Днес искам да говоря за една идея. Това е една голяма идея. Всъщност, мисля, че това евентуално може да се разглежда като вероятно най-великата идея, която се е появила през миналото хилядолетие. Това е идеята за изчисленията. Сега, разбира се, тази идея ни е донесла цялата компютърна технология, с която разполагаме днес. Но изчисленията са много повече от това. Това е наистина много дълбока, много силна и фундаментална идея. Едва сега започваме да виждаме резултатите от нея.
So I want to talk today about an idea. It's a big idea. Actually, I think it'll eventually be seen as probably the single biggest idea that's emerged in the past century. It's the idea of computation. Now, of course, that idea has brought us all of the computer technology we have today and so on. But there's actually a lot more to computation than that. It's really a very deep, very powerful, very fundamental idea, whose effects we've only just begun to see.
Да, аз самият прекарах последните 30 години от живота си, работейки над три огромни проекта, които се опитват да възприемат идеята за изчислението много сериозно. Така, от съвсем млад започнах като физик, изпозвайки компютрите като инструменти. След това започнах нещо като сондиране, мислейки за изчисления, които бих искал да направя, опитвайки се да разбера от какви прости части са изградени и как те могат да бъдат автоматизирани доколкото е възможно. В крайна сметка, създадох цялата структура базирана на символично програмиране и т.н., която ми позволи да изградя Математика. И през последните 23 години, с нарастващо темпо ние бълвахме още, и още идеи, и способности, и т.н. в Математика, и съм щастлив да кажа, че това доведе до много добри резултати в проучване и разработка, и образованието, и в много други области. Трябва да призная всъщност, че имах доста егоистична причина, за да изградя Математика. Исках да я използвам аз самият, малко както Галилей изпозвал своя телескоп преди 400 години. Но аз не искам да гледам в астрономичната вселена, а в компютърната вселена.
Well, I myself have spent the past 30 years of my life working on three large projects that really try to take the idea of computation seriously. So I started off at a young age as a physicist using computers as tools. Then, I started drilling down, thinking about the computations I might want to do, trying to figure out what primitives they could be built up from and how they could be automated as much as possible. Eventually, I created a whole structure based on symbolic programming and so on that let me build Mathematica. And for the past 23 years, at an increasing rate, we've been pouring more and more ideas and capabilities and so on into Mathematica, and I'm happy to say that that's led to many good things in R & D and education, lots of other areas. Well, I have to admit, actually, that I also had a very selfish reason for building Mathematica: I wanted to use it myself, a bit like Galileo got to use his telescope 400 years ago. But I wanted to look not at the astronomical universe, but at the computational universe.
Ние обикновено мислим за програмите като сложни неща, които изграждаме за точно определена цел. Но какво да кажем за пространството на всички възможни програми? Тук виждаме една презентация на една наистина проста програма. Така че, ако стартираме тази програма, ето какво ще получим. Много просто. Сега, нека се опитаме малко да променим правилото за тази програма. Сега получаваме друг резултат все още твърде прост. Да се опитаме да ги променим отново. Получаваме нещо малко по-сложно, но ако продължим по същия начин още малко, откриваме, че въпреки много сложната схема, има много правилна структура. Въпросът е: Може ли нещо друго да се случи? Добре, можем да направим малък експеримент. Нека да направим един малък математически експеримент, да пробваме и ще видим какво ще се получи.
So we normally think of programs as being complicated things that we build for very specific purposes. But what about the space of all possible programs? Here's a representation of a really simple program. So, if we run this program, this is what we get. Very simple. So let's try changing the rule for this program a little bit. Now we get another result, still very simple. Try changing it again. You get something a little bit more complicated. But if we keep running this for a while, we find out that although the pattern we get is very intricate, it has a very regular structure. So the question is: Can anything else happen? Well, we can do a little experiment. Let's just do a little mathematical experiment, try and find out.
