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.
...want ik ben doorgaans mensen aan het vertellen hoe geweldig de nieuwe technologieën gaan zijn, die we nu zien, en ik dacht: aangezien ik hier onder vrienden ben, wil ik jullie vertellen wat ik écht denk. Ik ga terugkijken en trachten te begrijpen wat er werkelijk aan het gebeuren is met de verbijsterende sprongen in technologie die zo snel gaan dat we ze nauwelijks bij kunnen houden.
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.
Allereerst zal ik jullie één enkele zeer saaie dia laten zien. Als je de dia even wilt laten zien... Dit is een willekeurige dia die ik uit een map haalde. Ik wil jullie niet zozeer de details van de dia laten zien, maar de algehele vorm ervan. Dit is toevallig een dia van een analyse die we deden over de kracht van RISC-microprocessoren versus de kracht van 'local area networks'. Het interessante ervan is dat deze dia, zoals zoveel technologie-dia's die we zien, een rechte lijn is op een semilogaritmische schaal. Met andere woorden: elke stap vertegenwoordigt hier een orde van grootte in prestatie. Dit is iets nieuws, dat we over technologie praten op een semilogaritmische schaal. Er gebeurt hier iets vreemds. Dat is waarover ik het wil hebben.
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.
Als het licht weer even aan kan. Doe nog maar wat meer licht, want ik ga enkel een stuk papier gebruiken. Waarom tekenen we technologie-diagrammen op een semilogaritmische schaal? Het antwoord is: met een normale schaalverdeling waarbij deze as het tijdsverloop aangeeft, en deze as de maateenheid van technologie die ik probeer weer te geven, ziet de curve er enigszins belachelijk uit. Ongeveer zoiets... ...en ze geven niet veel informatie. Als ik nu, bijvoorbeeld, een andere technologie, transporttechnologie, op een semilogaritmische schaal teken, zou het er stom uitzien: een horizontale lijn. Maar als er iets als dit gebeurt, veranderen dingen kwalitatief. Dus als transporttechnologie zo snel ontwikkelde als microprocessor-technologie, dan zou ik overmorgen in een taxi kunnen stappen en in 30 seconden in Tokyo kunnen zijn. Zo gaat die ontwikkeling niet. Er zijn ook geen precedenten in de geschiedenis van technologische ontwikkeling van dit soort zelf-versterkende groei met ordes van grootte, elke paar jaar.
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.
Nu is de vraag die ik wil stellen -- als je naar deze exponentiële curves kijkt, kunnen die niet zo doorgaan. Dingen kunnen zich niet zo snel blijven ontwikkelen als nu. Eén van twee dingen gebeurt. Ofwel het verandert in een soort klassieke S-curve als dit, tot er iets anders gebeurt, of misschien doet het dit. Dat is het zo'n beetje. Nou ben ik een optimist, dus ik denk dat het zoiets gaat doen. In dat geval zitten we momenteel middenin een overgangsfase. We zitten op deze lijn, in een transitie van de oude wereld, naar een nieuwe wereld. Dus wat ik probeer te vragen, wat ik mezelf afvroeg, is: hoe ziet die nieuwe wereld eruit? Wat is die nieuwe staat waarnaar de wereld op weg is? Want de transitie is zeer verwarrend als je er middenin zit.
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.
Toen ik opgroeide als kind was de toekomst zo'n beetje het jaar 2000 en mensen spraken over wat er in het jaar 2000 zou gebeuren. Nu is hier een conferentie waar mensen praten over de toekomst en dan zie je dat de toekomst nog steeds het jaar 2000 is. Dat is zover als we kijken. Met andere woorden: de toekomst is min of meer gekrompen met één jaar per jaar (Gelach) gedurende mijn hele leven. (Gelach) Ik denk dat de reden is dat we allemaal voelen dat er iets gaande is. Die transitie is gaande. We kunnen het allemaal voelen. En we weten dat het gewoon zinloos is om 30, 50 jaar vooruit te denken omdat alles zo anders gaat zijn dat een simpele extrapolatie van wat we doen simpelweg onzinnig lijkt.
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.
Ik wil het hebben over wat zou kunnen zijn, door wat voor soort transitie we gaan. Om dat te doen moet ik het hebben over wat dingen die niets te maken hebben met technologie en computers. De enige manier om dit te begrijpen is om achteruit te stappen en een lange-termijnblik te werpen op de dingen. De tijdschaal waarop ik dat zou willen doen is de tijdschaal van leven op Aarde. Ik denk dat dit beeld zinnig is als je enkele miljarden jaren overziet.
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.
