Danny Hillis: Back to the future (of 1994)

80,708 views ・ 2012-02-03

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Vasiliki Chatzisavvidou Επιμέλεια: Mary Keramida
00:15
Because I usually take the role
0
15260
3000
Επειδή συνήθως αναλαμβάνω το ρόλο
00:18
of trying to explain to people
1
18260
2000
του να εξηγώ στον κόσμο
00:20
how wonderful the new technologies
2
20260
3000
το πόσο υπέροχες θα είναι οι νέες τεχνολογίες
00:23
that are coming along are going to be,
3
23260
2000
που εμφανίζονται
00:25
and I thought that, since I was among friends here,
4
25260
3000
και σκέφτηκα ότι αφού εδώ βρίσκομαι με φίλους,
00:28
I would tell you what I really think
5
28260
4000
θα σας πω τι πραγματικά πιστεύω
00:32
and try to look back and try to understand
6
32260
2000
και θα προσπαθήσω να κοιτάξω πίσω και να καταλάβω
00:34
what is really going on here
7
34260
3000
τι πραγματικά συμβαίνει εδώ
00:37
with these amazing jumps in technology
8
37260
5000
με αυτά τα εκπληκτικά άλματα στην τεχνολογία
00:42
that seem so fast that we can barely keep on top of it.
9
42260
3000
που μοιάζουν τόσο γρήγορα που μόλις που καταφέρνουμε να τα ακολουθούμε.
00:45
So I'm going to start out
10
45260
2000
Θα ξεκινήσω, λοιπόν,
00:47
by showing just one very boring technology slide.
11
47260
3000
δείχνοντας μια πολύ βαρετή διαφάνεια για την τεχνολογία.
00:50
And then, so if you can just turn on the slide that's on.
12
50260
3000
Αν μπορείτε λοιπόν να δείξετε τη διαφάνεια.
00:56
This is just a random slide
13
56260
2000
Αυτή είναι μια τυχαία διαφάνεια
00:58
that I picked out of my file.
14
58260
2000
που επέλεξα από το φάκελό μου.
01:00
What I want to show you is not so much the details of the slide,
15
60260
3000
Αυτό που θέλω να σας δείξω δεν είναι τόσο οι λεπτομέρειες στη διαφάνεια,
01:03
but the general form of it.
16
63260
2000
αλλά η γενική της μορφή.
01:05
This happens to be a slide of some analysis that we were doing
17
65260
3000
Τυχαίνει να είναι μια διαφάνεια μιας ανάλυσης που κάναμε
01:08
about the power of RISC microprocessors
18
68260
3000
για την ενέργεια των μικροεπεξεργαστών υπολογιστών περιορισμένου ρεπερτορίου εντολών
01:11
versus the power of local area networks.
19
71260
3000
έναντι της ενέργειας των τοπικών δικτύων.
01:14
And the interesting thing about it
20
74260
2000
Αυτό που παρουσιάζει ενδιαφέρον είναι ότι
01:16
is that this slide,
21
76260
2000
αυτή η διαφάνεια,
01:18
like so many technology slides that we're used to,
22
78260
3000
όπως και πολλές διαφάνειες για την τεχνολογία που έχουμε συνηθίσει,
01:21
is a sort of a straight line
23
81260
2000
είναι σαν μια ίσια γραμμή
01:23
on a semi-log curve.
24
83260
2000
σε μια ημιλογαριθμική καμπύλη.
01:25
In other words, every step here
25
85260
2000
Με άλλα λόγια, το κάθε βήμα εδώ
01:27
represents an order of magnitude
26
87260
2000
συμβολίζει μια τάξη μεγέθους
01:29
in performance scale.
27
89260
2000
σε μία κλίμακα.
01:31
And this is a new thing
28
91260
2000
Αυτό είναι κάτι καινούργιο
01:33
that we talk about technology
29
93260
2000
το να μιλάμε για την τεχνολογία
01:35
on semi-log curves.
30
95260
2000
με ημιλογαριθμικές καμπύλες.
01:37
Something really weird is going on here.
31
97260
2000
Κάτι πολύ παράξενο συμβαίνει εδώ.
01:39
And that's basically what I'm going to be talking about.
32
99260
3000
Αυτό στην ουσία είναι το θέμα για το οποίο θα μιλήσω.
01:42
So, if you could bring up the lights.
33
102260
3000
Αν μπορούσατε να σηκώσετε τα φώτα.
01:47
If you could bring up the lights higher,
34
107260
2000
Λίγο ψηλότερα,
01:49
because I'm just going to use a piece of paper here.
35
109260
3000
γιατί θα χρησιμοποιήσω ένα χαρτί εδώ.
01:52
Now why do we draw technology curves
36
112260
2000
Γιατί λοιπόν σχεδιάζουμε τεχνολογικές καμπύλες
01:54
in semi-log curves?
37
114260
2000
με ημιλογαριθμικές καμπύλες;
01:56
Well the answer is, if I drew it on a normal curve
38
116260
3000
Η απάντηση είναι πως αν σχεδίαζα μία κανονική καμπύλη
01:59
where, let's say, this is years,
39
119260
2000
εκεί που, ας πούμε, έχουμε χρόνια,
02:01
this is time of some sort,
40
121260
2000
αυτός είναι κάποιου είδους χρόνος,
02:03
and this is whatever measure of the technology
41
123260
3000
κι αυτό είναι οποιοδήποτε μέτρο της τεχνολογίας
02:06
that I'm trying to graph,
42
126260
3000
που προσπαθώ να σχεδιάσω γραφικά,
02:09
the graphs look sort of silly.
43
129260
3000
τα γραφήματα φαίνονται κάπως χαζά.
02:12
They sort of go like this.
44
132260
3000
Πάνε κάπως έτσι.
02:15
And they don't tell us much.
45
135260
3000
Δεν μας λένε πολλά.
02:18
Now if I graph, for instance,
46
138260
3000
Αν, για παράδειγμα, σχεδιάσω γραφικά
02:21
some other technology, say transportation technology,
47
141260
2000
μια κάποια άλλη τεχνολογία, ας πούμε τεχνολογία μεταφορών,
02:23
on a semi-log curve,
48
143260
2000
σε ημιλογαριθμική καμπύλη,
02:25
it would look very stupid, it would look like a flat line.
49
145260
3000
θα φαινόταν πολύ χαζό, θα έμοιαζε με μια ίσια γραμμή.
02:28
But when something like this happens,
50
148260
2000
Όταν, όμως, συμβαίνει κάτι τέτοιο,
02:30
things are qualitatively changing.
51
150260
2000
τα πράγματα αλλάζουν ποιοτικά.
02:32
So if transportation technology
52
152260
2000
Αν, λοιπόν, η τεχνολογία μεταφορών
02:34
was moving along as fast as microprocessor technology,
53
154260
3000
κινούταν τόσο γρήγορα όσο και η τεχνολογία μικροεπεξεργαστών,
02:37
then the day after tomorrow,
54
157260
2000
τότε μεθαύριο,
02:39
I would be able to get in a taxi cab
55
159260
2000
θα μπορούσα να μπω σε ένα ταξί
02:41
and be in Tokyo in 30 seconds.
56
161260
2000
και να είμαι στο Τόκυο σε 30 δευτερόλεπτα.
