Computing a theory of everything | Stephen Wolfram

מתרגם: Michael Kogan מבקר: Ido Dekkers

So I want to talk today about an idea. It's a big idea.

ובכן, היום אני רוצה לדבר על רעיון. זה רעיון גדול.

Actually, I think it'll eventually

למען האמת, אני חושב שבסופו של דבר

be seen as probably the single biggest idea

הוא ייחשב לרעיון הגדול היחיד

that's emerged in the past century.

שהגיח במאה האחרונה.

It's the idea of computation.

זהו רעיון החישוביות.

Now, of course, that idea has brought us

כמובן הרעיון הזה הביא לנו

all of the computer technology we have today and so on.

את כל טכנולוגית המחשב שיש לנו כיום, וכו'.

But there's actually a lot more to computation than that.

אך למעשה יש בחישוביות הרבה מעבר לכך.

It's really a very deep, very powerful, very fundamental idea,

זה באמת רעיון עמוק מאד, רב עוצמה, ובסיסי מאד,

whose effects we've only just begun to see.

שאת השפעתו אנו רק מתחילים לראות.

Well, I myself have spent the past 30 years of my life

ובכן, אני עצמי העברתי את 30 השנה האחרונות מחיי

working on three large projects

בעבודה על שלושה פרויקטים גדולים

that really try to take the idea of computation seriously.

אשר באמת מנסים לקחת את רעיון החישוביות ברצינות.

So I started off at a young age as a physicist

אז התחלתי בצעירותי כפיסיקאי

using computers as tools.

והשתמשתי במחשבים ככלי.

Then, I started drilling down,

ואז התחלתי לצלול יותר עמוק

thinking about the computations I might want to do,

ולחשוב על חישובים שאולי הייתי רוצה לעשות,

trying to figure out what primitives they could be built up from

תוך כדי חיפוש אחר האלמנטים שיכולים להרכיב אותם

and how they could be automated as much as possible.

וכיצד ניתן למכן אותם ככל האפשר.

Eventually, I created a whole structure

בסופו של דבר יצרתי מבנה שלם

based on symbolic programming and so on

המבוסס על תיכנות סימבולי וכו'

that let me build Mathematica.

וזה איפשר לי לבנות Mathematica.

And for the past 23 years, at an increasing rate,

ובמשך 23 השנים האחרונות, בקצב הולך וגובר,

we've been pouring more and more ideas

הכנסנו יותר ויותר רעיונות

and capabilities and so on into Mathematica,

ויכולות וכו' לתוך Mathematica,

and I'm happy to say that that's led to many good things

ואני שמח לומר שזה הוביל להרבה דברים טובים

in R & D and education,

במחקר ופיתוח ובחינוך,

lots of other areas.

בהמון תחומים אחרים.

Well, I have to admit, actually,

ובכן, עליי להודות שלמעשה

that I also had a very selfish reason for building Mathematica:

היתה לי סיבה מאד אנוכית לבנית Mathematica.

I wanted to use it myself,

רציתי להשתמש בה בעצמי,

a bit like Galileo got to use his telescope

קצת כמו גלילאו השתמש בטלסקופ שלו

400 years ago.

לפני 400 שנה.

But I wanted to look not at the astronomical universe,

רק שאני רציתי להביט לא על היקום האסטרונומי

but at the computational universe.

אלא על היקום החישובי.

So we normally think of programs as being

אם כן, אנו בדרך כלל חושבים על תכניות מחשב כעל

complicated things that we build

דברים מורכבים שאנו בונים

for very specific purposes.

לצרכים מסויימים מאד.

But what about the space of all possible programs?

אך מה לגבי מרחב כל התכניות האפשריות?

Here's a representation of a really simple program.

הנה ייצוג של תכנית ממש פשוטה.

So, if we run this program,

אז אם נריץ את התכנית

this is what we get.

הנה מה שנקבל.

Very simple.

מאד פשוט.

So let's try changing the rule

כעת בואו ננסה לשנות טיפה את הכלל

for this program a little bit.

עבור תכנית זו.

Now we get another result,

כעת נקבל תוצאה אחרת,

still very simple.

עדיין מאד פשוטה.

Try changing it again.

נסו לשנות זאת שוב.

You get something a little bit more complicated.

תקבלו משהו מעט יותר מורכב,

But if we keep running this for a while,

אך אם נמשיך להריץ זאת זמן מה

we find out that although the pattern we get is very intricate,

נגלה כי למרות שנתבנית שאנו מקבלים היא מאד מורכבת

it has a very regular structure.

היא בעלת מבנה מאד רגיל.

So the question is: Can anything else happen?

אז השאלה היא: האם משהו אחר יכול לקרות?

Well, we can do a little experiment.

ובכן, אנו יכולים לבצע ניסוי קטן.

Let's just do a little mathematical experiment, try and find out.

בואו רק נעשה ניסוי מתמטי קטן, ננסה ונראה.

Let's just run all possible programs

בואו רק נריץ את כל התכניות האפשריות

of the particular type that we're looking at.

