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

417,499 views

2023-10-31 ・ TED


New videos

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

417,499 views ・ 2023-10-31

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Sebastian Betti Revisor: Trina Orsic
00:04
Human language, mathematics, logic.
0
4209
3503
Lenguaje humano, matemáticas, lógica.
00:08
These are all ways to formalize the world.
1
8171
2252
Todas formas de formalizar el mundo.
00:10
And in our century,
2
10465
1710
Y en nuestro siglo,
00:12
there's a new and yet more powerful one: computation.
3
12217
3337
hay una nueva y aún más poderosa:
la computación.
00:16
For nearly 50 years,
4
16263
1167
Durante casi 50 años,
00:17
I've had the great privilege
5
17472
1668
he tenido el gran privilegio
00:19
of building up an ever-taller tower of science and technology
6
19182
3545
de construir una torre de ciencia y tecnología cada vez más alta
00:22
that's based on that idea of computation.
7
22769
2169
con base en la idea de la computación.
00:25
And so today, I want to tell you a little bit about what that's led to.
8
25480
3921
Por eso, hoy quiero contarles un poco sobre a qué nos ha llevado eso.
00:29
There's a lot to talk about, so I'm going to go quickly.
9
29859
2670
Hay mucho de qué hablar, así que voy a ir rápido.
00:32
And sometimes I'm going to summarize in a sentence
10
32529
2419
Y a veces resumiré en una oración sobre lo que he escrito todo un libro.
00:34
what I've written a whole book about.
11
34948
1793
(Risas)
00:37
But you know,
12
37158
1710
La última vez que di una charla TED
00:38
I last gave a TED talk 13 years ago,
13
38910
2795
fue hace 13 años, en febrero de 2010,
00:41
in February 2010,
14
41705
1501
poco después del lanzamiento de WolframAlpha,
00:43
soon after WolframAlpha launched,
15
43248
2085
00:45
and I ended that talk with a question.
16
45375
2461
y la terminé con una pregunta.
00:47
Question was,
17
47877
1168
La pregunta era,
¿es la computación, en última instancia,
00:49
is computation ultimately what's underneath everything
18
49045
3170
lo que hay debajo de todo en nuestro universo?
00:52
in our universe?
19
52215
1585
00:53
I gave myself a decade to find out.
20
53842
2586
Me di una década para averiguarlo.
00:56
And actually, it could have needed a century.
21
56428
2502
Y de hecho, podría haber necesitado un siglo.
00:58
But in April 2020, just after the decade mark,
22
58972
3754
Pero en abril de 2020, justo después de cumplir la década,
01:02
we were thrilled to be able to announce
23
62726
1877
nos entusiasmó poder anunciar
01:04
what seems to be the ultimate machine code of the universe.
24
64644
3796
lo que parece ser el código automático definitivo del universo.
01:08
And yes, it's computational.
25
68481
2378
Y sí, es computacional.
01:11
So computation isn't just a possible formalization,
26
71276
3253
Así que la computación no es solo una posible formalización,
01:14
it's the ultimate one for our universe.
27
74529
2711
es la más importante para el universo.
01:18
It all starts from the idea that space, like matter, is made of discrete elements,
28
78074
6006
Todo comienza con la idea de que el espacio,
al igual que la materia, está hecho de elementos discretos
y, a partir de esa estructura del espacio y todo lo que contiene,
01:24
and from that structure of space and everything in it,
29
84080
4713
01:28
it's defined just by a network of relations
30
88793
3128
se define simplemente por una red de relaciones
01:31
between these elements that we might call atoms of space.
31
91963
3337
entre estos elementos que podríamos llamar átomos del espacio.
01:35
So it's all very elegant, but deeply abstract.
32
95717
3295
Así que todo es muy elegante, pero profundamente abstracto.
01:39
But here's kind of a humanized representation,
33
99721
2628
Pero aquí hay una especie de representación humanizada,
01:42
a version of the very beginning of the universe.
34
102390
2544
una versión del principio mismo del universo.
01:44
And what we're seeing here is the emergence of space
35
104934
2753
Y lo que estamos viendo aquí es el surgimiento del espacio
01:47
and everything in it
36
107729
1293
y todo lo que hay en él
mediante la aplicación sucesiva de reglas computacionales muy simples.
01:49
by the successive application of very simple computational rules.
37
109022
3086
01:52
And remember, these dots are not atoms in any existing space.
38
112150
4004
Recuerda que estos puntos no son átomos en ningún espacio existente.
01:56
They're atoms of space that get put together to make space.
39
116196
4504
Son átomos del espacio que se juntan para crear espacio.
02:01
And yes, if we kept going long enough,
40
121326
2002
Y si continuáramos el tiempo suficiente,
02:03
we could build our whole universe this way.
41
123370
2252
podríamos construir todo el universo de esta manera.
02:06
So eons later,
42
126122
2211
Así que, eones después,
02:08
here's a chunk of space with two little black holes
43
128333
3420
he aquí un trozo de espacio con dos pequeños agujeros negros
02:11
that, if we wait a little while, will eventually merge,
44
131753
4963
que, si esperamos un poco, eventualmente se fusionarán
02:16
generating little ripples of gravitational radiation.
45
136758
3086
y generarán pequeñas ondas de radiación gravitacional.
02:20
And remember, all of this is built from pure computation.
46
140512
3587
Y recuerda que todo esto se construye a partir de la computación pura.
