method that's particularly interesting that I've been using a lot lately is evolution itself. So what we do is we put inside the machine a process of evolution that takes place on the microsecond time scale. So for example, in the most extreme cases, we can actually evolve a program by starting out with random sequences of instructions. Say, "Computer, would you please make a hundred million random sequences of instructions. Now would you please run all of those random sequences of instructions, run all of those programs, and pick out the ones that came closest to doing what I wanted." So in other words, I define what I wanted. Let's say I want to sort numbers, as a simple example I've done it with. So find the programs that come closest to sorting numbers.
Natürlich ist die Chance bei zufällig gewählten Instruktionen sehr klein, dass sie per Zufall eben Nummern sortieren, also werden wohl keine der Instruktionen tatsächlich dies machen. Aber eine von denen mag mit etwas Glück zwei Nummern in die richtige Reihenfolge rücken. Jetzt sage ich, "Computer, nimm jetzt diejenigen 10 % der Sequenzen, welche meinen Vorgaben am nächsten gekommen sind. Speichere diese ab, lösche den Rest. Jetzt reproduziere alle übriggebliebenen, die die Nummern am besten sortiert haben. Und zwar mit einer Methode des Rekombinierens, analog zur Fortpflanzung." Nimm zwei Programme und sie produzieren Kinder durch den Austausch ihrer Subroutinen, und die Kinder vererben die Merkmale der Subroutinen von den zwei Programmen. Nun habe ich also eine neue Generation von Programmen, die durch Kombinationen von Programmen entstanden, welche etwas näher an die Vorgaben gekommen sind als andere. Sag, "Bitte wiederhole diesen Prozess." Bewerte sie wieder. Führe vielleicht einige Mutationen ein. Und versuch das Ganze nochmal mit einer anderen Generation.
So of course, random sequences of instructions are very unlikely to sort numbers, so none of them will really do it. But one of them, by luck, may put two numbers in the right order. And I say, "Computer, would you please now take the 10 percent of those random sequences that did the best job. Save those. Kill off the rest. And now let's reproduce the ones that sorted numbers the best. And let's reproduce them by a process of recombination analogous to sex." Take two programs and they produce children by exchanging their subroutines, and the children inherit the traits of the subroutines of the two programs. So I've got now a new generation of programs that are produced by combinations of the programs that did a little bit better job. Say, "Please repeat that process." Score them again. Introduce some mutations perhaps. And try that again and do that for another generation.
All diese Generationen benötigen nur wenige Millisekunden und so kann ich eine Evolution über Millionen von Jahren im Computer innerhalb weniger Minuten durchlaufen lassen. Oder in komplizierteren Fällen einige Stunden. Schlussendlich erhalte ich Programme, die Nummern perfekt sortieren können. Tatsache ist, diese Programme sind so viel effizienter als jedes Programm, das ich je von Hand schreiben hätte können.
Well every one of those generations just takes a few milliseconds. So I can do the equivalent of millions of years of evolution on that within the computer in a few minutes, or in the complicated cases, in a few hours. At the end of that, I end up with programs that are absolutely perfect at sorting numbers. In fact, they are programs that are much more efficient than programs I could have ever written by hand.
Wenn ich mir dann diese Programme anschaue, dann kann ich nicht sagen wie sie funktionieren. Ich habe versucht, sie zu verstehen. Es sind verworrene und merkwürdige Programme. Aber sie erledigen den Job. Ich weiss und bin mir ganz sicher, dass sie den Job erledigen, weil sie aus einer Reihe von hunderttausenden Programmen kommen, welche den Job erledigt haben. Denn ihr Leben hing davon ab, ob sie den Job richtig machten.
Now if I look at those programs, I can't tell you how they work. I've tried looking at them and telling you how they work. They're obscure, weird programs. But they do the job. And in fact, I know, I'm very confident that they do the job because they come from a line of hundreds of thousands of programs that did the job. In fact, their life depended on doing the job.
(Gelächter)
(Laughter)
Ich sass einmal in einer 747 zusammen mit Marvin Minsky, ale er eine Karte hervorholt und sagt, "Oh schau. Schau dir das an. Da steht, 'Dieses Flugzeug besteht aus hunderttausenden Kleinteilen, welche zusammen arbeiten um Ihren Flug sicherer zu machen.' Macht dich das nicht zuversichtlicher?"
I was riding in a 747 with Marvin Minsky once, and he pulls out this card and says, "Oh look. Look at this. It says, 'This plane has hundreds of thousands of tiny parts working together to make you a safe flight.' Doesn't that make you feel confident?"
(Gelächter)
(Laughter)
Wir wissen, dass ein Entwicklungsprozess nicht optimal ist, wenn er zu kompliziert wird. Also beginnen wir uns auf Computer zu verlassen, für einen Prozess, welcher sich vom klassischen Ingenieurswesen stark unterscheidet. Er erlaubt uns Sachen mit einer viel höheren Komplexität als es die normalen Methoden erlauben würden, zu produzieren. Und dennoch verstehen wir die Möglichkeiten davon noch nicht ganz. Gewissermassen überflügelt uns die Technik also. Wir benutzen diese Programme nun, um die Computer viel schneller zu machen, so dass wir fähig sind, diese Prozesse noch schneller ausführen zu können. Es entsteht also eine Rückkopplung. Es wird schneller und schneller und ich glaube das ist der Grund warum es so verwirrend scheint. Weil all diese neuen Technologien von heute sich von sich selber ernähren. Wir heben ab.
In fact, we know that the engineering process doesn't work very well when it gets complicated. So we're beginning to depend on computers to do a process that's very different than engineering. And it lets us produce things of much more complexity than normal engineering lets us produce. And yet, we don't quite understand the options of it. So in a sense, it's getting ahead of us. We're now using those programs to make much faster computers so that we'll be able to run this process much faster. So it's feeding back on itself. The thing is becoming faster and that's why I think it seems so confusing. Because all of these technologies are feeding back on themselves. We're taking off.
Wir sind an einem Punkt angelangt, der analog ist zu damals, als Einzeller-Organismen sich zu Mehrzeller-Organismen entwickelt haben. Wir sind also die Amöben und wir können noch nicht ganz ausmachen, was zur Hölle wir hier eigentlich am Kreieren sind. Wir sind mitten in diesem Übergangpunkt. Aber ich glaube wirklich, dass nach uns noch etwas kommt. Ich finde es sehr hochmütig von uns zu sagen, dass wir das Endprodukt der Evolution sind. Und ich glaube wir alle hier sind Teil der Schöpfung von dem was auch immer als Nächstes kommt. Nun, das Mittagessen steht bevor und ich denke ich höre hier jetzt auf, bevor ich noch rausgewählt werde.
And what we are is we're at a point in time which is analogous to when single-celled organisms were turning into multi-celled organisms. So we're the amoebas and we can't quite figure out what the hell this thing is we're creating. We're right at that point of transition. But I think that there really is something coming along after us. I think it's very haughty of us to think that we're the end product of evolution. And I think all of us here are a part of producing whatever that next thing is. So lunch is coming along, and I think I will stop at that point, before I get selected out.
(Applaus)
(Applause)