Danny Hillis: Back to the future (of 1994)

מתרגם: Zeeva Livshitz מבקר: Ido Dekkers

Because I usually take the role

כיוון שאני בד"כ נוטל על עצמי את התפקיד

of trying to explain to people

של אחד שמנסה להסביר לאנשים

how wonderful the new technologies

כמה נפלאות הולכות להיות,

that are coming along are going to be,

הטכנולוגיות החדשות שיגיעו,

and I thought that, since I was among friends here,

וחשבתי שכיוון שאני בין חברים פה,

I would tell you what I really think

אומר לכם את מה שאני באמת חושב

and try to look back and try to understand

ואנסה להסתכל לאחור ולהבין

what is really going on here

מה באמת קורה פה

with these amazing jumps in technology

עם הקפיצות הטכנולוגיות המדהימות האלה

that seem so fast that we can barely keep on top of it.

שנראה שקורות כ"כ מהר שקשה לעקוב אחריהן.

So I'm going to start out

אז אתחיל

by showing just one very boring technology slide.

ואציג רק שקופית טכנולוגית משעממת אחת.

And then, so if you can just turn on the slide that's on.

ואז, אז אם תוכל להראות את השקופית.

This is just a random slide

זאת רק שקופית אקראית

that I picked out of my file.

שליקטתי מהתיק שלי.

What I want to show you is not so much the details of the slide,

מה שאני רוצה להראות לכם הוא לא דווקא את הפרטים שבשקופית,

but the general form of it.

אלא את הצורה הכללית שלה.

This happens to be a slide of some analysis that we were doing

במקרה זאת שקופית המתארת ניתוח שאנו עורכים

about the power of RISC microprocessors

על עוצמת מיקרו-מעבדי "ריסק"

versus the power of local area networks.

לעומת העוצמה של רשתות מקומיות.

And the interesting thing about it

והדבר המעניין בה

is that this slide,

הוא ששקופית זו,

like so many technology slides that we're used to,

כמו כ"כ הרבה שקופיות טכנולוגיה אחרות להן אנו רגילים,

is a sort of a straight line

היא סוג של קו ישר

on a semi-log curve.

על עקומת סמי-לוג

In other words, every step here

במילים אחרות, כל מדרגה כאן

represents an order of magnitude

מייצגת סדר גודל

in performance scale.

בסקאלת ביצועים

And this is a new thing

וזה דבר חדש

that we talk about technology

שאנו מדברים עליו בטכנולוגיה

on semi-log curves.

על עקומות סמי-לוג.

Something really weird is going on here.

משהו ממש מוזר קורה כאן.

And that's basically what I'm going to be talking about.

וזה מיסודו מה שאני עומד לדבר עליו.

So, if you could bring up the lights.

כך, אם תוכל להעלות את האורות.

If you could bring up the lights higher,

אם תוכל להעלות את האורות גבוה יותר,

because I'm just going to use a piece of paper here.

משום שאני עומד כאן להשתמש בפיסת נייר.

Now why do we draw technology curves

כעת, מדוע אנחנו משרטטים עקומות טכנולוגיה

in semi-log curves?

בעקומות סמי-לוג?

Well the answer is, if I drew it on a normal curve

טוב התשובה היא, אם הייתי משרטט זאת על עקומה רגילה

where, let's say, this is years,

היכן, שיש למשל, אלו הן שנים,

this is time of some sort,

זה זמן מסוג כלשהו,

and this is whatever measure of the technology

וזוהי מידה כלשהי של טכנולוגיה

that I'm trying to graph,

שאני מנסה לשרטט בגרף,

the graphs look sort of silly.

הגרף נראה מטופש כלשהו.

They sort of go like this.

הם משהו כמו זה.

And they don't tell us much.

והם לא אומרים לנו הרבה.

Now if I graph, for instance,

כעת אם אני משרטט גרף, לדוגמא

some other technology, say transportation technology,

טכנולוגיה אחרת כלשהי, נניח טכנולוגיית תחבורה,

on a semi-log curve,

על עקומת סמי-לוג,

it would look very stupid, it would look like a flat line.

זה ייראה מאד טפשי, זהייראה כמו קו שטוח.

But when something like this happens,

אבל כשקורה משהו כזה,

things are qualitatively changing.

דברים משתנים מבחינה איכותית.

So if transportation technology

כך שאם טכנולוגיית תחבורה

was moving along as fast as microprocessor technology,

היתה מתקדמת במהירות כמו טכנולוגיית מיקרו-מעבד

then the day after tomorrow,

אז מחרתיים

I would be able to get in a taxi cab

הייתי יכול להיכנס למונית

and be in Tokyo in 30 seconds.

ולהיות בטוקיו ב-30 שניות

It's not moving like that.

זה לא מתקדם כך.

