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.
Ponieważ zwykle próbuję wytłumaczyć ludziom jak wspaniałe będą nowe nadchodzące technologie, pomyślałem, że skoro jestem wśród przyjaciół, powiem wam, co naprawdę myślę i spróbuję spojrzeć wstecz by zrozumieć o co naprawdę chodzi z tymi niesamowitymi skokami w technologii tak szybkimi, że trudno za nimi nadążyć.
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.
Zacznę więc od bardzo nudnego technologicznego slajdu. A następnie - czy możemy włączyć slajd? - To jest losowy slajd, który wybrałem ze swojej teczki. Istotne są nie tyle jego szczegóły, co ogólny kształt. Jest to wykres jakiejś analizy, którą robiliśmy, związanej z mocą procesorów RISC skorelowanej z mocą sieci LAN. Interesujące jest to, że ten slajd, podobnie jak wiele technologicznych slajdów, jest wykresem linii prostej na krzywej logarytmicznej. Innymi słowy, każdy kolejny krok oznacza następny rząd wielkości w skali wydajności. I nowością jest, że rozmawiamy o technologii w oparciu o krzywe logarytmiczne. Dzieje się coś bardzo dziwnego. I o tym właśnie chciałbym porozmawiać.
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.
Tak więc, jeżeli mogę prosić o więcej światła. Jeszcze trochę jaśniej proszę, ponieważ chciałbym użyć kartki papieru. Dlaczego więc rysujemy technologię za pomocą krzywych logarytmicznych? Cóż, gdybym narysował ją normalnie, to są, powiedzmy, lata, jakiś rodzaj osi czasu, a to jakiś rodzaj mierzonej technologii którą próbuję nakreślić, wykresy wyglądają raczej niepoważnie. Zazwyczaj jakoś tak. I niewiele nam mówią. Jeżeli chciałbym nakreślić, na przykład, coś innego, powiedzmy technologię transportu, na krzywej logarytmicznej, wyglądała by ona bardzo głupio - jak prosta linia. Ale kiedy zdarza się coś takiego, jest to już zmiana jakościowa. Więc jeśli technologia transportu rozwijała by się tak szybko jak mikroprocesory, wtedy pojutrze, mógłbym wsiąść w taksówkę i być w Tokio w 30 sekund. Taki rozwój nie nastąpił. Taki rodzaj samonapędzającego się rozwoju o kolejny rząd wielkości co parę lat jest bezprecedensowy w historii rozwoju technologii.
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.
Pytanie, które chciałbym zadać brzmi, jeżeli spojrzeć na te krzywe wykładnicze, nie rosną one w nieskończoność. Zmiany nie mogą długo zachodzić w takim tempie. Stanie się więc jedna z dwóch rzeczy. Albo zobaczymy klasyczną krzywą w kształcie S, aż zdarzy się coś kompletnie nowego, lub też stanie się coś takiego. I to są właściwie wszystkie możliwości. Jestem optymistą, więc myślę, że będzie to wyglądać mniej więcej tak. Oznaczało by to, że jesteśmy właśnie w okresie przejściowym. Jesteśmy na tym odcinku, w trakcie zmiany z tego jaki świat był, do pewnej nowej formy, jaką przybiera. To, co próbuję ustalić, to pytanie, które sobie zadaję, czym jest ta nowość w świecie? Do jakiego nowego stanu dąży świat? Ponieważ, ta zmiana może być bardzo niejasna w czasie kiedy jesteśmy w jej trakcie.
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.
Kiedy dorastałem, przyszłość oznaczała rok 2000, a ludzie mówili o tym, jak wtedy będzie. Tutaj mamy konferencję, na której mówimy o przyszłości i zauważmy, że przyszłość to ciągle mniej więcej rok 2000. Dalej nie wybiegamy. Innymi słowy, przyszłość jakby kurczy się co roku o rok przez całe moje życie. Myślę, jest tak dlatego że wszyscy czujemy, że coś się dzieje. Ta zmiana zachodzi. Wszyscy ją wyczuwamy. I mamy świadomość, że nie ma sensu wybiegać myślą 30 czy 50 lat do przodu, bo wtedy wszystko będzie tak inne, że prosta ekstrapolacja tego, co robimy dziś nie ma żadnego sensu.
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.
