Computing a theory of everything | Stephen Wolfram

603,078 views ・ 2010-04-27

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Hèlen Grives Nagekeken door: Els De Keyser
00:16
So I want to talk today about an idea. It's a big idea.
0
16260
3000
Ik wil het hebben over een groots idee.
00:19
Actually, I think it'll eventually
1
19260
2000
Ik denk dat het uiteindelijk
00:21
be seen as probably the single biggest idea
2
21260
2000
zal worden gezien als het allergrootste idee
00:23
that's emerged in the past century.
3
23260
2000
dat de afgelopen eeuw heeft voortgebracht.
00:25
It's the idea of computation.
4
25260
2000
Het is het idee van de berekening.
00:27
Now, of course, that idea has brought us
5
27260
2000
Dat idee heeft ons
00:29
all of the computer technology we have today and so on.
6
29260
3000
heel onze huidige computertechnologie gebracht.
00:32
But there's actually a lot more to computation than that.
7
32260
3000
Maar berekening heeft veel te betekenen dan dat.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
35260
3000
Het is een erg diep, erg krachtig, erg fundamenteel idee,
00:38
whose effects we've only just begun to see.
9
38260
3000
waarvan we het effect pas nu beginnen te zien.
00:41
Well, I myself have spent the past 30 years of my life
10
41260
3000
Ik heb de voorbije 30 jaar van mijn leven besteed
00:44
working on three large projects
11
44260
2000
aan drie grote projecten
00:46
that really try to take the idea of computation seriously.
12
46260
3000
die het idee van berekening ernstig proberen te nemen.
00:50
So I started off at a young age as a physicist
13
50260
3000
Ik begon op jonge leeftijd als natuurkundige
00:53
using computers as tools.
14
53260
2000
die computers als gereedschap gebruikte.
00:55
Then, I started drilling down,
15
55260
2000
Daarna begon ik in te zoomen.
00:57
thinking about the computations I might want to do,
16
57260
2000
Ik dacht na over de berekeningen die ik wilde doen,
00:59
trying to figure out what primitives they could be built up from
17
59260
3000
uit welke primitieven ze opgebouwd konden worden
01:02
and how they could be automated as much as possible.
18
62260
3000
en hoe ze zoveel mogelijk geautomatiseerd konden worden.
01:05
Eventually, I created a whole structure
19
65260
2000
Uiteindelijk creëerde ik een structuur
01:07
based on symbolic programming and so on
20
67260
2000
gebaseerd op symbolisch programmeren,
01:09
that let me build Mathematica.
21
69260
2000
waardoor ik Mathematica kon bouwen.
01:11
And for the past 23 years, at an increasing rate,
22
71260
2000
De afgelopen 23 jaar hebben we
01:13
we've been pouring more and more ideas
23
73260
2000
meer en meer ideeën
01:15
and capabilities and so on into Mathematica,
24
75260
2000
en functionaliteiten in Mathematica gestopt.
01:17
and I'm happy to say that that's led to many good things
25
77260
3000
Dat heeft tot veel goede dingen geleid
01:20
in R & D and education,
26
80260
2000
in onderzoek en ontwikkeling en onderwijs,
01:22
lots of other areas.
27
82260
2000
en in andere gebieden.
01:24
Well, I have to admit, actually,
28
84260
2000
Ik moet toegeven
01:26
that I also had a very selfish reason for building Mathematica:
29
86260
3000
dat ik Mathematica ook uit eigenbelang heb gemaakt.
01:29
I wanted to use it myself,
30
89260
2000
Ik wilde het zelf gebruiken,
01:31
a bit like Galileo got to use his telescope
31
91260
2000
een beetje zoals Galileo zijn telescoop gebruikte
01:33
400 years ago.
32
93260
2000
400 jaar geleden.
01:35
But I wanted to look not at the astronomical universe,
33
95260
3000
Maar ik wilde niet n aar het astronomische universum kijken,
01:38
but at the computational universe.
34
98260
3000
maar naar het universum van de berekeningen.
01:41
So we normally think of programs as being
35
101260
2000
Gewoonlijk zien we programma's als
01:43
complicated things that we build
36
103260
2000
moeilijke dingen die we bouwen
01:45
for very specific purposes.
37
105260
2000
voor erg specifieke doeleinden.
01:47
But what about the space of all possible programs?
38
107260
3000
Maar wat met ruimte van alle mogelijke programma's?
01:50
Here's a representation of a really simple program.
39
110260
3000
Hier is een voorbeeld van een echt simpel programma.
01:53
So, if we run this program,
40
113260
2000
Als we dit programma uitvoeren,
01:55
this is what we get.
41
115260
2000
dan krijgen we dit.
01:57
Very simple.
42
117260
2000
Erg eenvoudig.
01:59
So let's try changing the rule
43
119260
2000
Laten we dus de regel
02:01
for this program a little bit.
44
121260
2000
voor dit programma een beetje veranderen.
02:03
Now we get another result,
45
123260
2000
Nu krijgen we een ander resultaat,
02:05
still very simple.
46
125260
2000
nog steeds erg eenvoudig.
02:07
Try changing it again.
47
127260
3000
Probeer het nog een keer te veranderen.
02:10
You get something a little bit more complicated.
48
130260
2000
Het wordt wat ingewikkelder,
02:12
But if we keep running this for a while,
49
132260
2000
maar als we dit een tijdje laten draaien
02:14
we find out that although the pattern we get is very intricate,
50
134260
3000
ontdekken we dat het patroon hoewel erg complex,
02:17
it has a very regular structure.
51
137260
3000
toch een regelmatige structuur heeft.
02:20
So the question is: Can anything else happen?
52
140260
3000
De vraag is dus: kan er nog iets anders gebeuren?
02:23
Well, we can do a little experiment.
53
143260
2000
We kunnen een experimentje doen.
02:25
Let's just do a little mathematical experiment, try and find out.
54
145260
3000
Laten we een wiskundig experimentje doen, proberen en ontdekken.
02:29
Let's just run all possible programs
55
149260
3000
Laten we alle mogelijke programma's uitvoeren
02:32
of the particular type that we're looking at.
56
152260
2000
van het bijzondere type waar we naar kijken.
