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

מתרגם: Assaf Linial מבקר: Roni Ravia

In the movie "Interstellar,"

בסרט ׳בין כוכבים׳,

we get an up-close look at a supermassive black hole.

זוכים למבט מקרוב על חור שחור על-מסיבי.

Set against a backdrop of bright gas,

על גבי רקע של גז זוהר,

the black hole's massive gravitational pull

כוח הכבידה העצום של החור השחור

bends light into a ring.

מכופף את האור לטבעת.

However, this isn't a real photograph,

אבל, זו אינה תמונה אמיתית,

but a computer graphic rendering --

אלא גרפיקה ממוחשבת -

an artistic interpretation of what a black hole might look like.

פירוש אומנותי לאופן בו עשוי להיראות חור שחור.

A hundred years ago,

לפני מאה שנים,

Albert Einstein first published his theory of general relativity.

אלברט איינשטיין פרסם לראשונה את תיאורית היחסות הכללית שלו.

In the years since then,

בשנים שעברו מאז,

scientists have provided a lot of evidence in support of it.

מדענים סיפקו הרבה עדויות שתומכות בה.

But one thing predicted from this theory, black holes,

אבל דבר אחד שהתיאוריה הזו חזתה, חורים שחורים,

still have not been directly observed.

עדין לא נצפה ישירות.

למרות שיש לנו איזשהו רעיון לגבי איך חור שחור עשוי להיראות

Although we have some idea as to what a black hole might look like,

we've never actually taken a picture of one before.

מעולם לא צילמנו תמונה של אחד.

However, you might be surprised to know that that may soon change.

למרות זאת, אולי תופתעו לדעת שזה עומד להשתנות בקרוב.

We may be seeing our first picture of a black hole in the next couple years.

ייתכן שנראה תמונה ראשונה של חור שחור בשנתיים הקרובות.

Getting this first picture will come down to an international team of scientists,

קבלת התמונה הראשונה הזאת תלויה בצוות בינלאומי של מדענים,

an Earth-sized telescope

טלסקופ בגודל כדור הארץ

and an algorithm that puts together the final picture.

ואלגוריתם שמחבר את התמונה הסופית.

למרות שלא אוכל להראות לכם היום תמונה אמיתית של חור שחור

Although I won't be able to show you a real picture of a black hole today,

I'd like to give you a brief glimpse into the effort involved

הייתי רוצה לתת לכם הצצה למאמץ שמושקע

in getting that first picture.

לשם קבלת תמונה זו.

My name is Katie Bouman,

קוראים לי קייטי באומן,

and I'm a PhD student at MIT.

ואני דוקטורנטית ב-MIT.

I do research in a computer science lab

אני עורכת מחקר במעבדת מדעי-המחשב

that works on making computers see through images and video.

שבה מתכנתים מחשבים לאמת תמונות ווידאו.

But although I'm not an astronomer,

אבל למרות שאני לא אסטרונומית,

היום אני רוצה להראות לכם

today I'd like to show you

how I've been able to contribute to this exciting project.

איך תרמתי לפרוייקט המרגש הזה.

If you go out past the bright city lights tonight,

אם תתרחקו מאורות העיר הלילה

אולי יתמזל מזלכם ותראו נוף מדהים

you may just be lucky enough to see a stunning view

of the Milky Way Galaxy.

של גלקסיית שביל החלב.

ואם נוכל לעשות זום מעבר למיליוני כוכבים

And if you could zoom past millions of stars,

26,000 light-years toward the heart of the spiraling Milky Way,

במרחק 26,000 שנות אור לכיוון מרכז גלקסיית שביל החלב הספירלית,

we'd eventually reach a cluster of stars right at the center.

נגיע בסופו של דבר לאוסף של כוכבים ממש במרכז.

Peering past all the galactic dust with infrared telescopes,

כשהם מציצים מבעד לאבק הגלקטי עם טלסקופים אינפרא-אדומים,

astronomers have watched these stars for over 16 years.

אסטרונומים צפו בכוכבים האלה במשך יותר מ-16 שנים.

אבל הדבר המדהים ביותר הוא דווקא מה שלא ראו.

