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.
Oggi voglio parlavi di un'idea. È una grande idea. Effettivamente ritengo che potrebbe un giorno essere considerata la più grande singola idea che è emersa nel secolo passato. È l'idea del calcolo. Certamente questa idea ci ha portato tutta la tecnologia dei computer che oggi abbiamo e così via. Ma nel calcolo c'è molto più di questo. È in realtà un'idea veramente basilare, profonda e potente I cui effetti si cominciano appena a vedere
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.
Ebbene io stesso ho speso gli ultimi 30 anni lavorando su tre grandi progetti che cercano di prendere l'idea del calcolo veramente sul serio. Ho iniziato in giovane età come fisico ad utilizzare i computer come strumenti. Poi ho iniziato ad approfondire il concetto pensando ai tipi di calcoli che avrei voluto poter fare, provando ad immaginare da quali primitive questi sarebbero potuti essere costruiti e come sarebbero potuti essere automatizzati il più possibile. Di conseguenza ho creato un'intera struttura basata sulla programmazione simbolica che mi ha consentito di costruire “Mathematica”. E per gli ultimi 23 anni, a tasso crescente, abbiamo continuato a instillare sempre più idee, capacità e quant'altro in “Mathematica”. Sono soddisfatto di poter dire che questo ha portato molte cose buone in campi come la ricerca e sviluppo, nella scuola e in molte altre aree. Bene devo ammettere che ho avuto anche una ragione del tutto personale per costruire “Mathematica”. Volevo usarla per me, un po' come Galileo usò il suo telescopio 400 anni fa. Ma volevo guardare non verso l'universo astronomico ma verso l'universo computazionale.
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.
Di solito pensiamo ai programmi come cose complesse che costruiamo per scopi molto specifici. Ma cosa dire dello spazio di tutti i possibili programmi? Ecco qui la rappresentazione di un programma molto semplice. Ecco, se eseguiamo questo programma, ecco quello che otteniamo. Molto semplice vero? Allora proviamo a cambiare la regola di questo programma solo un po'. Ora otteniamo un altro risultato, comunque molto semplice. Proviamo a cambiarla ancora. Ora si ottiene qualcosa di un po' più complicato ma se continuiamo a farlo andare per un po' troviamo che, sebbene il pattern che otteniamo sia molto intricato, ha una struttura molto regolare. Quindi la domanda è: può accadere qualcos'altro? Bene, possiamo fare un piccolo esperimento. Facciamo giusto un piccolo esperimento di matematica, proviamo a scoprirlo.
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.
Eseguiamo tutti i possibili programmi del particolare tipo che stiamo analizzando. Sono chiamati "automi cellulari". Si possono vedere un sacco di comportamenti differenti. Molti fanno cose molto semplici. Ma se si osservano tutte le varie immagini, in corrispondenza della regola numero 30, si inizia a notare che accade qualcosa di interessante. Dunque, diamo un'occhiata più da vicino alla regola numero 30. Eccola qua. Stiamo semplicemente seguendo questa semplicissima regola descritta nella parte inferiore della figura. ma otteniamo tutte queste cose sorprendenti. Non è affatto ciò a cui siamo abituati e devo dire che quando vidi queste cose per la prima volta, colpirono molto il mio intuito e, in effetti, per comprenderle, ho successivamente dovuto creare un tipo di scienza totalmente nuovo.
(Laughter)
(Risate)
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.
Questa scienza è differente, più generale della scienza basata sulla matematica che abbiamo avuto per gli ultimi 300 anni circa. Sapete, è sempre sembrato una sorta di grande mistero il modo in cui la natura, apparentemente senza nessuno sforzo, sia in grado di produrre così tante cose che ci sembrano complesse. Ebbene, io ritengo che abbiamo trovato il suo segreto. Sta solamente raccogliendo campioni da ciò che è li fuori nell'universo computazionale ottenendo molto spesso cose come la regola 30 o come questo. E sapendo queste cose, si inizia a dare una spiegazione a numerosi misteri di lunga data nella scienza. Ma evidenzia anche nuovi problemi come l'irriducibilità computazionale. Siamo abituati al fatto che la scienza sia in grado di predire i fenomeni ma qualcosa come questo è fondamentalmente irriducibile. L'unico modo di trovare i suoi risultati è, in pratica, proprio guardarlo mentre evolve. Questo è connesso a ciò che io chiamo il principio di equivalenza computazionale, che ci dice che anche sistemi incredibilmente semplici possono fare calcoli sofisticatissimi. Non serve tanta tecnologia o un elevato livello di evoluzione biologica per essere in grado di fare calcoli di qualsiasi tipo, è solamente qualcosa che succede, naturalmente, ovunque. Cose con regole semplici come queste lo possono fare. Ebbene, questo ha implicazioni profonde circa i limiti della scienza, riguardo alla predicibilità e alla regolazione di cose come i processi biologici o le economie, riguardo all'intelligenza nell'universo riguardo questioni come il libero arbitrio e riguardo al creare tecnologia.
