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.
Желео бих да попричамо о једној идеји. То је велика идеја У ствари, мислим да ће једног дана то бити схваћено као највећа идеја која се јавила у претходном веку. То је идеја "компјутеризације". Е сад, наравно, та идеја нам је донела сву рачунарску технологију коју имамо данас и тако даље. Али заправо, компјутеризација је много више од тога. То је у ствари веома дубока, веома моћна, и основна идеја, чије смо последице тек почели да увиђамо.
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.
Добро, ја лично сам провео претходних 30 година свог живота радећи на три велика пројекта који заправо покушавају да идеји компјутеризације приступе озбиљно. И тако сам, као млади физичар почео да користим компјутере као алат. Затим сам почео на неки начин да чепркам размишљајући о компјутеризацији коју бих желео да направим покушавајући да схватим основу из које она може бити изграђена и како може бити максимално аутоматизована. На крају, направио сам целу структуру базирану на симболичком програмирању и тако даље која ми је дозволила да изградим "Математику" (софтвер за компјутерско рачунање). И последње 23 године, све већом учесталошћу, уливам све више идеја и могућности у "Математику", и срећан сам што могу рећи да је то довело до много добрих ствари у истраживачко-развојном образовању, многих других области. Али, заправо морам признати, да сам такође имао и веома себичан разлог за изградњу "Математике". Хтео сам је за себе, помало као што је и Галилео хтео да користи свој телескоп пре 400 година. Али нисам желео да посматрам астрономски универзум, већ компјутерски универзум.
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.
И тако ми обично програме видимо као компликоване ствари које правимо за веома одређене циљеве. Али шта је са свемиром свих могућих програма? Ево примера једног заиста простог програма. Ако га покренемо, добијемо ово. Веома једноставно. Хајде да пробамо да променимо правило за овај програм, само мало. Сада добијамо други разултат, али је и даље веома једноставно. Пробајмо да га променимо опет. Добићемо нешто мало компликованије, али ако наставимо да радимо ово неко време видећемо да је, иако добијамо јако запетљан образац, структура ипак веома правилна. Дакле, питање гласи: Може ли се десити још нешто? Па, можемо направити мали експеримент. Можемо направити мали математички експеримент и покушати да то откријемо.
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.
Хајде да само покренемо све могуће програме ове врсте које посматрамо. Зову се станична аутомата. Можете уочити доста разноликости у њиховом понашању овде. Већина ради веома једноставне ствари. Али ако пратите све ове различите слике код тридесетог правила, почећете да уочавате нешто занимљиво. Хајде да погледамо пажљивије то правило број 30. И ево га. Сад само пратимо ово веома једноставно правило овде на дну, али добијамо све ове занимљиве ствари. Уопште није оно што смо очекивали, и морам рећи да, први пут кад сам видео ово, то је био шок за моју интуицију, заправо, да бих то разумео, на крају сам морао да направим потпуно нову науку.
(Laughter)
(Смех)
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.
Ова наука је другачија, општија од математички базираних наука које смо имали у последњих 300 година. Знате, увек је изгледало загонетно како природа, наизглед без напора успе да произведе толико ствари које делују тако комплексне. Па, изгледа да смо открили њену тајну. Своди се на једноставно узорковање свега што се налази у рачунарском свемиру, и то су често ствари налик Правилу 30 или налик овоме. И знајући то, почиње разјашњавање многих дугогодишњих мистерија у науци. То ипак доноси и нова питања, као што је компјутерска несводљивост. Мислим, навикли смо на то да нам наука дозвољава да предвиђамо ствари али нешто овакво је у основи несводљиво. Једини начин да се сазна исход је, заправо, једноставно посматрање његовог напредовања. То је повезано са, како ја то зовем, Принципом компјутеризацијске еквиваленције, која нам говори да чак и невероватно једноставни системи могу да изврше префињена рачунања. Није потребно пуно технологије или биолошке еволуције да би се извршило произвољно рачунање, то је нешто што се дешава, природно, и свуда. Ствари које почивају на правилима која су једноставна као ова могу то да ураде. Е сад, ово задире дубоко у ограничења науке, у предвидивост и контролу ствари као што су биолошки процеси или економија, у интелигеницију у свемиру, у питања као што је слободна воља и креирање технологије.
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.