Нека да стартираме всички възможни програми по същия начин както го видяхме. Те се наричат клетъчни автомати. Тук може да се наблюдават различни видове поведение. Повечето от тях правят много прости неща. Но, ако продължим да наблюдаваме всички тези рисунки, при правило номер 30, ще започнете да наблюдавате, че се случва нещо много интересно. Нека да го видим по-отблизо, ето тук правило номер 30. Ето тук е. Само следвайки това правило тук отдолу, получаваме целия този невероятен материал. Въобще не e това, на което сме свикнали, и трябва да кажа, че когато за пръв път го видях, моята интуиция беше изключително шокирана, и за да го разбера, трябваше да създам цяла нова наука.
Let's just run all possible programs of the particular type that we're looking at. They're called cellular automata. You can see a lot of diversity in the behavior here. Most of them do very simple things, but if you look along all these different pictures, at rule number 30, you start to see something interesting going on. So let's take a closer look at rule number 30 here. So here it is. We're just following this very simple rule at the bottom here, but we're getting all this amazing stuff. It's not at all what we're used to, and I must say that, when I first saw this, it came as a huge shock to my intuition. And, in fact, to understand it, I eventually had to create a whole new kind of science.
(Смях)
(Laughter)
Тази наука е различна, по-обща от онези с математическата основа, която познаваме последните 300 години насам. Знаете ли, винаги изглежда като голяма мистерия как природата, на пръв поглед без усилие, успява да създаде толкова много, че ни изглежда така сложно. Мисля, че открихме тайната. Това е просто вземане на проби от онова, което е в компютърната вселена и много често резултатите са като правило номер 30 или като това. И знаейки това, могат да се обяснят много от старите мистерии на науката. Също така могат да се поставят нови теми, като невъзможността да се смалят изчисленията. Искам да кажа, че сме свикнали да предвиждаме неща с науката, но нещо като това е напълно необратимо. Единственият начин да се види резултата, е просто да се глада как еволюира. То е свързано с това което наричам принцип на изчислителното равенство, което значи, че дори невероятно прости системи могат да извършват най-сложни изчисления. Не отнема толкова технология или биологична еволюция, за да си способен да правиш произволно изчисление, просто понякога нещо се случва, естествено, в цялото пространство. Неща с правила прости като тези, могат да го направят. Добре, то има дълбоко приложение относно ограниченията на науката, относно предсказването и контролир́ането на неща като биологическите процеси или икономиките, относно интелигентността във вселената, относно въпроси като свободната воля и относно създаване на технологии.
This science is different, more general, than the mathematics-based science that we've had for the past 300 or so years. You know, it's always seemed like a big mystery: how nature, seemingly so effortlessly, manages to produce so much that seems to us so complex. Well, I think we've found its secret: It's just sampling what's out there in the computational universe and quite often getting things like Rule 30 or like this. And knowing that starts to explain a lot of long-standing mysteries in science. It also brings up new issues, though, like computational irreducibility. I mean, we're used to having science let us predict things, but something like this is fundamentally irreducible. The only way to find its outcome is, effectively, just to watch it evolve. It's connected to, what I call, the principle of computational equivalence, which tells us that even incredibly simple systems can do computations as sophisticated as anything. It doesn't take lots of technology or biological evolution to be able to do arbitrary computation; just something that happens, naturally, all over the place. Things with rules as simple as these can do it. Well, this has deep implications about the limits of science, about predictability and controllability of things like biological processes or economies, about intelligence in the universe, about questions like free will and about creating technology.
Знаете ли, работейки дълги години върху тази наука, дълго се чудех, "Коя ще е първата негова програма убиец?" Още като бях дете си мислех за систематизирането на познанието и как да се направи така, че да може да се изчисли. Хора като Лайбниц са мислили също за това преди 300 години. Но винаги съм приемал, че за да се прогресира, трябва най-вече да възпроизведа един цял мозък. Ето сега вече мисля: Тази моя научна парадигма предлага нещо различно. И, между другото, сега разполагам с огромни изчислителни способности в Математика, и съм Изпълнителен директор на някои от световните източници, за да правя огромни, на пръв поглед налудничави проекти. Така че реших да опитам да видя колко от систематизираното познание в света може да е изчислимо.
