Danny Hillis: Back to the future (of 1994)

번역: Woo Hwang 검토: JaeHoon Lee

Because I usually take the role

제가 사람들에게

of trying to explain to people

이제 다가올 새로운 기술들이

how wonderful the new technologies

얼마나 아름다울지 설명하는 역할을

that are coming along are going to be,

주로 맡고 있고,

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

제가 생각하기로는, 제가 여기 중 한사람이기에

I would tell you what I really think

제가 정말로 생각하는 것을 말하고

and try to look back and try to understand

여기에 지금 무엇이 일어나는지에 대해

what is really going on here

돌아보고 이해해 보도록 합시다.

with these amazing jumps in technology

너무 빨라서 우리가 완전히 이해할 수 없을 정도의

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

엄청나고 놀라운 기술의 발전에 대해서 말이죠.

So I'm going to start out

이제 지루한 기술 슬라이드를 보면서

by showing just one very boring technology slide.

시작하겠습니다.

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

여기 슬라이드를 이제 보시면,

This is just a random slide

이건 그냥 제가 제 파일에서 무작위로

that I picked out of my file.

뽑아온 슬라이드입니다.

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

제가 보여주고 싶은 부분은 구체적인 세부사항이 아니라

but the general form of it.

그냥 일반적인 형태입니다.

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

이 슬라이드는 우리가 RISC 마이크로 프로세서의 파워와

about the power of RISC microprocessors

지역 통신망(LAN) 을

versus the power of local area networks.

분석한 슬라이드 입니다.

And the interesting thing about it

여기서 흥미로운 것은

is that this slide,

이 슬라이드가,

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

우리가 주로 보곤 했던 수많은 기술 분야의 슬라이드 처럼,

is a sort of a straight line

세미로그 곡선상에 있는

on a semi-log curve.

직선과 같습니다.

In other words, every step here

다른 말로 하면, 여기 모든 단계들은

represents an order of magnitude

성능에 따른 규모를

in performance scale.

보여주고 있습니다.

And this is a new thing

그리고 세미로그 곡선상에서

that we talk about technology

기술을 말하는것은

on semi-log curves.

새로운 것입니다.

Something really weird is going on here.

여기서 정말 이상한 게 있는데요.

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

그게 바로 제가 말하려고 하는 것입니다.

So, if you could bring up the lights.

여기 조명을 좀 비춰주세요,

If you could bring up the lights higher,

좀더 높게 비춰보면,

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

제가 여기에 종이를 사용하려고 합니다.

Now why do we draw technology curves

그럼 이제 우리는 왜 기술 곡선을

in semi-log curves?

세미로그 모양으로 그릴 까요?

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

뭐 대답은, 제가 만약 이걸 일반 곡선으로 그린다면,

where, let's say, this is years,

음, 예를 들어, 이게 년도이고

this is time of some sort,

이게 시간이라고 생각하고,

and this is whatever measure of the technology

이것은 제가 그리고자 하는 그래프의

that I'm trying to graph,

기술에 대한 수치라고하면,

the graphs look sort of silly.

이 그래프는 좀 우스꽝스러워 보입니다.

They sort of go like this.

이렇게 생기겠죠.

And they don't tell us much.

이걸론 뭘 알수가 없습니다.

Now if I graph, for instance,

그리고 제가 다른 기술을,

some other technology, say transportation technology,

예를 들어, 교통 기술 그래프를

on a semi-log curve,

세미로그 곡선으로 그린다면

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

정말 바보같이 보일겁니다, 일직선 으로 말이죠

But when something like this happens,

그런데 만약 이런게 생기면

things are qualitatively changing.

그건 질적인 변화를 말하게되죠.

So if transportation technology

그래서 만약 교통 기술이

was moving along as fast as microprocessor technology,

마이크로프로세서 기술과 같이 빨리 움직인다면,

then the day after tomorrow,

내일 모레에

I would be able to get in a taxi cab

저는 택시를 타고

and be in Tokyo in 30 seconds.

30초안에 동경에 도착하게 될겁니다.

It's not moving like that.

근데 그렇게 움직이지 않죠.

