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.
Итак, сегодня я хочу поговорить об одной идее. Большой идее. Я даже думаю, что в конечном итоге эта идея будет считаться крупнейшей идеей из всех, появившихся в прошлом веке. Это – представление о вычислимости. Эта идея, конечно, дала нам всю сегодняшнюю компьютерную технику. Но в идее вычислимости заложено намного больше. Это действительно глубокая, очень мощная и фундаментальная идея, и мы только начинаем осознавать её влияние.
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.
В течение последних 30 лет я работал над тремя крупными проектами, каждый из которых опирался на идею вычислимости и развивал её. В свои молодые годы, я, как физик, пользовался компьютером как инструментом. Затем я начал вникать в проблему и думать о том, какие вычисления мне могли бы понадобиться, из каких элементов их можно было бы построить, и как их максимально автоматизировать. В конечном итоге я разработал целую систему, основанную на символическом программировании, что позволило мне создать пакет Mathematica. В течение последних 23 лет мы обогащали пакет Mathematica новыми идеями и возможностями во всё возрастающем темпе, и я рад сообщить, что это помогло создать много полезного в научных исследованиях, образовании и многих других областях. Должен признаться, что при создании Mathematica мною двигал и один эгоистичный мотив. Я хотел пользоваться пакетом сам, подобно Галилею, использовавшему свой собственный телескоп 400 лет назад . Но я хотел познать не астрономический, а вычислительный мир.
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.
Обычно принято считать, что программа – это сложная вещь, создаваемая ради каких-то конкретных целей. Но как насчёт пространства всех возможных программ? Перед вами схема простейшей программы. [надпись: Цвета трёх верхних клеток задают цвет нижней.] Если запустить эту программу, то получится вот что. Очень просто. Теперь слегка изменим правила нашей программы, и получим другой результат, всё ещё очень простой. Изменим ещё. Получается несколько сложнее, но если выполнять программу дальше, то обнаружится, что узор, хоть и замысловат, имеет чёткую структуру. Отсюда вопрос: А что ещё может получиться? Что ж, можем устроить эксперимент. Маленький математический эксперимент чтобы посмотреть.
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.
Давайте выполним все возможные программы этого вида. Они называются клеточными автоматами. Видно, что их поведение крайне разнообразно. Большинство из них делают банальные вещи. Но просматривая все эти картинки, и дойдя до Правила номер 30, мы увидим нечто интересное. Давайте внимательнее взглянем на Правило номер 30. Вот его картинка. Исполнение простейшего правила, указанного внизу, даёт настолько поразительную вещь. Это совсем не то, что мы могли бы ожидать, и должен сказать, что когда я впервые столкнулся с этим, я был в шоке, - это полностью противоречило моей интуиции. Чтобы разобраться, мне пришлось в конечном итоге создать совершенно Новый Вид Науки.
(Laughter)
(Смех) [на слайде: содержание его книги с этим названием]
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.
Эта другая наука, - более общая, чем основанные на математике науки, развивавшиеся за последние 300 лет Для меня всегда казалось тайной то, как природа создаёт, без видимых усилий, такую массу вещей, кажущихся нам столь сложными. Что ж, думаю, что секрет найден. Она просто перебирает имеющееся в вычислительном мире, и часто попадает на такие вещи, как Правило 30 или как вот это. Знание этого раскрывает многие давние тайны науки. Хотя при этом возникают новые вопросы, как например, вычислительная неприводимость [к более простому]. Мы привыкли, что наука может предсказывать, но вот такие вещи принципиально неприводимы [к более простому уровню]. Единственный способ узнать результат процесса – это, по сути, наблюдать за его развитием. Это связано с тем, что я называю принципом вычислительной равнозначности, который говорит, что даже крайне простые системы могут производить вычисления абсолютно любой сложности. Ни развитая техника, ни биологическая эволюция не нужны для выполнения вычислений любой сложности, достаточно того, что и так происходит повсеместно. Достаточно таких вот простых правил. [слайд: клеточный автомат, машина Тьюринга]. Так вот, отсюда следуют очень глубокие выводы: о пределах науки, о возможности прогноза и контролирования, к примеру, биологических процессов или экономических систем, о разуме во вселенной, о проблематике свободы воли и о создании технологий.