Знате, радећи на овој науци годинама, непрестано сам се питао, "Шта ће бити њена прва озбиљна апликација?". Па, од кад сам био дете, размишљао сам о систематизацији знања и како би се оно могло компјутеризовати. Људи као што је Лајбниц су се питали исто то 300 година раније. Али ја сам увек претпостављао да би се постигао напредак, неопходно је направити реплику читавог мозга. И онда сам почео да размишљам: Ова моја научна парадигма налаже нешто друго. И, успут, сад имам велике компјутеризацијске могућности у "Математици", и преседник сам компаније који поседује неке овоземаљске ресурсе за изведбу великих, наизглед лудих, пројеката. Тако да сам одлучио само да пробам да видим колико систематског знања које се налази на планети може да се компјутеризује.
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.
Значи, то је био велики, веома комплексан пројекат, за који нисам био сигуран да ли ће уопште успети. Али сам срећан да могу рећи да заправо прилично лепо напредује. И прошле године смо били у могућности да пустимо прву интернет верзију "Волфрам Алфе" (Wolfram Alpha). Он треба да буде озбиљан претраживач знања који рачуна одговоре на питања. Па хајде да га испробамо. Почнимо са нечим веома лаким. Надајмо се најбољем. Веома добро. Океј. До сада је било добро. (Смех) Хајде да пробамо са нечим мало тежим. Рецимо... Хајде да урадимо неку математичку ствар и уз мало среће прорачунаће одговор и пробати да нам каже неке интересантне ствари о математици која се надовезује. Могли бисмо да питамо нешто о стварном свету. На пример... не знам.. Колики је друштвени бруто производ за Шпанију? И требало би да нам одговори. Сад можемо рачунати нешто повезано са овим, рецимо, друштвени бруто производ Шпаније подељен са, не знам са... хммм... рецимо приходима Мајкрософта.
(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.
Идеја је да можемо на неки начин само ово укуцати, оваква питања како нам падну на памет. Па хајде да пробамо да поставимо питање, на пример нешто о здрављу. И рецимо да имамо лабораторијску анализу по којој, знате, имамо ниво холестерола од 140 за мушкарца старог 50 година. Хајде да то укуцамо, и сада ће "Волфрам Алфа" користити све доступне јавне податке о здрављу и покушати да провали на који се део популације ово односи, и тако даље. Или хајде да га питамо, не знам, о интернационалној свемирској станици.
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.
Оно што се овде дешава је да "Волфрам Алфа" не ради само претрагу; већ ради и рачунање у реалном времену, где се интернационална свемирска станица сада налази, у овом моменту, колико брзо иде итд. Дакле, "Волфрам Алфа" зна свашта о свачему. И до сад је скупио прилично добру покривеност свега што можете наћи у некој од стандардних референцираних библиотека итд. Али циљ је отићи много даље. и у најширем смилсу демократизовати сво ово знање и трудити се да буде меродаван извор у свим областима, да буде способан да израчуна одговоре на специфична питања која људи имају не путем тражења шта су други људи о томе раније написали, већ да користи уграђено знање и да израчуна нове одговоре на специфична питања.
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.
Сад, наравно, "Волфрам Алфа" је историјски велики, дуготрајан пројекат са много, много изазова. За почетак, човек мора да прикупи зилион различитих извора чињеница и података, а изградили смо прави довод "Математикине" аутоматизације и људи који су стручњаци у овом домену да би се то урадило. Али то је само почетак. Кад добијемо сирову чињеницу или податак да бисмо заправо одговорили на питање, морамо рачунати, морамо применити све те методе и моделе и алгоритме и томе слично које су наука и друге области развијали вековима. Па, чак и са "Математиком" ово је и даље велики обим посла. До сада, постоји око 8 милиона редова "Математикиног" кода у "Волфрам Алфи" исписаних од стране многих стручњака из многих области.
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.
Па, основна идеја "Волфрам Алфе" је да можеш само да јој поставиш питање користећи обичан људски језик што значи да морамо узети све те чудне исказе које људи уносе у поље и морамо их разумети. Морам рећи да сам мислио да тај потез може бити потпуно неизводљив. Две велике ствари су се десиле. Прво, гомила нових идеја о лингвистици које су дошле из проучавања компјутеризацијског универзума. А друга је схватање да поседовање компјутеризованог знања може променити начин на који разумемо језик. И, наравно, сад са "Волфрам Алфом" тамо негде у дивљини, можемо учити користећи га. И, заправо, постоји једна занимљива ко-еволуција између "Волфрам Алфе" и њених корисника (људи). И заиста је охрабрујућа. Овог момента, ако погледамо веб-упите, више од 80% њих се успешно реши из прве. А ако погледате ствари као што су апликације за "iPhone", удео је знатно већи. Тако да сам задовољан са свим тим.
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.