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.
Lavorando a questa scienza per molti anni, mi sono spesso domandato: "Quale sarà la sua prima killer application?" Beh, già da quando ero un ragazzo, ho pensato sempre a come sistematizzare la conoscenza per renderla in qualche modo calcolabile. Persone come Leibniz hanno ragionato su questo argomento già 300 anni prima. Ma ho sempre dato per scontato che per fare progressi, avrei in sostanza dovuto replicare un intero cervello. Ebbene sono arrivato a pensare: questo mio paradigma scientifico suggerisce qualcosa di differente. E comunque ora ho enormi capacità di calcolo in Mathematica, e sono un CEO (Chief Executive Officier – Direttore) con discrete risorse a livello mondiale per realizzare progetti vasti e apparentemente folli. Cosi ho deciso di tentare di vedere quanto della conoscenza sistematica che è in giro nel mondo potesse essere resa calcolabile.
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.
È stato un progetto veramente grande e complesso, del quale non avevo idea se avesse mai potuto funzionare. Ma sono contento di dire che in effetti sta andando veramente bene. E l'anno scorso siamo stati in grado di rilasciare la prima versione di Wolfram Alpha come sito web. Il suo scopo è quello di essere un vero e proprio motore di ricerca per la conoscenza in grado di calcolare le risposte alle domande. Proviamolo. Iniziamo da qualcosa di veramente semplice. Speriamo bene. Molto bene, Okay. Fin qui tutto funziona. (Risate) Proviamo qualcosa di più tosto. Diciamo.... Proviamo a fare qualche cosa di matematico e con un po' di fortuna elaborerà la risposta e proverà a dirci un po' di cose interessanti riguardo ai relativi passaggi matematci. Possiamo chiedergli qualcosa sul mondo reale. Diciamo - non saprei - qual'è il prodotto nazionale lordo della Spagna? E dovrebbe essere in grado di dircelo. Ora possiamo provare a calcolare qualcosa di correlato, diciamo il prodotto interno lordo della Spagna diviso, non saprei, il.... diciamo diviso i ricavi di Microsoft.
(Laughter)
(Risate)
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.
L'idea è che possiamo digitare questo tipo di domande come ci pare. Proviamo a fargli una domanda, relativa ad esempio alla sanità. Diciamo che abbiamo delle analisi di laboratorio in cui abbiamo un livello LDL di 140 per un maschio di 50 anni. Proviamo a scriverlo, ed ora Wolfram Alpha andrà ad usare i dati disponibili sulla salute pubblica e proverà ad indovinare a quale parte della popolazione corrisponde e cosi via. Oppure proviamo a chiedergli, non saprei, della Stazione Spaziale Internazionale (ISS).
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.
Quello che sta accadendo è che Wolfram Alpha non sta solo cercando qualcosa; sta calcolando, in tempo reale, dove si trova la Stazione Spaziale Internazionale proprio in questo momento a che velocità si sta spostando e cosi via. Dunque, Wolfram Alpha conosce molte e molti tipi di cose. Al momento ha una buona copertura su qualsiasi cosa si possa trovare in un una tipica biblioteca di riferimento e cosi via. Ma l'obiettivo è di spingersi molto più avanti e, in senso lato, di rendere accessibile a tutti tutto questo tipo di conoscenza, E provare a diventare una fonte autorevole in tutti i campi, essere in grado di calcolare risposte alle domande specifiche della gente, Senza cercare quello che altre persone possano aver scritto precedentemente su quelle cose, Ma utilizzando la conoscenza acquisita per calcolare risposte nuove e fresche a domande specifiche.
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.
