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.
Então quero compartilhar uma ideia. Uma grande ideia. Na verdade, penso que cedo ou tarde essa poderá ser a maior singular ideia que emergiu no último século. É a ideia da computação. Agora, é claro, essa ideia nos trouxe toda a tecnologia do computador que temos hoje e mais. No entanto, há de fato muito mais de computação do que isso. É realmente uma profunda, muito poderosa, uma ideia bem fundamental, cujos efeitos nós estamos tão somente começando a ver.
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.
Bem, eu mesmo já gastei os últimos 30 anos de minha vida trabalhando em três grandes projetos que realmente objetivam levar a ideia da computação seriamente. E para isso eu iniciei quando era um jovem Físico usando os computadores como ferramentas. E em seguida, fui testando pensando no processo computacional que eu iria querer aplicar, tentando entender quais os primitivos que poderiam basear as construções e como no máximo da possibilidade eles poderiam se tornar automatizados. Eu finalmente criei uma estrutura completa baseada na programação simbólica e daí para a frente que me levaram a criar Mathematica. E nos últimos 23 anos, numa velocidade crescente, temos incluído mais e mais ideias e capacidades e assim por diante dentro da Mathematica, e estou feliz em dizer isso levou a muita coisa boa em P (pesquisa) e D (Desenvolvimento) e educação, e muitas outras áreas. Bem, eu devo admitir, na verdade, que havia uma motivação bem egoísta para criar Mathematica. Eu mesmo queria usá-la, um pouco como Galileo ao querer usar seu telescópio 400 anos atrás. Mas eu queria olhar, não no universo astronômico, mas no universo computacional.
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.
Normalmente pensamos em programas que são coisas complicadas para se criar para propósitos bem específicos. Mas e sobre o espaço de todos os programas possíveis? Aqui está uma representação de um programa realmente simples. Se então rodarmos esse programa, é isso que temos. Muito simples. Então vamos mudar as regras para esse programa só um pouquinho. E agora temos um outro resultado, ainda muito simples. Tente mudar novamente. Você pode obter algo um pouco mais complicado, mas se continuarmos rodando por um certo tempo, descubriremos, apesar do padrão que vemos seja um tanto intrincado, é uma estrutura bem regular. Então a pergunta é: Algo a mais pode acontecer? Bem, podemos fazer um pequeno experimento. Vamos fazer um pequeno experimento matemático, testar e descobrir.
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.
Vamos rodar todos os programas possíveis do tipo específico que estamos procurando. Eles são chamados de autômato celular. Você pode ver muita diversidade de comportamento aqui. A maioria faz coisas muito simples. Mas se você passar os olhos em todas essas diferentes imagens, na regra número 30, você começa a ver algo interessante acontecendo. Então vamos olhar mais de perto na regra número 30 aqui. Aqui está ela. Estamos tão somente seguindo essa regra bem simples aqui na parte de baixo, mas estamos obtendo algo incrível aqui. Não é nem um pouco o que estamos acostumados, e devo dizer que logo de cara quando vi isto, foi um grande choque para a minha intuição, e de fato, para entendê-lo, eu cheguei a criar um tipo todo novo de ciência.
(Laughter)
(Risos)
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.
Essa ciência é diferente, mais abrangente, do que a matemática baseada na ciência que tivemos nos últimos 300 anos ou mais. Vocês sabem, sempre nos pareceu um grande mistério como a natureza, aparentemente sem qualquer esforço próprio consegue produzir muito que para nós parece tão complexo. Bem, creio que descobrimos o seu segredo. São amostras do que está lá no universo computacional e normalmente se obtém como na Regra 30 ou algo assim. E por sabermos isso, temos a explicação para uma série de mistérios mantidos na ciência. E também traz novos temas, como a irredutibilidade computacional. Quero dizer com isso que estamos acostumados a deixar a ciência nos predizer coisas mas algo como isso é fundamentalmente irredutível. A única forma de descobrir os resultados é, efetivamente, observar como se evolui. Está conectado ao que chamamos de o princípio da equivalência computacional, que nos diz que até os sistemas incrivelmente simples podem fazer a computação tão sofisticada como qualquer coisa. Não demanda muita tecnologia da evolução biológica para ser capaz de realizar a computação arbitral, algo que acontece, naturalmente, em todos os lugares. Coisas com regras tão simples como essas podem fazer isso. Bem, isso tem implicações profundas sobre os limites da ciência, sobre a previsibilidade e o que é controlável de coisas como processos biológicos ou economias, sobre inteligência no universo, sobre questões como livre arbítrio e sobre criar 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.
