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.
Bugün bir fikir hakkında konuşmak istiyorum. Büyük bir fikir. Aslında, bu fikrin sonunda, geçtiğimiz yüzyılda çıkmış tek büyük fikir olarak görüleceğini düşünüyorum. Bu hesaplama fikridir. Şimdi, elbette ki bu fikir bize bugün sahip olduğumuz bütün bilgisayar teknolojisini de getirdi. Ama aslında hesaplama fikrinin daha çok işi var. Bu çok derin, çok güçlü, çok temel bir fikir ve bunun etkilerini yeni görmeye başladık.
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.
Ben hayatımın son 30 senesini hesaplamayı oldukça ciddiye almaya çalışan üç büyük projede çalışarak geçirdim. Genç yaşta, bilgisayarları araç olarak kullanan bir fizikçi olarak başladım. Sonra, daha derinlere indim, yapmak istediğim hesaplamalar hakkında düşündüm, hangi ilklerden oluşturulabileceklerini ve nasıl mümkün olduğunca otomatize edilebileceklerini tahmin etmeye çalıştım. Neticede, sembolik programlamaya dayalı tam bir yapı hazırladım ve bu da Mathematica'yı oluşturmamı sağladı. Ve son 23 yıldır, giderek artan bir hızla, daha fazla yeni fikir ve yetenekleri Mathematica'ya eklemekteyiz, ve bunun Ar-Ge, eğitim ve diğer birçok alanda iyi işlerin yapılmasını sağladığını söylemekten mutluyum. Açıkçası, itiraf etmeliyim ki Mathematica'yı oluşturmak için çok bencil bir nedenim de vardı. Onu kendim kullanmak istedim, Galileo'nun 400 yıl önce kendi teleskobunu kullanması gibi. Ama ben astronomik evrene değil, hesaplama evrenine bakmak istiyordum.
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.
Normalde programları, çok özel amaçlar için oluşturduğumuz karmaşık şeyler olarak görürüz. Peki ya tüm muhtemel programlar uzayına ne demeli? Burada çok basit bir programın gösterimi var. Eğer bu programı çalıştırırsak, bunu elde ederiz. Çok basit. Şimdi bu program için kuralı biraz değiştirmeyi deneyelim. Şimdi başka bir sonuç alıyoruz, halen çok basit. Tekrar değiştirmeyi deneyin. Biraz daha karmaşık bir şey elde edersiniz, ama bunu bir süre çalıştırırsak, anlarız ki, sonuç desenimiz biraz karışık olsa da, çok düzgün bir yapısı var. Soru şudur : Başka bir şey olabilir mi ? Bunun için ufak bir deney yapabiliriz. Hadi ufak bir matematik deneyi yapalım, deneyip bulalım.
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.
Bu baktığımız türdeki tüm muhtemel programları çalıştıralım. Bunlara hücresel otomatlar adı verilir. Buradaki davranışta çok fazla çeşitlilik görebilirsiniz. Çoğu çok basit şeyler yapıyor. Ama eğer tüm farklı resimler arasında, 30. kurala bakarsanız, ilginç bir şeylerin döndüğünü görebilirsiniz. O zaman hadi 30. kurala daha yakından bakalım. İşte burada. Biz sadece şu aşağıdaki basit kuralı takip ediyoruz ama tüm bu şaşırtıcı şeyleri elde ediyoruz. Bu hiç de alıştığımız bir şey değil, ve söylemeliyim ki, bunu ilk gördüğümde, önsezilerim büyük bir şok yaşadı, ve, aslında, onu anlayabilmek için, Sonunda farklı bir bilim yaratmak zorunda kaldım.
(Laughter)
(Gülüşmeler)
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.
Bu son 300 küsür yıldır kullandığımız matematik bazlı bilimden farklı, daha genel bir bilimdir. Bilirsiniz, doğanın bize çok karmaşık gelen birçok şeyi nasıl görünüşte çok zahmetsizce ürettiği bize büyük bir gizem gibi gelmiştir. Sanırım biz onun sırrını bulduk. O sadece hesaplama evreninde ne varsa onları örnekliyor ve çoğunlukla 30. Kural gibi şeyler elde ediyor ya da bunun gibi. Ve bunu bilmek, bilimde uzun zamandır süren gizemleri açıklamaya başlıyor. Fakat sayısal indirgenmezlik gibi yeni sorunları da getiriyor. Yani, biz bilimin bir şeyleri tahmin etmemize izin vermesin alışkınız, ama bunun gibi bir şey esas olarak indirgenemezdir. Sonucunu etkin şekilde bulmanın tek yolu, onun gelişmesini seyretmektir. Bu benim hesaplama denkliği adını verdiğim prensibe bağlıdır, bu prensibe göre inanılmaz basitlikteki sistemler bile herhangi bir şey kadar karmaşık hesaplamalar yapabilirler. Rastgele hesaplama yapabilmek gibi hemen her yerde olan bir şeyi yapabilmek için, çok fazla teknoloji veya biyolojik evrim gerekmez. Bu kadar basit kuralı olan şeyler bile yapabilir. Bunun, bilimin sınırları hakkında, biyolojik süreçler ve ekonomilerin tahmin edilebilirliği ve kontrol edilebilirliği hakkında, evrendeki zeka hakkında, özgür irade gibi sorular hakkında ve teknoloji yaratma hakkında derin imaları vardır.
