How to Think Computationally About AI, the Universe and Everything | Stephen Wolfram | TED

المترجم: DAHOU Mohamed المدقّق: Tarek Mamdouh

Human language, mathematics, logic.

اللغة البشرية والرياضيات والمنطق.

These are all ways to formalize the world.

هذه كلها طرق لإضفاء الطابع الرسمي على العالم.

And in our century,

وفي هذا القرن،

there's a new and yet more powerful one: computation.

هناك طريقة جديدة ولكن أكثر قوة: الحوسبة.

For nearly 50 years,

منذ ما يقرب 50 سنة،

I've had the great privilege

حظيت بشرف كبير

of building up an ever-taller tower of science and technology

لبناء أطول برج من العلوم والتكنولوجيا

that's based on that idea of computation.

يعتمد على فكرة الحوسبة.

And so today, I want to tell you a little bit about what that's led to.

واليوم، أريد أن أخبركم قليلاً عما أدى إليه ذلك.

There's a lot to talk about, so I'm going to go quickly.

هناك الكثير للحديث عنه، لذلك سأسرع.

And sometimes I'm going to summarize in a sentence

وأحيانًا سألخص في جملة

what I've written a whole book about.

ما كتبت عنه كتابًا كاملاً.

But you know,

ولكن كما تعلمون،

I last gave a TED talk 13 years ago,

ألقيت آخر محاضرة في تيد قبل 13 سنة،

in February 2010,

soon after WolframAlpha launched,

بعد وقت قصير من إطلاق وولفرامألفا،

and I ended that talk with a question.

وأنهيت تلك المحادثة بسؤال.

Question was,

وكان السؤال هو،

is computation ultimately what's underneath everything

هل الحوسبة في النهاية هي الأساس الذي يقوم عليه كل شيء في كوننا؟

in our universe?

I gave myself a decade to find out.

أعطيت نفسي عقدًا من الزمن للإجابة عن ذلك.

And actually, it could have needed a century.

وفي الواقع، كان من الممكن أن يحتاج الأمر إلى قرن.

But in April 2020, just after the decade mark,

ولكن في أبريل 2020، بعد مرور العقد مباشرة،

we were thrilled to be able to announce

كنا سعيدين للغاية لأن نعلن

what seems to be the ultimate machine code of the universe.

عما يبدو أنها لغة الآلة النهائية للكون.

And yes, it's computational.

ونعم، إنها حاسوبية.

So computation isn't just a possible formalization,

لذا فإن الحوسبة ليست مجرد إمكانية لإضفاء الطابع الرسمي،

it's the ultimate one for our universe.

إنه الحل النهائي لكوننا.

It all starts from the idea that space, like matter, is made of discrete elements,

كل شيء بدأ من فكرة أن الفضاء، مثل المادة، مصنوع من عناصر منفصلة،

and from that structure of space and everything in it,

ومن هيكل الفضاء هذا وكل شيء فيه،

it's defined just by a network of relations

يتم تعريفه فقط من خلال شبكة من العلاقات

between these elements that we might call atoms of space.

بين هذه العناصر التي قد نسميها ذرات الفضاء.

So it's all very elegant, but deeply abstract.

لذلك كل شيء أنيق للغاية، ولكنه مجرَّد بشكل عميق.

But here's kind of a humanized representation,

ولكن هذا نوع من التمثيل الإنساني،

a version of the very beginning of the universe.

نسخة من بداية الكون.

And what we're seeing here is the emergence of space

وما نراه هنا هو ظهور الفضاء

and everything in it

وكل شيء فيه

by the successive application of very simple computational rules.

من خلال التطبيق المتتابع لقواعد حسابية جد بسيطة.

And remember, these dots are not atoms in any existing space.

وتذكروا أن هذه النقاط ليست ذرات في أي فضاء موجود.

They're atoms of space that get put together to make space.

إنها ذرات الفضاء التي يتم تجميعها معًا لتكوين الفضاء.

And yes, if we kept going long enough,

ونعم، إذا واصلنا لفترة كافية،

we could build our whole universe this way.

يمكننا بناء كوننا كله بهذه الطريقة.

So eons later,

لذا بعد مرور دهور،

here's a chunk of space with two little black holes

ها هي قطعة من الفضاء بها ثقبين أسودين صغيرين،

that, if we wait a little while, will eventually merge,

إذا انتظرنا قليلاً، سوف يندمجان في النهاية،

generating little ripples of gravitational radiation.

ليولدا تموجات صغيرة من الأمواج الثقالية.

And remember, all of this is built from pure computation.

وتذكر أن كل هذا مبني على عملية حوسبة خالصة.

But like fluid mechanics emerging from molecules,

ولكن مثل ميكانيكا الموائع الناشئة عن الجزيئات،

what emerges here is space-time and Einstein's equations for gravity,

فإن ما يظهر هنا هو الزمكان ومعادلات أينشتاين للجاذبية،

though there are deviations that we just might be able to detect,

على الرغم من وجود انحرافات قد نتمكن من اكتشافها،

like that the dimensionality of space won't always be precisely three.

