Computing a theory of everything | Stephen Wolfram

603,078 views ・ 2010-04-27

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Igor Wasinski Korekta: Dawid Madoń
00:16
So I want to talk today about an idea. It's a big idea.
0
16260
3000
Chciałbym opowiedzieć dzisiaj o idei. Jest to wielka idea.
00:19
Actually, I think it'll eventually
1
19260
2000
W sumie myślę, że w końcu będzie ona
00:21
be seen as probably the single biggest idea
2
21260
2000
uznana za prawdopodobnie największą swoistą ideę
00:23
that's emerged in the past century.
3
23260
2000
która powstała w poprzednim stuleciu.
00:25
It's the idea of computation.
4
25260
2000
To idea obliczalności.
00:27
Now, of course, that idea has brought us
5
27260
2000
Idea ta udostępniła z kolei rzeczy
00:29
all of the computer technology we have today and so on.
6
29260
3000
całą technologię komputerową, którą dzisiaj dysponujemy i tak dalej.
00:32
But there's actually a lot more to computation than that.
7
32260
3000
Natomiast obliczalność to coś więcej niż technologia komputerowa.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
35260
3000
Tak naprawdę jest to bardzo głęboka, potężna i fundamentalna idea,
00:38
whose effects we've only just begun to see.
9
38260
3000
której efekty dopiero zaczeliśmy poznawać.
00:41
Well, I myself have spent the past 30 years of my life
10
41260
3000
Cóż, ja osobiście poświęciłem ostatnie 30 lat mojego życia
00:44
working on three large projects
11
44260
2000
pracując nad trzema dużymi projektami,
00:46
that really try to take the idea of computation seriously.
12
46260
3000
które naprawdę starają się traktować ideę obliczalności serio.
00:50
So I started off at a young age as a physicist
13
50260
3000
Zacząłem młodo jako fizyk
00:53
using computers as tools.
14
53260
2000
używając komputerów jako narzędzi.
00:55
Then, I started drilling down,
15
55260
2000
Następnie, zacząłem drążyć temat,
00:57
thinking about the computations I might want to do,
16
57260
2000
myśląc o obliczeniach które mógłbym chcieć kiedyś wykonać,
00:59
trying to figure out what primitives they could be built up from
17
59260
3000
domyślać się z jakich wielkości pierwotnych mogły by one być budowane
01:02
and how they could be automated as much as possible.
18
62260
3000
oraz w jakim stopniu mogły by one być z automatyzowane.
01:05
Eventually, I created a whole structure
19
65260
2000
Wynikiem końcowym była cała struktura
01:07
based on symbolic programming and so on
20
67260
2000
bazująca na programowaniu symbolicznym,
01:09
that let me build Mathematica.
21
69260
2000
która pozwoliła mi na stworzenie oprogramowania Mathematica
01:11
And for the past 23 years, at an increasing rate,
22
71260
2000
A przez ostatnie 23 lata, coraz szybciej,
01:13
we've been pouring more and more ideas
23
73260
2000
przelewaliśmy nasze idee
01:15
and capabilities and so on into Mathematica,
24
75260
2000
i możliwości w oprogramowanie Mathematica.
01:17
and I'm happy to say that that's led to many good things
25
77260
3000
I cieszę się, że mogę powiedzieć, że doprowadziło to do wielu osiągnięć
01:20
in R & D and education,
26
80260
2000
w obszarze badań naukowych, edukacji
01:22
lots of other areas.
27
82260
2000
i wielu innych dziedzinach.
01:24
Well, I have to admit, actually,
28
84260
2000
Muszę się jednak przyznać, że
01:26
that I also had a very selfish reason for building Mathematica:
29
86260
3000
miałem bardzo egoistyczny powód by zrobić program Mathematica.
01:29
I wanted to use it myself,
30
89260
2000
Chciałem używać tego oprogramowania do własnych celów,
01:31
a bit like Galileo got to use his telescope
31
91260
2000
trochę jak Galileusz używał własnego teleskopu
01:33
400 years ago.
32
93260
2000
400 lat temu.
01:35
But I wanted to look not at the astronomical universe,
33
95260
3000
Ja jednak chciałem spoglądać nie na astronomiczny wszechświat,
01:38
but at the computational universe.
34
98260
3000
lecz na wszechświat obliczeniowy.
01:41
So we normally think of programs as being
35
101260
2000
Przeważnie myślimy o programach jako
01:43
complicated things that we build
36
103260
2000
skomplikowanych bytach, które tworzymy
01:45
for very specific purposes.
37
105260
2000
do bardzo specyficznych celów.
01:47
But what about the space of all possible programs?
38
107260
3000
Cóż jednak z obszarem obliczeniowym wszystkich możliwych programów?