But it's what they don't see that is the most spectacular.

These stars seem to orbit an invisible object.

נראה שהכוכבים האלה חגים סביב לעצם בלתי נראה.

By tracking the paths of these stars,

על ידי מעקב אחרי מסלולי תנועתם של כוכבים אלה,

אסטרונומים הסיקו

astronomers have concluded

that the only thing small and heavy enough to cause this motion

שהדבר הקטן היחיד שכבד מספיק כדי לגרום לתנועה שכזו

is a supermassive black hole --

הוא חור שחור על-מסיבי -

an object so dense that it sucks up anything that ventures too close --

אובייקט בעל צפיפות מאוד גבוהה, השואב כל דבר שמתקרב אליו -

even light.

אפילו אור.

But what happens if we were to zoom in even further?

אבל מה קורה עם נוכל להמשיך לעשות זום?

Is it possible to see something that, by definition, is impossible to see?

האם אפשר לראות משהו שהוא, בהגדרה, בלתי-נראה?

Well, it turns out that if we were to zoom in at radio wavelengths,

מסתבר שאם נעשה זום באורך גל רדיו, [סימולציה של חור-שחור]

we'd expect to see a ring of light

נצפה לראות טבעת של אור

caused by the gravitational lensing of hot plasma

שנגרמת על ידי עידוש כבידתי של פלזמה רותחת

שנעה במהירות סביב החור השחור.

zipping around the black hole.

In other words,

במילים אחרות,

החור השחור מטיל צל על הרקע של החומר הזרחני,

the black hole casts a shadow on this backdrop of bright material,

carving out a sphere of darkness.

ויוצר כדור של חשכה.

This bright ring reveals the black hole's event horizon,

הטבעת הזרחנית חושפת את אופק האירועים של החור השחור,

where the gravitational pull becomes so great

איפה שכח הכבידה הוא כל כך עצום

שאפילו אור לא יכול להימלט.

that not even light can escape.

Einstein's equations predict the size and shape of this ring,

המשוואות של איינשטיין חוזות את הצורה והגודל של טבעת זו,

so taking a picture of it wouldn't only be really cool,

אז לא רק שיהיה ממש מגניב אם נצליח לצלם אותה,

it would also help to verify that these equations hold

אלא גם נוכל לוודא שהמשוואות האלה נכונות

in the extreme conditions around the black hole.

גם בתנאים הקיצוניים שסביב החור השחור.

However, this black hole is so far away from us,

אבל, החור השחור הזה כל-כך רחוק מאיתנו

that from Earth, this ring appears incredibly small --

שמכדור הארץ הטבעת הזו נראית ממש קטנטנה -

the same size to us as an orange on the surface of the moon.

כגודלו של תפוז על פני הירח.

That makes taking a picture of it extremely difficult.

וזה אומר שלצלם אותה זה קשה מאוד.

Why is that?

למה?

Well, it all comes down to a simple equation.

ובכן, הכל מסתכם למשוואה אחת פשוטה

Due to a phenomenon called diffraction,

בגלל תופעה שנקראת עקיפה,

יש ערך מוגבל

there are fundamental limits

to the smallest objects that we can possibly see.

לגודל האובייקט הקטן ביותר שאפשר לראות

This governing equation says that in order to see smaller and smaller,

המשוואה הכללית אומרת שכדי לראות משהו קטן יותר ויותר,

we need to make our telescope bigger and bigger.

אנחנו צריכים לבנות טלסקופים גדולים יותר ויותר.

אבל אפילו עם הטלסקופ האופטי החזק ביותר על כדור הארץ,

But even with the most powerful optical telescopes here on Earth,

we can't even get close to the resolution necessary

אנחנו לא יכולים להתקרב אפילו לרזולוציה שדרושה

to image on the surface of the moon.

כדי לצלם תמונה על פני הירח.

In fact, here I show one of the highest resolution images ever taken

למעשה, כאן אני מראה את אחת התמונות עם הרזולוציה הגבוהה ביותר שצולמו אי פעם

of the moon from Earth.

של הירח מכדור הארץ.

