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.
Vreau să vorbesc azi despre o idee. E o idee măreață. De fapt cred că în cele din urmă va fi văzută ca cea mai grozavă idee care a fost concepută în secolul trecut. E ideea computației. Acum, bineînțeles, acea idee ne-a adus toată tehnologia computerelor pe care o avem azi, ș.a.m.d. Dar, de fapt există mult mai mult decât atât în calcul. E de fapt o idee profundă, foarte puternică, fundamentală, ale cărei efecte abia am început să le vedem.
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.
Ei bine, eu însumi am petrecut ultimii 30 de ani lucrând la trei proiecte mari care încearcă să ia problema calculului în serios. Așa că am început de tânăr ca fizician folosind computerele drept unelte. Apoi, am început să cercetez, gândindu-mă la calculele pe care aș vrea cu adevărat să le fac, încercând să descifrez de la ce ireductibile trebuiau pornite și cum puteau fi automatizate cât de mult posibil. În cele din urmă am creat o întreagă structură bazată pe programare simbolică, ș.a.m.d. , care mi-au îngăduit să construiesc programul Mathematica. Și în ultimii 23 de ani, cu viteză tot mai mare am venit cu tot mai multe idei și capacități introduse în Mathematica, și sunt bucuros să spun că asta a condus la multe lucruri bune în cercetare, dezvoltare și educație, și multe alte domenii. Ei bine, trebuie să recunosc, de fapt, că am avut și un motiv foarte egoist pentru a concepe Mathematica. Am vrut să o folosesc eu însumi, la fel cum Galileo și-a folosit telescopul cu 400 de ani în urmă. Dar am vrut să mă uit nu la universul astronomic, ci la universul computațional.
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.
Deci, normal gândim despre programe ca fiind lucruri complicate pe care le construim pentru scopuri foarte precise. Dar care-i situația cu spațiul pentru toate programele posibile? Iată o reprezentare a unui program cu adevărat simplu. Deci, dacă rulăm acest program, asta-i ce obținem. Foarte simplu. Să încercăm să schimbăm puțin regulile la acest program. Acum obținem un alt rezultat tot foarte simplu. Să încercăm să schimbăm din nou. Obții ceva puțin mai complicat, dar dacă continuăm să rulăm o vreme, vedem că, deși tiparul obținut e foarte intricat, are o structură foarte regulată. Deci întrebarea e: Se mai poate întâmpla și altceva? Ei bine, putem face un experiment. Să facem un experiment matematic, încercăm și vedem.
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.
Hai să rulăm toate programele posibile de un anume tip la care ne uităm. Se numesc 'cellular automata'. Poți vedea aici multă diversitate în rezultate. Majoritatea fac lucruri foarte simple. Dar dacă privești toate aceste imagini diferite, la regula numărul 30, începi să vezi că se petrece ceva interesant. Deci să ne uităm mai atent la regula numărul 30. Iat-o. Urmăm această simplă regulă de aici la bază dar obținem toate aceste rezultate uimitoare. Nu-i de loc ceva cu care suntem obișnuiți, și trebuie să spun, când am văzut asta prima dată, a venit ca un imens șoc pentru intuiția mea, și de fapt pentru a o înțelege în cele din urmă a trebuit să creez o știință cu totul nouă.
(Laughter)
(Râsete)
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.
Această știință e diferită, mai generală, decât știința bazată pe matematica pe care am avut-o în ultimii 300 de ani. Știți, întotdeauna mi-a părut ca un mare mister cum reușește natura, aparent fără efort, să producă atât de mult care nouă ne pare complex. Ei bine, cred că i-am descoperit secretul. Doar ia mostre din ce există în universul computațional și adesea găsește lucruri ca Rule 30 sau asemănătoare. Și cunoscînd asta, începe să explice o întreagă serie de mistere în știință. Ridică totuși noi probleme cum ar fi calcularea ireductibilității. Adică, suntem obișnuiți ca știința să ne lase să prezicem lucruri, dar ceva cum e asta e fundamental ireductibil. Singura cale de a-i vedea rezultatul e să-l urmărești efectiv evoluând. E conectat la ceea ce eu numesc principiul echivalenței computaționale, care ne spune că și sistemele incredibil de simple pot face computații la fel de complicate ca oricare. Nu e necesară multă tehnologie sau evoluție biologică pentru a avea capacitatea de a face computație arbitrară, doar ceva care se întâmplă natural peste tot. Sisteme cu reguli simple ca acestea o pot face. Ei bine, asta are implicații adânci privitor la limitele științei, despre predictibilitatea și controlabilitatea sistemelor ca procesele biologice sau economiile, despre inteligența în univers, despre întrebări ca voința liberă și despre crearea tehnologiei.