02:43
It's not moving like that.
57
163260
2000
Δεν κινείται έτσι.
02:45
And there's nothing precedented
58
165260
2000
Δεν υπάρχει κανένα προηγούμενο,
02:47
in the history of technology development
59
167260
2000
στην ιστορία της ανάπτυξης της τεχνολογίας,
02:49
of this kind of self-feeding growth
60
169260
2000
τέτοιου είδους αυτοτροφοδοτούμενης ανάπτυξης
02:51
where you go by orders of magnitude every few years.
61
171260
3000
όπου πηγαίνεις σύμφωνα με τις τάξεις μεγέθους κάθε λίγα χρόνια.
02:54
Now the question that I'd like to ask is,
62
174260
3000
Η ερώτηση που θα ήθελα να κάνω είναι,
02:57
if you look at these exponential curves,
63
177260
3000
εάν κοιτάξετε αυτές τις εκθετικές καμπύλες,
03:00
they don't go on forever.
64
180260
3000
δεν συνεχίζουν επ' αόριστον.
03:03
Things just can't possibly keep changing
65
183260
3000
Απλώς τα πράγματα δεν μπορούν να συνεχίζουν να αλλάζουν
03:06
as fast as they are.
66
186260
2000
τόσο γρήγορα.
03:08
One of two things is going to happen.
67
188260
3000
Θα συμβεί ένα από τα δύο πράγματα.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
191260
4000
Είτε θα βγει μία κάπως κλασικά S-καμπύλη σαν κι αυτή,
03:15
until something totally different comes along,
69
195260
4000
μέχρι να προκύψει κάτι εντελώς διαφορετικό,
03:19
or maybe it's going to do this.
70
199260
2000
είτε ίσως να κάνει αυτό.
03:21
That's about all it can do.
71
201260
2000
Μόνο αυτά μπορεί να συμβούν.
03:23
Now I'm an optimist,
72
203260
2000
Είμαι αισιόδοξος άνθρωπος,
03:25
so I sort of think it's probably going to do something like that.
73
205260
3000
οπότε πιστεύω ότι θα κάνει κάτι τέτοιο.
03:28
If so, that means that what we're in the middle of right now
74
208260
3000
Αν το κάνει, σημαίνει ότι αυτό που κάνουμε αυτή τη στιγμή
03:31
is a transition.
75
211260
2000
είναι μία μετάβαση.
03:33
We're sort of on this line
76
213260
2000
Είμαστε περίπου σε αυτήν τη γραμμή
03:35
in a transition from the way the world used to be
77
215260
2000
σε μία μετάβαση από τον τρόπο που ήταν ο κόσμος κάποτε
03:37
to some new way that the world is.
78
217260
3000
σε ένα νέο τρόπο που είναι τώρα.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
220260
3000
Οπότε αυτό που προσπαθώ να ρωτήσω, αυτό που ρωτάω τον εαυτό μου,
03:43
is what's this new way that the world is?
80
223260
3000
είναι το ποιος είναι αυτός ο τρόπος που είναι ο κόσμος σήμερα;
03:46
What's that new state that the world is heading toward?
81
226260
3000
Ποια είναι η καινούργια κατάσταση προς την οποία κατευθύνεται ο κόσμος;
03:49
Because the transition seems very, very confusing
82
229260
3000
Γιατί η μετάβαση φαίνεται πολύ, πολύ μπερδεμένη
03:52
when we're right in the middle of it.
83
232260
2000
όταν βρισκόμαστε στο επίκεντρό της.
03:54
Now when I was a kid growing up,
84
234260
3000
Όταν ήμουν παιδί,
03:57
the future was kind of the year 2000,
85
237260
3000
το μέλλον ήταν το έτος 2000,
04:00
and people used to talk about what would happen in the year 2000.
86
240260
4000
και ο κόσμος μιλούσε για το τι θα συνέβαινε το 2000.
04:04
Now here's a conference
87
244260
2000
Αυτή είναι μία διάσκεψη
04:06
in which people talk about the future,
88
246260
2000
στην οποία ο κόσμος μιλάει για το μέλλον,
04:08
and you notice that the future is still at about the year 2000.
89
248260
3000
και παρατηρείτε ότι το μέλλον είναι ακόμα περίπου στο έτος 2000.
04:11
It's about as far as we go out.
90
251260
2000
Μέχρι εκεί φτάνουμε.
04:13
So in other words, the future has kind of been shrinking
91
253260
3000
Με άλλα λόγια, το μέλλον συρρικνώνεται κατά κάποιον τρόπο
04:16
one year per year
92
256260
3000
χρόνο με το χρόνο
04:19
for my whole lifetime.
93
259260
3000
σε όλη μου τη ζωή.
04:22
Now I think that the reason
94
262260
2000
Πιστεύω ότι ο λόγος
04:24
is because we all feel
95
264260
2000
είναι ότι όλοι νιώθουμε
04:26
that something's happening there.
96
266260
2000
πως κάτι συμβαίνει.
04:28
That transition is happening. We can all sense it.
97
268260
2000
Αυτή η μετάβαση συμβαίνει. Το αισθανόμαστε όλοι.
04:30
And we know that it just doesn't make too much sense
98
270260
2000
Ξέρουμε ότι δεν βγάζει και πολύ νόημα
04:32
to think out 30, 50 years
99
272260
2000
το να σκεφτούμε 30, 50 χρόνια
04:34
because everything's going to be so different
100
274260
3000
γιατί όλα θα είναι τόσο διαφορετικά
04:37
that a simple extrapolation of what we're doing
101
277260
2000
που μία απλή παρεκβολή του τι κάνουμε
04:39
just doesn't make any sense at all.
102
279260
3000
απλώς δεν βγάζει κανένα νόημα.
04:42
So what I would like to talk about
103
282260
2000
Θα ήθελα να μιλήσω, λοιπόν,
04:44
is what that could be,
104
284260
2000
για το τι θα μπορούσε να είναι αυτό,
04:46
what that transition could be that we're going through.
105
286260
3000
τι θα μπορούσε να είναι αυτή η μετάβαση την οποία διανύουμε.
04:49
Now in order to do that
106
289260
3000
Για να το κάνω αυτό
04:52
I'm going to have to talk about a bunch of stuff
107
292260
2000
θα πρέπει να μιλήσω για ένα σωρό πράγματα
04:54
that really has nothing to do
108
294260
2000
που πραγματικά δεν έχουν καμία σχέση
04:56
with technology and computers.
109
296260
2000
με τεχνολογία και υπολογιστές.
04:58
Because I think the only way to understand this
110
298260
2000
Γιατί νομίζω ότι ο μόνος τρόπος να το κατανοήσουμε αυτό
05:00
is to really step back
111
300260
2000
είναι να κάνουμε ένα βήμα πίσω
05:02
and take a long time scale look at things.
112
302260
2000
και να ρίξουμε μια ματιά με χρονική κλίμακα στα πράγματα.
05:04
So the time scale that I would like to look at this on
113
304260
3000
Η χρονική κλίμακα, λοιπόν, στην οποία θα ήθελα να το κοιτάξω αυτό
05:07
is the time scale of life on Earth.
114
307260
3000
είναι η χρονική κλίμακα της ζωής στη Γη.
