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.
Minthogy általában feladatom elmagyarázni az embereknek, hogy milyen csodálatosak lesznek azok az új technológiák amelyekkel hamarosan találkozhatunk, és mivel úgy gondolom, hogy barátok között lehettem itt, elmondom, hogy mit is gondolok valójában, az időben visszatekintve megpróbálom megérteni tulajdonképpen mi a helyzet ezekkel az elképesztő nagy technológiai ugrásokkal, amelyek olyan gyorsnak tűnnek, hogy alig tudjuk követni azokat.
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.
Szóval, kezdem azzal, hogy mutatok önöknek egy nem túl izgalmas technológiával kapcsolatos diagramot. És aztán, ha megkaphatnám a beállított képet. Ez egy véletlenszerűen kiválasztott diagram a fájljaim közül. Amit mutatni szeretnék, az nem annyira a részletei, hanem az az általános forma, amit mutat. Ez a grafikon történetesen az általunk elemzett RISC processzorok teljesítményét mutatja összehasonlítva a helyi hálózatok kapacitásával. Az érdekes ebben az, hogy ennek a grafikonnak, mint sok más technológiához kapcsolódó grafikonnak, egyeneshez közeli a képe egy fél-logaritmikus skálán. Más szóval minden beosztás egy nagyságrenddel nagyobb értéket jelent a teljesítmény tengelyén. És ez valami új dolog, hogy amikor a technológiáról van szó, mi fél-logaritmikus beosztással ábrázolunk. Itt most valami nagyon különös dolog történik. És alapvetően ez az, amiről beszélni szeretnék.
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.
Tehát, kaphatnék ide egy kis fényt? Egy kicsivel erősebb fényt kérnék, mert erre a papírra szeretnék rajzolni. Miért is rajzoljuk a technológiával kapcsolatos görbéket fél-logaritmikus beosztással? A válasz a következő: Ha ezt normál beosztással tennénk meg nos, ezek itt az évek vagy valamilyen időtengely, ez pedig valamilyen mértékegysége a technológiai fejlődésnek ezen a grafikonon akkor a grafikon nagyon furcsán nézne ki. Valahogy így. És nem lenne túlzottan sokatmondó. Most ha én ábrázolni szeretném valamelyik másik technológia, például a szállítástechnológia fejlődését fél-logaritmikus skálán, nagyon furcsán hatna, majdnem egy vízszintes vonal lenne. De amikor valami ehhez hasonló történik, akkor itt alapvető változások mennek végbe. Ha a fejlődés a szállítástechnológiában olyan gyorsan történne, mint a mikroprocesszorok terén akkor holnapután beszállhatnék egy taxiba és 30 másodperc múlva Tokióban lehetnék. Természetesen nem ez a helyzet. Nincs precedens a technológiai fejlődés eddigi történetében még egy ilyen öngerjesztő növekedésre amely néhány év leforgása alatt nagyságrendekkel változott volna.
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.
Nos, amit szeretnék mondani az, ha megnézzük ezt az exponenciális görbét, hogy örökké nem növekedhetnek. Nem lehet az, hogy a dolgok folyton változzanak ebben az ütemben Két dolog lehetséges Vagy egy klasszikus S-görbévé alakul, amikor valami teljesen eltérő dolog következik be, vagy ez történik Ez a két dolog történhet. Én optimista vagyok tehát úgy gondolom, hogy valami ehhez hasonló fog történni. Ha ez így van, akkor éppen most zajlik az átmenet Valahol itt vagyunk most egy átmeneti szakaszban az egykori világ és az eljövendő világ között. És amit kérdezni szeretnék, és amit már egy ideje kérdezgetek magamtól, az, hogy milyen lesz ez az új világ? A világ milyen új szakasza felé tartunk? Mert az átmenet nagyon-nagyon átláthatatlan, amikor éppen a közepén van az ember.
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.
Gyerekkoromban a 2000-ik év jelentette a jövőt és az emberek arról beszéltek, hogy mi lesz 2000-ben. Most pedig [1994] egy konferencián vagyunk, ahol az emberek a jövőről beszélgetnek. és láthatóan, a jövőt még mindig a 2000-es év jelenti. Kb. eddig megyünk el. Más szóval a jövőnk évente egy évvel zsugorodott egész életemben. Ennek azt hiszem az az oka, hogy mindannyian úgy érezzük, hogy valami történik éppen. Az átmenet történéseit érzi mindenki. És tudjuk, hogy nem túl sok értelme van 30-50 évre előre gondolkodni, mert minden annyira más lesz akkor, hogy mai állapotból kiinduló jóslatoknak nem sok értelmük van.