02:24
But like fluid mechanics emerging from molecules,
47
144432
3170
Al igual que la mecánica de fluidos que surge de las moléculas,
02:27
what emerges here is space-time and Einstein's equations for gravity,
48
147644
4463
aquí surge el espacio-tiempo
y las ecuaciones de Einstein para la gravedad,
02:32
though there are deviations that we just might be able to detect,
49
152148
3337
aunque hay desviaciones que podríamos detectar,
02:35
like that the dimensionality of space won't always be precisely three.
50
155527
4254
como que la dimensionalidad del espacio
no siempre será exactamente tres.
02:40
And there's something else.
51
160573
1460
Y hay algo más.
Nuestras reglas computacionales se pueden aplicar inevitablemente de muchas maneras,
02:42
Our computational rules can inevitably be applied in many ways,
52
162075
4588
02:46
each defining a different kind of thread of time,
53
166705
2502
y cada una define un tipo diferente de hilo temporal,
02:49
a different path of history that can branch and merge.
54
169207
3545
un camino diferente de la historia que puede ramificarse y fusionarse.
02:53
But as observers embedded in this universe,
55
173128
2877
Pero como observadores integrados en este universo, también
02:56
we're branching and merging, too.
56
176005
1919
nos estamos ramificando y fusionando.
02:57
And it turns out that quantum mechanics emerges as the story
57
177966
3503
Resulta que la mecánica cuántica surge como la historia
03:01
of how branching minds perceive a branching universe.
58
181469
3879
de cómo las mentes ramificadas perciben un universo ramificado.
03:05
So the little pink lines you might be able to see here
59
185390
2544
Las pequeñas líneas rosadas que pueden ver aquí
03:07
show the structure of what we call branchial space,
60
187976
2586
muestran la estructura del espacio branquial,
03:10
the space of quantum branches.
61
190562
1960
el espacio de las ramas cuánticas.
03:12
And one of the stunningly beautiful things,
62
192564
2085
Y una de las cosas asombrosamente hermosas,
03:14
at least for physicists like me,
63
194691
1668
al menos para físicos como yo,
03:16
is that the same phenomenon that in physical space gives us gravity,
64
196359
4630
es que el mismo fenómeno que en el espacio físico nos da la gravedad,
03:20
in branchial space gives us quantum mechanics.
65
200989
2669
en el espacio branquial nos da la mecánica cuántica.
03:24
So in the history of science so far,
66
204701
2252
Entonces en la historia de la ciencia hasta ahora,
03:26
I think we can identify sort of four broad paradigms
67
206953
3629
creo que podemos identificar una especie de cuatro paradigmas amplios
03:30
for making models of the world that can be distinguished
68
210582
2627
para crear modelos del mundo que puedan distinguirse más o menos
03:33
kind of by how they deal with time.
69
213251
2336
por la forma en que abordan el tiempo.
03:35
So in antiquity and in plenty of areas of science, even today,
70
215587
3879
Así que en la antigüedad y en muchas áreas de la ciencia, incluso hoy en día,
03:39
it's all about kind of, what are things made of.
71
219507
2419
todo gira en torno a qué están hechas las cosas.
03:41
And time doesn't really enter.
72
221926
1627
Y el tiempo no entra realmente.
03:43
But in the 1600s came the idea of modeling things
73
223887
3128
Pero en el siglo XVII surgió la idea de modelar cosas
con fórmulas matemáticas en las que entra el tiempo,
03:47
with mathematical formulas in which time enters,
74
227015
3170
03:50
but basically just as a coordinate value.
75
230226
2253
pero básicamente solo como un valor de coordenadas.
03:53
Then in the 1980s, and this is something in which I was deeply involved,
76
233062
4004
Luego, en la década de 1980,
y en esto estuve profundamente involucrado,
03:57
came the idea of making models
77
237108
2252
surgió la idea de hacer modelos
03:59
by starting with simple computational rules
78
239402
2461
partiendo de reglas computacionales simples
04:01
and just letting them run.
79
241863
1835
y dejándolas funcionar.
04:03
So can one predict what will happen?
80
243698
2419
Entonces, ¿se puede predecir lo que sucederá?
04:06
No.
81
246659
1210
¡No!
04:07
There's what I call computational irreducibility,
82
247911
2294
Existe lo que yo llamo irreductibilidad computacional
04:10
in which, in effect, the passage of time corresponds to an irreducible computation
83
250246
4880
en la que, en efecto,
el paso del tiempo corresponde a un cálculo irreductible
04:15
that we have to run in order to work out how it will turn out.
84
255126
3462
que tenemos que ejecutar para averiguar cómo resultará.
04:18
But now there's kind of something,
85
258588
1835
Pero ahora hay algo, algo aún más:
04:20
something even more -- in our physics project,
86
260423
3170
en nuestro proyecto de física,
04:23
there’s things that have become multi-computational,
87
263593
2461
hay cosas que se han vuelto multicomputacionales,
04:26
with many threads of time
88
266054
1710
con muchos hilos de tiempo
04:27
that can only be knitted together by an observer.
89
267764
3503
que solo un observador puede unir.
04:31
So it's kind of a new paradigm that actually seems to unlock things
90
271309
3545
Se trata de un nuevo paradigma que parece desvelar aspectos
04:34
not only in fundamental physics,
91
274854
1835
no solo en la física fundamental,
04:36
but also in the foundations of mathematics and computer science,
92
276731
3170
sino también en los fundamentos de las matemáticas y la informática
04:39
and possibly in areas like biology and economics as well.
93
279901
3295
y posiblemente, también en áreas como la biología y la economía.