مثل أن أبعاد الفضاء لن تكون دائمًا ثلاثية بالضبط.

And there's something else.

وهناك شيء آخر.

Our computational rules can inevitably be applied in many ways,

يمكن حتميا تطبيق قواعدنا الحسابية بعدة طرق،

each defining a different kind of thread of time,

كل منها يحدد نوعًا مختلفًا من الخيط الزمني،

a different path of history that can branch and merge.

مسارًا مختلفًا للتاريخ يمكن أن يتفرع ويندمج.

But as observers embedded in this universe,

ولكن بصفتنا مراقبين جزء من هذا الكون،

we're branching and merging, too.

فإننا نتفرع ونندمج أيضًا.

And it turns out that quantum mechanics emerges as the story

واتضح أن ميكانيكا الكم تظهر كقصة

of how branching minds perceive a branching universe.

عن كيفية إدراك العقول المتفرعة للكون المتفرّع.

So the little pink lines you might be able to see here

لذا فإن الخطوط الوردية الصغيرة التي قد ترونها هنا

show the structure of what we call branchial space,

تُظهر بنية ما نسميه الفضاء الخيشومي،

the space of quantum branches.

فضاء الفروع الكمومية.

And one of the stunningly beautiful things,

وأحد الأشياء الجميلة المذهلة،

at least for physicists like me,

على الأقل لفيزيائيين مثلي،

is that the same phenomenon that in physical space gives us gravity,

هو أن نفس الظاهرة التي تعطينا الجاذبية في الفضاء المادي،

in branchial space gives us quantum mechanics.

تعطينا في الفضاء الخيشومي ميكانيكا الكم.

So in the history of science so far,

لذا في تاريخ العلم حتى الآن،

I think we can identify sort of four broad paradigms

أعتقد أنه يمكننا تحديد أربعة نماذج كبيرة

for making models of the world that can be distinguished

لصنع نماذج للعالم يمكن تمييزها نوعًا ما

kind of by how they deal with time.

من خلال كيفية تعاملها مع الوقت.

So in antiquity and in plenty of areas of science, even today,

لذلك في العصور القديمة وفي الكثير من مجالات العلوم، حتى اليوم،

it's all about kind of, what are things made of.

ينعلق الأمر كله نوع ما، بتكوين الأشياء.

And time doesn't really enter.

والوقت لا يؤخذ بعين الاعتبار.

But in the 1600s came the idea of modeling things

ولكن في القرن السابع عشر جاءت فكرة نمذجة الأشياء

with mathematical formulas in which time enters,

باستخدام الصيغ الرياضية التي يراعى فيها الوقت،

but basically just as a coordinate value.

ولكن كقيمة إحداثية في الأساس.

Then in the 1980s, and this is something in which I was deeply involved,

ثم في الثمانينيات، وهذا شيء شاركت فيه بهمة،

came the idea of making models

جاءت فكرة صنع النماذج

by starting with simple computational rules

من خلال البدء بقواعد حسابية بسيطة

and just letting them run.

والسماح لها بالعمل.

So can one predict what will happen?

فهل يمكن لأحد التنبؤ بما سيحدث؟

No.

لا.

There's what I call computational irreducibility,

هناك ما أسميه عدم الاختزال الحسابي،

in which, in effect, the passage of time corresponds to an irreducible computation

حيث يتوافق مرور الوقت في الواقع مع حساب غير قابل للاختزال

that we have to run in order to work out how it will turn out.

يتعين علينا القيام به لمعرفة كيفية حدوثه.

But now there's kind of something,

ولكن هناك حاليا شيء ما،

something even more -- in our physics project,

شيء أكثر من ذلك، في مشروعنا الفيزيائي،

there’s things that have become multi-computational,

هناك أشياء أصبحت متعددة الحسابات،

with many threads of time

مع العديد من خيوط الزمن

that can only be knitted together by an observer.

التي لا يمكن ربطها معًا إلا بواسطة مراقب.

So it's kind of a new paradigm that actually seems to unlock things

لذا فهو نوع من النماذج الجديدة التي يبدو في الواقع أنها تكشف عن الأشياء

not only in fundamental physics,

ليس فقط في الفيزياء الأساسية،

but also in the foundations of mathematics and computer science,

ولكن أيضًا في أسس الرياضيات وعلوم الحاسوب،

and possibly in areas like biology and economics as well.

وربما في مجالات مثل علم الأحياء والاقتصاد أيضًا.

So I talked about building up the universe

لذلك تحدثت عن بناء الكون

by repeatedly applying a computational rule.

من خلال تطبيق قاعدة حسابية بشكل متكرر.

But how is that rule picked?