You know, in working on this science for many years, I kept wondering, "What will be its first killer app?" Well, ever since I was a kid, I'd been thinking about systematizing knowledge and somehow making it computable. People like Leibniz had wondered about that too 300 years earlier. But I'd always assumed that to make progress, I'd essentially have to replicate a whole brain. Well, then I got to thinking: This scientific paradigm of mine suggests something different -- and, by the way, I've now got huge computation capabilities in Mathematica, and I'm a CEO with some worldly resources to do large, seemingly crazy, projects -- So I decided to just try to see how much of the systematic knowledge that's out there in the world we could make computable.
Това беше един много голям и комплексен проект, за който не бях сигурен, че мога изобщо да работя. Но съм щастлив да кажа, че всъщност върви много добре. И миналата година успяхме да осъществим първата версия на уеб-страницата на Волфрам Алфа. Целта е да бъде един сериозен двигател на познанието, който изчислява отговори на въпроси. Значи нека да опитаме. Нека да започнем с нещо наистина лесно. Да се надяваме на най-доброто. Много добре. До тук добре. (Смях) Нека да опитаме нещо по-трудно. Да кажем.. Нека да направим нещо математическо и с малко късмет ще ни даде отговора, и ще се опита да каже някои интересни неща, неща свързани с математиката. Можем да го питаме нещо свързано със света. Да кажем - не знам - Какво е БНП на Испания? И трябва да може да ни го каже. Сега можем да изчислим нещо което е свързано с това, да кажем БНП на Испания разделено на, не знам, хммммммм.... да кажем прихода на Майкрософт.
So, it's been a big, very complex project, which I was not sure was going to work at all. But I'm happy to say it's actually going really well. And last year we were able to release the first website version of Wolfram Alpha. Its purpose is to be a serious knowledge engine that computes answers to questions. So let's give it a try. Let's start off with something really easy. Hope for the best. Very good. Okay. So far so good. (Laughter) Let's try something a little bit harder. Let's do some mathy thing, and with luck it'll work out the answer and try and tell us some interesting things things about related math. We could ask it something about the real world. Let's say -- I don't know -- what's the GDP of Spain? And it should be able to tell us that. Now we could compute something related to this, let's say ... the GDP of Spain divided by, I don't know, the -- hmmm ... let's say the revenue of Microsoft.
(Смях)
(Laughter)
Идеята е, че можем да го запишем вътре, този вид въпрос, за който си мислим. Така, нека да се опитаме да зададем въпрос, някой свързан със здравето въпрос. Да кажем, че имаме лаборатория и откриваме, че имаме един ЛДЛ ниво от 140 за мъж на 50 години. Записваме го и сега Волфрам Алфа ще отиде и използва дадена на разположение здравна информация и ще се опита да си представи каква част от населението отговаря на това и така нататък. Или нека да попитаме, не знам, международната космическа станция.
The idea is that we can just type this in, this kind of question in, however we think of it. So let's try asking a question, like a health related question. So let's say we have a lab finding that ... you know, we have an LDL level of 140 for a male aged 50. So let's type that in, and now Wolfram Alpha will go and use available public health data and try and figure out what part of the population that corresponds to and so on. Or let's try asking about, I don't know, the International Space Station.
Това което се получава тук е, че Волфрам Алфа не само търси информацията, но изчислява в реално време, къде се намира космическата станция сега, в този момент, колко бързо се движи и така нататък. Така че Волфрам Алфа знае безброй много неща. Има досега доста обширно познание за всичко, което можете да откриете в една стандартна библиотека. Но целта е да се отиде по-далеч и най-вече да се демократизира цялото това познание, да се опита и да бъде авторитетен източник във всички сфери, да е способен да изчислява отговори на специфични въпроси, които хората имат. Не да търси какво други хора са писали преди това, а чрез натрупано познание да изчисли напълно нови отговори на специфични въпроси.