Chciałbym więc porozmawiać, co mogło by to być, czym może być ta zachodząca właśnie zmiana. Aby to zrobić muszę wspomnieć o rzeczach, które nie mają nic wspólnego z technologią czy komputerami, Myślę, że jedynym sposobem na zrozumienie, jest zrobić krok w tył i spojrzeć z perspektywy dłuższego czasu. Skala czasu, w której chciałbym operować, to wiek życia na Ziemi. Myślę, że ten obraz nabiera sensu kiedy operujemy w miliardach lat.
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.
Jeżeli cofniemy się mniej więcej dwa i pół miliarda lat, Ziemia była wielkim, sterylnym kawałkiem skały na której kłębiły się różne chemikalia. I jeżeli spojrzymy na sposób w jaki te chemikalia organizowały się, zaczynamy rozumieć jak to się działo. Są teorie, które wyjaśniają jak powstało RNA, ale ja opowiem to w uproszczeniu, czyli, że w tym czasie powszechnie występowały kropelki oleju zawierające różne chemikalia. Niektóre z tych kropelek miały określony skład powodujący przyswajanie dodatkowych substancji i umożliwiając ich wzrost. I te, które miały takie właściwości, zaczęły się dzielić. Te małe krople oleju, były w zasadzie najbardziej prymitywną formą komórek.
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.
Nie były one jednak żywe, w dzisiejszym rozumieniu, bo każda z nich miała przypadkowy skład chemiczny i kiedy się dzieliła, jej zawartość dzieliła się niedokładnie. Tak więc każda z tych kropelek była nieco inna. Kropelki inne w sposób, który sprawiał, że były lepsze w przyswajaniu substancji z zewnątrz, rosły szybciej, przyswajały więcej i więcej się dzieliły. Żyły więc dłużej, występowały częściej.
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.
Ta prosta, chemiczna forma życia stała się interesująca, kiedy nasze kropelki nauczyły się nieco abstrakcji. W jakiś sposób, którego jeszcze nie rozumiemy, nauczyły się one zapisywać informacje. Znalazły sposób aby zachować przepis na skład komórki przy użyciu substancji zwanej DNA. Innymi słowy, wykombinowały, w bezmyślny, ewolucyjny sposób, rodzaj alfabetu, którym opisywały, czym są, aby ten opis kopiować. Niesamowite jest to, że ten alfabet pozostał niezmienny od czasu kiedy wyewoluował 2,5 miliarda lat temu. Właściwie nasz opis, nasze geny, są zapisane w dokładnie ten sam sposób. Opis każdego żywego organizmu jest zapisany z pomocą tego samego kodu.
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.
Postanowiłem zrobić coś wyłącznie dla zabawy, jako że potrafimy pisać tym kodem. Mamy więc 100 mikrogramów białego proszku, którego nie pokazuję ochronie na lotniskach. (Śmiech) Zawiera on -- wziąłem ten kod -- składa się on z normalnych liter -- i napisałem swoją wizytówkę na odcinku DNA powiększając go 10 do 22 razy. Więc jeżeli ktoś chce sto milionów kopii mojej wizytówki, mam zapas dla wszystkich na sali, i, w sumie, wszystkich na świecie, oto one. (Śmiech) Jeżeli byłbym naprawdę egotystyczny, umieściłbym ją w wirusie i rozpylił na sali.
(Laughter)
(Śmiech)
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.
Co dalej? Zapis w DNA był interesującym krokiem. I to spowodowało, że komórki -- to wystarczyło im na kolejny miliard lat. Ale potem nastąpił kolejny interesujący krok który wszystko zmienił, kiedy komórki zaczęły się komunikować i wymieniać informację, i powstały społeczności komórek. Nie wiem, czy zdajecie sobie sprawę, ale bakterie również wymieniają DNA. Tak, na przykład, wyewoluowała ich odporność na antybiotyki. Niektóre bakterie nauczyły się unikać penicyliny i zaczęły wymieniać tą wiedzę w formie DNA z innymi bakteriami i tak teraz mamy wiele bakterii odpornych na penicylinę, ponieważ bakterie się komunikują. Ta właśnie komunikacja pozwoliła stworzyć społeczności które, w pewnym sensie, były w tej samej sytuacji; były synergiczne. W ten sposób mogły przeżyć lub zginąć razem, co oznacza, że sukces społeczności powodował, że poszczególne jednostki były częściej powielane i preferowane ewolucyjnie.
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.