מהסוג המסוים אותו אנו בוחנים.

They're called cellular automata.

הם נקראים אוטומט תאי.

You can see a lot of diversity in the behavior here.

ניתן לראות כאן הרבה שונות בהתנהגות.

Most of them do very simple things,

רובן עושות דברים פשוטים מאד.

but if you look along all these different pictures,

אך אם תסתכלו בין כל התמונות השונות הללו

at rule number 30,

בכלל מספר 30

you start to see something interesting going on.

תתחילו לראות משהו מעניין שקורה כאן.

So let's take a closer look

אז בואו נתבונן מקרוב

at rule number 30 here.

בכלל מספר 30 כאן.

So here it is.

אז הנה זה בא.

We're just following this very simple rule at the bottom here,

אנו רק מבצעים את הכלל הפשוט הזה כאן למטה

but we're getting all this amazing stuff.

אך אנו מקבלים את כל הדברים המדהימים הללו.

It's not at all what we're used to,

זה ממש לא מה שאנו רגילים אליו

and I must say that, when I first saw this,

ואני חייב לומר שכאשר ראיתי זאת לראשונה

it came as a huge shock to my intuition.

זה היה הלם לאינטואיציה שלי,

And, in fact, to understand it,

ולמעשה, כדי להבין זאת

I eventually had to create

נאלצתי בסופו של דבר ליצור

a whole new kind of science.

מדע חדש לגמרי.

(Laughter)

.

This science is different, more general,

מדע זה הוא שונה, כללי יותר

than the mathematics-based science that we've had

מאשר מדע מבוסס מתמטיקה שהיה לנו

for the past 300 or so years.

במשך 300 ומשהו שנים אחרונות.

You know, it's always seemed like a big mystery:

אתם יודעים, זה תמיד נראה כמו מסתורין גדול -

how nature, seemingly so effortlessly,

כיצד הטבע, כאילו ללא מאמץ

manages to produce so much

מצליח ליצור דברים כה רבים

that seems to us so complex.

שנראים לנו כה מורכבים.

Well, I think we've found its secret:

ובכן, אני סבור שמצאנו את סודו.

It's just sampling what's out there in the computational universe

העניין הוא רק לדגום את מה שקיים ביקום החישובי

and quite often getting things like Rule 30

ובתדירות די גבוהה לקבל דברים כמו כלל 30

or like this.

או כמו זה.

And knowing that starts to explain

והידיעה הזאת מתחילה להסביר

a lot of long-standing mysteries in science.

הרבה תעלומות עתיקות יומין במדע.

It also brings up new issues, though,

אך זה גם מביא בעיות חדשות

like computational irreducibility.

כגון אי יכולת צימצום חישובית.

I mean, we're used to having science let us predict things,

הכוונה, אנו רגילים לכך שמדע מאפשר לנו לחזות דברים

but something like this

אך משהו כמו זה

is fundamentally irreducible.

עקרונית אינו ניתן לצמצום.

The only way to find its outcome

הדרך היחידה לגלות את תוצאתו

is, effectively, just to watch it evolve.

היא למעשה רק תוך התבוננות בהתפתחותו.

It's connected to, what I call,

זה מחובר למה שאני קורא

the principle of computational equivalence,

העיקרון של שקילות חישובית,

which tells us that even incredibly simple systems

אשר אומר שאפילו מערכות פשוטות ביותר

can do computations as sophisticated as anything.

יכולות לבצע חישובים מורכבים לאין ערוך.

It doesn't take lots of technology or biological evolution

זה לא לוקח הרבה טכנולוגיה או אבולוציה ביולוגית

to be able to do arbitrary computation;

להיות מסוגל לבצע חישובים שרירותיים,

just something that happens, naturally,

זה רק משהו שקורה, באופן טבעי,

all over the place.

בכל מקום.

Things with rules as simple as these can do it.

דברים עם כללים פשוטים כגון אלה יכולים לעשות זאת.

Well, this has deep implications

ובכן, לכך יש השלכות מרחיקות לכת

about the limits of science,

על גבולות המדע,

about predictability and controllability

על יכולת חיזוי ויכולת בקרה

of things like biological processes or economies,

של דברים כמו תהליכים ביולוגיים או כלכלות,

about intelligence in the universe,

על תבונה ביקום,

about questions like free will

על שאלות כמו רצון חופשי

and about creating technology.

ועל יצירת טכנולוגיה.

You know, in working on this science for many years,

אתם יודעים, בזמן שעבדתי על המדע הזה במשך הרבה שנים

I kept wondering,

כל הזמן תהיתי

"What will be its first killer app?"

"מה תהיה "האפליקציה המוצלחת" הראשונה שלו?"

Well, ever since I was a kid,

ובכן, מאז שהייתי ילד

I'd been thinking about systematizing knowledge

חשבתי על כיצד להפוך ידע לשיטתי

and somehow making it computable.

ואיך שהוא להופכו לבר חישוב.

People like Leibniz had wondered about that too

אנשים כמו לייבניץ גם תהו על כך

300 years earlier.