Али у много чему смо тек на почетку што се тиче "Волфрам Алфе". Мислим, иде веома добро. Добијамо више самопоуздања. Можете очекивати да видите "Волфрам Алфа" технологију на све више места радећи и са јавним подацима, као на веб сајту, и са приватним знањем за индивидуе и компаније, и тако даље. Знате, схватио сам да "Волфрам Алфа" заправо даје једну врсту потпуно новог рачунања које можемо звати рачунањем заснованим на знању, у коме се креће, не само од сировог рачуна, већ од велике количине уграђеног знања. А када се то ради, заиста се мења економија испоруке компјутеризацијских ствари, било на интернету или негде друго.
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.
Знате, имамо занимљиву ситуацију сада. С једне стране, "Математика", са својим прецизним, формалним језиком и велика мрежа пажљиво дизајнираних способности која може да уради много тога у само пар редова. Дозволите да вам покажем неколико примера. Дакле, ево га тривијални део "Математикиног" програмирања. На неки начин покушавамо да интегришемо гомилу различитих могућности. Ево сада ћемо креирати у овом реду мали кориснички интерфејс који нам дозвољава да радимо нешто забавно. Ако наставимо, то је мало компликованији програм који сада ради све врсте алгоритама и креира кориснички интерфејс и тако даље. Али то је нешто што је веома одређено. То је одређена спецификација са одређеним формалним језиком која објашњава "Математици" шта да ради овде.
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.
А онда, са друге стране, имамо "Волфрам Алфу" са свом неуређеношћу овог света и људским језиком уграђену у то. И шта се дешава кад спојимо ове две ствари? Мислим да је то заправо предивно. Са "Волфрам Алфом" унутар "Математике", можете, на пример, направити одређене програме који се позивају на податке из реалног света. Ево га један стварно прост пример. Можете дати само нејасне уносе и дати "Вофрам Алфи" да покуша да схвати о чему причате. Хајде да пробамо ово овде. Али мислим да је најузбудљивије у свему овоме што дајемо шансу демократизацији програмирања. Мислим, свако ће моћи само да каже шта хоће обичним језиком, онда, идеја је да "Вофрам Алфа" може да схвати који тачно делови кода могу да ураде то што тражите и онда покаже примере помоћу којих ћете одабрати оно што вам треба да бисте направили веће, одређене програме. Дакле, једном, "Вофрам Алфа" ће моћи да уради целу ствар моментално и само врати цео велики програм са којим можете да управљате. И ево га велики веб сајт на коме смо скупљали много образовног материјала и других демонстрација о много различитих ствари. И, не знам, показаћу вам пример, можда овде. Ово је само пример једног од рачунљивих докумената. Ово је вероватно прилично мало парче "Математикиног" кода које може да ради овде.
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.
Океј. Хајде да одзумирамо опет. Дакле, гледајући нашу нову науку, постоји ли општи начин на који је можемо употребити да креирамо технологију? Дакле, са физичким материјалима раније смо ишли по свету и откривали да се одређени материјали користе у одређене технолошке сврхе и тако даље. Заправо, испада да можемо да радимо исту ствар и у компјутеризацијском универзуму. Тамо је неисцрпна база програма. Изазов је видети како се могу искористити за људске потребе. Нешто као Правило 30, на пример, испада да је заиста добар генератор случајности. Други једноставни програми су добри модели за напредак у природном или друштвеном свету. И, на пример, "Волфрам Алфа" и "Математика" су сада пуни алгоритама које смо открили истражујући компјутеризацијски свемир. И, на пример, ово (сад идемо уназад) Ово је постало изненађујуће популарно међу композиторима који налазе музичке форме истражујући компјутеризацијски свемир. На неки начин, можемо користити компјутеризацијски свемир да добијемо масовно прилагођену креативност. Надам се да ћемо моћи да користимо "Волфрам Алфу" да ради неку врсту открића у ходу и нађе различите предивне ствари које ни један инжињер и никакав процес развојне еволуције не може да изнесе.
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.
Што нас доводи до коначног питања. Може ли се десити да негде тамо у компјутеризацијском универзуму пронађемо физички универзум? Можда чак постоји неко прилично једноставно правило, неки прост програм за наш универзум. Па, историја физике нас је навела да верујемо да правило на ком почива универзум мора бити прилично компликовано. Али у компјутеризацијском свемиру смо видели како невероватно проста правила могу произвести невероватно богато и комплексно понашање. Па може ли бити да се то догађа и са целим нашим универзумом? Ако су правила универзума једноставна некако је неизбежно да она морају бити веома апстрактна и на врло ниском нивоу, важећи, на пример, далеко испод нивоа простора и времена због чега је тешко представити ствари. Али у највећем броју случајева можемо замислити универзум као неку врсту мреже, која, кад постане довољно велика почиње да се понаша као континуални простор на исти начин на који много молекула може да се понаша као течност. Онда се универзум мора развијати примењујући мала правила која постепено обнављају мрежу. И свако могуће правило, на неки начин, одговара неком могућем универзуму.