Vocês sabem, trabalhando nessa ciência por muitos anos, me fez questionar, "Qual será o primeiro aplicativo matador?" Bem, desde quando era garoto, eu ficava pensando sobre sistematizar o conhecimento e de alguma maneira torná-lo passível de computação. Pessoas como Leibniz também pensaram nisso há 300 anos. Mas sempre pensei que para se fazer progresso, eu teria que essencialmente replicar o cérebro todo. Bem, agora eu penso: Esse meu paradigma científico sugere algo diferente. E, por falar nisso, agora tenho alta capacidade computacional em Mathematica, e sou o CEO com alguns recursos mundanos para realizar projetos que sejam grandes e aparentemente loucos. Então eu decidi tentar só para ver o quanto do conhecimento sistemático que está aí no mundo nós podemos torná-lo passivo de computação.
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.
Então, tem sido um grande projeto muito complexo, sobre o qual eu não tinha certeza se daria certo. Mas estou feliz em dizer que realmente a coisa está indo bem. E no ano passado fomos capazes de lançar a primeira versão do site na web do Wolfram Alpha. O propósito é que seja um motor de conhecimento sério que compute as respostas para perguntas. Então vamos dar uma tentada. Comecemos com algo que seja realmente fácil. Esperemos pelo melhor. Muito bem. Ok! Até aqui tudo bem. (Risos) Vamos tentar algo um pouco mais difícil. Digamos ... Vamos fazer algo de matemática e com sorte o resultado virá e quem sabe nos dirá algumas coisas interessantes coisas relacionadas com matemática. Podemos perguntar-lhe algo sobre o mundo real. Vamos ver -- eu não sei -- Qual o PIB da Espanha? E ele deverá ser capaz de nos responder isso. Agora poderíamos computar algo relacionado a isso, digamos o PIB da Espanha dividido por, eu não sei, o -- hummm ... vamos dizer as receitas da Microsoft.
(Laughter)
(Risos)
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.
A ideia é que possamos pensar e daí digitar, esse tipo de pergunta do jeito que quisermos. Então vamos tentar perguntar, como uma questão relacionada com saúde. Vamos dizer que tenhamos um resultado do laboratório que -- você sabe, temos um LDL nível 140 para um homem de 50 anos. Então vamos digitar isso, e agora o Wolfram Alpha vai buscar e usar os dados públicos de saúde e vai calcular que parte da população corresponde à busca e assim por diante. Ou vamos buscar, bem eu não sei, a estação espacial internacional.
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.
E o que acontece aqui é que Wolfram Alpha não apenas faz a busca; é processamento em tempo real, onde a estação espacial internacional está agora, neste momento, a que velocidade viaja e assim por diante. Então Wolfram Alpha sabe acerca de inúmeros tipos de coisas. Deveria nesta fase nos dar, uma boa cobertura de tudo que você pode encontrar numa biblioteca padrão e assim por diante. Mas o alvo é o de ir além e, de maneira abrangente, democratizar todo esse tipo de conhecimento, e tentar e ser uma fonte de autoridade em todas as áreas, e ser capaz de processar respostas para perguntas específicas das pessoas, não através da busca do que outras pessoas tenham escrito antes, mas ao usar o conhecimento construído para processar novas e originais respostas para perguntas específicas.
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.
