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.
Я всегда стараюсь объяснить людям, насколько удивительны новые технологии, которые появляются или появятся в будущем, и так как я нахожусь здесь в кругу друзей, я хочу рассказать, что я действительно думаю, и оглянуться в прошлое, чтобы понять эти потрясающие скачки в развитии технологий, которые происходят так быстро, что мы едва поспеваем за ними.
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.
Я хочу начать с демонстрации скучного слайда о технологиях. Не могли бы вы поставить слайд. Это случайно выбранный слайд из моих файлов. Я хочу обратить ваше внимание не на детали слайда, а скорее на его общую форму. На слайде представлен анализ сравнения мощности микропроцессора RISC с мощностью локальной сети. Интересная деталь на этом графике это то, что он выглядит, как и многие другие, описывающие технологии, это прямая линия на полулогарифмической кривой. Другими словами, с каждым делением производительность увеличивается. Новинкой является то, что мы описываем развитие технологии полулогарифмической кривой. Происходит что-то очень странное. Об этом я и хочу поговорить.
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.
Не могли бы вы посветить здесь, не могли бы вы поднять луч света выше, я собираюсь воспользоваться этим листком бумаги. Почему мы изображаем развитие технологий с помощью полулогарифмической кривой? Отвечаю, если я нарисую нормальную кривую, на которой это, предположим года, это время, а здесь единицы, в которых мы измеряем развитие технологий, которое я пытаюсь изобразить, то график будет выглядеть довольно нелепо. Он будет выглядеть примерно так. И он толком ничего не объясняет. Но если бы я попытался изобразить какие-нибудь другие технологии, например, транспортные, на полулогарифмической кривой, то график был бы ещё хуже, он бы выглядел как прямая. Но когда происходит такое, возникают качественные перемены. Если бы транспортные технологии развивались так же быстро, как и микропроцессорные, то послезавтра я бы смог поймать такси и добраться до Токио за 30 секунд. Но этого не происходит. В истории нет примеров подобного самоускоряющегося развития технологий, когда скорость процесса с годами становится всё быстрее.
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.
Обратимся к вопросу, который я хочу задать. Экспоненциальные кривые не длятся до бесконечности. Перемены не могут продолжать происходить так же быстро. Должно произойти одно из двух. Или кривая перейдёт в такую S-образную, пока не произойдёт что-то совершенно новое или она изменится таким образом. Это все, что может произойти. Я оптимист и считаю, что произойдёт это. Тогда это означает, что мы находимся в переходном периоде. Мы на этой линии в переходе от того, каким мир был раньше, к тому, каким мир является сейчас. Вопрос, который я хочу задать и то, о чем я спрашивал себя, каким мир является сейчас? В какую сторону он меняется? Потому что переходный период сбивает с толку, когда ты находишься в самом его центре.
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.
Когда я был ребёнком, для меня будущее было 2000-м годом и люди говорили о том, что произойдёт в 2000-м году. Теперь мы на конференции, на которой люди говорят о будущем, и, заметьте, будущее это всё ещё 2000 год. Это самое отдалённое время, которое только бывает. Другими словами, на протяжении всей моей жизни будущее сокращается из года в год. Я считаю, что причина в том, что мы осознаем, что что-то происходит. Происходит переходный момент. Мы всё это замечаем. Мы знаем, что не имеет смысла заглядывать в будущее на 30, 50 лет вперёд, потому что все будет настолько другим, что простая экстраполяция того, что происходит сейчас, просто не сработает.
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.
Я хочу поговорить о том, что происходит, чем является этот переходный момент. Для этого мне нужно будет рассказать о многих вещах, не имеющих отношения к технологиям и компьютерам. На мой взгляд, единственный способ понять происходящее, это вернуться назад во времени и взглянуть на ситуацию оттуда. Я хочу вернуться назад во времени к моменту появления жизни на Земле. Мне кажется, что картина приобретёт смысл, если взглянуть на неё в масштабе миллиардов лет.
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.
2,5 миллиарда лет назад Земля была вот такой величины, стерильный булыжник с большим количеством химических элементов вокруг него. И если мы взглянем на то, как соединялись химические элементы, мы сможем понять, как им это удалось. Существуют теории, которые объясняют, как все образовалось, начиная с РНК, но я расскажу вам упрощённую версию. Существовали маленькие масляные капельки с разнообразными наборами химических элементов. Состав некоторых из них позволял им присоединиться к элементам извне, образовывая капельку большего размера. Подобные масляные капельки росли и делились. Это были самые простейшие виды клеток в виде масляных клеток.
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.
Но эти капельки не были живыми, как нам представляется это сейчас, потому что каждая из них являлась случайным набором химических элементов. И каждый раз, когда они делились, элементы распределялись не равномерно. Таким образом, капли отличались друг от друга. Эти отличия позволили им присоединиться к элементам извне, и капельки росли, присоединяли большее количество элементов и снова делились. Те клетки, которые жили дольше, больше размножались.
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.