04:44
So I talked about building up the universe
94
284364
2169
Así que hablé de construir el universo
04:46
by repeatedly applying a computational rule.
95
286574
2586
mediante la aplicación repetida de una regla computacional.
04:49
But how is that rule picked?
96
289202
2252
Pero, ¿cómo se elige esa regla?
04:51
Well, actually it isn't,
97
291496
1793
Bueno, en realidad no lo es,
04:53
because all possible rules are used,
98
293289
2461
porque se utilizan todas las reglas posibles
04:55
and we're building up what I call the ruliad,
99
295792
2210
y construimos la ruliada,
04:58
the kind of deeply abstract but unique object
100
298002
2920
el tipo de objeto profundamente abstracto pero único
05:00
that is the entangled limit of all possible computational processes.
101
300964
4045
que es el límite intrincado de todos los procesos computacionales posibles.
05:05
Here's a tiny fragment of it shown in terms of Turing machines.
102
305635
4087
He aquí un fragmento minúsculo que se muestra en términos de máquinas de Turing.
05:09
So this ruliad is everything.
103
309764
3545
Así que esta ruliada lo es todo.
05:13
And we as observers are necessarily part of it.
104
313309
3420
Y nosotros como observadores, somos necesariamente parte de ella.
En la ruliada en su conjunto,
05:17
In the ruliad as a whole,
105
317063
1585
05:18
in a sense, everything computationally possible can happen.
106
318690
3503
en cierto sentido, todo lo computacionalmente posible
puede suceder.
05:22
But observers like us just sample specific slices of the ruliad.
107
322235
4671
Pero los observadores como nosotros
solo toman muestras de partes específicas de la ruliada.
05:26
And there are two crucial facts about us.
108
326906
2836
Y hay dos hechos cruciales sobre nosotros:
05:29
First, we're computationally bounded, our minds are limited,
109
329784
3879
Primero, estamos limitados computacionalmente,
nuestras mentes son limitadas.
05:33
and second, we believe we're persistent in time,
110
333663
2753
Segundo, creemos que somos persistentes en el tiempo,
05:36
even though we're made of different atoms of space at every moment.
111
336457
3337
aunque estemos hechos de diferentes átomos de espacio en cada momento.
05:39
So then, here's the big result.
112
339836
2044
Entonces, este es el gran resultado.
05:41
What observers with those characteristics perceive in the ruliad
113
341880
3753
Lo que los observadores con esas características perciben en la ruliada
05:45
necessarily follows certain laws.
114
345675
2377
obedece necesariamente a ciertas leyes.
Y esas leyes resultan ser precisamente
05:48
And those laws turn out to be precisely
115
348052
2419
05:50
the three key theories of 20th century physics:
116
350513
2795
las tres teorías clave de la física del siglo XX:
05:53
general relativity, quantum mechanics,
117
353308
2335
la relatividad general, la mecánica cuántica
05:55
and statistical mechanics in the second law.
118
355685
2586
y la mecánica estadística en la segunda ley.
05:58
So it's because we're observers like us
119
358313
3169
Así que, porque somos observadores como nosotros
06:01
that we perceive the laws of physics we do.
120
361524
2836
percibimos las leyes de la física que conocemos.
06:04
We can think of sort of different minds
121
364360
2336
Podemos pensar que diferentes mentes
06:06
as being at different places in rulial space.
122
366738
2794
se encuentran en diferentes lugares del espacio rulial.
06:09
Human minds who think alike are nearby,
123
369574
2252
Las mentes humanas que piensan igual están cerca,
06:11
animals further away,
124
371868
1460
los animales están más lejos
06:13
and further out, we get to kind of alien minds
125
373369
2253
y, más lejos, llegamos a mentes alienígenas
06:15
where it's hard to make a translation.
126
375663
1961
en las que es difícil hacer una traducción.
¿Cómo obtener la intuición necesaria para todo esto?
06:18
So how can we get intuition for all of this?
127
378041
2794
06:20
Well, one thing we can do is use generative AI
128
380835
2544
Una cosa que podemos hacer es usar la IA generativa
06:23
to take what amounts to an incredibly tiny slice of the ruliad
129
383379
3254
para tomar lo que equivale a una porción increíblemente pequeña
06:26
aligned with images we humans have produced.
130
386674
3337
de la ruliada alineada con las imágenes que los humanos hemos producido.
Podemos pensar en esto como una especie de lugar en la ruliada
06:30
We can think of this as sort of a place in the ruliad
131
390011
2794
06:32
described by using the concept of a cat in a party hat.
132
392847
4004
que se describe utilizando el concepto de gato con sombrero de fiesta.
06:37
So zooming out, we saw there
133
397435
3086
Al alejarnos, vimos allí
lo que podríamos llamar Isla de los Gatos.
06:40
what we might call Cat Island.
134
400521
2002
06:42
Pretty soon we’re in a kind of an inter-concept space.
135
402523
3045
Pronto estaremos en una especie de espacio interconceptual.
06:45
Occasionally things will look familiar,
136
405568
1877
A veces las cosas nos resultarán familiares
06:47
but mostly, what we'll see is things we humans don't have words for.
137
407487
4421
pero sobre todo, lo que veremos son cosas
para las que los humanos no tenemos palabras.
06:52
In physical space, we explore the universe
138
412283
2461
En el espacio físico, exploramos el universo
06:54
by sending out spacecraft.
139
414744
1960
enviando naves espaciales.