01:50
Here's a representation of a really simple program.
39
110260
3000
Tutaj widzimy przykład bardzo prostego programu.
01:53
So, if we run this program,
40
113260
2000
Gdy odpalimy ten program,
01:55
this is what we get.
41
115260
2000
oto wynik wyjściowy.
01:57
Very simple.
42
117260
2000
Bardzo prosty.
01:59
So let's try changing the rule
43
119260
2000
Spróbujmy więc zmienić regułę
02:01
for this program a little bit.
44
121260
2000
tego programu o drobinę.
02:03
Now we get another result,
45
123260
2000
Teraz otrzymamy inny wynik,
02:05
still very simple.
46
125260
2000
nadal bardzo prosty.
02:07
Try changing it again.
47
127260
3000
Zmieńmy regułę jeszcze raz.
02:10
You get something a little bit more complicated.
48
130260
2000
Otrzymujemy coś bardziej skomplikowanego,
02:12
But if we keep running this for a while,
49
132260
2000
nadal manipulując regułami,
02:14
we find out that although the pattern we get is very intricate,
50
134260
3000
dowiadujemy się, że mimo tego iż rezultat jest wielce skomplikowany,
02:17
it has a very regular structure.
51
137260
3000
nadal jest bardzo regularną strukturą.
02:20
So the question is: Can anything else happen?
52
140260
3000
Nasuwa się więc pytanie: Czy coś jeszcze może się zdarzyć?
02:23
Well, we can do a little experiment.
53
143260
2000
Cóż, można przeprowadzić mały eksperyment.
02:25
Let's just do a little mathematical experiment, try and find out.
54
145260
3000
Przeprowadźmy mały matematyczny eksperyment i dowiedzmy się.
02:29
Let's just run all possible programs
55
149260
3000
Wykonajmy wszystkie możliwe programy
02:32
of the particular type that we're looking at.
56
152260
2000
poszczególnych typów na które patrzymy.
02:34
They're called cellular automata.
57
154260
2000
Nazywane są automatami komórkowymi.
02:36
You can see a lot of diversity in the behavior here.
58
156260
2000
Widać tutaj dużo różnorodności w zachowaniu.
02:38
Most of them do very simple things,
59
158260
2000
Większość z nich robi bardzo proste rzeczy.
02:40
but if you look along all these different pictures,
60
160260
2000
Jeśli zaczniemy oglądać te obrazki po kolei,
02:42
at rule number 30,
61
162260
2000
reguła o numerze 30,
02:44
you start to see something interesting going on.
62
164260
2000
pokazuje coś interesującego.
02:46
So let's take a closer look
63
166260
2000
Przyjrzyjmy się jej bliżej
02:48
at rule number 30 here.
64
168260
2000
numer 30.
02:50
So here it is.
65
170260
2000
Oto ona.
02:52
We're just following this very simple rule at the bottom here,
66
172260
3000
Wykonujemy tylko proste instrukcje reguły tutaj na dole,
02:55
but we're getting all this amazing stuff.
67
175260
2000
a otrzymujemy tą niesamowitą treść.
02:57
It's not at all what we're used to,
68
177260
2000
To zupełnie nie to czego oczekiwaliśmy,
02:59
and I must say that, when I first saw this,
69
179260
2000
I muszę przyznać, że kiedy pierwszy raz to zobaczyłem,
03:01
it came as a huge shock to my intuition.
70
181260
3000
moja intuicja doznała wielkiego szoku,
03:04
And, in fact, to understand it,
71
184260
2000
a właściwie, żeby to zrozumieć,
03:06
I eventually had to create
72
186260
2000
musiałem w końcu stworzyć
03:08
a whole new kind of science.
73
188260
2000
zupełnie nowy rodzaj nauki.
03:11
(Laughter)
74
191260
2000
Śmiech
03:13
This science is different, more general,
75
193260
3000
Ta nauka jest inna, bardziej ogólna,
03:16
than the mathematics-based science that we've had
76
196260
2000
niż nauka bazująca na matematyce, którą mamy
03:18
for the past 300 or so years.
77
198260
3000
od ostatnich 300 lat.
03:21
You know, it's always seemed like a big mystery:
78
201260
2000
Zawsze wydawało się to wielką niewiadomą
03:23
how nature, seemingly so effortlessly,
79
203260
3000
w jaki sposób natura, niemal że bez wysiłku,
03:26
manages to produce so much
80
206260
2000
produkuje tak wiele bytów,
03:28
that seems to us so complex.
81
208260
3000
które wydają się tak skomplikowane.
03:31
Well, I think we've found its secret:
82
211260
3000
Cóż, myślę, że znalazłem jej sekret.