And there's nothing precedented

ואין שום תקדים לכך

in the history of technology development

בהיסטוריית התפתחות הטכנולוגיה

of this kind of self-feeding growth

של סוג זה של התפתחות בהזנה עצמית

where you go by orders of magnitude every few years.

שבה מתקדמים לפי סדרי גודל כל כמה שנים.

Now the question that I'd like to ask is,

כעת השאלה שהייתי רוצה לשאול היא,

if you look at these exponential curves,

אם אתם מסתכלים במעריכי עקומות אלו

they don't go on forever.

הן לא נמשכות לנצח.

Things just can't possibly keep changing

הדברים פשוט לא יכולים להמשיך להשתנות

as fast as they are.

מהר כפי שהם.

One of two things is going to happen.

אחד משני דברים עומד לקרות.

Either it's going to turn into a sort of classical S-curve like this,

או שזה עומד להיות סוג של עקומת S קלסית כזו,

until something totally different comes along,

עד שמשהו שונה בתכלית יגיע,

or maybe it's going to do this.

או אולי זה יעשה את זה.

That's about all it can do.

זה בערך כל מה שהוא יוכל לעשות.

Now I'm an optimist,

כעת, אני אופטימיסט,

so I sort of think it's probably going to do something like that.

אז אני איכשהו חושב שזה כנראה הולך לעשות משהו כמו זה.

If so, that means that what we're in the middle of right now

אם כך, זה אומר שאנחנו באמצע ממש כעת

is a transition.

של שינוי.

We're sort of on this line

אנחנו משהו כמו על הקו הזה

in a transition from the way the world used to be

במעבר מהדרך שבה העולם נהג להיות

to some new way that the world is.

לדרך חדשה כלשהי שבה העולם נמצא.

And so what I'm trying to ask, what I've been asking myself,

וכך, מה שאני מנסה לשאול, מה ששאלתי את עצמי,

is what's this new way that the world is?

הוא מהי דרך חדשה זו שהעולם נמצא בה?

What's that new state that the world is heading toward?

מהו מצב חדש זה שהעולם הולך לקראתו?

Because the transition seems very, very confusing

משום שהמעבר נראה מאד, מאד מבלבל

when we're right in the middle of it.

כאשר אנחנו מצויים באמצעיתו.

Now when I was a kid growing up,

כעת, כשהייתי ילד שגדל,

the future was kind of the year 2000,

העתיד היה סוג של שנת 2000,

and people used to talk about what would happen in the year 2000.

ואנשים נהגו לדבר על מה יקרה בשנת 2000.

Now here's a conference

כעת מתקיים דיון

in which people talk about the future,

שבו אנשים מדברים על העתיד,

and you notice that the future is still at about the year 2000.

ואתם שמים לב לכך שהעתיד הוא עדיין על שנת 2000.

It's about as far as we go out.

זה הכי רחוק שאנחנו מגיעים.

So in other words, the future has kind of been shrinking

כך, במילים אחרות, העתיד התכווץ משהו

one year per year

בשנה אחת, כל שנה

for my whole lifetime.

לאורך כל ימי חיי.

Now I think that the reason

כעת, נראה לי שזה

is because we all feel

משום שכולנו מרגישים

that something's happening there.

שמשהו קורה שם.

That transition is happening. We can all sense it.

השינוי קורה. כולנו יכולים להרגיש בזה.

And we know that it just doesn't make too much sense

ואנחנו יודעים שזה פשוט לא כל כך הגיוני

to think out 30, 50 years

לעסוק בניתוח 30, 50 שנים קדימה

because everything's going to be so different

משום שהכל עומד להיות כה שונה

that a simple extrapolation of what we're doing

שאומדן פשוט של מה שאנו עושים

just doesn't make any sense at all.

פשוט אינו היגיוני כלל.

So what I would like to talk about

כך שמה שהייתי רוצה לדבר עליו

is what that could be,

הוא מה שזה יוכל להיות,

what that transition could be that we're going through.

מה יהיה השינוי שאנחנו עומדים לעבור.

Now in order to do that

כעת, על מנת לעשות זאת

I'm going to have to talk about a bunch of stuff

אני עומד לדבר על אוסף דברים

that really has nothing to do

שבאמת לא קשורים

with technology and computers.

לטכנולוגיה ולמחשבים.

Because I think the only way to understand this

משום שאני חושב שהדרך היחידה להבין זאת

is to really step back

היא באמת ללכת אחורה

and take a long time scale look at things.

ולהתבונן בדברים בסקאלת זמן ארוכה.

So the time scale that I would like to look at this on

כך שסקאלת הזמן שבה שהייתי רוצה להתבונן בזה

is the time scale of life on Earth.