And there's nothing precedented

그리고 기술 발전의 역사에 있어서

in the history of technology development

이런 일은 전례가 없습니다.

of this kind of self-feeding growth

이렇게 몇년마다 스스로 자릿수가

where you go by orders of magnitude every few years.

늘어나는 규모로 말이죠.

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

이제 제가 묻고싶은 질문은,

if you look at these exponential curves,

이 기하급수적인 곡선을 보면,

they don't go on forever.

이 그래프는 끝까지 이렇게 가지는 않습니다.

Things just can't possibly keep changing

이렇게 빨리 계속

as fast as they are.

변하지는 않습니다.

One of two things is going to happen.

여기서 둘 중 하나의 경우가 일어납니다.

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

무엇인가 완전히 다른것이 나올 때까지

until something totally different comes along,

이처럼 일반적인 S자 곡선을 그리던지

or maybe it's going to do this.

아니면 이렇게 갈 겁니다.

That's about all it can do.

이 둘이 전부입니다.

Now I'm an optimist,

저는 낙관주의자 입니다.

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

그래서 전 이렇게 갈거라고 생각하고있는데,

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

만약 그렇다면, 우리가 있는 이 중간이

is a transition.

다른 것으로 가는 변화의 중심입니다.

We're sort of on this line

우리는 세상이 해오던 방식에서

in a transition from the way the world used to be

새로운 방향으로 전이되는

to some new way that the world is.

선상에 있다고 볼 수 있습니다.

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

여기서 제가 질문하고자 하거나, 또는 제가 그동안 스스로 자문 했던것은,

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

세계가 가고 있는 새로운 방향이 무엇일까요?

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

세상이 나아가고 있는 새로운 상황이 무엇일까요?

Because the transition seems very, very confusing

왜냐하면 우리가 만약 이 중간에 있다면,

when we're right in the middle of it.

그 변혁의 시점은 정말 혼란스럽기 때문입니다.

Now when I was a kid growing up,

제가 어렸을 적에는,

the future was kind of the year 2000,

저희에게 있어 미래란, 2000년 정도였습니다.

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

그리고 사람들은 2000년엔 무슨 일이 일어날지에 대해 이야기하곤 했죠.

Now here's a conference

자 여기에 사람들이 미래에 대해서

in which people talk about the future,

이야기하는 컨퍼런스가 있습니다.

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

그리고 당신은 '미래' 는 아직도 2000년이라는 것을 깨닫습니다.

It's about as far as we go out.

아직 많이 남은 거죠.

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

다시 말하면, 제 인생에서

one year per year

1년이 지날때 마다 1년씩

for my whole lifetime.

미래는 계속 줄어 들고 있습니다.

Now I think that the reason

전 그 이유가,

is because we all feel

우리 모두 다

that something's happening there.

그 때 무엇이 일어난다는 걸 알고 있기 때문이라고 생각합니다.

That transition is happening. We can all sense it.

이 변혁은 일어나고 있습니다. 우리 모두 느낄 수 있습니다.

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

그리고 우리는 30년, 50년을 생각 하는것이

to think out 30, 50 years

말이 안된다는 것을 알고 있습니다.

because everything's going to be so different

모든것들이 완전히 다르기 때문에

that a simple extrapolation of what we're doing

우리가 무엇을 할것인지에 대한 간단한 예상은

just doesn't make any sense at all.

전혀 말이 안된다고 생각합니다.

So what I would like to talk about

그래서 제가 하고 싶은 말은,

is what that could be,

그게 무엇이 될 수 있는지 입니다.

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

우리가 겪고 있는 변혁이 무엇이 될 수 있는지를 아는 것입니다.

Now in order to do that

그렇게 하려면

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

기술과 컴퓨터와는 상관이 없는

that really has nothing to do

아주 많은 것들에 대해서

with technology and computers.

언급해야만 합니다.

Because I think the only way to understand this

왜냐면 이걸 이해할 수 있는 단 하나의 방법은

is to really step back

뒤로 물러서서

and take a long time scale look at things.

오랜 시간동안 관찰 하는 겁니다

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

그래서 이걸 볼 수 있는 시간은,

is the time scale of life on Earth.

지구에서의 삶의 시간입니다.