03:34
It's just sampling what's out there in the computational universe
83
214260
3000
Polega to na pobieraniu próbek z obliczeniowego wszechświata
03:37
and quite often getting things like Rule 30
84
217260
3000
a często otrzymuje się wyniki podobne to reguły 30
03:40
or like this.
85
220260
3000
lub tego.
03:44
And knowing that starts to explain
86
224260
2000
A wiedząc to, zaczyna się wyjaśniać
03:46
a lot of long-standing mysteries in science.
87
226260
3000
wiele istniejących od dawna zagadek w nauce.
03:49
It also brings up new issues, though,
88
229260
2000
Rodzi to też wiele nowych problemów,
03:51
like computational irreducibility.
89
231260
3000
na przykład, najbardziej podstawowa obliczalność.
03:54
I mean, we're used to having science let us predict things,
90
234260
3000
Mam na myśli to, że nauka zawsze pozwalała nam przewidywać,
03:57
but something like this
91
237260
2000
tyle że coś takiego jak tu
03:59
is fundamentally irreducible.
92
239260
2000
zasadniczo jest nieredukowalne.
04:01
The only way to find its outcome
93
241260
2000
Jedynym sposobem aby otrzymać ostateczny wynik
04:03
is, effectively, just to watch it evolve.
94
243260
3000
jest, obserwacja jak ten wynik się rozwija.
04:06
It's connected to, what I call,
95
246260
2000
Jest to połączone z czymś co nazywam
04:08
the principle of computational equivalence,
96
248260
2000
zasadą równości obliczeniowej,
04:10
which tells us that even incredibly simple systems
97
250260
3000
która mówi nam, że nawet niewiarygodnie proste systemy
04:13
can do computations as sophisticated as anything.
98
253260
3000
mogą przeprowadzać obliczenia tak złożone jak tylko to możliwe.
04:16
It doesn't take lots of technology or biological evolution
99
256260
3000
Nie trzeba zaawansowanej technologii lub biologicznej ewolucji
04:19
to be able to do arbitrary computation;
100
259260
2000
by robić przypadkowe obliczenia,
04:21
just something that happens, naturally,
101
261260
2000
to po prostu się zdarza samo, naturalnie,
04:23
all over the place.
102
263260
2000
wszędzie.
04:25
Things with rules as simple as these can do it.
103
265260
3000
Byty z regułami takie jak te mogą to robić.
04:29
Well, this has deep implications
104
269260
2000
Ma to więc głębokie implikacje
04:31
about the limits of science,
105
271260
2000
w stosunku do granic nauki,
04:33
about predictability and controllability
106
273260
2000
o przewidywalności i kontroli
04:35
of things like biological processes or economies,
107
275260
3000
zjawisk takich jak biologiczne procesy czy ekonomie,
04:38
about intelligence in the universe,
108
278260
2000
inteligencji we wszechświecie,
04:40
about questions like free will
109
280260
2000
kwestiach takich jak wolna wola
04:42
and about creating technology.
110
282260
3000
oraz tworzeniu technologii.
04:45
You know, in working on this science for many years,
111
285260
2000
Pracując nad tą nauką przez wiele lat,
04:47
I kept wondering,
112
287260
2000
zastanawiałem się,
04:49
"What will be its first killer app?"
113
289260
2000
"Co może być jej zabójczą aplikacją?"
04:51
Well, ever since I was a kid,
114
291260
2000
Od kiedy byłem dzieckiem,
04:53
I'd been thinking about systematizing knowledge
115
293260
2000
myślałem nad usystematyzowaniem wiedzy
04:55
and somehow making it computable.
116
295260
2000
i poddania jej możliwości obliczeń.
04:57
People like Leibniz had wondered about that too
117
297260
2000
Leibniz także się nad tym zastanawiał
04:59
300 years earlier.
118
299260
2000
300 lat temu.
05:01
But I'd always assumed that to make progress,
119
301260
2000
Ja jednak zawsze zakładałem, że jeżeli mam dokonać postępu,
05:03
I'd essentially have to replicate a whole brain.
120
303260
3000
musiałbym w sumie odtworzyć cały mózg.
05:06
Well, then I got to thinking:
121
306260
2000
Więc pomyślałem sobie:
05:08
This scientific paradigm of mine suggests something different --
122
308260
3000
Ten mój naukowy paradygmat sugeruje coś innego.
05:11
and, by the way, I've now got
123
311260
2000
A teraz mam jeszcze
05:13
huge computation capabilities in Mathematica,
124
313260
3000
wielkie możliwości obliczeniowe w Mathematica,
05:16
and I'm a CEO with some worldly resources
125
316260
3000
i jestem prezesem z zasobami światowymi
05:19
to do large, seemingly crazy, projects --
126
319260
3000
by móc robić, częściowo zwariowane, projekty.