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.
Bilirsiniz, bu bilim üzerinde yıllarca çalışırken merak edip durdum, "Bunun ilk harika uygulaması ne olacak?" Çocukluğumdan beri, bilgiyi sistemleştirmek ve bir şekilde hesaplanabilir yapmak konusunda düşünüyorum. Leibniz gibi insanlar da 300 yıl önce bunu merak etti. Fakat hep sanıyordum ki ilerleme kaydetmek için, esasında tüm beyni kopyalamam gerekiyor. Ama şimdiki düşüncem: Benim bu bilimsel paradigmam farklı bir şey öneriyor. Ve, bu arada, Mathematica'daki devasa hesaplama yetenekleri var elimde, ve büyük, delice projeler yapmak için maddi kaynağı olan bir üst düzey yöneticiyim. Ve dünyadaki sistematik bilginin ne kadarını hesaplanabilir yapabileceğimizi görmeye çalışmaya karar verdim.
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.
Bu gerçekleşeceğinden emin bile olamadığım, büyük ve çok karmaşık bir projedir. Fakat aslında iyi gittiğini söylemekten mutluyum. Ve geçen yıl Wolfram Alpha'nın ilk web site versiyonunu yayımlayabildik. Onun amacı soruların cevaplarını hesaplayan ciddi bir bilgi motoru olmaktır. Bir deneyelim. Çok basit bir şeyle başlayalım. En iyisini umalım. Çok iyi. Pekala. İyi gidiyoruz. (Gülüşmeler) Hadi daha zor bir şey deneyelim. Diyelim ki. Matematiksel bir şey yapalım ve umarız cevabını verebilir ve bize ilginç şeyler, ilgili matematik hakkında şeyler anlatmaya çalışır. Gerçek dünya hakkında bir şeyler sorabiliriz. Bakalım, --bilmem-- İspanya'nın GSMH'sı nedir? Ve bize bunu anlatabilmelidir. Şimdi bununla ilgili bir hesaplama yapabiliriz, Varsayalım ki İspanya'nın GSMH'sını bölelim, bilmem ki, --hmmm-- Microsoft'un gelirine bölelim.
(Laughter)
(Gülüşmeler)
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.
Esas fikir bunu, bu tür bir soruyu aklımıza geldiği gibi yazıp sorabilmektir. O yüzden bir soru soralım, mesela sağlıkla ilgili bir soru. Varsayalım ki 50 yaşındaki bir erkeğin Düşük Yoğunluklu Lipoprotein seviyesinin 140 olduğunu bulan bir labaratuvar olsun. Bunu yazalım ve Wolfram Alpha şimdi gidip mevcut sağlık verilerini kullanacak ve bu özelliklerdeki birinin nüfusun hangi kesimine denk geldiğini bulmaya çalışacak. Şunu sormayı deneyelim, bilmem ki, uluslararası uzay istasyonu.
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.
Ve orada olup biten şudur: Wolfram Alpha sadece bir şeye bakmıyor; uluslararası uzay istasyonunun şu anda nerede olduğunu, ne kadar hızlı gittiğini vs eş zamanlı olarak hesaplıyor. Yani Wolfram Alpha bir sürü şey biliyor. Şu anda, herhangi bir standart referans kütüphanesinde bulabileceğiniz her şeyi içeriyor. Fakat hedef daha da ileri gitmek ve tüm bu bilgileri genişçe demokratikleştirmek, ve tüm alanlarda otorite kaynağı olmaya çalışmak, ve insanların sorduğu kendine özgü soruların cevaplarını hesaplamak, ve bunu başkalarının yazdığı bilgiler arasından arayarak değil, aksine mevcut bilgileri kullanarak bu özel sorulara taze yeni cevapları hesaplamaktır.
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.