ولكن كيف يتم اختيار هذه القاعدة؟

Well, actually it isn't,

حسنًا، في الواقع ليس كذلك،

because all possible rules are used,

لأنه يتم استخدام جميع القواعد الممكنة،

and we're building up what I call the ruliad,

ونحن نبني ما أسميه الرولياد،

the kind of deeply abstract but unique object

شيء مجرَّد بشكل عميق ولكنه فريد

that is the entangled limit of all possible computational processes.

الذي يمثل الحد المتشابك لجميع العمليات الحسابية الممكنة.

Here's a tiny fragment of it shown in terms of Turing machines.

هذا جزء صغير منه معروض من حيث آلات تورينج.

So this ruliad is everything.

لذا فإن هذا الرولياد هو كل شيء.

And we as observers are necessarily part of it.

ونحن كمراقبين بالضرورة جزء منه.

In the ruliad as a whole,

في الرولياد ككل،

in a sense, everything computationally possible can happen.

نوعًا ما، قد يحدث كل شيء ممكن حسابيًا.

But observers like us just sample specific slices of the ruliad.

لكن المراقبين أمثالنا يقومون فقط بأخذ عينات من شرائح محددة من الرولياد.

And there are two crucial facts about us.

وهناك حقيقتان مهمتان فيما يخصنا.

First, we're computationally bounded, our minds are limited,

أولاً، نحن مقيدون حسابيًا، وعقولنا محدودة،

and second, we believe we're persistent in time,

وثانيًا، نعتقد أننا مستمرون في الوقت،

even though we're made of different atoms of space at every moment.

رغم أننا نتكون من ذرات مختلفة من الفضاء في كل لحظة.

So then, here's the big result.

إذن، هذه هي النتيجة الكبيرة.

What observers with those characteristics perceive in the ruliad

ما يلاحظه المراقبون من هذه الطينة في الرولياد

necessarily follows certain laws.

يتبع بالضرورة قوانين معينة.

And those laws turn out to be precisely

وتبين أن هذه القوانين ليست سوى

the three key theories of 20th century physics:

النظريات الثلاث الرئيسية لفيزياء القرن العشرين:

general relativity, quantum mechanics,

النسبية العامة وميكانيكا الكم

and statistical mechanics in the second law.

والميكانيكا الإحصائية في القانون الثاني.

So it's because we're observers like us

وبما أننا مراقبون من هذا النوع

that we perceive the laws of physics we do.

فإننا ندرك قوانين الفيزياء التي نقوم بها.

We can think of sort of different minds

يمكننا التفكير في عقول مختلفة

as being at different places in rulial space.

تتواجد بأماكن مختلفة في فضاء الرولياد.

Human minds who think alike are nearby,

العقول البشرية التي تفكر بنفس الشكل تكون قريبة،

animals further away,

والحيوانات بعيدة،

and further out, we get to kind of alien minds

وأبعد، نصل إلى نوع من العقول الفضائية

where it's hard to make a translation.

حيث تصعب الترجمة.

So how can we get intuition for all of this?

فكيف يمكننا الحصول على الحدس لكل هذا؟

Well, one thing we can do is use generative AI

حسنًا، يمكننا فقط استخدام الذكاء الاصطناعي التوليدي

to take what amounts to an incredibly tiny slice of the ruliad

لأخذ ما يعادل شريحة جد صغيرة من الرولياد

aligned with images we humans have produced.

المتوافقة مع الصور التي أنتجناها نحن البشر.

We can think of this as sort of a place in the ruliad

يمكننا اعتبار هذا كمكان ما في الرولياد

described by using the concept of a cat in a party hat.

يوصف باستخدام تصور قطة في حفل قبعات.

So zooming out, we saw there

لذا عند تصغير الصورة،

what we might call Cat Island.

نرى ما يمكن أن نسميه جزيرة القط.

Pretty soon we’re in a kind of an inter-concept space.

لنجد أنفسنا بسرعة في نوع من الفضاء بين المفاهيم.

Occasionally things will look familiar,

حيث ستبدو الأشياء مألوفة أحيانا،

but mostly, what we'll see is things we humans don't have words for.

ولكن ما سنراه في الغالب هو أشياء لا نملك نحن البشر كلمات لها.

In physical space, we explore the universe

في الفضاء المادي، نستكشف الكون

by sending out spacecraft.

عن طريق إرسال مركبة فضائية.

In rulial space, we explore more

في فضاء الرولياد، نستكشف المزيد

by expanding our concepts and our paradigms.

من خلال توسيع مفاهيمنا ونماذجنا.

We can kind of get a sense of what's out there

يمكننا نوعًا ما التعرف على ما هو موجود هناك

by sampling possible rules,

من خلال تجربة القواعد الممكنة،

doing what I call ruliology.

والقيام بما أسميه علم القواعد.

So even with incredibly simple rules,

لذلك حتى مع القواعد البسيطة للغاية،

there's incredible richness.

هناك ثراء مذهل.