Als je ongeveer 2½ miljard jaar teruggaat, was de Aarde een grote, steriele brok steen waar een groot aantal chemicaliën op vloeiden. Als je kijkt naar de manier waarop die chemicaliën zich organiseerden -- we beginnen daar een goed beeld van te krijgen. Ik denk dat er theorieën zijn die beginnen te begrijpen hoe het begon met RNA, maar ik vertel de eenvoudige versie. Destijds waren er kleine druppels olie die zich bewogen met allerlei verschillende samenstellingen van chemicaliën daarin. Sommige van die druppels olie hadden een bijzondere combinatie van chemicaliën die ervoor zorgde dat ze chemicaliën van buiten opnamen zodat de oliedruppels groeiden. De druppels die zo waren, begonnen zich te delen. Dit waren de meest primitieve vormen van cellen, deze kleine oliedruppels.
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.
Maar deze oliedruppels leefden niet echt, want ieder van hen was een willekeurige verzameling chemicaliën. Elke keer dat ze zich splitsten kreeg je een ongelijke verdeling van chemicaliën binnen hen. Dus elke druppel was een beetje anders. De druppels die anders waren, zodanig dat ze beter waren in het opnemen van chemicaliën rondom hen, groeiden meer en namen meer chemicaliën op en splitsten meer. Dus doorgaans leefden zij langer, en waren meer vertegenwoordigd.
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.
Nu is dit nog maar een eenvoudige chemische levensvorm, maar het werd interessant toen deze druppels een abstracte truc leerden. We begrijpen niet echt hoe, maar deze druppels leerden informatie noteren. Ze leerden de informatie die het recept van de cel inhield, noteren op een speciaal soort chemische stof genaamd DNA. Met andere woorden: ze ontdekten op deze gedachteloze evolutionaire manier, een schrijfstijl waarmee ze konden optekenen wat ze waren, zodat die manier van noteren kon worden gekopieerd. Verbazingwekkend is dat deze notatiewijze hetzelfde lijkt te zijn gebleven sinds ze ontwikkeld werd, 2½ miljard jaar geleden. In feite is het recept voor ons, onze genen, exact dezelfde code en manier van noteren. Elk levend wezen is genoteerd in exact dezelfde set letters en dezelfde code.
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.
Eén van de dingen die ik deed -- gewoon voor de lol, is... ...we kunnen nu dingen opschrijven in deze code. En ik heb hier 100 microgram wit poeder, dat ik verberg voor beveiligingsmensen op vliegvelden. (Gelach) Maar hierin zit -- ik nam de code -- de code heeft standaard letters waarmee we die symboliseren -- en schreef mijn visitekaartje op een stukje DNA en vermenigvuldigde het 10 tot de 22e maal. Dus als iemand honderd miljoen stuks van mijn visitekaartje wil; ik heb genoeg voor iedereen hier, voor iedereen op de wereld, in feite. Het zit hierin. (Gelach) Als ik echt een egoïst was geweest, had ik het in een virus gestopt en in de ruimte verspreid.
(Laughter)
(Gelach)
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.
Wat was de volgende stap? Het opschrijven van het DNA was een interessante stap. Dat hield ze bezig gedurende nog eens miljard jaar. Maar toen was er een andere heel interessante stap waarin dingen totaal anders werden. Deze cellen begonnen informatie uit te wisselen, zodat ze gemeenschappen van cellen vormden. Ik weet niet of je dit weet, maar bacteriën kunnen DNA uitwisselen. Dat is bijvoorbeeld hoe antibiotische resistentie is ontstaan. Eén bacterie vond een manier om penicilline te vermijden en die communiceerde zijn DNA-informatie naar andere bacteriën, en nu hebben we veel bacteriën die resistent zijn tegen penicilline ...omdat bacteriën communiceren. Deze communicatie maakte het ontstaan van gemeenschappen mogelijk, die, in zekere zin, samen in één schuitje zaten; ze waren synergetisch. Dus ze overleefden of ze faalden samen, wat betekent dat in een succesvolle gemeenschap alle individuen van die gemeenschap meer vermenigvuldigden en evolutionair succesvol waren.
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.
Het omslagpunt kwam, toen deze gemeenschappen zo hecht werden dat ze feitelijk gezamenlijk besloten om het recept te noteren voor de hele gemeenschap op één keten DNA. En het volgende levensstadium duurde nog eens miljard jaar. In die periode hebben we meercellige gemeenschappen, bestaande uit veel verschillende typen cellen, die samenwerken als één organisme. In feite zijn wij zo'n meercellige gemeenschap. We hebben veel cellen die niet meer voor zichzelf gaan. Je huidcel is waardeloos zonder een hartcel, spiercel, hersencel enzovoort... Dus deze gemeenschappen ontwikkelden zich zodat het niveau waarop evolutie zich afspeelde niet langer een cel was, maar een gemeenschap genaamd 'organisme'.