05:13
So I think this picture makes sense
115
313260
2000
Νομίζω πως αυτή η εικόνα βγάζει νόημα
05:15
if you look at it a few billion years at a time.
116
315260
4000
αν την κοιτάξουμε κάθε λίγα δισεκατομμύρια χρόνια.
05:19
So if you go back
117
319260
2000
Αν πάμε πίσω, λοιπόν,
05:21
about two and a half billion years,
118
321260
2000
περίπου δυόμιση δισεκατομμύρια χρόνια,
05:23
the Earth was this big, sterile hunk of rock
119
323260
3000
η Γη ήταν ένα μεγάλο, άγονο κομμάτι βράχου
05:26
with a lot of chemicals floating around on it.
120
326260
3000
με πολλά χημικά να αιωρούνται τριγύρω.
05:29
And if you look at the way
121
329260
2000
Αν κοιτάξετε τον τρόπο με τον οποίο
05:31
that the chemicals got organized,
122
331260
2000
οργανώθηκαν τα χημικά,
05:33
we begin to get a pretty good idea of how they do it.
123
333260
3000
αρχίζουμε να παίρνουμε μια ιδέα για το πώς το κάνουν.
05:36
And I think that there's theories that are beginning to understand
124
336260
3000
Νομίζω πως υπάρχουν θεωρίες που αρχίζουμε να κατανοούμε
05:39
about how it started with RNA,
125
339260
2000
για το πώς ξεκίνησε με το ριβοζονουκλεϊνικό οξύ,
05:41
but I'm going to tell a sort of simple story of it,
126
341260
3000
αλλά θα πω μία κάπως απλή ιστορία γι' αυτό,
05:44
which is that, at that time,
127
344260
2000
η οποία είναι ότι τότε
05:46
there were little drops of oil floating around
128
346260
3000
υπήρχαν μικρές σταγόνες λαδιού που αιωρούνταν τριγύρω
05:49
with all kinds of different recipes of chemicals in them.
129
349260
3000
με διάφορες συνταγές χημικών μέσα τους.
05:52
And some of those drops of oil
130
352260
2000
Κάποιες από αυτές τις σταγόνες λαδιού
05:54
had a particular combination of chemicals in them
131
354260
2000
είχαν ένα συγκεκριμένο συνδυασμό χημικών μέσα τους
05:56
which caused them to incorporate chemicals from the outside
132
356260
3000
που τις έκανε να ενσωματώσουν χημικά από τον εξωτερικό χώρο
05:59
and grow the drops of oil.
133
359260
3000
και να δημιουργήσουν τις σταγόνες λαδιού.
06:02
And those that were like that
134
362260
2000
Εκείνες που ήταν έτσι
06:04
started to split and divide.
135
364260
2000
άρχισαν να χωρίζονται και να διαιρούνται.
06:06
And those were the most primitive forms of cells in a sense,
136
366260
3000
Αυτές ήταν οι πιο πρωτόγονες μορφές κυττάρου κατά κάποιο τρόπο,
06:09
those little drops of oil.
137
369260
2000
εκείνες οι μικρές σταγόνες λαδιού.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
371260
3000
Αυτές, όμως, οι σταγόνες λαδιού δεν ήταν και πολύ ζωντανές, όπως το λέμε τώρα,
06:14
because every one of them
139
374260
2000
διότι η καθεμιά
06:16
was a little random recipe of chemicals.
140
376260
2000
ήταν μία μικρή τυχαία συνταγή χημικών.
06:18
And every time it divided,
141
378260
2000
Κάθε φορά που διαιρούταν,
06:20
they got sort of unequal division
142
380260
3000
γινόταν ένα είδος άνισης διαίρεσης
06:23
of the chemicals within them.
143
383260
2000
των χημικών μέσα τους.
06:25
And so every drop was a little bit different.
144
385260
3000
Έτσι κάθε σταγόνα ήταν λίγο διαφορετική.
06:28
In fact, the drops that were different in a way
145
388260
2000
Για την ακρίβεια, οι σταγόνες που ήταν διαφορετικές με τρόπο
06:30
that caused them to be better
146
390260
2000
που τις έκανε να είναι καλύτερες
06:32
at incorporating chemicals around them,
147
392260
2000
στο να ενσωματώνουν χημικά από γύρω τους,
06:34
grew more and incorporated more chemicals and divided more.
148
394260
3000
μεγάλωναν περισσότερο και ενσωμάτωναν περισσότερα χημικά και διαιρούνταν περισσότερο.
06:37
So those tended to live longer,
149
397260
2000
Αυτές, λοιπόν, ζούσαν περισσότερο,
06:39
get expressed more.
150
399260
3000
εμφανίζονταν περισσότερο.
06:42
Now that's sort of just a very simple
151
402260
3000
Αυτή είναι μια πολύ απλή
06:45
chemical form of life,
152
405260
2000
χημική μορφή ζωής,
06:47
but when things got interesting
153
407260
3000
αλλά τα πράγματα παρουσίασαν ενδιαφέρον
06:50
was when these drops
154
410260
2000
όταν αυτές οι σταγόνες
06:52
learned a trick about abstraction.
155
412260
3000
έμαθαν ένα κόλπο για την αφαίρεση.
06:55
Somehow by ways that we don't quite understand,
156
415260
3000
Με κάποιον τρόπο και με τρόπους που δεν πολυκαταλαβαίνουμε,
06:58
these little drops learned to write down information.
157
418260
3000
αυτές οι μικρές σταγόνες έμαθαν να γράφουν πληροφορίες.
07:01
They learned to record the information
158
421260
2000
Έμαθαν να καταγράφουν τις πληροφορίες
07:03
that was the recipe of the cell
159
423260
2000
που ήταν η συνταγή του κυττάρου
07:05
onto a particular kind of chemical
160
425260
2000
σε ένα συγκεκριμένο είδος χημικού
07:07
called DNA.
161
427260
2000
που λέγεται DNA.
07:09
So in other words, they worked out,
162
429260
2000
Με άλλα λόγια, βρήκαν μία μορφή,
07:11
in this mindless sort of evolutionary way,
163
431260
3000
σε αυτόν τον κάπως εξελικτικό τρόπο,
07:14
a form of writing that let them write down what they were,
164
434260
3000
γραφής που μπορούσαν να γράφουν αυτό που ήταν,
07:17
so that that way of writing it down could get copied.
165
437260
3000
έτσι ώστε αυτός ο τρόπος που το έγραφαν να μπορούσε να αντιγραφεί.
07:20
The amazing thing is that that way of writing
166
440260
3000
Το εκπληκτικό είναι ότι αυτός ο τρόπος γραφής
07:23
seems to have stayed steady
167
443260
2000
φαίνεται να έχει μείνει σταθερός
07:25
since it evolved two and a half billion years ago.
168
445260
2000
από τότε που εξελίχθηκε πριν δυόμιση δισεκατομμύρια χρόνια.
07:27
In fact the recipe for us, our genes,
169
447260
3000
Μάλιστα η συνταγή για εμάς, για τα γονίδιά μας,
07:30
is exactly that same code and that same way of writing.
170
450260
3000
είναι ακριβώς αυτός ο ίδιος κώδικας και αυτή η ίδια γραφή.
07:33
In fact, every living creature is written
171
453260
3000
Κάθε ζωντανό πλάσμα είναι γραμμένο
07:36
in exactly the same set of letters and the same code.