05:22
So I decided to just try to see
127
322260
2000
Więc zdecydowałem się spróbować
05:24
how much of the systematic knowledge that's out there in the world
128
324260
3000
ile usystematyzowanej wiedzy, która nas już otacza
05:27
we could make computable.
129
327260
2000
mógłbym uczynić obliczeniową.
05:29
So, it's been a big, very complex project,
130
329260
2000
Jest to więc wielki i bardzo skomplikowany projekt,
05:31
which I was not sure was going to work at all.
131
331260
3000
którego wyniku nie byłem pewien.
05:34
But I'm happy to say it's actually going really well.
132
334260
3000
Ale ze szczęściem oznajmiam, że w sumie całkiem nieźle się on rozwija.
05:37
And last year we were able
133
337260
2000
I tak zeszłego roku byliśmy w stanie
05:39
to release the first website version
134
339260
2000
wypuścić pierwszą wersję sieciową
05:41
of Wolfram Alpha.
135
341260
2000
Wolfram Alpha.
05:43
Its purpose is to be a serious knowledge engine
136
343260
3000
Jego celem jest bycie poważną wyszukiwarką wiedzy,
05:46
that computes answers to questions.
137
346260
3000
która oblicza odpowiedzi do zadanych pytań.
05:49
So let's give it a try.
138
349260
2000
Spróbujmy więc go użyć.
05:51
Let's start off with something really easy.
139
351260
2000
Na początek zadajmy jakieś łatwe pytanie.
05:53
Hope for the best.
140
353260
2000
Trzymajcie kciuki.
05:55
Very good. Okay.
141
355260
2000
Bardzo dobrze.
05:57
So far so good.
142
357260
2000
Jak na razie całkiem nieźle.
05:59
(Laughter)
143
359260
3000
(Śmiech)
06:02
Let's try something a little bit harder.
144
362260
3000
A może teraz coś trochę trudniejszego.
06:05
Let's do
145
365260
2000
Powiedzmy...
06:07
some mathy thing,
146
367260
3000
Może trochę matematyki
06:10
and with luck it'll work out the answer
147
370260
3000
i przy odrobinie szczęścia obliczy nam odpowiedz
06:13
and try and tell us some interesting things
148
373260
2000
i spróbuje opowiedzieć interesujące rzeczy,
06:15
things about related math.
149
375260
2000
oraz matematykę związaną z tym problemem.
06:17
We could ask it something about the real world.
150
377260
3000
Moglibyśmy też zapytać się o coś w otaczającym nas świecie.
06:20
Let's say -- I don't know --
151
380260
2000
Powiedzmy ...
06:22
what's the GDP of Spain?
152
382260
3000
Jaki jest produkt krajowy brutto Hiszpanii?
06:25
And it should be able to tell us that.
153
385260
2000
I powinien nam odpowiedzieć.
06:27
Now we could compute something related to this,
154
387260
2000
Teraz można obliczyć coś z tym związanego,
06:29
let's say ... the GDP of Spain
155
389260
2000
na przykład produkt krajowy brutto Hiszpanii
06:31
divided by, I don't know,
156
391260
2000
podzielony przez ...
06:33
the -- hmmm ...
157
393260
2000
hmm ...
06:35
let's say the revenue of Microsoft.
158
395260
2000
powiedzmy zyski Microsoft'u.
06:37
(Laughter)
159
397260
2000
(Śmiech)
06:39
The idea is that we can just type this in,
160
399260
2000
Chodzi o to, że możemy po prostu takie pytanie wpisać
06:41
this kind of question in, however we think of it.
161
401260
3000
jakkolwiek je sformułujemy.
06:44
So let's try asking a question,
162
404260
2000
Spróbujmy więc zadać pytanie,
06:46
like a health related question.
163
406260
2000
związane ze zdrowiem.
06:48
So let's say we have a lab finding that ...
164
408260
3000
Powiedzmy, że w laboratorium zbadano,
06:51
you know, we have an LDL level of 140
165
411260
2000
że mamy poziom cholesterolu 140
06:53
for a male aged 50.
166
413260
3000
dla pięćdziesięciolatka.
06:56
So let's type that in, and now Wolfram Alpha
167
416260
2000
Wpiszmy więc ten wynik w Wolfram Alpha,
06:58
will go and use available public health data
168
418260
2000
który użyje publicznie udostępnionych danych z badań klinicznych
07:00
and try and figure out
169
420260
2000
i spróbuje określić
07:02
what part of the population that corresponds to and so on.
170
422260
3000
jaka część populacji zamyka się w tym przedziale itp.
07:05
Or let's try asking about, I don't know,
171
425260
3000
Albo spróbujmy zapytać się, nie wiem,
07:08
the International Space Station.
172
428260
2000
np. o międzynarodową stację kosmiczną.