Kolejny punkt zwrotny nastąpił kiedy te grupy stały się tak zwarte, że, w zasadzie, zaczęły opisywać budowę całej społeczności razem, na jednym odcinku DNA. Ta następna interesująca część historii życia trwała kolejny miliard lat, i doprowadziła do powstania wielokomórkowych struktur, składających się z różnych typów komórek, pracujących jako jeden organizm. My też jesteśmy taką wielokomórkową społecznością. Mamy wiele komórek które nie żyją już wyłącznie dla siebie. Komórka skóry jest bezużyteczna bez komórki serca, mięśni, mózgu itd. Te społeczności ewoluowały i interesujące zmiany nie następowały już na poziomie komórki, ale całej ich grupy, którą nazywamy organizmem.
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.
Następna zmiana nastąpiła już wewnątrz tych grup. Rozpoczęły one wyodrębniać informację i budować wyspecjalizowane struktury służące wyłącznie przetwarzaniu informacji, czyli struktury neuronowe. Neurony to narzędzie przetwarzania informacji, które zbudowały te społeczności. Pojawiły się specjalistyczne struktury odpowiedzialne za zachowanie, zrozumienie i przyswojenie informacji. To mózgi i systemy nerwowe tych społeczności. Tak zyskały ewolucyjną przewagę, ponieważ na tym etapie, nauka jednostki -- mogła zachodzić w czasie życia organizmu, zamiast w skali zmian ewolucyjnych.
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.
Organizm mógł więc, na przykład, nauczyć się unikać pewnych owoców, ponieważ źle smakowały i ostatnio po tym chorował. Mogło się to zdarzyć w życiu pojedynczego organizmu, podczas gdy bez systemu nerwowego, ta nauka musiała by przebiegać w drodze ewolucji, przez setki tysięcy lat, w formie eliminacji jednostek jedzących ten rodzaj owoców. W ten sposób system nerwowy, fakt wykształcenia tych specjalnych struktur, ogromnie przyspieszył proces ewolucji. Dlatego, że mogła ona teraz zachodzić w obrębie jednostki, przez naukę.
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.
Następnie, poszczególne jednostki znalazły sposób na komunikację między sobą, której najbardziej zaawansowanym przykładem jaki znamy, jest ludzki język. Niesamowity wynalazek, gdy się nad tym zastanowić. Oto mam skąplikowany i poplątany koncept w mojej głowie. Siedząc tu, właściwie pochrząkując, staram się poprzez analogię odtworzyć podobną pogmatwaną ideę w waszych głowach. Rozpoczynając z czymś skomplikowanym, zamieniając to w sekwencję dźwięków, tworzymy coś skomplikowanego w waszych mózgach. Ten proces pozwala nam funkcjonować jako pojedynczy organizm.
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.
Tak więc, właściwie, my, ludzkość, zaczęliśmy tworzyć pojęcia. Przechodzimy przez to samo, przez co przechodziły wielokomórkowce -- tworząc sposoby zapisu, prezentacji i przetwarzania informacji. Na przykład wynalezienie języka, było malutkim krokiem w tym kierunku. Telefonia, komputery, taśma video, CD-Rom itd., są naszymi mechanizmami które powstały w naszych społeczeństwach do obsługi informacji. To wszystko łączy nas w coś znacznie większego i znacznie szybszego oraz zdolnego do ewolucji niż to, czym byliśmy wcześniej. Ewolucja może teraz nastąpić w skali mikrosekund. Pan Ty pokazał wam mały ewolucyjny przykład, kiedy uruchomił małą ewolucję na waszych oczach przy użyciu programu "Convolution".
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.
Ponownie więc przyspieszamy skalę czasu. Pierwsze kroki, o których mówiliśmy, trwały miliardy lat. Następne, jak system nerwowy i mózg, zajęły kilkaset milionów. Kolejne, czyli język itd., już poniżej miliona lat. Ostatni etap, na przykład elektronika, wydaje się potrzebować kilku dekad. Ten samonapędzający się proces, staje się autokatalityczny, jak sądzę jest odpowiednim słowem -- kiedy coś samo przyspiesza własne zmiany. Im więcej się zmienia, tym są one szybsze. I wydaje mi się, że to dokładnie obserwujemy na naszej krzywej - - samonapędzający się proces.
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.
Jako projektant komputerów, mam świadomość, że narzędzia, których używam w swojej pracy, nie mogły by istnieć bez niedawnego postępu w komputerach. To, co teraz projektuję, to obiekty tak skomplikowane, że niemożliwe jest ich zaprojektowanie tradycyjnymi metodami. Nie wiem, co robią poszczególne tranzystory w moich maszynach. Są ich miliardy. Zamiast tego, ja i projektanci w "Thinking Machines" staramy się operować na pewnym poziomie abstrakcji a resztę przekazać maszynie która pozwala nam robić rzeczy inaczej niemożliwe, o wiele szybciej i łatwiej. Czasem nawet robiąc to w sposób, którego sami do końca nie rozumiemy.