172
456260
2000
με τα ίδια ακριβώς γράμματα και τον ίδιο κώδικα.
07:38
In fact, one of the things that I did
173
458260
2000
Ένα από τα πράγματα που έκανα
07:40
just for amusement purposes
174
460260
2000
απλώς για ευχαρίστηση
07:42
is we can now write things in this code.
175
462260
2000
είναι ότι τώρα μπορούμε να γράψουμε με αυτόν τον κώδικα.
07:44
And I've got here a little 100 micrograms of white powder,
176
464260
6000
Εδώ έχω 100 μικρογραμμάρια άσπρης σκόνης,
07:50
which I try not to let the security people see at airports.
177
470260
4000
την οποία προσπαθώ να μη δουν οι άνθρωποι της ασφάλειας στα αεροδρόμια.
07:54
(Laughter)
178
474260
2000
(Γέλια)
07:56
But this has in it --
179
476260
2000
Έχει μέσα της --
07:58
what I did is I took this code --
180
478260
2000
αυτό που έκανα ήταν να πάρω αυτόν τον κώδικα--
08:00
the code has standard letters that we use for symbolizing it --
181
480260
3000
ο κώδικας έχει συγκεκριμένα γράμματα που χρησιμοποιούμε για να τον συμβολίζουμε--
08:03
and I wrote my business card onto a piece of DNA
182
483260
3000
και έγραψα την επαγγελματική μου κάρτα σε ένα κομμάτι DNA
08:06
and amplified it 10 to the 22 times.
183
486260
3000
και το ενίσχυσα 10 μέχρι 22 φορές.
08:09
So if anyone would like a hundred million copies of my business card,
184
489260
3000
Αν, λοιπόν, κάποιος ήθελε εκατό εκατομμύρια αντίγραφα της κάρτας μου,
08:12
I have plenty for everyone in the room,
185
492260
2000
έχω αρκετά για τον καθένα σε αυτήν την αίθουσα,
08:14
and, in fact, everyone in the world,
186
494260
2000
και μάλιστα για όλον τον κόσμο
08:16
and it's right here.
187
496260
3000
και είναι ακριβώς εδώ.
08:19
(Laughter)
188
499260
5000
(Γέλια)
08:26
If I had really been a egotist,
189
506260
2000
Αν ήμουν πραγματικά εγωιστής,
08:28
I would have put it into a virus and released it in the room.
190
508260
3000
θα το είχα βάλει σε έναν ιό και θα το είχα κυκλοφορήσει στην αίθουσα.
08:31
(Laughter)
191
511260
5000
(Γέλια)
08:39
So what was the next step?
192
519260
2000
Ποιο ήταν το επόμενο βήμα;
08:41
Writing down the DNA was an interesting step.
193
521260
2000
Η καταγραφή του DNA ήταν ένα ενδιαφέρον βήμα.
08:43
And that caused these cells --
194
523260
2000
Κι αυτό προκάλεσε αυτά τα κύτταρα--
08:45
that kept them happy for another billion years.
195
525260
2000
αυτό τα κράτησε χαρούμενα για ακόμα ένα δισεκατομμύριο χρόνια.
08:47
But then there was another really interesting step
196
527260
2000
Μετά υπήρξε ένα ακόμη πολύ ενδιαφέρον βήμα
08:49
where things became completely different,
197
529260
3000
όπου τα πράγματα έγιναν τελείως διαφορετικά,
08:52
which is these cells started exchanging and communicating information,
198
532260
3000
κι αυτό είναι ότι αυτά τα κύτταρα άρχισαν να ανταλλάσουν και να δίνουν πληροφορίες,
08:55
so that they began to get communities of cells.
199
535260
2000
κι έτσι άρχισαν να σχηματίζουν κοινότητες κυττάρων.
08:57
I don't know if you know this,
200
537260
2000
Δεν ξέρω εάν το γνωρίζετε,
08:59
but bacteria can actually exchange DNA.
201
539260
2000
όμως τα βακτήρια μπορούν να ανταλλάξουν DNA.
09:01
Now that's why, for instance,
202
541260
2000
Γι' αυτό, για παράδειγμα,
09:03
antibiotic resistance has evolved.
203
543260
2000
η αντιβιοτική αντίσταση έχει εξελιχθεί.
09:05
Some bacteria figured out how to stay away from penicillin,
204
545260
3000
Κάποια βακτήρια βρήκαν τρόπο να μείνουν μακριά από την πενικιλίνη,
09:08
and it went around sort of creating its little DNA information
205
548260
3000
και κάπως δημιούργησε τις μικρές DNA πληροφορίες της
09:11
with other bacteria,
206
551260
2000
με άλλα βακτήρια,
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
553260
3000
και τώρα έχουμε πολλά βακτήρια που είναι άνοσα στην πενικιλίνη,
09:16
because bacteria communicate.
208
556260
2000
επειδή τα βακτήρια επικοινωνούν.
09:18
Now what this communication allowed
209
558260
2000
Η επικοινωνία αυτή επέτρεπε
09:20
was communities to form
210
560260
2000
στις κοινότητες να σχηματίσουν
09:22
that, in some sense, were in the same boat together;
211
562260
2000
το ότι, με κάποιο τρόπο, ήταν στην ίδια βάρκα μαζί,
09:24
they were synergistic.
212
564260
2000
ήταν συνεργατικά.
09:26
So they survived
213
566260
2000
Έτσι επιζούσαν
09:28
or they failed together,
214
568260
2000
ή αποτυγχάναν μαζί,
09:30
which means that if a community was very successful,
215
570260
2000
που σημαίνει ότι αν μια κοινότητα ήταν πολύ πετυχημένη,
09:32
all the individuals in that community
216
572260
2000
όλα τα άτομα σε αυτήν την κοινότητα
09:34
were repeated more
217
574260
2000
επαναλαμβάνονταν περισσότερο
09:36
and they were favored by evolution.
218
576260
3000
και ευνοούνταν από την εξέλιξη.
09:39
Now the transition point happened
219
579260
2000
Το σημείο μετάβασης συνέβη
09:41
when these communities got so close
220
581260
2000
όταν οι κοινότητες ήρθαν τόσο κοντά
09:43
that, in fact, they got together
221
583260
2000
που, στην ουσία, ενώθηκαν
09:45
and decided to write down the whole recipe for the community
222
585260
3000
και αποφάσισαν να γράψουν ολόκληρη τη συνταγή για την κοινότητα μαζί
09:48
together on one string of DNA.
223
588260
3000
σε μια σειρά DNA.
09:51
And so the next stage that's interesting in life
224
591260
2000
Έτσι, το επόμενο ενδιαφέρον στάδιο στη ζωή
09:53
took about another billion years.
225
593260
2000
πήρε άλλο ένα περίπου δισεκατομμύριο χρόνια.
09:55
And at that stage,
226
595260
2000
Σε εκείνο το στάδιο,
09:57
we have multi-cellular communities,
227
597260
2000
έχουμε πολυκύτταρες κοινότητες,
09:59
communities of lots of different types of cells,
228
599260
2000
κοινότητες πολλών διαφορετικών ειδών κυττάρων,
10:01
working together as a single organism.