07:10
And what's happening here is that
173
430260
2000
Jak widzimy
07:12
Wolfram Alpha is not just looking up something;
174
432260
2000
Wolfram Alpha nie tylko coś wyszukuje
07:14
it's computing, in real time,
175
434260
3000
ale także oblicza w czasie rzeczywistym,
07:17
where the International Space Station is right now at this moment,
176
437260
3000
gdzie w tym momencie ta stacja się znajduje,
07:20
how fast it's going, and so on.
177
440260
3000
jak szybko się porusza i tak dalej.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
444260
3000
Tak więc Wolfram Alpha wie o wielu różnych rzeczach.
07:27
It's got, by now,
179
447260
2000
Aktualnie zawiera on wiedzę, która
07:29
pretty good coverage of everything you might find
180
449260
2000
dosyć dobrze pokrywa się ze wszystkim, co można znaleźć
07:31
in a standard reference library.
181
451260
3000
w przeciętnej bibliotece.
07:34
But the goal is to go much further
182
454260
2000
Cel jednak jest o wiele wyższy
07:36
and, very broadly, to democratize
183
456260
3000
mówiąc bardzo ogólnie, chodzi o zdemokratyzowanie
07:39
all of this knowledge,
184
459260
3000
całej tej wiedzy,
07:42
and to try and be an authoritative
185
462260
2000
i spróbowanie uczynienia jej autorytatywnym
07:44
source in all areas.
186
464260
2000
źródłem we wszystkich dziedzinach,
07:46
To be able to compute answers to specific questions that people have,
187
466260
3000
by móc obliczać odpowiedzi na specyficzne pytania jakie ludzie mogą zadawać,
07:49
not by searching what other people
188
469260
2000
nie poprzez wyszukiwanie tego czego inni
07:51
may have written down before,
189
471260
2000
już dowiedli i napisali,
07:53
but by using built in knowledge
190
473260
2000
lecz poprzez użycie "wbudowanej", istniejącej już wiedzy
07:55
to compute fresh new answers to specific questions.
191
475260
3000
by obliczyć nową odpowiedź na specyficzne pytanie.
07:58
Now, of course, Wolfram Alpha
192
478260
2000
Oczywiście Wolfram Alpha
08:00
is a monumentally huge, long-term project
193
480260
2000
jest monumentalnie wielkim i długim projektem
08:02
with lots and lots of challenges.
194
482260
2000
z wieloma wyzwaniami.
08:04
For a start, one has to curate a zillion
195
484260
3000
Na początek, trzeba przecież nadzorować nieokreśloną liczbę
08:07
different sources of facts and data,
196
487260
3000
różnych źródeł faktów i danych,
08:10
and we built quite a pipeline of Mathematica automation
197
490260
3000
stworzyliśmy więc automatyczne rozwiązania za pomocą Mathematica
08:13
and human domain experts for doing this.
198
493260
3000
oraz ludzkich zasobów i zarazem ekspertów w tych dziedzinach.
08:16
But that's just the beginning.
199
496260
2000
Ale to tylko początek.
08:18
Given raw facts or data
200
498260
2000
Jeżeli użyjemy surowych faktów i danych
08:20
to actually answer questions,
201
500260
2000
by odpowiedzieć na pytania,
08:22
one has to compute:
202
502260
2000
trzeba by obliczyć
08:24
one has to implement all those methods and models
203
504260
2000
oraz zaimplementować te wszystkie metody, modele
08:26
and algorithms and so on
204
506260
2000
algorytmy i tym podobne,
08:28
that science and other areas have built up over the centuries.
205
508260
3000
które nauka wraz z innymi dziedzinami stworzyła w przeciągu stuleci.
08:31
Well, even starting from Mathematica,
206
511260
3000
Nawet jeżeli chodzi o Mathematica,
08:34
this is still a huge amount of work.
207
514260
2000
to jest to ogromne przedsięwzięcie.
08:36
So far, there are about 8 million lines
208
516260
2000
Na chwilę obecną mamy 8 milionów
08:38
of Mathematica code in Wolfram Alpha
209
518260
2000
linii kodu w języku Mathematica w naszej wyszukiwarce Wolfram Alpha
08:40
built by experts from many, many different fields.
210
520260
3000
napisanych przez ekspertów w wielu dziedzin.
08:43
Well, a crucial idea of Wolfram Alpha
211
523260
3000
Kluczową ideą Wolfram Alpha
08:46
is that you can just ask it questions
212
526260
2000
jest to, że można go po prostu zapytać o coś
08:48
using ordinary human language,
213
528260
3000
używając ludzkiego języka,
08:51
which means that we've got to be able to take
214
531260
2000
co z kolei znaczy, że powinniśmy móc zebrać
08:53
all those strange utterances that people type into the input field
215
533260
3000
te wszystkie wypowiedzi, które ludzie wpisują w okienko
08:56
and understand them.