06:56
In rulial space, we explore more
140
416704
2336
En el espacio rulial, exploramos más
06:59
by expanding our concepts and our paradigms.
141
419082
2836
ampliando nuestros conceptos y paradigmas.
07:02
We can kind of get a sense of what's out there
142
422335
2169
Podemos tener una idea de lo que hay ahí fuera
07:04
by sampling possible rules,
143
424504
1751
tomando muestras de posibles reglas,
07:06
doing what I call ruliology.
144
426255
2128
haciendo lo que yo llamo ruliología.
07:08
So even with incredibly simple rules,
145
428424
2211
Incluso con reglas increíblemente simples,
07:10
there's incredible richness.
146
430677
1793
hay una riqueza increíble.
07:12
But the issue is that most of it doesn't yet connect
147
432470
2794
El problema es que la mayoría de ellas aún no se relacionan
07:15
with things we humans understand or care about.
148
435306
3170
con cosas que los humanos entendemos o nos importan.
07:18
It's like when we look at the natural world
149
438476
2085
Es como cuando observamos el mundo natural
07:20
and only gradually realize that we can use features of it for technology.
150
440561
3712
poco a poco nos damos cuenta de que podemos utilizar sus atributos
con fines tecnológicos.
07:24
So even after everything our civilization has achieved,
151
444649
3003
Incluso después de todo lo que ha logrado nuestra civilización,
07:27
we're just at the very, very beginning of exploring rulial space.
152
447694
3878
apenas estamos empezando a explorar el espacio rulial.
07:31
What about AIs?
153
451614
1502
¿Qué pasa con la IA?
07:33
Well, just like we can do ruliology,
154
453157
2211
Al igual que podemos hacer ruliología,
07:35
AIs can in principle go out and explore rulial space.
155
455410
3420
las IA pueden, en principio, salir y explorar el espacio rulial.
07:38
Left to their own devices, though,
156
458871
1836
Pero, dejadas a su suerte,
07:40
they'll mostly just be doing things
157
460707
1710
generalmente se limitarán a hacer cosas
07:42
we humans don't connect with or care about.
158
462417
2794
con las que los humanos no nos conectamos ni nos importan.
07:45
So the big achievements of AI in recent times
159
465545
2377
Los grandes logros de la IA en los últimos tiempos
07:47
have been about making systems that are closely aligned with us humans.
160
467964
3420
consistieron en crear sistemas estrechamente alineados con los humanos.
07:51
We train LLMs on billions of web pages so they can produce texts
161
471426
3420
Entrenamos modelos con miles de millones de páginas web
07:54
that's typical of what we humans write.
162
474887
2211
para producir textos típicos de lo que escribimos los humanos.
07:57
And yes, the fact that this works
163
477140
1835
Que esto funcione nos revela que, sin dudas,
07:59
is undoubtedly telling us some deep scientific things
164
479017
2919
algunos datos científicos profundos sobre la gramática semántica del lenguaje
08:01
about the semantic grammar of language
165
481978
2252
08:04
and generalizations of things like logic
166
484230
2127
y generalizaciones de cosas como la lógica
08:06
that perhaps we should have known centuries ago.
167
486357
2294
que quizás deberíamos haber sabido hace siglos.
08:08
You know, for much of human history,
168
488693
1877
Durante gran parte de la historia de la humanidad,
08:10
we were kind of like the LLMs,
169
490611
2211
fuimos como los LLM, descubriendo las cosas
08:12
figuring things out by kind of matching patterns in our minds.
170
492822
3587
mediante patrones coincidentes en nuestras mentes.
08:16
But then came more systematic formalization and eventually computation.
171
496409
4129
Pero luego llegó una formalización más sistemática y, finalmente, la computación.
08:20
And with that, we got a whole other level of power to truly create new things
172
500580
4296
Y con eso, tenemos otro nivel de poder
para crear cosas realmente nuevas e ir adonde queramos en la ruliada.
08:24
and to, in effect, go wherever we want in the ruliad.
173
504917
3379
08:28
But the challenge is to do that in a way that connects with what we humans,
174
508337
3838
Pero el desafío consiste en hacerlo de una manera
que se conecte con lo que los humanos y la inteligencia artificial entendemos.
08:32
and our AIs, understand.
175
512216
2711
08:34
In fact, I've devoted a large part of my life
176
514969
2211
De hecho, he dedicado gran parte de mi vida
08:37
to kind of trying to build that bridge.
177
517221
2294
a intentar construir ese puente.
08:39
It's all been about creating a language for expressing ourselves computationally,
178
519515
4213
Todo ha consistido en crear un lenguaje
para expresarnos computacionalmente,
08:43
a language for computational thinking.
179
523770
2002
un lenguaje para el pensamiento computacional.
08:46
The goal is to formalize what we know about the world in computational terms,
180
526355
4755
El objetivo es formalizar lo que sabemos sobre el mundo
en términos computacionales,
tener formas computacionales de representar ciudades
08:51
to have computational ways to represent cities and chemicals and movies
181
531110
3629
y productos químicos y películas, humor y fórmulas
08:54
and humor and formulas and our knowledge about them.
182
534739
3253
y nuestro conocimiento sobre ellas.
08:58
It’s been a vast undertaking that spanned more than four decades of my life,
183
538951
4255
Ha sido una empresa enorme
que ha abarcado más de cuatro décadas de mi vida,
09:03
but it's something very unique and different.
184
543206
2502
pero es algo muy único y diferente.