But the issue is that most of it doesn't yet connect

لكن المشكلة هي أن معظمها غير متصل بعد

with things we humans understand or care about.

بالأشياء التي نفهمها نحن البشر أو نهتم بها.

It's like when we look at the natural world

يبدو الأمر كأننا ننظر إلى العالم الطبيعي

and only gradually realize that we can use features of it for technology.

وندرك تدريجيًا فقط أنه يمكننا استخدام ميزاته للتكنولوجيا.

So even after everything our civilization has achieved,

لذلك حتى بعد كل ما حققته حضارتنا،

we're just at the very, very beginning of exploring rulial space.

فنحن ما زلنا في بداية استكشاف فضاء الرولياد فقط.

What about AIs?

ماذا عن الذكاء الاصطناعي؟

Well, just like we can do ruliology,

حسنًا، يمكن للذكاء الاصطناعي، من حيث المبدأ،

AIs can in principle go out and explore rulial space.

استكشاف فضاء الرولياد، تمامًا كما يمكننا نحن القيام بعلم القواعد.

Left to their own devices, though,

ولكن، إذا تُركوا الأمر لأجهزتهم،

they'll mostly just be doing things

فسيقومون في الغالب أشياء

we humans don't connect with or care about.

لا نتواصل معها نحن البشر أو نهتم بها.

So the big achievements of AI in recent times

لذا فإن أكبر إنجازات الذكاء الاصطناعي مؤخرًا

have been about making systems that are closely aligned with us humans.

كانت تتعلق بصنع أنظمة تتماشى بشكل وثيق معنا نحن البشر.

We train LLMs on billions of web pages so they can produce texts

نزود نماذج اللغة الكبيرة بملايير من صفحات الويب لتنتج نصوصًا

that's typical of what we humans write.

شبيهة بما نكتبه نحن البشر.

And yes, the fact that this works

ونعم، حقيقة نجاح هذا الأمر

is undoubtedly telling us some deep scientific things

يخبرنا بلا شك ببعض الأشياء العلمية العميقة

about the semantic grammar of language

حول القواعد الدلالية للغة

and generalizations of things like logic

وتعميمات أشياء مثل المنطق

that perhaps we should have known centuries ago.

التي ربما كان يفترض بنا معرفتها منذ قرون مضت.

You know, for much of human history,

كما تعلمون، خلال معظم تاريخ البشرية،

we were kind of like the LLMs,

كنا نوعًا ما مثل نماذج اللغة الكبيرة،

figuring things out by kind of matching patterns in our minds.

نكتشف الأشياء بنوع من الأنماط المطابقة لما في أذهاننا.

But then came more systematic formalization and eventually computation.

ولكن جاءت بعدها مرحلة إضفاء الطابع الرسمي الأكثر منهجية والحساب في نهاية المطاف.

And with that, we got a whole other level of power to truly create new things

وبهذا، حصلنا على مستوى آخر تمامًا من القوة لإنشاء أشياء جديدة تماما،

and to, in effect, go wherever we want in the ruliad.

وفي الواقع، الذهاب إلى أي مكان نريده في الرولياد.

But the challenge is to do that in a way that connects with what we humans,

لكن التحدي يكمن في القيام بذلك بطريقة ترتبط بما نفهمه نحن البشر

and our AIs, understand.

والذكاء الاصطناعي.

In fact, I've devoted a large part of my life

في الواقع، لقد كرست جزءًا كبيرًا من حياتي

to kind of trying to build that bridge.

لمحاولة بناء هذا الجسر.

It's all been about creating a language for expressing ourselves computationally,

كان الأمر كله يتعلق بإنشاء لغة للتعبير عن أنفسنا حسابيًا،

a language for computational thinking.

لغة للتفكير الحسابي.

The goal is to formalize what we know about the world in computational terms,

الهدف هو إضفاء الطابع الرسمي عما نعرفه عن العالم من الناحية الحسابية،

to have computational ways to represent cities and chemicals and movies

للحصول على طرق حسابية تمثل المدن والمواد الكيميائية والأفلام

and humor and formulas and our knowledge about them.

والفكاهة والصيغ ومعرفتنا حولها.

It’s been a vast undertaking that spanned more than four decades of my life,

لقد كانت مهمة ضخمة امتدت لأكثر من أربعة عقود من حياتي،

but it's something very unique and different.

لكنها شيء فريد ومختلف للغاية.

But I'm happy to report that in what has been Mathematica

لكن يسعدني الإعلان عن أن ما كان يُعرف بنظام ماثماتيكا

and is now the Wolfram Language,

وأصبح الآن لغة ولفرام،

I think we firmly succeeded in creating

أعتقد أننا نجحنا نجاحًا كبيرًا في إنشاء لغة حسابية واسعة النطاق.

a truly full-scale computational language.