02:34
They're called cellular automata.
57
154260
2000
Ze worden cellulaire automata genoemd.
02:36
You can see a lot of diversity in the behavior here.
58
156260
2000
Je ziet heel verscheiden gedrag.
02:38
Most of them do very simple things,
59
158260
2000
De meeste doen eenvoudige dingen.
02:40
but if you look along all these different pictures,
60
160260
2000
Maar als je lang genoeg kijkt naar de plaatjes,
02:42
at rule number 30,
61
162260
2000
op regel nummer 30,
02:44
you start to see something interesting going on.
62
164260
2000
dan zie je dat er iets interessants aan de hand is.
02:46
So let's take a closer look
63
166260
2000
Laten we dus nader kijken
02:48
at rule number 30 here.
64
168260
2000
naar regel nummer 30 hier.
02:50
So here it is.
65
170260
2000
Hier is het.
02:52
We're just following this very simple rule at the bottom here,
66
172260
3000
We volgen alleen deze eenvoudige regel hier beneden,
02:55
but we're getting all this amazing stuff.
67
175260
2000
maar we krijgen al die verbazingwekkende dingen.
02:57
It's not at all what we're used to,
68
177260
2000
Dit is helemaal niet wat we gewend zijn,
02:59
and I must say that, when I first saw this,
69
179260
2000
en ik moet zeggen, toen ik dit voor het eerst zag,
03:01
it came as a huge shock to my intuition.
70
181260
3000
was het een grote schok voor mijn intuïtie.
03:04
And, in fact, to understand it,
71
184260
2000
Om het te begrijpen,
03:06
I eventually had to create
72
186260
2000
moest ik uiteindelijk
03:08
a whole new kind of science.
73
188260
2000
een hele nieuw soort wetenschap creëren.
03:11
(Laughter)
74
191260
2000
(Gelach)
03:13
This science is different, more general,
75
193260
3000
Deze wetenschap is anders, algemener
03:16
than the mathematics-based science that we've had
76
196260
2000
dan de op wiskunde gebaseerde wetenschap
03:18
for the past 300 or so years.
77
198260
3000
van de afgelopen 300 jaar.
03:21
You know, it's always seemed like a big mystery:
78
201260
2000
Het leek altijd een groot mysterie
03:23
how nature, seemingly so effortlessly,
79
203260
3000
hoe de natuur, ogenschijnlijk zo moeiteloos
03:26
manages to produce so much
80
206260
2000
in staat is zoveel te produceren
03:28
that seems to us so complex.
81
208260
3000
dat voor ons zo complex lijkt.
03:31
Well, I think we've found its secret:
82
211260
3000
Ik denk dat we het geheim hebben gevonden.
03:34
It's just sampling what's out there in the computational universe
83
214260
3000
In het universum van de berekeningen is er alleen sampling.
03:37
and quite often getting things like Rule 30
84
217260
3000
Vaak krijgen we dingen zoals Regel 30
03:40
or like this.
85
220260
3000
of zoals dit.
03:44
And knowing that starts to explain
86
224260
2000
Dat weten, verklaart
03:46
a lot of long-standing mysteries in science.
87
226260
3000
veel lang bestaande mysteries in de wetenschap.
03:49
It also brings up new issues, though,
88
229260
2000
Het zorgt ook voor nieuwe kwesties,
03:51
like computational irreducibility.
89
231260
3000
zoals de onherleidbaarheid van berekeningen.
03:54
I mean, we're used to having science let us predict things,
90
234260
3000
We zijn gewend dat wetenschap ons dingen laat voorspellen,
03:57
but something like this
91
237260
2000
maar zoiets als dit
03:59
is fundamentally irreducible.
92
239260
2000
is fundamenteel onherleidbaar.
04:01
The only way to find its outcome
93
241260
2000
De enige mogelijke weg om de uitkomst te vinden
04:03
is, effectively, just to watch it evolve.
94
243260
3000
is gewoon kijken hoe het evolueert.
04:06
It's connected to, what I call,
95
246260
2000
Het is gelinkt aan
04:08
the principle of computational equivalence,
96
248260
2000
het 'principe van equivalentie van berekeningen',
04:10
which tells us that even incredibly simple systems
97
250260
3000
dat ons leert dat zelfs zeer eenvoudige systemen
04:13
can do computations as sophisticated as anything.
98
253260
3000
zeer gesofisticeerde berekeningen kunnen doen.
04:16
It doesn't take lots of technology or biological evolution
99
256260
3000
Er is niet veel technologie of biologische evolutie voor nodig
04:19
to be able to do arbitrary computation;
100
259260
2000
om arbitraire berekeningen te doen.
04:21
just something that happens, naturally,
101
261260
2000
Het gebeurt gewoon, natuurlijk,
04:23
all over the place.
102
263260
2000
overal.
04:25
Things with rules as simple as these can do it.
103
265260
3000
Dingen met zulke simpele regels als dit kunnen het.
04:29
Well, this has deep implications
104
269260
2000
Dit heeft vérstrekkende gevolgen
04:31
about the limits of science,
105
271260
2000
voor de grenzen van de wetenschap,
04:33
about predictability and controllability
106
273260
2000
voor de voorspelbaarheid en controleerbaarheid
04:35
of things like biological processes or economies,
107
275260
3000
van dingen zoals biologische processen of economieën,
04:38
about intelligence in the universe,
108
278260
2000
voor intelligentie in het heelal,
04:40
about questions like free will
109
280260
2000
voor vraagstukken als de vrije wil
04:42
and about creating technology.
110
282260
3000
en voor het maken van technologie.
04:45
You know, in working on this science for many years,
111
285260
2000
Terwijl ik jaren gewerkt hebt aan deze wetenschap,
04:47
I kept wondering,
112
287260
2000
bleef ik me afvragen:
04:49
"What will be its first killer app?"
113
289260
2000
"Wat zal de eerste 'killer app' zijn?"
04:51
Well, ever since I was a kid,
114
291260
2000
Sinds mijn kindertijd
04:53
I'd been thinking about systematizing knowledge
115
293260
2000
heb ik aan het systematiseren van kennis gedacht
04:55
and somehow making it computable.