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.
Tehát, amiről beszélni szeretnék, az az, hogy mi lehet ez, mi lehet ez az átmeneti állapot, amiben éppen vagyunk. Azért, hogy ezt megtegyem beszélnem kell sok más olyan dologról aminek semmi köze sincs a technológiákhoz, és a számítógéphez. Mert az egyetlen módja, hogy ezt megértsük az, hogy visszatekintünk és hosszú idő távlatában vizsgáljuk a dolgokat. És ez az idő távlat, amire visszatekintek, a földi élet keletkezéséig nyúlik vissza. Akkor válik világossá a dolog, ha visszarepülünk néhány milliárd évet az időben.
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.
Tehát ha visszamegyünk körülbelül két és fél milliárd évet amikor a Föld egy nagy élettelen kőhalom volt amelyet különféle kémiai anyagok vettek körül. És ha megnézzük, hogy ezek a kémiai anyagok hogyan szerveződtek manapság már kezdünk tisztán látni ebben a dologban, és vannak elméletek, amelyek már egész jól leírják az RNS kialakulását de én ezt csak egy egyszerű formában mondom el most. Abban az időben kis úszó olajcseppek voltak szerte-szét amelyeknek különbözött a kémiai összetétele. Néhány olajcsepp olyan kémiai összetétellel rendelkezett, amely külső anyagok befogadását tette lehetővé, így ezek az olajcseppek nőttek. Azok, amelyekre ez volt a jellemző, elkezdtek osztódni. Bizonyos értelemben a legősibb sejtformák ezek a kis olajcseppek voltak.
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.
De ezeket még, a mai értelemben véve, nem tekinthetjük élőknek mert mindegyiket más és más véletlenszerű kémiai anyagok alkották. És ahányszor osztódtak egyenlőtlen eloszlásban vált ketté a bennük lévő kémiai anyag. És így minden csepp egy kicsit különbözött a másiktól. Valójában azok cseppek, amelyek abban különböztek a többitől, hogy jobban befogadták a környezetükben lévő kémiai anyagokat jobban növekedtek, több anyagot halmoztak fel, és többször osztódtak. Így azok, amelyek tovább éltek, jobban érvényesültek.
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.
Ez egy nagyon egyszerű úgynevezett vegyi életforma. A dolog azonban akkor kezdett érdekessé válni, amikor ezek a cseppek megtanulták az absztrakció egy trükkjét. Valamilyen módon, amit nem igazán értünk, ezek a cseppek megtanulták feljegyezni az információt. Megtanulták megörökíteni azt az információt, amelyet a sejt receptként használhatott egy speciális kémiai anyaghoz a DNS-hez. Más szóval, ezek a cseppek kidolgoztak tudattalanul egy olyan evolúciós feljegyzési módszert önmaguk meghatározására, amellyel a feljegyzett információt másolhatták. Az az elképesztő ebben, hogy a módszer úgy tűnik nem változott amióta két és fél milliárd éve kialakult. Valójában a génjeink receptje ma is ugyanezzel a kóddal és módszerrel íródik. Valójában minden élőlény kódja pontosan ugyanezzel a kódkészlettel íródik.
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.
Az egyik dolog, amit kedvtelésből készítettem, az hogy most már tudunk ezzel a kóddal írni. Van itt nálam 100 mikrogramm fehér por, amit próbáltam rejtegetni a reptéri biztonságiak elől. (Nevetés) De ez van benne. Tehát, vettem ezt a kódot, amelyben a normál abc betűit használjuk a leírásra, és kiírtam a névjegykártyámat egy darab DNS-re és megsokszoroztam 10 a 22-enszer. Tehát, ha valakinek szüksége lenne százmillió példányban a névjegykártyámra, Jut belőle mindenkinek a teremben, valójában a világon mindenkinek, és itt van nálam. (Nevetés) Ha nagyon egoista lettem volna, egy vírusba tettem volna, és szabadon engedtem volna a teremben.