In effect,

في الواقع،

every one of these functions here can be thought of as formalizing

يمكن اعتبار كل واحدة من هذه الوظائف هنا بمثابة إضفاء للطابع الرسمي

and encapsulating, in computational terms,

والتلخيص، من الناحية الحسابية،

some facet of the intellectual achievements of our civilization.

على بعض جوانب الإنجازات الفكرية لحضارتنا.

It's sort of the most concentrated form of intellectual expression that I know,

إنه نوع من الصيغ الأكثر تركيزًا للتعبير الفكري الذي أعرفه،

sort of finding the essence of everything and coherently expressing it

كالعثور على جوهر كل شيء والتعبير عنه بشكل متماسك

in the design of our computational language.

في تصميم لغتنا الحاسوبية.

For me personally,

بالنسبة لي شخصيًا،

it's been an amazing journey, kind of, year after year,

لقد كانت رحلة رائعة، مع توالي السنون،

building the sort of tower of ideas and technology that's needed.

لبناء هذا النوع من أبراج الأفكار والتكنولوجيا المطلوبة.

And nowadays sharing that process with the world

ومشاركة هذه العملية اليوم مع العالم

in things like open live streams and so on.

بوسائل مثل البث المباشر المفتوح وما إلى ذلك.

A few centuries ago,

قبل بضعة قرون،

the development of mathematical notation,

أعطى تطوير الترميز الرياضي،

and what amounts to the language of mathematics,

وما يعادل لغة الرياضيات،

gave a systematic way to express math and made possible algebra and calculus,

طريقة منهجية للتعبير عن الرياضيات وجعل الجبر وحساب التفاضل والتكامل ممكنًا،

and eventually all of modern mathematical science.

وفي نهاية المطاف كل العلوم الرياضية الحديثة.

And computational language now provides a similar path,

وتسير اللغة الحاسوبية اليوم على نفس المسار،

letting us ultimately create a computational X

مما يسمح لنا في نهاية المطاف بإنشاء متغير حسابي

for all imaginable fields X.

لجميع المجالات التي يمكن تخيلها.

I mean, we've seen the growth of computer science, CS,

أعني، لقد رأينا ازدهار علوم الحاسوب،

but computational language opens up something ultimately much bigger

ولكن اللغة الحاسوبية تفتح الباب لشيء أكبر

and broader, CX.

وأوسع نطاقًا، إنه المتغير الحاسوبي.

I mean, for 70 years we've had programming languages

أعني، على مدى 70 سنة كانت لدينا لغات برمجة تهدف

which are about telling computers in their terms what to do.

إلى إخبار الحواسيب بلغتها بما يجب فعله.

But computational language

لكن اللغة الحاسوبية

is about something intellectually much bigger.

تدور حول شيء أكبر بكثير من الناحية الفكرية.

It's about taking everything we can think about

يتعلق الأمر بأخذ كل ما يمكننا التفكير فيه

and operationalizing it in computational terms.

وتشغيله من الناحية الحسابية.

You know, I built the Wolfram Language

كما تعلمون، لقد بنيت لغة ولفرام

first and foremost because I wanted to use it myself.

أولاً وقبل كل شيء لأنني أردت استخدامها بنفسي.

And now when I use it,

والآن عندما أستخدمها،

I feel like it's kind of giving me some kind of superpower.

أشعر وكأنها تمنحني نوعًا من القوة الخارقة.

I just have to imagine something in computational terms.

عليّ فقط أن أتخيل شيئًا من الناحية الحسابية.

And then the language sort of almost magically lets me bring it into reality,

وبطريقة شبه سحرية تسمح لي اللغة بتحويلها إلى واقع،

see its consequences, and build on them.

ورؤية نتائجها، والبناء عليها.

And yes, that's the sort of superpower

ونعم، هذا هو نوع القوة الخارقة

that's let me do things like our physics project.

التي تسمح لي بفعل أشياء كمشروعنا الفيزيائي.

And over the past 35 years,

وعلى مدار 35 سنة الماضية،

it's been my great privilege to share this superpower with many other people,

كان شرفًا عظيمًا لي مشاركة هذه القوة الخارقة مع العديد من الأشخاص،

and by doing so,

وبفعل ذلك،

to have enabled an incredible number of advances across many fields.

تمكنت من إحراز تقدم لا يُصدق في العديد من المجالات.

It's sort of a wonderful thing to see people, researchers, CEOs, kids,

إنه لأمر رائع نوعًا ما أن نرى الناس والباحثين والمديرين التنفيذيين والأطفال،

using our language to fluently think in computational terms,

يستخدمون لغتنا للتفكير بسلاسة من الناحية الحسابية،

kind of crispening up their own thinking,

وتحسين تفكيرهم نوعًا ما،

and then in effect, automatically calling in computational superpowers.

ثم تفعيل القوى الحاسوبية الخارقة تلقائيًا.

And now it's not just people who can do that.

وتجاوز الأمر اليوم البشر

AIs can use our computational language as a tool, too.

حيث أصبح بإمكان الذكاء الاصطناعي استخدام لغتنا الحاسوبية كأداة أيضًا.