116
295260
2000
om die berekenbaar te maken.
04:57
People like Leibniz had wondered about that too
117
297260
2000
Mensen zoals Leibniz vroegen zich dat ook af,
04:59
300 years earlier.
118
299260
2000
300 jaar geleden.
05:01
But I'd always assumed that to make progress,
119
301260
2000
Maar ik nam altijd aan dat ik om vooruitgang te boeken,
05:03
I'd essentially have to replicate a whole brain.
120
303260
3000
het hele brein zou moeten kopiëren.
05:06
Well, then I got to thinking:
121
306260
2000
Maar nu denk ik:
05:08
This scientific paradigm of mine suggests something different --
122
308260
3000
mijn wetenschappelijke paradigma suggereert iets anders.
05:11
and, by the way, I've now got
123
311260
2000
Ik heb nu ook
05:13
huge computation capabilities in Mathematica,
124
313260
3000
enorme rekenmogelijkheden in Mathematica,
05:16
and I'm a CEO with some worldly resources
125
316260
3000
en ik ben een CEO met de wereldlijke middelen
05:19
to do large, seemingly crazy, projects --
126
319260
3000
om grote, ogenschijnlijk waanzinnige projecten te doen.
05:22
So I decided to just try to see
127
322260
2000
Dus besloot ik na te gaan
05:24
how much of the systematic knowledge that's out there in the world
128
324260
3000
hoeveel van de bestaande systematische kennis
05:27
we could make computable.
129
327260
2000
we berekenbaar kunnen maken.
05:29
So, it's been a big, very complex project,
130
329260
2000
Het was een groot en complex project,
05:31
which I was not sure was going to work at all.
131
331260
3000
waarvan ik niet zeker was dat het zou werken.
05:34
But I'm happy to say it's actually going really well.
132
334260
3000
Maar ik ben blij om te zeggen dat het heel goed gaat.
05:37
And last year we were able
133
337260
2000
Vorig jaar hebben we
05:39
to release the first website version
134
339260
2000
de eerste website-versie
05:41
of Wolfram Alpha.
135
341260
2000
van Wolfram Alpha gelanceerd.
05:43
Its purpose is to be a serious knowledge engine
136
343260
3000
Ze heeft tot doel om een serieuze kennismachine te zijn
05:46
that computes answers to questions.
137
346260
3000
die antwoorden op vragen berekent.
05:49
So let's give it a try.
138
349260
2000
Laten we het dus proberen.
05:51
Let's start off with something really easy.
139
351260
2000
Laten we met iets heel simpels beginnen.
05:53
Hope for the best.
140
353260
2000
Laten we het beste hopen.
05:55
Very good. Okay.
141
355260
2000
Erg goed. OK.
05:57
So far so good.
142
357260
2000
Tot nu toe gaat alles goed.
05:59
(Laughter)
143
359260
3000
(Gelach)
06:02
Let's try something a little bit harder.
144
362260
3000
Laten we iets moeilijkers proberen.
06:05
Let's do
145
365260
2000
Laten we zeggen...
06:07
some mathy thing,
146
367260
3000
Laten we iets wiskundigs doen.
06:10
and with luck it'll work out the answer
147
370260
3000
Met een beetje geluk zal het een antwoord geven
06:13
and try and tell us some interesting things
148
373260
2000
en ons interessante dingen proberen te vertellen
06:15
things about related math.
149
375260
2000
dingen over verwante wiskunde.
06:17
We could ask it something about the real world.
150
377260
3000
We zouden het iets kunnen vragen over de echte wereld.
06:20
Let's say -- I don't know --
151
380260
2000
Laten we zeggen --
06:22
what's the GDP of Spain?
152
382260
3000
Wat is het bnp van Spanje?
06:25
And it should be able to tell us that.
153
385260
2000
Het zou ons moeten kunnen vertellen wat dat is.
06:27
Now we could compute something related to this,
154
387260
2000
Nu berekenen we iets dat eraan gerelateerd is,
06:29
let's say ... the GDP of Spain
155
389260
2000
laten we zeggen het bnp van Spanje
06:31
divided by, I don't know,
156
391260
2000
gedeeld door, weet niet,
06:33
the -- hmmm ...
157
393260
2000
de -- hmm..
06:35
let's say the revenue of Microsoft.
158
395260
2000
laten we zeggen de inkomsten van Microsoft.
06:37
(Laughter)
159
397260
2000
(Gelach)
06:39
The idea is that we can just type this in,
160
399260
2000
Het idee is dat we dit gewoon kunnen intikken,
06:41
this kind of question in, however we think of it.
161
401260
3000
zo'n soort vraag, op de manier die ons invalt.
06:44
So let's try asking a question,
162
404260
2000
Laten we dus een vraag stellen,
06:46
like a health related question.
163
406260
2000
bijvoorbeeld een vraag over gezondheid.
06:48
So let's say we have a lab finding that ...
164
408260
3000
Laten we zeggen dat er een lab is dat vaststelt --
06:51
you know, we have an LDL level of 140
165
411260
2000
weet je, we hebben een LDL-niveau van 140
06:53
for a male aged 50.
166
413260
3000
voor een man van 50.
06:56
So let's type that in, and now Wolfram Alpha
167
416260
2000
We tikken dat in en nu zal Wolfram Alpha
06:58
will go and use available public health data
168
418260
2000
met openbare gezondheidsdata
07:00
and try and figure out
169
420260
2000
proberen uit te zoeken
07:02
what part of the population that corresponds to and so on.
170
422260
3000
welk deel van de bevolking daarmee overeenkomt.
07:05
Or let's try asking about, I don't know,
171
425260
3000
Of laten we proberen vragen te stellen
07:08
the International Space Station.
172
428260
2000
over het internationale ruimtestation.
07:10
And what's happening here is that
173
430260
2000
Wat hier gebeurt, is
07:12
Wolfram Alpha is not just looking up something;
174
432260
2000
dat Wolfram Alpha niet zomaar iets opzoekt;
07:14
it's computing, in real time,
175
434260
3000
het berekent, in real time,
07:17
where the International Space Station is right now at this moment,
176
437260
3000
waar het internationale ruimtestation op dit moment precies is,
07:20
how fast it's going, and so on.
