Danny Hillis: Back to the future (of 1994)

80,742 views ・ 2012-02-03

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Alberto Pagani Revisore: Anna Cristiana Minoli
00:15
Because I usually take the role
0
15260
3000
Solitamente ho il compito
00:18
of trying to explain to people
1
18260
2000
di provare a spiegare alla gente
00:20
how wonderful the new technologies
2
20260
3000
quanto meravigliose saranno
00:23
that are coming along are going to be,
3
23260
2000
le nuove tecnologie che stanno nascendo,
00:25
and I thought that, since I was among friends here,
4
25260
3000
ma ho pensato che, visto che qui siamo tra amici,
00:28
I would tell you what I really think
5
28260
4000
vi avrei detto quello che penso davvero
00:32
and try to look back and try to understand
6
32260
2000
e ci saremmo guardati alle spalle per capire
00:34
what is really going on here
7
34260
3000
cosa stia succedendo in realtà
00:37
with these amazing jumps in technology
8
37260
5000
con questi salti tecnologici sensazionali
00:42
that seem so fast that we can barely keep on top of it.
9
42260
3000
che sembrano tanto veloci che a fatica riusciamo a seguirli.
00:45
So I'm going to start out
10
45260
2000
Vorrei cominciare
00:47
by showing just one very boring technology slide.
11
47260
3000
mostrandovi una singola diapositiva molto noiosa sulla tecnologia.
00:50
And then, so if you can just turn on the slide that's on.
12
50260
3000
Ecco, se potete accendere il proiettore.
00:56
This is just a random slide
13
56260
2000
Questa è una diapositiva a caso
00:58
that I picked out of my file.
14
58260
2000
che ho preso dal mio archivio.
01:00
What I want to show you is not so much the details of the slide,
15
60260
3000
Quello che vorrei sottolineare non sono tanto i dettagli,
01:03
but the general form of it.
16
63260
2000
ma la forma generale.
01:05
This happens to be a slide of some analysis that we were doing
17
65260
3000
Questa è una diapositiva su un'analisi che stiamo conducendo
01:08
about the power of RISC microprocessors
18
68260
3000
sulla potenza dei microprocessori RISC
01:11
versus the power of local area networks.
19
71260
3000
rispetto alla potenza delle reti locali.
01:14
And the interesting thing about it
20
74260
2000
La cosa interessante
01:16
is that this slide,
21
76260
2000
è che questa diapositiva,
01:18
like so many technology slides that we're used to,
22
78260
3000
come tante slide tecniche a cui siamo abituati,
01:21
is a sort of a straight line
23
81260
2000
è una sorta di linea retta
01:23
on a semi-log curve.
24
83260
2000
su una curva semi-logaritmica.
01:25
In other words, every step here
25
85260
2000
In altre parole, ogni fase qui
01:27
represents an order of magnitude
26
87260
2000
rappresenta un ordine di grandezza
01:29
in performance scale.
27
89260
2000
sulla scala delle prestazioni.
01:31
And this is a new thing
28
91260
2000
Questa è una cosa nuova:
01:33
that we talk about technology
29
93260
2000
parlare di tecnologia
01:35
on semi-log curves.
30
95260
2000
su curve semi-logaritmiche.
01:37
Something really weird is going on here.
31
97260
2000
Sta succedendo qualcosa di strano.
01:39
And that's basically what I'm going to be talking about.
32
99260
3000
E sarà in pratica quello di cui parlerò.
01:42
So, if you could bring up the lights.
33
102260
3000
Potete riaccendere le luci.
01:47
If you could bring up the lights higher,
34
107260
2000
Fate un po' più di luce, per favore,
01:49
because I'm just going to use a piece of paper here.
35
109260
3000
perché vorrei usare uno di questi fogli.
01:52
Now why do we draw technology curves
36
112260
2000
Perché disegniamo curve che riguardano la tecnologia
01:54
in semi-log curves?
37
114260
2000
su curve semi-logaritmiche?
01:56
Well the answer is, if I drew it on a normal curve
38
116260
3000
La risposta è che, se le disegnassi su una curva normale
01:59
where, let's say, this is years,
39
119260
2000
dove, diciamo, questi sono anni,
02:01
this is time of some sort,
40
121260
2000
questo è il tempo,
02:03
and this is whatever measure of the technology
41
123260
3000
e questa è una qualunque misura di tecnologia
02:06
that I'm trying to graph,
42
126260
3000
che sto cercando di rappresentare,
02:09
the graphs look sort of silly.
43
129260
3000
il grafico avrebbe un aspetto un po' stupido.
02:12
They sort of go like this.
44
132260
3000
Una cosa di questo tipo.
02:15
And they don't tell us much.
45
135260
3000
E non ci dice molto.
02:18
Now if I graph, for instance,
46
138260
3000
Ora, se disegnassi per esempio
02:21
some other technology, say transportation technology,
47
141260
2000
una tecnologia differente, ad esempio quella dei mezzi di trasporto,
02:23
on a semi-log curve,
48
143260
2000
su una curva semi-logaritmica,
02:25
it would look very stupid, it would look like a flat line.
49
145260
3000
avrebbe un aspetto molto stupido, quello di una linea piatta.
02:28
But when something like this happens,
50
148260
2000
Ma quando succede una cosa come questa
02:30
things are qualitatively changing.
51
150260
2000
le cose stanno visibilmente cambiando.
02:32
So if transportation technology
52
152260
2000
Se la tecnologia dei mezzi di trasporto
02:34
was moving along as fast as microprocessor technology,
53
154260
3000
progredisse velocemente come quella dei microprocessori,
02:37
then the day after tomorrow,
54
157260
2000
allora entro un paio di giorni
02:39
I would be able to get in a taxi cab
55
159260
2000
dovrei poter salire su un taxi
02:41
and be in Tokyo in 30 seconds.