09:05
But I'm happy to report that in what has been Mathematica
185
545708
3170
Pero me complace informar de ello en lo que ha sido Mathematica
09:08
and is now the Wolfram Language,
186
548878
1585
y ahora es Wolfram Language,
09:10
I think we firmly succeeded in creating
187
550463
3003
creo que hemos logrado crear
09:13
a truly full-scale computational language.
188
553466
2753
un lenguaje computacional realmente a gran escala.
09:16
In effect,
189
556677
1168
Cada una de estas funciones puede considerarse como una forma de formalizar
09:17
every one of these functions here can be thought of as formalizing
190
557845
3295
09:21
and encapsulating, in computational terms,
191
561182
2586
y encapsular, en términos computacionales,
09:23
some facet of the intellectual achievements of our civilization.
192
563768
3378
alguna faceta de los logros intelectuales de nuestra civilización.
09:27
It's sort of the most concentrated form of intellectual expression that I know,
193
567480
3754
Es más o menos la forma más concentrada de expresión intelectual que conozco,
09:31
sort of finding the essence of everything and coherently expressing it
194
571275
3587
que busca la esencia de todo y la expresa de manera coherente
09:34
in the design of our computational language.
195
574904
2127
en el diseño de nuestro lenguaje computacional.
09:37
For me personally,
196
577365
1168
Para mí, personalmente,
09:38
it's been an amazing journey, kind of, year after year,
197
578533
2586
ha sido un viaje increíble, en cierto modo, año tras año,
09:41
building the sort of tower of ideas and technology that's needed.
198
581160
3087
construir el tipo de torre de ideas y tecnología que se necesita.
09:44
And nowadays sharing that process with the world
199
584247
2419
Y hoy en día, compartir ese proceso con el mundo
09:46
in things like open live streams and so on.
200
586707
2211
a través de transmisiones en directo abiertas, etc.
09:49
A few centuries ago,
201
589460
1460
Hace algunos siglos,
09:50
the development of mathematical notation,
202
590962
2210
el desarrollo de la notación matemática,
09:53
and what amounts to the language of mathematics,
203
593214
2669
y lo que equivale al lenguaje de las matemáticas,
09:55
gave a systematic way to express math and made possible algebra and calculus,
204
595925
5214
dio lugar a una forma sistemática de expresar las matemáticas
e hizo posible el álgebra y el cálculo
10:01
and eventually all of modern mathematical science.
205
601180
3504
y, finalmente,
toda la ciencia matemática moderna.
10:04
And computational language now provides a similar path,
206
604684
3253
Y el lenguaje computacional ahora ofrece un camino similar,
10:07
letting us ultimately create a computational X
207
607979
3170
ya que nos permite crear una computacional X
10:11
for all imaginable fields X.
208
611149
2502
para todos los campos imaginables X.
Hemos visto el crecimiento de la informática, CS
10:14
I mean, we've seen the growth of computer science, CS,
209
614026
3337
10:17
but computational language opens up something ultimately much bigger
210
617405
3378
pero el lenguaje computacional abre algo, en última instancia, mucho más grande
10:20
and broader, CX.
211
620825
2419
y amplio, la CX.
Durante 70 años hemos tenido lenguajes de programación
10:23
I mean, for 70 years we've had programming languages
212
623244
2461
10:25
which are about telling computers in their terms what to do.
213
625746
3796
que tratan de decir a las computadoras en sus términos qué hacer.
10:29
But computational language
214
629584
1251
Pero el lenguaje computacional se trata de algo intelectualmente más grande.
10:30
is about something intellectually much bigger.
215
630877
2168
10:33
It's about taking everything we can think about
216
633045
2419
Se trata de tomar todo lo que se nos ocurra
10:35
and operationalizing it in computational terms.
217
635506
3087
y ponerlo en práctica en términos computacionales.
10:38
You know, I built the Wolfram Language
218
638968
1877
Construí Wolfram Language ante todo porque quería usarlo yo mismo.
10:40
first and foremost because I wanted to use it myself.
219
640887
2502
10:43
And now when I use it,
220
643431
1334
Y ahora, cuando lo uso,
10:44
I feel like it's kind of giving me some kind of superpower.
221
644807
2795
siento que me está dando algún tipo de superpoder.
10:47
I just have to imagine something in computational terms.
222
647602
3587
Solo tengo que imaginarme algo en términos computacionales.
10:51
And then the language sort of almost magically lets me bring it into reality,
223
651189
3795
Y luego, el lenguaje casi mágicamente me permite convertirlo en realidad,
ver sus consecuencias y basarme en ellas.
10:55
see its consequences, and build on them.
224
655026
2294
10:57
And yes, that's the sort of superpower
225
657361
1836
Y sí, ese es el tipo de superpoder
10:59
that's let me do things like our physics project.
226
659197
2335
que me permite hacer cosas como el proyecto de física.
11:01
And over the past 35 years,
227
661532
1669
Y durante los últimos 35 años,
11:03
it's been my great privilege to share this superpower with many other people,
228
663242
4380
he tenido el gran privilegio de compartir esta superpotencia
con muchas otras personas y al hacerlo,
11:07
and by doing so,
229
667622
1209
11:08
to have enabled an incredible number of advances across many fields.
230
668831
4004
haber permitido una cantidad increíble de avances en muchos campos.
11:13
It's sort of a wonderful thing to see people, researchers, CEOs, kids,
231
673252
4213
Es maravilloso ver a personas, investigadores,
directores ejecutivos, niños,
11:17
using our language to fluently think in computational terms,
232
677465
3462
usando nuestro lenguaje para pensar con fluidez en términos computacionales,
11:20
kind of crispening up their own thinking,
233
680968
2419
para afinar su propio pensamiento
11:23
and then in effect, automatically calling in computational superpowers.