177
440260
3000
hoe snel het gaat etc.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
444260
3000
Wolfram Alpha weet een heleboel over een heleboel dingen.
07:27
It's got, by now,
179
447260
2000
Het heeft nu
07:29
pretty good coverage of everything you might find
180
449260
2000
een heel goede dekking over alles wat je maar kunt vinden
07:31
in a standard reference library.
181
451260
3000
in een standaard naslagwerk etc.
07:34
But the goal is to go much further
182
454260
2000
Het doel is om veel verder te gaan
07:36
and, very broadly, to democratize
183
456260
3000
en in ruime zin
07:39
all of this knowledge,
184
459260
3000
alle kennis van dit type te democratiseren,
07:42
and to try and be an authoritative
185
462260
2000
en om te proberen om een gezaghebbende bron
07:44
source in all areas.
186
464260
2000
te zijn op elk gebied,
07:46
To be able to compute answers to specific questions that people have,
187
466260
3000
om antwoorden te berekenen op specifieke vragen van mensen,
07:49
not by searching what other people
188
469260
2000
niet door te zoeken wat andere mensen
07:51
may have written down before,
189
471260
2000
eerder hebben geschreven,
07:53
but by using built in knowledge
190
473260
2000
maar door ingebouwde kennis te gebruiken
07:55
to compute fresh new answers to specific questions.
191
475260
3000
om frisse nieuwe antwoorden op specifieke vragen te berekenen.
07:58
Now, of course, Wolfram Alpha
192
478260
2000
Wolfram Alpha is
08:00
is a monumentally huge, long-term project
193
480260
2000
een monumentaal groot langetermijnproject
08:02
with lots and lots of challenges.
194
482260
2000
met heel veel uitdagingen.
08:04
For a start, one has to curate a zillion
195
484260
3000
Het vergt een eindeloze verzameling
08:07
different sources of facts and data,
196
487260
3000
van verschillende bronnen van feiten en gegevens.
08:10
and we built quite a pipeline of Mathematica automation
197
490260
3000
We hebben een pipeline opgezet van Mathematica-automatisering
08:13
and human domain experts for doing this.
198
493260
3000
en menselijke domeinexperts om dit te doen.
08:16
But that's just the beginning.
199
496260
2000
Maar dat is slechts het begin.
08:18
Given raw facts or data
200
498260
2000
Met ruwe feiten of gegevens
08:20
to actually answer questions,
201
500260
2000
om vragen te beantwoorden
08:22
one has to compute:
202
502260
2000
berekenen we,
08:24
one has to implement all those methods and models
203
504260
2000
implementeren we al deze methoden en modellen
08:26
and algorithms and so on
204
506260
2000
en algoritmes etc.
08:28
that science and other areas have built up over the centuries.
205
508260
3000
die anderen door de eeuwen heen hebben opgebouwd.
08:31
Well, even starting from Mathematica,
206
511260
3000
Zelfs als we starten vanuit Mathematica,
08:34
this is still a huge amount of work.
207
514260
2000
is dit nog steeds een hele berg werk.
08:36
So far, there are about 8 million lines
208
516260
2000
Tot dusver zitten er zo'n 8 miljoen regels
08:38
of Mathematica code in Wolfram Alpha
209
518260
2000
Mathematica-code in Wolfram Alpha
08:40
built by experts from many, many different fields.
210
520260
3000
gebouwd door experts in veel verschillende vakgebieden.
08:43
Well, a crucial idea of Wolfram Alpha
211
523260
3000
Een cruciaal idee van Wolfram Alpha
08:46
is that you can just ask it questions
212
526260
2000
is dat je het vragen kunt stellen
08:48
using ordinary human language,
213
528260
3000
in gewone mensentaal.
08:51
which means that we've got to be able to take
214
531260
2000
Alle vreemde uitingen
08:53
all those strange utterances that people type into the input field
215
533260
3000
die mensen in het invoerveld typen,
08:56
and understand them.
216
536260
2000
kunnen we begrijpen.
08:58
And I must say that I thought that step
217
538260
2000
Ik moet zeggen dat ik dacht dat die stap
09:00
might just be plain impossible.
218
540260
3000
gewoonweg onmogelijk zou zijn.
09:04
Two big things happened:
219
544260
2000
Er gebeurden twee grote dingen.
09:06
First, a bunch of new ideas about linguistics
220
546260
3000
Ten eerste, een aantal nieuwe ideeën over linguïstiek
09:09
that came from studying the computational universe;
221
549260
3000
die voortkwamen uit de studie van het universum van de berekeningen.
09:12
and second, the realization that having actual computable knowledge
222
552260
3000
Ten tweede, het besef dat het hebben van reële berekenbare kennis
09:15
completely changes how one can
223
555260
2000
diepe impact heeft op de manier
09:17
set about understanding language.
224
557260
3000
waarop we taal kunnen begrijpen.
09:20
And, of course, now
225
560260
2000
Nu Wolfram Alpha effectief gelanceerd is,
09:22
with Wolfram Alpha actually out in the wild,
226
562260
2000
Nu Wolfram Alpha effectief gelanceerd is,
09:24
we can learn from its actual usage.
227
564260
2000
kunnen we leren van het eigenlijk gebruik ervan.
09:26
And, in fact, there's been
228
566260
2000
Er is een interessante parallelle evolutie aan de gang
09:28
an interesting coevolution that's been going on
229
568260
2000
Er is een interessante parallelle evolutie aan de gang
09:30
between Wolfram Alpha
230
570260
2000
tussen Wolfram Alpha
09:32
and its human users,
231
572260
2000
en zijn mensenlijke gebruikers.
09:34
and it's really encouraging.
232
574260
2000
Het is erg bemoedigend.
09:36
Right now, if we look at web queries,
233
576260
2000
Als we nu naar web queries kijken,
09:38
more than 80 percent of them get handled successfully the first time.
234
578260
3000
dan wordt meer dan 80 procent al bij de eerste keer succesvol afgehandeld.
09:41
And if you look at things like the iPhone app,
235
581260
2000
Bij de iPhone-app
09:43
the fraction is considerably larger.
236
583260
2000
is het percentage aanzienlijk groter.