(Laughter)
(Nevetés)
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.
Tehát, mi volt a következő szakasz? A DNS feljegyzése egy érdekes szakasz volt. A sejtek ettől boldogok voltak úgy egymilliárd évig. De volt egy másik érdekes lépés, amely egy merőben új dolgot hozott. A sejtek elkezdtek egymással kommunikálni, információt cserélni azért, hogy sejtek közösségét alakítsák ki. Nem tudom, hogy tudják-e, de a baktériumok képesek a DNS-üket kicserélni egymással. Emiatt van az, hogy ellenállók lettek az antibiotikumokra. Néhány baktérium rájött, hogy hogyan kerülheti el a penicillint, és úgymond körbejárt, hogy más baktériumok is beépíthessék ezt a DNS rész információt. És most sok baktérium ellenálló a penicillinnel szemben a baktériumok közötti kommunikáció miatt. Ez a kommunikáció tette lehetővé olyan sejtközösségek formálódását, amelyek úgymond egy hajóban evezve együttműködtek. Vagy mind túlélték, vagy együtt vesztek oda. Ez azt jelentette, hogy ha egy közösség nagyon jól működött, a benne lévő minden egyed megtöbbszöröződhetett és az evolúció nyertese lehetett.
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.
Az átmenet akkor történt, amikor ezek a közösségek annyira összetömörültek, hogy valójában egy egységet alkotva a teljes receptet elkezdték leírni a közösség számára egy DNS szálra. Érdekes a dologban, hogy ez az újabb szakasz még egy milliárd évig tartott. És ebben a szakaszban alakultak ki a több sejtből álló közösségek, közösségek, amelyeket sok különféle típusú sejt alkotott, és amelyek egyetlen organizmusként működtek. Valójában mi is ilyen többsejtből szerveződő közösség vagyunk. Sok sejtünk van, amelyek nem önmagukért léteznek többé. A bőrsejtek teljesen használhatatlanok a szív vagy izomsejtek, vagy éppen az agysejtek nélkül. Szóval, ezek mint egy közösség kezdtek továbbfejlődni így az evolúciós fejlődés már nem a sejtek szintjén vált érdekessé, hanem a közösség szintjén, amit most szervezetnek hívunk.
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.
A következő lépés ezeken a közösségeken belül történt. Ezek a sejtközösségek újra elkezdték értelmezni az információkat és olyan speciális egységeket kezdtek kialakítani, amelyek egyetlen feladata a közösségen belüli információ feldolgozás volt. Neurális struktúrák alakultak. Tehát a neuronok azok az információfeldolgozó egységek, amelyeket ezek a sejtközösségek alakítottak ki. A közösségen belül speciális egységgé, struktúrává alakultak, amelyek felelősek lettek az információk feljegyzéséért, megértéséért, és megtanulásáért. Így vált a közösség agyává, ill. idegrendszerévé. Ez evolúciós előnyt jelentett a sejtközösségnek, mert ezen a ponton az egyéni tanulási folyamat végbemehetett már egyetlen szervezet életszakaszában, szemben az addigi evolúciós időszakasszal.
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.
Tehát egy szervezet képes lett például megtanulni, hogy ne egyen meg bizonyos gyümölcsöt mert rossz íze volt, és beteg lett miután múlt alkalommal megette. Ez megtörténhetett egy szervezet életszakaszán belül, míg mielőtt ezek a speciális információfeldolgozó struktúrák kialakultak, ennek megtanulására az evolúció során több százezer évre volt szükség úgy, hogy egyedek haltak meg a megevett gyümölcstől. Tehát ez az idegrendszer azzal, hogy kialakította ezeket a speciális információs struktúrákat, hihetetlenül felgyorsította az evolúció folyamatát. Mert az evolúciós folyamat ekkor már az egyénen belül történhetett. A tanulási időn belül történhetett.
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.