Ora, certamente Wolfram Alpha è un progetto a lungo termine e di dimensioni monumentali, con molte e molte sfide. Tanto per cominciare è necessario curare un'infinità di fonti diverse di fatti e dati, E per fare questo abbiamo costruito una sorta di collegamento tra l'automazione di Mathematica e gli esperti del dominio umano. Ma questo è solo l'inizio. Dati i fatti o i dati grezzi per rispondere effettivamente alle domande, è necessario il calcolo, è necessario implementare tutti quei metodi, i modelli, gli algoritmi e le altre cose che la scienza e le altre aree hanno costruito nei secoli. Bene, anche partendo da Mathematica, è in ogni caso un'enorme quantità di lavoro. Finora, ci sono circa 8 milioni di linee di codice di Mathematica in Wolfram Alpha costruite da esperti di moltissimi campi differenti.
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.
Ebbene, un'idea centrale di Wolfram Alpha è che gli si possa direttamente porre le domande utilizzando un ordinario linguaggio umano, che significa che dobbiamo essere in grado di prendere tutte quelle strane espressioni che la gente digita nella casella di input e capirle. E devo dire che pensavo che questo ostacolo sarebbe stato semplicemente insormontabile. Ma poi sono successe due cose importanti. Dapprima un gruppo di idee nuove sulla linguistica che sono arrivate dallo studio dell'universo computazionale. Successivamente, l'aver compreso che avere a disposizione della vera conoscenza calcolabile cambia completamente il modo in cui si può approcciare la compresione del linguaggio. E certamente, adesso con Wolfram Alpha lì fuori, disponibile a tutti, possiamo imparare dal suo effettivo utilizzo. E infatti c'è stata una interessante co-evoluzione che è andata avanti tra Wolfram Alpha ed i suoi utenti umani. Questo è veramente incoraggiante. Proprio ora, se analizziamo le query web, più dell'80 percento sono gestite correttamente al primo colpo. E se si analizzano cose come l'app per iPhone, la percentuale è significativamente maggiore. Sono piuttosto contento di tutto ciò.
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.
Ma, per certi aspetti, siamo ancora ai primordi con Wolfram Alpha. Voglio dire che ogni cosa sta crescendo bene. Stiamo diventando più sicuri. Potete aspettarvi di vedere che la tecnologia di Wolfram Alpha salterà fuori in sempre più occasioni, per essere utilizzata sia con questo tipo di dati pubblici, come sul sito web, sia con conoscenza privata di persone o di aziende. Sapete, io mi sono reso conto che Wolfram Alpha mette effettivamente a disposizione un tipo di calcolo del tutto nuovo che si può chiamare calcolo basato sulla conoscenza, in cui si parte non dal mero calcolo, ma dalla enorme quantità di conoscenza integrata. E quando si fa questo, si cambia veramente l'economia del fornire quelle cose che hanno a che fare con il calcolo, sia che siano sul web che altrove.
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.
Sapete, al momento abbiamo una situazione piuttosto interessante. Da una parte abbiamo Mathematica, con il suo linguaggio piuttosto preciso e formale e con una enorme rete di funzionalità progettate con cura in grado di realizzare molto con pochissime linee di codice. Lasciate che vi mostri un paio di esempi. Ecco un semplicissimo frammento di programmazione in Mathematica. Ecco qualcosa in cui abbiamo integrato un bel po' di funzionalità differenti. Qui creiamo con questa linea di codice una piccola interfaccia utente che ci consente di fare queste cosette divertenti. Se vogliamo proseguire, questo è un programma leggermente più complicato che ora sta facendo varie cose a livello di algoritmi e crea un'interfaccia utente. Ma è in ogni caso qualcosa che fa delle cose molto ben definite. è una definizione precisa con un preciso linguaggio formale che fa si che Mathematica sappia cosa fare in questi casi.
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.