09:45
So, I'm pretty pleased with it all.
237
585260
2000
Dus ik ben er erg tevreden mee.
09:47
But, in many ways,
238
587260
2000
Maar in vele opzichten
09:49
we're still at the very beginning with Wolfram Alpha.
239
589260
3000
staan we nog helemaal aan het begin van Wolfram Alpha.
09:52
I mean, everything is scaling up very nicely
240
592260
2000
We worden groter.
09:54
and we're getting more confident.
241
594260
2000
We worden zelfverzekerder.
09:56
You can expect to see Wolfram Alpha technology
242
596260
2000
Je zal Wolfram Alpha-technologie
09:58
showing up in more and more places,
243
598260
2000
zien verschijnen op steeds meer plekken,
10:00
working both with this kind of public data, like on the website,
244
600260
3000
terwijl het zowel werkt met openbare data, zoals op de website,
10:03
and with private knowledge
245
603260
2000
en ook met private kennis
10:05
for people and companies and so on.
246
605260
3000
van mensen en bedrijven etc.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
608260
3000
Wolfram Alpha geeft
10:11
a whole new kind of computing
248
611260
2000
een heel nieuwe soort van berekening
10:13
that one can call knowledge-based computing,
249
613260
2000
die je 'kennisgebaseerd' zou kunnen noemen.
10:15
in which one's starting not just from raw computation,
250
615260
3000
Je begint niet gewoon vanaf een ruwe berekening
10:18
but from a vast amount of built-in knowledge.
251
618260
3000
maar vanaf een grote hoeveelheid ingebouwde kennis.
10:21
And when one does that, one really changes
252
621260
2000
Daarbij verandert je
10:23
the economics of delivering computational things,
253
623260
3000
de economie van het aanleveren van berekeningen,
10:26
whether it's on the web or elsewhere.
254
626260
2000
of het nu op het web is of ergens anders.
10:28
You know, we have a fairly interesting situation right now.
255
628260
3000
De huidige situatie is erg interessant.
10:31
On the one hand, we have Mathematica,
256
631260
2000
Aan de ene kant hebben we Mathematica,
10:33
with its sort of precise, formal language
257
633260
3000
met zijn heel precieze, formele taal
10:36
and a huge network
258
636260
2000
en een gigantisch netwerk
10:38
of carefully designed capabilities
259
638260
2000
van zorgvuldig ontworpen mogelijkheden
10:40
able to get a lot done in just a few lines.
260
640260
3000
die veel kan doen in weinig regels.
10:43
Let me show you a couple of examples here.
261
643260
3000
Laat me jullie een paar voorbeelden laten zien.
10:47
So here's a trivial piece of Mathematica programming.
262
647260
3000
Hier is een klein stukje Mathematica-programmatie.
10:51
Here's something where we're sort of
263
651260
2000
We proberen hier
10:53
integrating a bunch of different capabilities here.
264
653260
3000
enkele verschillende mogelijkheden te integreren.
10:56
Here we'll just create, in this line,
265
656260
3000
In deze regel hier
10:59
a little user interface that allows us to
266
659260
3000
makenwe een kleine user interface
11:02
do something fun there.
267
662260
2000
waardoor we daar iets leuks doen.
11:05
If you go on, that's a slightly more complicated program
268
665260
2000
Dat is een iets gecompliceerder programma
11:07
that's now doing all sorts of algorithmic things
269
667260
3000
dat wat algoritmische dingen doet
11:10
and creating user interface and so on.
270
670260
2000
en een user interface aan het maken is etc.
11:12
But it's something that is very precise stuff.
271
672260
3000
Maar het is een echt precisiewerkje.
11:15
It's a precise specification with a precise formal language
272
675260
3000
Het is een precieze specificatie met een precieze formele taal
11:18
that causes Mathematica to know what to do here.
273
678260
3000
die ervoor zorgt dat Mathematica weet wat het hier moet doen.
11:21
Then on the other hand, we have Wolfram Alpha,
274
681260
3000
Aan de andere kant hebben we Wolfram Alpha,
11:24
with all the messiness of the world
275
684260
2000
met al de slordigheden van de wereld
11:26
and human language and so on built into it.
276
686260
2000
en van de menselijke taal erin gebouwd.
11:28
So what happens when you put these things together?
277
688260
3000
Wat gebeurt er als je die samenvoegt?
11:31
I think it's actually rather wonderful.
278
691260
2000
Ik vind het prachtig.
11:33
With Wolfram Alpha inside Mathematica,
279
693260
2000
Met Wolfram Alpha in Mathematica
11:35
you can, for example, make precise programs
280
695260
2000
kun je precieze programma's maken
11:37
that call on real world data.
281
697260
2000
die gebruik maken van echte data.
11:39
Here's a real simple example.
282
699260
2000
Hier is een eenvoudig voorbeeld.
11:44
You can also just sort of give vague input
283
704260
3000
Je kan ook van vage input geven
11:47
and then try and have Wolfram Alpha
284
707260
2000
en dan proberen om Wolfram Alpha
11:49
figure out what you're talking about.
285
709260
2000
te laten uitzoeken waarover je het hebt.
11:51
Let's try this here.
286
711260
2000
Laten we dit hier proberen.
11:53
But actually I think the most exciting thing about this
287
713260
3000
Volgens mij is het spannendste
11:56
is that it really gives one the chance
288
716260
2000
dat het je de kans geeft
11:58
to democratize programming.
289
718260
3000
om het programmeren te democratiseren.
12:01
I mean, anyone will be able to say what they want in plain language.
290
721260
3000
Ieder zegt wat hij wil in gewone taal,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
724260
3000
en Wolfram Alpha zoekt uit
12:07
what precise pieces of code
292
727260
2000
welke precieze stukjes code
12:09
can do what they're asking for
293
729260
2000
kunnen doen wat ze vragen,
12:11
and then show them examples that will let them pick what they need
294
731260
3000
en toont dan voorbeelden om uit te kiezen,
12:14
to build up bigger and bigger, precise programs.
295
734260
3000
om steeds grotere precieze programma's te bouwen.
12:17
So, sometimes, Wolfram Alpha
296
737260
2000
Dus soms zal Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
739260
2000
alles in een keer doen
12:21
and just give back a whole big program that you can then compute with.