And what's happening here is that Wolfram Alpha is not just looking up something; it's computing, in real time, where the International Space Station is right now at this moment, how fast it's going, and so on. So Wolfram Alpha knows about lots and lots of kinds of things. It's got, by now, pretty good coverage of everything you might find in a standard reference library. But the goal is to go much further and, very broadly, to democratize all of this knowledge, and to try and be an authoritative source in all areas. To be able to compute answers to specific questions that people have, not by searching what other people may have written down before, but by using built in knowledge to compute fresh new answers to specific questions.
Сега, разбира се, Волфрам Алфа е монументално огромен дългосрочен проект с много най-различни предизвикателства. Като начало, човек трябва да активира милиони и милиони различни източници на факти и информация, и ние изградихме един голям тръбопровод от Математическа автоматизация и човешки домейн експерти за извършване на това. Но това е само началото. Като се има предвид суровите факти и данни действително да отговорят на въпросите, човек трябва да изчисли, и трябва да приложи всички тези методи и модели, и алгоритми и т.н. които науката и други области са натрупали през вековете. Е, дори като се започне от Математика, има все още огромно количество работа. До момента има около 8 милиона реда код на Математика във Волфрам Алфа, изграден от експерти от много, много различни области.
Now, of course, Wolfram Alpha is a monumentally huge, long-term project with lots and lots of challenges. For a start, one has to curate a zillion different sources of facts and data, and we built quite a pipeline of Mathematica automation and human domain experts for doing this. But that's just the beginning. Given raw facts or data to actually answer questions, one has to compute: one has to implement all those methods and models and algorithms and so on that science and other areas have built up over the centuries. Well, even starting from Mathematica, this is still a huge amount of work. So far, there are about 8 million lines of Mathematica code in Wolfram Alpha built by experts from many, many different fields.
Е, ключова идея на Волфрам Алфа е, че може просто да се задават въпроси с думите на обикновения човек, което означава, че ние трябва да бъдем в състояние да вземе всички тези странни изказвания, които хората пишат в полето за въвеждане и да ги разберем. И аз трябва да кажа, че си мислех, че тази стъпка може да бъде само просто невъзможна. Две големи неща се случиха. Първо, няколко нови идеи за лингвистиката, които дойдоха от проучване на изчислителната вселена. И второ, разбирането, че наличието на действително изчислими знания напълно промени начина, по който човек може да започне да разбира един език. И, разбира се, сега с Волфрам Алфа действително в природата, можем да научим много за неговото действително използване. И, всъщност, има една интересна взаимовръзка между Волфрам Алфа и потребителите му - хората. И това е много окуражаващо. Точно сега, ако погледнем заявките по интернет, повече от 80% от тях се обработват успешно от първия път. И ако погледнем неща, като програми за iPhone, процента е значително по-голям. Така че, аз съм много доволен от всичко това.
Well, a crucial idea of Wolfram Alpha is that you can just ask it questions using ordinary human language, which means that we've got to be able to take all those strange utterances that people type into the input field and understand them. And I must say that I thought that step might just be plain impossible. Two big things happened: First, a bunch of new ideas about linguistics that came from studying the computational universe; and second, the realization that having actual computable knowledge completely changes how one can set about understanding language. And, of course, now with Wolfram Alpha actually out in the wild, we can learn from its actual usage. And, in fact, there's been an interesting coevolution that's been going on between Wolfram Alpha and its human users, and it's really encouraging. Right now, if we look at web queries, more than 80 percent of them get handled successfully the first time. And if you look at things like the iPhone app, the fraction is considerably larger. So, I'm pretty pleased with it all.
Но, по много начини, все още сме в самото начало с Волфрам Алфа. Искам да кажа, всичко се развива много добре. Ние сме все по-уверени. Можете да очаквате да видите Волфрам Алфа технологията да се появява на все повече и повече места, да работи с този вид публични данни, както и с интернет страници, и с лична информация за хора, и компании, и така нататък. Знаеш ли, аз разбрах, че Волфрам Алфа действително дава един нов вид изчисления, които човек може да нарече изчисления на базата на знанието, в които човек започва не само от суровото изчисляване, но от голямо количество вградени знания. И когато някой направи това, той наистина се променя икономиката на предоставяне на изчислителни неща, независимо дали е в интернет или другаде.