56
161260
2000
e arrivare a Tokyo in 30 secondi.
02:43
It's not moving like that.
57
163260
2000
Non si comporta così.
02:45
And there's nothing precedented
58
165260
2000
E non c'è nulla di simile,
02:47
in the history of technology development
59
167260
2000
nella storia dello sviluppo tecnologico,
02:49
of this kind of self-feeding growth
60
169260
2000
a questo tipo di crescita auto-alimentante
02:51
where you go by orders of magnitude every few years.
61
171260
3000
in cui si cresce di interi ordini di grandezza nel giro di pochi anni.
02:54
Now the question that I'd like to ask is,
62
174260
3000
Ora vorrei chiedervi,
02:57
if you look at these exponential curves,
63
177260
3000
se guardate queste curve esponenziali,
03:00
they don't go on forever.
64
180260
3000
non proseguono indefinitamente, vero?
03:03
Things just can't possibly keep changing
65
183260
3000
Le cose semplicemente non possono continuare
03:06
as fast as they are.
66
186260
2000
a cambiare così velocemente.
03:08
One of two things is going to happen.
67
188260
3000
Accadrà una di queste due cose.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
191260
4000
O si trasformeranno in curve a S abbastanza classiche come questa,
03:15
until something totally different comes along,
69
195260
4000
finché non appare qualcosa di completamente diverso,
03:19
or maybe it's going to do this.
70
199260
2000
oppure faranno una cosa così.
03:21
That's about all it can do.
71
201260
2000
È tutto quello che può succedere.
03:23
Now I'm an optimist,
72
203260
2000
Io sono un ottimista,
03:25
so I sort of think it's probably going to do something like that.
73
205260
3000
quindi penso che probabilmente seguiranno questo percorso.
03:28
If so, that means that what we're in the middle of right now
74
208260
3000
Se è così, significa che quella che stiamo attraversando proprio adesso
03:31
is a transition.
75
211260
2000
è una transizione.
03:33
We're sort of on this line
76
213260
2000
Siamo circa su questa linea
03:35
in a transition from the way the world used to be
77
215260
2000
di transizione tra come il mondo era una volta
03:37
to some new way that the world is.
78
217260
3000
a come è adesso.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
220260
3000
Vorrei chiedervi, e me lo chiedo anch'io,
03:43
is what's this new way that the world is?
80
223260
3000
com'è fatta questa nuova forma del mondo?
03:46
What's that new state that the world is heading toward?
81
226260
3000
E qual è il nuovo stato verso cui si dirige il mondo?
03:49
Because the transition seems very, very confusing
82
229260
3000
Perché la transizione sembra molto molto confusa
03:52
when we're right in the middle of it.
83
232260
2000
quando ci siamo proprio nel mezzo.
03:54
Now when I was a kid growing up,
84
234260
3000
Quando ero piccolo,
03:57
the future was kind of the year 2000,
85
237260
3000
il futuro era all'incirca nell'anno 2000,
04:00
and people used to talk about what would happen in the year 2000.
86
240260
4000
e le persone parlavano di cosa sarebbe successo nel 2000.
04:04
Now here's a conference
87
244260
2000
Ed ecco qui una conferenza
04:06
in which people talk about the future,
88
246260
2000
in cui le persone parlano del futuro,
04:08
and you notice that the future is still at about the year 2000.
89
248260
3000
dove si può notare che il futuro è ancora intorno al 2000.
04:11
It's about as far as we go out.
90
251260
2000
È il massimo a cui possiamo spingerci.
04:13
So in other words, the future has kind of been shrinking
91
253260
3000
In altre parole, il futuro si è ristretto in qualche modo
04:16
one year per year
92
256260
3000
un anno ogni anno
04:19
for my whole lifetime.
93
259260
3000
per tutta la mia vita.
04:22
Now I think that the reason
94
262260
2000
Penso che la ragione
04:24
is because we all feel
95
264260
2000
sia perché tutti abbiamo la sensazione
04:26
that something's happening there.
96
266260
2000
che qualcosa sta accadendo.
04:28
That transition is happening. We can all sense it.
97
268260
2000
La transizione sta accadendo. Possiamo sentirla tutti.
04:30
And we know that it just doesn't make too much sense
98
270260
2000
E sappiamo che non ha neanche molto senso
04:32
to think out 30, 50 years
99
272260
2000
persare 30, 50 anni in anticipo
04:34
because everything's going to be so different
100
274260
3000
perché tutto sarà così diverso
04:37
that a simple extrapolation of what we're doing
101
277260
2000
che una semplice estrapolazione di quello che stiamo facendo
04:39
just doesn't make any sense at all.
102
279260
3000
semplicemente non ha senso.
04:42
So what I would like to talk about
103
282260
2000
Quello di cui vorrei parlare
04:44
is what that could be,
104
284260
2000
è ciò che potrebbe essere,
04:46
what that transition could be that we're going through.
105
286260
3000
che aspetto potrebbe avere la transizione che stiamo attraversando.
04:49
Now in order to do that
106
289260
3000
Per fare ciò
04:52
I'm going to have to talk about a bunch of stuff
107
292260
2000
dovrò parlare di un mucchio di cose
04:54
that really has nothing to do
108
294260
2000
che non hanno niente a che fare
04:56
with technology and computers.
109
296260
2000
con tecnologia e computer.
04:58
Because I think the only way to understand this
110
298260
2000
Penso che l'unico modo di capire tutto questo
05:00
is to really step back
111
300260
2000
sia fare un passo indietro
05:02
and take a long time scale look at things.
112
302260
2000
e usare una scala di tempo molto lunga.