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.
Разрабатывая столько лет эту науку, я всегда про себя думал: «Что же станет её первым ошеломляющим приложением?» Что ж, ещё когда я был ребёнком, я думал о том, как можно было бы систематизировать знания и сделать их вычислимыми. Такие учёные как Лейбниц, задавались этим вопросом ещё 300 лет назад. Я всегда предполагал, что для достижения реального прогресса, мне придётся, по существу, полностью продублировать мозг. Но тут у меня возникла мысль: Ведь моя научная парадигма подразумевает кое-что другое. К тому же, теперь у меня в руках мощные вычислительные возможности пакета Mathematica, и, как президент фирмы, я обладаю материальными возможностями для реализации крупных, почти сумасбродных, проектов. И я решил просто попробовать понять, какую часть систематизированных знаний, накопленных во всём мире, мы можем сделать вычислимыми.
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.
Это был большой и очень сложный проект; я был не уверен, даст ли он вообще результат. Но я рад сообщить, что проект продвигается весьма успешно, и в прошлом году нам удалось запустить сайт с первой интернет-версией системы Wolfram Alpha. Её цель – предоставить серьёзный инструмент обработки знаний, который вычисляет ответы на вопросы. Давайте разок попробуем. Начнём с простейшего. Надеюсь, не подведёт. [пишет: «2+2»; на экране – 4] Отлично. Получилось. Пока всё по плану. (Смех) Теперь возьмём орешек покрепче. Ну, скажем, нечто … нечто математическое и, если повезёт, система даст ответ [пишет: «Интеграл x^2 sin^3 x dx»; на экране – формула] и даже расскажет кое-что интересное про сопутствующую математику. [на экране: графики и метод вычисления] Можно задать вопрос о реальном мире. Ну, скажем,… не знаю… Каков ВВП Испании? И система должна ответить. Можно посчитать и что-нибудь связанное с этим, скажем, ВВП Испании, поделённый на… ну, не знаю… гм … пусть будет доход Microsoft’a
(Laughter)
(Смех)
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.
Идея в том, что можно как бы напечатать вопрос как есть, в том виде, как он пришёл к нам в голову. Давайте спросим что-нибудь из области медицины. Скажем, лабораторный анализ показал уровень холестерина в 140 единиц у мужчины возраста 50 лет… Печатаем, и Wolfram Alpha сейчас найдёт все открытые медицинские данные и постарается узнать, какая часть населения имеет такой и уровень и пр. Или спросим, ну, скажем, о Международной Космической Станции
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.
И что важно, в ответ на этот запрос Wolfram Alpha не просто что-то просматривает, она вычисляет в реальном времени, [на экране – карта с траекторией и точкой месторасположения] где находится в данный момент станция, как быстро она движется и пр. Так что Wolfram Alpha знает об очень и очень многом. На настоящий момент она неплохо осведомлена обо всём, что имеется в обычной справочной библиотеке. Но цель – намного выше. Говоря в общем – демократизировать все знания, быть авторитетным источником во всех областях, быть в состоянии вычислить ответы на конкретные вопросы, не через поиск того, что было написано другими, а используя встроенные знания для вычисления новых ответов на конкретные вопросы.
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.
Конечно, Wolfram Alpha – проект колоссальный, долгосрочный, с огромным числом интересных проблем. Для начала, необходимо просеять несметное множество различных источников, фактов и цифр; с этой целью мы построили целый конвейер из программ в Mathematica и групп специалистов разных областей. Но это только начало. Даже имея сырые факты и цифры, для получения ответов кто-то должен их вычислить, а кто-то – реализовать все необходимые методы, модели, алгоритмы и прочее, что создано наукой в течение веков. [пишет: «кофеин»; на экране: состав и молекула] Но, даже имея всё это, остаётся масса работы. [пишет: «затмение в Лонг-Бич»; на экране: 20.05.2012] На сегодняшний день в системе Wolfram Alpha – 8 миллионов строк кода из Mathematica, написанных с помощью экспертов из множества разных областей.