But, in many ways, we're still at the very beginning with Wolfram Alpha. I mean, everything is scaling up very nicely and we're getting more confident. You can expect to see Wolfram Alpha technology showing up in more and more places, working both with this kind of public data, like on the website, and with private knowledge for people and companies and so on. You know, I've realized that Wolfram Alpha actually gives one a whole new kind of computing that one can call knowledge-based computing, in which one's starting not just from raw computation, but from a vast amount of built-in knowledge. And when one does that, one really changes the economics of delivering computational things, whether it's on the web or elsewhere.
Вие знаете, ние имаме доста интересна ситуация в момента. От една страна, ние имаме Математика, с подредения си точен, формален език, и една огромна мрежа на внимателно проектирани възможности, която може да направи много, само с няколко реда. Нека ви покажа няколко примера тук. Това е тривиална част от програмирането на Математика. Ето нещо, където ние сме нещо като интегриране на сбор от различни възможности. Тук ние просто ще създадем в този ред малко потребителски интерфейс, който ни позволява да направим нещо забавно там. Ако продължите нататък, това е малко по-сложна програма, която сега прави най-различни алгоритмични неща и създава потребителски интерфейс и др. Но това е нещо, което е много точно. Това е точно определена спецификация, с точен официален език, което е причината Математика да знае какво да прави.
You know, we have a fairly interesting situation right now. On the one hand, we have Mathematica, with its sort of precise, formal language and a huge network of carefully designed capabilities able to get a lot done in just a few lines. Let me show you a couple of examples here. So here's a trivial piece of Mathematica programming. Here's something where we're sort of integrating a bunch of different capabilities here. Here we'll just create, in this line, a little user interface that allows us to do something fun there. If you go on, that's a slightly more complicated program that's now doing all sorts of algorithmic things and creating user interface and so on. But it's something that is very precise stuff. It's a precise specification with a precise formal language that causes Mathematica to know what to do here.
Е, от друга страна, ние имаме Волфрам Алфа, с всички видове бъркотия на света, различните езици, и всички неща вградени в него. И така, какво се случва, когато съберете тези неща заедно? Мисля, че това е всъщност, по-скоро е прекрасно. С Волфрам Алфа вътре в Математика, можете, например, да направите прецизни програми, които изискват реални данни. Това е наистина прост пример. Можете също така да въведете някои неясни данни и след това да се опитате и да оставите Волфрам Алфа да разбере за какво точно говорите. Нека се опитаме тази тук. Но всъщност мисля, че най-вълнуващото в това е, че тя наистина дава една възможност за демократизиране на програмирането. Искам да кажа, че всеки ще може да каже това, което иска на разбираем език, а след това, идеята е, че Волфрам Алфа ще може да разбере кои точно части от кода могат да направят това, което искат и след това да им покаже примери, които ще им позволят да изберат това, от което те се нуждаят, за да създадат по-големи и по-големи, точни програми. Така че, понякога, Волфрам Алфа ще бъде в състояние да свърши цялата работа веднага и просто да ви върне цяла голяма програма, с която ще можете да изчислявате. Така че това е един голям сайт, където сме събирали много образователни и други демонстрации за много и най-различни неща. Ще ви покажа един пример, може би тук. Това е само един пример с един от тези документи за изчисление. Това вероятно е една сравнително малка част от кода Математика, който е в състояние да бъде пуснат от тук.
Then on the other hand, we have Wolfram Alpha, with all the messiness of the world and human language and so on built into it. So what happens when you put these things together? I think it's actually rather wonderful. With Wolfram Alpha inside Mathematica, you can, for example, make precise programs that call on real world data. Here's a real simple example. You can also just sort of give vague input and then try and have Wolfram Alpha figure out what you're talking about. Let's try this here. But actually I think the most exciting thing about this is that it really gives one the chance to democratize programming. I mean, anyone will be able to say what they want in plain language. Then, the idea is that Wolfram Alpha will be able to figure out what precise pieces of code can do what they're asking for and then show them examples that will let them pick what they need to build up bigger and bigger, precise programs. So, sometimes, Wolfram Alpha will be able to do the whole thing immediately and just give back a whole big program that you can then compute with. Here's a big website where we've been collecting lots of educational and other demonstrations about lots of kinds of things. I'll show you one example here. This is just an example of one of these computable documents. This is probably a fairly small piece of Mathematica code that's able to be run here.
