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.
Porque geralmente tomo o papel de tentar explicar às pessoas quão maravilhosas as novas tecnologias que estão surgindo vão ser, e pensei isso, já que estava entre amigos aqui, vou contar a vocês o que realmente penso e tentar olhar para trás e entender o que realmente acontece aqui com esses espantosos saltos em tecnologia que parecem tão rápidos que mal podemos nos manter informados.
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.
Assim, vou começar mostrando apenas um slide de tecnologia muito enfadonho. Então, se puderem ligar o slide. Este é só um slide ao acaso que retirei de meu arquivo. O que quero lhes mostrar não são os detalhes do slide, mas o formato geral dele. Este é um slide de alguma análise que estávamos fazendo sobre o poder dos microprocessadores RISC versus o poder de redes locais. E a coisa interessante sobre isso é que esse slide, como muitos slides de tecnologia a que estávamos acostumados, é um tipo de linha reta numa curva de dados exponenciais. Em outras palavras, cada passo aqui representa uma ordem de magnitude numa escala de desempenho. E esta é uma coisa nova que falamos sobre tecnologia em curvas de dados exponenciais. Algo realmente estranho está acontecendo aqui. E isso é basicamente sobre o que vou falar.
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.
Assim, se puderem acender as luzes. Se puderem tornar as luzes mais fortes, porque vou usar um pedaço de papel aqui. Agora, por que desenhamos curvas de tecnologia em curvas de dados exponenciais? Bem, a resposta é, se as desenhássemos numa curva normal, na qual, digamos, isto são anos, isto é tempo de algum tipo, e isto é qualquer medida da tecnologia que estou tentando diagramar, os gráficos parecem meio tolos. Eles ficam mais ou menos assim. E não nos dizem muito. Agora, se faço a diagramação, por exemplo, de outra tecnologia, digamos tecnologia de tranporte, numa curva de dados exponenciais, ela pareceria muito idiota, pareceria uma linha horizontal. Mas quando algo como isto acontece, as coisas estão mudando qualitativamente. Assim, se a tecnologia de transporte estivesse se movendo tão rápido quanto a tecnologia do microprocessador, então depois de amanhã, eu seria capaz de entrar em um táxi e estar em Tóquio em 30 segundos. Ela não está se movendo assim. E não há nenhum precedente na história do desenvolvimento da tecnologia desse tipo de crescimento auto-alimentado no qual você avança por ordens de magnitude em poucos anos.
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.
Agora, a pergunta que gostaria de fazer é, se você olha para essas curvas exponenciais, elas não continuam para sempre. Possivelmente, as coisas não podem continuar mudando tão rápido quanto estão. Uma de duas coisas vai acontecer. Ou ela vai se tornar um tipo clássico de curva em S como esta, até que algo totalmente diferente surja, ou, talvez, vá fazer isto. Isso é tudo que ela pode fazer. Bem, sou um otimista, portanto, penso que provavelmente ela vai fazer algo assim, Se sim, isso significa que agora estamos no meio de uma transição. Estamos mais ou menos nesta linha em uma transição da forma como o mundo costumava ser para uma nova forma em que o mundo estará. Então, o que estou tentando perguntar, o que tenho perguntado a mim mesmo, é: qual é essa nova forma em que o mundo estará? Qual é esse novo estado para o qual se encaminha o mundo? Porque a transição parece muito, muito confusa quando você está bem no meio dela.
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.
Quando eu era uma criança e estava crescendo, o futuro era o ano 2000, e as pessoas costumavam falar sobre o que aconteceria no ano 2000. Agora, eis aqui uma conferência na qual as pessoas falam sobre o futuro, e você percebe que o futuro ainda é por volta do ano 2000. É tão longe quanto conseguimos ir. Assim, em outras palavras, o futuro como que estava encolhendo um ano por ano minha vida inteira. Penso que o motivo é porque todos sentimos que algo está acontecendo ali. Essa transição está acontecendo. Todos nós podemos senti-la. E sabemos que não faz muito sentido pensar 30, 50 anos adiante porque tudo vai ser tão diferente que uma simples extrapolação do que estamos fazendo não faz nenhum sentido.
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.
Então, o que eu gostaria de falar é o que isso poderia ser, o que essa transição pela qual estamos passando poderia ser. Agora, para fazer isso vou ter que falar sobre um punhado de coisas que realmente não têm nada a ver com tecnologia e computadores. Porque penso que a única forma de entender isto é realmente retroceder e olhar as coisas numa escala longa de tempo. A escala de tempo com a qual eu gostaria de olhar isto é a escala de tempo da vida na Terra. Assim, penso que esse quadro faz sentido se você olha alguns bilhões de anos de cada vez.