Agora, é claro, Wolfram Alpha é um projeto monumentalmente grande e de longo prazo com muitos e muitos desafios. Para começar, temos que supervisionar um zilhão de diferentes fontes com fatos e dados, e construímos um bom funil de processamento na automação de Mathematica e experts de domínios humanos para se chegar nisso. Mas isso é só o princípio. Com os fatos brutos e dados para verdadeiramente responder perguntas, temos que processar, temos que implementar todos esses métodos e modelos e algorítimos e assim por diante que a ciência e outras disciplinas já construiram a séculos. Bem, só de pensar na Mathematica, ainda há muita carga de trabalho. Até hoje, há cerca de 8 milhões de linhas do código da Mathematica no Wolfram Alpha desenvolvido por especialistas, muitos dos quais de diferentes campos.
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.
Bem, a ideia crucial do Wolfram Alpha é que você pode simplesmente perguntá-lo usando a linguagem humana corriqueira, que significa que devemos ser capazes de pegar os estranhos grunhidos que as pessoas digitam na janelinha e assim entendê-los. E eu devo dizer que pensei que esse passo poderia ser basicamente impossível. Duas grandes coisas aconteceram. Primeiro, um monte de novas ideias sobre linguística que chegaram do estudo do universo computacional. E segundo, a conclusão de que ao se ter um efetivo conhecimento computacional isso muda completamente como se aborda a compreensão da linguagem. E, é claro, agora com o Wolfram Alpha definitivamente lançado, podemos aprender pelo seu uso real. E na verdade, tem havido uma interessante coevolução acontecendo entre o Wolfram Alpha e os usuários humanos. E é de fato encorajador. Bem agora, se olharmos para os 'queries' da web, mais de 80% deles são resolvidos com sucesso na primeira tentativa. E se você olhar nas coisas, como os aplicativos do iPhone, uma fração é considerada muito grande. Então, eu estou bastante satisfeito com tudo.
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.
Mas, de muitas maneiras, ainda estamos bem no princípio do Wolfram Alplha. Quero dizer, tudo está escalando muito bem. Estamos ficando mais confiantes. Vocês podem ficar atentos com a tecnologia Wolfram Alpha aparencendo em mais e mais lugares, operando tanto com esse tipo de dados públicos, como no site, e com o conhecimento privado para as pessoas e empresas, e assim por diante. Vocês sabem, eu cheguei à conclusão que Wolfram Alpham na verdade nos dá um tipo totalmente novo de computação que se pode chamar de computação baseada em conhecimento, em que ao se principiar, não simplesmente da computação bruta, mas de uma vasta quantidade de conhecimento construído. E quando se faz isso, vai se obter as economias da entrega de coisas computacionais, quer na web ou em outra localidade.
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.
Vocês sabem, nós temos uma situação bem interessante agora. Por um lado, temos a Mathematica, com todo o tipo de linguagem precisa, formal e uma extensa rede de habilidades desenhadas cuidadosamente capazes de fazer muito acontecer bastando poucas linhas. Deixe-me mostrar alguns exemplos aqui. Aqui tem uma peça comum de programação da Mathematica. Aqui tem algo que podemos de certa maneira integrar aqui com um monte de diferentes habilidades. Aqui nós acabamos de criar essa linha uma pequena interface de usuário que nos permite fazer algo divertido aqui. Se você for adiante, há um programa um pouco mais complicado que agora faz todo o tipo de coisas algorítimicas enquanto cria a interface do usuário e assim por diante. Mas é algo que tem uma alta precisão. É uma especificação precisa com uma linguagem formal precisa que faz Mathematica saber o que fazer nesses casos.
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.