Yes, to get their facts straight,

نعم، للحصول على حقائقه مباشرة،

but even more importantly, to compute new facts.

ولكن الأهم من ذلك، لحساب الحقائق الجديدة.

There are already some integrations of our technology into LLMs.

هناك بالفعل بعض عمليات دمج تقنيتنا في نماذج اللغة الكبيرة.

There's a lot more you'll be seeing soon.

وسترون الكثير قريبًا.

And, you know, when it comes to building new things

وكما تعلمون، عندما يتعلق الأمر ببناء أشياء جديدة

in a very powerful emerging workflow,

في سير عمل ناشئ قوي جدًا،

it's basically to start by telling the LLM roughly what you want,

فإنه يجب بداية إخبار نموذج اللغة الكبير بما تريدونه تقريبًا،

then to have it try to express that in precise Wolfram Language,

ثم جعله يحاول التعبير بدقة عن ذلك بلغة ولفرام،

then, and this is a critical feature of our computational language,

وهذه ميزة مهمة في لغتنا الحاسوبية،

compared to, for example, programming language,

فبالمقارنة، مثلا، مع لغة البرمجة،

you as a human can read the code,

يمكنكم قراءة النص البرمجي،

and if it does what you want,

وإذا فعل ما تريدونه،

you can use it as kind of a dependable component to build on.

فيمكنكم استخدامه كمكون يمكن أساس موثوق للبناء عليه.

OK, but let's say we use more and more AI,

ولكن لنفترض أننا نستخدم الذكاء الاصطناعي والحسابات أكثر من ذي قبل.

more and more computation.

What's the world going to be like?

كيف سيكون شكل العالم؟

From the industrial revolution on,

اعتدنا منذ الثورة الصناعية

we’ve been used to doing engineering where we can in effect,

على القيام بالهندسة حيث يمكننا في الواقع

see how the gears mesh to understand how things work.

أن نرى كيف تتصل القطع ببعضها لفهم كيفية عمل الأشياء.

But computational irreducibility

لكن عدم الاختزال الحسابي

now shows us that that won't always be possible.

يظهر لنا اليوم أن ذلك لن يكون ممكنًا دائمًا.

We won't always be able to make a kind of simple human or, say,

لن نتمكن دائمًا من صناعة نوع من السرد البشري البسيط ، فلنقل،

mathematical narrative

أو السرد الرياضي

to explain or predict what a system will do.

لشرح ما سيفعله النظام أو التنبؤ به.

And yes, this is science, in effect, eating itself from the inside.

ونعم، هذا هو العلم، في الواقع، يأكل نفسه من الداخل.

From all the successes of mathematical science,

من كل نجاحات العلوم الرياضية،

we've come to believe that somehow, if we only could find them,

صرنا نعتقد بأنه بطريقة ما، إذا تمكنا فقط من العثور عليها،

there'd be formulas to kind of predict everything.

فستكون هناك صيغ للتنبؤ بكل شيء.

But now computational irreducibility shows us that that isn't true.

لكن عدم الاختزال الحسابي يظهر لنا الآن أن هذا ليس صحيحًا.

And that in effect, to find out what a system will do,

وأنه في الواقع، لمعرفة ما سيفعله النظام،

we have to go through the same irreducible computational steps

علينا أن نمر بنفس الخطوات الحسابية غير القابلة للاختزال

as the system itself.

مثل النظام نفسه.

Yes, it's a weakness of science,

نعم، إنها نقطة ضعف في العلم،

but it's also why the passage of time is significant and meaningful

ولكنها أيضًا السبب في أن مرور الوقت مهم وذا مغزى

and why we can't just sort of jump ahead to get the answer.

وأنه لا يمكننا الاكتفاء بحرق المراحل للحصول على الإجابة.

We have to live the steps.

علينا المرور بكل الخطوات.

It's actually going to be, I think, a great societal dilemma of the future.

أعتقد أنها ستكون في الواقع معضلة مجتمعية كبيرة للمستقبل.

If we let our AIs achieve their kind of full computational potential,

إذا سمحنا لذكائنا الاصطناعي أن يصل نوعًا ما لكامل قدرته الحاسوبية،

they'll have lots of computational irreducibility

سيكون لديه الكثير من عدم الاختزال الحسابي

and we won't be able to predict what they'll do.

ولن نكون قادرين على التنبؤ بما سيفعله.

But if we put constraints on them to make them more predictable,

ولكن إذا وضعنا قيودًا عليه لجعله أكثر قابلية للتنبؤ بما سيفعله،

we'll limit what they can do for us.

فسنحدد ما يمكنه فعله لنا.

So what will it feel like if our world is full of computational irreducibility?

إذن ما هو شعورنا إذا كان عالمنا مليئًا بعدم الاختزال الحسابي؟

Well, it's really nothing new

حسنًا، إنه ليس شيئًا جديدًا حقًا

because that's the story with much of nature.