298
741260
3000
en het hele programma opleveren waarmee je kunt berekenen.
12:24
Here's a big website
299
744260
2000
Hier is een grote website
12:26
where we've been collecting lots of educational
300
746260
3000
waar we heel veel educatieve en andere demo's
12:29
and other demonstrations about lots of kinds of things.
301
749260
3000
over een heleboel dingen hebben verzameld.
12:32
I'll show you one example here.
302
752260
3000
Ik geef jullie een voorbeeld.
12:36
This is just an example of one of these computable documents.
303
756260
3000
Dit is een van deze berekenbare documenten.
12:39
This is probably a fairly small
304
759260
2000
Dit is een erg klein stuk
12:41
piece of Mathematica code
305
761260
2000
Mathematica-code
12:43
that's able to be run here.
306
763260
2000
dat daar kan draaien.
12:47
Okay. Let's zoom out again.
307
767260
3000
OK. Laten we weer uitzoomen.
12:50
So, given our new kind of science,
308
770260
2000
Kunnen we onze nieuwe soort wetenschap
12:52
is there a general way to use it to make technology?
309
772260
3000
gebruiken om technologie te maken?
12:55
So, with physical materials,
310
775260
2000
Dus met fysieke materialen,
12:57
we're used to going around the world
311
777260
2000
gaan we meestal de wereld rond
12:59
and discovering that particular materials
312
779260
2000
en ontdekken we dat specifieke materialen
13:01
are useful for particular
313
781260
2000
bruikbaar zijn voor speciale
13:03
technological purposes.
314
783260
2000
technologische doeleinden etc.
13:05
Well, it turns out we can do very much the same kind of thing
315
785260
2000
Blijkt dat hetzelfde mogelijk is
13:07
in the computational universe.
316
787260
2000
in het universum van de berekeningen.
13:09
There's an inexhaustible supply of programs out there.
317
789260
3000
Er is een onuitputtelijke voorraad van programma's.
13:12
The challenge is to see how to
318
792260
2000
De uitdaging is om te zien
13:14
harness them for human purposes.
319
794260
2000
hoe we ze kunnen aanwenden voor menselijke doeleinden.
13:16
Something like Rule 30, for example,
320
796260
2000
Zoiets als Regel 30 bijvoorbeeld,
13:18
turns out to be a really good randomness generator.
321
798260
2000
dat blijkt een goede randomness generator te zijn.
13:20
Other simple programs are good models
322
800260
2000
Andere simpele programma's zijn goede modellen
13:22
for processes in the natural or social world.
323
802260
3000
voor processen in de natuurlijke of sociale wereld.
13:25
And, for example, Wolfram Alpha and Mathematica
324
805260
2000
Wolfram Alpha en Mathematica
13:27
are actually now full of algorithms
325
807260
2000
zitten vol met algoritmes
13:29
that we discovered by searching the computational universe.
326
809260
3000
die we ontdekt hebben in het universum van de berekeningen.
13:33
And, for example, this -- if we go back here --
327
813260
3000
We gaan hier terug--
13:37
this has become surprisingly popular
328
817260
2000
Dit is onverwacht populair
13:39
among composers
329
819260
2000
onder componisten
13:41
finding musical forms by searching the computational universe.
330
821260
3000
om muzikale vormen te vinden in het universum van de berekeningen.
13:45
In a sense, we can use the computational universe
331
825260
2000
We kunnen het universum van de berekeningen
13:47
to get mass customized creativity.
332
827260
3000
gebruiken om 'mass customized'-creativiteit te maken.
13:50
I'm hoping we can, for example,
333
830260
2000
Ik hoop dat we dat bijvoorbeeld
13:52
use that even to get Wolfram Alpha
334
832260
2000
kunnen gebruiken om Wolfram Alpha
13:54
to routinely do invention and discovery on the fly,
335
834260
3000
routinematig onderweg uitvindingen te laten doen
13:57
and to find all sorts of wonderful stuff
336
837260
2000
en om allerlei wonderlijke dingen te vinden
13:59
that no engineer
337
839260
2000
die geen technicus
14:01
and no process of incremental evolution would ever come up with.
338
841260
3000
of geen proces van geleidelijke evolutie ooit zou ontdekken.
14:05
Well, so, that leads to kind of an ultimate question:
339
845260
3000
Dat leidt tot een ultieme vraag.
14:08
Could it be that someplace out there in the computational universe
340
848260
3000
Zou het kunnen dat we ergens in het universum van de berekeningen
14:11
we might find our physical universe?
341
851260
3000
ons fysieke universum kunnen vinden?
14:14
Perhaps there's even some quite simple rule,
342
854260
2000
Misschien is er wel een simpele regel,
14:16
some simple program for our universe.
343
856260
3000
een simpel programma voor ons universum.
14:19
Well, the history of physics would have us believe
344
859260
2000
De geschiedenis van de natuurkunde zegt ons
14:21
that the rule for the universe must be pretty complicated.
345
861260
3000
dat de regel voor het universum erg moeilijk moet zijn.
14:24
But in the computational universe,
346
864260
2000
Maar in het berekenbare universum
14:26
we've now seen how rules that are incredibly simple
347
866260
3000
hebben we nu gezien hoe regels die erg eenvoudig zijn
14:29
can produce incredibly rich and complex behavior.
348
869260
3000
ongelooflijk rijk en complex gedrag kunnen produceren.
14:32
So could that be what's going on with our whole universe?
349
872260
3000
Zou dat dus aan de hand kunnen zijn met ons hele universum?
14:36
If the rules for the universe are simple,
350
876260
2000
Als de regels voor het universum eenvoudig zijn,
14:38
it's kind of inevitable that they have to be
351
878260
2000
is het in zekere zin onvermijdelijk
14:40
very abstract and very low level;
352
880260
2000
dat ze abstract en erg basic zijn,
14:42
operating, for example, far below
353
882260
2000
omdat ze, bij voorbeeld, ver onder
14:44
the level of space or time,
354
884260
2000
het niveau van ruimte en tijd opereren,
14:46
which makes it hard to represent things.
355
886260
2000
wat het moeilijk maakt om dingen voor te stellen.