05:04
So the time scale that I would like to look at this on
113
304260
3000
Quindi la scala di tempo che vorrei usare è
05:07
is the time scale of life on Earth.
114
307260
3000
la scala di tempo della vita sulla Terra.
05:13
So I think this picture makes sense
115
313260
2000
Penso che questa immagine abbia senso
05:15
if you look at it a few billion years at a time.
116
315260
4000
se la si guarda a miliardi di anni per volta.
05:19
So if you go back
117
319260
2000
Se tornate indietro
05:21
about two and a half billion years,
118
321260
2000
di circa due miliardi e mezzo di anni,
05:23
the Earth was this big, sterile hunk of rock
119
323260
3000
la Terra era un enorme, sterile pezzo di roccia
05:26
with a lot of chemicals floating around on it.
120
326260
3000
con molti elementi chimici che le giravano attorno.
05:29
And if you look at the way
121
329260
2000
Se guardate al modo in cui
05:31
that the chemicals got organized,
122
331260
2000
gli elementi chimici si sono organizzati,
05:33
we begin to get a pretty good idea of how they do it.
123
333260
3000
cominciamo a farci un'idea abbastanza buona di come fanno.
05:36
And I think that there's theories that are beginning to understand
124
336260
3000
E penso ci siano teorie che stanno cominciando a capire
05:39
about how it started with RNA,
125
339260
2000
come tutto è cominciato con l'RNA,
05:41
but I'm going to tell a sort of simple story of it,
126
341260
3000
ma io vorrei raccontarvi la versione corta,
05:44
which is that, at that time,
127
344260
2000
e cioè che, a quell'epoca,
05:46
there were little drops of oil floating around
128
346260
3000
c'erano piccole gocce d'olio che galleggiavano
05:49
with all kinds of different recipes of chemicals in them.
129
349260
3000
con all'interno tutti i tipi di ricette per formare elementi chimici.
05:52
And some of those drops of oil
130
352260
2000
Alcune di queste gocce d'olio
05:54
had a particular combination of chemicals in them
131
354260
2000
contenevano una particolare combinazione di sostanza chimiche
05:56
which caused them to incorporate chemicals from the outside
132
356260
3000
che le ha spinte ad incorporare elementi chimici dall'esterno
05:59
and grow the drops of oil.
133
359260
3000
ed espandere la goccia.
06:02
And those that were like that
134
362260
2000
Quelle che si comportavano così
06:04
started to split and divide.
135
364260
2000
cominciarono a dividersi e separarsi.
06:06
And those were the most primitive forms of cells in a sense,
136
366260
3000
Quelle erano le forme più primitive di cellula, in un certo senso,
06:09
those little drops of oil.
137
369260
2000
piccole gocce d'olio.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
371260
3000
Ma quelle gocce non erano ancora vive, come diciamo adesso,
06:14
because every one of them
139
374260
2000
perché ognuna di esse
06:16
was a little random recipe of chemicals.
140
376260
2000
era una collezione casuale di elementi.
06:18
And every time it divided,
141
378260
2000
Ogni volta che si divideva
06:20
they got sort of unequal division
142
380260
3000
si aveva una sorta di spartizione non equa
06:23
of the chemicals within them.
143
383260
2000
degli elementi all'interno.
06:25
And so every drop was a little bit different.
144
385260
3000
Quindi ogni goccia era un po' diversa.
06:28
In fact, the drops that were different in a way
145
388260
2000
In effetti, le gocce che erano diverse in modo tale
06:30
that caused them to be better
146
390260
2000
da essere più adatte
06:32
at incorporating chemicals around them,
147
392260
2000
a incorporare gli elementi intorno a loro
06:34
grew more and incorporated more chemicals and divided more.
148
394260
3000
crebbero di più, incorporarono più elementi e si riprodussero di più.
06:37
So those tended to live longer,
149
397260
2000
Queste tendevano anche a vivere più a lungo,
06:39
get expressed more.
150
399260
3000
a essere espresse di più.
06:42
Now that's sort of just a very simple
151
402260
3000
Questa è solo una semplice
06:45
chemical form of life,
152
405260
2000
forma di vita chimica,
06:47
but when things got interesting
153
407260
3000
ma il momento in cui le cose si fecero interessanti
06:50
was when these drops
154
410260
2000
fu quando quelle gocce
06:52
learned a trick about abstraction.
155
412260
3000
impararono un trucco sull'astrazione.
06:55
Somehow by ways that we don't quite understand,
156
415260
3000
In un qualche modo che ancora non comprendiamo del tutto,
06:58
these little drops learned to write down information.
157
418260
3000
queste gocce impararono a scrivere le informazioni.
07:01
They learned to record the information
158
421260
2000
Impararono a registrare l'informazione,
07:03
that was the recipe of the cell
159
423260
2000
la ricetta della cellula,
07:05
onto a particular kind of chemical
160
425260
2000
su un particolare tipo di elemento chimico
07:07
called DNA.
161
427260
2000
chiamato DNA.
07:09
So in other words, they worked out,
162
429260
2000
In altre parole hanno concepito,
07:11
in this mindless sort of evolutionary way,
163
431260
3000
nel modo meccanico proprio dell'evoluzione,
07:14
a form of writing that let them write down what they were,
164
434260
3000
una forma di scrittura che gli permise di registrare ciò che erano,
07:17
so that that way of writing it down could get copied.
165
437260
3000
in modo che anche quel modo di scrivere venisse copiato.
07:20
The amazing thing is that that way of writing
166
440260
3000
La cosa fantastica è che quella forma di scrittura
07:23
seems to have stayed steady
167
443260
2000
sembra essere rimasta immutata
07:25
since it evolved two and a half billion years ago.
168
445260
2000
da quando si è evoluta due miliardi e mezzo di anni fa.
