How to take a picture of a black hole | Katie Bouman

3,361,362 views ・ 2017-04-28

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

מתרגם: Assaf Linial מבקר: Roni Ravia
00:13
In the movie "Interstellar,"
0
13436
1860
בסרט ׳בין כוכבים׳,
00:15
we get an up-close look at a supermassive black hole.
1
15320
3327
זוכים למבט מקרוב על חור שחור על-מסיבי.
00:18
Set against a backdrop of bright gas,
2
18671
2143
על גבי רקע של גז זוהר,
00:20
the black hole's massive gravitational pull
3
20838
2118
כוח הכבידה העצום של החור השחור
00:22
bends light into a ring.
4
22980
1435
מכופף את האור לטבעת.
00:24
However, this isn't a real photograph,
5
24439
2109
אבל, זו אינה תמונה אמיתית,
00:26
but a computer graphic rendering --
6
26572
1786
אלא גרפיקה ממוחשבת -
00:28
an artistic interpretation of what a black hole might look like.
7
28382
3390
פירוש אומנותי לאופן בו עשוי להיראות חור שחור.
00:32
A hundred years ago,
8
32401
1166
לפני מאה שנים,
00:33
Albert Einstein first published his theory of general relativity.
9
33591
3601
אלברט איינשטיין פרסם לראשונה את תיאורית היחסות הכללית שלו.
00:37
In the years since then,
10
37216
1439
בשנים שעברו מאז,
00:38
scientists have provided a lot of evidence in support of it.
11
38679
2973
מדענים סיפקו הרבה עדויות שתומכות בה.
00:41
But one thing predicted from this theory, black holes,
12
41676
3084
אבל דבר אחד שהתיאוריה הזו חזתה, חורים שחורים,
00:44
still have not been directly observed.
13
44784
2350
עדין לא נצפה ישירות.
למרות שיש לנו איזשהו רעיון לגבי איך חור שחור עשוי להיראות
00:47
Although we have some idea as to what a black hole might look like,
14
47158
3206
00:50
we've never actually taken a picture of one before.
15
50388
2779
מעולם לא צילמנו תמונה של אחד.
00:53
However, you might be surprised to know that that may soon change.
16
53191
4279
למרות זאת, אולי תופתעו לדעת שזה עומד להשתנות בקרוב.
00:57
We may be seeing our first picture of a black hole in the next couple years.
17
57494
4164
ייתכן שנראה תמונה ראשונה של חור שחור בשנתיים הקרובות.
01:01
Getting this first picture will come down to an international team of scientists,
18
61682
3958
קבלת התמונה הראשונה הזאת תלויה בצוות בינלאומי של מדענים,
01:05
an Earth-sized telescope
19
65664
1567
טלסקופ בגודל כדור הארץ
01:07
and an algorithm that puts together the final picture.
20
67255
2832
ואלגוריתם שמחבר את התמונה הסופית.
למרות שלא אוכל להראות לכם היום תמונה אמיתית של חור שחור
01:10
Although I won't be able to show you a real picture of a black hole today,
21
70111
3528
01:13
I'd like to give you a brief glimpse into the effort involved
22
73663
2911
הייתי רוצה לתת לכם הצצה למאמץ שמושקע
01:16
in getting that first picture.
23
76598
1613
לשם קבלת תמונה זו.
01:19
My name is Katie Bouman,
24
79477
1437
קוראים לי קייטי באומן,
01:20
and I'm a PhD student at MIT.
25
80938
2566
ואני דוקטורנטית ב-MIT.
01:23
I do research in a computer science lab
26
83528
2027
אני עורכת מחקר במעבדת מדעי-המחשב
01:25
that works on making computers see through images and video.
27
85579
3298
שבה מתכנתים מחשבים לאמת תמונות ווידאו.
01:28
But although I'm not an astronomer,
28
88901
2162
אבל למרות שאני לא אסטרונומית,
היום אני רוצה להראות לכם
01:31
today I'd like to show you
29
91087
1285
01:32
how I've been able to contribute to this exciting project.
30
92396
2903
איך תרמתי לפרוייקט המרגש הזה.
01:35
If you go out past the bright city lights tonight,
31
95323
2831
אם תתרחקו מאורות העיר הלילה
אולי יתמזל מזלכם ותראו נוף מדהים
01:38
you may just be lucky enough to see a stunning view
32
98178
2436
01:40
of the Milky Way Galaxy.
33
100638
1493
של גלקסיית שביל החלב.