216
536260
2000
i je zrozumieć.
08:58
And I must say that I thought that step
217
538260
2000
I muszę powiedzieć, że myślałem iż ten krok
09:00
might just be plain impossible.
218
540260
3000
będzie po prostu niemożliwy.
09:04
Two big things happened:
219
544260
2000
Zdarzyły się dwie ważne rzeczy.
09:06
First, a bunch of new ideas about linguistics
220
546260
3000
Najpierw, wiele nowych odkryć w dziedzinie lingwistyki,
09:09
that came from studying the computational universe;
221
549260
3000
które były rezultatem studiowania obliczeniowego wszechświata.
09:12
and second, the realization that having actual computable knowledge
222
552260
3000
A druga rzecz to uświadomienie sobie, że posiadanie wiedzy obliczeniowej
09:15
completely changes how one can
223
555260
2000
kompletnie zmienia sposób w jaki
09:17
set about understanding language.
224
557260
3000
można rozumieć język.
09:20
And, of course, now
225
560260
2000
Tak więc teraz
09:22
with Wolfram Alpha actually out in the wild,
226
562260
2000
przy pomocy Wolfram Alpha otwartym dla ogółu,
09:24
we can learn from its actual usage.
227
564260
2000
możemy studiować jego używalność.
09:26
And, in fact, there's been
228
566260
2000
I w sumie istnieje
09:28
an interesting coevolution that's been going on
229
568260
2000
ciekawie rozwijające się współzawodnictwo
09:30
between Wolfram Alpha
230
570260
2000
pomiędzy Wolfram Alpha
09:32
and its human users,
231
572260
2000
i jego użytkownikami.
09:34
and it's really encouraging.
232
574260
2000
I jest ono naprawdę zachęcające.
09:36
Right now, if we look at web queries,
233
576260
2000
Już teraz, kiedy spojrzymy na zadawane pytania,
09:38
more than 80 percent of them get handled successfully the first time.
234
578260
3000
więcej niż 80 procent jest trafnie interpretowanych za pierwszym razem.
09:41
And if you look at things like the iPhone app,
235
581260
2000
A jeżeli spojrzeć na pochodne aplikacji np. w iPhonie,
09:43
the fraction is considerably larger.
236
583260
2000
to nawet trochę więcej.
09:45
So, I'm pretty pleased with it all.
237
585260
2000
Jestem więc dość zadowolony z tego wszystkiego.
09:47
But, in many ways,
238
587260
2000
Niemniej jednak, w wielu dziedzinach,
09:49
we're still at the very beginning with Wolfram Alpha.
239
589260
3000
nadal jesteśmy w pierwszej fazie Wolfram Alpha.
09:52
I mean, everything is scaling up very nicely
240
592260
2000
Mam na myśli to, że wszystko jak dotąd jest wydajne.
09:54
and we're getting more confident.
241
594260
2000
Pozyskujemy coraz to większe zaufanie.
09:56
You can expect to see Wolfram Alpha technology
242
596260
2000
Możecie się spodziewać, że technologia Wolfram Alpha
09:58
showing up in more and more places,
243
598260
2000
będzie się pojawiała w coraz to nowych miejscach,
10:00
working both with this kind of public data, like on the website,
244
600260
3000
wykorzystując dane publiczne, dostępne w sieci
10:03
and with private knowledge
245
603260
2000
oraz prywatną wiedzę
10:05
for people and companies and so on.
246
605260
3000
dostępną dla ludzi i firm i tak dalej.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
608260
3000
Uświadomiłem sobie, że Wolfram Alpha dostarcza nam
10:11
a whole new kind of computing
248
611260
2000
w jakimś sensie nowego rodzaju obliczeń,
10:13
that one can call knowledge-based computing,
249
613260
2000
które można nazwać obliczeniami bazującymi na wiedzy,
10:15
in which one's starting not just from raw computation,
250
615260
3000
gdzie zaczyna się od obliczeń na surowych danych,
10:18
but from a vast amount of built-in knowledge.
251
618260
3000
lecz od rozległych zasobów dostępnej wiedzy.
10:21
And when one does that, one really changes
252
621260
2000
A prowadząc takie obliczenia, zmienia się
10:23
the economics of delivering computational things,
253
623260
3000
ekonomię dostarczania obliczeniowych bytów,
10:26
whether it's on the web or elsewhere.
254
626260
2000
nie zważając na to czy jest to w sieci czy gdziekolwiek.
10:28
You know, we have a fairly interesting situation right now.
255
628260
3000
Mamy właśnie dosyć interesującą sytuacje.