300 שנה קודם לכן.

But I'd always assumed that to make progress,

אך תמיד הנחתי כי כדי להתקדם

I'd essentially have to replicate a whole brain.

עקרונית הייתי חייב לשכפל מוח שלם.

Well, then I got to thinking:

ובכן, אז התחלתי לחשוב:

This scientific paradigm of mine suggests something different --

הפרדיגמה המדעית הזאת שלי מציעה משהו שונה.

and, by the way, I've now got

ודרך אגב, יש לי כרגע

huge computation capabilities in Mathematica,

יכולות חישוביות אדירות ב-Mathematica,

and I'm a CEO with some worldly resources

ואני מנכ"ל עם די משאבים

to do large, seemingly crazy, projects --

לבצע פרוייקטים גדולים ולכאורה מטורפים.

So I decided to just try to see

אז החלטתי פשוט לנסות ולראות

how much of the systematic knowledge that's out there in the world

כמה מתוך הידע השיטתי שקיים בעולם

we could make computable.

ניתן לעשות בר חישוב.

So, it's been a big, very complex project,

ובכן, זה היה פרויקט גדול ומאד מורכב

which I was not sure was going to work at all.

אשר לא הייתי בטוח שבכלל יעבוד.

But I'm happy to say it's actually going really well.

אך אני שמח לבשר כי הוא דווקא הולך לא רע.

And last year we were able

ובשנה שעברה הצלחנו

to release the first website version

לשחרר גרסה ראשונה של אתר האינטרנט

of Wolfram Alpha.

של וולפרם אלפא.

Its purpose is to be a serious knowledge engine

מטרתו הוא להוות מנוע ידע רציני

that computes answers to questions.

אשר מחשב תשובות לשאלות.

So let's give it a try.

אז בואו וננסה אותו.

Let's start off with something really easy.

בואו נתחיל במשהו ממש קל.

Hope for the best.

בואו נקווה לטוב.

Very good. Okay.

טוב מאד. אוקיי.

So far so good.

עד עכשיו הכל טוב.

(Laughter)

(צחוק)

Let's try something a little bit harder.

בואו ננסה משהו קצת יותר קשה.

Let's do

בוא נגיד...

some mathy thing,

הבה נעשה קצת דברים מתמטיים

and with luck it'll work out the answer

ועם קצת מזל זה יחשב את התשובה

and try and tell us some interesting things

וינסה לומר לנו כמה דברים מעניינים -

things about related math.

נושאים מתמטיים קשורים.

We could ask it something about the real world.

אנו יכולים לשאול אותו משהו על העולם האמיתי.

Let's say -- I don't know --

בואו נאמר -- לא יודע --

what's the GDP of Spain?

מהו התל"ג של ספרד?

And it should be able to tell us that.

וזה אמור להיות מסוגל לומר לנו זאת.

Now we could compute something related to this,

כעת אנו יכולים לחשב משהו שקשור לזה,

let's say ... the GDP of Spain

בואו נאמר התל"ג של ספרד

divided by, I don't know,

מחולק ב-לא יודע-

the -- hmmm ...

ה-המממ...

let's say the revenue of Microsoft.

בואו נאמר ההכנסות של מיקרוסופט.

(Laughter)

.

The idea is that we can just type this in,

הרעיון הוא שאנו פשוט יכולים להקליד את זה,

this kind of question in, however we think of it.

מין שאלה כזאת בכל דרך שאנו חושבים עליה.

So let's try asking a question,

אז הבה ננסה לשאול שאלה,

like a health related question.

כמו שאלה בנושא בריאות.

So let's say we have a lab finding that ...

אז בואו נאמר שיש לנו תוצאת מעבדה שאומרת

you know, we have an LDL level of 140

שאתם יודעים -- יש לנו LDL ברמה של 140

for a male aged 50.

אצל גבר בגיל 50.

So let's type that in, and now Wolfram Alpha

אז בואו נקליד את זה, וכעת וולפרם אלפא

will go and use available public health data

ילך וישתמש בנתוני בריאות הציבור שקיימים

and try and figure out

וינסה לגלות

what part of the population that corresponds to and so on.

לאיזה חלק מהאוכלוסיה זה מתאים וכו'.

Or let's try asking about, I don't know,

או הבה ננסה לשאול על, לא יודע,

the International Space Station.

תחנת החלל הבינלאומית.

And what's happening here is that

ומה שקורה כאן הוא

Wolfram Alpha is not just looking up something;

שוולפרם אלפא אינו רק מחפש משהו;

it's computing, in real time,

הוא מחשב, בזמן אמת,

where the International Space Station is right now at this moment,

היכן נמצאת תחנת החלל הבינלאומית כעת, ברגע זה,

how fast it's going, and so on.

מה מהירותה וכו'.

So Wolfram Alpha knows about lots and lots of kinds of things.

אם כן, וולפרם אלפא יודע המון המון מיני דברים.

It's got, by now,

עד עתה הוא השיג

pretty good coverage of everything you might find

כיסוי די טוב של כל מה שניתן למצוא

in a standard reference library.