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.
Заправо, ово још нисам показао, али постоји неколико могућих универзума које разматрам. Неки од њих су безнадежни, потпуно стерилни, са различитим патологијама као што је неперципрање простора, времена, или материје, и томе слични проблеми. Али узбудљива ствар коју сам открио последњих година је да заправо не морамо да идемо далеко у компјутеризацијском свемиру пре него што почнемо да налазимо могуће универзуме који нису тако очигледно не-наш свемир. Проблем је следећи: Било који озбиљнији кандидат за могући универзум је неизбежно пун рачунске несводљивости што занчи да је несводљиво тешко видети како ће се заправо понашати, и да ли заправо одговара нашем физичком унивезуму. Пре неколико година, био сам прилично узбуђен открићем да постоје могући универзуми са невероватно простим правилима који успешно репродукују специјалну релативност и чак генералну релативност и гравитацију и дају макар назоре квантне механике. Дакле, да ли ћемо пронаћи целину физике? Нисам сигуран. Али мислим да ово показује да је некако срамота бар не пробати.
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.
Није лак пројекат. Морамо изградити много технологије. Морамо изградити велику структуру која је вероватно дубока као само постојање физике. Нисам сигуран који је најбољи начин да се организује цела ствар. Оформити тим, отворити га, понудити награде и тако даље. Али рећи ћу вам нешо сада, посвећен сам извршењу овог пројекта, да бих видео да ли, у овој декади, коначно може доспети наших шака правило на коме почива наш универзум и сазнати где се налази наш универзум у мору свих могућих универзума - и бити у могућности да у Волфрам Алфу укуцамо "теорија универзума" и добијемо одговор.
(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.
Дакле, радим на овој идеји компјутеризације сада већ више од 30 година, градећи алате и методе и претварајући интелектуалне идеје у милионе линија кода и мноштво фарми сервера и тако даље. Са сваком годином која прође, схватам колико је моћнија идеја компјутеризације. Већ смо прешли дугачак пут, али још много тога треба тек да дође. Од темеља науке преко граница технологије до саме дефиниције људског стања, мислим да је компјутеризацији суђено да буде идеја која дефинише нашу будућност.
Thank you.
Хвала вам.
(Applause)
(Аплауз)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Крис Андерсон: То је било невероватно. Остани овде. Имам питање.
(Applause)
(Аплауз)
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?
То је био, мало је рећи, невероватан говор. Да ли нам можеш рећи у реченици или две како овај начин размишљања може да се интегрише у неком моменту у ствари као што су Теорија струне или друге ствари за које људи мисле да су фундаментална објашњења свемира?
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 Волфрам: Па, делови физике за које знамо да су тачни, ствари као стантдардни модели у физици. Ја покушавам да направим бољу репродукцију стандардних модела у физици или једноставно грешим. Ствари које су људи покушавали последњих 25 година или тако нешто са Теоријом струне и слично су била интересантна истраживања која су покушала да оду назад до стандардног модела, али нису баш стигла тамо. Моја претпоставка је да велика симплификација овога што радим може заправо имати значајан одраз на то што се ради са Теоријом струне али то је компликована математичка ствар за коју још не знам како ће да функционише.
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?
КА: Беноа Манделброт је у публици. Он нам је такође показао како сложеност може потећи из једноставних ствари. Да ли је твој рад повезан са његовим.
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 ...
СВ: Мислим да јесте. Видим рад Беное Манделборта као једну врсту основног доприноса у овом подручју. Беноа се интересовао за гнездасте шаблоне, честице и тако даље, где је структура нешто што је на неки начин слободно, и где на неки начин велике гране праве мале гране, па чак и мање гранчице, и тако даље. То је један од начина да се дође до праве сложености. Мислим да ствари као што је Правило 30 ћелијских аутомата може да нас одведе на други ниво. Заправо, на веома одређен начин нас воде на други ниво зато што делују као ствари које су способне за сложеност у смислу највеће сложености која може постојати.
I could go on about this at great length, but I won't. (Laughter) (Applause)
Могао бих да дужм о овоме, али нећу.
CA: Stephen Wolfram, thank you.
КА: Стивене Волфрам, хвала ти.
(Applause)
(Аплауз)