229
601260
2000
που δουλεύουν μαζί σε έναν μόνο οργανισμό.
10:03
And in fact, we're such a multi-cellular community.
230
603260
3000
Μάλιστα, είμαστε μια τέτοια πολυκυττάρια κοινότητα.
10:06
We have lots of cells
231
606260
2000
Έχουμε πολλά κύτταρα
10:08
that are not out for themselves anymore.
232
608260
2000
που δεν είναι μόνα τους πλέον.
10:10
Your skin cell is really useless
233
610260
3000
Το κύτταρο του δέρματος είναι πραγματικά άχρηστο
10:13
without a heart cell, muscle cell,
234
613260
2000
χωρίς ένα κύτταρο καρδιάς, ένα μυικό κύτταρο,
10:15
a brain cell and so on.
235
615260
2000
ένα κύτταρο του εγκεφάλου κ.ο.κ.
10:17
So these communities began to evolve
236
617260
2000
Αυτές οι κοινότητες άρχισαν να εξελίσσονται
10:19
so that the interesting level on which evolution was taking place
237
619260
3000
με τέτοιο τρόπο που το επίπεδο ενδιαφέροντος στο οποίο συνέβαινε η εξέλιξη
10:22
was no longer a cell,
238
622260
2000
δεν ήταν πλέον ένα κύτταρο,
10:24
but a community which we call an organism.
239
624260
3000
αλλά μία κοινότητα που ονομάζουμε οργανισμό.
10:28
Now the next step that happened
240
628260
2000
Το επόμενο βήμα που έγινε
10:30
is within these communities.
241
630260
2000
ήταν μέσα σε αυτές τις κοινότητες.
10:32
These communities of cells,
242
632260
2000
Αυτές οι κοινότητες κυττάρων,
10:34
again, began to abstract information.
243
634260
2000
άρχισαν ξανά να αποσπούν πληροφορίες.
10:36
And they began building very special structures
244
636260
3000
Άρχισαν να χτίζουν πολύ ειδικές δομές
10:39
that did nothing but process information within the community.
245
639260
3000
που δεν έκαναν τίποτα πέρα από το να επεξεργάζονται πληροφορίες μέσα στην κοινότητα.
10:42
And those are the neural structures.
246
642260
2000
Αυτές είναι οι νευρικές δομές.
10:44
So neurons are the information processing apparatus
247
644260
3000
Οι νευρώνες είναι ο εξοπλισμός επεξεργασίας πληροφοριών
10:47
that those communities of cells built up.
248
647260
3000
που έχτισαν αυτές οι κοινότητες κυττάρων.
10:50
And in fact, they began to get specialists in the community
249
650260
2000
Μάλιστα, άρχισαν να έχουν ειδικούς μέσα στην κοινότητα
10:52
and special structures
250
652260
2000
και ειδικές δομές
10:54
that were responsible for recording,
251
654260
2000
που ήταν υπεύθυνες για την καταγραφή,
10:56
understanding, learning information.
252
656260
3000
την κατανόηση και τη μάθηση πληροφοριών.
10:59
And that was the brains and the nervous system
253
659260
2000
Αυτό ήταν οι εγκέφαλοι και το νευρικό σύστημα
11:01
of those communities.
254
661260
2000
αυτών των κοινοτήτων.
11:03
And that gave them an evolutionary advantage.
255
663260
2000
Αυτό τους έδωσε ένα εξελικτικό πλεονέκτημα.
11:05
Because at that point,
256
665260
3000
Διότι σε αυτό το σημείο,
11:08
an individual --
257
668260
3000
ένα άτομο --
11:11
learning could happen
258
671260
2000
η μάθηση μπορούσε να συμβεί
11:13
within the time span of a single organism,
259
673260
2000
μέσα στο ίδιο χρονικό διάστημα με έναν μόνο οργανισμό,
11:15
instead of over this evolutionary time span.
260
675260
3000
αντί για αυτό το εξελικτικό χρονικό διάστημα.
11:18
So an organism could, for instance,
261
678260
2000
Άρα, ένας οργανισμός μπορούσε, για παράδειγμα,
11:20
learn not to eat a certain kind of fruit
262
680260
2000
να μάθει να μην τρώει ένα συγκεκριμένο είδος φρούτου
11:22
because it tasted bad and it got sick last time it ate it.
263
682260
4000
γιατί δεν είχε ωραία γεύση και γιατί είχε αρρωστήσει την τελευταία φορά που το έφαγε.
11:26
That could happen within the lifetime of a single organism,
264
686260
3000
Αυτό μπορεί να συμβεί στη ζωή ενός οργανισμού,
11:29
whereas before they'd built these special information processing structures,
265
689260
4000
ενώ πριν χτιστούν οι ειδικές αυτές δομές επεξεργασίας πληροφοριών,
11:33
that would have had to be learned evolutionarily
266
693260
2000
αυτό θα έπρεπε να μαθευτεί με την εξέλιξη
11:35
over hundreds of thousands of years
267
695260
3000
σε διάστημα εκατοντάδων χιλιάδων χρόνων
11:38
by the individuals dying off that ate that kind of fruit.
268
698260
3000
από τα άτομα που πέθαιναν έχοντας φάει αυτό το είδος φρούτου.
11:41
So that nervous system,
269
701260
2000
Αυτό το νευρικό σύστημα,
11:43
the fact that they built these special information structures,
270
703260
3000
το γεγονός ότι έχτισαν αυτές τις ειδικές δομές πληροφοριών,
11:46
tremendously sped up the whole process of evolution.
271
706260
3000
επιτάχυνε τρομερά την όλη διαδικασία της εξέλιξης.
11:49
Because evolution could now happen within an individual.
272
709260
3000
Γιατί τώρα η εξέλιξη μπορούσε να συμβεί μέσα σε ένα άτομο.
11:52
It could happen in learning time scales.
273
712260
3000
Θα μπορούσε να συμβεί με τη μάθηση χρονικών κλιμάκων.
11:55
But then what happened
274
715260
2000
Αυτό που συνέβη, όμως, μετά ήταν
11:57
was the individuals worked out,
275
717260
2000
ότι τα άτομα βρήκαν, φυσικά, κόλπα
11:59
of course, tricks of communicating.
276
719260
2000
για να επικοινωνούν.
12:01
And for example,
277
721260
2000
Για παράδειγμα,
12:03
the most sophisticated version that we're aware of is human language.
278
723260
3000
η πιο εξεζητημένη εκδοχή που γνωρίζουμε είναι η ανθρώπινη γλώσσα.
12:06
It's really a pretty amazing invention if you think about it.
279
726260
3000
Αν το καλοσκεφτείτε είναι πραγματικά μία φανταστική ανακάλυψη.
12:09
Here I have a very complicated, messy,
280
729260
2000
Έχω στο μυαλό μου μία πολύ μπερδεμένη,
12:11
confused idea in my head.
281
731260
3000
αλλόκοτη ιδέα.
12:14
I'm sitting here making grunting sounds basically,
282
734260
3000
Κάθομαι εδώ γρυλίζοντας στην ουσία,
12:17
and hopefully constructing a similar messy, confused idea in your head
283
737260
3000
και ελπίζω να δημιουργώ την ίδια μπερδεμένη, αλλόκοτη ιδέα στο μυαλό σας
12:20
that bears some analogy to it.