בספריה סטנדרטית וכו'.

But the goal is to go much further

אך המטרה היא ללכת הרבה מעבר לכך

and, very broadly, to democratize

ובאופן כללי להביא להמונים

all of this knowledge,

את כל הידע הזה

and to try and be an authoritative

ולנסות להוות מקור מהימן

source in all areas.

בכל התחומים,

To be able to compute answers to specific questions that people have,

להיות מסוגל לחשב תשובות לשאלות ספציפיות שיש לאנשים,

not by searching what other people

לא על ידי חיפוש מה שאחרים

may have written down before,

אולי כתבו קודם,

but by using built in knowledge

אלא על ידי שימוש בידע מובנה

to compute fresh new answers to specific questions.

על מנת לחשב תשובות חדשות וטריות לשאלות ספציפיות.

Now, of course, Wolfram Alpha

כמובן שוולפרם אלפא

is a monumentally huge, long-term project

הוא פרויקט ענק וארוך טווח

with lots and lots of challenges.

עם המון אתגרים.

For a start, one has to curate a zillion

ראשית, צריך לגשת לאין סוף

different sources of facts and data,

מקורות שונים של עובדות ונתונים

and we built quite a pipeline of Mathematica automation

ובנינו חתיכת פייפליין של אוטומציה של Mathematica

and human domain experts for doing this.

ומומחים אנושיים לצורך זה.

But that's just the beginning.

אך זוהי רק ההתחלה.

Given raw facts or data

בהינתן עובדות או נתונים גולמיים

to actually answer questions,

על מנת באמת לענות על שאלות

one has to compute:

צריך לחשב,

one has to implement all those methods and models

צריך לממש את כל השיטות והמודלים

and algorithms and so on

והאלגוריתמים הללו וכו'

that science and other areas have built up over the centuries.

שהמדע ושאר התחומים בנו לאורך מאות בשנים.

Well, even starting from Mathematica,

ובכן, אפילו אם מתחילים ב-Mathematica

this is still a huge amount of work.

זאת עדיין כמות עצומה של עבודה.

So far, there are about 8 million lines

בינתיים, נכתבו בערך 8 מליון שורות

of Mathematica code in Wolfram Alpha

קוד של Mathematica בוולפרם אלפא

built by experts from many, many different fields.

שנבנו על ידי מומחים מהרבה הרבה תחומים שונים.

Well, a crucial idea of Wolfram Alpha

ובכן, הרעיון המרכזי של וולפרם אלפא

is that you can just ask it questions

הוא שאפשר פשוט לשאול אותו שאלות

using ordinary human language,

תוך שימוש בשפה אנושית רגילה

which means that we've got to be able to take

כלומר אנו צריכים להיות מסוגלים לקחת

all those strange utterances that people type into the input field

את כל הביטויים המוזרים שאנשים מקלידים בשדה הקלט

and understand them.

ולהבין אותם.

And I must say that I thought that step

ואני מוכרח לומר שאני חשבתי שצעד זה

might just be plain impossible.

הוא פשוט בבחינת בלתי אפשרי.

Two big things happened:

קרו שני דברים גדולים.

First, a bunch of new ideas about linguistics

ראשית, כמה רעיונות חדשים על בלשנות

that came from studying the computational universe;

שנבעו מחקר היקום החישובי.

and second, the realization that having actual computable knowledge

ושנית, ההכרה כי רכישת ידע בר חישוב

completely changes how one can

משנה לגמרי את הדרך בה

set about understanding language.

ניתן לטפל בהבנת שפה.

And, of course, now

וכמובן, כעת

with Wolfram Alpha actually out in the wild,

כשוולפרם אלפא משוחרר לחופשי

we can learn from its actual usage.

אנו יכולים ללמוד מדרך השימוש המעשית בו.

And, in fact, there's been

ולמעשה, היינו עדים

an interesting coevolution that's been going on

להתפתחות מקבילה שקרתה

between Wolfram Alpha

בין וולפרם אלפא

and its human users,

לבין המשתמשים האנושיים שלו.

and it's really encouraging.

וזה ממש מעודד.

Right now, if we look at web queries,

ברגע זה, אם נסתכל על שאילתות אינטרנט

more than 80 percent of them get handled successfully the first time.

יותר מ-80 אחוז מהן מטופלות בהצלחה בפעם הראשונה.

And if you look at things like the iPhone app,

ואם מסתכלים בדברים כמו אפליקציות אייפון

the fraction is considerably larger.

החלק היחסי הוא גדול משמעותית.

So, I'm pretty pleased with it all.

אז אני די מרוצה עם כל זה.

But, in many ways,

אך בהרבה מובנים

we're still at the very beginning with Wolfram Alpha.

אנו עדיין בראשית דרכינו עם וולפרם אלפא.

I mean, everything is scaling up very nicely

כוונתי, הכל גדל בצורה מאד נחמדה.

and we're getting more confident.

אנו הולכים וצוברים בטחון.