234
683387
3712
e invocar automáticamente superpoderes computacionales.
11:27
And now it's not just people who can do that.
235
687600
2294
Ahora no solo las personas pueden hacerlo.
11:29
AIs can use our computational language as a tool, too.
236
689936
3336
La IA también puede usar nuestro lenguaje computacional como herramienta.
11:33
Yes, to get their facts straight,
237
693272
2252
Sí, para aclarar los hechos,
11:35
but even more importantly, to compute new facts.
238
695566
3003
pero lo que es aún más importante, para calcular datos nuevos.
11:38
There are already some integrations of our technology into LLMs.
239
698861
3170
Ya existen algunas integraciones de nuestra tecnología en los LLM.
Hay muchas más que verás pronto.
11:42
There's a lot more you'll be seeing soon.
240
702073
2043
11:44
And, you know, when it comes to building new things
241
704116
2419
Ya sabes, cuando se trata de crear cosas nuevas
11:46
in a very powerful emerging workflow,
242
706577
2127
en un proceso de trabajo emergente muy poderoso
11:48
it's basically to start by telling the LLM roughly what you want,
243
708704
4380
se trata de empezar diciéndole al LLM aproximadamente lo que quiere,
11:53
then to have it try to express that in precise Wolfram Language,
244
713084
3336
luego hacer que trate de expresarlo en Wolfram Language con precisión,
11:56
then, and this is a critical feature of our computational language,
245
716420
3170
característica fundamental de el lenguaje computacional,
11:59
compared to, for example, programming language,
246
719590
2211
comparado con, por ej., el lenguaje de programación,
12:01
you as a human can read the code,
247
721842
2169
usted como humano puede leer el código
12:04
and if it does what you want,
248
724011
1418
y, si hace lo que quiere,
12:05
you can use it as kind of a dependable component to build on.
249
725471
3045
puede usarlo como componente confiable
sobre el que construir.
12:08
OK, but let's say we use more and more AI,
250
728891
2419
Pero si usamos más y más inteligencia artificial,
12:11
more and more computation.
251
731352
1668
más y más computación.
12:13
What's the world going to be like?
252
733020
1794
¿Cómo va a ser el mundo?
12:14
From the industrial revolution on,
253
734814
2085
Desde la revolución industrial,
12:16
we’ve been used to doing engineering where we can in effect,
254
736899
2878
nos hemos acostumbrado a hacer ingeniería donde podemos,
12:19
see how the gears mesh to understand how things work.
255
739777
3754
ver cómo encajan los engranajes para entender cómo funcionan las cosas.
12:23
But computational irreducibility
256
743572
1836
Pero la irreductibilidad computacional
12:25
now shows us that that won't always be possible.
257
745449
2628
ahora nos muestra que eso no siempre será posible.
12:28
We won't always be able to make a kind of simple human or, say,
258
748119
3211
No siempre podremos crear una especie de narración humana simple
12:31
mathematical narrative
259
751372
1668
o, por ejemplo, matemática
12:33
to explain or predict what a system will do.
260
753082
2502
para explicar o predecir lo que hará un sistema.
12:35
And yes, this is science, in effect, eating itself from the inside.
261
755960
4129
Y sí, es la ciencia, en efecto, devorándose a sí misma desde dentro.
12:40
From all the successes of mathematical science,
262
760548
2294
Gracias a los éxitos de la ciencia matemática,
12:42
we've come to believe that somehow, if we only could find them,
263
762883
3671
llegamos a la conclusión de que si tan solo pudiéramos encontrarlas,
12:46
there'd be formulas to kind of predict everything.
264
766595
3170
habría fórmulas para predecirlo todo.
Pero la irreductibilidad computacional nos muestra que eso no es cierto.
12:50
But now computational irreducibility shows us that that isn't true.
265
770141
3795
12:54
And that in effect, to find out what a system will do,
266
774312
2669
Y que, en efecto, para saber qué hará un sistema,
12:56
we have to go through the same irreducible computational steps
267
776981
3628
tenemos que seguir los mismos pasos
computacionales irreductibles que el propio sistema.
13:00
as the system itself.
268
780651
1585
13:02
Yes, it's a weakness of science,
269
782820
1627
Sí, es una debilidad de la ciencia,
13:04
but it's also why the passage of time is significant and meaningful
270
784447
4004
pero también es la razón por la que el paso del tiempo es tan importante
13:08
and why we can't just sort of jump ahead to get the answer.
271
788492
3838
y significativo, y por eso no podemos simplemente avanzar
para obtener la respuesta.
13:12
We have to live the steps.
272
792330
1876
Tenemos que vivir los escalones.
13:14
It's actually going to be, I think, a great societal dilemma of the future.
273
794749
3878
En realidad, creo que va a ser un gran dilema social del futuro.
13:18
If we let our AIs achieve their kind of full computational potential,
274
798627
3838
Si permitimos que nuestras IA alcancen todo su potencial computacional,
13:22
they'll have lots of computational irreducibility
275
802465
2335
tendrán mucha irreductibilidad computacional
13:24
and we won't be able to predict what they'll do.
276
804800
2294
y no podremos predecir lo que harán.
13:27
But if we put constraints on them to make them more predictable,
277
807136
3295
Pero si les imponemos restricciones para que sean más predecibles,
13:30
we'll limit what they can do for us.