הוא סקאלת הזמן של החיים על פני האדמה

So I think this picture makes sense

כך, אני חושב שתמונה זו מתקבלת על הדעת

if you look at it a few billion years at a time.

אם מסתכלים בה כמה מיליארד שנים בכל פעם.

So if you go back

אז אם הולכים אחורה

about two and a half billion years,

משהו כמו 2.5 מיליארד שנים,

the Earth was this big, sterile hunk of rock

הארץ היתה גוש סלע גדול וסטרילי זה

with a lot of chemicals floating around on it.

עם כימיקלים רבים שצפים סביבו.

And if you look at the way

ואם תתבוננו בדרך

that the chemicals got organized,

שכימיקלים אלה התארגנו,

we begin to get a pretty good idea of how they do it.

אנחנו מתחילים לקבל רעיון טוב מאד על הדרך שבה הם עושים זאת.

And I think that there's theories that are beginning to understand

ואני חושב שיש תאוריות שמתחילות להבין

about how it started with RNA,

כיצד זה החל עם רנ"א,

but I'm going to tell a sort of simple story of it,

אבל אני עומד לספר סיפור פשוט על זה,

which is that, at that time,

שזה, שבזמן ההוא

there were little drops of oil floating around

היו טיפות שמן קטנות שצפו סביב

with all kinds of different recipes of chemicals in them.

עם כל מיני מרשמים שונים של כימיקלים בתוכן.

And some of those drops of oil

ולחלק מטיפות שמן אלו

had a particular combination of chemicals in them

היה הרכב מיוחד של כימיקלים בתוכן

which caused them to incorporate chemicals from the outside

שגרם להן לשלב לתוכן כימיקלים מבחוץ

and grow the drops of oil.

ולהגדיל את טיפות השמן.

And those that were like that

ואלו שהיו כאלו

started to split and divide.

החלו להתפצל ולהתחלק.

And those were the most primitive forms of cells in a sense,

ואלו היו במובן מסוים הצורות הכי פרימיטיביות של תאים,

those little drops of oil.

טיפות שמן קטנות אלו.

But now those drops of oil weren't really alive, as we say it now,

אבל עתה טיפות שמן אלו לא היו באמת חיות, כפי שאנו אומרים זאת כעת,

because every one of them

משום שכל אחת מהן

was a little random recipe of chemicals.

היתה מרשם אקראי של כימיקלים.

And every time it divided,

ובכל פעם שזה התחלק,

they got sort of unequal division

הם נחלקו באופן שהוא לחלוקה לא שווה

of the chemicals within them.

של הכימיקלים שבתוכן.

And so every drop was a little bit different.

וכך, כל טיפה היתה שונה מעט

In fact, the drops that were different in a way

למעשה, הטיפות שהיו שונות כך שזה

that caused them to be better

גרם להם להיות טובות יותר

at incorporating chemicals around them,

בהכללת כימיקלים שסביבן,

grew more and incorporated more chemicals and divided more.

גדלו יותר, והכלילו יותר כימיקלים והתחלקו יותר.

So those tended to live longer,

כך שאלו שנטו לחיות יותר זמן

get expressed more.

זכו לביטוי גדול יותר.

Now that's sort of just a very simple

כעת, זה פשוט סוג של

chemical form of life,

צורה כימית פשוטה מאד של חיים,

but when things got interesting

אבל הדברים נעשו מעניינים

was when these drops

כאשר טיפות אלו

learned a trick about abstraction.

למדו תכסיס של אבסטרקציה.

Somehow by ways that we don't quite understand,

איכשהו בדרכים שאנחנו לא ממש מבינים,

these little drops learned to write down information.

טיפות קטנות למדו לכתוב מידע.

They learned to record the information

הם למדו לרשום את המידע

that was the recipe of the cell

שהיה המרשם של התא

onto a particular kind of chemical

לסוג של כימיקל מיוחד

called DNA.

שנקרא ד.נ.א.

So in other words, they worked out,

כך, במילים אחרות, הם פיתחו

in this mindless sort of evolutionary way,

בסוג זה של דרך אבולוציונית לא מודעת

a form of writing that let them write down what they were,

צורה של רישום שאיפשרה להם לרשום את מה שהם היו,

so that that way of writing it down could get copied.

כך שאופן זה של רישום יוכל להיות מועתק.

The amazing thing is that that way of writing

הדבר המופלא הוא שנראה שאופן כתיבה זה

seems to have stayed steady

נשאר יציב

since it evolved two and a half billion years ago.

מאז שהוא התפתח לפני שניים וחצי מיליארד שנה.

In fact the recipe for us, our genes,

לאמיתו של דבר, המרשם של מה שאנחנו, הגנים שלנו,

is exactly that same code and that same way of writing.

הוא בדיוק אותו קוד ואותו אופן של רישום.