Well, a crucial idea of Wolfram Alpha is that you can just ask it questions using ordinary human language, which means that we've got to be able to take all those strange utterances that people type into the input field and understand them. And I must say that I thought that step might just be plain impossible. Two big things happened: First, a bunch of new ideas about linguistics that came from studying the computational universe; and second, the realization that having actual computable knowledge completely changes how one can set about understanding language. And, of course, now with Wolfram Alpha actually out in the wild, we can learn from its actual usage. And, in fact, there's been an interesting coevolution that's been going on between Wolfram Alpha and its human users, and it's really encouraging. Right now, if we look at web queries, more than 80 percent of them get handled successfully the first time. And if you look at things like the iPhone app, the fraction is considerably larger. So, I'm pretty pleased with it all.
Но ключевая идея Wolfram Alpha – возможность задавать вопрос при помощи обычного человеческого языка. Значит, надо научиться интерпретировать все те странные выражения, которые люди вбивают в строку поиска. Должен признаться, этот шаг казался мне просто невыполнимым. Решающим оказались два фактора. Во-первых, масса новых лингвистических идей, пришедших из исследований мира вычислений. Во-вторых, осознание того, что наличие вычислимых знаний полностью меняет возможности нашего подхода к пониманию языка. И, конечно, теперь, когда Wolfram Alpha доступна всем, есть чему научиться исходя из её реального пользования. В действительности происходит своего рода взаимное обогащение системы Wolfram Alpha и её пользователей. И это вдохновляет. Статистика запросов к системе показывает, что с первого раза успешно обрабатываются более 80% из них. Если взглянуть, например, на приложения iPhone, то здесь процент значительно выше. Мне всё это, конечно же, приятно.
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.
Однако по многим аспектам Wolfram Alpha всё ещё находится в начале пути. [пишет: «трафик www.apple.com»] Система успешно масштабируется. И мы чувствуем себя увереннее. Скоро технология Wolfram Alpha начнёт применяться в самых разных местах, как для работы с такими общедоступными данными, как сейчас на сайте, так и с частными и внутрифирменными данными. Я обнаружил, что на самом деле Wolfram Alpha предоставляет новый тип вычислений, которые можно назвать «вычислениями, основанными на знаниях». Их начальной точкой является не просто вычисление, а колоссальный объём встроенных знаний. И когда это происходит, то изменяется сама экономика доставки вычислений, будь то в интернете или где-либо ещё.
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.
Сейчас сложилась достаточно интересная ситуация: с одной стороны, есть пакет Mathematica с его точным формальным языком и огромным количеством тщательно подобранных возможностей, способный многое сделать всего за пару строк. Давайте покажу пару примеров. Вот – простейший пример программирования в Mathematica. Здесь целый набор возможностей, интегрированных воедино. Вот этой вот строкой мы создадим небольшой пользовательский интерфейс, позволяющий нам делать увлекательные вещи. Если продолжать, то вот чуть более сложная программа, которая делает всевозможные алгоритмические штуки, создаёт пользовательский интерфейс и т.п. Но это всё очень точные вещи. Это – точное описание на точном формальном языке, и оно позволяет пакету Mathematica узнать, что надо делать.
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.