So I think this picture makes sense

한번에 몇십억년을 생각해본다면

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

이런 그림은 말이됩니다.

So if you go back

그래서 이제 25억 년 전

about two and a half billion years,

뒤로 가본다면,

the Earth was this big, sterile hunk of rock

지구는 이만큼 크고, 지구상에 떠돌아다니는

with a lot of chemicals floating around on it.

많은 화학물질로 이루어진 큰 바위덩어리 입니다.

And if you look at the way

만약 그 화학 물질들이 집합해서

that the chemicals got organized,

있다는 식으로 생각해보면

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

어떻게 생겼을지 상상이 잘 갑니다.

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

그리고 RNA에서 어떻게 시작하는지를

about how it started with RNA,

이해하기 시작하는 이론들이 있다고 생각합니다.

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

하지만 간단한 이야기를 하려고합니다.

which is that, at that time,

그건, 그당시에

there were little drops of oil floating around

서로다른 조합의 화학물질로 이루어진

with all kinds of different recipes of chemicals in them.

기름 몇방울이 떠돌아 다니고 있었습니다.

And some of those drops of oil

그중 기름 몇방울은

had a particular combination of chemicals in them

화학물질을 외부로 부터 분리해 내는

which caused them to incorporate chemicals from the outside

특별한 조합으로 이루어져 있었습니다.

and grow the drops of oil.

그리고 그 기름 몇방울이 커지게 되었죠.

And those that were like that

그런것들이

started to split and divide.

쪼개고 나누어지게 되었습니다.

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

그런 작은 기름 방울들이 어쩌면

those little drops of oil.

세포의 가장 원시적인 형태였겠죠.

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

하지만 그런 기름 방울들은 살아 있지는 않았습니다.

because every one of them

그런 기름 방울들은

was a little random recipe of chemicals.

화학물질들의 조합이었기 때문이죠.

And every time it divided,

기름 방울이 나누어 질 때마다

they got sort of unequal division

화학물질들은

of the chemicals within them.

불균등하게 분리 되었습니다.

And so every drop was a little bit different.

그래서 모든 기름 방울들이 조금씩은 다르게 되었죠.

In fact, the drops that were different in a way

사실 그런 기름 방울들은 화학물질들을 분리해내고

that caused them to be better

더 좋은 상태로 만들고,

at incorporating chemicals around them,

더 커지고 더 많은 화학물질들을 분리하고,

grew more and incorporated more chemicals and divided more.

또 더 나누어진다는 점에서 모두가 서로 다릅니다.

So those tended to live longer,

그래서 더 오래 살고

get expressed more.

더 표출되는 경향이 있었습니다.

Now that's sort of just a very simple

그것은 생명체의 아주 간단한

chemical form of life,

형태입니다.

but when things got interesting

하지만 흥미로운점은

was when these drops

이런 기름 방울들이

learned a trick about abstraction.

추상화라는 기술을 습득할 때죠.

Somehow by ways that we don't quite understand,

우리가 이해 할 수 없는 방법들로

these little drops learned to write down information.

이 방울들이 정보를 기록하게 된것이죠.

They learned to record the information

DNA라고 불리우는

that was the recipe of the cell

특별한 형태의 화학물질로 이루어진

onto a particular kind of chemical

세포조합에 정보를

called DNA.

기록하게 되었습니다.

So in other words, they worked out,

다시 말해서 진화적인 방법으로

in this mindless sort of evolutionary way,

자신들이 무엇인지를

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

써내려가는 물체를 만들었습니다.

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

그래서 기록하는 방법이 복제 될 수 있었습니다.

The amazing thing is that that way of writing

놀라운점은 기록하는 방법이

seems to have stayed steady

25억년전에 진화한 이후로

since it evolved two and a half billion years ago.

안정적인 상태를 유지하고 있다는 점이죠.

In fact the recipe for us, our genes,

사실 사람들의 조합, 즉 유전자들은

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

같은 코드와 기록방식을 가지고 있습니다.

In fact, every living creature is written

살아있는 모든 생명체는

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

같은 문자열과 코드로 씌여진다는 것이죠.