07:27
In fact the recipe for us, our genes,
169
447260
3000
La ricetta per noi, i nostri geni,
07:30
is exactly that same code and that same way of writing.
170
450260
3000
è esattamente lo stesso codice e la stessa forma di scrittura.
07:33
In fact, every living creature is written
171
453260
3000
In effetti, ogni creatura vivente è scritta
07:36
in exactly the same set of letters and the same code.
172
456260
2000
con le stesse lettere e lo stesso codice.
07:38
In fact, one of the things that I did
173
458260
2000
Ho fatto una cosa
07:40
just for amusement purposes
174
460260
2000
giusto per divertirmi un po'
07:42
is we can now write things in this code.
175
462260
2000
grazie al fatto che possiamo usare questo codice.
07:44
And I've got here a little 100 micrograms of white powder,
176
464260
6000
Ho qui 100 microgrammi di polvere bianca
07:50
which I try not to let the security people see at airports.
177
470260
4000
che cerco di non far vedere agli addetti alla sicurezza degli aeroporti.
07:54
(Laughter)
178
474260
2000
(Risate)
07:56
But this has in it --
179
476260
2000
Questa contiene...
07:58
what I did is I took this code --
180
478260
2000
quello che ho fatto è stato prendere il codice
08:00
the code has standard letters that we use for symbolizing it --
181
480260
3000
che ha lettere standard che usiamo per rappresentarlo,
08:03
and I wrote my business card onto a piece of DNA
182
483260
3000
e ho scritto il mio biglietto da visita sul DNA
08:06
and amplified it 10 to the 22 times.
183
486260
3000
e l'ho ingrandito di 10 alla ventiduesima volte.
08:09
So if anyone would like a hundred million copies of my business card,
184
489260
3000
Quindi se qualcuno volesse cento milioni di copie del mio biglietto
08:12
I have plenty for everyone in the room,
185
492260
2000
ne ho abbastanza per tutti in sala,
08:14
and, in fact, everyone in the world,
186
494260
2000
o per ogni persona al mondo,
08:16
and it's right here.
187
496260
3000
ed è proprio qui.
08:19
(Laughter)
188
499260
5000
(Risate)
08:26
If I had really been a egotist,
189
506260
2000
Se fossi stato davvero egocentrico,
08:28
I would have put it into a virus and released it in the room.
190
508260
3000
lo avrei inserito in un virus e rilasciato nella stanza.
08:31
(Laughter)
191
511260
5000
(Risate)
08:39
So what was the next step?
192
519260
2000
Qual è il prossimo passo?
08:41
Writing down the DNA was an interesting step.
193
521260
2000
Poter scrivere il DNA è stato un passo interessante.
08:43
And that caused these cells --
194
523260
2000
Questo ha permesso alle cellule
08:45
that kept them happy for another billion years.
195
525260
2000
di essere felici per un altro miliardo di anni.
08:47
But then there was another really interesting step
196
527260
2000
Ma poi c'è stato un altro passo molto importante
08:49
where things became completely different,
197
529260
3000
che ha cambiato completamente le cose:
08:52
which is these cells started exchanging and communicating information,
198
532260
3000
queste cellule hanno cominciato a scambiare informazioni e comunicare,
08:55
so that they began to get communities of cells.
199
535260
2000
cominciarono a spuntare delle comunità di cellule.
08:57
I don't know if you know this,
200
537260
2000
Non so se lo sapete,
08:59
but bacteria can actually exchange DNA.
201
539260
2000
ma i batteri possono scambiarsi il DNA.
09:01
Now that's why, for instance,
202
541260
2000
Questo è il motivo, per esempio,
09:03
antibiotic resistance has evolved.
203
543260
2000
per cui la resistenza agli antibiotici si è evoluta.
09:05
Some bacteria figured out how to stay away from penicillin,
204
545260
3000
Alcuni batteri hanno capito come resistere alla penicillina
09:08
and it went around sort of creating its little DNA information
205
548260
3000
e hanno cominciato a creare questa informazione via DNA
09:11
with other bacteria,
206
551260
2000
insieme ad altri batteri
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
553260
3000
e ora abbiamo molti batteri resistenti alla penicillina
09:16
because bacteria communicate.
208
556260
2000
perché i batteri comunicano.
09:18
Now what this communication allowed
209
558260
2000
Quello che questa comunicazione ha permesso
09:20
was communities to form
210
560260
2000
è stata la formazione di comunità
09:22
that, in some sense, were in the same boat together;
211
562260
2000
che, in un certo senso, erano sulla stessa barca,
09:24
they were synergistic.
212
564260
2000
erano sinergiche.
09:26
So they survived
213
566260
2000
Quindi sopravvivevano
09:28
or they failed together,
214
568260
2000
o scomparivano insieme,
09:30
which means that if a community was very successful,
215
570260
2000
che vuol dire che se una comunità aveva successo
09:32
all the individuals in that community
216
572260
2000
tutti gli individui in quella comunità
09:34
were repeated more
217
574260
2000
si sarebbero replicati di più
09:36
and they were favored by evolution.
218
576260
3000
e avrebbero avuto un vantaggio evolutivo.
09:39
Now the transition point happened
219
579260
2000
Il punto di transizione è stato raggiunto
09:41
when these communities got so close
220
581260
2000
quando queste comunità divennero così unite
09:43
that, in fact, they got together
221
583260
2000
che, a tutti gli effetti,
09:45
and decided to write down the whole recipe for the community
222
585260
3000
decisero di scrivere l'intera ricetta per la comunità
09:48
together on one string of DNA.
223
588260
3000
insieme, in una singola stringa di DNA.
09:51
And so the next stage that's interesting in life
224
591260
2000
Questo passo successivo interessante per la vita
09:53
took about another billion years.