Добре. Да се намалят отново. Тъй като това е един нов вид наука, има ли общ начин да се използва, за да се прави технологията? Така че, с физически материали, сме свикнали да обикаляме по света и да откриваме, че конкретните материали, са полезни за специфични технологични цели и така нататък. Е, оказва се, че можем да направим много подобни неща и в компютърната вселената. Там има един неизчерпаем източник на програми. Предизвикателството е да се види как да се използват в полза на човека. Нещо като член 30, например, оказва се, че е наистина добър генератор на случайност. Други просто програми са добри модели за процесите в природата или социалния свят. И, например, Волфрам Алфа и Математика всъщност сега са пълни с алгоритми, които сме открили чрез търсене на компютърната вселена. И, например, този - ние се върнахме тук - Това е станало изненадващо популярно сред композиторите. Намиране на музикални форми чрез търсене в компютърната вселена. В известен смисъл, ние можем да използваме компютърната вселена, за да получим голямо количество персонализирано творчество. Аз се надявам, че можем. Например, да използваме, че дори да използваме Волфрам Алфа за на пръв поглед рутинно да прави изобретения и открития в движение и да се намерят всякакви прекрасни неща, които нито инженер нито процес на единичните развитието някога ще постигне.
Okay. Let's zoom out again. So, given our new kind of science, is there a general way to use it to make technology? So, with physical materials, we're used to going around the world and discovering that particular materials are useful for particular technological purposes. Well, it turns out we can do very much the same kind of thing in the computational universe. There's an inexhaustible supply of programs out there. The challenge is to see how to harness them for human purposes. Something like Rule 30, for example, turns out to be a really good randomness generator. Other simple programs are good models for processes in the natural or social world. And, for example, Wolfram Alpha and Mathematica are actually now full of algorithms that we discovered by searching the computational universe. And, for example, this -- if we go back here -- this has become surprisingly popular among composers finding musical forms by searching the computational universe. In a sense, we can use the computational universe to get mass customized creativity. I'm hoping we can, for example, use that even to get Wolfram Alpha to routinely do invention and discovery on the fly, and to find all sorts of wonderful stuff that no engineer and no process of incremental evolution would ever come up with.
Е, това е така, което води до нещо като един последен въпрос. Възможно ли е някъде там в компютърната вселена да можем да намерим физическа вселена? Може би има още по-просто правило, някоя проста програма за нашата вселена. Е, историята на физиката ни кара да вярваме, че правилото на вселената трябва да е доста сложно. Но в компютърната вселена ние видяхме как правила, които са изключително прости, могат да доведат до изключително богато и сложно поведение. Възможно ли е това да е, което се случва с цялата вселена? Ако правилата за вселената са прости, това е нещо неизбежно, че те трябва да бъдат много абстрактни и на много ниско ниво, опериращи, например, много по-ниско от нивото на времето или пространството, като така е много трудно да се представят нещата. Но поне в една голяма част, може да се мисли за вселената като за някаква мрежа, която, когато стане достатъчно голяма, се държи като непрекъснато пространство, по същия начин, по който множество молекули могат да се държат като една непрекъсната течност. Е, тогава вселената трябва да се развива чрез прилагане на малко правила, които постепенно обновяване на тази мрежа. И всяко възможно правило, в известен смисъл, съответства на една кандидат-вселена.