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.
Știți, lucrând cu această știință de mulți ani, m-am tot întrebat, "Care va fi aplicația de grație?" Ei bine, încă de când eram copil, m-am gândit la sistematizarea cunoașterii și aducerea ei într-o formă computabilă. Oameni ca Leibniz s-au întrebat despre asta și ei cu 300 de ani în urmă. Dar întotdeauna am presupus că pentru a progresa ar trebui în esență să replic un întreg creier. Ei bine, mă gândeam: Această paradigmă a mea sugerează ceva diferit. Și, apropo, am acum capabilități uriașe în Mathematica și sunt un director executiv cu ceva resurse lumești pentru a face proiecte mari, aparent nebunești. Deci am decis doar să încerc să văd cât din cunoașterea sistematică care e acolo în lume poate fi adusă în stare computațională.
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.
Deci a fost un proiect mare și complex de care nu eram de loc sigur că va funcționa. Dar sunt mulțumit că de fapt merge chiar bine. Și anul trecut am putut să emitem prima versiune de website a [sistemului computațional] Wolfram Alpha. Scopul acestuia e de-a fi un motor serios de cunoaștere care calculează răspunsuri la întrebări. Deci să-l încercăm. Să începem cu ceva foarte simplu. Să sperăm că merge. Foarte bine. OK. Până aici e bine. (Râsete) Să încercăm ceva puțin mai complicat. Să zicem ... Să facem ceva matematic și cu noroc va calcula răspunsul și va încerca să ne spună niște lucruri interesante lucruri înrudite cu matematica. L-am putea întreba ceva despre lumea reală. Să zicem -- nu știu -- Care e produsul național brut, GDP al Spaniei? Ar trebui să fie capabil să ne spună. Acum am putea calcula ceva legat de asta să zicem GDP al Spaniei împărțit la, să vedem, -- hmmm ... să zicem la profitul companiei Microsoft.
(Laughter)
(Râsete)
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.
Ideea e că putem tasta simplu această întrebare în orice mod ne gândim la ea. Deci, hai să-i punem o întrebare, cum ar fi o întrebare despre sănătate. Deci să spunem că avem un laborator care -- știți, avem un nivel de colesterol LDL de 140 pentru un bărbat de 50 de ani. Deci să tastăm asta și acum Wolfram Alpha va căuta și va folosi datele de sănătate publică disponibile și va încerca să găsească din ce fragment de populație face parte, ș.a.m.d. Sau să încercăm stația spațială internațională.
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.
Și ce se întâmplă aici e că Wolfram Alpha nu doar caută ceva ci calculează în timp util, unde e stația spațială internațională chiar acum, în momentul acesta, cât de rapid se deplasează, ș.a.m.d. Deci Wolfram Alpha știe multe, multe lucruri. Are până în prezent, cam tot ce ai putea găsi într-o bibliotecă de referință standard. Dar scopul e de a ajunge mult mai departe și, în general, să democratizeze accesul la toată această cunoaștere globală și să încerce să fie o sursă competentă în toate domeniile, să fie capabilă să calculeze răspunsuri la întrebări specifice pe care le au oamenii, nu prin a accesa ce au scris alți oameni înaintea lor ci prin a folosi cunoaștere încorporată să calculeze răspunsuri noi actuale la întrebări specifice.
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.