You can expect to see Wolfram Alpha technology

ניתן לצפות שנראה את הטכנולוגיה של וולפרם אלפא

showing up in more and more places,

מופיעה ביותר ויותר מקומות

working both with this kind of public data, like on the website,

תוך כדי עבודה עם נתונים ציבוריים כמו אלה שבאתר האינטרנט

and with private knowledge

וגם עם ידע פרטי

for people and companies and so on.

בשביל אנשים, חברות וכו'.

You know, I've realized that Wolfram Alpha actually gives one

אתם יודעים, הגעתי למסקנה שוולפרם אלפא למעשה נותנת

a whole new kind of computing

מין יכולת חישובית חדשה לגמרי

that one can call knowledge-based computing,

שאפשר לקרוא לה חישוביות מבוססת ידע

in which one's starting not just from raw computation,

שבה מתחילים לא רק מחישוב טהור

but from a vast amount of built-in knowledge.

אלא מכמות עצומה של ידע מובנה.

And when one does that, one really changes

וכשעושים זאת למעשה משנים

the economics of delivering computational things,

את הכלכלה של אספקת דברים חישוביים

whether it's on the web or elsewhere.

בין אם זה ברשת אן בכל מקום אחר.

You know, we have a fairly interesting situation right now.

אתם יודעים, יש לנו מצב די מעניין כעת.

On the one hand, we have Mathematica,

מחד גיסא יש לנו את Mathematica

with its sort of precise, formal language

עם שפתה הרשמית והמדוייקת

and a huge network

ורשת עצומה

of carefully designed capabilities

של יכולות מתוכננות היטב

able to get a lot done in just a few lines.

שמסוגלות לעשות הרבה בכמה שורות קוד.

Let me show you a couple of examples here.

בואו נראה כמה דוגמאות.

So here's a trivial piece of Mathematica programming.

אז הנה פיסה טריויאלית של תכנית ב-Mathematica.

Here's something where we're sort of

הנה משהו שבו אנו כאילו

integrating a bunch of different capabilities here.

משלבים כמה יכולות שונות כאן.

Here we'll just create, in this line,

כאן אנו פשוט ניצור בשורה הזאת

a little user interface that allows us to

ממשק משתמש קטן שמאפשרת לנו

do something fun there.

לעשות משהו כיפי כאן.

If you go on, that's a slightly more complicated program

אם נמשיך, זוהי תכנית מעט יותר מורכבת

that's now doing all sorts of algorithmic things

שכעת מבצעת כל מיני דברים אלגוריתמיים

and creating user interface and so on.

ויוצרת ממשק משתמש וכו'.

But it's something that is very precise stuff.

אבל זה משהו שהוא מאד מדויק.

It's a precise specification with a precise formal language

זהו אפיון מדויק עם שפה מדוייקת ורשמית

that causes Mathematica to know what to do here.

שגורמת ל-Mathematica לדעת מה לעשות כאן.

Then on the other hand, we have Wolfram Alpha,

ואז, מאידך גיסא יש לנו את וולפרם אלפא

with all the messiness of the world

עם כל אי הסדר של העולם

and human language and so on built into it.

ושפה אנושית וכו' מובנים לתוכה.

So what happens when you put these things together?

אז מה קורה כאשר מחברים את שני הדברים?

I think it's actually rather wonderful.

אני חושב שזה למעשה די נפלא.

With Wolfram Alpha inside Mathematica,

עם וולפרם אלפא בתוך Mathematica

you can, for example, make precise programs

אפשר למשל ליצור תכניות מדוייקות

that call on real world data.

שמשתמשות בנתונים מהעולם האמיתי.

Here's a real simple example.

הנה דוגמה ממש פשוטה.

You can also just sort of give vague input

אפשר גם פשוט לתת קלט מעורפל

and then try and have Wolfram Alpha

ואז לתת לוולפרם אלפא

figure out what you're talking about.

לגלות על מה מדובר.

Let's try this here.

בואו ננסה זאת כאן.

But actually I think the most exciting thing about this

אך למעשה אני חושב שהדבר המלהיב ביותר בהקשר הזה

is that it really gives one the chance

הוא שזה באמת נותן סיכוי

to democratize programming.

להביא את התיכנות להמונים.

I mean, anyone will be able to say what they want in plain language.

כלומר כל אחד יוכל פשוט לומר מה הם רוצים בשפה רגילה

Then, the idea is that Wolfram Alpha will be able to figure out

ואז הרעיון הוא שוולפרם אלפא יוכל לגלות

what precise pieces of code

אילו פיסות קוד בדיוק

can do what they're asking for

תהינה מסוגלות לבצע את מה שהם מבקשים,

and then show them examples that will let them pick what they need

ואז להראות להם דוגמאות שתאפשרנה להם לבחור את מה שהם צריכים

to build up bigger and bigger, precise programs.

כדי לבנות תכניות מדויקות הולכות וגדלות.

So, sometimes, Wolfram Alpha

אז לעיתים וולפרם אלפא

will be able to do the whole thing immediately

יוכל לעשות את כל זה מיד

and just give back a whole big program that you can then compute with.