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.
De volgende stap speelde zich af binnen deze gemeenschappen. Deze gemeenschappen van cellen begonnen weer informatie te vergaren. Ze bouwden speciale structuren die niets anders deden dan informatie verwerken in de gemeenschap. Dat zijn de neurale structuren. Dus neuronen zijn het informatieverwerkingsapparaat dat die gemeenschappen van cellen bouwden. Ze ontwikkelden specialisten en speciale structuren die verantwoordelijk waren voor het opslaan, begrijpen, leren van informatie. Dat waren de hersenen en het zenuwstelsel van die gemeenschappen. Dat gaf ze een evolutionair voordeel. Want in dat stadium kon een individu -- ... kon leren plaatsvinden binnen de tijdsspanne van één organisme, in plaats van over een evolutionaire tijdsspanne.
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.
Dus een organisme leerde bijvoorbeeld om een bepaalde fruitsoort te vermijden omdat die slecht smaakte en hij er ziek van werd. Dat kon nu binnen de levensduur van een enkel organisme, terwijl voordat ze deze speciale informatieverwerkingsstructuren bouwden, dit op evolutionaire wijze geleerd moest worden gedurende honderdduizenden jaren, doordat individuen doodgingen als ze die vrucht aten. Dus dat zenuwstelsel, het feit dat ze deze speciale informatiestructuren bouwden, versnelde het evolutieproces enorm. Want evolutie kon nu plaatsvinden binnen een individu. Het kon gebeuren in leer-tijdsschalen.
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.
Maar toen verzonnen de individuen trucjes om te communiceren. Bijvoorbeeld, de meest verfijnde versie die we kennen is de menselijke taal. Het is een ongelofelijke uitvinding, als je erover nadenkt. Hier heb ik een zeer gecompliceerd, warrig idee in mijn hoofd... Ik zit dan min of meer knorrende geluiden te maken, wat hopelijk een gecompliceerd, warrig idee in jullie hoofd oproept, dat er gelijkenis mee vertoont. We nemen iets zeer gecompliceerds, veranderen dat in geluiden, reeksen geluiden, en produceren iets zeer gecompliceerds in je hersenen. Dus hierdoor kunnen we beginnen te functioneren als een enkel organisme.
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.
In feite zijn wij, de mensheid, begonnen met abstraheren. We gaan door eenzelfde periode als die meercellige organismen -- en abstraheren onze methoden van optekenen, presenteren en verwerken van informatie. Dus bijvoorbeeld, de uitvinding van taal was een kleine stap in die richting. Telefonie, computers, videotapes, CD-ROMs enzovoort... zijn onze gespecialiseerde mechanismen die we in onze gemeenschap hebben gebouwd voor het omgaan met die informatie. En deze dingen verbinden ons tot iets dat veel groter is, en veel sneller, en beter in staat te evolueren dan wij voorheen waren. Nu kan evolutie plaatsvinden op een schaal van microseconden. Je zag Ty's evolutionaire voorbeeldje waarin hij met evolutie speelde in het Convolutie-programma, vlak voor je ogen.
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.
Nu hebben we de tijdsschaal nogmaals versneld. De eerste stappen van het verhaal waarover ik het had duurden een miljard jaar per geval. De volgende stukken, zoals zenuwstelsels en hersenen, duurden enkele honderden miljoenen jaren. De daaropvolgende stappen, taal en zo, duurden minder dan een miljoen jaar. En deze volgende stappen, zoals elektronica, lijken slechts enkele decennia te duren. Het proces voedt zichzelf en wordt -- ik geloof dat auto-katalytisch het juiste woord is -- als iets zijn eigen tempo van verandering versnelt. Hoe meer het verandert, des te sneller verandert het. Ik denk dat we dat zien in de explosie van deze curve. We zien het proces zichzelf versterken.
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.
Ik ontwerp computers voor de kost, en ik weet dat de mechanismen die ik gebruik om computers te ontwerpen onmogelijk zouden zijn zonder recente ontwikkelingen in computers. momenteel ontwerp ik objecten met zulk een complexiteit dat ik ze onmogelijk op conventionele wijze kon ontwerpen. Ik weet niet wat elke transistor in de verbindingsmachine doet. Er zijn er miljarden. In plaats daarvan denken ik en de ontwerpers bij 'Thinking Machines' op enig niveau van abstractie, en dan geven we het aan de machine en die maakt het tot iets wat we nooit zouden kunnen, veel verder en sneller dan wij ooit zouden kunnen. Soms gebruikt ze methoden die wij niet eens begrijpen.