284
740260
2000
που έχει μια κάποια αναλογία.
12:22
But we're taking something very complicated,
285
742260
2000
Παίρνουμε, όμως, κάτι πολύ περίπλοκο,
12:24
turning it into sound, sequences of sounds,
286
744260
3000
και το μετατρέπουμε σε ήχο, σε αλληλουχία ήχων,
12:27
and producing something very complicated in your brain.
287
747260
4000
και φτιάχνουμε κάτι πολύ περίπλοκο στο μυαλό σας.
12:31
So this allows us now
288
751260
2000
Αυτό μας επιτρέπει τώρα
12:33
to begin to start functioning
289
753260
2000
να ξεκινήσουμε να λειτουργούμε
12:35
as a single organism.
290
755260
3000
σαν ένας οργανισμός.
12:38
And so, in fact, what we've done
291
758260
3000
Αυτό που έχουμε κάνει στην ουσία,
12:41
is we, humanity,
292
761260
2000
εμείς η ανθρωπότητα, είναι
12:43
have started abstracting out.
293
763260
2000
να αποσπάμε πράγματα.
12:45
We're going through the same levels
294
765260
2000
Περνούμε μέσα από τα ίδια επίπεδα
12:47
that multi-cellular organisms have gone through --
295
767260
2000
που έχουν περάσει και οι πολυκύτταροι οργανισμοί --
12:49
abstracting out our methods of recording,
296
769260
3000
αποσπάμε τις δικές μας μεθόδους καταγραφής,
12:52
presenting, processing information.
297
772260
2000
παρουσίασης, επεξεργασίας πληροφοριών.
12:54
So for example, the invention of language
298
774260
2000
Για παράδειγμα, η ανακάλυψη της γλώσσας
12:56
was a tiny step in that direction.
299
776260
3000
ήταν ένα μικροσκοπικό βήμα προς αυτήν την κατεύθυνση.
12:59
Telephony, computers,
300
779260
2000
Τα τηλέφωνα, οι υπολογιστές,
13:01
videotapes, CD-ROMs and so on
301
781260
3000
οι βιντεοκασέτες, τα CD κ.ο.κ.
13:04
are all our specialized mechanisms
302
784260
2000
είναι όλα εξειδικευμένοι μηχανισμοί
13:06
that we've now built within our society
303
786260
2000
που έχουμε χτίσει τώρα μέσα στην κοινωνία μας
13:08
for handling that information.
304
788260
2000
για να χειριζόμαστε αυτές τις πληροφορίες.
13:10
And it all connects us together
305
790260
3000
Όλα μας ενώνουν
13:13
into something
306
793260
2000
σε κάτι
13:15
that is much bigger
307
795260
2000
που είναι πολύ μεγαλύτερο
13:17
and much faster
308
797260
2000
και γρηγορότερο
13:19
and able to evolve
309
799260
2000
και ικανό να εξελιχθεί
13:21
than what we were before.
310
801260
2000
από αυτό που ήμασταν πριν.
13:23
So now, evolution can take place
311
803260
2000
Τώρα, η εξέλιξη μπορεί να συμβεί
13:25
on a scale of microseconds.
312
805260
2000
σε κλίμακα δεκάτων του δευτερολέπτου.
13:27
And you saw Ty's little evolutionary example
313
807260
2000
Είδατε το μικρό εξελικτικό παράδειγμα του Τάι,
13:29
where he sort of did a little bit of evolution
314
809260
2000
όπου έκανε κατά κάποιο τρόπο μια μικρή εξέλιξη
13:31
on the Convolution program right before your eyes.
315
811260
3000
στο πρόγραμα Συνέλιξης μπροστά στα μάτια σας.
13:34
So now we've speeded up the time scales once again.
316
814260
3000
Τώρα έχουμε επιταχύνει για άλλη μια φορά τις χρονικές κλίμακες.
13:37
So the first steps of the story that I told you about
317
817260
2000
Τα πρώτα βήματα της ιστορίας που σας είπα
13:39
took a billion years a piece.
318
819260
2000
πήραν ένα δισεκατομμύριο χρόνια το καθένα.
13:41
And the next steps,
319
821260
2000
Τα επόμενα βήματα,
13:43
like nervous systems and brains,
320
823260
2000
όπως τα νευρικά συστήματα και οι εγκεφάλοι,
13:45
took a few hundred million years.
321
825260
2000
πήραν λίγες εκατοντάδες εκατομμύρια χρόνια.
13:47
Then the next steps, like language and so on,
322
827260
3000
Τα επόμενα βήματα, όπως η γλώσσα και άλλα,
13:50
took less than a million years.
323
830260
2000
πήραν λιγότερο από ένα εκατομμύριο χρόνια.
13:52
And these next steps, like electronics,
324
832260
2000
Αυτά τα επόμενα βήματα, όπως η ηλεκτρονική,
13:54
seem to be taking only a few decades.
325
834260
2000
φαίνεται να παίρνουν μόνο μερικές δεκαετίες.
13:56
The process is feeding on itself
326
836260
2000
Η διαδικασία αυτοτροφοδοτείται
13:58
and becoming, I guess, autocatalytic is the word for it --
327
838260
3000
και γίνεται, φαντάζομαι, αυτοκαταλυτική είναι η σωστή λέξη --
14:01
when something reinforces its rate of change.
328
841260
3000
όταν κάτι ενισχύει το ρυθμό αλλαγής του.
14:04
The more it changes, the faster it changes.
329
844260
3000
Όσο περισσότερο αλλάζει, τόσο γρηγορότερα αλλάζει.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
847260
3000
Νομίζω πως αυτό βλέπουμε εδώ σε αυτήν την εκτίναξη της καμπύλης.
14:10
We're seeing this process feeding back on itself.
331
850260
3000
Βλέπουμε αυτή τη διαδικασία να αυτοτροφοδοτείται.
14:13
Now I design computers for a living,
332
853260
3000
Η δουλειά μου είναι να σχεδιάζω υπολογιστές,
14:16
and I know that the mechanisms
333
856260
2000
και γνωρίζω ότι οι μηχανισμοί
14:18
that I use to design computers
334
858260
3000
που χρησιμοποιώ για να σχεδιάσω υπολογιστές
14:21
would be impossible
335
861260
2000
θα ήταν αδύνατοι
14:23
without recent advances in computers.
336
863260
2000
χωρίς τις πρόσφατες προόδους στους υπολογιστές.
14:25
So right now, what I do
337
865260
2000
Αυτό που κάνω, λοιπόν, τώρα
14:27
is I design objects at such complexity
338
867260
3000
είναι να σχεδιάζω αντικείμενα με τέτοια πολυπλοκότητα
14:30
that it's really impossible for me to design them in the traditional sense.
339
870260
3000
που μου είναι πραγματικά αδύνατο να τα σχεδιάσω με τον παραδοσιακό τρόπο.
14:33
I don't know what every transistor in the connection machine does.
340
873260
4000
Δεν γνωρίζω τι κάνει η κάθε κρυσταλλολυχνία μέσα στη μηχανή σύνδεσης.
14:37
There are billions of them.
341
877260
2000
Υπάρχουν δισεκατομμύρια.