És ami ezután történt az, hogy az egyedek kommunikációs trükköket fejlesztettek ki. Itt van például a legkifinomultabb azok közül, amit ismerünk, az emberi nyelv. Ha belegondolunk, ez tényleg egy hihetetlen találmány. Itt van egy nagyon bonyolult, rendezetlen, zavaros gondolat a fejemben. Itt ülök, alapvetően morgó hangokat adok ki, remélve, hogy kialakítok egy hasonlóan rendezetlen, zavaros gondolatot az önök fejében. ami hasonló jelentést hordoz. Veszünk valami nagyon bonyolult dolgot, hanggá, ill. hangok sorozatává alakítjuk, kialakítva valami nagyon komplikált dolgot az önök fejében. Ez teszi lehetővé azt, hogy úgy kezdjünk funkcionálni, mint egyetlen szervezet.
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.
Tulajdonképpen, amit mi teszünk, mi, az emberiség, hogy absztrakciót végzünk. Ugyanazokon a szinteken megyünk végig, amelyeken a többsejtű szervezetek mentek végig -- absztrahálva az információ feljegyzésének módszereit, az információközlést és feldolgozást. Tehát a nyelv mint találmány csak egy kis lépés volt ebbe az irányba. Telefon, számítógép, videoszalag, CD-ROM-ok stb. mind speciális eszközök, amelyeket beépítettünk a társadalomunkba az információk kezelésére. És ezek mind összekapcsolnak bennünket egy olyan valamivé ami sokkal nagyobb, sokkal gyorsabb, és nagyobb fejlődésre képes mint ami azelőtt voltunk. Így az evolúció bekövetkezhet mikroszekundumnyi idő alatt. Önök láthatták Ty kis evolúciós példáján, ahol egy kis mini evolúciós folyamatot mutatott be a Konvolúciós program segítségével itt önök előtt.
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.
Ismételten lerövidítjük ezeket az időintervellumokat Az első szakasz, amiről említést tettem, egy milliárd évig tartott. És a következő szakaszok, mint például az idegrendszer és az agy néhány száz millió évet vett igénybe. Aztán a következő szakasz, mint a nyelv kialakulása is kevesebb, mint egymillió évig tartott. És az éppen elkövetkezendő elektronikai szakasz láthatóan csak néhány évtizede tart. A folyamat önmagát felerősíti, és válik úgymond önmaga katalizátorává -- ahol valami növeli a változás mértékét. Minél jobban változik annál nagyobb a változás sebessége. És azt hiszem ezt látjuk itt kiugrásnak ezen a grafikonon. Látjuk, ahogy a folyamat önmagát felerősíti.
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.
Most az a munkám, hogy számítógépeket tervezzek, és tudom, hogy azok a módszerek, amiket a tervezéshez használok kivitelezhetetlenek lennének a számítógépes fejlesztések legújabb eredményei nélkül. Tehát, amit most csinálok az az, hogy olyan bonyolultságú dolgokat készítek, amely hagyományos értelembe vett tervezéssel nem volna lehetséges. Nem tudom, hogy a szuperszámítógépünk minden egyes tranzisztora mit csinál. Több milliárd van benne. Ehelyett, amit csinálok, és amit a Thinking Machines tervezői csinálnak az, hogy egy adott absztrakciós szinten gondolkozunk, ezt bevisszük a számítógépbe és a gép ezt olyan szintre viszi, amit mi soha el nem érnénk, olyan távlatokba, olyan gyorsan, ahogy azt soha meg nem tehetnénk. És néha ezt olyan módszerek teszik meg, amelyeket nem igazán értünk.
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.
Az egyik ilyen módszer, ami különösen érdekes, amellyel mostanában sokat foglalkozom, maga az evolúció. Amit mi csinálunk az az, hogy a gépbe beviszünk egy evolúciós folyamatot, amely mikroszekundumnyi idő alatt lezajlik. Így például a legkülönlegesebb esetekben, úgy tudjuk a programot fejleszteni, hogy kezdetben véletlenszerű utasításokat adunk, megkérjük a számítógépet, hogy legyen kedves hozzon létre százmillió véletlenszerű utasítás szekvenciát. És aztán futtassa le az összes ilyen a véletlen utasítás szekvenciát, illetve programokat, és válassza ki azokat, amely az elérni kívánt célhoz legközelebb visznek. Más szóval azt határozom meg, hogy mit szeretnék elérni. Például számokat sorrendbe szeretnék rendezni, egy egyszerű példa, amit már megcsináltam. Majd megkeresem azt a programot, amelynek eredménye legközelebb áll a rendezett számsorhoz.
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.