ואם נוכל לעשות זום מעבר למיליוני כוכבים
01:42
And if you could zoom past millions of stars,
34
102155
2462
01:44
26,000 light-years toward the heart of the spiraling Milky Way,
35
104641
3755
במרחק 26,000 שנות אור לכיוון מרכז גלקסיית שביל החלב הספירלית,
01:48
we'd eventually reach a cluster of stars right at the center.
36
108420
3521
נגיע בסופו של דבר לאוסף של כוכבים ממש במרכז.
01:51
Peering past all the galactic dust with infrared telescopes,
37
111965
3206
כשהם מציצים מבעד לאבק הגלקטי עם טלסקופים אינפרא-אדומים,
01:55
astronomers have watched these stars for over 16 years.
38
115195
3867
אסטרונומים צפו בכוכבים האלה במשך יותר מ-16 שנים.
אבל הדבר המדהים ביותר הוא דווקא מה שלא ראו.
01:59
But it's what they don't see that is the most spectacular.
39
119086
3589
02:02
These stars seem to orbit an invisible object.
40
122699
3066
נראה שהכוכבים האלה חגים סביב לעצם בלתי נראה.
02:05
By tracking the paths of these stars,
41
125789
2323
על ידי מעקב אחרי מסלולי תנועתם של כוכבים אלה,
אסטרונומים הסיקו
02:08
astronomers have concluded
42
128136
1294
02:09
that the only thing small and heavy enough to cause this motion
43
129454
3129
שהדבר הקטן היחיד שכבד מספיק כדי לגרום לתנועה שכזו
02:12
is a supermassive black hole --
44
132607
1968
הוא חור שחור על-מסיבי -
02:14
an object so dense that it sucks up anything that ventures too close --
45
134599
4178
אובייקט בעל צפיפות מאוד גבוהה, השואב כל דבר שמתקרב אליו -
02:18
even light.
46
138801
1494
אפילו אור.
02:20
But what happens if we were to zoom in even further?
47
140319
3061
אבל מה קורה עם נוכל להמשיך לעשות זום?
02:23
Is it possible to see something that, by definition, is impossible to see?
48
143404
4733
האם אפשר לראות משהו שהוא, בהגדרה, בלתי-נראה?
02:28
Well, it turns out that if we were to zoom in at radio wavelengths,
49
148719
3244
מסתבר שאם נעשה זום באורך גל רדיו, [סימולציה של חור-שחור]
02:31
we'd expect to see a ring of light
50
151987
1682
נצפה לראות טבעת של אור
02:33
caused by the gravitational lensing of hot plasma
51
153693
2411
שנגרמת על ידי עידוש כבידתי של פלזמה רותחת
שנעה במהירות סביב החור השחור.
02:36
zipping around the black hole.
52
156128
1829
02:37
In other words,
53
157981
1160
במילים אחרות,
החור השחור מטיל צל על הרקע של החומר הזרחני,
02:39
the black hole casts a shadow on this backdrop of bright material,
54
159165
3171
02:42
carving out a sphere of darkness.
55
162360
1842
ויוצר כדור של חשכה.
02:44
This bright ring reveals the black hole's event horizon,
56
164226
3339
הטבעת הזרחנית חושפת את אופק האירועים של החור השחור,
02:47
where the gravitational pull becomes so great
57
167589
2400
איפה שכח הכבידה הוא כל כך עצום
שאפילו אור לא יכול להימלט.
02:50
that not even light can escape.
58
170013
1626
02:51
Einstein's equations predict the size and shape of this ring,
59
171663
2859
המשוואות של איינשטיין חוזות את הצורה והגודל של טבעת זו,
02:54
so taking a picture of it wouldn't only be really cool,
60
174546
3208
אז לא רק שיהיה ממש מגניב אם נצליח לצלם אותה,
02:57
it would also help to verify that these equations hold
61
177778
2618
אלא גם נוכל לוודא שהמשוואות האלה נכונות
03:00
in the extreme conditions around the black hole.
62
180420
2466
גם בתנאים הקיצוניים שסביב החור השחור.
03:02
However, this black hole is so far away from us,
63
182910
2558
אבל, החור השחור הזה כל-כך רחוק מאיתנו
03:05
that from Earth, this ring appears incredibly small --
64
185492
3098
שמכדור הארץ הטבעת הזו נראית ממש קטנטנה -
03:08
the same size to us as an orange on the surface of the moon.
65
188614
3590
כגודלו של תפוז על פני הירח.
03:12
That makes taking a picture of it extremely difficult.
66
192758
2824
וזה אומר שלצלם אותה זה קשה מאוד.
03:16
Why is that?
67
196645
1302
למה?
03:18
Well, it all comes down to a simple equation.