Well, so, that leads to kind of an ultimate question: Could it be that someplace out there in the computational universe we might find our physical universe? Perhaps there's even some quite simple rule, some simple program for our universe. Well, the history of physics would have us believe that the rule for the universe must be pretty complicated. But in the computational universe, we've now seen how rules that are incredibly simple can produce incredibly rich and complex behavior. So could that be what's going on with our whole universe? If the rules for the universe are simple, it's kind of inevitable that they have to be very abstract and very low level; operating, for example, far below the level of space or time, which makes it hard to represent things. But in at least a large class of cases, one can think of the universe as being like some kind of network, which, when it gets big enough, behaves like continuous space in much the same way as having lots of molecules can behave like a continuous fluid. Well, then the universe has to evolve by applying little rules that progressively update this network. And each possible rule, in a sense, corresponds to a candidate universe.
Всъщност, аз не съм показвал тези преди, но ето някои от кандидат-вселените, които съм разглеждал. Някои от тях са безнадеждни вселени, напълно стерилни, с други видове патологии, като липса на движение в пространството, без движение на времето, на материята, и други проблеми като този. Но вълнуващо нещо, което открихме, през последните няколко години е, че всъщност не е нужно да отидете много далеч в компютърната Вселена преди да започнете намиране на кандидат-вселени, които очевидно не са нашата вселена. Тук е проблемът: Всеки сериозен кандидат за нашата вселена, е неизбежно пълен с изчислителна невъзможност, което означава, че е невъзможно трудно, за да разберете как тя наистина ще се държи, и дали ще съвпадне с нашата физическа вселена. Преди няколко години, бях доста развълнуван от откритието, че има кандидат-вселени с невероятно прости правила, които успешно възпроизвеждат специалната теория на относителността и дори общата теория на относителността, и гравитацията и най-малко намекват за квантовата механика. Така че, ще открием ли цялата физика? Аз не знам със сигурност. Но мисля, че в този момент това е нещо почти срамно поне да не опитаме.
Actually, I haven't shown these before, but here are a few of the candidate universes that I've looked at. Some of these are hopeless universes, completely sterile, with other kinds of pathologies like no notion of space, no notion of time, no matter, other problems like that. But the exciting thing that I've found in the last few years is that you actually don't have to go very far in the computational universe before you start finding candidate universes that aren't obviously not our universe. Here's the problem: Any serious candidate for our universe is inevitably full of computational irreducibility. Which means that it is irreducibly difficult to find out how it will really behave, and whether it matches our physical universe. A few years ago, I was pretty excited to discover that there are candidate universes with incredibly simple rules that successfully reproduce special relativity, and even general relativity and gravitation, and at least give hints of quantum mechanics. So, will we find the whole of physics? I don't know for sure, but I think at this point it's sort of almost embarrassing not to at least try.
Не е лесен проект. Трябва да изградим много технологии. Трябва да се изгради структура, която е може би най-малко толкова дълбока, като съществуващата физика. Не съм сигурен кой е най-добрият начин да се организира цялата работа. Изграждане на екип, отваряне на проекта, предлагане на награди и така нататък. Но аз ще ви кажа днес, че съм ангажиран този проект да стане реалност, за да видим дали в рамките на това десетилетие, най-накрая можем да държим в ръцете си правилото за нашата вселена и да знаем къде се намира нашата вселена в пространството на всички възможни вселени - и да може да въведем в полето на Волфрам Алфа "теорията на Вселената" и той да ни каже.
Not an easy project. One's got to build a lot of technology. One's got to build a structure that's probably at least as deep as existing physics. And I'm not sure what the best way to organize the whole thing is. Build a team, open it up, offer prizes and so on. But I'll tell you, here today, that I'm committed to seeing this project done, to see if, within this decade, we can finally hold in our hands the rule for our universe and know where our universe lies in the space of all possible universes ... and be able to type into Wolfram Alpha, "the theory of the universe," and have it tell us.
(Смях)
(Laughter)
Работя над идеята за изчисляването вече повече от 30 години, изграждайки инструменти и методи и включвайки един вид интелектуални идеи в милиони редове на кода, и носейки полза за огромно количество сървъри и др. С всяка изминала година, осъзнавам колко по-мощна е в действителност идеята за изчисления. Това вече ни движи много напред, но има още толкова много по-напред. От основите на науката до границите на технологията, до самото определение на човешкото състояние, мисля, че изчислението е предвидено да бъде определяща идея за нашето бъдеще.