It contains roughly 13,000 pixels,

היא מכילה בערך 13,000 פיקסלים,

and yet each pixel would contain over 1.5 million oranges.

ועדיין בכל פיקסל יכנסו יותר ממיליון וחצי תפוזים

So how big of a telescope do we need

אז איזה גודל של טלסקופ אנחנו צריכים

in order to see an orange on the surface of the moon

כדי לראות תפוז על פני הירח

and, by extension, our black hole?

או את החור השחור שלנו?

Well, it turns out that by crunching the numbers,

מסתבר שאם עושים את החשבון

you can easily calculate that we would need a telescope

אפשר לחשב בקלות שנצטרך

the size of the entire Earth.

טלסקופ בגודל כדור הארץ כולו.

(Laughter)

[צחוק]

If we could build this Earth-sized telescope,

ואם נוכל לבנות טלסקופ בגודל כדור הארץ

נוכל רק להתחיל להבחין בטבעת האור הייחודית הזו

we could just start to make out that distinctive ring of light

indicative of the black hole's event horizon.

שמעידה על אופק האירועים של החור השחור.

Although this picture wouldn't contain all the detail we see

למרות שהתמונה הזו לא תכיל את כל הפרטים שאנו רואים

בתמונת גרפיקה ממוחשבת,

in computer graphic renderings,

it would allow us to safely get our first glimpse

היא תאפשר לנו הצצה ראשונית

of the immediate environment around a black hole.

לסביבה הקרובה ביותר לחור השחור.

However, as you can imagine,

למרות זאת, כפי שניתן לשער,

בניית טלסקופ צלחת בגודל כדור הארץ הינה בלתי אפשרית.

building a single-dish telescope the size of the Earth is impossible.

But in the famous words of Mick Jagger,

אבל במילותיו הידועות של מיק ג'אגר,

"You can't always get what you want,

"לא תמיד תוכל להשיג את מה שאתה רוצה,

but if you try sometimes, you just might find

״אבל אם תנסה לפעמים, אולי תגלה

you get what you need."

״שתשיג את מה שאתה צריך."

And by connecting telescopes from around the world,

ועל ידי חיבור טלסקופים מרחבי לעולם,

an international collaboration called the Event Horizon Telescope

שיתוף פעולה בין-לאומי שנקרא טלסקופ אופק האירועים,

is creating a computational telescope the size of the Earth,

יוצר טלסקופ חישובי בגודל כדור-הארץ,

שמסוגל להגיע לרזולוציה טובה

capable of resolving structure

on the scale of a black hole's event horizon.

עבור אובייקט בסדר גודל של אופק האירועים של חור שחור.

This network of telescopes is scheduled to take its very first picture

מערכת טלסקופים זו אמורה לצלם את התמונה הראשונה שלה

of a black hole next year.

של חור שחור בשנה הבאה.

כל טלסקופ ברשת העולמית מסונכרן לאחרים.

Each telescope in the worldwide network works together.

Linked through the precise timing of atomic clocks,

בתזמון מדויק של שעון אטומי,

teams of researchers at each of the sites freeze light

צוותי מדענים בכל אתר מקפיאים את האור

by collecting thousands of terabytes of data.

על ידי איסוף של אלפי טרה-בייטים של מידע.

This data is then processed in a lab right here in Massachusetts.

מידע זה מעובד בהמשך כאן במעבדה במסצ'וסטס.

So how does this even work?

אז איך זה עובד?

Remember if we want to see the black hole in the center of our galaxy,

זכרו שאם רוצים לראות את החור השחור במרכז הגלקסיה שלנו,

we need to build this impossibly large Earth-sized telescope?

צריך לבנות טלסקופ עצום בגודל כדור הארץ.

For just a second, let's pretend we could build

אז רק לשנייה, בואו נעמיד פנים שנוכל לבנות

a telescope the size of the Earth.

טלסקופ בגודל כדור הארץ.

This would be a little bit like turning the Earth

זה יהיה קצת כמו להפוך את כדור הארץ

into a giant spinning disco ball.

לכדור מראות ענק מסתובב.