68
198512
3188
ובכן, הכל מסתכם למשוואה אחת פשוטה
03:21
Due to a phenomenon called diffraction,
69
201724
2416
בגלל תופעה שנקראת עקיפה,
יש ערך מוגבל
03:24
there are fundamental limits
70
204164
1355
03:25
to the smallest objects that we can possibly see.
71
205543
2670
לגודל האובייקט הקטן ביותר שאפשר לראות
03:28
This governing equation says that in order to see smaller and smaller,
72
208789
3672
המשוואה הכללית אומרת שכדי לראות משהו קטן יותר ויותר,
03:32
we need to make our telescope bigger and bigger.
73
212485
2587
אנחנו צריכים לבנות טלסקופים גדולים יותר ויותר.
אבל אפילו עם הטלסקופ האופטי החזק ביותר על כדור הארץ,
03:35
But even with the most powerful optical telescopes here on Earth,
74
215096
3069
03:38
we can't even get close to the resolution necessary
75
218189
2419
אנחנו לא יכולים להתקרב אפילו לרזולוציה שדרושה
03:40
to image on the surface of the moon.
76
220632
2198
כדי לצלם תמונה על פני הירח.
03:42
In fact, here I show one of the highest resolution images ever taken
77
222854
3617
למעשה, כאן אני מראה את אחת התמונות עם הרזולוציה הגבוהה ביותר שצולמו אי פעם
03:46
of the moon from Earth.
78
226495
1397
של הירח מכדור הארץ.
03:47
It contains roughly 13,000 pixels,
79
227916
2557
היא מכילה בערך 13,000 פיקסלים,
03:50
and yet each pixel would contain over 1.5 million oranges.
80
230497
4050
ועדיין בכל פיקסל יכנסו יותר ממיליון וחצי תפוזים
03:55
So how big of a telescope do we need
81
235396
1972
אז איזה גודל של טלסקופ אנחנו צריכים
03:57
in order to see an orange on the surface of the moon
82
237392
2765
כדי לראות תפוז על פני הירח
04:00
and, by extension, our black hole?
83
240181
2214
או את החור השחור שלנו?
04:02
Well, it turns out that by crunching the numbers,
84
242419
2340
מסתבר שאם עושים את החשבון
04:04
you can easily calculate that we would need a telescope
85
244783
2610
אפשר לחשב בקלות שנצטרך
04:07
the size of the entire Earth.
86
247417
1393
טלסקופ בגודל כדור הארץ כולו.
04:08
(Laughter)
87
248834
1024
[צחוק]
04:09
If we could build this Earth-sized telescope,
88
249882
2119
ואם נוכל לבנות טלסקופ בגודל כדור הארץ
נוכל רק להתחיל להבחין בטבעת האור הייחודית הזו
04:12
we could just start to make out that distinctive ring of light
89
252025
2925
04:14
indicative of the black hole's event horizon.
90
254974
2183
שמעידה על אופק האירועים של החור השחור.
04:17
Although this picture wouldn't contain all the detail we see
91
257181
2918
למרות שהתמונה הזו לא תכיל את כל הפרטים שאנו רואים
בתמונת גרפיקה ממוחשבת,
04:20
in computer graphic renderings,
92
260123
1506
04:21
it would allow us to safely get our first glimpse
93
261653
2299
היא תאפשר לנו הצצה ראשונית
04:23
of the immediate environment around a black hole.
94
263976
2487
לסביבה הקרובה ביותר לחור השחור.
04:26
However, as you can imagine,
95
266487
1613
למרות זאת, כפי שניתן לשער,
בניית טלסקופ צלחת בגודל כדור הארץ הינה בלתי אפשרית.
04:28
building a single-dish telescope the size of the Earth is impossible.
96
268124
3624
04:31
But in the famous words of Mick Jagger,
97
271772
1887
אבל במילותיו הידועות של מיק ג'אגר,
04:33
"You can't always get what you want,
98
273683
1791
"לא תמיד תוכל להשיג את מה שאתה רוצה,
04:35
but if you try sometimes, you just might find
99
275498
2187
״אבל אם תנסה לפעמים, אולי תגלה
04:37
you get what you need."
100
277709
1215
״שתשיג את מה שאתה צריך."
04:38
And by connecting telescopes from around the world,
101
278948
2464
ועל ידי חיבור טלסקופים מרחבי לעולם,
04:41
an international collaboration called the Event Horizon Telescope
102
281436
3538
שיתוף פעולה בין-לאומי שנקרא טלסקופ אופק האירועים,
04:44
is creating a computational telescope the size of the Earth,
103
284998
3109
יוצר טלסקופ חישובי בגודל כדור-הארץ,
שמסוגל להגיע לרזולוציה טובה
04:48
capable of resolving structure
104
288131
1537
04:49
on the scale of a black hole's event horizon.