In fact, every living creature is written

למעשה, כל יצור חי נרשם

in exactly the same set of letters and the same code.

בדיוק באותה מערכת של אותיות ובאותו קוד.

In fact, one of the things that I did

למעשה, אחד הדברים שעשיתי

just for amusement purposes

רק למטרות שעשוע

is we can now write things in this code.

הוא שאנו יכולים כעת לכתוב דברים באותו קוד.

And I've got here a little 100 micrograms of white powder,

ויש לי כאן מעט, 100 מיקרוגרמים של אבקה לבנה,

which I try not to let the security people see at airports.

שאני מנסה להסתיר מעיני אנשי הביטחון בנמלי התעופה.

(Laughter)

(צחוק)

But this has in it --

אבל יש בה --

what I did is I took this code --

מה שעשיתי הוא, לקחתי את הקוד --

the code has standard letters that we use for symbolizing it --

לקוד יש אותיות סטנדרתיות שאנו משתמשים בהן כדי לסמל זאת --

and I wrote my business card onto a piece of DNA

וכתבתי את כרטיס הביקור שלי על פני פיסת די.אנ.אי

and amplified it 10 to the 22 times.

והגדלתי אותו פי 10 בחזקת 22 פעמים.

So if anyone would like a hundred million copies of my business card,

כך שאם מישהו ירצה 100 מיליון העתקים של כרטיס הביקור שלי,

I have plenty for everyone in the room,

יש לי הרבה ממנו עבור כל אחד באולם זה,

and, in fact, everyone in the world,

ולמעשה לכל אחד בעולם,

and it's right here.

וזה ממש כאן.

(Laughter)

(צחוק)

If I had really been a egotist,

אילו הייתי באמת אגואיסט,

I would have put it into a virus and released it in the room.

הייתי שם זאת לתוך וירוס ומשחרר אותו באולם.

(Laughter)

(צחוק)

So what was the next step?

אם כן מה היה הצעד הבא?

Writing down the DNA was an interesting step.

לרשום את הד.נ.א. היה צעד מעניין.

And that caused these cells --

וזה גרם לתאים האלה --

that kept them happy for another billion years.

להיות מרוצים למשך עוד מיליארד שנים.

But then there was another really interesting step

אבל אז קרה צעד באמת מעניין

where things became completely different,

שהדברים הפכו להיות שונים לגמרי,

which is these cells started exchanging and communicating information,

והוא שתאים אלה התחילו התחילו לתקשר ולהחליף ביניהם אינפורמציה ,

so that they began to get communities of cells.

כך שהם הפכו להיות מושבות תאים.

I don't know if you know this,

אינני יודע אם אתם יודעים זאת

but bacteria can actually exchange DNA.

אבל בקטריה יכולה למעשה להחליף ד.נ.א.

Now that's why, for instance,

כעת, משום כך, למשל

antibiotic resistance has evolved.

התפתחה עמידות לאנטיביוטיקה .

Some bacteria figured out how to stay away from penicillin,

בקטריה מסוימת למדה כיצד להישמר מפניצילין,

and it went around sort of creating its little DNA information

ואיכשהו יצרה של מידע ד.נ.א עצמי קטן

with other bacteria,

יחד עם בקטריות אחרות,

and now we have a lot of bacteria that are resistant to penicillin,

וכעת יש לנו הרבה בקטריות עמידות לפניצילין,

because bacteria communicate.

משום שבקטריה מתקשרת

Now what this communication allowed

כעת, מה שסוג תקשורת זו מאפשרת

was communities to form

זה למושבות להיווצר

that, in some sense, were in the same boat together;

שבמובן מסוים היו יחד באותה סירה,

they were synergistic.

הן היו סינרג'יסטיות.

So they survived

כך שהן שרדו

or they failed together,

או שהן נכשלו יחד,

which means that if a community was very successful,

מה שאומר שאם מושבה היתה מאד מצליחה

all the individuals in that community

כל היחידים במושבה

were repeated more

התרבו יותר

and they were favored by evolution.

וזכו להעדפה אבולוציונית.

Now the transition point happened

כעת, נקודת המעבר קרתה

when these communities got so close

כאשר מושבות אלו התקרבו כל כך

that, in fact, they got together

שלמעשה הן התחברו יחד

and decided to write down the whole recipe for the community

והחליטו לרשום את המרשם המלא עבור המושבה

together on one string of DNA.

יחד על שרשרת די.אנ.איי.

And so the next stage that's interesting in life

וכך השלב הבא המעניין בחיים

took about another billion years.

ארך בערך עוד מיליארד שנים.

And at that stage,

ובשלב זה

we have multi-cellular communities,

יש לנו מושבות רב-תאיות,

communities of lots of different types of cells,

מושבות של הרבה סוגי תאים,

working together as a single organism.