Acum, bineînțeles, Wolfram Alpha e un proiect uriaș, de lungă durată cu tot felul de deziderate. Pentru început, trebuie să fie administrată o miriadă de surse diferite de fapte și date, și construit un sistem de automatizare pentru Mathematica și alcătuită o rețea de experți din domenii umaniste pentru asta. Dar ăsta e doar începutul. Cu date sau fapte brute, pentru a răspunde realmente la întrebări trebuie calculate trebuie implementate toate acele metode și modele și algoritmi, etc. pe care știința și alte domenii le-au accumulat de-a lungul secolelor. Ei bine, chiar și pornind de la Mathematica acesta e un volum uriaș de muncă. Până acum există 8 milioane de rânduri de cod Mathematica în programul Wolfram Alpha introdus de experți din multe, multe domenii diferite.
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.
Ei bine, o idee radicală a programului Wolfram Alpha e că poți să-i pui întrebări folosind limbaj uman obișnuit, ceea ce înseamnă că trebuie să fim capabili de-a include toate acele combinații ciudate pe care oamenii le tastează în fereastra de input și de-a le înțelege. Și trebuie să spun că eu credeam că acel stagiu ar putea fi pur și simplu imposibil. Două lucruri mari s-au întâmplat. Primul, o grămadă de idei noi despre lingvistică au apărut din studiul universului computațional. Al doilea, realizarea că având cunoaștere calculabilă efectiv schimbă complet unghiul de abordare în înțelegerea limbii. Și bineînțeles acum cu Wolfram Alpha ieșit în lume putem învăța prin uzitarea lui efectivă. Și de fapt a existat o interesantă co-evoluție care a avut loc între Wolfram Alpha și utilizatorii lui umani. Și e cu adevarat încurajator. Chiar acum, dacă ne uităm la căutările de pe web, mai mult de 80% din ele sunt rezolvate cu succes de prima dată. Și dacă te uiți la aplicații cum e iPhone-ul fracțiunea e cu mult mai mare. Deci, sunt destul de mulțumit cu programul în ansamblu.
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.
Dar în multe feluri suntem încă la începuturi cu Wolfram Alpha dar, toate evoluează destul de frumos. Devenim tot mai încrezători. Vă puteți aștepta să vedeți tehnologia Wolfram Alpha apărând în tot mai multe locuri, lucrând și cu acest gen de date publice, cum e acest website, și cu cunoștințe private referitoare la oameni și la companii, etc. Știți, am realizat că Wolfram Alpha de fapt oferă un fel complet nou de computerizare pe care o putem numi computerizare bazată pe cunoaștere, în care se pornește nu doar de la computerizare brută, dar și de la o vastă bază de cunoaștere incorporată. Și când se face asta, se modifică într-adevăr știința economiei emiterii de rezultate computaționale, fie că e pe web, fie altundeva.
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.
Știți, avem o situație foarte interesantă acum. Pe de o parte, avem programul Mathematica, cu limbajul său precis și formal și o rețea uriașă de capabilități proiectate cu grijă în stare să facă enorm în doar câteva rânduri. Să vă arăt două exemple aici. Iată o bucățică trivială din codul programului Mathematica. Aici e ceva în care integrăm o grămadă de capabilități diferite. Aici vom crea în acest rând o simplă interfață de utilizator care ne permite să facem ceva distractiv aici. Dacă continui, acela e un program puțin mai complicat care face acum tot felul de calcule algoritmice și crează interfață de utilizare, etc. Dar e material extrem de precis. E o specificație precisă cu un limbaj formal precis care determină Mathematica să știe ce să facă.
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.