Ebbene, dall'altra parte abbiamo Wolfram Alpha, con ogni tipo di confusione al mondo e che integra cose come il linguaggio umano. E cosa accade quando si mettono insieme queste cose? Penso sia in effetti piuttosto meraviglioso. Con Wolfram Alpha integrato all'interno di Mathematica, è possibile, per esempio, fare un programma preciso che fa riferimento a dati dal mondo reale. Ecco un esempio molto semplice. Si può anche provare a dare un input generico e poi provare a far si che Wolfram Alpha capisca di cosa si sta parlando. Proviamo questa qui. Ma effettivamente penso che una delle conseguenze più eccitanti di tutto questo sia il fatto di poter avere veramente la possibilità di rendere la programmazione accessibile a tutti. Voglio dire, chiunque sarà in grado di esprimere quello di cui ha bisogno per mezzo del semplice linguaggio, quindi l'idea è che Wolfram Alpha sarà in grado di individuare quali sono i corretti pezzi di codice che possono realizzare ciò che viene richiesto e che potrà mostrare degli esempi da cui si potrà prendere ciò di cui si ha bisogno per costruire programmi puntuali sempre più grandi. Così, talvolta, Wolfram Alpha sarà in grado di completare tutto immediatamente e restituire un intero programma da utilizzare per farci i calcoli. Ed ecco qui un gran sito web dove abbiamo raccolto un sacco di dimostrazioni a scopo di dattico e non solo su molti tipi di cose. Bene, non saprei, vi mostrò un esempio, forse questo. Questo è solo un esempio di uno di questi documenti calcolabili. è probabilmente un piccolo pezzo di codice di Mathematica che è in grado di girare qui.
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.
Okay. Torniamo ad una vista d'insieme. Dunque, dato il nostro nuovo tipo di scienza, esiste un modo in generale per utilizzarlo per costruire tecnologia? Per i materiali fisici, siamo abituati tipo ad andare in giro per il mondo e scoprire che un particolare materiale è utile per un particolare fine tecnologico. Ebbene, a quanto pare, possiamo fare proprio la stessa cosa nell'universo computazionale. Là fuori c'è una riserva inesauribile di programmi. La sfida è di vedere come sfruttarli per gli interessi umani. Qualcosa come la regola 30, per esempio, sembra essere un generatore di numeri casuali piuttosto buono. Altri programmi molto semplici modellizzano bene processi del mondo naturale o sociale. E, per esempio, Wolfram Alpha e Mathematica sono effettivamente già pieni di algoritmi che abbiamo scoperto perlustrando l'universo computazionale. E, per esempio, questo - siamo ritornati qui - questo è diventato sorprendentemente popolare tra i compositori potendo trovare forme musicali perlustrando l'universo computazionale. In un certo senso, possiamo usare l'universo computazionale per ottenere creatività di massa per uno scopo specifico. Spero, per esempio, che possiamo utilizzarlo persino per far si che Wolfram Alpha possa automaticamente fare invenzioni e scoperte al volo e che possa trovare ogni tipo di cose straordinarie che nessun ingegnere e che nessun processo di evoluzione incrementale potrebbe mai far saltar fuori.
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.
Ebbene, questo ci porta a una domanda fondamentale. Che sia possibile che da qualche parte li fuori nell'universo computazionale ci sia il nostro universo fisico? Forse c'è persino qualche regola piuttosto semplice, qualche semplice programma per il nostro universo. Ebbene, la storia della fisica ci porterebbe a credere che la regola per l'universo dovrebbe essere piuttosto complicata. Ma nell'universo computazionale come abbiamo visto ora ci sono regole che sono incredibilmente semplici e che possono produrre comportamenti incredibilmente ricchi e complessi. E quindi potrebbe essere proprio questo che sta succedendo con il nostro universo? Se le regole per l'universo sono semplici, è in qualche modo inevitabile che siano molto astratte e veramente di basso livello, e che operino, per esempio, molto al di sotto del livello dello spazio o del tempo, che rende le cose difficili da rappresentare. Ma, almeno in una larga classe di situazioni, si può pensare che l'universo sia come una specie di network, che, quando diventa abbastanza grande, si comporta come uno spazio continuo nello stesso modo in cui quando si hanno molte molecole queste si comportano come un fluido continuo. Bene, quindi l'universo si deve evolvere applicando piccole regole che progressivamente aggiornano questo network. Ed ogni possibile regola, in un certo senso, corrisponde ad un universo candidato.
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.