225
593260
2000
richiese un altro miliardo di anni.
09:55
And at that stage,
226
595260
2000
A quel punto
09:57
we have multi-cellular communities,
227
597260
2000
abbiamo delle comunità multicellulari,
09:59
communities of lots of different types of cells,
228
599260
2000
comunità di molti tipi diversi di cellule,
10:01
working together as a single organism.
229
601260
2000
che lavorano insieme come un singolo organismo.
10:03
And in fact, we're such a multi-cellular community.
230
603260
3000
Noi siamo una comunità multicellulare di questo tipo.
10:06
We have lots of cells
231
606260
2000
Abbiamo molte cellule
10:08
that are not out for themselves anymore.
232
608260
2000
che non sono più isolate.
10:10
Your skin cell is really useless
233
610260
3000
Le cellule della pelle sono inutili
10:13
without a heart cell, muscle cell,
234
613260
2000
senza cellule cardiache, muscolari,
10:15
a brain cell and so on.
235
615260
2000
celebrali e così via.
10:17
So these communities began to evolve
236
617260
2000
Queste comunità si sono evolute
10:19
so that the interesting level on which evolution was taking place
237
619260
3000
fino al punto che il livello in cui l'evoluzione operava
10:22
was no longer a cell,
238
622260
2000
non era più quello cellulare,
10:24
but a community which we call an organism.
239
624260
3000
ma quello delle comunità che chiamiamo organismi.
10:28
Now the next step that happened
240
628260
2000
Il passo successivo avvenne
10:30
is within these communities.
241
630260
2000
all'interno di queste comunità.
10:32
These communities of cells,
242
632260
2000
Queste comunità di cellule
10:34
again, began to abstract information.
243
634260
2000
cominciarono a loro volta ad astrarre informazioni.
10:36
And they began building very special structures
244
636260
3000
Cominciarono a costruire strutture particolari
10:39
that did nothing but process information within the community.
245
639260
3000
che non facevano altro che processare informazioni nella comunità.
10:42
And those are the neural structures.
246
642260
2000
Erano strutture neurali.
10:44
So neurons are the information processing apparatus
247
644260
3000
I neuroni sono l'apparato di elaborazione delle informazioni
10:47
that those communities of cells built up.
248
647260
3000
che quelle comunità di cellule hanno costruito.
10:50
And in fact, they began to get specialists in the community
249
650260
2000
Poi cominciarono ad apparire gli specialisti nella comunità
10:52
and special structures
250
652260
2000
e strutture speciali
10:54
that were responsible for recording,
251
654260
2000
che erano responsabili di registrare,
10:56
understanding, learning information.
252
656260
3000
capire e imparare le informazioni.
10:59
And that was the brains and the nervous system
253
659260
2000
Erano il cervello e il sistema nervoso
11:01
of those communities.
254
661260
2000
di quelle comunità.
11:03
And that gave them an evolutionary advantage.
255
663260
2000
Questo diede loro un vantaggio evolutivo.
11:05
Because at that point,
256
665260
3000
Perché a quel punto,
11:08
an individual --
257
668260
3000
l'apprendimento
11:11
learning could happen
258
671260
2000
poteva avvenire
11:13
within the time span of a single organism,
259
673260
2000
nello spazio di una vita di un singolo organismo,
11:15
instead of over this evolutionary time span.
260
675260
3000
invece che al ritmo evolutivo precedente.
11:18
So an organism could, for instance,
261
678260
2000
Un organismo poteva, per esempio,
11:20
learn not to eat a certain kind of fruit
262
680260
2000
imparare a non mangiare un certo tipo di frutta
11:22
because it tasted bad and it got sick last time it ate it.
263
682260
4000
perché non era buono e l'ultima volta che l'aveva provato era stato male.
11:26
That could happen within the lifetime of a single organism,
264
686260
3000
Questo poteva avvenire nello spazio di una vita di un singolo organismo,
11:29
whereas before they'd built these special information processing structures,
265
689260
4000
mentre prima dell'avvento di queste strutture per l'elaborazione delle informazioni
11:33
that would have had to be learned evolutionarily
266
693260
2000
questo si sarebbe dovuto imparare con l'evoluzione
11:35
over hundreds of thousands of years
267
695260
3000
nell'arco di centinaia di migliaia di anni
11:38
by the individuals dying off that ate that kind of fruit.
268
698260
3000
da individui che morivano per aver mangiato quel frutto.
11:41
So that nervous system,
269
701260
2000
Quel sistema nervoso,
11:43
the fact that they built these special information structures,
270
703260
3000
il fatto di aver costruito quelle strutture speciali per le informazioni
11:46
tremendously sped up the whole process of evolution.
271
706260
3000
ha accelerato tremendamente tutto il processo evolutivo.
11:49
Because evolution could now happen within an individual.
272
709260
3000
L'evoluzione poteva avvenire all'interno di un individuo.
11:52
It could happen in learning time scales.
273
712260
3000
Poteva avvenire semplicemente imparando.
11:55
But then what happened
274
715260
2000
Poi è accaduto
11:57
was the individuals worked out,
275
717260
2000
che gli individui hanno imparato,
11:59
of course, tricks of communicating.
276
719260
2000
ovviamente, trucchi per comunicare.
12:01
And for example,
277
721260
2000
L'esempio più sofisticato
12:03
the most sophisticated version that we're aware of is human language.
278
723260
3000
che conosciamo di questi trucchi è il linguaggio umano.
12:06
It's really a pretty amazing invention if you think about it.
279
726260
3000
È un'invenzione affascinante se ci pensate.
12:09
Here I have a very complicated, messy,
280
729260
2000
Qui ho un'idea in testa, molto complicata,
12:11
confused idea in my head.