שעובדים יחד כאורגניזם אחד.

And in fact, we're such a multi-cellular community.

והאמת, אנחנו הננו כאלו מושבות רב-תאיות.

We have lots of cells

יש לנו הרבה תאים

that are not out for themselves anymore.

שאינם קיימים יותר לעצמם.

Your skin cell is really useless

תא העור שלך באמת חסר תועלת

without a heart cell, muscle cell,

ללא תא לב, תא שריר,

a brain cell and so on.

תא מוח וכו'.

So these communities began to evolve

כך שמושבות אלו החלו להתפתח

so that the interesting level on which evolution was taking place

וכך הרמה המעניינת שבה האבולוציה התרחשה

was no longer a cell,

לא הייתה יותר התא

but a community which we call an organism.

אלא המושבה שאנו קוראים לה אורגניזם.

Now the next step that happened

כעת, הצעד הבא שקרה

is within these communities.

הוא שבתוך מושבות אלו.

These communities of cells,

מושבות תאים אלו,

again, began to abstract information.

שוב החלו לעשות אבסטרקציה של מידע

And they began building very special structures

והם החלו לבנות את המבנים המיוחדים שלהם

that did nothing but process information within the community.

וכל מה שעשו היה לעבד מידע בתוך המושבה

And those are the neural structures.

ואלה הם המבנים העצביים.

So neurons are the information processing apparatus

כך שנוירונים הם המנגנון שמעבד מידע

that those communities of cells built up.

שמושבות תאים אלו בנו.

And in fact, they began to get specialists in the community

ולמעשה, הם החלו לקבל מומחים במושבה

and special structures

ומבנים מיוחדים

that were responsible for recording,

שהיו אחראים לרישום,

understanding, learning information.

להבנה, ללמידת מידע

And that was the brains and the nervous system

ואלה היו המוחות ומערכת העצבים

of those communities.

של מושבות אלו.

And that gave them an evolutionary advantage.

וזה נתן להם יתרון אבולוציוני.

Because at that point,

משום שבנקודה זו,

an individual --

כפרט --

learning could happen

למידה יכולה להתרחש

within the time span of a single organism,

בתוך טווח זמן של אורגניזם יחיד.

instead of over this evolutionary time span.

במקום במשך זמן אבולוציוני

So an organism could, for instance,

כך שאורגניזם יוכל, לדוגמא

learn not to eat a certain kind of fruit

ללמוד לא לאכול סוג מסוים של פרי

because it tasted bad and it got sick last time it ate it.

משום שטעמו היה רע והוא נעשה חולה בפעם האחרונה שאכל אותו.

That could happen within the lifetime of a single organism,

זה יכול היה לקרות בתוך תקופת חיים של אורגניזם יחיד,

whereas before they'd built these special information processing structures,

בעוד שקודם הם בנו מבנים מיוחדים לעיבוד מידע,

that would have had to be learned evolutionarily

שהיו יכולים להילמד בדרך אבולוציונית

over hundreds of thousands of years

לאורך מאות אלפי שנים

by the individuals dying off that ate that kind of fruit.

על ידי יחידים שמתו לאחר שאכלו סוג זה של פרי.

So that nervous system,

אז מערכת העצבים הזו,

the fact that they built these special information structures,

העובדה שהם בנו מבני מידע מיוחדים אלה

tremendously sped up the whole process of evolution.

האיצה מאוד את כל תהליך האבולוציה.

Because evolution could now happen within an individual.

משום שאבולוציה יכולה כעת לקרות בתוך היחיד.

It could happen in learning time scales.

זה יכול לקרות בלימוד סולמות זמן.

But then what happened

אבל אז מה שקרה

was the individuals worked out,

היה שהיחידים פיתחו,

of course, tricks of communicating.

כמובן תכסיסי תקשורת

And for example,

ולדוגמא,

the most sophisticated version that we're aware of is human language.

הגירסה המתוחכמת ביותר שאנו מודעים לה היא השפה האנושית.

It's really a pretty amazing invention if you think about it.

זו באמת המצאה מדהימה ביותר אם תחשבו על זה.

Here I have a very complicated, messy,

כאן עולה בראשי רעיון מאוד מבולגן,

confused idea in my head.

מסובך, ומבולבל.

I'm sitting here making grunting sounds basically,

אני יושב כאן ומשמיע באופן בסיסי קולות נהימה,

and hopefully constructing a similar messy, confused idea in your head

בתקווה לבנות רעיון מבולגן ומבולבל דומה בתוך ראשי

that bears some analogy to it.

שיעלה איזושהי אנלוגיה לכך.

But we're taking something very complicated,

אבל אנחנו לוקחים משהו מאוד מסובך,

turning it into sound, sequences of sounds,

הופכים אותו לקול, לרצפים של קולות,

and producing something very complicated in your brain.