لأن هذه هي القصة السائدة في الطبيعة.

And what's happened there

وما حدث

is that we've found ways to operate within nature,

هو أننا وجدنا طرقًا للعمل داخل الطبيعة،

even though nature can sometimes still surprise us.

بالرغم من أن الطبيعة قد تفاجئنا أحيانًا.

And so it will be with the AIs.

وهكذا سيكون الأمر مع الذكاء الاصطناعي.

We might give them a constitution, but there will always be consequences

قد نعطيه دستورًا، لكن ستكون هناك دائمًا عواقب

we can't predict.

لا يمكننا التنبؤ بها.

Of course, even figuring out societally what we want from the AIs is hard.

وبالطبع، حتى معرفة ما نريده اجتماعيًا من الذكاء الاصطناعي أمر صعب.

Maybe we need you know, a promptocracy

ربما نحتاج، كما تعلمون، إلى نظام حكم سريع

where people write prompts instead of just voting.

حيث يكتب الناس المطالبات بدلاً من مجرد التصويت.

But basically, every control the outcome scheme

ولكن عمومًا، يبدو أن كل عنصر تحكم في مخطط النتائج

seems full of both political philosophy

مليء على حد سواء بأفخاخ من الفلسفة السياسية

and computational irreducibility gotchas.

وعدم الاختزال الحسابي.

You know, if we look at the whole arc of human history,

كما تعلمون، إذا نظرنا إلى قوس التاريخ البشري بأكمله،

the one thing that's systematically changed

فإن الشيء الوحيد الذي تغير بشكل منهجي

is that more and more gets automated.

هو أن الأتمتة تتزايد بمرور الوقت.

And LLMs just gave us a dramatic and unexpected example of that.

وقد أعطتنا نماذج اللغة الكبيرة للتو مثالًا دراميًا وغير متوقع على ذلك.

So what does that mean?

إذن ماذا يعني ذلك؟

Does that mean that in the end, us humans will have nothing to do?

هل هذا يعني أنه في نهاية المطاف، لن يكون لدينا نحن البشر ما نفعله؟

Well, if we look at history,

حسنًا، إذا نظرنا إلى التاريخ،

what seems to happen is that when one thing gets automated away,

يبدو أن ما يحدث هو أنه عند أتمتة شيء واحد،

it opens up lots of new things to do.

فإن ذلك يفتح الباب للكثير من الأشياء الجديدة لفعلها.

And as economies develop,

ومع تطور الاقتصادات،

the pie chart of occupations seems to get more and more fragmented.

يبدو أن كعكة مخطط المهن تتجزأ أكثر فأكثر.

And now we're back to the ruliad.

والآن نعود إلى الرولياد.

Because at a foundational level,

لأنه على المستوى الأساسي،

what's happening is that automation is opening up more directions

ما يحدث هو أن الأتمتة تفتح المزيد من الأبواب

to go in the ruliad.

للمضي قدمًا في الرولياد.

But there's no abstract way to choose between these.

ولكن لا توجد طريقة مجردة للاختيار من بينها.

It's a question of what we humans want,

إنه أمر يتعلق بما نريده نحن البشر،

and it requires kind of humans doing work to define that.

ويتطلب ذلك نوعًا من العمل البشري لتحديده.

So a society of AI as sort of untethered by human input,

لذا فإن مجتمع الذكاء الاصطناعي، غير المرتبط نوعًا ما بالمدخلات البشرية،

would effectively go off and explore the whole ruliad.

سينطلق بالفعل ويستكشف الرولياد بأكمله.

But most of what they do would seem to us random and pointless,

لكن معظم ما يفعله سيبدو لنا عشوائيًا ولا طائل من ورائه،

much like most of nature doesn't seem to us right now,

تماما كما يحدث غالبًا في الطبيعة التي لا تبدو لنا أنها بخير حاليًا،

like it's achieving a purpose.

وكأنها تحقق غرضًا معينًا.

I mean, one used to imagine that to build things that are useful to us,

أعني، لقد اعتادنا تصور أنه لبناء أشياء مفيدة لنا،

we'd have to do it kind of step by step.

فإنه علينا القيام بذلك خطوة بخطوة.

But AI and the whole phenomenon of computation

لكن الذكاء الاصطناعي وظاهرة الحساب بأكملها

tell us that really what we need

تخبرنا أن ما نحتاجه حقًا

is more just to define what we want.

هو المزيد من الدقة في تحديد ما نريده فقط.

Then computation, AI, automation can make it happen.

ثم يمكن للحساب والذكاء الاصطناعي والأتمتة تحقيق ذلك.

And yes, I think the key to defining in a clear way what we want

ونعم، أعتقد أن مفتاح تحديد ما نريده بطريقة واضحة

is computational language.

هو اللغة الحاسوبية.