Wolfram Alpha tabii ki devasa büyüklükte, çok zorluklar içeren uzun vadeli bir projedir. Başlangıç için zilyon tane farklı veri kaynağını düzenlemek gerekir, ve bunun için beşeri alan uzmanları ve Mathematica otomasyonu altyapısını inşa ettik. Bu sadece başlangıç. Ham gerçekler ve veriler ile soruları gerçekten cevaplayabilmek için hesaplamak gerekir, bilimin ve diğer alanların yüzyıllar boyunca ortaya çıkardığı tüm o yöntemleri, modelleri, ve algoritmaları vesaire uygulamak gerekir. Sadece Mathematica'yla başlamak bile, çok büyük bir uğraştır. Şimdiye dek Wolfram Alpha'da çok farklı alanlardaki uzmanlar tarafından yazılan yaklaşık 8 milyon satır Mathematica kodu var.
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.
Wolfram Alpha hakkındaki en önemli fikir sıradan konuşma dilini kullanarak ona soru sorabilmektir, bu demektir ki insanların girdi alanına yazdığı tüm o tuhaf ifadeleri bir kenara atmak ve o yazılanları anlamlandırmaktır. Ve şunu söylemeliyim ki bu adım son derece imkansız olabilir. İki büyük şey oldu. İlki, hesaplama evrenini araştırmaktan gelen dilbilim ile ilgili birtakım yeni fikirlerdir. Ve ikincisi, gerçekten hesaplanabilir bilgiye sahip olmak birinin dili anlama girişimini tamamen değiştirdiğinin farkına varmaktır. Ve, tabii ki, şimdi Wolfram Alpha ortalıkta geziniyorken, onun gerçek kullanımından bir şeyler öğrenebiliriz. Ve Wolfram Alpha ile onun kullanıcıları arasında gerçekten ilginç bir ortak evrimleşme süreci meydana gelmiştir. Ve bu gerçekten cesaret verici. Şu anda web sorgularına bakarsak, %80'i ilk seferde başarıyla cevaplanıyor. Ve iPhone uygulaması gibi şeylere bakarsanız, bu oran oldukça daha büyük. Yani tüm bunlardan memnunum.
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.
Fakat birçok yönden, halen Wolfram Alpha'nın en başındayız. Demek istediğim, her şey güzelce büyüyor. Daha da emin oluyoruz. Wolfram Alpha teknolojisinin, daha birçok yerde hem böyle bir sitedeki gibi halka açık veriler üzerinde çalışırken, hem de kişi ve şirketlere has özel veriler üzerinde çalışırken karşınıza çıkmasını umabilirsiniz. Biliyorsunuz, Wolfram Alpha'nın bilgi-tabanlı hesaplama diyebileceğimiz yepyeni bir hesaplama yöntemi sunduğunu fark ettim, ki bu durumda herhangi bir kimse sadece ham veriyle değil aksine çok geniş bir mevcut bilgi hazinesiyle başlıyor. Ve birisini bunu yaptığı vakit, ister internette olsun ister başka yerde sonuçta hesaplanabilir şeyleri dağıtma ekonomisini gerçekten değiştiriyor.
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.
Biliyorsunuz şu anda burada çok ilginç bir durum var. Bir tarafta, muntazam ve net bir dili olan ve birçok alanda özenle tasarlanmış yetenekleri ile birçok işi birkaç satır kod ile yapabilen Mathematica var. Size birkaç örnek göstereyim. Burada küçük bir Matematik programı var. Burada birtakım farklı özellikleri eklediğimiz bir şeyler var. Burada bu çizgide sadece biraz eğlenmemizi sağlayacak bir arayüz oluşturacağız. Devam ederseniz, çeşitli algoritmik şeyler yapan ve kullanıcı arayüzleri oluşturan bu biraz daha karmaşık program ortaya çıkar. Ama bu net şeylerden oluşan bir şeydir. Bur Mathematica'ya ne yapması gerektiğini anlatan gayet muntazam ve net bir tanımlamadır.
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.