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.
Jedną z takich metod, którą ostatnio stosujemy, jest sama ewolucja. Robimy to programując proces ewolucji w skali mikrosekundowej. Na przykład w ekstremalnych przypadkach, możemy ewoluować program, zaczynając od przypadkowego ciągu instrukcji. Mówimy, "Komputerze, wygeneruj proszę sto milionów przypadkowych sekwencji instrukcji. Teraz uruchom je wszystkie, uruchom te wszystkie programy, i wybierz te, których wynik jest najbliższy temu, czego szukam." Innymi słowy, definiuję czego szukam. Powiedzmy, na przykład, że chcę posortować liczby. Znajdź więc programy, które są najbliżej sortowania liczb.
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.
Jest mało prawdopodobne, aby przypadkowa sekwencja instrukcji posortowała liczby, także żadna z nich tego nie zrobi. Ale może jedna z nich, przez przypadek, ustawi dwie liczby w odpowiedniej kolejności. Wtedy mówię, "Komputerze, weź, proszę, 10% sekwencji które wykonały zadanie najlepiej. Zapisz je. Usuń resztę. Teraz rozmnóż te, które sortują najlepiej, przez proces rekombinacji, analogiczny do seksu. Weź dwa programy i stwórz ich potomstwo łącząc ich podprogramy, pozwalając potomstwu dziedziczyć ich cechy. Mam więc nowe pokolenie programów, stworzonych z mieszanek programów które wykonały relatywnie lepszą robotę. Mówię, "Proszę powtórz ten proces." Oceniam je ponownie. Być może wprowadzam mutacje. Następnie próbuję znowu, z kolejną generacją.
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.
Każda z nich zajmuje jedynie kilka milisekund. Mogę więc przeprowadzić odpowiednik milionów lat ewolucji w ciągu kilku minut lub, w skomplikowanych przypadkach, w kilka godzin. Na końcu otrzymuję programy, które są absolutnie perfekcyjne w sortowaniu liczb. Tak naprawdę, są o wiele bardziej wydajne niż programy napisane ręcznie.
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.
Kiedy patrzę na te programy, nie mogę powiedzieć, jak działają. Próbowałem je czytać i mówić ludziom jak działają. To są niejasne, dziwne programy. Ale działają. Wiem, jestem pewien, że wykonują swoją funkcję bo pochodzą z rodu setek tysięcy programów, które ją wykonywały. Od tego zależało ich życie.
(Laughter)
(Śmiech)
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?"
Leciałem kiedyś 747 z Marvinem Minskym on wyciąga ulotkę i mówi, "Zobacz. Tu jest napisane, że 'Ten samolot ma setki tysięcy malutkich części pracujących razem aby twój lot był bezpieczny.' Czy nie czujesz się pewniej?"
(Laughter)
(Śmiech)
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.
Wiemy, że inżynieria nie działa zbyt dobrze, kiedy staje się skomplikowana. Zaczynamy więc polegać na komputerowych procesach odmiennych od inżynierii, które pozwalają nam produkować rzeczy o wiele bardziej skomplikowane niż inżynieria. A jednocześnie, nie do końca rozumiemy ich możliwości. W pewnym sensie, wyprzedza nas to. Używamy tych programów do produkcji szybszych komputerów aby jeszcze przyspieszyć cały proces. Samonapędzający się proces, przebiegający coraz szybciej i dlatego coraz bardziej niejasny. Ponieważ wszystkie te technologie napędzają się same. Startujemy.
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.
I to, czym jesteśmy, moment w którym jesteśmy, jest analogiczny do momentu, kiedy jednokomórkowce łączyły się w organizmy wielokomórkowe. Jesteśmy jak ameby, które nie mogą do końca ogarnąć tego, co tworzą. Znajdujemy się w punkcie zwrotnym. Myślę jednak, że po nas przyjdzie jeszcze coś innego. Jest zarozumiałym myślenie że jesteśmy ostatecznym produktem ewolucji. Uważam, że my wszyscy bierzemy udział w tworzeniu następnej rzeczy, czymkolwiek jest. Zbliża się lunch, więc myślę, że tutaj skończę, zanim zostanę "odrzucony".
(Applause)
(Oklaski)