Each individual mirror would collect light

כל מראה תאסוף אור

that we could then combine together to make a picture.

שאז נוכל לשלב יחד לבניית תמונה.

However, now let's say we remove most of those mirrors

עכשיו בואו נגיד שאנחנו מסירים את רוב המראות האלה

כך שישארו רק מעט.

so only a few remained.

עדיין נוכל לנסות לשלב יחד את כל המידע הזה,

We could still try to combine this information together,

אבל עכשיו יש בו הרבה חורים.

but now there are a lot of holes.

המראות הנותרות האלה מציינות את המקומות בהם יש לנו טלסקופים.

These remaining mirrors represent the locations where we have telescopes.

This is an incredibly small number of measurements to make a picture from.

זה מספר קטן מידי של מדידות כדי לבנות ממנו תמונה.

But although we only collect light at a few telescope locations,

אבל למרות שאנחנו אוספים אור רק במעט מקומות,

as the Earth rotates, we get to see other new measurements.

כשכדור הארץ מסתובב, אנחנו רואים מדידות חדשות.

In other words, as the disco ball spins, those mirrors change locations

במילים אחרות, כשכדור המראות מסתובב, המראות משנות את מיקומן

and we get to observe different parts of the image.

ואנחנו רואים חלקים אחרים בתמונה.

The imaging algorithms we develop fill in the missing gaps of the disco ball

האלגוריתמים שאנחנו מפתחים ממלאים את החללים החסרים בכדור המראות

in order to reconstruct the underlying black hole image.

כדי לבנות מחדש את תמונת החור השחור.

If we had telescopes located everywhere on the globe --

אם היו לנו טלסקופים בכל מקום על פני כדור הארץ --

in other words, the entire disco ball --

במילים אחרות, את כדור המראות בשלמותו --

this would be trivial.

זה היה קל.

However, we only see a few samples, and for that reason,

אבל, יש לנו רק כמה דגימות, ולכן,

there are an infinite number of possible images

יש מספר אינסופי של תמונות אפשריות

that are perfectly consistent with our telescope measurements.

שמתאימות לחלוטין למדידות הטלסקופים שלנו.

However, not all images are created equal.

אבל, לא כל התמונות דומות.

Some of those images look more like what we think of as images than others.

חלק מהתמונות האלה נראות יותר כמו תמונה מאשר אחרות.

And so, my role in helping to take the first image of a black hole

וכך, העזרה שלי בצילום התמונה הראשונה של חור שחור

is to design algorithms that find the most reasonable image

היא בעיצוב אלגוריתמים שמוצאים את התמונה הסבירה ביותר

that also fits the telescope measurements.

שגם מתאימה למדידות הטלסקופים.

Just as a forensic sketch artist uses limited descriptions

כמו שצייר קלסתרונים משטרתי משתמש בתיאורים חלקיים

to piece together a picture using their knowledge of face structure,

כדי לבנות תמונה תוך כדי שימוש בידע שלו על מבנה פנים,

the imaging algorithms I develop use our limited telescope data

האלגוריתמים של ההדמיה שאני מפתחת משתמשים במידע החלקי מהטלסקופים

to guide us to a picture that also looks like stuff in our universe.

כדי לכוון אותנו לתמונה שנראית כמו משהו מהיקום שלנו.

Using these algorithms, we're able to piece together pictures

תוך שימוש באלגוריתמים האלה, אנחנו יכולים להרכיב תמונות

from this sparse, noisy data.

מהמידע הדל והרועש הזה.

So here I show a sample reconstruction done using simulated data,

אז הנה דוגמה לשחזור שנעשה על ידי שימוש במידע מדומה,

when we pretend to point our telescopes

כשאנו מעמידים פנים שכיוונו את הטלסקופים

to the black hole in the center of our galaxy.

לחור השחור במרכז הגלקסיה שלנו.

Although this is just a simulation, reconstruction such as this give us hope

למרות שזו רק הדמיה, שחזור כזה נותן לנו תקווה

that we'll soon be able to reliably take the first image of a black hole

שבקרוב נוכל לצלם את התמונה האמינה הראשונה של חור שחור

and from it, determine the size of its ring.