С другой стороны, есть Wolfram Alpha, в которую встроен весь беспорядок реального мира, человеческого языка и т.д. Что же произойдет, если мы их совместим? Я думаю, это прекрасно. С системой Wolfram Alpha внутри Mathematica можно, например, создавать точные программы, работающие с данными из реального мира. Вот – очень простой пример. Можно также попробовать ввести не очень чёткие данные и дать возможность Wolfram Alpha самой догадаться, о чем идёт речь. Давайте попробуем. [пишет неформальное название «Много-Игольник»] Но самое захватывающее, я думаю, [на экране: полиэдр - логотип фирмы Wolfram Research] в том, что это – реальная возможность демократизации программирования. Это означает, что каждый сможет сказать простым языком, что он хочет, а затем – в этом весь смысл – Wolfram Alpha сможет догадаться, какой программный код даст то, что просит пользователь, и показать ему примеры, чтобы тот выбрал, что ему нужно, чтобы построить всё более и более крупные и точные программы. А иногда Wolfram Alpha будет в состоянии сделать всё сразу и тут же предоставить большую программу, способную проделать все необходимое. Итак, вот – большой сайт, где где собрана масса образовательного и прочего демонстрационного материала по разным предметам. Ну, не знаю, может, прямо здесь покажу вам пример. Это – пример одного из вычислительных документов. Довольно небольшой код из пакета Mathematica, который может работать тут.
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.
Отлично. Давайте ещё раз взглянем на проблему в целом. Так вот, с учётом создания нашего нового типа науки, есть ли общий метод создания её технических приложений? Так, в случае с физическими материалами, мы привыкли просто искать повсюду, и находить, что какие-то конкретные материалы полезны для каких-то конкретных технических целей. Оказывается, ровно то же самое можно делать и в вычислительном мире. Там существуют бездонные запасы программ. Задача в том, чтобы приспособить их к человеческим целям. Например, что-то вроде Правила 30 может работать как очень хороший генератор случайности. Другие простые программы являются хорошими моделями природных и социальных процессов. К примеру, Wolfram Alpha и Mathematica сейчас наполнены алгоритмами, обнаруженными в результате нашего поиска в вычислительном мире. Вот, например, – вернёмся немного назад – это оказалось неожиданно популярным среди композиторов, ищущих музыкальные формы через поиск в вычислительном мире. В каком-то смысле мы можем использовать вычислительный мир для создания массового индивидуализированного творчества. Например, я лелею надежду, что станет возможно, при помощи Wolfram Alpha, делать изобретения и открытия повседневно, прямо на ходу, и обнаруживать такие замечательные вещи, которые никакой инженер, и никакой процесс постепенной эволюции никогда не получит.
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.
А это приводит нас к самому фундаментальному вопросу: Можно ли где-то там, внутри этого вычислительного мира найти наш физический мир? Возможно, есть какое-то совсем простое правило, простая программа для нашей вселенной. Вся история физики вроде бы учит нас, что правила в основе вселенной должны быть очень сложны. Но в вычислительном мире, как мы только что убедились, крайне простые правила могут порождать крайне сложное и разнообразное поведение. А может ли оказаться, что именно это и происходит с нашей вселенной? Если правила для вселенной просты, то они неминуемо будут очень абстрактны и на очень низком уровне [программного языка]. Они будут работать, например, намного ниже уровня пространства и времени, из-за чего представление становится трудным. Но в как минимум большом количестве случаев можно представить себе вселенную в виде некоторой сети, которая, при достаточно больших размерах, ведёт себя как непрерывное пространство – очень похоже на то, как масса молекул может вести себя, как непрерывная жидкость. Ну а тогда вселенная может развиваться путём применения маленьких правил, которые постепенно видоизменяют эту сеть. И каждое принципиально возможное правило, в каком-то смысле, является кандидатурой на нашу вселенную.
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.