And, you know, even after 35 years,

وكما تعلمون، حتى بعد 35 سنة،

for many people,

لا تزال لغة ولفرام،

Wolfram Language is still sort of an artifact from the future.

بالنسبة للعديد من الناس، نوعًا ما أدة من المستقبل.

If your job is to program, it seems like a cheat.

إذا كانت مهمتكم هي البرمجة، فيبدو الأمر وكأنه غش.

How come you can do in an hour what would usually take you a week?

كيف يمكنكم أن تقوموا في ساعة واحدة بما كان سيتطلب منكم أسبوعا في العادةً؟

But it can also be kind of daunting because having dashed off that one thing,

ولكن قد يكون الأمر أيضًا شاقًا نوعًا ما لأنه بعد التخلص من هذا الشيء،

you now have to conceptualize the next thing.

عليكم الآن تصور الشيء التالي.

Of course, it's great for CEOs and CTOs

وهذا أمر رائع للمديرين التنفيذيين والمديرين التقنيين

and intellectual leaders who are ready to race on to the next thing.

وكبار المفكرين المستعدين للفوز بسباق الشيء التالي.

And indeed, it's an impressively popular thing in that set.

وبالفعل، إنه شيء شائع شيوعًا مبهرًا في تلك المجموعة.

In a sense, what's happening is that Wolfram Language shifts

بمعنى أن ما يحدث هو أن لغة ولفرام تتحول

from concentrating on mechanics to concentrating on conceptualization,

من التركيز على الميكانيكا إلى التركيز على التصور،

and the key to that conceptualization is broad computational thinking.

ومفتاح هذا التصور يكمن في التفكير الحسابي الواسع.

So how can one learn to do that?

وبالتالي، كيف يمكن تعلم فعل ذلك؟

It's not really a story of CS,

الأمر لا يتعلق حقًا بعلوم الحاسوب،

it's really a story of CX.

بل بالمتغير الحاسوبي.

And as a kind of education,

وكنوع من التعليم، فهو أقرب للفنون الحرة

it's more like liberal arts than STEM.

منه للعلوم والتكنولوجيا والهندسة والرياضيات.

It's part of a trend that when you automate technical execution,

إنه جزء من توجَّه يتمثل في أنه عند أتمتة التنفيذ التقني،

what becomes important is not figuring out how to do things,

فإن ما يصبح مهمًا ليس معرفة كيفية القيام بالأشياء،

but what to do.

ولكن ما يجب القيام به.

And that's more a story of broad knowledge and general thinking

وهي قصة تتعلق أكثر بمعرفة واسعة وتفكير عام

than any kind of narrow specialization.

من أي نوع من التخصص الضيق.

You know, there's sort of an unexpected human centeredness to all of this.

ويحتل الإنسان، وعلى غير متوقع، النقطة المركزية في كل هذا الأمر.

We might have thought that with the advance of science and technology,

ربما اعتقدنا أنه مع تقدم العلم والتكنولوجيا،

the particulars of us humans would become ever less relevant.

ستصبح خصائصنا كبشر أقل أهمية من أي وقت مضى.

But we've discovered that that's not true, and that, in fact, everything,

لكننا اكتشفنا أن هذا ليس صحيحًا، وأنه في الواقع، كل شيء،

even our physics,

حتى فيزياءنا،

depends on how we humans happen to have sampled the ruliad.

يعتمد على كيفية قيامنا نحن البشر بتجربة الرولياد.

Before our physics project,

قبل مشروعنا الفيزيائي،

we didn't know if our universe really was computational,

لم نكن نعرف ما إذا كان كوننا حسابيًا حقًا،

but now it's pretty clear that it is.

ولكن الآن من الواضح جدًا أنه كذلك.

And from that, we're sort of inexorably led to the ruliad,

ومن هنا، فإننا نُدْفَعُ نوعًا وهو أمر أكيد إلى الرولياد،

with all its kind of vastness

مع كل شساعته

so hugely greater than the physical space in our universe.

وهو أكبر بكثير من الفضاء المادي في كوننا.

So where will we go in the ruliad?

إذن أين سنذهب في الرولياد؟

Computational language is what lets us chart our path.

اللغة الحاسوبية هي ما يتيح لنا رسم مسارنا.

It lets us humans define our goals and our journeys.

إنها تتيح لنا نحن البشر تحديد أهدافنا ورحلاتنا.

And what's amazing is that all the power and depth

والمدهش هو أن كامل قوة وعمق

of what's out there in the ruliad is accessible to everyone.

ما هو موجود هناك في الرولياد هو في متناول الجميع.

One just has to learn to harness those computational superpowers,

وما علينا سوى تعلم تسخير تلك القوى الخارقة الحاسوبية،

which kind of starts here,

والتي تبدأ نوعا ما هنا،

you know, our portal to the ruliad.

كما تعلمون، من خلال بوابتنا إلى الرولياد.

Thank you.

شكرًا جزيلًا لكم.

(Applause)

(تصفيق)