וממנה, לקבוע את גודל הטבעת שלו.

למרות שהייתי שמחה להמשיך לפרט על האלגוריתם הזה,

Although I'd love to go on about all the details of this algorithm,

luckily for you, I don't have the time.

למזלכם, אין לי זמן.

But I'd still like to give you a brief idea

אבל עדיין הייתי רוצה לתת לכם מושג

of how we define what our universe looks like,

על האופן בו אנו מגדירים איך נראה היקום שלנו,

and how we use this to reconstruct and verify our results.

ואיך אנחנו משתמשים בזה כדי לשחזר ולאמת את התוצאות שלנו.

Since there are an infinite number of possible images

מכיוון שיש מספר אינסופי של תמונות אפשריות

that perfectly explain our telescope measurements,

שמסבירות בדיוק את מדידות הטלסקופים,

we have to choose between them in some way.

אנחנו חייבים לבחור ביניהן בדרך כלשהי.

We do this by ranking the images

אנחנו עושים את זה על ידי דירוג התמונות

based upon how likely they are to be the black hole image,

על פי הסבירות שתמונה זו היא של החור השחור,

and then choosing the one that's most likely.

ואז בחירה של התמונה הכי סבירה.

אז למה בדיוק אני מתכוונת?

So what do I mean by this exactly?

Let's say we were trying to make a model

בואו נגיד שאנחנו מנסים לייצר מודל

that told us how likely an image were to appear on Facebook.

שיחשב את הסבירות שתמונה תופיע בפייסבוק.

כנראה שנרצה שהמודל יגיד

We'd probably want the model to say

it's pretty unlikely that someone would post this noise image on the left,

שזה לא סביר שמישהו יפרסם את תמונת הרעש משמאל,

and pretty likely that someone would post a selfie

ושדי סביר שמישהו יפרסם סלפי

like this one on the right.

כמו התמונה מימין.

התמונה באמצע מטושטשת,

The image in the middle is blurry,

so even though it's more likely we'd see it on Facebook

ולכן למרות שיותר סביר שנראה אותה בפייסבוק

compared to the noise image,

יחסית לתמונת הרעש,

it's probably less likely we'd see it compared to the selfie.

זה כנראה פחות סביר שנראה אותה יחסית לסלפי.

But when it comes to images from the black hole,

אבל כשזה נוגע לתמונות מהחור השחור,

we're posed with a real conundrum: we've never seen a black hole before.

אנחנו נתקלים בבעיה אמיתית: מעולם לא ראינו תמונה של חור שחור לפני כן.

In that case, what is a likely black hole image,

במקרה כזה, מה היא תמונה סבירה,

ומה עלינו להניח על המבנה של חורים שחורים?

and what should we assume about the structure of black holes?

We could try to use images from simulations we've done,

אנחנו יכולים להשתמש בתמונות מההדמיות שהרצנו,

like the image of the black hole from "Interstellar,"

כמו התמונה של החור השחור מהסרט 'בין כוכבים',

but if we did this, it could cause some serious problems.

אם היינו עושים את זה, זה היה יכול לגרום לבעיות רציניות.

מה יקרה אם התיאוריות של איינשטיין אינן נכונות?

What would happen if Einstein's theories didn't hold?

We'd still want to reconstruct an accurate picture of what was going on.

עדיין נרצה לשחזר תמונה מדוייקת של המצב.

If we bake Einstein's equations too much into our algorithms,

אם נסתמך על המשוואות של איינשטיין באלגוריתמים שלנו,

we'll just end up seeing what we expect to see.

בסוף פשוט נראה את מה שאנחנו מצפים לראות.

In other words, we want to leave the option open

במילים אחרות, אנחנו רוצים לשקול גם את האפשרות

שבמרכז הגלקסיה יש פיל ענק

for there being a giant elephant at the center of our galaxy.

(Laughter)

(צחוק)

לסוגים שונים של תמונות יש מאפיינים יחודיים.

Different types of images have very distinct features.

אנחנו יכולים להבדיל בקלות בין תמונות הדמיה של חור שחור

We can easily tell the difference between black hole simulation images

and images we take every day here on Earth.