Эта форма жизни была простой с точки зрения химии, потом наступил момент гораздо интереснее, когда капельки научились приёму извлечения информации. Каким-то образом, мы точно не знаем как, эти капельки научились записывать информацию. Они научились записывать состав клетки на химическом соединении ДНК. Другими словами, случайным способом эволюции они постигли запись, которая позволила им зафиксировать, кем они были, и эта форма записи могла быть впоследствии скопирована. Удивительным фактом является то, что данный способ записи остался неизменным с тех пор как был создан 2,5 миллиарда лет назад. И состав наших собственных генов описан точно таким же способом и кодом. Все живые организмы записаны тем же набором букв и с использованием этого же кода.
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.
Шутки ради я сделал кое-что. Мы можем делать записи с помощью этого кода. И вот здесь у меня сто микрограмм белого порошка, который, я надеюсь, не найдут охранники в аэропорту. (Смех) Это порошок, который я создал, используя код. Этот код состоит из определённых букв, которые являются символами. Я записал мою визитку на кусочек ДНК и размножил её от 10 до 22 раз. Если кому-то нужно примерно 100 миллионов копий моей визитки, у меня есть достаточно для всех в зале, и даже для всех в мире, и всё это находится здесь. (Смех) Если бы я был эгоцентристом, я бы сделал запись на вирусе и распространил бы его в зале.
(Laughter)
(Смех)
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.
Какой же следующий шаг? Запись на ДНК была интересным шагом. И клеточки были довольны и счастливы ещё миллиард лет. Но потом был другой интересный момент, когда всё стало совсем другим, это произошло, когда клетки начали обмен информацией. Они образовали сообщества клеток. Я не знаю, в курсе ли вы, что бактерии могут обмениваться ДНК. Именно поэтому возникла сопротивляемость антибиотикам. Некоторые бактерии научились держаться подальше от пенициллина и распространили ДНК с этой информацией между другими бактериями. Сейчас существуют бактерии, устойчивые к пенициллину, потому что бактерии общаются между собой. Такое общение способствовало созданию однородных сообществ, они взаимодействовали между собой. Они либо выживали, либо погибали все вместе. Это означает, что если сообщество процветало, его участники воспроизводились и эволюционировали.
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.
Переходный момент настал, когда эти сообщества приблизились друг к другу, они объединились и решили записать состав сообщества на одной цепочке ДНК. Следующее интересное событие произошло ещё через миллиард лет. На этой стадии появились многоклеточные сообщества, состоящие из большого количества клеток разного типа, работающих как единый организм. Мы являемся таким многоклеточным сообществом, мы содержим множество клеток, которые не живут просто сами по себе. Клетки кожи совершенно беспомощны без клеток мозга, сердечных, мышечных клеток и так далее. Эти сообщества начали развиваться, и следующим уровнем, на котором стала происходить эволюция, были эти сообщества, мы называем их организмы, а не просто клетки.
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.
Следующий шаг произошёл внутри этих сообществ. Эти сообщества клеток начали извлекать информацию. Они начали создавать структуры, единственной целью которых была обработка информации внутри сообщества. Это нейронные структуры. Нейроны — это инструменты для обработки информации, созданные сообществом клеток. Они начали создавать структуры, специализирующиеся на записи, обработке, изучении информации. Этой структурой являлись мозг и нервная система сообщества. Это дало им эволюционное преимущество, потому что к тому моменту обучение могло происходить в течение жизни индивидуального организма, а не в ходе эволюции.
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.
Например, организм мог научиться не есть определённый сорт фруктов, потому что они не вкусные и в прошлый раз после них организм болел. Навыки приобретали в течение жизни одного организма, а раньше это происходило в ходе эволюции в течение сотен тысяч лет, когда индивидуумы умирали после этого сорта фруктов. Организация нервной системы — специальной информационной структуры позволило значительно ускорить процесс эволюции. Сейчас эволюция может происходить в рамках одного организма, это может происходить в масштабах времени обучения.
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.
Следующим шагом стало то, что организмы научились общаться между собой. И самая замысловатая версия, о которой мы знаем, это человеческий язык. Это потрясающее изобретение, только представьте: в моей голове есть сложная запутанная идея. Я издаю странные звуки и надеюсь, создаю такие же сложные и запутанные подобно моим идеи в вашей голове. Мы берём что-то очень сложное, превращаем это в ряд звуков и что-то сложное возникает в вашем мозгу. Это позволяет нам функционировать как самостоятельный организм.
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.
Мы как человечество начали извлекать информацию. Мы проходим через те же ступени, через которые прошли многоклеточные организмы — усовершенствование методов записи, передачи, обработки информации. Например, изобретение языка было маленьким шажочком в этом направлении. Телефоны, компьютеры, видеокассеты, компакт-диски и прочие механизмы, которые мы создаём для сохранения информации. И это объединяет нас в нечто гораздо большее и более быстрое, в нечто, что в отличие от того, чем мы были раньше, может эволюционировать. Теперь процесс эволюции может протекать за доли секунды. Вы видели пример моментальной эволюции Ти, когда он воспроизвёл фрагмент эволюции в программе свёртки прямо на ваших глазах.