In fact, one of the things that I did

재미삼아서 제가

just for amusement purposes

해보았던 것은

is we can now write things in this code.

많은것들을 이런 코드로 써봤습니다.

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

여기 제가 100마이크로그램의 백색가루를 가지고 있습니다.

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

공항에서 보안요원들에게 보여주면 안되겠죠.

(Laughter)

(웃음)

But this has in it --

이 가루는 코드를 가지고 있는데요.

what I did is I took this code --

-- 제가 한것이 이 코드를 찾아 본것이죠. --

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

그 코드는 표시하려고 사용하는 표준 문자열들을 가지고 있습니다.

and I wrote my business card onto a piece of DNA

제가 DNA 조각에 제 명함을 기록해서

and amplified it 10 to the 22 times.

10배에서 22배 가량 확대를 했습니다.

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

그래서 누군가 수백만장의 제 명함이 필요하면,

I have plenty for everyone in the room,

이 방안에 있는 모든분과

and, in fact, everyone in the world,

전세계의 모든사람에 줄만큼 충분히

and it's right here.

바로 여기안에 가지고 있는 것이죠.

(Laughter)

(웃음)

If I had really been a egotist,

제가 아주 이기적인 사람이었다면,

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

아마 여기에 바이러스를 담아서 이방안에 뿌렸을겁니다.

(Laughter)

(웃음)

So what was the next step?

그럼 다음 과정은 무엇일까요?

Writing down the DNA was an interesting step.

DNA 코드를 기록하는 것은 흥미로운 과정이었습니다.

And that caused these cells --

그런 과정이 세포들을

that kept them happy for another billion years.

또다른 수십억년동안을 즐겁게 만들었습니다.

But then there was another really interesting step

그런데 완전히 다른 방향으로

where things became completely different,

정말 흥미로운 또다른 점이 있었습니다.

which is these cells started exchanging and communicating information,

그것은 이 세포들이 정보를 교환하고 상호작용 했다는 점입니다.

so that they began to get communities of cells.

그래서 세포 집단이 형성되기 시작 했다는 것이죠.

I don't know if you know this,

여러분들이 아시는지 모르겠지만,

but bacteria can actually exchange DNA.

세균들은 DNA를 교환 할 수 있습니다.

Now that's why, for instance,

예를 들어, 그것이 항생제 내성이

antibiotic resistance has evolved.

발달하게된 이유죠.

Some bacteria figured out how to stay away from penicillin,

어떤 세균은 페니실린에서 떨어지는 방법을 알게 되었구요.

and it went around sort of creating its little DNA information

다른 세균들과 함께 DNA 정보를

with other bacteria,

만들어내기도 했습니다.

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

그래서 지금은 페니실린에 내성을 가진 많은 세균들이 있게 되었죠.

because bacteria communicate.

왜냐하면 세균들도 서로 소통하기 때문입니다.

Now what this communication allowed

이런 소통이 하는 역할은

was communities to form

같은 배에 타고 있다는 공동체를

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

형성하게 합니다.

they were synergistic.

그래서 상승효과를 가지게 되죠.

So they survived

그래서 공생하거나

or they failed together,

공멸하게 되는 것인데요.

which means that if a community was very successful,

공동체가 성공적으로 생존한다면

all the individuals in that community

모든 개체들은

were repeated more

지속적으로 반복하여 생존하고

and they were favored by evolution.

진화하게 됩니다.

Now the transition point happened

이런 공동체들이 아주 가까워 질때

when these communities got so close

변이점이 발생합니다.

that, in fact, they got together

이런 개체들은 함께하고

and decided to write down the whole recipe for the community

DNA의 나열에 공동체를 위한

together on one string of DNA.

유전자 조합을 기록하게 되죠.

And so the next stage that's interesting in life

그리고 흥미로운 다음 단계가

took about another billion years.

수십억년에 걸쳐 일어나게 됩니다.

And at that stage,

그 단계에서,

we have multi-cellular communities,

다세포 공동체가 형성되는데요.

communities of lots of different types of cells,

마치 한개의 조직처럼 함께 움직이는

working together as a single organism.

여러개의 서로다른 세포들로 이루어진 공동체입니다.