105
289692
2199
עבור אובייקט בסדר גודל של אופק האירועים של חור שחור.
04:51
This network of telescopes is scheduled to take its very first picture
106
291915
3387
מערכת טלסקופים זו אמורה לצלם את התמונה הראשונה שלה
04:55
of a black hole next year.
107
295326
1815
של חור שחור בשנה הבאה.
כל טלסקופ ברשת העולמית מסונכרן לאחרים.
04:57
Each telescope in the worldwide network works together.
108
297165
3338
05:00
Linked through the precise timing of atomic clocks,
109
300527
2712
בתזמון מדויק של שעון אטומי,
05:03
teams of researchers at each of the sites freeze light
110
303263
2657
צוותי מדענים בכל אתר מקפיאים את האור
05:05
by collecting thousands of terabytes of data.
111
305944
2962
על ידי איסוף של אלפי טרה-בייטים של מידע.
05:08
This data is then processed in a lab right here in Massachusetts.
112
308930
5017
מידע זה מעובד בהמשך כאן במעבדה במסצ'וסטס.
05:13
So how does this even work?
113
313971
1794
אז איך זה עובד?
05:15
Remember if we want to see the black hole in the center of our galaxy,
114
315789
3403
זכרו שאם רוצים לראות את החור השחור במרכז הגלקסיה שלנו,
05:19
we need to build this impossibly large Earth-sized telescope?
115
319216
2982
צריך לבנות טלסקופ עצום בגודל כדור הארץ.
05:22
For just a second, let's pretend we could build
116
322222
2232
אז רק לשנייה, בואו נעמיד פנים שנוכל לבנות
05:24
a telescope the size of the Earth.
117
324478
1842
טלסקופ בגודל כדור הארץ.
05:26
This would be a little bit like turning the Earth
118
326344
2455
זה יהיה קצת כמו להפוך את כדור הארץ
05:28
into a giant spinning disco ball.
119
328823
1747
לכדור מראות ענק מסתובב.
05:30
Each individual mirror would collect light
120
330594
2200
כל מראה תאסוף אור
05:32
that we could then combine together to make a picture.
121
332818
2597
שאז נוכל לשלב יחד לבניית תמונה.
05:35
However, now let's say we remove most of those mirrors
122
335439
2661
עכשיו בואו נגיד שאנחנו מסירים את רוב המראות האלה
כך שישארו רק מעט.
05:38
so only a few remained.
123
338124
1972
עדיין נוכל לנסות לשלב יחד את כל המידע הזה,
05:40
We could still try to combine this information together,
124
340120
2877
אבל עכשיו יש בו הרבה חורים.
05:43
but now there are a lot of holes.
125
343021
1993
המראות הנותרות האלה מציינות את המקומות בהם יש לנו טלסקופים.
05:45
These remaining mirrors represent the locations where we have telescopes.
126
345038
4373
05:49
This is an incredibly small number of measurements to make a picture from.
127
349435
4079
זה מספר קטן מידי של מדידות כדי לבנות ממנו תמונה.
05:53
But although we only collect light at a few telescope locations,
128
353538
3838
אבל למרות שאנחנו אוספים אור רק במעט מקומות,
05:57
as the Earth rotates, we get to see other new measurements.
129
357400
3423
כשכדור הארץ מסתובב, אנחנו רואים מדידות חדשות.
06:00
In other words, as the disco ball spins, those mirrors change locations
130
360847
3819
במילים אחרות, כשכדור המראות מסתובב, המראות משנות את מיקומן
06:04
and we get to observe different parts of the image.
131
364690
2899
ואנחנו רואים חלקים אחרים בתמונה.
06:07
The imaging algorithms we develop fill in the missing gaps of the disco ball
132
367613
4018
האלגוריתמים שאנחנו מפתחים ממלאים את החללים החסרים בכדור המראות
06:11
in order to reconstruct the underlying black hole image.
133
371655
3033
כדי לבנות מחדש את תמונת החור השחור.
06:14
If we had telescopes located everywhere on the globe --
134
374712
2636
אם היו לנו טלסקופים בכל מקום על פני כדור הארץ --
06:17
in other words, the entire disco ball --
135
377372
1941
במילים אחרות, את כדור המראות בשלמותו --
06:19
this would be trivial.
136
379337
1284
זה היה קל.
06:20
However, we only see a few samples, and for that reason,
137
380645
3322
אבל, יש לנו רק כמה דגימות, ולכן,
06:23
there are an infinite number of possible images
138
383991
2388
יש מספר אינסופי של תמונות אפשריות
06:26
that are perfectly consistent with our telescope measurements.