Вообще-то, я сейчас покажу кое-что впервые: вот перед вами несколько возможных вселенных, которые я изучил. Некоторые из вселенных – безнадёжные, абсолютно стерильные миры с такими патологиями, как отсутствие понятий пространства, времени, вещества, и прочими похожими проблемами. Но самое интересное, что я обнаружил несколько лет назад - оказывается, не нужно глубоко погружаться в вычислительный мир, чтобы начать сталкиваться с такими вселенными, про которые сразу не скажешь, что это не наша вселенная. И вот проблема: Любая серьёзная кандидатура на нашу вселенную неминуемо полна вычислительной неприводимости, то есть должно быть непреодолимо трудно в принципе выяснить её реальное поведение и проверить, что она соответствует нашей вселенной. Пару лет назад я был потрясён открытием существования возможных вселенных с крайне простыми правилами, которые воспроизводят специальную относительность, и даже общую относительность, гравитацию и имеют зачатки квантовой механики. Итак, обнаружим ли мы все законы физики? Точно не знаю, но думаю, что мы дошли до точки, когда хотя бы не пытаться, будет почти неприлично.
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.
Проект не из легких. Придётся создавать много новых технологий. Придётся построить структуру, вероятно не менее глубокую, чем современная физическая теория. И я не знаю, каким образом это всё лучше организовать: собрать ли команду, пригласить ли всех желающих, учредить ли приз или что-то ещё. Но я заявляю вам здесь сегодня: я намерен предпринять всё, чтобы этот проект свершился, чтобы проверить в течение этого десятилетия, сможем ли мы, наконец, получить в распоряжение правило для нашей вселенной и узнать, где она находится среди пространства всех возможных миров. И иметь возможность вбить слова «Теория вселенной» в Wolfram Alpha и получить ответ.
(Laughter)
(Смех)
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.
И вот, я работаю над идеей вычислений теперь уже более 30 лет, создаю инструменты и методы, превращаю плоды умственного труда в миллионы строк кода, в топливо для серверных ферм. И с каждым годом я убеждаюсь в ещё большей мощности идеи вычислений. Мы прошли уже много, но так много ещё нужно пройти. От оснований науки до технологического предела, вплоть до самого определения человеческой природы, я считаю, что идея вычисления предопределена быть определяющей идеей нашего будущего.
Thank you.
Благодарю вас.
(Applause)
(Аплодисменты)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Крис Андерсон: Это было потрясающе. Не уходите – у меня вопрос.
(Applause)
(Аплодисменты)
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?
Это, прямо говоря, потрясающее выступление. Можете ли вы в двух словах сказать, как эти идеи соотносятся с теорией струн или прочими теориями, которые принято считать фундаментальными объяснениями вселенной?
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.
Стивен Вольфрам: Про определённые области физики мы можем сказать, что они верны, например, про стандартную модель физики. Если то чем я занят, не сможет воссоздать стандартную модель, так это просто неверно. То, что специалисты пытаются достичь последние 25 лет или около того, разрабатывая теорию струн и другие теории, является интересным исследованием, которое пытается вернуться назад к стандартной модели, но так и не может добиться этого. Могу лишь предположить, что какие-то сильные упрощения того, что я делаю, могут существенно повлиять на исследования по теории струн, но это сложная математическая штука, и я ещё не знаю, сработает ли она.
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?
К.А.: В аудитории присутствует Бенуа Мандельброт. Он тоже доказал, что сложные структуры могут возникнуть из простого начала. Ваша работа имеет отношение к его?
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 ...
С.В.: Я думаю да. Я рассматриваю работу Бенуа Мандельброта, как один из основополагающих трудов в этой области. Бенуа был особо заинтересован во вложенных структурах, фракталах и т.п. вещах, где структура в чём-то подобна древообразной, где большая ветвь создаёт малые ветви, и ещё более малые и т.д. Это – один из путей прийти к сложным структурам. Полагаю, что вещи вроде Правила 30 для клеточных автоматов выводят нас на другой уровень. На другой уровень в очень точном смысле, потому что эти вещи, по всей видимости, способны создавать структуры такой степени сложности, какая только достижима …
I could go on about this at great length, but I won't. (Laughter) (Applause)
Об этом я могу говорить долго, но не буду.
CA: Stephen Wolfram, thank you.
К.А.: Стивен Вольфрам. Спасибо!
(Applause)
(Аплодисменты)