14:48
But in at least a large class of cases,
356
888260
2000
Maar in een grote groep gevallen
14:50
one can think of the universe as being
357
890260
2000
kan men over het universum denken als
14:52
like some kind of network,
358
892260
2000
een soort netwerk,
14:54
which, when it gets big enough,
359
894260
2000
dat, wanneer het groot genoeg wordt,
14:56
behaves like continuous space
360
896260
2000
zich gedraagt als een continue ruimte
14:58
in much the same way as having lots of molecules
361
898260
2000
net zoals iets dat veel moleculen heeft
15:00
can behave like a continuous fluid.
362
900260
2000
zich kan gedragen als een continue vloeistof.
15:02
Well, then the universe has to evolve by applying
363
902260
3000
Dan moet het universum zich ontwikkelen
15:05
little rules that progressively update this network.
364
905260
3000
via kleine regels die progressief dit netwerk updaten.
15:08
And each possible rule, in a sense,
365
908260
2000
Elke mogelijke regel
15:10
corresponds to a candidate universe.
366
910260
2000
komt overeen met een kandidaat-universum.
15:12
Actually, I haven't shown these before,
367
912260
3000
Ik heb dit nog niet eerder laten zien,
15:16
but here are a few of the candidate universes
368
916260
3000
maar hier zijn een aantal kandidaat-universums
15:19
that I've looked at.
369
919260
2000
waarnaar ik heb gekeken.
15:21
Some of these are hopeless universes,
370
921260
2000
Sommige zijn hopeloze universums,
15:23
completely sterile,
371
923260
2000
compleet steriel,
15:25
with other kinds of pathologies like no notion of space,
372
925260
2000
met andere problemen, zoals geen notie van ruimte,
15:27
no notion of time, no matter,
373
927260
3000
geen notie van tijd, geen materie,
15:30
other problems like that.
374
930260
2000
en andere soortgelijke problemen.
15:32
But the exciting thing that I've found in the last few years
375
932260
3000
Het spannende is dat ik heb ontdekt
15:35
is that you actually don't have to go very far
376
935260
2000
dat je eigenlijk niet zo ver hoeft te gaan
15:37
in the computational universe
377
937260
2000
in het universum van de berekeningen
15:39
before you start finding candidate universes
378
939260
2000
voordat je kandidaat-universums kunt vinden
15:41
that aren't obviously not our universe.
379
941260
3000
die overduidelijk niet ons universum zijn.
15:44
Here's the problem:
380
944260
2000
Dit is het probleem:
15:46
Any serious candidate for our universe
381
946260
3000
elke serieuze kandidaat voor ons universum,
15:49
is inevitably full of computational irreducibility.
382
949260
3000
zit vol met onherleidbaarheid van berekeningen,
15:52
Which means that it is irreducibly difficult
383
952260
3000
wat betekent dat het onherleidbaar moeilijk is
15:55
to find out how it will really behave,
384
955260
2000
om uit te vinden hoe het zich werkelijk gedraagt,
15:57
and whether it matches our physical universe.
385
957260
3000
en of het met ons fysieke universum overeenstemt.
16:01
A few years ago, I was pretty excited to discover
386
961260
3000
Een paar jaar geleden ontdekte ik
16:04
that there are candidate universes with incredibly simple rules
387
964260
3000
dat er kandidaat-universums waren met zeer eenvoudige regels
16:07
that successfully reproduce special relativity,
388
967260
2000
die speciale relativiteit konden reproduceren
16:09
and even general relativity and gravitation,
389
969260
3000
en zelfs algemene relativiteit en zwaartekracht
16:12
and at least give hints of quantum mechanics.
390
972260
3000
en die sporen van kwantummechanica vertoonden.
16:15
So, will we find the whole of physics?
391
975260
2000
Zullen we de hele natuurkunde vinden?
16:17
I don't know for sure,
392
977260
2000
Dat weet ik natuurlijk niet zeker.
16:19
but I think at this point it's sort of
393
979260
2000
Maar ik denk dat het op dit punt
16:21
almost embarrassing not to at least try.
394
981260
2000
bijna beschamend is om het niet minstens te proberen.
16:23
Not an easy project.
395
983260
2000
Geen makkelijk project.
16:25
One's got to build a lot of technology.
396
985260
2000
Men moet heel veel technologie bouwen.
16:27
One's got to build a structure that's probably
397
987260
2000
Men moet een structuur bouwen
16:29
at least as deep as existing physics.
398
989260
2000
die net zo diep is als de bestaande natuurkunde.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
991260
3000
Ik weet niet zeker hoe we dit best organiseren.
16:34
Build a team, open it up, offer prizes and so on.
400
994260
3000
Maak een team, stel het open, loof prijzen uit enz.
16:37
But I'll tell you, here today,
401
997260
2000
Maar ik ben vastbesloten
16:39
that I'm committed to seeing this project done,
402
999260
2000
om dit project af te werken
16:41
to see if, within this decade,
403
1001260
3000
om te kijken of we nog deze eeuw,
16:44
we can finally hold in our hands
404
1004260
2000
eindelijk
16:46
the rule for our universe
405
1006260
2000
de regel voor ons universum in handen kunnen hebben
16:48
and know where our universe lies
406
1008260
2000
en weten waar ons universum zich bevindt
16:50
in the space of all possible universes ...
407
1010260
2000
in de ruimte van alle mogelijke universums --
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
1012260
3000
Dan kunnen we intikken in Wolfram Alpha "de theorie van het universum"
16:55
and have it tell us.
409
1015260
2000
en krijgen we een antwoord.
16:57
(Laughter)
410
1017260
2000
(Gelach)
17:00
So I've been working on the idea of computation
411
1020260
2000
Ik heb aan dit idee van berekenen
17:02
now for more than 30 years,
412
1022260
2000
nu meer dan 30 jaar gewerkt,
17:04
building tools and methods and turning intellectual ideas
413
1024260
3000
tools gemaakt, methodes en intellectuele ideeën omgezet
17:07
into millions of lines of code
414
1027260
2000
in miljoenen regels code
17:09
and grist for server farms and so on.
415
1029260
2000
en grist voor server farms enz.