139
386403
2964
שמתאימות לחלוטין למדידות הטלסקופים שלנו.
06:29
However, not all images are created equal.
140
389391
3016
אבל, לא כל התמונות דומות.
06:32
Some of those images look more like what we think of as images than others.
141
392849
4458
חלק מהתמונות האלה נראות יותר כמו תמונה מאשר אחרות.
06:37
And so, my role in helping to take the first image of a black hole
142
397331
3222
וכך, העזרה שלי בצילום התמונה הראשונה של חור שחור
06:40
is to design algorithms that find the most reasonable image
143
400577
2932
היא בעיצוב אלגוריתמים שמוצאים את התמונה הסבירה ביותר
06:43
that also fits the telescope measurements.
144
403533
2222
שגם מתאימה למדידות הטלסקופים.
06:46
Just as a forensic sketch artist uses limited descriptions
145
406727
3942
כמו שצייר קלסתרונים משטרתי משתמש בתיאורים חלקיים
06:50
to piece together a picture using their knowledge of face structure,
146
410693
3514
כדי לבנות תמונה תוך כדי שימוש בידע שלו על מבנה פנים,
06:54
the imaging algorithms I develop use our limited telescope data
147
414231
3315
האלגוריתמים של ההדמיה שאני מפתחת משתמשים במידע החלקי מהטלסקופים
06:57
to guide us to a picture that also looks like stuff in our universe.
148
417570
4322
כדי לכוון אותנו לתמונה שנראית כמו משהו מהיקום שלנו.
07:01
Using these algorithms, we're able to piece together pictures
149
421916
3651
תוך שימוש באלגוריתמים האלה, אנחנו יכולים להרכיב תמונות
07:05
from this sparse, noisy data.
150
425591
2180
מהמידע הדל והרועש הזה.
07:07
So here I show a sample reconstruction done using simulated data,
151
427795
4529
אז הנה דוגמה לשחזור שנעשה על ידי שימוש במידע מדומה,
07:12
when we pretend to point our telescopes
152
432348
1933
כשאנו מעמידים פנים שכיוונו את הטלסקופים
07:14
to the black hole in the center of our galaxy.
153
434305
2585
לחור השחור במרכז הגלקסיה שלנו.
07:16
Although this is just a simulation, reconstruction such as this give us hope
154
436914
4455
למרות שזו רק הדמיה, שחזור כזה נותן לנו תקווה
07:21
that we'll soon be able to reliably take the first image of a black hole
155
441393
3453
שבקרוב נוכל לצלם את התמונה האמינה הראשונה של חור שחור
07:24
and from it, determine the size of its ring.
156
444870
2595
וממנה, לקבוע את גודל הטבעת שלו.
למרות שהייתי שמחה להמשיך לפרט על האלגוריתם הזה,
07:28
Although I'd love to go on about all the details of this algorithm,
157
448118
3199
07:31
luckily for you, I don't have the time.
158
451341
2174
למזלכם, אין לי זמן.
07:33
But I'd still like to give you a brief idea
159
453539
2001
אבל עדיין הייתי רוצה לתת לכם מושג
07:35
of how we define what our universe looks like,
160
455564
2302
על האופן בו אנו מגדירים איך נראה היקום שלנו,
07:37
and how we use this to reconstruct and verify our results.
161
457890
4466
ואיך אנחנו משתמשים בזה כדי לשחזר ולאמת את התוצאות שלנו.
07:42
Since there are an infinite number of possible images
162
462380
2496
מכיוון שיש מספר אינסופי של תמונות אפשריות
07:44
that perfectly explain our telescope measurements,
163
464900
2365
שמסבירות בדיוק את מדידות הטלסקופים,
07:47
we have to choose between them in some way.
164
467289
2605
אנחנו חייבים לבחור ביניהן בדרך כלשהי.
07:49
We do this by ranking the images
165
469918
1838
אנחנו עושים את זה על ידי דירוג התמונות
07:51
based upon how likely they are to be the black hole image,
166
471780
2834
על פי הסבירות שתמונה זו היא של החור השחור,
07:54
and then choosing the one that's most likely.
167
474638
2482
ואז בחירה של התמונה הכי סבירה.
אז למה בדיוק אני מתכוונת?
07:57
So what do I mean by this exactly?
168
477144
2195
07:59
Let's say we were trying to make a model
169
479862
1978
בואו נגיד שאנחנו מנסים לייצר מודל
08:01
that told us how likely an image were to appear on Facebook.