278
810473
2002
limitaremos lo que pueden hacer por nosotros.
13:32
So what will it feel like if our world is full of computational irreducibility?
279
812808
5005
¿Qué se sentiría si el mundo estuviera lleno
de irreductibilidad computacional?
13:38
Well, it's really nothing new
280
818189
2169
Bueno, en realidad no es nada nuevo
13:40
because that's the story with much of nature.
281
820399
2419
porque esa es la historia de gran parte de la naturaleza.
13:42
And what's happened there
282
822818
1210
Hemos encontrado formas de operar dentro de la naturaleza,
13:44
is that we've found ways to operate within nature,
283
824070
2585
13:46
even though nature can sometimes still surprise us.
284
826697
2753
aunque a veces la naturaleza todavía nos sorprenda.
13:49
And so it will be with the AIs.
285
829784
2002
Y lo mismo ocurrirá con la IA.
13:51
We might give them a constitution, but there will always be consequences
286
831827
3462
Puede que les demos una constitución, pero siempre habrá consecuencias
13:55
we can't predict.
287
835331
1209
que no podemos predecir.
13:56
Of course, even figuring out societally what we want from the AIs is hard.
288
836540
4839
Por supuesto, incluso averiguar socialmente
qué es lo que queremos de la IA es difícil.
14:01
Maybe we need you know, a promptocracy
289
841379
2043
Tal vez necesitemos, una comandocracia en la que la gente escriba comandos
14:03
where people write prompts instead of just voting.
290
843422
2795
en lugar de limitarse a votar.
14:06
But basically, every control the outcome scheme
291
846801
3336
Pero, básicamente, cada esquema de control y resultado
14:10
seems full of both political philosophy
292
850179
2127
parece estar repleto de errores de filosofía política
14:12
and computational irreducibility gotchas.
293
852348
2669
y de irreductibilidad computacional.
14:15
You know, if we look at the whole arc of human history,
294
855559
2920
Si analizamos el arco de la historia de la humanidad,
14:18
the one thing that's systematically changed
295
858479
2210
lo único que ha cambiado sistemáticamente
14:20
is that more and more gets automated.
296
860689
2086
es que cada vez se automatiza más.
14:22
And LLMs just gave us a dramatic and unexpected example of that.
297
862775
3503
Y los LLM acaban de darnos un ejemplo drástico e inesperado de ello.
14:26
So what does that mean?
298
866821
1167
¿Qué significa eso?
14:27
Does that mean that in the end, us humans will have nothing to do?
299
867988
3170
¿Significa que, al final, los humanos no tendremos nada que hacer?
14:31
Well, if we look at history,
300
871700
1752
Bueno, si vemos la historia,
14:33
what seems to happen is that when one thing gets automated away,
301
873494
3337
parece que cuando algo se automatiza,
14:36
it opens up lots of new things to do.
302
876872
2503
se abren muchas cosas nuevas que hacer.
14:39
And as economies develop,
303
879417
1626
Y conforme las economías se desarrollan,
14:41
the pie chart of occupations seems to get more and more fragmented.
304
881085
4379
el gráfico circular de las ocupaciones parece fragmentarse cada vez más.
14:45
And now we're back to the ruliad.
305
885881
1710
Y ahora volvemos a la ruliada.
14:47
Because at a foundational level,
306
887591
1544
Porque, desde un punto de vista fundamental,
14:49
what's happening is that automation is opening up more directions
307
889176
3170
la automatización abre más caminos por recorrer en la ruliada.
14:52
to go in the ruliad.
308
892388
1460
14:53
But there's no abstract way to choose between these.
309
893848
3003
Pero no hay una forma abstracta de elegir entre estas opciones.
14:56
It's a question of what we humans want,
310
896892
2127
Es una cuestión de lo que queremos los humanos,
14:59
and it requires kind of humans doing work to define that.
311
899061
3754
y se requiere que el tipo de humanos se esfuerce por definirlo.
15:02
So a society of AI as sort of untethered by human input,
312
902815
4796
Una sociedad basada en la inteligencia artificial,
que no dependa de la influencia humana,
15:07
would effectively go off and explore the whole ruliad.
313
907653
2753
se lanzaría a explorar toda la ruliada.
15:10
But most of what they do would seem to us random and pointless,
314
910406
4129
Pero la mayor parte de lo que hacen nos parece aleatorio e inútil,
15:14
much like most of nature doesn't seem to us right now,
315
914577
3712
al igual que la mayoría de la naturaleza no nos parece en este momento,
15:18
like it's achieving a purpose.
316
918289
1751
sino que busca alcanzar un propósito.
15:20
I mean, one used to imagine that to build things that are useful to us,
317
920541
4421
Quiero decir, uno solía imaginar que para construir cosas que nos fueran útiles,
tendríamos que hacerlo paso a paso.
15:25
we'd have to do it kind of step by step.
318
925004
2294
15:27
But AI and the whole phenomenon of computation
319
927673
2711
Pero la IA y todo el fenómeno de la computación
15:30
tell us that really what we need
320
930426
1960
nos dicen que lo que realmente necesitamos
15:32
is more just to define what we want.
321
932428
2377
es más que definir lo que queremos.
15:35
Then computation, AI, automation can make it happen.
322
935306
4421
La computación, la IA y la automatización pueden hacer que esto suceda.
15:39
And yes, I think the key to defining in a clear way what we want
323
939768
3754
Y sí, creo que la clave para definir de forma clara lo que queremos
15:43
is computational language.