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.
Мы снова ускорили ход времени. Первые несколько шагов, о которых я вам рассказал, произошли миллиарды лет назад. Последующие этапы, такие как появление нервной системы и мозга произошли в течение сотен миллионов лет. Следующие этапы, такие как появления речи, произошли в период времени меньше миллиона лет. Следующие шаги, такие как появление электронного оборудования, происходят в течение десятков лет. Этот процесс самоподпитывающийся и становится автокаталитическим, что означает, что он ускоряет свой темп развития. Чем больше перемен, тем быстрее это происходит. Я считаю, что именно это мы видим на этом росте кривой. Процесс ускоряет сам себя.
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.
На работе я проектирую компьютеры, и знаю, что механизмы, которые я использую, были бы невозможными без недавних открытий в этой области. Сейчас я программирую на таком сложном уровне, что невозможно было бы сделать это традиционными способами. Я не знаю, что именно делает каждый транзистор, их миллиарды. Вместо этого, я и другие разработчики в Thinking Machines, создаём определённую идею и передаём её компьютерам, после этого компьютеры обрабатывают её на таком уровне и с такой скоростью, которая нам бы была не по силам. И это делается способом, который мы не всегда до конца понимаем.
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.
Один из этих способов особенно интересен и я его очень часто использую, это процесс эволюции. Мы закладываем процесс эволюции в машину, и он происходит в доли секунд. Например, в самых экстремальных случаях мы можем «эволюционировать» программу, начав со случайного набора строк. И попросим: «Теперь, пожалуйста, компьютер создай сто миллионов строк кода прогони эти строки, прогони все программы, все и выбери те, которые наиболее похоже на то, что я хотел сделать». Другими словами, я определяю, что хочу. Например, скажем, что нужно просто отсортировать числа. Найдём программу, которая будет делать это лучшим образом.
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.
Конечно же, маловероятно, что случайный набор команд будет сортировать числа, так что ни одна программа не подойдёт. Но одна из них, по счастливой случайности сможет поставить два числа в правильном порядке. И тогда я скажу: «Компьютер, возьми, пожалуйста, 10% от этих случайных строк, которые отсортировали цифры лучшим образом. Сохранив их, уничтожь все остальные. И теперь воспроизведи те, которые сортировали цифры самым лучшим образом. И воспроизведи их с помощью процесса аналогичного сексу». Возьми 2 программы и сделай детей с помощью обмена подпрограммами. Их дети унаследуют черты подпрограмм обоих. Теперь у меня есть новое поколение программ, которые были получены объединением программ, которую делают свою работу чуточку лучше. Затем я прошу повторить. Отсортируй их снова, добавь мутацию и проделай это вновь с новым поколением.
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.
Каждое поколение появляется в доли секунд. Я могу проделать работу, равную миллионам лет эволюции в рамках своего компьютера в несколько минут, или в особо сложных случаях, за несколько часов. И, в конце концов, у меня появляется программа, которая максимально подходит для сортировки чисел. Эти программы гораздо эффективнее тех, что могу написать я.
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.
Если взглянуть на них, я не смогу объяснить, как они работают. Я пытался разобраться в них, чтобы рассказать вам, но они непонятные, очень запутанные. Но они делают всю работу, и я знаю, я уверен, что они работают, потому что они появились из строк сотен тысяч программ, которые работали. От того, как они работают, зависит их жизнь.
(Laughter)
(Смех)
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?"
Однажды я летел на борту 747 с Марвином Мински. И он достал одну из брошюр и сказал: «Взгляни-ка на это, здесь написано, что это самолёт состоит из сотен тысяч маленьких деталей, которые работают вместе для обеспечения безопасности вашего перелёта. Ну, как, ты чувствуешь себя безопаснее?»
(Laughter)
(Смех)
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.
Мы знаем, что при усложнении инженерный процесс не всегда работает очень хорошо. Поэтому мы начинаем полагаться на компьютеры, выполнять задачи за рамками инженерии. И это позволяет нам сделать производить вещи гораздо более сложные, чем то, что мы смогли бы сделать с помощью обычной инженерии. И в то же время мы не совсем понимаем всех возможностей, в каком-то смысле технологии обгоняют нас. Мы используем эти программы, для создания более быстрых компьютеров, чтобы мы смогли прогонять эти процессы ещё быстрее. Этот процесс самоускоряется. Всё ускоряется и это сбивает с толку. Технологии развиваются всё быстрее и мы взлетаем.
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.
Мы находимся на стадии, аналогичной той, когда одноклеточные организмы превращались в многоклеточные. Мы амёбы и не можем понять, в какой же организм мы объединяемся. Мы находимся в переходном моменте. Я думаю, что что-то грядёт нам на смену, и было бы очень самонадеянно считать, что мы венец эволюции. Мы все являемся частью создания чего-то нового. Но вот подходит время обеда и я, пожалуй, тут остановлюсь, пока я не выпал из этого процесса.
(Applause)
(Аплодисменты)