ופשוט להחזיר תכנית אחת גדולה שאיתה ניתן לחשב.

Here's a big website

אז הנה אתר אינטרנט גדול

where we've been collecting lots of educational

שבו אספנו המון הדגמות חינוכיות

and other demonstrations about lots of kinds of things.

ואחרות על כל מיני דברים:

I'll show you one example here.

אז, לא יודע, אולי אראה לכם כאן דוגמה אחת.

This is just an example of one of these computable documents.

זוהי רק דוגמה של אחד המסמכים ברי החישוב הללו.

This is probably a fairly small

זהו כנראה פיסה יחסית קטנה

piece of Mathematica code

של קוד ב-Mathematica

that's able to be run here.

שאפשר להריץ כאן.

Okay. Let's zoom out again.

אוקיי. בוא נעשה זום-אאוט שוב.

So, given our new kind of science,

אז בהינתן המדע מהסוג החדש שלנו

is there a general way to use it to make technology?

האם יש דרך כללית להשתמש בה לייצור טכנולוגיה?

So, with physical materials,

ובכן, בהקשר לחומרים פיסיים

we're used to going around the world

אנחנו רגילים להסתובב בעולם

and discovering that particular materials

ולגלות שחומרים מסויימים

are useful for particular

שימושיים למטרות טכנולוגיות

technological purposes.

מסויימות וכו'.

Well, it turns out we can do very much the same kind of thing

ובכן, מתברר שאנו יכולים לעשות דבר מאד דומה

in the computational universe.

ביקום החישובי.

There's an inexhaustible supply of programs out there.

ישנו היצע בלתי נדלה של תכניות בעולם.

The challenge is to see how to

האתגר הוא לראות כיצד

harness them for human purposes.

לרתום אותן למטרות של האנושות.

Something like Rule 30, for example,

משהו כמו כלל 30 לדוגמה

turns out to be a really good randomness generator.

מתברר כמחולל ממש טוב של מספרים אקראיים.

Other simple programs are good models

תכניות פשוטות אחרות הן מודלים טובים

for processes in the natural or social world.

לתהליכים בעולם הטבעי או החברתי.

And, for example, Wolfram Alpha and Mathematica

ולדוגמה וולפרם אלפא ו-Mathematica

are actually now full of algorithms

הם כיום מלאים באלגוריתמים

that we discovered by searching the computational universe.

אותם גילינו על ידי סריקת היקום החישובי.

And, for example, this -- if we go back here --

ולדוגמה זה -- אנו חוזרים כאן לאחור --

this has become surprisingly popular

זה, באופן מפתיע, נהיה פופולרי

among composers

בקרב מלחינים

finding musical forms by searching the computational universe.

שמצאו צורות מוסיקליות תוך כדי חיפוש ביקום החישובי.

In a sense, we can use the computational universe

במובן מסוים אנו יכולים להשתמש ביקום החישובי

to get mass customized creativity.

להשגת יצירתיות המותאמת להמונים.

I'm hoping we can, for example,

אני מקווה שאנו נוכל למשל

use that even to get Wolfram Alpha

להשתמש בכך אפילו כדי לגרום לוולפרם אלפא

to routinely do invention and discovery on the fly,

לעשות דרך קבע המצאות וגילויים תוך כדי עבודה

and to find all sorts of wonderful stuff

ולמצוא כל מיני דברים נפלאים

that no engineer

שאף מהנדס

and no process of incremental evolution would ever come up with.

ואף תהליך של אבולוציה הדרגתית לעולם לא יוכלו להשיג.

Well, so, that leads to kind of an ultimate question:

ובכן, זה מוביל למין שאלה אולטימטיבית.

Could it be that someplace out there in the computational universe

האם ייתכן שאי שם במרחבי היקום החישובי

we might find our physical universe?

נוכל למצוא את היקום הפיסי?

Perhaps there's even some quite simple rule,

ייתכן שישנו אפילו כלל די פשוט,

some simple program for our universe.

תכנית די פשוטה ליקום שלנו.

Well, the history of physics would have us believe

ובכן, ההיסטוריה של הפיסיקה אולי גרמה לנו להאמין

that the rule for the universe must be pretty complicated.

כי הכלל ליקום הוא משהו מאד מורכב.

But in the computational universe,

אבל ביקום החישובי

we've now seen how rules that are incredibly simple

ראינו הרגע כיצד כללים פשוטים להפליא

can produce incredibly rich and complex behavior.

יכולים ליצור התנהגות עשירה ומורכבת להפליא.

So could that be what's going on with our whole universe?

אז האם ייתכן שזה מה שקורה עם כל היקום שלנו?

If the rules for the universe are simple,

אם הכללים של היקום פשוטים

it's kind of inevitable that they have to be

אזי זה בלתי נמנע שהם חייבים להיות

very abstract and very low level;

מאד אבסטרקטיים ומאד בסיסיים,

operating, for example, far below

שפועלים למשל הרבה מתחת

the level of space or time,

לרמת מרחב או זמן -

which makes it hard to represent things.