Bem, por outro lado, temos o Wolfram Alpha, com todo o tipo de confusão do mundo e linguagem humana e mais, construído nele. Então o que acontece quando voce coloca essas coisas juntas? Eu creio que é na verdade maravilhoso. Com o Wolfram Alpha dentro da Mathematica, você pode, por exempo, fazer programas precisos que busca nos dados do mundo real. Aqui está um exemplo bem simples. Você pode se quiser dar um input vago e daí tentar ver se Wolfram Alpha consegue captar do que você está se referindo. Vamos tentar este aqui. Mas na verdade eu penso que talvez a coisa mais empolgante sobre isso é que realmente nos dá a chance de democratizar a programação. Eu quero dizer, qualquer um poderá se virar ao dizer em linguagem comum, e em seguida a ideia, isso é, que Wolfram Alpha seja capaz de se virar nas peças precisas de código que serão necessária para fazer o que se pede e daí mostrar em exemplos, que permitirá a eles escolherem o que se quer para construir maiores e maiores, programas precisos. Então, às vezes, Wolfram Alpha será capaz de fazer a coisa toda imediatamente e simplesmente devolver um grande programa que você possa processar. Então aqui tem um grande site onde temos colecionado muitas coisas da educação e outras demonstrações sobre muitos tipos de coisas. Então, eu não sei, eu vou mostrar um exemplo, talvez aqui. Este é só um exemplo de um desses documentos computáveis. Este é provavelmente um pedaço relativamente pequeno do código da Mathematica que consegue rodar aqui.
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.
Ok. Vamos distanciar, novamente. Então, por causa do nosso novo tipo de ciência, será que há uma maneira genérica de usá-la para criar tecnologia? Então, com materiais físicos, estamos acostumados, meio que ir ao redor do mundo e descobrir que os materiais em particular são úteis para propósitos tecnológicos específicos e assim por diante. Bem, acontece que, nós podemos fazer algo bem semelhante no universo computacional. Há um suprimento inesgotável de programas disponível. O desafio é vermos na prática sua adaptação para os propósitos humanos. Algo como na Regra 30, por exemplo, que acaba sendo um realmente bom gerador de aleatoriedade. Outros programas simples são bons modelos para processar no mundo natural ou social. E por exemplo, Wolfram Alpha e Mathematica estão agora lotados de algorítimos que nós descobrimos ao fazer buscas no universo computacional. E por exemplo, este -- podemos voltar aqui -- este tem se tornado surpreendemente popular entre compositores ao encontrar formas musicais quando se faz buscas no universo computacional. De uma certa forma, podemos usar o universo computacional para obter customização criativa em massa. Espero que possamos, por exemplo, usar isso até para fazer o Wolfram Alpha meio que inventar continuamente e descobrir de imediato e achar todo o tipo de coisa maravilhosa que nenhum engenheiro e nenhum processo de evolução incremental obteria por si.
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.
Bem, isso nos leva a um tipo de questão final. Será que em algum lugar lá no universo computacional podemos encontrar nosso universo físico? Talvez exista até uma regra bem simples, algum programa simples de nosso universo. Bem a história da física nos fez crer que a regra do universo deve ser muito complicada. Mas no universo computacional nós vimos como regras que são extremamente simples podem produzir comportamentos extremamente ricos e complexos. Seria então isso que estaria ocorrendo na totalidade do universo? Se as regras para o universo são simples, é meio que inevitável que elas devam ser muito abstratas e de um nível muito baixo, operando, por exemplo, bem abaixo do nível do espaço ou tempo, o que torna difícil de representar coisas. Mas pelo menos numa boa classificação de casos, podemos pensar do universo como sendo algum tipo de rede, a qual, quando se torna grande o suficiente, se comporta como um espaço continuado muito do mesmo jeito como se tem muitas moléculas se comportando como um fluido contínuo. Bem, então o universo terá que evoluir ao aplicar pequenas regras que progressivamente atualizam essa rede. E cada possível regra, de um jeito, corresponde a um 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.
Na verdade, eu ainda não mostrei esses antes, mas aqui tem alguns universos candidatos que eu dei uma olhada. Alguns são universos perdidos, completamente estéreis, com outros tipos de patologias como sem noção de espaço, sem noção de tempo, sem matéria, outros problemas dessa ordem. Mas a coisa excitante que eu descobri nos anos mais recentes é que você de fato não tem que ir muito longe no universo computacional antes de iniciar a busca por universos candidatos que obviamente não estão no nosso universo. Aqui está o problema: Qualquer candidato sério para nosso universo, é inevitavelmente cheio de irredutibilidade computacional, o que quer dizer que é irredutivelmente difícil saber como ele vai na verdade se comportar, e se casaria com o nosso universo físico. Uns anos atrás, eu fiquei muito empolgado ao descobrir que existem universos candidatos com regras extremamente simples que reproduzem com sucesso relatividade especial e até relatividade genérica e gravitação pelo menos nos dão percepções da mecânica quantum. Então encontraremos o todo da física? Eu não sei ao certo. Mas eu penso que nesse ponto é meio que quase vergonhoso, ao menos não se tentar.