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

사실 우리는 그런 다세포 공동체입니다.

We have lots of cells

사람들은 자신 스스로만은

that are not out for themselves anymore.

더 얻을게 없는 많은 세포들을 가지고 있습니다.

Your skin cell is really useless

표피 세포는 심장세포, 근육세포

without a heart cell, muscle cell,

뇌세포 등 없이는

a brain cell and so on.

아무 쓸모가 없습니다.

So these communities began to evolve

그래서 이런 공동체가 진화하게 되었는데요.

so that the interesting level on which evolution was taking place

진화가 일어나는 흥미로운 수준은

was no longer a cell,

더이상 세포가 아니라

but a community which we call an organism.

우리가 조직이라고 부르는 공동체라는 것입니다.

Now the next step that happened

다음 과정은

is within these communities.

이런 공동체 안에서 일어납니다.

These communities of cells,

이런 세포들의 공동체는

again, began to abstract information.

정보를 다시 추상화하기 시작합니다.

And they began building very special structures

그리고 공동체 안에서 아무것도 안하고

that did nothing but process information within the community.

다만 정보만을 처리하는 특별한 구조물을 만들기 시작합니다.

And those are the neural structures.

그런것들이 신경 구조물입니다.

So neurons are the information processing apparatus

뉴런들이 세포의 공동체가 만들어낸

that those communities of cells built up.

정보처리기관 입니다.

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

그리고 공동체에서 특이성을 가지게 되었는고,

and special structures

정보를 기록하고, 이해하고

that were responsible for recording,

습득하는 기능을 담당하는

understanding, learning information.

특별한 구조도 가지게 되었습니다.

And that was the brains and the nervous system

그런 공동체들의 뇌와

of those communities.

신경계가 되었던 것이죠.

And that gave them an evolutionary advantage.

그리고 진화적인 장점도 주게 됩니다.

Because at that point,

그 점 때문에

an individual --

학습하는 개인이

learning could happen

진화적인 시간 보다는

within the time span of a single organism,

단일 조직의 시간안에서

instead of over this evolutionary time span.

발생하게 되었죠.

So an organism could, for instance,

예를들어, 신체조직은 어떤 종류의 과일은

learn not to eat a certain kind of fruit

먹지 않도록 학습합니다.

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

왜냐하면 맛이 없고, 지난번에 먹고 나서는 병이났다고 느꼈기 때문이죠.

That could happen within the lifetime of a single organism,

이런 일은 단일 조직의 평생기간 동안 일어납니다.

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

반면에 이렇게 특별한 정보처리 구조를 만들기 전에는

that would have had to be learned evolutionarily

그런 종류의 과일을 먹고 각각의 개체가

over hundreds of thousands of years

수천년동안 죽어가면서 진화적으로

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

학습해야 할 것입니다.

So that nervous system,

그런 신경계는,

the fact that they built these special information structures,

이런 특별한 정보처리 구조를 만들어서

tremendously sped up the whole process of evolution.

진화의 전체과정에 대한 속도를 엄청나게 올리게 됩니다.

Because evolution could now happen within an individual.

왜냐하면 진화는 개개인의 개체 안에서 일어 날 수 있기 때문입니다.

It could happen in learning time scales.

그것은 학습기간안에 일어 날 수 있습니다.

But then what happened

하지만 발생하는 것은

was the individuals worked out,

각각이 의사소통의 방법을

of course, tricks of communicating.

해결 했다는 것이죠.

And for example,

예를 들어,

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

우리가 인지하는 가장 복잡은 형태는 인간의 언어죠.

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

정말로 놀라운 발명입니다.

Here I have a very complicated, messy,

제 머리속에 아주 복잡하고 혼잡한

confused idea in my head.

생각이 있습니다.

I'm sitting here making grunting sounds basically,

끙끙거리면서 여기 앉아 있습니다.

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

그리고 여러분의 머리속에 제 머리속에 있는 것과 유사한

that bears some analogy to it.

복잡한 생각을 만들려고 합니다.

But we're taking something very complicated,

아주 복잡한 것을 생각하고,

turning it into sound, sequences of sounds,

그 생각을 소리로 바꿉니다.

and producing something very complicated in your brain.