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.
Então, se você retrocede aproximadamente dois e meio bilhões de anos, a Terra era esse enorme pedaço de rocha árida com muitos elementos químicos flutuando ao seu redor. E se você olha para a forma como os químicos se organizaram, começamos a ter uma ideia muito boa de como eles fazem isso. E acho que há teorias que estão começando a entender como isso começou com RNA, mas vou contar um tipo de história simples dela, que é a de que, naquela época, havia pequenas gotas de óleo flutuando com todos os tipos de receitas diferentes de químicos nelas. E algumas dessas gotas de óleo tinham uma combinação específica de químicos que fez com que elas incorporassem químicos de fora delas e assim aumentassem. E aquelas que eram assim começaram a separar-se e dividir-se. E aquelas foram as mais primitivas formas de células num certo sentido, aquelas pequenas gotas de óleo.
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.
Mas aquelas gotas de óleo não estavam realmente vivas, como descrevemos vida agora, porque cada uma delas era uma pequena receita errática de químicos. E toda vez que se dividiam, tinham um tipo desigual de divisão dos químicos dentro delas. E dessa forma cada gota era um pouquinho diferente. De fato, as gotas que eram diferentes de uma forma que se tornavam melhores na incorporação de químicos ao redor delas, aumentavam mais, incorporavam mais químicos e se dividiam mais. Assim, essas tendiam a viver mais tempo, manifestar-se mais.
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.
Isso é um tipo de forma de vida química muito simples, mas as coisas ficaram interessantes quando essas gotas aprenderam um truque sobre separação. De alguma maneira, por meios que não entendemos completamente, essas pequenas gotas aprenderam a escrever informação. Elas aprenderam a registrar a informação que era a receita da célula num tipo específico de químico chamado DNA. Em outras palavras, elas desenvolveram, nesse negligente tipo de rota evolucionária, uma forma de registrar que lhes permitia escrever o que elas eram, de modo que essa forma de escrever pudesse ser copiada. A coisa surpreendente é que essa forma de escrever parece ter permanecido estável desde que evoluiu dois e meio bilhões de anos atrás. De fato, a receita para nós, nossos genes, é exatamente esse mesmo código e essa mesma forma de escrever. De fato, cada ser vivo está escrito exatamente no mesmo conjunto de letras e no mesmo código.
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.
De fato, uma das coisas que fiz apenas por diversão é que podemos agora escrever coisas nesse código. E tenho aqui 100 microgramas de polvilho branco, que eu tento não deixar que os seguranças vejam em aeroportos. (Risadas) Mas isso tem nele -- o que fiz foi pegar esse código -- o código tem letras padrão que usamos para simbolizá-lo -- e escrevi meu cartão de visitas em um pedaço de DNA e o amplifiquei por 10 elevado a 22. Assim, se alguém quiser cem milhões de cópias de meu cartão de visitas, tenho bastantes para todos na sala, e, na verdade, todos no mundo, e estão bem aqui. (Risadas) Se eu fosse realmente um egoísta, teria colocado um vírus e liberado na sala.
(Laughter)
(Risadas)
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.
Qual foi o próximo passo? Escrever o DNA foi um passo interessante. E isso fez com que as células -- se mantivessem felizes por outro bilhão de anos. Mas, então, houve um outro passo realmente interessante no qual as coisas se tornaram completamente diferentes, que foi quando essas células começaram a comunicar-se e trocar informação, e assim começaram a formar comunidades de células. Não sei se sabem disso, mas as bactérias podem realmente trocar DNA. E é por causa disso, por exemplo, que a resistência a antibióticos evoluiu. Algumas bactérias descobriram como ficar longe da penicilina, e acabaram como que criando essa pequena informação no DNA com outra bactéria, e agora temos muitas bactérias que são resistentes à penicilina, porque as bactérias se comunicam. O que essa comunicação permitiu foi as comunidades formarem-se pois, num certo sentido, estavam juntas num mesmo barco; elas eram sinérgicas. Assim, elas sobreviveram ou pereceram juntas, o que significa que se a comunidade fosse bem sucedida, todos os indivíduos nessa comunidade seriam mais repetidos e favorecidos pela evolução.
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.