281
731260
3000
articolata e confusa.
12:14
I'm sitting here making grunting sounds basically,
282
734260
3000
Sto fermo qui praticamente grugnendo
12:17
and hopefully constructing a similar messy, confused idea in your head
283
737260
3000
e sperando di costruire un'idea simile, confusa e articolata nella vostra testa
12:20
that bears some analogy to it.
284
740260
2000
che somigli un po' alla mia.
12:22
But we're taking something very complicated,
285
742260
2000
Prendiamo qualcosa di molto complicato,
12:24
turning it into sound, sequences of sounds,
286
744260
3000
lo trasformiamo in suono, in sequenze di suoni
12:27
and producing something very complicated in your brain.
287
747260
4000
e produciamo qualcosa di molto complesso nel nostro cervello.
12:31
So this allows us now
288
751260
2000
Questo ci permette, ora,
12:33
to begin to start functioning
289
753260
2000
di cominciare ad agire
12:35
as a single organism.
290
755260
3000
come un singolo organismo.
12:38
And so, in fact, what we've done
291
758260
3000
Quello che abbiamo fatto, in pratica,
12:41
is we, humanity,
292
761260
2000
è che noi, l'umanità,
12:43
have started abstracting out.
293
763260
2000
abbiamo cominciato ad astrarci.
12:45
We're going through the same levels
294
765260
2000
Stiamo attraversando gli stessi livelli
12:47
that multi-cellular organisms have gone through --
295
767260
2000
che hanno attraversato gli organismi multicellulari,
12:49
abstracting out our methods of recording,
296
769260
3000
astraendo il nostro metodo di registrare,
12:52
presenting, processing information.
297
772260
2000
presentare ed elaborare le informazioni.
12:54
So for example, the invention of language
298
774260
2000
L'invenzione del linguaggio, per esempio,
12:56
was a tiny step in that direction.
299
776260
3000
è un piccolo passo in quella direzione.
12:59
Telephony, computers,
300
779260
2000
Telefoni, computer,
13:01
videotapes, CD-ROMs and so on
301
781260
3000
video, CD-ROM e così via
13:04
are all our specialized mechanisms
302
784260
2000
sono tutti sofisticati meccanismi
13:06
that we've now built within our society
303
786260
2000
che abbiamo costruito nella nostra società
13:08
for handling that information.
304
788260
2000
per trattare le informazioni.
13:10
And it all connects us together
305
790260
3000
E ci connettono tutti insieme
13:13
into something
306
793260
2000
in qualcosa
13:15
that is much bigger
307
795260
2000
che è molto più grande,
13:17
and much faster
308
797260
2000
più veloce,
13:19
and able to evolve
309
799260
2000
e più capace di evolvere
13:21
than what we were before.
310
801260
2000
di quanto non fosse prima.
13:23
So now, evolution can take place
311
803260
2000
Ora l'evoluzione può avere luogo
13:25
on a scale of microseconds.
312
805260
2000
nell'arco di microsecondi.
13:27
And you saw Ty's little evolutionary example
313
807260
2000
Avete visto il piccolo esempio evolutivo di Ty
13:29
where he sort of did a little bit of evolution
314
809260
2000
in cui ha applicato l'evoluzione
13:31
on the Convolution program right before your eyes.
315
811260
3000
nel programma Convolution proprio davanti a voi.
13:34
So now we've speeded up the time scales once again.
316
814260
3000
Abbiamo accelerato il progresso un'altra volta.
13:37
So the first steps of the story that I told you about
317
817260
2000
I primi passi della storia che vi ho raccontato
13:39
took a billion years a piece.
318
819260
2000
hanno richiesto un miliardo di anni ciascuno.
13:41
And the next steps,
319
821260
2000
Quelli successivi,
13:43
like nervous systems and brains,
320
823260
2000
come i sistemi nervosi e i cervelli,
13:45
took a few hundred million years.
321
825260
2000
qualche centinaio di milioni di anni.
13:47
Then the next steps, like language and so on,
322
827260
3000
I passi successivi, linguaggio e così via,
13:50
took less than a million years.
323
830260
2000
meno di un milione di anni.
13:52
And these next steps, like electronics,
324
832260
2000
Quelli seguenti, come l'elettronica,
13:54
seem to be taking only a few decades.
325
834260
2000
sembrano avvenire in pochi decenni.
13:56
The process is feeding on itself
326
836260
2000
Il processo si auto-alimenta
13:58
and becoming, I guess, autocatalytic is the word for it --
327
838260
3000
e diventa autocatalitico, credo sia questa la parola
14:01
when something reinforces its rate of change.
328
841260
3000
per qualcosa che rinforza il proprio tasso di cambiamento.
14:04
The more it changes, the faster it changes.
329
844260
3000
Più cambia, più velocemente cambia.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
847260
3000
Penso sia questo che stiamo osservando nell'esplosione della curva.
14:10
We're seeing this process feeding back on itself.
331
850260
3000
Osserviamo il processo che nutre sé stesso.
14:13
Now I design computers for a living,
332
853260
3000
Io progetto computer per lavoro
14:16
and I know that the mechanisms
333
856260
2000
e so che i meccanismi che uso
14:18
that I use to design computers
334
858260
3000
per progettare i computer
14:21
would be impossible
335
861260
2000
sarebbe impossibile
14:23
without recent advances in computers.
336
863260
2000
senza i recenti progressi fatti dai computer.
14:25
So right now, what I do
337
865260
2000
In questo momento,
14:27
is I design objects at such complexity
338
867260
3000
progetto oggetti di tale complessità
14:30
that it's really impossible for me to design them in the traditional sense.
339
870260
3000
che sarebbe impossibile progettarli in modo tradizionale.