דבר שמקשה על יצוג דברים.

But in at least a large class of cases,

אך לפחות בקבוצה גדולה של מקרים

one can think of the universe as being

ניתן לחשוב על היקום כמשהו

like some kind of network,

כמו מין רשת

which, when it gets big enough,

אשר כשהיא גדלה די הצורך

behaves like continuous space

היא מתחילה להתנהג כמו מרחב רציף

in much the same way as having lots of molecules

בצורה מאד דומה למולקולות שכשמספרן רב

can behave like a continuous fluid.

הן יכולות להתנהג כמו נוזל רציף.

Well, then the universe has to evolve by applying

ואם כך, אז היקום חייב להתפתח על ידי הפעלת

little rules that progressively update this network.

כללים קטנים אשר בהדרגה מעדכנים רשת זו.

And each possible rule, in a sense,

וכל כלל אפשרי, במובן מסוים,

corresponds to a candidate universe.

מתאים להיות מועמד ליקום.

Actually, I haven't shown these before,

למען האמת לא הראיתי את אלה לפני כן,

but here are a few of the candidate universes

אך הנה מספר מועמדים להוות יקום

that I've looked at.

שהסתכלתי עליהם.

Some of these are hopeless universes,

כמה מהם הם יקומים חסרי תקווה,

completely sterile,

סטריליים לחלוטין,

with other kinds of pathologies like no notion of space,

עם פתולוגיות אחרות כגון חוסר מרחב,

no notion of time, no matter,

חוסר זמן, חוסר חומר,

other problems like that.

בעיות אחרות דומות.

But the exciting thing that I've found in the last few years

אבל הדבר המלהיב הוא שבשנים האחרונות גיליתי

is that you actually don't have to go very far

כי אין צורך ללכת רחוק

in the computational universe

ביקום החישובי

before you start finding candidate universes

כדי למצוא מועמדים להוות יקום

that aren't obviously not our universe.

אשר אינם בבירור לא היקום שלנו.

Here's the problem:

והרי הבעיה:

Any serious candidate for our universe

כל מועמד להוות את היקום שלנו

is inevitably full of computational irreducibility.

הוא באופן בלתי נמנע גדוש באי יכולת צימצום חישובית

Which means that it is irreducibly difficult

שמשמעו שקשה, ללא אפשרות לצמצם קושי זה,

to find out how it will really behave,

לגלות כיצד הוא באמת יתנהג,

and whether it matches our physical universe.

והאם הוא תואם ליקום הפיסי שלנו.

A few years ago, I was pretty excited to discover

לפני מספר שנים התרגשתי לגלות

that there are candidate universes with incredibly simple rules

כי ישנם מועמדים להיות יקום עם כללים פשוטים להפליא

that successfully reproduce special relativity,

אשר משחזרים בהצלחה את תורת היחסות הפרטית

and even general relativity and gravitation,

ואף את תורת היחסות הכללית וגרביטציה

and at least give hints of quantum mechanics.

ולפחות נותנים רמזים על מכניקת הקוואנטים.

So, will we find the whole of physics?

אז האם נמצא את הפיסיקה בשלמותה?

I don't know for sure,

איני יודע בוודאות.

but I think at this point it's sort of

אך אני סבור שבשלב זה זה כמעט

almost embarrassing not to at least try.

מביך שלא לנסות לפחות.

Not an easy project.

לא פרויקט קל.

One's got to build a lot of technology.

צריך לפתח המון טכנולוגיות.

One's got to build a structure that's probably

צריך לפתח מבנה אשר כפי הנראה

at least as deep as existing physics.

עמוק לפחות כמו הפיסיקה של היום.

And I'm not sure what the best way to organize the whole thing is.

ואיני בטוח מהי הדרך הטובה ביותר לארגן את כל הדבר הזה.

Build a team, open it up, offer prizes and so on.

לבנות צוות, להאיץ אותו קדימה, להציע פרסים וכו'.

But I'll tell you, here today,

אך אומר לכם כאן היום

that I'm committed to seeing this project done,

כי אני מחוייב לראות את הפרויקט הזה מגיע לסיומו,

to see if, within this decade,

לראות אם בתוך עשור

we can finally hold in our hands

נוכל סוף סוף להחזיק בידינו

the rule for our universe

את הכלל עבור היקום שלנו

and know where our universe lies

ולדעת היכן נמצא היקום שלנו

in the space of all possible universes ...

במרחב כל היקומים האפשריים --

and be able to type into Wolfram Alpha, "the theory of the universe,"

ולהיות מסוגל להקליד לתוך וולפרם אלפא "תורת היקום"

and have it tell us.

ושהוא יענה.

(Laughter)

(צחוק)

So I've been working on the idea of computation

אם כן, עבדתי על רעיון החישוביות

now for more than 30 years,

זה למעלה מ-30 שנה

building tools and methods and turning intellectual ideas

ובניתי כלים ושיטות והפכתי רעיונות אינטלקטואליים

into millions of lines of code

למיליוני שורות קוד

and grist for server farms and so on.