לתמונות שאנחנו מצלמים בכל יום על כדור הארץ

We need a way to tell our algorithms what images look like

אנחנו צריכים למצוא דרך ללמד את האלגוריתמים איך נראות תמונות

בלי לכפות עליהם מאפיינים של תמונה ספציפית.

without imposing one type of image's features too much.

One way we can try to get around this

דרך אחת לעשות זאת

is by imposing the features of different kinds of images

היא על ידי כפייה של מאפיינים הלקוחים משלל סוגי תמונות

and seeing how the type of image we assume affects our reconstructions.

ובדיקה כיצד סוג התמונה עליה הסתמכנו משפיע על השחזורים שלנו.

If all images' types produce a very similar-looking image,

אם כל סוגי התמונות ייצרו תמונה מאוד דומה,

then we can start to become more confident

אז נוכל להיות בטוחים יותר

that the image assumptions we're making are not biasing this picture that much.

שההנחות שלנו לא משנות את התמונה יותר מדי.

This is a little bit like giving the same description

זה קצת כמו לתת את אותו תיאור

to three different sketch artists from all around the world.

לשלושה ציירי פורטרטים מסביב לעולם.

If they all produce a very similar-looking face,

אם כולם יציירו פרצוף מאוד דומה,

then we can start to become confident

אז נוכל להיות להיות בטוחים

that they're not imposing their own cultural biases on the drawings.

שהם לא כופים את ההטיות התרבותיות שלהם על הציורים.

One way we can try to impose different image features

דרך אחת שבה אפשר לכפות מאפייני תמונה מסויימים

is by using pieces of existing images.

זה על ידי שימוש בחלקים מתמונות קיימות.

So we take a large collection of images,

אז לוקחים אוסף גדול של תמונות,

and we break them down into their little image patches.

ומחלקים אותם לחלקי תמונה קטנים.

ואז אפשר להתייחס לכל חלק כמו אל חלק מפאזל.

We then can treat each image patch a little bit like pieces of a puzzle.

And we use commonly seen puzzle pieces to piece together an image

ואנחנו משתמשים בחלקי פאזל שחוזרים על עצמם כדי להרכיב תמונה

that also fits our telescope measurements.

שגם מתאימה למדידות הטלסקופ שלנו.

לסוגים שונים של תמונות יש חלקי פאזל מאוד ייחודיים.

Different types of images have very distinctive sets of puzzle pieces.

So what happens when we take the same data

מה קורה כשלוקחים את אותו מידע

but we use different sets of puzzle pieces to reconstruct the image?

אך משתמשים בסדרות שונות של חלקי פאזל לשחזור התמונה?

Let's first start with black hole image simulation puzzle pieces.

בואו נתחיל עם סדרת חלקי הפאזל של הדמיית החור השחור.

OK, this looks reasonable.

אוקיי, נראה סביר.

This looks like what we expect a black hole to look like.

זה נראה כמו איך שהיינו מצפים שחור שחור יראה.

But did we just get it

אבל האם קיבלנו את זה

רק בגלל שהזנו חלקים קטנים של תמונות הדמייה של חור שחור?

because we just fed it little pieces of black hole simulation images?

Let's try another set of puzzle pieces

בואו ננסה סדרה נוספת של חלקי פאזל

from astronomical, non-black hole objects.

מעצמים אסטרוניים שאינם חורים שחורים.

OK, we get a similar-looking image.

אוקיי, מקבלים תמונה שנראית דומה.

מה לגבי חתיכות מתמונות יומיומיות,

And then how about pieces from everyday images,

like the images you take with your own personal camera?

כמו התמונות שאתם מצלמים במצלמה האישית שלכם?

Great, we see the same image.

נהדר, אנחנו רואים את אותה התמונה.

When we get the same image from all different sets of puzzle pieces,

כשאנחנו מקבלים את אותה תמונה מסדרות שונות של חלקי פאזל,

then we can start to become more confident

אנחנו מתחילים להיות יותר בטוחים

that the image assumptions we're making

שההנחות שאנו מניחים לגבי התמונה

aren't biasing the final image we get too much.