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.
Não é um projeto fácil. Temos que construir com muita tecnologia Temos que construir uma estrutura que provavelmente seja pelo menos tão profunda como a física existente. E não estou certo qual seria a melhor forma de organizar a coisa toda. Formar um time, abrir, ofertar premiações e assim por diante. Mas eu lhes direi aqui hoje que estou comprometido a ver esse projeto realizado, a ver se, dentro desta década, podemos finalmente segurar em nossas mãos a regra do nosso universo e saber onde reside nosso universo no espaço de todos os possíveis universos e sermos capazes de digitar no Wolfram Alpha a teoria do universo, e deixá-lo nos dizer.
(Laughter)
(Risos)
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.
Então eu tenho trabalhado nessa ideia da computação já por mais de 30 anos, construindo ferramentas e métodos e transformando algo como ideias intelectuais em milhões de linhas de código e tirando proveito do aglomerado de servidores, e assim por diante. À medida que cada ano passa, eu percebo o quanto mais poderosa a ideia da computação verdadeiramente é. Foi necessário percorrer um longo caminho, mas há muita coisa ainda a vir, desde os fundamentos da ciência aos limites da tecnologia até a própria definição da condição humana, eu penso que a computação está destinada a ser a ideia definidora do nosso futuro.
Thank you.
Obrigado a todos.
(Applause)
(Aplausos)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Chris Anderson: Isso foi fora de série. Permaneça aqui. Eu tenho uma pergunta.
(Applause)
(Aplausos)
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?
Creio que foi, e é justo dizer, uma fala fora de série. Você consegue dizer em uma sentença ou duas como que esse tipo de pensamento pode integrar em certo ponto com as coisas como teoria das cordas ou o tipo de coisas que pessoas pensam como as explicações fundamentais do 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: Bem, as partes da física que de certa forma sabemos ser verdadeira, coisas como os modelos padrão da física. O que estou tentando fazer melhor é reproduzir o padrão do modelo da física ou a coisa está simplesmente errada. As coisas que pessoas tem tentado fazer nos cerca de últimos 25 anos com a teoria das cordas e assim por diante tem sido uma exploração interessante que tem tentado voltar ao modelo padrão, mas ainda não conseguiu chegar lá ainda. Meu palpite é que algumas grandes simplificações do que estou fazendo deverão no fundo ter considerável ressonância com o que se está fazendo na teoria das cordas, mas é uma matemática complicada que eu mesmo não sei como ela vai funcionar.
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 Mandlebrot está no auditório. Ele também apresentou como a complexidade pode nascer de um começo simples. O seu trabalho tem relação com o dele?
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: Eu creio que sim. Eu vejo o trabalho de Benoit Mandlebrot como uma das contribuições fundamentais para esse tipo de área. Benoit tem se interessado em particular em padrões aninhados, em fractais e assim por diante, onde a estrutura de algo que seria como uma árvore, e onde há uma espécie de um grande galho que tem pequenas ramificações, e até ramificações ainda menores e assim por diante. Esse é uma das maneiras que você chega na verdadeira complexidade. Eu penso que coisas como a Regra 30 do autômato celular nos leva a um diferente nível. Na verdade, de uma maneira muito precisa ela nos leva a um nível diferente porque elas parecem ser coisas que são capazes de complexidade que são de certa forma, tão grande quanto a complexidade pode chegar ...
I could go on about this at great length, but I won't. (Laughter) (Applause)
Eu poderia continuar a falar sobre isso sem parar, mas não farei.
CA: Stephen Wolfram, thank you.
CA: Stephen Wolfram, muito obrigado.
(Applause)
(Aplausos)