그리고 여러분의 머리속에 그 복잡한 생각을 주입합니다.

So this allows us now

단일 조직처럼

to begin to start functioning

우리가 기능화를

as a single organism.

시작하게 합니다.

And so, in fact, what we've done

그래서 사실 우리 인류가

is we, humanity,

추상화라는 것을

have started abstracting out.

시작하게 됩니다.

We're going through the same levels

다세포 조직이 했던 것과

that multi-cellular organisms have gone through --

같은 수준으로 하게 되는데요,

abstracting out our methods of recording,

기록하고, 표현하고, 정보를 처리하는

presenting, processing information.

방법을 추상화하게 되는것입니다.

So for example, the invention of language

예를들어, 언어의 발명은 이런 방향에서 볼때

was a tiny step in that direction.

아주 작은 과정이었습니다.

Telephony, computers,

전화, 컴퓨터,

videotapes, CD-ROMs and so on

비디오 테이프, 씨디롬 등은

are all our specialized mechanisms

우리 사회에서

that we've now built within our society

정보를 다루기 위해

for handling that information.

만들어진 특별한 메카니즘입니다.

And it all connects us together

이 모든것들은

into something

더 크고,

that is much bigger

더 빠르고,

and much faster

우리가 이전에 했던것보다

and able to evolve

더 진화된 무엇인가로

than what we were before.

우리를 연결합니다.

So now, evolution can take place

그래서 지금은 진화가

on a scale of microseconds.

마이크로초 단위로 발생합니다.

And you saw Ty's little evolutionary example

그리고 여러분은 진화의 작은 부분을

where he sort of did a little bit of evolution

정리하는 예를 여러분의 바로 눈앞에서

on the Convolution program right before your eyes.

컨볼루션 프로그램을 통해서 보셨습니다.

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

그래서 우리는 다시 한번 시간단위의 속도를 빠르게 올렸습니다.

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

제가 말씀드렸던 그 이야기의 첫번째 과정은

took a billion years a piece.

수십억년이 걸렸습니다.

And the next steps,

신경계와 뇌조직 같은

like nervous systems and brains,

다음 과정들은

took a few hundred million years.

수백만년에 걸쳐 진화했습니다.

Then the next steps, like language and so on,

언어 처럼 기타 다른 과정들은

took less than a million years.

백만년 이하로 걸렸습니다.

And these next steps, like electronics,

전기와 같은 다음 과정들은

seem to be taking only a few decades.

수십년정도 걸리는것 같습니다.

The process is feeding on itself

그 과정은 스스로 배양하는것 같구요.

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

일종의 자체촉매작용을 한다는 단어가 맞을듯합니다.

when something reinforces its rate of change.

-- 무엇인가가 변화율을 증가할 때 처럼요.

The more it changes, the faster it changes.

변화하면 할수록, 더 빠르게 변화하는 것이죠.

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

그것이 바로 곡선에서 폭발적으로 증가하는 부분을 보고 있는 것이죠.

We're seeing this process feeding back on itself.

스스로 다시 패드백을 받는 과정을 보고 있는 것 입니다.

Now I design computers for a living,

제 직업은 컴퓨터를 설계하는 것 입니다.

and I know that the mechanisms

그리고 컴퓨터 분야의

that I use to design computers

발달이 없었다면

would be impossible

제가 컴퓨터를 설계하기 위해 사용하는

without recent advances in computers.

메카니즘은 불가능 할 것이라는 것을 알고 있습니다.

So right now, what I do

그래서 지금 제가 하는것은

is I design objects at such complexity

전통적인 방법으로는 불가능한

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

아주 복잡한 사물을 설계하고 있는 것 입니다.

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

저는 연결된 모든 트랜지스터가 뭘 하는지는 모릅니다.

There are billions of them.

수십억개가 있죠.

Instead, what I do

대신에 저나 또는

and what the designers at Thinking Machines do

Thinking Machines 회사의 설계자들이 하는것은

is we think at some level of abstraction

추상화 단계를 생각해보고

and then we hand it to the machine

추상화된 것을 기계에게 전달해 주는 것 입니다.