לא מטות את התמונה הסופית יותר מדי.

Another thing we can do is take the same set of puzzle pieces,

עוד דבר שאפשר לעשות זה לקחת את אותה סדרה של חלקי פאזל,

כמו החלקים מהתמונות היומיומיות,

such as the ones derived from everyday images,

and use them to reconstruct many different kinds of source images.

ולהשתמש בה לשחזור של סוגים רבים ושונים של תמונות מקור.

So in our simulations,

אז בהדמיות שלנו,

we pretend a black hole looks like astronomical non-black hole objects,

אנחנו מעמידים פנים שחור שחור נראה כמו עצמים אסטרונומיים שאינם חורים שחורים,

as well as everyday images like the elephant in the center of our galaxy.

וכך גם עושים לתמונות יומיומיות כמו הפיל במרכז הגלקסיה.

When the results of our algorithms on the bottom look very similar

כשהתוצאות של האלגוריתמים בתחתית נראות מאוד דומות

to the simulation's truth image on top,

לתמונות האמיתיות, למעלה,

then we can start to become more confident in our algorithms.

אנחנו מתחילים להיות בטוחים יותר באלגוריתמים.

And I really want to emphasize here

ואני רוצה להדגיש כאן

that all of these pictures were created

שכל התמונות האלה נוצרו

by piecing together little pieces of everyday photographs,

על ידי הרכבה של חלקים קטנים של תמונות יומיומיות,

like you'd take with your own personal camera.

כמו שנלקחות במצלמה האישית שלכם.

So an image of a black hole we've never seen before

אז תמונה של חור שחור שמעולם לא ראינו

may eventually be created by piecing together pictures we see all the time

תוכל בסופו של דבר להיבנות מצירוף חלקי תמונות שאנחנו רואים כל הזמן

of people, buildings, trees, cats and dogs.

של אנשים, מבנים, עצים, חתולים וכלבים.

Imaging ideas like this will make it possible for us

רעיונות הדמיה כאלה יאפשרו לנו

to take our very first pictures of a black hole,

לצלם את התמונות הראשונות של חור שחור,

and hopefully, verify those famous theories

ובתקווה לוודא את התיאוריות המפורסמות האלו

on which scientists rely on a daily basis.

עליהן מדענים מתבססים מדי יום.

But of course, getting imaging ideas like this working

אבל כמובן, מימוש הרעיונות האלה

would never have been possible without the amazing team of researchers

לעולם לא היה מתאפשר ללא קבוצת החוקרים המדהימה

that I have the privilege to work with.

איתה יש לי את הזכות לעבוד.

זה עדיין מדהים אותי

It still amazes me

that although I began this project with no background in astrophysics,

שלמרות שהתחלתי את הפרוייקט ללא רקע באסטרופיזיקה,

what we have achieved through this unique collaboration

מה שהשגנו באמצעות שיתוף הפעולה הייחודי הזה

could result in the very first images of a black hole.

יוכל להביא לתמונות הראשונות של חור שחור.

אבל פרוייקטים גדולים כמו הורוסקופ אופק האירועים

But big projects like the Event Horizon Telescope

are successful due to all the interdisciplinary expertise

מצליחים בזכות שיתוף פעולה

different people bring to the table.

של מדענים מתחומים שונים.

We're a melting pot of astronomers,

אנחנו כור היתוך של אסטרונומים,

physicists, mathematicians and engineers.

פיזיקאים, מתמטיקאים ומהנדסים.

This is what will make it soon possible

וזה מה שיאפשר בקרוב

להשיג משהו שבעבר נחשב כבלתי אפשרי.

to achieve something once thought impossible.

I'd like to encourage all of you to go out

אני רוצה לעודד את כולכם לצאת

and help push the boundaries of science,

ולעזור להרחיב את גבולות המדע,

even if it may at first seem as mysterious to you as a black hole.

אפילו אם בהתחלה זה ייראה לכם מסתורי כמו חור שחור.

Thank you.

תודה רבה.

(Applause)

(מחיאות כפיים)