14:33
I don't know what every transistor in the connection machine does.
340
873260
4000
Io non so esattamente cosa faccia ogni singolo transistor.
14:37
There are billions of them.
341
877260
2000
Ce ne sono miliardi.
14:39
Instead, what I do
342
879260
2000
Invece, ciò che io
14:41
and what the designers at Thinking Machines do
343
881260
3000
e i progettisti a Thinking Machine facciamo
14:44
is we think at some level of abstraction
344
884260
2000
è pensare ad un certo livello di astrazione,
14:46
and then we hand it to the machine
345
886260
2000
poi passiamo la palla alla macchina
14:48
and the machine takes it beyond what we could ever do,
346
888260
3000
e questa si spinge più in là di quanto mai potremmo noi,
14:51
much farther and faster than we could ever do.
347
891260
3000
più lontano e più velocemente di quanto potremmo noi.
14:54
And in fact, sometimes it takes it by methods
348
894260
2000
Qualche volta lo fa persino usando metodi
14:56
that we don't quite even understand.
349
896260
3000
che non capiamo del tutto.
14:59
One method that's particularly interesting
350
899260
2000
Un metodo che trovo molto interessante
15:01
that I've been using a lot lately
351
901260
3000
e che di recente ho usato spesso
15:04
is evolution itself.
352
904260
2000
è l'evoluzione stessa.
15:06
So what we do
353
906260
2000
Quello che facciamo
15:08
is we put inside the machine
354
908260
2000
è inserire nella macchina
15:10
a process of evolution
355
910260
2000
un processo di evoluzione
15:12
that takes place on the microsecond time scale.
356
912260
2000
che si svolge in microsecondi.
15:14
So for example,
357
914260
2000
Per esempio,
15:16
in the most extreme cases,
358
916260
2000
nei casi più estremi,
15:18
we can actually evolve a program
359
918260
2000
possiamo far evolvere un programma
15:20
by starting out with random sequences of instructions.
360
920260
4000
partendo da sequenze casuali di istruzioni.
15:24
Say, "Computer, would you please make
361
924260
2000
Chiediamo al computer di creare
15:26
a hundred million random sequences of instructions.
362
926260
3000
cento milioni di sequenze casuali di istruzioni.
15:29
Now would you please run all of those random sequences of instructions,
363
929260
3000
Poi di eseguire tutte quelle sequenze casuali,
15:32
run all of those programs,
364
932260
2000
eseguire quei programmi,
15:34
and pick out the ones that came closest to doing what I wanted."
365
934260
3000
e scegliere quelle che si avvicinano di più a quello che cercavo.
15:37
So in other words, I define what I wanted.
366
937260
2000
In altre parole, io decido cosa voglio.
15:39
Let's say I want to sort numbers,
367
939260
2000
Diciamo che voglio ordinare dei numeri,
15:41
as a simple example I've done it with.
368
941260
2000
un esempio semplice che ho usato.
15:43
So find the programs that come closest to sorting numbers.
369
943260
3000
Poi trovo i programmi che si avvicinano di più all'ordinare i numeri.
15:46
So of course, random sequences of instructions
370
946260
3000
Ovviamente, è molto improbabile che
15:49
are very unlikely to sort numbers,
371
949260
2000
istruzioni casuali riescano a ordinare numeri,
15:51
so none of them will really do it.
372
951260
2000
quindi nessuna sequenza lo fa davvero.
15:53
But one of them, by luck,
373
953260
2000
Ma una di esse, per puro caso,
15:55
may put two numbers in the right order.
374
955260
2000
potrebbe mettere due numeri nell'ordine giusto.
15:57
And I say, "Computer,
375
957260
2000
Allora dico al computer
15:59
would you please now take the 10 percent
376
959260
3000
di prendere il 10 percento delle sequenze casuali
16:02
of those random sequences that did the best job.
377
962260
2000
che hanno fatto il lavoro migliore.
16:04
Save those. Kill off the rest.
378
964260
2000
Salviamo quelle ed eliminiamo il resto.
16:06
And now let's reproduce
379
966260
2000
Poi riproduciamo
16:08
the ones that sorted numbers the best.
380
968260
2000
quelle che hanno ordinato meglio i numeri.
16:10
And let's reproduce them by a process of recombination
381
970260
3000
E le riproduciamo tramite un processo di ricombinazione
16:13
analogous to sex."
382
973260
2000
analogo al sesso.
16:15
Take two programs and they produce children
383
975260
3000
Prendete due programmi, essi produrranno figli
16:18
by exchanging their subroutines,
384
978260
2000
scambiandosi le subroutine,
16:20
and the children inherit the traits of the subroutines of the two programs.
385
980260
3000
e i figli erediteranno i tratti delle subroutine dei due programmi.
16:23
So I've got now a new generation of programs
386
983260
3000
Ecco che ho una nuova generazione di programmi
16:26
that are produced by combinations
387
986260
2000
che sono prodotti dalla combinazione
16:28
of the programs that did a little bit better job.
388
988260
2000
dei programmi che hanno fatto il lavoro migliore.
16:30
Say, "Please repeat that process."
389
990260
2000
Ripetiamo il processo.
16:32
Score them again.
390
992260
2000
Valutiamo di nuovo.
16:34
Introduce some mutations perhaps.
391
994260
2000
Magari introduciamo qualche mutazione.
16:36
And try that again and do that for another generation.
392
996260
3000
Riproviamo per un'altra generazione.
16:39
Well every one of those generations just takes a few milliseconds.
393
999260
3000
Ognuna di quelle generazioni richiede qualche millisecondo.
16:42
So I can do the equivalent
394
1002260
2000
Posso replicare l'equivalente
16:44
of millions of years of evolution on that
395
1004260
2000
di milioni di anni di evoluzione su quei programmi
16:46
within the computer in a few minutes,
396
1006260
3000
all'interno del computer in pochi minuti,
16:49
or in the complicated cases, in a few hours.