170
481864
3183
שיחשב את הסבירות שתמונה תופיע בפייסבוק.
כנראה שנרצה שהמודל יגיד
08:05
We'd probably want the model to say
171
485071
1701
08:06
it's pretty unlikely that someone would post this noise image on the left,
172
486796
3557
שזה לא סביר שמישהו יפרסם את תמונת הרעש משמאל,
08:10
and pretty likely that someone would post a selfie
173
490377
2419
ושדי סביר שמישהו יפרסם סלפי
08:12
like this one on the right.
174
492820
1334
כמו התמונה מימין.
התמונה באמצע מטושטשת,
08:14
The image in the middle is blurry,
175
494178
1639
08:15
so even though it's more likely we'd see it on Facebook
176
495841
2639
ולכן למרות שיותר סביר שנראה אותה בפייסבוק
08:18
compared to the noise image,
177
498504
1360
יחסית לתמונת הרעש,
08:19
it's probably less likely we'd see it compared to the selfie.
178
499888
2960
זה כנראה פחות סביר שנראה אותה יחסית לסלפי.
08:22
But when it comes to images from the black hole,
179
502872
2290
אבל כשזה נוגע לתמונות מהחור השחור,
08:25
we're posed with a real conundrum: we've never seen a black hole before.
180
505186
3502
אנחנו נתקלים בבעיה אמיתית: מעולם לא ראינו תמונה של חור שחור לפני כן.
08:28
In that case, what is a likely black hole image,
181
508712
2291
במקרה כזה, מה היא תמונה סבירה,
ומה עלינו להניח על המבנה של חורים שחורים?
08:31
and what should we assume about the structure of black holes?
182
511027
2938
08:33
We could try to use images from simulations we've done,
183
513989
2632
אנחנו יכולים להשתמש בתמונות מההדמיות שהרצנו,
08:36
like the image of the black hole from "Interstellar,"
184
516645
2530
כמו התמונה של החור השחור מהסרט 'בין כוכבים',
08:39
but if we did this, it could cause some serious problems.
185
519199
2938
אם היינו עושים את זה, זה היה יכול לגרום לבעיות רציניות.
מה יקרה אם התיאוריות של איינשטיין אינן נכונות?
08:42
What would happen if Einstein's theories didn't hold?
186
522161
3380
08:45
We'd still want to reconstruct an accurate picture of what was going on.
187
525565
3961
עדיין נרצה לשחזר תמונה מדוייקת של המצב.
08:49
If we bake Einstein's equations too much into our algorithms,
188
529550
3371
אם נסתמך על המשוואות של איינשטיין באלגוריתמים שלנו,
08:52
we'll just end up seeing what we expect to see.
189
532945
2755
בסוף פשוט נראה את מה שאנחנו מצפים לראות.
08:55
In other words, we want to leave the option open
190
535724
2276
במילים אחרות, אנחנו רוצים לשקול גם את האפשרות
שבמרכז הגלקסיה יש פיל ענק
08:58
for there being a giant elephant at the center of our galaxy.
191
538024
2923
09:00
(Laughter)
192
540971
1057
(צחוק)
לסוגים שונים של תמונות יש מאפיינים יחודיים.
09:02
Different types of images have very distinct features.
193
542052
2989
אנחנו יכולים להבדיל בקלות בין תמונות הדמיה של חור שחור
09:05
We can easily tell the difference between black hole simulation images
194
545065
3548
09:08
and images we take every day here on Earth.
195
548637
2276
לתמונות שאנחנו מצלמים בכל יום על כדור הארץ
09:10
We need a way to tell our algorithms what images look like
196
550937
3104
אנחנו צריכים למצוא דרך ללמד את האלגוריתמים איך נראות תמונות
בלי לכפות עליהם מאפיינים של תמונה ספציפית.
09:14
without imposing one type of image's features too much.
197
554065
3249
09:17
One way we can try to get around this
198
557865
1893
דרך אחת לעשות זאת
09:19
is by imposing the features of different kinds of images
199
559782
3062
היא על ידי כפייה של מאפיינים הלקוחים משלל סוגי תמונות
09:22
and seeing how the type of image we assume affects our reconstructions.
200
562868
4130
ובדיקה כיצד סוג התמונה עליה הסתמכנו משפיע על השחזורים שלנו.
09:27
If all images' types produce a very similar-looking image,
201
567712
3491
אם כל סוגי התמונות ייצרו תמונה מאוד דומה,
09:31
then we can start to become more confident
202
571227
2057
אז נוכל להיות בטוחים יותר
09:33
that the image assumptions we're making are not biasing this picture that much.