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

그리고 기계는 그것을 받아서 우리가 했었던것 이상으로

much farther and faster than we could ever do.

더 깊게 그리고 더 빨리 처리하게 됩니다.

And in fact, sometimes it takes it by methods

가끔은 우리가 전혀 이해하지 못하는

that we don't quite even understand.

방법으로 이루어지기도 합니다.

One method that's particularly interesting

최근에 제가 이용했던 흥미로운

that I've been using a lot lately

방법중에 한가지는

is evolution itself.

바로 진화 그 자체 였습니다.

So what we do

그래서 우리가 했던것은

is we put inside the machine

마이크로초 단위로 발생하는

a process of evolution

진화과정을

that takes place on the microsecond time scale.

컴퓨터 내부에 심는 일이었죠.

So for example,

예를들어,

in the most extreme cases,

아주 극단적인 경우에,

we can actually evolve a program

무작위의 명령어를 실행하여

by starting out with random sequences of instructions.

프로그램을 진화시킬 수 있습니다.

Say, "Computer, would you please make

예를 들어,

a hundred million random sequences of instructions.

"컴퓨터, 수백만개의명령어를 만들어 주세요."

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

"만들었던 모든 명령어들을 실행해 주세요."

run all of those programs,

"모든 프로그램도 실행해 주세요."

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

"그리고 제가 원했던것과 가장 밀접한 프로그램 한개를 골라주세요"

So in other words, I define what I wanted.

다시 말해서. 제가 원하는 것을 정의 하는 거죠.

Let's say I want to sort numbers,

예를들어, 제가 했던 간단한 예제처럼

as a simple example I've done it with.

숫자들을 정렬하고 싶습니다.

So find the programs that come closest to sorting numbers.

숫자들을 정렬하는데 가장 근접한 프로그램을 찾고,

So of course, random sequences of instructions

물론 명령어들의 무작위 조합은

are very unlikely to sort numbers,

숫자들을 정렬하지 못하죠,

so none of them will really do it.

어떤 명령어도 하지 않습니다.

But one of them, by luck,

하지만 운좋게 그 명령어들 중에서 한가지는

may put two numbers in the right order.

두 숫자를 똑바로 정렬 할 수도 있습니다.

And I say, "Computer,

그리고 제가 이렇게 말을 합니다.

would you please now take the 10 percent

"컴퓨터, 작업을 제일 잘했던 명령어들중에서

of those random sequences that did the best job.

10%를 골라보세요."

Save those. Kill off the rest.

"나머지는 모두 삭제하고 그 명령어들만 저장하세요."

And now let's reproduce

"그리고 숫자들을 잘 정렬했던

the ones that sorted numbers the best.

명령어들을 다시 만들어 내세요."

And let's reproduce them by a process of recombination

"그리고 교배 하듯이 재조합 과정을 통해

analogous to sex."

재생산하세요."

Take two programs and they produce children

두개의 프로그램을 선택하고, 이 프로그램들의

by exchanging their subroutines,

하부 프로그램을 교환해서 자식 프로그램을 생산합니다.

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

그리고 그 자식 프로그램이 하부 프로그램의 특성을 상속 받습니다.

So I've got now a new generation of programs

그래서 저는 조금 더 낳은 작업을 수행하는

that are produced by combinations

프로그램들의 조합을 통해서 생산된

of the programs that did a little bit better job.

새로운 세대의 프로그램을 만들게 됩니다.

Say, "Please repeat that process."

예를들어, "이 과정을 반복하세요."

Score them again.

점수를 다시 매기고,

Introduce some mutations perhaps.

아마도 새로운 조합이 나오겠죠.

And try that again and do that for another generation.

그리고 다시 시도하고 또 다른 세대에 대해서 시행합니다.

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

이런 모든 세대들은 단지 1000분의 1초밖에 걸리지 않습니다.

So I can do the equivalent

그래서 저는 컴퓨터를 가지고 몇분안에

of millions of years of evolution on that

수백만년이 걸렸던 진화와 같은 과정을

within the computer in a few minutes,

진행해 볼 수 있습니다.

or in the complicated cases, in a few hours.

복잡한 경우에는 몇시간 정도 걸리겠죠.