חצץ לחוות שרתים וכו'.

With every passing year,

עם כל שנה שעוברת

I realize how much more powerful

אני מבין עד כמה רב עוצמה

the idea of computation really is.

הוא הרעיון של חישוביות.

It's taken us a long way already,

הוא כבר לקח אותנו דרך ארוכה

but there's so much more to come.

אך יש כל כך הרבה שעוד בדרך.

From the foundations of science

החל מאבני יסוד של מדע

to the limits of technology

עבור לגבולות הטכנולוגיה

to the very definition of the human condition,

וכלה בהגדרה של המצב האנושי,

I think computation is destined to be

אני סבור כי חישוביות נועדה להיות

the defining idea of our future.

הרעיון המגדיר של העתיד.

Thank you.

תודה לכם.

(Applause)

(מחיאות כפיים)

Chris Anderson: That was astonishing.

זה היה מדהים.

Stay here. I've got a question.

הישאר כאן. יש לי שאלה.

(Applause)

(מחיאות כפיים)

So, that was, fair to say, an astonishing talk.

זה היה, צריך לומר, הרצאה מדהימה.

Are you able to say in a sentence or two

האם תוכל לומר במשפט או שניים

how this type of thinking

כיצד סוג זה של חשיבה

could integrate at some point

יכולה בשלב כלשהו להשתלב

to things like string theory or the kind of things that people think of

בדברים כמו תורת המיתרים או דברים שאנשים מחשיבים

as the fundamental explanations of the universe?

כהסברים בסיסיים של היקום?

Stephen Wolfram: Well, the parts of physics

ובכן, חלקים של פיסיקה

that we kind of know to be true,

שאנו כאילו יודעים שהם נכונים,

things like the standard model of physics:

דברים כמו המודל הסטנדרטי של הפיסיקה.

what I'm trying to do better reproduce the standard model of physics

מה שאני מנסה לעשות טוב יותר לשחזר את המודל הסטנדרטי של הפיסיקה

or it's simply wrong.

או שהוא פשוט שגוי.

The things that people have tried to do in the last 25 years or so

הדברים שאנשים ניסו לעשות ב-25 השנים האחרונות

with string theory and so on

עם תורת המיתרים וכו'

have been an interesting exploration

היוו חקירה מעניינת

that has tried to get back to the standard model,

שניסתה לחזור למודל הסטנדרטי

but hasn't quite gotten there.

אך לא ממש הצליח להגיע לכך.

My guess is that some great simplifications of what I'm doing

הניחוש שלי הוא שכמה הפשטות רציניות של מה שאני עושה

may actually have considerable resonance

עשויים למעשה לעורר תהודה לא מבוטלת

with what's been done in string theory,

עם מה שנעשה בתורת המיתרים,

but that's a complicated math thing

אך זהו דבר מתמטי מורכב

that I don't yet know how it's going to work out.

שאיני יודע עוד כיצד יסתיים.

CA: Benoit Mandelbrot is in the audience.

בנואה מנדלברוט נמצא בקהל.

He also has shown how complexity

גם הוא הראה כיצד מורכבות

can arise out of a simple start.

יכולה להתפתח מהתחלה פשוטה.

Does your work relate to his?

האם עבודתך קשורה לזה?

SW: I think so.

אני חושב שכן.

I view Benoit Mandelbrot's work

אני רואה בעבודתו של בנואה מנדלברוט

as one of the founding contributions

כאחד התרומות היסודיות

to this kind of area.

לתחום שכזה.

Benoit has been particularly interested

בנואה התעניין במיוחד

in nested patterns, in fractals and so on,

בתבניות מקוננות, בפרקטלים וכו'

where the structure is something

שם המבנה הוא משהו

that's kind of tree-like,

דמוי עץ,

and where there's sort of a big branch that makes little branches

וששם יש מין ענף גדול שממנו יוצאים ענפים קטנים

and even smaller branches and so on.

ואף ענפים קטנים יותר וכו'.

That's one of the ways

זוהי אחת הדרכים

that you get towards true complexity.

שבה ניתן להתקרב למורכבות אמיתית.

I think things like the Rule 30 cellular automaton

אני חושב שדברים כמו אוטומט תאי המבוסס על כלל 30

get us to a different level.

יביא אותנו לרמה אחרת.

In fact, in a very precise way, they get us to a different level

למעשה, בדרך מאד מדויקת הם מביאים אותנו לרמה אחרת

because they seem to be things that are

משום שנדמה כי הם הדברים

capable of complexity

אשר ביכולתם להיות מורכבים

that's sort of as great as complexity can ever get ...

שזה משהו שהכי גדול שמורכבות יכולה להיות...

I could go on about this at great length, but I won't. (Laughter) (Applause)

אני יכול להרחיב על זה עד מאד, אך לא אעשה זאת.

CA: Stephen Wolfram, thank you.

סטפן וולפרם, תודה לך.

(Applause)

(מחיאות כפיים)