10:31
On the one hand, we have Mathematica,
256
631260
2000
Z jednej strony mamy Mathematica,
10:33
with its sort of precise, formal language
257
633260
3000
z jej precyzyjnie sformalizowanym językiem
10:36
and a huge network
258
636260
2000
oraz obszerną sieć
10:38
of carefully designed capabilities
259
638260
2000
starannie zaprojektowanych możliwości,
10:40
able to get a lot done in just a few lines.
260
640260
3000
które pozwalają jej na wykonanie wielu obliczeń przy pomocy paru linii kodu.
10:43
Let me show you a couple of examples here.
261
643260
3000
Pozwólcie państwo, że przedstawię tu kilka przykładów.
10:47
So here's a trivial piece of Mathematica programming.
262
647260
3000
Oto trywialny kawałek programu w Mathematica.
10:51
Here's something where we're sort of
263
651260
2000
Tutaj na przykład
10:53
integrating a bunch of different capabilities here.
264
653260
3000
łączymy wiele różnych możliwości.
10:56
Here we'll just create, in this line,
265
656260
3000
Tutaj stworzymy w tej linijce
10:59
a little user interface that allows us to
266
659260
3000
mały interfejs użytkownika pozwalający
11:02
do something fun there.
267
662260
2000
na zabawę.
11:05
If you go on, that's a slightly more complicated program
268
665260
2000
Idąc dalej, nagle tworzymy bardziej skomplikowany program,
11:07
that's now doing all sorts of algorithmic things
269
667260
3000
który nagle robi wiele algorytmicznych obliczeń,
11:10
and creating user interface and so on.
270
670260
2000
wraz z tworzeniem interfejsu użytkownika itp.
11:12
But it's something that is very precise stuff.
271
672260
3000
Jest to jednak bardzo sprecyzowana treść.
11:15
It's a precise specification with a precise formal language
272
675260
3000
To właśnie jej precyzyjna specyfikacja precyzyjnym językiem formalnym
11:18
that causes Mathematica to know what to do here.
273
678260
3000
pozwala Mathematice wiedzieć co z tym zrobić.
11:21
Then on the other hand, we have Wolfram Alpha,
274
681260
3000
A z drugiej strony mamy Wolfram Alpha
11:24
with all the messiness of the world
275
684260
2000
zawierający ten nasz światowy bałagan
11:26
and human language and so on built into it.
276
686260
2000
i ludzki język wbudowany w niego.
11:28
So what happens when you put these things together?
277
688260
3000
Co się więc stanie jeżeli połączymy te dwie rzeczy?
11:31
I think it's actually rather wonderful.
278
691260
2000
Myślę, że coś bardzo niezwykłego.
11:33
With Wolfram Alpha inside Mathematica,
279
693260
2000
Z Wolfram Alpha w Mathematice,
11:35
you can, for example, make precise programs
280
695260
2000
można na przykład tworzyć precyzyjne programy
11:37
that call on real world data.
281
697260
2000
korzystające z otaczających nas danych.
11:39
Here's a real simple example.
282
699260
2000
Oto bardzo prosty przykład.
11:44
You can also just sort of give vague input
283
704260
3000
Można nawet podać nie dokładne zapytanie
11:47
and then try and have Wolfram Alpha
284
707260
2000
i zobaczyć czy Wolfram Alpha
11:49
figure out what you're talking about.
285
709260
2000
zrozumie o co nam chodzi.
11:51
Let's try this here.
286
711260
2000
Spróbujmy to teraz zrobić.
11:53
But actually I think the most exciting thing about this
287
713260
3000
Myślę jednak, że najbardziej ekscytujące w tym
11:56
is that it really gives one the chance
288
716260
2000
jest to że każdy dostaje szansę
11:58
to democratize programming.
289
718260
3000
by zdemokratyzować programowanie.
12:01
I mean, anyone will be able to say what they want in plain language.
290
721260
3000
To znaczy, każdy będzie mógł po prostu powiedzieć zwykłym językiem co chciałby zaprogramować,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
724260
3000
a Wolfram Alpha domyśli się,
12:07
what precise pieces of code
292
727260
2000
które precyzyjne kawałki kodu
12:09
can do what they're asking for
293
729260
2000
dostarczą odpowiedzi
12:11
and then show them examples that will let them pick what they need
294
731260
3000
a później pokaże przykłady i pozwoli wybrać rzeczy potrzebne
12:14
to build up bigger and bigger, precise programs.
295
734260
3000
do budowy większych, bardziej precyzyjnych programów.
12:17
So, sometimes, Wolfram Alpha
296
737260
2000
Czasami Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
739260
2000
będzie mógł wykonać to wszystko natychmiastowo
12:21
and just give back a whole big program that you can then compute with.
298
741260
3000
i zwrócić jeden wielki program, którym można będzie obliczać.