Agora, o ponto de transição ocorreu quando essas comunidades ficaram tão próximas que, de fato, se juntaram e decidiram escrever a receita completa para a comunidade em um filamento do DNA. E assim a próxima etapa que é interessante na vida levou aproximadamente outro bilhão de anos. E nessa etapa, temos comunidades pluricelulares, comunidade de muitos tipos diferentes de células, trabalhando juntas como um único organismo. E, na verdade, nós somos essas comunidades pluricelulares. Temos muitas células que não atuam mais por si mesmas. Uma célula de pele é realmente sem valor sem uma célula de coração, célula de músculo, célula de cérebro e assim por diante. Assim, essas comunidades começaram a evoluir de modo que o nível interessante no qual a evolução estava ocorrendo não era mais a célula, mas a comunidade que chamamos de organismo.
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.
Daí o próximo passo que acontece é dentro dessas comunidades. Essas comunidades de células, novamente, começaram a abstrair informação. E começaram a construir estruturas muito especiais que não faziam outra coisa senão processar informação dentro da comunidade. E essas são as estruturas neurais. Portanto, os neurônios são o aparato para processar informação que essas comunidades de células construíram. E, na verdade, elas começaram a ter especialistas na comunidade e estruturas especiais que eram responsáveis por registrar, entender, conhecer informação. E isso eram o cérebro e o sistema nervoso dessas comunidades. E isso deu a elas uma vantagem evolucionária. Porque nesse ponto, um indivíduo -- o aprendizado podia ocorrer dentro do tempo de vida de um único organismo, em vez de no tempo necessário à evolução.
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.
Dessa forma, um organismo podia, por exemplo, aprender a não comer um certo tipo de fruta porque tinha gosto ruim e ele ficou doente quando a comeu. Isso podia acontecer dentro do tempo de vida de um único organismo, enquanto que antes elas construíam essas informações especiais processando estruturas, que teriam que ser aprendidas evolucionariamente por centenas de milhares de anos com indivíduos que morreram porque comeram esse tipo de fruto. Deste modo, esse sistema nervoso, o fato de que elas construíram essas estruturas especiais de informação, aceleraram tremendamente todo o processo de evolução. Porque a evolução podia agora acontecer dentro de um indivíduo. Podia acontecer em escalas de tempo da aprendizagem.
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.
A seguir o que aconteceu foi que os indivíduos desenvolveram, é claro, truques para comunicar-se. E, por exemplo, a versão mais sofisticada de que temos conhecimento é a linguagem humana. É realmente uma invenção muito surpreendente se você pensa sobre ela. Aqui eu tenho uma ideia muito complicada, desordenada e confusa em minha mente. Estou sentado aqui fazendo sons e grunhidos basicamente, e, esperançosamente, construindo uma similar ideia desordenada e confusa em sua mente que apresenta alguma analogia com ela. Estamos pegando algo muito complicado, transformando-o em som, sequências de sons, e produzindo algo muito complicado em seu cérebro. Isso nos permite, agora, começar a funcionar como um único organismo.
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.
E assim, na verdade, o que fizemos é que nós, humanidade, começamos a abstrair. Estamos indo pelos mesmos níveis que organismos pluricelulares foram -- abstraindo de nossos métodos de registrar, apresentar, processar informação. Dessa maneira, por exemplo, a invenção da linguagem foi um pequenino passo nessa direção. Telefonia, computadores, fitas de vídeo, CD-ROMs e outros são todos nossos mecanismos especializados que construímos dentro de nossa sociedade para lidar com essa informação. E isso tudo nos conecta em algo que é muito maior e muito mais rápido e capaz de evoluir do que o que éramos antes. Agora, a evolução pode acontecer numa escala de microssegundos. E vocês viram o pequeno exemplo evolucionário de Ty no qual ele como que colocou um pouquinho de evolução no programa Convolution (Convolução) bem diante de vocês.
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.
Agora nós aceleramos as escalas de tempo mais uma vez. Assim, os primeiros passos da história que lhes contei levaram um bilhão de anos em cada fase. E os passos seguintes, como sistema nervoso e cérebros, levaram algumas centenas de milhões de anos. Os passos seguintes, como linguagem e assim por diante, levaram menos que um milhão de anos. E estes próximos passos, como a eletrônica, parecem levar apenas umas poucas décadas. O processo está se alimentando em si mesmo e transformando-se, eu acho, autocatálise é a palavra para isso -- quando algo aumenta sua taxa de alteração. Quanto mais ele muda, mais rápido ele muda. E penso que isso é o que estamos vendo aqui nesta explosão de curva. Estamos vendo esse processo se realimentando em si mesmo.
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.
Projeto computadores como profissão, e sei que os mecanismos que uso para projetar computadores seriam impossíveis sem os avanços recentes em computadores. O que faço agora é projetar objetos de tal complexidade que é realmente impossível para mim projetá-los no sentido tradicional. Não sei o que cada transístor faz na conexão da máquina. Existem bilhões deles. Em vez disso, o que faço e o que os projetistas na Thinking Machines fazem é pensar em um nível de abstração e então repassar isso para a máquina e a máquina leva isso além do que poderíamos fazer, muito mais distante e mais rápido do que poderíamos fazer. E, na verdade, algumas vezes ela leva com métodos que nem mesmo entendemos.