So I've been working on the idea of computation now for more than 30 years, building tools and methods and turning intellectual ideas into millions of lines of code and grist for server farms and so on. With every passing year, I realize how much more powerful the idea of computation really is. It's taken us a long way already, but there's so much more to come. From the foundations of science to the limits of technology to the very definition of the human condition, I think computation is destined to be the defining idea of our future.
Благодаря ви.
Thank you.
(Ръкопляскания)
(Applause)
Крис Андерсън: Това беше изумително. Остани тук. Имам един въпрос.
Chris Anderson: That was astonishing. Stay here. I've got a question.
(Ръкопляскания)
(Applause)
Това беше, честно да кажа, изумителна лекция. Може ли да кажете в едно или две изречения как този тип мислене би могъл да се интегрира в даден момент за неща като струнната теория или вида на неща, за които хората мислят като основните обяснения за вселената?
So, that was, fair to say, an astonishing talk. Are you able to say in a sentence or two how this type of thinking could integrate at some point to things like string theory or the kind of things that people think of as the fundamental explanations of the universe?
Стивън Волфрам: Ами, частите на физиката, които си мислим, че знаем, че са истина, неща, като на стандартния модел на физиката. Това, което се опитвам да направя, по-добре възпроизвежда стандартния модел на физиката или това е просто погрешно. Нещата, които хората са се опитвали да направят в последните 25 години с теорията на струните и т.н. са интересно проучване, което се е опитало да се върне обратно към стандартния модел, но не е съвсем там. Моето предположение е, че някои големи опростявания на това, което правя могат в действителност да имат значителен резонанс с това, което е било направено в струнната теория, но това е едно сложно математическо нещо, което аз все още не знам как точно ще се получи.
Stephen Wolfram: Well, the parts of physics that we kind of know to be true, things like the standard model of physics: what I'm trying to do better reproduce the standard model of physics or it's simply wrong. The things that people have tried to do in the last 25 years or so with string theory and so on have been an interesting exploration that has tried to get back to the standard model, but hasn't quite gotten there. My guess is that some great simplifications of what I'm doing may actually have considerable resonance with what's been done in string theory, but that's a complicated math thing that I don't yet know how it's going to work out.
CA: Беноа Манделброт е сред публиката. Той посочи също как сложността може да възникне от едно просто начало. Вашата работа свързана ли е с неговата?
CA: Benoit Mandelbrot is in the audience. He also has shown how complexity can arise out of a simple start. Does your work relate to his?
SW: Аз мисля така. Аз виждам работата на Беноа Манделброт като вид основополагащо съдействие към този вид област. Беноа е особено заинтересован във вложени модели, във фрактали и т.н., при които структурата е нещо като дърво, и когато има нещо като голям клон, който прави малки клонове, и дори по-малки клони и др. Това е един от начините да тръгнете към истинската сложност. Мисля, че нещата като правило 30 и клетъчен автомат ни довеждат на друго равнище. Всъщност, по един много точен начин те ни качват до различно ниво защото те изглеждат да са неща, способни на сложност, толкова голяма, колкото някога може да има...
SW: I think so. I view Benoit Mandelbrot's work as one of the founding contributions to this kind of area. Benoit has been particularly interested in nested patterns, in fractals and so on, where the structure is something that's kind of tree-like, and where there's sort of a big branch that makes little branches and even smaller branches and so on. That's one of the ways that you get towards true complexity. I think things like the Rule 30 cellular automaton get us to a different level. In fact, in a very precise way, they get us to a different level because they seem to be things that are capable of complexity that's sort of as great as complexity can ever get ...
Мога да продължа да говоря за това още много дълго, но няма.
I could go on about this at great length, but I won't. (Laughter) (Applause)
CA: Стивън Волфрам, благодаря ви.
CA: Stephen Wolfram, thank you.
(Ръкопляскания)
(Applause)