203
573308
4173
שההנחות שלנו לא משנות את התמונה יותר מדי.
09:37
This is a little bit like giving the same description
204
577505
2990
זה קצת כמו לתת את אותו תיאור
09:40
to three different sketch artists from all around the world.
205
580519
2996
לשלושה ציירי פורטרטים מסביב לעולם.
09:43
If they all produce a very similar-looking face,
206
583539
2860
אם כולם יציירו פרצוף מאוד דומה,
09:46
then we can start to become confident
207
586423
1793
אז נוכל להיות להיות בטוחים
09:48
that they're not imposing their own cultural biases on the drawings.
208
588240
3616
שהם לא כופים את ההטיות התרבותיות שלהם על הציורים.
09:51
One way we can try to impose different image features
209
591880
3315
דרך אחת שבה אפשר לכפות מאפייני תמונה מסויימים
09:55
is by using pieces of existing images.
210
595219
2441
זה על ידי שימוש בחלקים מתמונות קיימות.
09:58
So we take a large collection of images,
211
598214
2160
אז לוקחים אוסף גדול של תמונות,
10:00
and we break them down into their little image patches.
212
600398
2718
ומחלקים אותם לחלקי תמונה קטנים.
ואז אפשר להתייחס לכל חלק כמו אל חלק מפאזל.
10:03
We then can treat each image patch a little bit like pieces of a puzzle.
213
603140
4285
10:07
And we use commonly seen puzzle pieces to piece together an image
214
607449
4278
ואנחנו משתמשים בחלקי פאזל שחוזרים על עצמם כדי להרכיב תמונה
10:11
that also fits our telescope measurements.
215
611751
2452
שגם מתאימה למדידות הטלסקופ שלנו.
לסוגים שונים של תמונות יש חלקי פאזל מאוד ייחודיים.
10:15
Different types of images have very distinctive sets of puzzle pieces.
216
615040
3743
10:18
So what happens when we take the same data
217
618807
2806
מה קורה כשלוקחים את אותו מידע
10:21
but we use different sets of puzzle pieces to reconstruct the image?
218
621637
4130
אך משתמשים בסדרות שונות של חלקי פאזל לשחזור התמונה?
10:25
Let's first start with black hole image simulation puzzle pieces.
219
625791
4766
בואו נתחיל עם סדרת חלקי הפאזל של הדמיית החור השחור.
10:30
OK, this looks reasonable.
220
630581
1591
אוקיי, נראה סביר.
10:32
This looks like what we expect a black hole to look like.
221
632196
2694
זה נראה כמו איך שהיינו מצפים שחור שחור יראה.
10:34
But did we just get it
222
634914
1193
אבל האם קיבלנו את זה
רק בגלל שהזנו חלקים קטנים של תמונות הדמייה של חור שחור?
10:36
because we just fed it little pieces of black hole simulation images?
223
636131
3314
10:39
Let's try another set of puzzle pieces
224
639469
1880
בואו ננסה סדרה נוספת של חלקי פאזל
10:41
from astronomical, non-black hole objects.
225
641373
2509
מעצמים אסטרוניים שאינם חורים שחורים.
10:44
OK, we get a similar-looking image.
226
644914
2126
אוקיי, מקבלים תמונה שנראית דומה.
מה לגבי חתיכות מתמונות יומיומיות,
10:47
And then how about pieces from everyday images,
227
647064
2236
10:49
like the images you take with your own personal camera?
228
649324
2785
כמו התמונות שאתם מצלמים במצלמה האישית שלכם?
10:53
Great, we see the same image.
229
653312
2115
נהדר, אנחנו רואים את אותה התמונה.
10:55
When we get the same image from all different sets of puzzle pieces,
230
655451
3366
כשאנחנו מקבלים את אותה תמונה מסדרות שונות של חלקי פאזל,
10:58
then we can start to become more confident
231
658841
2046
אנחנו מתחילים להיות יותר בטוחים
11:00
that the image assumptions we're making
232
660911
1966
שההנחות שאנו מניחים לגבי התמונה
11:02
aren't biasing the final image we get too much.
233
662901
2921
לא מטות את התמונה הסופית יותר מדי.
11:05
Another thing we can do is take the same set of puzzle pieces,
234
665846
3253
עוד דבר שאפשר לעשות זה לקחת את אותה סדרה של חלקי פאזל,
כמו החלקים מהתמונות היומיומיות,
11:09
such as the ones derived from everyday images,
235
669123
2489
11:11
and use them to reconstruct many different kinds of source images.
236
671636
3600
ולהשתמש בה לשחזור של סוגים רבים ושונים של תמונות מקור.