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.
Een bijzonder interessante methode die ik recentelijk veel gebruikte is evolutie zelf. Daarbij gebruiken we de machine voor een proces van evolutie dat zich op de schaal van microseconden afspeelt. Bijvoorbeeld: in de meest extreme gevallen kunnen we een programma ontwikkelen door te beginnen met een willekeurige serie instructies. Dus: "Computer, maak alsjeblieft honderd miljoen willekeurige instructie-reeksen. Dan draai al die willekeurige instructie-reeksen, draai al die programma's, en kies die die het beste voldeden aan mijn wensen." Dus met andere woorden, ik definieer wat ik wil. Stel ik wil getallen sorteren, als eenvoudig praktijkvoorbeeld. Dus: vind de programma's die het dichtst komen bij getallen sorteren.
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.
Uiteraard zullen willekeurige reeksen instructies niet snel getallen sorteren, dus geen van hen voldoet werkelijk. Maar één van hen heeft toevallig wellicht twee getallen in de juiste volgorde gezet. Dan zeg ik: "Computer, neem de 10% van de reeksen die het beste resutaat geven. Bewaar die. Dump de andere. Nu reproduceer de reeksen die getallen het beste sorteerden. Reproduceer ze via een proces van hercombinatie dat analoog is aan seks." Twee programma's produceren kinderen door hun subroutines uit te wisselen, en de kinderen erven de eigenschappen van die gemengde subroutines. Dus nu heb ik een nieuwe generatie programma's die geproduceerd zijn door combinatie van alle programma's die iets beter presteerden. Dan zeg ik: "Herhaal dit proces." Beoordeel ze nogmaals. Introduceer wellicht wat mutaties. Probeer dat nogmaals voor nog een generatie.
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.
Elk van deze generaties ontstaat in enkele milliseconden. Dus ik kan het equivalent van miljoenen jaren van evolutie hierin, op de computer laten plaatsvinden binnen enkele minuten, of in de ingewikkelde gevallen, enkele uren. Aan het eind hiervan, heb ik programma's die absoluut perfect getallen sorteren. In feite zijn die programma's veel efficiënter dan programma's die ik zelf had kunnen schrijven.
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.
Als ik naar die programma's kijk, snap ik niet hoe ze werken. Ik heb geprobeerd er wijs uit te worden. Het zijn obscure, vreemde programma's. Maar ze doen hun werk. Ik ben er zeker van dat ze hun werk doen omdat ze uit een geslacht komen van honderdduizenden programma's die hun werk deden. Hun leven hing ervan af.
(Laughter)
(Gelach)
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?"
Ik zat ooit in een 747 met Marvin Minsky, die een kaart tevoorschijn haalt en zegt: "O, kijk eens. Hier staat: 'Dit vliegtuig heeft honderduizenden kleine delen die samenwerken om je een veilige vlucht te bezorgen.' Geeft je dat geen zeker gevoel?"
(Laughter)
(Gelach)
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.
We weten dat het technische ontwerpproces niet erg goed werkt als het gecompliceerd wordt. Dus beginnen we op computers te vertrouwen voor een proces dat heel anders is dan technisch ontwerp. Daarmee kunnen we veel gecompliceerder dingen maken dan we met normaal technisch ontwerp kunnen. Toch begrijpen we niet echt de opties die het geeft. Dus in zekere zin haalt het ons in. We gebruiken nu die programma's om veel snellere computers te maken zodat we dit proces veel sneller kunnen uitvoeren. Het versterkt zichzelf dus. Het wordt steeds sneller en daarom lijkt het denk ik zo verwarrend. Omdat al deze technologieën zichzelf versterken. We worden gelanceerd.
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.
En we zitten op een tijdstip dat analoog is aan toen eencellige organismen veranderden in meercellige organismen. Dus wij zijn de amoebes en we kunnen niet bedenken wat dit ding is dat we creëren. We zitten precies op dat punt van transitie. Maar ik denk dat er echt iets na ons gaat komen. Ik denk dat het erg hoogmoedig is om te denken dat wij het eindproduct van evolutie zijn. En ik denk dat wij allemaal deel zijn van de creatie van dat nieuwe ding. Maar nu gaan we lunchen, dus ik denk dat ik het hierbij laat, voordat ik weggeselecteerd word.
(Applause)
(Applaus)