17:11
With every passing year,
416
1031260
2000
Met elk jaar dat voorbijgaat,
17:13
I realize how much more powerful
417
1033260
2000
realiseer ik me hoe krachtig
17:15
the idea of computation really is.
418
1035260
2000
het idee van berekenen eigenlijk is.
17:17
It's taken us a long way already,
419
1037260
2000
Het heeft ons al een heel eind gebracht,
17:19
but there's so much more to come.
420
1039260
2000
maar er is zo veel meer dat nog komt.
17:21
From the foundations of science
421
1041260
2000
Van de grondslagen van de wetenschap
17:23
to the limits of technology
422
1043260
2000
tot de grenzen van de technologie
17:25
to the very definition of the human condition,
423
1045260
2000
tot de definitie zelf van het menselijke bestaan,
17:27
I think computation is destined to be
424
1047260
2000
denk ik dat berekenen
17:29
the defining idea of our future.
425
1049260
2000
het idee is dat onze toekomst definieert.
17:31
Thank you.
426
1051260
2000
Dank u.
17:33
(Applause)
427
1053260
14000
(Applaus)
17:47
Chris Anderson: That was astonishing.
428
1067260
2000
Chris Anderson: Dat was verbazingwekkend.
17:49
Stay here. I've got a question.
429
1069260
2000
Blijf nog even. Ik heb een vraag.
17:51
(Applause)
430
1071260
4000
(Applaus)
17:57
So, that was, fair to say, an astonishing talk.
431
1077260
3000
Dat was een verbijsterende speech.
18:01
Are you able to say in a sentence or two
432
1081260
3000
Ben je in staat om in twee zinnen te zeggen
18:04
how this type of thinking
433
1084260
3000
hoe dit soort denken
18:07
could integrate at some point
434
1087260
2000
op een bepaald punt
18:09
to things like string theory or the kind of things that people think of
435
1089260
2000
dingen zoals de snaartheorie zou kunnen omvatten
18:11
as the fundamental explanations of the universe?
436
1091260
3000
of de fundamentele verklaring van het universum?
18:14
Stephen Wolfram: Well, the parts of physics
437
1094260
2000
Stephen Wolfram: De onderdelen van de natuurkunde
18:16
that we kind of know to be true,
438
1096260
2000
waarvan we weten dat ze waar zijn,
18:18
things like the standard model of physics:
439
1098260
2000
zoals het standaardmodel van de natuurkunde.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1100260
3000
We kunnen maar beter het standaard model van de fysica reproduceren,
18:23
or it's simply wrong.
441
1103260
2000
anders is het gewoon verkeerd.
18:25
The things that people have tried to do in the last 25 years or so
442
1105260
2000
Wat de mensen de afgelopen 25 jaar hebben geprobeerd
18:27
with string theory and so on
443
1107260
2000
met de snaartheorie enz.
18:29
have been an interesting exploration
444
1109260
2000
is een interessante verkenning geweest
18:31
that has tried to get back to the standard model,
445
1111260
3000
die geprobeerd heeft uit te komen bij het standaardmodel,
18:34
but hasn't quite gotten there.
446
1114260
2000
maar daar niet in geslaagd is.
18:36
My guess is that some great simplifications of what I'm doing
447
1116260
3000
Als je mijn werk heel erg vereenvoudigt,
18:39
may actually have considerable resonance
448
1119260
3000
stemt het grotendeels overeen
18:42
with what's been done in string theory,
449
1122260
2000
met de snaartheorie,
18:44
but that's a complicated math thing
450
1124260
3000
maar dat is een complex wiskundig ding
18:47
that I don't yet know how it's going to work out.
451
1127260
3000
waarvan ik nog niet weet hoe het uitpakt.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1130260
2000
CA: Benoit Mandelbrot is in het publiek.
18:52
He also has shown how complexity
453
1132260
2000
Hij heeft ook laten zien hoe complexiteit
18:54
can arise out of a simple start.
454
1134260
2000
kan voortkomen uit een eenvoudig startpunt.
18:56
Does your work relate to his?
455
1136260
2000
Heeft je werk daarmee te maken?
18:58
SW: I think so.
456
1138260
2000
SW: Ik denk het wel.
19:00
I view Benoit Mandelbrot's work
457
1140260
2000
Ik zie Benoit Mandlebrot's werk
19:02
as one of the founding contributions
458
1142260
3000
als één van de fundamentele bijdragen
19:05
to this kind of area.
459
1145260
3000
aan dit soort van gebied.
19:08
Benoit has been particularly interested
460
1148260
2000
Benoit is specifiek geïnteresseerd
19:10
in nested patterns, in fractals and so on,
461
1150260
2000
in geneste patronen, in fractalen en zo
19:12
where the structure is something
462
1152260
2000
waarvan de structuur
19:14
that's kind of tree-like,
463
1154260
2000
een soort boomstructuur is,
19:16
and where there's sort of a big branch that makes little branches
464
1156260
2000
en waar er een grote tak is die kleine takken maakt,
19:18
and even smaller branches and so on.
465
1158260
3000
en nog veel kleinere takken enz.
19:21
That's one of the ways
466
1161260
2000
Dat is één van de manieren
19:23
that you get towards true complexity.
467
1163260
3000
die je leidt naar echte complexiteit.
19:26
I think things like the Rule 30 cellular automaton
468
1166260
3000
Ik denk dat dingen zoals het Regel 30 cellulaire automaton
19:29
get us to a different level.
469
1169260
2000
ons naar een ander niveau brengen.
19:31
In fact, in a very precise way, they get us to a different level
470
1171260
3000
Ze brengen ons op een ander niveau
19:34
because they seem to be things that are
471
1174260
2000
omdat ze dingen lijken te zijn
19:37
capable of complexity
472
1177260
3000
die in staat zijn
19:40
that's sort of as great as complexity can ever get ...
473
1180260
3000
tot de grootst mogelijke complexiteit ...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1184260
3000
Ik zou er nog lang over kunnen doorbomen. (Gelach) (Applaus)
19:47
CA: Stephen Wolfram, thank you.
475
1187260
2000
CA: Sephen Wolfram, dank u.
19:49
(Applause)
476
1189260
2000
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7