11:15
So in our simulations,
237
675260
1271
אז בהדמיות שלנו,
11:16
we pretend a black hole looks like astronomical non-black hole objects,
238
676555
3775
אנחנו מעמידים פנים שחור שחור נראה כמו עצמים אסטרונומיים שאינם חורים שחורים,
11:20
as well as everyday images like the elephant in the center of our galaxy.
239
680354
3849
וכך גם עושים לתמונות יומיומיות כמו הפיל במרכז הגלקסיה.
11:24
When the results of our algorithms on the bottom look very similar
240
684227
3168
כשהתוצאות של האלגוריתמים בתחתית נראות מאוד דומות
11:27
to the simulation's truth image on top,
241
687419
2096
לתמונות האמיתיות, למעלה,
11:29
then we can start to become more confident in our algorithms.
242
689539
3346
אנחנו מתחילים להיות בטוחים יותר באלגוריתמים.
11:32
And I really want to emphasize here
243
692909
1867
ואני רוצה להדגיש כאן
11:34
that all of these pictures were created
244
694800
1934
שכל התמונות האלה נוצרו
11:36
by piecing together little pieces of everyday photographs,
245
696758
2936
על ידי הרכבה של חלקים קטנים של תמונות יומיומיות,
11:39
like you'd take with your own personal camera.
246
699718
2215
כמו שנלקחות במצלמה האישית שלכם.
11:41
So an image of a black hole we've never seen before
247
701957
3276
אז תמונה של חור שחור שמעולם לא ראינו
11:45
may eventually be created by piecing together pictures we see all the time
248
705257
3943
תוכל בסופו של דבר להיבנות מצירוף חלקי תמונות שאנחנו רואים כל הזמן
11:49
of people, buildings, trees, cats and dogs.
249
709224
2745
של אנשים, מבנים, עצים, חתולים וכלבים.
11:51
Imaging ideas like this will make it possible for us
250
711993
2645
רעיונות הדמיה כאלה יאפשרו לנו
11:54
to take our very first pictures of a black hole,
251
714662
2619
לצלם את התמונות הראשונות של חור שחור,
11:57
and hopefully, verify those famous theories
252
717305
2447
ובתקווה לוודא את התיאוריות המפורסמות האלו
11:59
on which scientists rely on a daily basis.
253
719776
2421
עליהן מדענים מתבססים מדי יום.
12:02
But of course, getting imaging ideas like this working
254
722221
2608
אבל כמובן, מימוש הרעיונות האלה
12:04
would never have been possible without the amazing team of researchers
255
724853
3322
לעולם לא היה מתאפשר ללא קבוצת החוקרים המדהימה
12:08
that I have the privilege to work with.
256
728199
1887
איתה יש לי את הזכות לעבוד.
זה עדיין מדהים אותי
12:10
It still amazes me
257
730110
1163
12:11
that although I began this project with no background in astrophysics,
258
731297
3351
שלמרות שהתחלתי את הפרוייקט ללא רקע באסטרופיזיקה,
12:14
what we have achieved through this unique collaboration
259
734672
2619
מה שהשגנו באמצעות שיתוף הפעולה הייחודי הזה
12:17
could result in the very first images of a black hole.
260
737315
2759
יוכל להביא לתמונות הראשונות של חור שחור.
אבל פרוייקטים גדולים כמו הורוסקופ אופק האירועים
12:20
But big projects like the Event Horizon Telescope
261
740098
2698
12:22
are successful due to all the interdisciplinary expertise
262
742820
2814
מצליחים בזכות שיתוף פעולה
12:25
different people bring to the table.
263
745658
1790
של מדענים מתחומים שונים.
12:27
We're a melting pot of astronomers,
264
747472
1706
אנחנו כור היתוך של אסטרונומים,
12:29
physicists, mathematicians and engineers.
265
749202
2232
פיזיקאים, מתמטיקאים ומהנדסים.
12:31
This is what will make it soon possible
266
751458
2554
וזה מה שיאפשר בקרוב
להשיג משהו שבעבר נחשב כבלתי אפשרי.
12:34
to achieve something once thought impossible.
267
754036
2853
12:36
I'd like to encourage all of you to go out
268
756913
2256
אני רוצה לעודד את כולכם לצאת
12:39
and help push the boundaries of science,
269
759193
2096
ולעזור להרחיב את גבולות המדע,
12:41
even if it may at first seem as mysterious to you as a black hole.
270
761313
3901
אפילו אם בהתחלה זה ייראה לכם מסתורי כמו חור שחור.
12:45
Thank you.
271
765238
1174
תודה רבה.
12:46
(Applause)
272
766436
2397
(מחיאות כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7