14:39
Instead, what I do
342
879260
2000
Αντί γι' αυτό, αυτό που κάνω
14:41
and what the designers at Thinking Machines do
343
881260
3000
και αυτό που κάνουν οι σχεδιαστές στην εταιρεία Thinking Machines
14:44
is we think at some level of abstraction
344
884260
2000
είναι να σκεφτόμαστε, σε κάποιο βαθμό, κάτι αφηρημένο
14:46
and then we hand it to the machine
345
886260
2000
και μετά να το δίνουμε στο μηχάνημα
14:48
and the machine takes it beyond what we could ever do,
346
888260
3000
και αυτό το πηγαίνει πέρα από οτιδήποτε θα μπορούσαμε να κάνουμε εμείς,
14:51
much farther and faster than we could ever do.
347
891260
3000
πολύ πιο πέρα και πιο γρήγορα απ' ό,τι θα μπορούσαμε ποτέ εμείς.
14:54
And in fact, sometimes it takes it by methods
348
894260
2000
Μάλιστα, κάποιες φορές το κάνει αυτό με μεθόδους
14:56
that we don't quite even understand.
349
896260
3000
που δεν πολυκαταλαβαίνουμε.
14:59
One method that's particularly interesting
350
899260
2000
Μια μέθοδος που είναι ιδιαίτερα ενδιαφέρουσα
15:01
that I've been using a lot lately
351
901260
3000
και που χρησιμοποιώ πολύ τελευταία,
15:04
is evolution itself.
352
904260
2000
είναι η ίδια η εξέλιξη.
15:06
So what we do
353
906260
2000
Αυτό που κάνουμε
15:08
is we put inside the machine
354
908260
2000
είναι να βάλουμε μέσα στο μηχάνημα
15:10
a process of evolution
355
910260
2000
μια διαδικασία εξέλιξης
15:12
that takes place on the microsecond time scale.
356
912260
2000
που γίνεται στη χρονική κλίμακα δεκάτων του δευτερολέπτου.
15:14
So for example,
357
914260
2000
Για παράδειγμα,
15:16
in the most extreme cases,
358
916260
2000
στις πιο ακραίες περιπτώσεις,
15:18
we can actually evolve a program
359
918260
2000
μπορούμε να αναπτύσσουμε ένα πρόγραμμα
15:20
by starting out with random sequences of instructions.
360
920260
4000
ξεκινώντας με τυχαίες αλληλουχίες εντολών.
15:24
Say, "Computer, would you please make
361
924260
2000
Ας πούμε, «Υπολογιστή, θα μπορούσες σε παρακαλώ να κάνεις
15:26
a hundred million random sequences of instructions.
362
926260
3000
εκατό εκατομμύρια τυχαίες αλληλουχίες εντολών.
15:29
Now would you please run all of those random sequences of instructions,
363
929260
3000
Τώρα, θα μπορούσες σε παρακαλώ να εκτελέσεις όλες αυτές τις τυχαίες αλληλουχίες εντολών,
15:32
run all of those programs,
364
932260
2000
να εκτελέσεις όλα αυτά τα προγράμματα,
15:34
and pick out the ones that came closest to doing what I wanted."
365
934260
3000
και να επιλέξεις αυτές που ήταν πιο κοντά σε αυτό που ήθελα να κάνω».
15:37
So in other words, I define what I wanted.
366
937260
2000
Με άλλα λόγια, ορίζω αυτό που ήθελα.
15:39
Let's say I want to sort numbers,
367
939260
2000
Ας πούμε ότι θέλω να ταξινομήσω αριθμούς,
15:41
as a simple example I've done it with.
368
941260
2000
σαν ένα απλό παράδειγμα που το έχω κάνει.
15:43
So find the programs that come closest to sorting numbers.
369
943260
3000
Να βρω, λοιπόν, τα προγράμματα που είναι πιο κοντά στην ταξινόμηση αριθμών.
15:46
So of course, random sequences of instructions
370
946260
3000
Φυσικά, οι τυχαίες αλληλουχίες εντολών
15:49
are very unlikely to sort numbers,
371
949260
2000
δεν είναι πολύ πιθανόν να ταξινομήσουν αριθμούς,
15:51
so none of them will really do it.
372
951260
2000
οπότε καμιά δε θα το κάνει.
15:53
But one of them, by luck,
373
953260
2000
Αλλά μία από αυτές, κατά τύχη,
15:55
may put two numbers in the right order.
374
955260
2000
ίσως βάλει δύο αριθμούς στη σωστή σειρά.
15:57
And I say, "Computer,
375
957260
2000
Λέω, «Υπολογιστή,
15:59
would you please now take the 10 percent
376
959260
3000
μπορείς σε παρακαλώ να πάρεις 10%
16:02
of those random sequences that did the best job.
377
962260
2000
από αυτές τις τυχαίες αλληλουχίες που έκαναν την καλύτερη δουλειά.
16:04
Save those. Kill off the rest.
378
964260
2000
Αποθήκευσε αυτές, τις υπόλοιπες πέτα τες.
16:06
And now let's reproduce
379
966260
2000
Τώρα ας αναπαραγάγουμε
16:08
the ones that sorted numbers the best.
380
968260
2000
αυτές που ταξινόμησαν καλύτερα τους αριθμούς.
16:10
And let's reproduce them by a process of recombination
381
970260
3000
Και ας τις αναπαραγάγουμε με μια διαδικασία επανασύνδεσης
16:13
analogous to sex."
382
973260
2000
ανάλογης με το σεξ».
16:15
Take two programs and they produce children
383
975260
3000
Πάρτε δύο προγράμματα και δημιουργούν παιδιά
16:18
by exchanging their subroutines,
384
978260
2000
ανταλλάσοντας τις υπορουτίνες τους,
16:20
and the children inherit the traits of the subroutines of the two programs.
385
980260
3000
και τα παιδιά κληρονομούν τα χαρακτηριστικά των υπορουτινών των δύο προγραμμάτων.
16:23
So I've got now a new generation of programs
386
983260
3000
Έχω τώρα μία νέα γενιά προγραμμάτων
16:26
that are produced by combinations
387
986260
2000
που παράγονται με συνδυασμούς
16:28
of the programs that did a little bit better job.
388
988260
2000
από τα προγράμματα που έκαναν την λίγο καλύτερη δουλειά.
16:30
Say, "Please repeat that process."
389
990260
2000
Λέμε, «Σε παρακαλώ επανέλαβε αυτή τη διαδικασία».
16:32
Score them again.
390
992260
2000
Ξαναπέτυχε τα ίδια.
16:34
Introduce some mutations perhaps.
391
994260
2000
Εισήγαγε ίσως και κάποιες μεταλλάξεις.
16:36
And try that again and do that for another generation.
392
996260
3000
Και προσπάθησέ το αυτό ξανά και κάντο για μια ακόμη γενιά.
16:39
Well every one of those generations just takes a few milliseconds.
393
999260
3000
Καθεμιά από αυτές τις γενιές παίρνει μόνο λίγα δέκατα του δευτερολέπτου.
16:42
So I can do the equivalent
394
1002260
2000
Μπορώ, λοιπόν, να κάνω το αντίστοιχο
16:44
of millions of years of evolution on that
395
1004260
2000
εκατομμυριών ετών εξέλιξης σε αυτό
16:46
within the computer in a few minutes,
396
1006260
3000
μέσω υπολογιστή σε λίγα λεπτά
16:49
or in the complicated cases, in a few hours.