Természetesen véletlenszerű utasítássorozatok nagyon valószínűtlen, hogy helyes sorrendet eredményeznének, valójában egyike sem produkál helyes eredményt, de talán az egyik véletlenül két számot a helyes sorrendbe állíthat. És én azt mondom, kedves gép kivennéd a 10 százalékát azoknak a véletlenszerű utasítássorozatoknak, amelyek a legjobbnak bizonyultak? Hagyd meg azokat, a többit szelektáld ki. Aztán reprodukáljuk azokat, amelyek a legjobban rendezték a számokat. Reprodukáljuk azokat azzal a kombinációs folyamattal amely hasonló az emberi reprodukcióhoz. Vegyünk két programot, és legyenek nekik gyerekeik úgy, hogy kicseréljük azok alprogramjait, és a gyerekek örököljék a két program alprogramjainak jellemzőit. Így programok új generációjához jutunk, amely olyan programok kombinációjából születik, amelyek egy kicsivel jobb eredményt produkáltak. És aztán azt mondjuk a gépnek, hogy ismételje ezt a folyamatot. Értékelje ki ismét, talán dobjon be némi mutációt, majd ismételje megint egy újabb generáció létrehozásához.
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.
Minden ilyen generáció megszületése csak néhány milliszekundumot vesz igénybe. Így képesek vagyunk arra, hogy több millió évnyi evolúcióval megegyező mértékű fejlődést hozzunk létre a számítógépen néhány perc alatt, vagy bonyolultabb esetben néhány óra alatt. A végén pedig olyan programok születnek, amelyek tökéletesen alkalmasak számok sorbarendezésére. Igazából ezek a programok sokkal hatékonyabbak, mint azok, amelyeket kézzel valaha is meg tudnék írni.
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.
Ha megnézem ezeket a programokat, nem tudom megmondani, hogyan működnek. Már próbáltam ezeket megvizsgálni, és megfejteni, hogyan működnek. Átláthatatlan, furcsa programok. De jól működnek. Tulajdonképpen én biztos vagyok abban, hogy jól működnek, mert abból a több százezernyi programból valók amelyek jól végezték a feladatukat. Valójában az életük függött attól, hogy jól végzik-e a feladatukat.
(Laughter)
(Nevetés)
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?"
Egy Boeing 747-esen utaztam egyszer Marvin Minskyvel [amerikai tudós], kivette a gép ismertetőfüzetét, és azt mondta: "Ó, ezt nézd meg. Ez azt írja, hogy ezen a gépen több százezer apró alkatrész működik együtt, a biztonságos repülésünk érdekében. Hát nem megnyugtató?"
(Laughter)
(Nevetés)
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.
Igazából tudjuk azt, hogy a mérnöki munka nem működik igazán jól bonyolult folyamatok esetében. Így mi egyre inkább a számítógéptől függünk az olyan folyamat végrehajtásánál, amely merőben más mint a mérnöki munka. Ez olyan dolgok létrehozását teszi lehetővé, melynek összetettsége jóval túlmutat a hagyományos mérnöki munka keretein. Mégsem értjük igazán a lehetőségeit. Tehát bizonyos értelemben előttünk jár. Arra használjuk ezeket a programokat, hogy gyorsabb számítógépeket készítsünk, és így éppen ezeket a folyamatokat még jobban felgyorsíthatjuk. Tehát ez a folyamat önmagát gyorsítja fel. Egyre gyorsabb lesz és emiatt tűnik annyira zavarba ejtőnek. Merthogy mindezek a technológiák önmagukat is gerjesztik. Elindultunk ezen az úton.
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.
És hasonló időszakban vagyunk, mint amikor az egysejtű organizmusok többsejtű organizmusokká alakultak. Amőbák vagyunk tehát és nem tudjuk megmondani, hogy mi a fene az, amit csinálunk. Éppen az átmeneti időszak kellős közepén vagyunk. De azt hiszem, hogy tényleg jön valami új utánunk. Nagyképű lenne azt gondolni, hogy az evolúció végtermékei vagyunk. Azt hiszem itt mindannyian részt veszünk ennek az új dolognak a létrehozásában, bármi legyen is az. Szóval jön az ebéd, és azt hiszem abba is hagyom ezen a ponton, mielőtt kiszelektálnának.
(Applause)
(Taps)