Diğer tarafta elimizde dünyanın ve insan dilinin tüm karmaşıklığının ve diğer şeylerin gömülü olduğu Wolfram Alpha var. Peki bu şeyleri bir araya koyduğunuzda ne olur? Bence oldukça harika olur. Mathematica'nın içinde Wolfram Alpha ile örneğin, gerçek dünya verilerini alan muntazam programlar yapabilirsiniz. Burada çok basit bir örnek var. Ayrıca belirsiz ifadeler de girebilirsiniz ve Wolfram Alpha'nın ne demek istediğinizi anlamaya çalışmasını deneyebilirsiniz. Haydi burada deneyelim. Fakat bence burada gerçekten heyecan verici olan şey bunun bize programlamayı demokratikleştirme şansı vermesidir. Demek istediğim, herhangi bir kimse ne istediğini gündelik dilde söyleyecek, ve, esas fikir, Wolfram Alpha bu yazılanlarla istenen şeyi tam olarak hangi kodun yapabileceğini bulmaya çalışacak ve onlara daha büyük ve net programlar inşa etmelerini sağlayacak örnekler sunup bunlar arasından istediklerini seçmelerini sağlayacak. Bazen, Wolfram Alpha istenen her şeyi anında yapabilecek ve ardından hesaplamayı yapabileceğin büyük programı tümüyle verecek. Burada birçok eğitsel malzemenin ve diğer birçok şey hakkında topladığımız bir sürü örneklerin yer aldığı büyük bir web sitesi var. Bilmiyorum, size bir örnek göstereceğim, belki burada. Bu sadece tüm bu hesaplanabilir belgelerin bir örneği. Bu, burada çalışabilen muhtemelen oldukça kısa bir Mathematica kodudur.
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.
Pekala, tekrar uzaklaşalım. Pekala, bu yeni bilim türümüzü teknoloji üretmek için kullanacağımız genel bir yöntem var mı? Söz konusu fiziksel maddeler olunca dünyayı dolaşıp belirli maddelerin belirli teknolojik amaçlar için uygun olup olmadığını araştırmaya alışmışız. Görünen o ki aynı şeyi hesaplama evreninde de yapabiliriz. Bitmez tükenmez bir program kaynağı var dışarıda. Asıl mesele onları insanların kullanımı için nasıl toplayacağımızdır. Örneğin Kural 30'un gerçekten iyi bir rastgelelik üreticisi olması gibi. Diğer basit programlar doğal ve sosyal dünyadaki işlemler için iyi modeldir. Ve, örneğin, Wolfram Alpha ve Mathematica gerçekten bizim hesaplama evrenini araştırırken keşfettiğimiz algoritmalarla doludur. Ve, örneğin, bu -- buraya geri dönüyoruz -- Bu, hesaplama evreninde arama yaparak müziksel yapılar bulan besteciler arasında şaşırtıcı derecede popüler oldu. Bir anlamda, kitlece düzenlenmiş yaratıcılığı edinmek için hesaplama evrenini kullanabiliriz. Umuyorum ki, örneğin, Wolfram Alpha'yı rutin olarak icat ve keşif yapmak ve hiçbir mühendisin ve hiçbir artan evrim sürecinin bulamayacağı tüm bu harika şeyleri bulmak için kullanabiliriz.
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.
Bu bizi mutlak soruya götürüyor. Hesaplama evrenin bir yerinde kendi fiziksel evrenimizi bulmamız mümkün müdür? Belki de evrenimiz için oldukça basit bir kural veya basit bir program vardır. Fizik tarihi bizden, evrenin kuralının son derece karmaşık olduğuna inanmamızı isteyecektir. Fakat hesaplama evreninde son derece basit kuralların nasıl oldukça zengin ve karmaşık davranışlar ürettiğini gördük. Bizim bütün evrende de olup biten bu olabilir mi? Eğer evrenin kuralları basitse, onların çok soyut ve çok alt düzeyde olmaları, örneğin bir şeyleri tanımlamayı zorlaştıran zaman ve uzay düzeyinin çok altında işliyor olmaları gerektiği kaçınılmaz olacaktır. Fakat geniş bir vaka sınıfında, evreni bir tür ağ gibi görebiliriz, öyle ki bu ağ yeterince büyük olduğunda aynen birçok molekülün daimi bir sıvı gibi hareket ettiği şekilde davranmaya başlayacaktır. Ardından evren, bu ağı dereceli olarak güncelleyen küçük kuralları uygulayarak evrimleşmek zorundadır. Ve her olası kural, bir şekilde, aday bir evrene karşılık gelir.
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.
Aslında, Bunları henüz göstermedim, ama burada benim baktığım birkaç aday evren yer alıyor. Bunların bazıları umutsuz evrenler, tamamen kısır, boşluk, zaman veya maddenin olmadığı diğer patolojiler gibi buna benzer sorunlar. Fakat son birkaç yılda bulduğum heyecan verici şey, bizim evrenimiz olmadığı gayet açık olan aday evrenleri bulmaya başlamak için hesaplama evreninde çok da uzağa gitmeniz gerekmediğidir. İşte problem: Bizim evrenimiz için ciddi bir aday, mutlak şekilde sayısal indirgenmezlikle doludur, bu da demektir ki, onun gerçekten nasıl davranacağını veya fiziksel evrenimizle eşleşip eşleşmediğini kestirmek indirgenemez derecede zordur. Birkaç yıl önce izafiyet teorisini ve hatta genel görelilik kuramı ve yer çekimini başarılı bir şekilde kopyalayan ve en azından kuantum mekaniği hakkında ipuçları veren son derece basit kurallı aday evrenler olduğunu keşfettiğimde oldukça heyecanlanmıştım. Peki, fiziğin tamamını bulabilecek miyiz? Emin değilim. Fakat bence bu aşamada en azından denememek utanç vericidir.