ויוצרים משהו מאד מורכב בתוך המוח שלנו.

So this allows us now

כך שזה כעת מאפשר לנו

to begin to start functioning

להתחיל להפעיל את התפקוד

as a single organism.

כאורגניזם יחיד.

And so, in fact, what we've done

וכך, למעשה, מה שעשינו

is we, humanity,

הוא שאנו, האנושות

have started abstracting out.

התחלנו לעשות אבסטרקציה

We're going through the same levels

אנו עוברים דרך אותם שלבים

that multi-cellular organisms have gone through --

שאורגניזמים מרובי-תאים עברו דרכם --

abstracting out our methods of recording,

עושים אבסטרקציה של שיטות הרישום שלנו,

presenting, processing information.

בהצגה, בעיבוד מידע.

So for example, the invention of language

כך למשל, המצאת השפה

was a tiny step in that direction.

היתה צעד קטן בכיוון זה.

Telephony, computers,

טלפוניה, מחשבים,

videotapes, CD-ROMs and so on

קלטות, תקליטורים וכדומה

are all our specialized mechanisms

הם כולם מנגנוני ההתמקצעות שלנו

that we've now built within our society

שכעת בנינו בתוך החברה שלנו

for handling that information.

כדי לטפל במידע זה.

And it all connects us together

וכל זה מקשר אותנו יחד

into something

למשהו

that is much bigger

הרבה יותר גדול

and much faster

והרבה יותר מהיר

and able to evolve

ומסוגל להתפתח

than what we were before.

מאשר מה שהיינו לפני כן.

So now, evolution can take place

אז עכשיו, האבולוציה יכולה לקרות

on a scale of microseconds.

בסולם של מיליונית-שניה.

And you saw Ty's little evolutionary example

וראיתם את הדוגמה האבולוציונית הקטנה של TY

where he sort of did a little bit of evolution

שעשה סוג של מעט אבולוציה

on the Convolution program right before your eyes.

בתוכנית הקונבולוציה מול עיניכם.

So now we've speeded up the time scales once again.

אז עכשיו אנחנו שוב האצנו מעלה את סקאלות הזמן.

So the first steps of the story that I told you about

אז השלבים הראשונים של הסיפור שסיפרתי לכם עליו

took a billion years a piece.

ארך מיליארד שנים ליחידה.

And the next steps,

והצעדים הבאים,

like nervous systems and brains,

כמו מערכות העצבים והמוחות,

took a few hundred million years.

ארכו כמה מאות מיליוני שנים.

Then the next steps, like language and so on,

ואז הצעדים הבאים, כמו השפה וכן הלאה,

took less than a million years.

ארכו פחות ממיליון שנים.

And these next steps, like electronics,

והצעדים הבאים האלה, כמו אלקטרוניקה,

seem to be taking only a few decades.

נראה שארכו רק כמה עשרות שנים.

The process is feeding on itself

והתהליך ניזון מעצמו

and becoming, I guess, autocatalytic is the word for it --

והופך, אוטוקטליטי, שאני מניח, שהיא המילה לכך-

when something reinforces its rate of change.

כאשר משהו מתגבר את קצב השינוי שלו.

The more it changes, the faster it changes.

ככל שהוא משתנה יותר, כך הוא משתנה מהר יותר.

And I think that that's what we're seeing here in this explosion of curve.

ואני חושב שזה מה שאנחנו רואים כאן בפיצוץ זה של עקומה.

We're seeing this process feeding back on itself.

אנו רואים תהליך זה שב ומזין את עצמו.

Now I design computers for a living,

עכשיו אני מעצב מחשבים כדי להתפרנס,

and I know that the mechanisms

ואני יודע כי המנגנונים

that I use to design computers

שבהם אני משתמש כדי לעצב מחשבים

would be impossible

לא היו אפשריים

without recent advances in computers.

ללא התפתחויות האחרונות במחשבים.

So right now, what I do

אז עכשיו, מה שאני עושה

is I design objects at such complexity

הוא שאני מעצב אובייקטים בכזו מורכבות

that it's really impossible for me to design them in the traditional sense.

שזה באמת בלתי אפשרי עבורי לעצב במובן המסורתי.

I don't know what every transistor in the connection machine does.

אני לא יודע מה עושה כל טרנזיסטור במכשיר חיבור.

There are billions of them.

ישנם מיליארדים כאלה.

Instead, what I do

במקום זה, מה אני עושה

and what the designers at Thinking Machines do

ומה עושים המעצבים ב"סינקינג משינז" (מכשירי חשיבה)

is we think at some level of abstraction

הוא שאחנו חושבים ברמה מסוימת של הפשטה

and then we hand it to the machine

ולאחר מכן אנו מוסרים זאת למכשיר

and the machine takes it beyond what we could ever do,

והמכשיר לוקח אותו אל מעבר למה שאי פעם נוכל,

much farther and faster than we could ever do.