At the end of that, I end up with programs

그리고 마지막에는 숫자를 완벽하게 정렬하는

that are absolutely perfect at sorting numbers.

프로그램으로 진화를 마치게 됩니다.

In fact, they are programs that are much more efficient

사실 제가 손으로 작성하는 프로그램 보다

than programs I could have ever written by hand.

훨씬더 효율적인 프로그램들이 나옵니다.

Now if I look at those programs,

이 프로그램들을 보면,

I can't tell you how they work.

어떻게 작동하는지는 말할 수 없습니다.

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

지속적으로 보면서 어떻게 작동하는지 말씀드리도록 하겠습니다.

They're obscure, weird programs.

이 프로그램들은 모호하고 희한합니다.

But they do the job.

하지만 원했던 작업을 합니다.

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

저는 이 프로그램들이 이 작업을 할 것이라고 확신하죠.

because they come from a line

왜냐하면 그런 작업들을 했던

of hundreds of thousands of programs that did the job.

수백, 수천줄의 프로그램에서 나왔기 때문이죠.

In fact, their life depended on doing the job.

사실 이 프로그램의 생명은 하는 작업에 달려있죠.

(Laughter)

(웃음)

I was riding in a 747

저는 마빈 민스키 교수와

with Marvin Minsky once,

747기종 비행기를 타고 있었습니다.

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

그리고 이 카드를 꺼내면서 말했습니다. "오, 이것보세요."

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

카드에는 "이 비행기에는 여러분의 안전비행을 책임지는

working together to make you a safe flight.'

수많은 부품들이 있습니다." 라고 쓰여 있었습니다.

Doesn't that make you feel confident?"

이 문구가 여러분들을 확신하게 만들지 않나요?

(Laughter)

(웃음)

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

사실 우리는 복잡한 경우에는

when it gets complicated.

기계과정이 잘 작동하지 않는다는 것을 알고 있습니다.

So we're beginning to depend on computers

그래서 우리는 기계적인 공학과는 아주 다른

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

과정들을 처리하기 위해 컴퓨터에 의존하기 시작했습니다.

And it lets us produce things of much more complexity

그리고 우리가 생산하는 일반적인 공학보다도

than normal engineering lets us produce.

훨씬더 복잡한 것들을 만들수 있게 합니다.

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

그리고 선택사항들도 이해하지 못합니다.

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

어떤면에서는 우리보다 앞서 있다고 할 수 있습니다.

We're now using those programs

우리는 지금 더 빠른 컴퓨터를 만들려고

to make much faster computers

그런 프로그램들을 사용하고 있습니다.

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

그리서 이런 과정들이 더 빠르게 실행 할 수 있게 될 것입니다.

So it's feeding back on itself.

스스로 피드백을 주게 되죠.

The thing is becoming faster

그런 과정들은 더 빨라집니다.

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

그리고 그것이 왜 혼동스러운지를 생각했습니다.

Because all of these technologies are feeding back on themselves.

왜냐하면 이런 모든 기술들은 스스로 피드백을 하기 때문입니다.

We're taking off.

우리는 이륙하고 있습니다.

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

그리고 우리는 단세포 조직이

which is analogous to when single-celled organisms

다세포 조직으로 바뀌는 것과 비슷한

were turning into multi-celled organisms.

시간상에 있습니다.

So we're the amoebas

우리는 아베바와 같고,

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

그리고 우리가 무엇을 만들고 있는지 정확하게 알지 못합니다.

We're right at that point of transition.

우리는 분명 변혁의 시기에 있습니다.

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

하지만 우리 다음에 무엇인가 함께 오고 있다고 생각합니다.

I think it's very haughty of us

사람이 진화의 마지막 산물이라는 생각은

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

아주 거만한 생각 같아요.

And I think all of us here

여기 우리 모두는

are a part of producing

다음 세상이 무엇이든지

whatever that next thing is.

생산의 일부라고 생각합니다.

So lunch is coming along,

점심시간이 다가오네요,

and I think I will stop at that point,

저만 빼놓기 전에

before I get selected out.

이쯤에서 강연을 마쳐야겠네요.

(Applause)

(박수)