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.
Kolay bir proje değil. Çok teknoloji oluşturmak zorundayız. Muhtemelen en az mevcut fizik kadar derin yapılar inşa etmeliyiz. Ve tüm bunu organize edecek en iyi yöntemin ne olduğundan emin değilim. Bir takım oluştur, aç dünyaya, ödüller ver vb. Fakat bugün burada size bu on yıl için evrenimizin kuralını elimizde tutup tutamayacağımızı, ve evrenimizin tüm aday evrenler içinde nerede yer aldığını görüp göremeyeceğimizi, ve Wolfram Alpha'ya "evrenin teorisi" yazınca onun bize anlatıp anlatamayacağını görebilmek için bu projenin bitmesine kendimi adadığımı söyleyeceğim.
(Laughter)
(Gülüşmeler)
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.
Hesaplama fikri üzerinde 30 yıldan fazladır araçlar ve metotlar oluşturarak, zeki fikirleri miyonlarca satır koda dönüştürerek ve bunları sunucu tarlaları üzerinde öğüterek çalışıyorum. Her geçen yıl ile birlikte, hesaplama fikrinin ne kadar güçlü olduğunu fark ediyorum. Bize zaten uzun bir yol kat ettirdi, fakat bunun dahası var. Bilimin temellerinden teknolojinin limitlerine, bizzat insan durumunun tanımına kadar, bence hesaplamanın kaderi geleceğimizin fikrini tanımlamaktır.
Thank you.
Teşekkürler.
(Applause)
(Alkış)
Chris Anderson: That was astonishing. Stay here. I've got a question.
Chris Anderson: Bu hayret vericiydi. Bekle burada. Bir sorum var.
(Applause)
(Alkış)
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?
Doğrusu çok şaşırtıcı bir konuşmaydı. Bu tür bir düşünce tarzının nasıl bir şekilde sicim kuramına veya insanların evrenin temel açıklaması olarak gördüğü şeylere bağlanabileceğini bir veya iki cümlede anlatabilir misin?
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: Fiziğin, doğru olduğunu bildiğimiz, örneğin fiziğin standart modelleri gibi taraflarını bağlayabiliriz. Yapmaya çalıştığım şey, fiziğin standart modelini daha iyi şekilde yeniden üretmek veya baştan yanlıştır. İnsanların son 25 küsür yıldır sicim kuramı ve diğer şeyler ile yapmaya çalıştıkları, standart modele dönebilmek için yapılan fakat henüz o noktaya ulaşamayan ilginç araştırmalardır. Benim tahminim yaptığım büyük sadeleştirmelerin sicim kuramında yapılan kadar gerçekten kayda değer etki yapmasıdır, fakat bu henüz nasıl olacağını bilmediğim karmaşık bir matematik şeyidir.
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: Dinleyiciler arasında Benoit Mandlebrot var. O da basit bir başlangıçtan nasıl karmaşıklık çıkacağını göstermiştir. Senin çalışman bununla alakalı mı?
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: Öyle sanırım. Benoit Mandlebrot'un çalışmalarını bu tür alanların temel taşı olarak görüyorum. Benoit özellikle iç içe kalıplar, fraktallar ve yapının bir ağacın dallarına benzeyen büyük dallardan küçüklerin çıktığı ve küçük dallardan da daha küçüklerinin çıktığı yapılara ilgi duyuyor. Bu gerçek karmaşıklığa giden yollardan bir tanesidir. Bence, kural 30 gibi hücre otomasyonları bizi farklı seviyelere götürür. Aslında bizi farklı bir seviyeye çok net bir yoldan götürüyorlar çünkü onlar karmaşıklık oluşturabilen şeyler gibiler bu karmaşıklığın olabileceği en büyük hali gibi bir şey ...
I could go on about this at great length, but I won't. (Laughter) (Applause)
Daha çok anlatırım ama lafı uzatmayacağım.
CA: Stephen Wolfram, thank you.
CA: Stephen Wolfram, teşekkürler.
(Applause)
(Alkış)