הרבה יותר רחוק ומהר יותר מאשר אי פעם נוכל.

And in fact, sometimes it takes it by methods

ולמעשה, לפעמים הם עושים זאת בשיטות

that we don't quite even understand.

שאנחנו אפילו לא ממש מבינים.

One method that's particularly interesting

אחת השיטות שהיא מעניינת במיוחד

that I've been using a lot lately

שאני משתמש בה הרבה בזמן האחרון

is evolution itself.

היא האבולוציה עצמה.

So what we do

אז מה שאנחנו עושים

is we put inside the machine

הוא ששמנו בתוך המכשיר

a process of evolution

תהליך של אבולוציה

that takes place on the microsecond time scale.

שקורה על סרגל זמן של מיליונית-שנייה

So for example,

כך למשל,

in the most extreme cases,

במקרים הקיצוניים ביותר,

we can actually evolve a program

אנו יכולים למעשה לפתח תוכנית

by starting out with random sequences of instructions.

על-ידי כך שמתחילים עם רצפים אקראיים של הוראות.

Say, "Computer, would you please make

נניח, "מחשב, האם תוכל בבקשה לעשות

a hundred million random sequences of instructions.

מאה מיליון רצפים אקראיים של הוראות.

Now would you please run all of those random sequences of instructions,

עכשיו תוכל בבקשה להפעיל את כל הרצפים האקראיים של ההוראות,

run all of those programs,

להפעיל את כל התוכניות האלה

and pick out the ones that came closest to doing what I wanted."

ולבחור את אלה שהגיעו הכי קרוב כדי לעשות את מה שרציתי."

So in other words, I define what I wanted.

אז במילים אחרות, אני מגדיר את מה שרציתי.

Let's say I want to sort numbers,

נניח שאני רוצה למיין מספרים,

as a simple example I've done it with.

כדוגמה פשוטה עשיתי את זה.

So find the programs that come closest to sorting numbers.

אז מצא עבורי את התוכניות שמגיעות הכי קרוב למיון מספרים.

So of course, random sequences of instructions

אז כמובן, רצפים אקראיים של הוראות

are very unlikely to sort numbers,

אינם מאוד סבירים כדי למיין מספרים,

so none of them will really do it.

כך שאף אחד מהם לא באמת יעשה זאת.

But one of them, by luck,

אבל אחד מהם, במזל,

may put two numbers in the right order.

עשוי לשים שני מספרים בסדר הנכון.

And I say, "Computer,

ואני אומר, "מחשב,

would you please now take the 10 percent

בבקשה קח עכשיו את 10 האחוזים

of those random sequences that did the best job.

של הרצפים האקראיים שעשו את העבודה הטובה ביותר.

Save those. Kill off the rest.

שמור אותם. הרוג את השאר.

And now let's reproduce

ועכשיו בואו ונשחזר

the ones that sorted numbers the best.

את אלה שמיינו מספרים הכי טוב.

And let's reproduce them by a process of recombination

ובואו נשחזר אותם בתהליך של רקומבינציה

analogous to sex."

באופן אנלוגי לרבייה."

Take two programs and they produce children

קח שתי תוכניות, והן מייצרות ילדים

by exchanging their subroutines,

על ידי החלפת הסב-רוטינות שלהם,

and the children inherit the traits of the subroutines of the two programs.

והילדים מקבלים בירושה את תכונות הסב-רוטינות של שתי התוכניות.

So I've got now a new generation of programs

אז יש לי עכשיו דור חדש של תוכניות

that are produced by combinations

שמיוצרות על ידי שילובים

of the programs that did a little bit better job.

של התוכניות שעשו עבודה מעט טובה יותר.

Say, "Please repeat that process."

אומרים, "אנא חזור על תהליך זה."

Score them again.

דרג אותם שוב.

Introduce some mutations perhaps.

הצג כמה מוטציות אולי.

And try that again and do that for another generation.

ונסה זאת שוב בשביל דור אחר.

Well every one of those generations just takes a few milliseconds.

טוב, כל אחד מדורות אלה פשוט אורך כמה אלפיות השניה.

So I can do the equivalent

אז אני יכול לעשות את המקבילה

of millions of years of evolution on that

של מיליוני שנים של אבולוציה על כך

within the computer in a few minutes,

בתוך המחשב בדקות ספורות,

or in the complicated cases, in a few hours.

או במקרים מורכבים, תוך שעות ספורות.

At the end of that, I end up with programs

בסופו של דבר זה אני מסיים עם תוכניות

that are absolutely perfect at sorting numbers.