397
1009260
2000
ή στις περίπλοκες περιπτώσεις, σε λίγες ώρες.
16:51
At the end of that, I end up with programs
398
1011260
3000
Στο τέλος, καταλήγω με προγράμματα
16:54
that are absolutely perfect at sorting numbers.
399
1014260
2000
που είναι τέλεια στο να ταξινομούν αριθμούς.
16:56
In fact, they are programs that are much more efficient
400
1016260
3000
Είναι, μάλιστα, προγράμματα πολύ πιο αποτελεσματικά
16:59
than programs I could have ever written by hand.
401
1019260
2000
απ' ότι προγράμματα που θα είχα ποτέ γράψει με το χέρι.
17:01
Now if I look at those programs,
402
1021260
2000
Αν κοιτάξω αυτά τα προγράμματα,
17:03
I can't tell you how they work.
403
1023260
2000
δε μπορώ να σας πω πώς λειτουργούν.
17:05
I've tried looking at them and telling you how they work.
404
1025260
2000
Έχω προσπαθήσει να τα κοιτάξω και να σας πω πώς λειτουργούν.
17:07
They're obscure, weird programs.
405
1027260
2000
Είναι ασαφή, παράξενα προγράμματα.
17:09
But they do the job.
406
1029260
2000
Κάνουν όμως τη δουλειά τους.
17:11
And in fact, I know, I'm very confident that they do the job
407
1031260
3000
Μάλιστα, το ξέρω, είμαι βέβαιος ότι κάνουν τη δουλειά τους
17:14
because they come from a line
408
1034260
2000
διότι προέρχονται από μια σειρά
17:16
of hundreds of thousands of programs that did the job.
409
1036260
2000
εκατοντάδων χιλιάδων προγραμμάτων που έκαναν τη δουλειά τους.
17:18
In fact, their life depended on doing the job.
410
1038260
3000
Η ζωή τους εξαρτόταν από το να κάνουν τη δουλειά τους.
17:21
(Laughter)
411
1041260
4000
(Γέλια)
17:26
I was riding in a 747
412
1046260
2000
Ταξίδευα κάποτε σε ένα αεροπλάνο 747
17:28
with Marvin Minsky once,
413
1048260
2000
με τον Μάρβιν Μίνσκι,
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1050260
3000
και βγάζει αυτήν την κάρτα και λέει, «Κοίτα. Κοίτα το αυτό.
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1053260
4000
Λέει, ''Αυτό το αεροπλάνο έχει εκατοντάδες χιλιάδες μικροσκοπικά κομμάτια
17:37
working together to make you a safe flight.'
416
1057260
4000
που λειτουργούν μαζί για να σου προσφέρουν μια ασφαλή πτήση.''
17:41
Doesn't that make you feel confident?"
417
1061260
2000
Δε σε κάνει αυτό να νιώθεις σιγουριά»;
17:43
(Laughter)
418
1063260
2000
(Γέλια)
17:45
In fact, we know that the engineering process doesn't work very well
419
1065260
3000
Γνωρίζουμε ότι η μηχανολογική διαδικασία δε λειτουργεί και πολύ καλά
17:48
when it gets complicated.
420
1068260
2000
όταν γίνεται περίπλοκη.
17:50
So we're beginning to depend on computers
421
1070260
2000
Γι' αυτό ξεκινάμε να βασιζόμαστε στους υπολογιστές
17:52
to do a process that's very different than engineering.
422
1072260
4000
για να κάνουμε μια διαδικασία που είναι πολύ διαφορετική από τη μηχανολογία.
17:56
And it lets us produce things of much more complexity
423
1076260
3000
Μας επιτρέπει να παράγουμε πράγματα με πολύ μεγαλύτερη περιπλοκή
17:59
than normal engineering lets us produce.
424
1079260
2000
απ' ό,τι μας επιτρέπει η κανονική μηχανολογία.
18:01
And yet, we don't quite understand the options of it.
425
1081260
3000
Όμως, δεν καταλαβαίνουμε και πολύ τις επιλογές του.
18:04
So in a sense, it's getting ahead of us.
426
1084260
2000
Επομένως κατά κάποιο τρόπο προχωράει πιο μπροστά από εμάς.
18:06
We're now using those programs
427
1086260
2000
Τώρα χρησιμοποιούμε αυτά τα προγράμματα
18:08
to make much faster computers
428
1088260
2000
για να φτιάξουμε γρηγορότερους υπολογιστές
18:10
so that we'll be able to run this process much faster.
429
1090260
3000
έτσι ώστε να μπορούμε να εκτελούμε τη διαδικασία αυτή γρηγορότερα.
18:13
So it's feeding back on itself.
430
1093260
3000
Άρα αυτοτροφοδοτείται.
18:16
The thing is becoming faster
431
1096260
2000
Το θέμα είναι να γίνεται κάτι πιο γρήγορα
18:18
and that's why I think it seems so confusing.
432
1098260
2000
και γι' αυτό πιστεύω ότι φαίνεται τόσο περίπλοκο.
18:20
Because all of these technologies are feeding back on themselves.
433
1100260
3000
Διότι όλες αυτές οι τεχνολογίες αυτοτροφοδοτούνται.
18:23
We're taking off.
434
1103260
2000
Ξεκινάμε.
18:25
And what we are is we're at a point in time
435
1105260
3000
Βρισκόμαστε σε μια χρονική στιγμή
18:28
which is analogous to when single-celled organisms
436
1108260
2000
η οποία είναι ανάλογη με τότε που οι μονοκύτταροι οργανισμοί
18:30
were turning into multi-celled organisms.
437
1110260
3000
μετατρέπονταν σε πολυκύτταρους οργανισμούς.
18:33
So we're the amoebas
438
1113260
2000
Είμαστε οι αμοιβάδες
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1115260
3000
και δε μπορούμε να καταλάβουμε τι στο καλό είναι αυτό που δημιουργούμε.
18:38
We're right at that point of transition.
440
1118260
2000
Είμαστε ακριβώς σε αυτό το σημείο της μετάβασης.
18:40
But I think that there really is something coming along after us.
441
1120260
3000
Νομίζω, όμως, πως πραγματικά υπάρχει κάτι που προχωράει μαζί μας.
18:43
I think it's very haughty of us
442
1123260
2000
Νομίζω πως είμαστε υπερόπτες
18:45
to think that we're the end product of evolution.
443
1125260
3000
αν πιστεύουμε ότι είμαστε το τελικό προϊόν της εξέλιξης.
18:48
And I think all of us here
444
1128260
2000
Νομίζω πως όλοι μας εδώ
18:50
are a part of producing
445
1130260
2000
αποτελούμε μέρος της δημιουργίας
18:52
whatever that next thing is.
446
1132260
2000
αυτού που έπεται στη συνέχεια.
18:54
So lunch is coming along,
447
1134260
2000
Έρχεται η ώρα του φαγητού,
18:56
and I think I will stop at that point,
448
1136260
2000
και νομίζω θα σταματήσω σε αυτό το σημείο,
18:58
before I get selected out.
449
1138260
2000
πριν με βγάλουν.
19:00
(Applause)
450
1140260
3000
(Χειροκροτήματα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7