In effetti, non ho mostrato questi prima, ma ecco qui alcuni degli universi candidati a cui ho dedicato la mia attenzione. Alcuni di questi universi sono senza speranza, completamente sterili, con malattie come l'assenza di nozione dello spazio o del tempo, senza materia, o altri problemi del genere. Ma la cosa eccitante che ho trovato negli ultimi anni è che in effetti non c'è bisogno di andare troppo lontano nell'universo computazionale prima di trovare universi candidati che non si possa dare per scontato che non siano il nostro universo. Ecco il problema: Ogni serio candidato per il nostro universo, è inevitabilmente pieno di irriducibilità computazionali, che significa che è irriducibilmente difficile trovare come si comporta veramente e se corrisponde al nostro universo fisico. Alcuni anni fa, sono stato piuttosto eccitato quando ho scoperto che ci sono universi candidati con regole incredibilmente semplici che riproducono con successo la relatività speciale e persino la relatività generale e la gravitazione e per lo meno danno cenni di meccanica quantistica. Quindi, troveremo l'intera fisica? Non lo so per certo. Ma ritengo che a questo punto sarebbe piuttosto imbarazzante non fare almeno un tentativo.
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.
Non è certo un progetto agevole. è necessario costruire un sacco di tecnologie. è necessario costruire una struttura che probabilmente sarà almeno tanto profonda quanto la fisica corrente. E non sono sicuro di quale sia il miglior modo per organizzare l'intera cosa. Costruire una squadra, renderla aperta, offrire premi e cosi via Ma oggi vi dico che mi sto impegnando per vedere questo progetto completato, per vedere se, entro questa decade, possiamo finalmente ottenere la regola del nostro universo e sapere dove è posizionato il nostro universo nello spazio di tutti i possibili universi ed essere in grado di scrivere in Wolfram Alpha "la teoria dell'universo" e far si che ce la dica.
(Laughter)
(Risate)
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.
Quindi, ho lavorato all'idea del calcolo per più di 30 anni, costruendo strumenti e metodi e trasformando idee astratte in milioni di linee di codice da macinare in batterie di calcolatori. Per ogni anno che passa, mi rendo conto di come sia sempre più potente l'idea del calcolo. Ci ha già portato lontano, ma c'è ancora cosi tanto di più in arrivo. Dalle fondamenta della scienza ai limiti della tecnologia e persino alla definizione della condizione umana, penso che il calcolo sia destinato ad essere l'idea di fondo del nostro futuro.
Thank you.
Grazie.
(Applause)
(Applausi)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Chris Anderson: è stato molto impressionante. Stia qui. Ho una domanda.
(Applause)
(Applausi)
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?
Dunque, questo è stato, mi sembra giusto dirlo, un discorso impressionante. Sarebbe in grado di dire in una frase o due come questo tipo di pensiero si potrebbe integrare ad un certo punto con cose come la teoria delle stringhe o con quel tipo di cose che la gente ritiene siano le fondamentali spiegazioni dell'universo?
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.
Stephen Wolfram: Beh, quelle parti della fisica che in qualche modo sappiamo essere vere, qualcosa come il Modello Standard. Ciò che sto cercando di fare riproduce meglio il Modello Standard o è semplicemente sbagliato. Le cose che la gente ha cercato di fare negli ultimi 25 anni circa con la teoria delle stringhe sono state una esplorazione interessante che ha cercato di ritornare fino al Modello Standard, ma che non c'è ancora riuscita ad arrivare. Suppongo che qualche semplificazione grossolana di ciò che sto facendo potrebbe in effetti avere una risonanza considerevole con ciò che è stato fatto nella teoria delle stringhe, ma è una faccenda che ha complessi aspetti di matematica che ancora non so come andrà a finire.
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?
CA: Benoit Mandelbrot è in sala. Anche lui ha mostrato come la complessità possa nascere da un semplice inizio. Il vostro lavoro fa riferimento al suo?
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 ...
SW: Credo di si. Vedo il lavoro di Benoit Mandelbrot per certi aspetti come uno dei contributi fondamentali a quest'area. Benoit si è interessato in particolare ai pattern annidati, ai frattali e cosi via, dove la struttura è qualcosa che per certi versi è ramificata, e dove ci sono dei grandi rami che creano rami più piccoli. e lo stesso fanno i rami più piccoli e cosi via. Questa è una delle vie che esistono verso la vera complessità. Io ritengo che cose come l'automa cellulare della Regola 30 ci portino ad un livello differente. In effetti ci portano ad un livello differente in un modo molto preciso perchè sembrano essere cose capaci di una complessità che per certi aspetti è grande quanto deve...
I could go on about this at great length, but I won't. (Laughter) (Applause)
Potrei continuare a lungo su questo ma non lo farò.
CA: Stephen Wolfram, thank you.
CA: Stephen Wolfram, Grazie.
(Applause)
(Applausi)