מושלמות לחלוטין במיון מספרים.

In fact, they are programs that are much more efficient

למעשה,הן תוכניות הרבה יותר יעילות

than programs I could have ever written by hand.

מתוכניות שיכולתי אי-פעם לכתוב בכתב יד.

Now if I look at those programs,

עכשיו אם אני מסתכל על תוכניות אלה,

I can't tell you how they work.

אני לא יכול לומר לכם איך הן עובדות.

I've tried looking at them and telling you how they work.

ניסיתי להסתכל עליהם ולספר לכם איך הן עובדות.

They're obscure, weird programs.

הן תוכניות מעורפלות, מוזרות.

But they do the job.

אבל הן עושות את העבודה.

And in fact, I know, I'm very confident that they do the job

ולמעשה, אני יודע, אני לגמרי בטוח שהן עושות את העבודה

because they come from a line

מכיוון שהן באות מקו

of hundreds of thousands of programs that did the job.

של מאות אלפי תוכניות שעשו את העבודה.

In fact, their life depended on doing the job.

למעשה, החיים שלהם תלויים בכך שיעשו את העבודה.

(Laughter)

(צחוק)

I was riding in a 747

טסתי פעם אחת ב-747

with Marvin Minsky once,

עם מרווין מינסקי,

and he pulls out this card and says, "Oh look. Look at this.

והוא שולף כרטיס ואומר: "הו ראה. הסתכל על זה.

It says, 'This plane has hundreds of thousands of tiny parts

זה אומר, ' למטוס זה יש מאות אלפי חלקים זעירים

working together to make you a safe flight.'

שעובדים יחד כדי שתהיה לך טיסה בטוחה.'

Doesn't that make you feel confident?"

האין זה גורם לך להרגיש בטוח? "

(Laughter)

(צחוק)

In fact, we know that the engineering process doesn't work very well

למעשה, אנו יודעים כי תהליך ההנדסה אינו פועל היטב

when it gets complicated.

כאשר זה נהיה מסובך.

So we're beginning to depend on computers

אז אנחנו מתחילים לסמוך על מחשבים

to do a process that's very different than engineering.

כדי לעשות תהליך שונה מאוד מהנדסה.

And it lets us produce things of much more complexity

והוא מאפשר לנו לייצר דברים עם הרבה יותר מורכבות

than normal engineering lets us produce.

מאשר הנדסה רגילה מאפשרת לנו לייצר.

And yet, we don't quite understand the options of it.

ובכל זאת, אנחנו לא מבינים מספיק את האפשרויות של זה.

So in a sense, it's getting ahead of us.

אז במובן מסוים, זה מקדים אותנו.

We're now using those programs

אנו משתמשים כעת בתוכניות אלה

to make much faster computers

כדי לעשות מחשבים הרבה יותר מהירים

so that we'll be able to run this process much faster.

כך שנוכל להפעיל תהליך זה הרבה יותר מהר.

So it's feeding back on itself.

כך שהוא מזין חזרה את עצמו.

The thing is becoming faster

הדבר הופך להיות מהיר יותר

and that's why I think it seems so confusing.

וזו הסיבה לדעתי שזה נראה כל כך מבלבל.

Because all of these technologies are feeding back on themselves.

כי כל הטכנולוגיות האלו שבות ומזינות את עצמן מעצמן.

We're taking off.

אנחנו ממריאים.

And what we are is we're at a point in time

ומה שאנחנו הוא, שאנחנו נמצאים בנקודה בזמן

which is analogous to when single-celled organisms

שהיא אנלוגית לתהליך שבו אורגניזמים חד תאיים

were turning into multi-celled organisms.

הפכו לאורגניזמים רב-תאיים.

So we're the amoebas

אז אנחנו אמבות

and we can't quite figure out what the hell this thing is we're creating.

ואיננו יכולים ממש להסביר מה לעזאזל הדבר הזה שאנחנו יוצרים.

We're right at that point of transition.

אנחנו ממש באותה נקודת מעבר.

But I think that there really is something coming along after us.

אבל אני חושב שבאמת יש משהו שבא אחרינו.

I think it's very haughty of us

אני חושב שזה מאוד מתנשא מצדנו

to think that we're the end product of evolution.

לחשוב שאנחנו המוצר הסופי של האבולוציה.

And I think all of us here

ואני חושב שכל אחד מאיתנו כאן

are a part of producing

הוא חלק בהפקה

whatever that next thing is.

של מה שלא יהיה הדבר הבא.

So lunch is coming along,

אז מגיעה ארוחת הצהריים,

and I think I will stop at that point,

ואני חושב שאפסיק בנקודה זו,

before I get selected out.

לפני שיראו לי את הדלת החוצה.

(Applause)

(מחיאות כפיים)