397
1009260
2000
o in poche ore nei casi più complicati.
16:51
At the end of that, I end up with programs
398
1011260
3000
Alla fine del processo avrò dei programmi
16:54
that are absolutely perfect at sorting numbers.
399
1014260
2000
che saranno perfetti nell'ordinare i numeri.
16:56
In fact, they are programs that are much more efficient
400
1016260
3000
E sono programmi molto più efficienti
16:59
than programs I could have ever written by hand.
401
1019260
2000
di qualsiasi programma scritto a mano.
17:01
Now if I look at those programs,
402
1021260
2000
Se guardo questi programmi,
17:03
I can't tell you how they work.
403
1023260
2000
non so dirvi come funzionino.
17:05
I've tried looking at them and telling you how they work.
404
1025260
2000
Ho provato a capire come funzionino.
17:07
They're obscure, weird programs.
405
1027260
2000
Sono programmi oscuri, strani.
17:09
But they do the job.
406
1029260
2000
Ma fanno il lavoro.
17:11
And in fact, I know, I'm very confident that they do the job
407
1031260
3000
Sono certo che faranno il lavoro
17:14
because they come from a line
408
1034260
2000
perché vengono da una dinastia
17:16
of hundreds of thousands of programs that did the job.
409
1036260
2000
di centinaia di migliaia di programmi che lo hanno fatto.
17:18
In fact, their life depended on doing the job.
410
1038260
3000
In effetti, la loro vita dipendeva dal fare il lavoro.
17:21
(Laughter)
411
1041260
4000
(Risate)
17:26
I was riding in a 747
412
1046260
2000
Una volta ero su un jumbo
17:28
with Marvin Minsky once,
413
1048260
2000
con Marvin Minsky,
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1050260
3000
lui tira fuori un biglietto ed esclama: "Guarda qui!
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1053260
4000
Dice 'Questo aereo è composto da migliaia di piccole parti
17:37
working together to make you a safe flight.'
416
1057260
4000
che lavorano insieme per farvi volare sicuri.'
17:41
Doesn't that make you feel confident?"
417
1061260
2000
Ti fa sentire davvero sicuro?"
17:43
(Laughter)
418
1063260
2000
(Risate)
17:45
In fact, we know that the engineering process doesn't work very well
419
1065260
3000
Sappiamo che l'ingegneria non funziona proprio perfettamente
17:48
when it gets complicated.
420
1068260
2000
quando diventa complicata.
17:50
So we're beginning to depend on computers
421
1070260
2000
Quindi stiamo cominciando a dipendere dai computer
17:52
to do a process that's very different than engineering.
422
1072260
4000
per processi che sono molto diversi dall'ingegneria.
17:56
And it lets us produce things of much more complexity
423
1076260
3000
Questo ci permette di produrre oggetti di complessità molto maggiore
17:59
than normal engineering lets us produce.
424
1079260
2000
di quanto ci permetterebbe la normale ingegneria.
18:01
And yet, we don't quite understand the options of it.
425
1081260
3000
Ma non capiamo perfettamente tutte le opzioni.
18:04
So in a sense, it's getting ahead of us.
426
1084260
2000
In un certo senso stiamo correndo troppo.
18:06
We're now using those programs
427
1086260
2000
Ora stiamo usando quei programmi
18:08
to make much faster computers
428
1088260
2000
per creare computer ancora più veloci
18:10
so that we'll be able to run this process much faster.
429
1090260
3000
che eseguiranno quel processo ancora più velocemente.
18:13
So it's feeding back on itself.
430
1093260
3000
Si sta autoalimentando.
18:16
The thing is becoming faster
431
1096260
2000
Il processo sta diventando più veloce
18:18
and that's why I think it seems so confusing.
432
1098260
2000
e penso sia questo che ce lo fa sembrare confuso.
18:20
Because all of these technologies are feeding back on themselves.
433
1100260
3000
È il fatto che tutte queste tecnologie si autoalimentano.
18:23
We're taking off.
434
1103260
2000
Stiamo decollando.
18:25
And what we are is we're at a point in time
435
1105260
3000
E siamo ad un punto della storia
18:28
which is analogous to when single-celled organisms
436
1108260
2000
che è analogo a quando gli organismi unicellulari
18:30
were turning into multi-celled organisms.
437
1110260
3000
stavano diventando organismi multicellulari.
18:33
So we're the amoebas
438
1113260
2000
Siamo le amebe
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1115260
3000
che non riescono a capire bene che diamine stiamo creando.
18:38
We're right at that point of transition.
440
1118260
2000
Siamo in quel punto preciso della transizione.
18:40
But I think that there really is something coming along after us.
441
1120260
3000
Penso che ci sia davvero qualcosa che verrà dopo di noi.
18:43
I think it's very haughty of us
442
1123260
2000
Credo sia molto arrogante da parte nostra
18:45
to think that we're the end product of evolution.
443
1125260
3000
crederci il prodotto finale dell'evoluzione.
18:48
And I think all of us here
444
1128260
2000
E penso che tutti noi qui
18:50
are a part of producing
445
1130260
2000
abbiamo un ruolo nel produrre
18:52
whatever that next thing is.
446
1132260
2000
qualunque cosa sia quello che viene dopo di noi.
18:54
So lunch is coming along,
447
1134260
2000
Penso anche che sia ora di pranzo,
18:56
and I think I will stop at that point,
448
1136260
2000
quindi mi fermerò a questo punto,
18:58
before I get selected out.
449
1138260
2000
prima di essere rimosso.
19:00
(Applause)
450
1140260
3000
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7