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.
Um método que é particularmente interessante, que tenho usado muito ultimamente, é a própria evolução. O que fazemos é colocar dentro da máquina um processo de evolução que ocorre na escala de tempo dos microssegundos. Por exemplo, nos casos mais extremos, podemos realmente evoluir um programa começando com uma sequência aleatória de instruções. Digamos: "Computador, por favor, você poderia fazer cem milhões de sequências aleatórias de instruções. Agora, por favor, você roda todas essas sequências aleatórias de instruções, roda todos esses programas, e escolhe aquelas que mais se aproximam de fazer o que quero." Em outras palavras, eu defini o que eu queria. Digamos que eu queira pôr em ordem números, como um simples exemplo do que se pode fazer. Encontro programas que mais se aproximam de sequenciar números.
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.
Obviamente, sequências aleatórias de instruções não põem ordem em números, portanto, nenhuma delas vai realmente fazer isso. Mas uma delas, por sorte, pode colocar dois números na ordem correta. E digo: "Computador, você poderia, por favor, pegar os 10 por cento dessas sequências aleatórias que tiveram o melhor desempenho. Salve essas. Descarte as restantes. E agora vamos reproduzir aquelas que melhor sequenciaram os números. E vamos reproduzi-las por um processo de recombinação análogo ao sexo." Pegue dois programas e eles produzem filhos trocando suas sub-rotinas, e as crianças herdam os traços das sub-rotinas dos dois programas. Obtive uma nova geração de programas que são produzidos pelas combinações de programas que fizeram um trabalho um pouquinho melhor. Diga: "Por favor, repita esse processo." Classifique-as novamente. Introduza algumas mutações, talvez. Tente novamente e faça isso para uma outra geração.
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.
Bem, cada uma dessas gerações leva apenas poucos milissegundos. Dessa maneira, posso fazer o equivalente a milhões de anos de evolução nisso dentro do computador em poucos minutos, ou, nos casos complicados, em poucas horas. No fim disso, acabo com programas que são absolutamente perfeitos para sequenciar números. De fato, eles são programas que são muito mais eficientes que programas que eu poderia escrever a mão.
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.
Agora, se olho para esses programas, não consigo dizer como eles funcionam. Tentei olhar para eles e dizer como funcionam. Eles são programas estranhos, obscuros. Mas eles executam a tarefa. De fato, eu sei, estou muito confiante de que eles executam a tarefa porque eles vêm de uma linha de centenas de milhares de programas que executaram a tarefa. Na verdade, a vida deles dependia do executar a tarefa.
(Laughter)
(Risadas)
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?"
Estava voando num 747 com Marvin Minsky, certa vez, e ele puxa um cartão e diz: "Oh, veja. Olhe para isto. Diz: 'Este avião tem centenas de milhares de minúsculas peças trabalhando juntas para dar a você um voo seguro.' Isso não o deixa confiante?"
(Laughter)
(Risadas)
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.
Na verdade, sabemos que o processo de engenharia não funciona muito bem quando se torna complicado. Portanto, estamos começando a depender de computadores para fazer um processo que é muito diferente daquele da engenharia. E ele nos permite produzir coisas de muito maior complexidade do que a engenharia normal nos permite produzir. E ainda assim, não entendemos muito bem as opções disto. Em um certo sentido, está ficando à nossa frente. Agora estamos usando esses programas para fazer computadores muito mais rápidos para que sejamos capazes de rodar esse processo mais rápido. Assim, está se realimentando em si mesmo. A coisa está ficando mais rápida e é por isso que acho que parece tão confusa. Porque todas essas tecnologias estão se realimentando em si mesmas. Estamos decolando.
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.
E o que somos é que estamos em um ponto no tempo que é análogo a quando organismos unicelulares estavam se tornando organismos pluricelulares. Portanto, somos as amebas e não conseguimos imaginar o que diabos é essa coisa que estamos criando. Estamos exatamente nesse ponto de transição. Mas penso que realmente há algo vindo acelerado depois de nós. Penso que é muita arrogância de nossa parte achar que somos o produto final da evolução. E penso que todos nós aqui somos uma peça produzindo o que quer que seja essa próxima coisa. Então, o almoço está chegando, e acho que vou parar nesse ponto, antes que eu seja descartado.
(Applause)
(Aplausos)