Ei bine, pe de altă parte, avem Wolfram Alpha cu toată harababura lumii și cu limbi umane și altele încorporate în el. Deci ce se întâmplă când pui aceste lucruri împreună? Cred de fapt că rezultatul e minunat. Cu Wolfram Alpha în interiorul progamului Mathematica poți, de exemplu, să faci programe precise care cheamă date din lumea reală. Iată un exemplu foarte simplu. Poți să introduci un fel de input vag și apoi să-l faci pe Wolfram Alpha să descopere despre ce vorbești. Să încercăm. Dar cred că cel mai interesant lucru despre asta e că ne dă șansa să democratizăm programarea. Adică, oricine va fi în stare să tasteze cam ce doresc în limbaj obișnuit și apoi Wolfram Alpha va fi în stare să deslușească exact care părți de cod pot face ce i s-a cerut și apoi să arate exemple care vor permite să aleagă ce are nevoie pentru a construi programe tot mai mari și mai precise. Așa că, uneori, Wolfram Alpha va fi în stare să rezolve întregul răspuns imediat și să-ți returneze un program mare cu care apoi să faci computația. Deci iată un website mare unde am colectat multe demonstrații educaționale și de alte naturi despre tot felul de lucruri. Deci, să vedem, vă arăt un exemplu, poate aici. Ăsta e doar un exemplu din aceste documente computabile. Acesta e probabil o părticică mică din codul Mathematica care poate rula aici.
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. Să ieșim de aici. Deci, având în vedere noua noastră știință, există un mod general de a face tehnologie? Adică, cu materiale fizice, suntem obișnuiți să mergem în jurul lumii și să descoperim că materiale specifice sunt folositoare pentru scopuri tehnologice specifice, ș.a.m.d. Ei bine, se pare că putem face același gen de lucruri în universul computațional. Există resurse inepuizabile de programe în lume. Provocarea e de a vedea cum să le exploatăm pentru scopuri umane. Ceva ca Regula 30, de exemplu, pare să funcționeze bine ca generator aleatoriu. Alte programe simple sunt modele bune pentru procesarea în lumea naturală sau socială. Și de exemplu, Wolfram Alpha și Mathematica sunt de fapt acum înțesate de algoritmi pe care i-am descoperit prin cercetarea universului computațional. Și, de exemplu asta -- ne-am întors aici -- Asta a devenit surprinzător de popular printe compozitorii care găsesc forme muzicale prin cercetarea universului computațional. Într-un sens, putem folosi universul computațional să obținem ajustarea creativă prealabilă de către consumatori a producției de masă Sper că vom putea de exemplu să folosim Wolfram Alpha chiar pentru a face în mod curent invenții și descoperiri din mers și a găsi tot felul de minunății pe care nici un inginer sau proces de evoluție incrementală nu l-ar considera.
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.
Ei bine, prin urmare, asta conduce la întrebarea fundamentală. Ar fi oare posibil ca undeva în universul computațional să găsim universul nostru fizic? Poate există chiar o regulă simplă un program simplu pentru universul nostru. Ei bine, istoria fizicii ne-a convins că regula ce descrie universul e complicată. Dar în universul computațional am văzut cum reguli incredibil de simple pot produce comportament extrem de complex. Deci ar putea fi asta ce se întâmplă cu universul nostru? Dacă regulile universului sunt simple, e inevitabil ca ele să fie foarte abstracte și foarte de bază, operând, de exemplu, mult sub nivelul spațiului și timpului, dimensiuni care fac reprezentarea dificilă. Dar cel puțin într-o mare clasă de cazuri, se poate gândi despre univers ca fiind un fel de rețea, care, când devine suficient de mare, se comportă ca un spațiu continuu în același mod cum multe molecule se pot comporta ca un lichid continuu. Ei bine, atunci universul trebuie să evolueze prin aplicarea regulilor simple care progresiv actualizează această rețea. Și fiecare regulă, într-un sens, corespunde unui univers candidat.
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.
De fapt n-am mai arătat asta până acum, dar iată câteva din universurile candidate la care m-am uitat. Unele din acestea sunt universuri făra speranță, complet sterile, cu alte feluri de patologii cum ar lipsa noțiunii de spațiu, a noțiunii de timp, de materie, și alte probleme de acest gen. Dar ce am concluzionat interesant în ultimii câțiva ani e că nu trebuie să mergi prea departe în universul computațional pentru a găsi universuri candidate la care nu e evident că nu sunt universul nostru. Iată o problemă: Oricare univers candidat pentru universul nostru e inevitabil plin de ireductibilitate computațională ceea ce înseamnă că este ireductibil de dificil să descoperi cum se va comporta în realitate, și dacă se potrivește cu universul nostru fizic. Cu câtiva ani în urmă, am fost foarte emoționat să descopăr că există universuri candidate cu reguli incredibil de simple care reproduc cu succes relativitatea specială și chiar relativitatea generală și gravitațională și cel puțin dau indicii de mecanică cuantică. Deci, vom găsi totalitatea fizicii? Nu știu cu siguranță. Dar cred în acest moment că e aproape jenant să nu încercăm cel puțin.