324
943564
1793
es el lenguaje computacional.
15:45
And, you know, even after 35 years,
325
945357
2169
Y, ya sabes, incluso después de 35 años,
15:47
for many people,
326
947526
1210
para muchas personas,
15:48
Wolfram Language is still sort of an artifact from the future.
327
948736
2961
Wolfram Language sigue siendo un artefacto del futuro.
15:51
If your job is to program, it seems like a cheat.
328
951697
2836
Si tu trabajo es programar, parece una trampa.
15:54
How come you can do in an hour what would usually take you a week?
329
954575
3545
¿Cómo puedes hacer en una hora lo que tardarías una semana?
Pero también puede resultar abrumador porque,
15:58
But it can also be kind of daunting because having dashed off that one thing,
330
958120
4129
después de haber descartado esa única cosa,
16:02
you now have to conceptualize the next thing.
331
962249
2544
ahora tienes que conceptualizar la siguiente.
16:04
Of course, it's great for CEOs and CTOs
332
964835
2461
Es ideal para CEOs, directores de tecnología
16:07
and intellectual leaders who are ready to race on to the next thing.
333
967338
3795
y líderes intelectuales que están listos para pasar a lo siguiente.
16:11
And indeed, it's an impressively popular thing in that set.
334
971175
4629
De hecho, es algo muy popular en ese conjunto.
16:16
In a sense, what's happening is that Wolfram Language shifts
335
976096
2837
En cierto sentido, Wolfram Language
16:18
from concentrating on mechanics to concentrating on conceptualization,
336
978974
3796
pasa de concentrarse en la mecánica a concentrarse en la conceptualización,
16:22
and the key to that conceptualization is broad computational thinking.
337
982770
4463
y la clave de esa conceptualización es un pensamiento computacional amplio.
16:27
So how can one learn to do that?
338
987233
1918
Así que, ¿cómo se puede aprender a hacer eso?
16:29
It's not really a story of CS,
339
989193
1960
No es realmente una historia de CS,
16:31
it's really a story of CX.
340
991195
2210
es realmente una historia de CX.
16:33
And as a kind of education,
341
993405
1752
Y como tipo de educación,
16:35
it's more like liberal arts than STEM.
342
995199
2586
se parece más a las artes liberales que a las STEM.
16:37
It's part of a trend that when you automate technical execution,
343
997826
3587
Forma parte de una tendencia
según la cual, cuando se automatiza la ejecución técnica,
16:41
what becomes important is not figuring out how to do things,
344
1001413
4255
lo importante no es saber cómo hacer las cosas,
16:45
but what to do.
345
1005668
1418
sino qué hacer.
Es más una historia de amplios conocimientos
16:47
And that's more a story of broad knowledge and general thinking
346
1007127
3045
y pensamiento general
16:50
than any kind of narrow specialization.
347
1010172
2503
que de cualquier tipo de especialización limitada.
16:53
You know, there's sort of an unexpected human centeredness to all of this.
348
1013509
3503
Hay una especie de inesperada centralidad humana en todo esto.
Podríamos haber pensado que
16:57
We might have thought that with the advance of science and technology,
349
1017054
3378
con el avance de la ciencia y la tecnología,
17:00
the particulars of us humans would become ever less relevant.
350
1020432
3712
los detalles de los humanos serían cada vez menos relevantes.
17:04
But we've discovered that that's not true, and that, in fact, everything,
351
1024144
3462
Pero hemos descubierto que eso no es cierto y que, de hecho, todo,
17:07
even our physics,
352
1027648
1209
incluso nuestra física,
17:08
depends on how we humans happen to have sampled the ruliad.
353
1028899
3837
depende de cómo los humanos hayamos tomado muestras de la ruliada.
17:13
Before our physics project,
354
1033696
2043
Antes de nuestro proyecto de física,
17:15
we didn't know if our universe really was computational,
355
1035781
3378
no sabíamos si nuestro universo era realmente computacional,
17:19
but now it's pretty clear that it is.
356
1039201
2002
pero ahora está bastante claro que lo es.
17:21
And from that, we're sort of inexorably led to the ruliad,
357
1041245
2753
Y a partir de ahí, nos dirigimos inexorablemente a la ruliada,
17:23
with all its kind of vastness
358
1043998
1960
con toda su especie de inmensidad
17:26
so hugely greater than the physical space in our universe.
359
1046000
3378
que el espacio físico de nuestro universo.
17:29
So where will we go in the ruliad?
360
1049962
2336
Entonces, ¿a dónde iremos en la ruliada?
17:32
Computational language is what lets us chart our path.
361
1052339
3212
El lenguaje computacional es lo que nos permite trazar el camino.
17:35
It lets us humans define our goals and our journeys.
362
1055551
3336
Nos permite a los humanos definir nuestras metas y nuestros viajes.
17:38
And what's amazing is that all the power and depth
363
1058887
2628
Y lo sorprendente es que todo el poder y la profundidad
17:41
of what's out there in the ruliad is accessible to everyone.
364
1061557
3086
de lo que hay en la ruliada están al alcance de todos.
Solo hay que aprender a aprovechar esos superpoderes computacionales,
17:45
One just has to learn to harness those computational superpowers,
365
1065019
4129
17:49
which kind of starts here,
366
1069189
1544
que en cierto modo comienzan aquí,
17:50
you know, our portal to the ruliad.
367
1070774
3254
nuestro portal a la ruliada.
17:54
Thank you.
368
1074528
1335
Gracias.
17:55
(Applause)
369
1075904
3587
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7