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.
Nu e un proiect ușor. Trebuie construită multă tehnologie. Trebuie construită o structură care e probabil cel puțin atât de complexă ca fizica. Și nu sunt sigur cum e cel mai bine de a organiza totul. Să alcătuiesc o echipă, sau să lucrez deschis, să ofer premii, etc. Dar vă spun aici azi că sunt hotărât să văd acest proiect făcut, să văd dacă în decurs de o decadă, putem ține în mâini într-un final regula valabilă pentru universul nostru și să știm unde se situează universul nostru în spațiul tuturor posibilităților -- și să putem tasta în Wolfram Alpha "teoria universului," și acesta să ne-o spună.
(Laughter)
(Râsete)
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.
Deci am lucrat la ideea computației de mai mult de 30 de ani construind unelte și metode și transformând idei intelectuale în milioane de linii de cod și grăunțe pentru fermele de servere :) , ș.a.m.d. Cu fiecare an ce trece, realizez că e mult mai puternică ideea computației decât am crezut. Ne-a luat mult timp deja, dar mai e încă mult în viitor. De la fundamentele științei până la limitele tehnologiei și chiar până la definiția condiției umane, computația este, cred, destinată să fie ideea definitorie a viitorului nostru.
Thank you.
Mulțumesc.
(Applause)
(Aplauze)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Chris Anderson: Asta a fost uimitor. Rămâneți aici. Am o întrebare.
(Applause)
(Aplauze)
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?
Asta a fost o prezentare remarcabilă. Puteți spune într-o propoziție sau două cum ar putea acest gen de gândire integra la un moment dat noțiuni ca teoria corzilor sau genul de lucruri pe care oamenii le consideră explicații fundamentale ale universului?
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: Ei bine, părți ale fizicii pe care le știm a fi adevărate, lucruri ca modelul standard al fizicii. Încerc să reproduc modelul standard al fizicii [particulelor subatomice] iar dacă nu reușesc înseamnă că e greșit. Lucrurille pe care oamenii le-au încercat în ultimii 25 de ani cu teoria corzilor a fost o explorare interesantă care a încercat să se întoarcă la modelul standard dar încă nu a ajuns acolo. Bănuiala mea e că niște simplificări cum am făcut eu ar putea de fapt avea rezonanță considerabilă cu ceea ce a fost făcut în teoria corzilor, dar ăsta e un aspect matematic complicat care nu știu încă cum va fi rezolvat.
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 e în audiență. Și el a arătat cum poate complexitatea să derive dintr-un start simplu. E munca dv. asociată cu a lui?
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: Cred că da. Consider lucrarea lui Benoit Mandlebrot ca fiind una din contribuțiile de inițiere din acest domeniu. Benoit a fost în special interesat în modele în serie, în fractali, ș.a.m.d. unde structura este e ca un fel de copac și unde există un braț mare care face brațe mai mici, și apoi brațe și mai mici, etc. Asta e una din căi către complexitate adevărată. Cred că lucruri ca sistemul automat celular după Regula 30 ne duc la un nivel diferit. De fapt, într-un mod foarte precis ne conduc către un nivel diferit pentru că par a fi lucruri capabile de complexitate, complexitate de grad maxim, ca să zicem așa...
I could go on about this at great length, but I won't. (Laughter) (Applause)
Aș putea să continui cu multe detalii, dar nu acum.
CA: Stephen Wolfram, thank you.
CA : Stephen Wolfram, vă mulțumim.
(Applause)
(Aplauze)