12:24
Here's a big website
299
744260
2000
Oto obszerna strona internetowa
12:26
where we've been collecting lots of educational
300
746260
3000
gdzie kolekcjonujemy wiedzę
12:29
and other demonstrations about lots of kinds of things.
301
749260
3000
z różnych dziedzin.
12:32
I'll show you one example here.
302
752260
3000
Pokażę więc na przykład, może to.
12:36
This is just an example of one of these computable documents.
303
756260
3000
To jest tylko przykład takiego obliczeniowego dokumentu.
12:39
This is probably a fairly small
304
759260
2000
Jest to w sumie bardzo mały wycinek
12:41
piece of Mathematica code
305
761260
2000
kodu Mathematica,
12:43
that's able to be run here.
306
763260
2000
który może być wykorzystany do użytku właśnie tu.
12:47
Okay. Let's zoom out again.
307
767260
3000
Dobrze. Spójrzmy znowu z daleka.
12:50
So, given our new kind of science,
308
770260
2000
Mając nasz "nowy rodzaj nauki", zapytajmy
12:52
is there a general way to use it to make technology?
309
772260
3000
czy istnieje ogólna metoda by używać jej do tworzenia technologii?
12:55
So, with physical materials,
310
775260
2000
Jeżeli chodzi o rzeczy materialne,
12:57
we're used to going around the world
311
777260
2000
to jesteśmy przyzwyczajeni objeżdżać świat
12:59
and discovering that particular materials
312
779260
2000
odkrywając, że poszczególne materiały
13:01
are useful for particular
313
781260
2000
mogą być użyte w poszczególnych
13:03
technological purposes.
314
783260
2000
technologicznych celach i tak dalej.
13:05
Well, it turns out we can do very much the same kind of thing
315
785260
2000
Okazuje się, że takie samo podejście można wykorzystać
13:07
in the computational universe.
316
787260
2000
we wszechświecie obliczeniowym.
13:09
There's an inexhaustible supply of programs out there.
317
789260
3000
Jest tu nieskończona liczba programów.
13:12
The challenge is to see how to
318
792260
2000
Wyzwaniem jest znalezienie metody
13:14
harness them for human purposes.
319
794260
2000
jak wykorzystać je by były użyteczne dla ludzkości.
13:16
Something like Rule 30, for example,
320
796260
2000
Takie coś jak reguła 30, na przykład,
13:18
turns out to be a really good randomness generator.
321
798260
2000
okazuje się być bardzo dobrym generatorem liczb losowych.
13:20
Other simple programs are good models
322
800260
2000
Inne proste programy są dobrymi modelami
13:22
for processes in the natural or social world.
323
802260
3000
procesów zachodzących w naturalnym lub społecznym świecie.
13:25
And, for example, Wolfram Alpha and Mathematica
324
805260
2000
Na przykład, Wolfram Alpha i Mathematica
13:27
are actually now full of algorithms
325
807260
2000
użytkują teraz wiele algorytmów
13:29
that we discovered by searching the computational universe.
326
809260
3000
odkrytych właśnie przez przeszukiwanie obliczeniowego wszechświata.
13:33
And, for example, this -- if we go back here --
327
813260
3000
I to na przykład ...
13:37
this has become surprisingly popular
328
817260
2000
stało się niewiarygodnie popularne
13:39
among composers
329
819260
2000
wśród kompozytorów,
13:41
finding musical forms by searching the computational universe.
330
821260
3000
którzy znajdują formy muzyczne poprzez przeszukiwanie obliczeniowego wszechświata.
13:45
In a sense, we can use the computational universe
331
825260
2000
W pewnym sensie możemy użyć obliczeniowego wszechświata
13:47
to get mass customized creativity.
332
827260
3000
by otrzymać dostosowaną do naszych potrzeb kreatywność.
13:50
I'm hoping we can, for example,
333
830260
2000
Mam nadzieję, że na przykład,
13:52
use that even to get Wolfram Alpha
334
832260
2000
użyjemy tego w Wolfram Alpha
13:54
to routinely do invention and discovery on the fly,
335
834260
3000
by rutynowo otrzymywać inwencje i odkrycia w locie
13:57
and to find all sorts of wonderful stuff
336
837260
2000
i odnajdywać wiele niesamowitych rzeczy,
13:59
that no engineer
337
839260
2000
których żaden inżynier
14:01
and no process of incremental evolution would ever come up with.
338
841260
3000
i żaden proces stopniowej ewolucji nigdy by nie stworzył.
14:05
Well, so, that leads to kind of an ultimate question:
339
845260
3000
Prowadzi to więc do zadania ostatecznego pytania.
14:08
Could it be that someplace out there in the computational universe
340
848260
3000
Czy jest możliwe, że gdzieś tam w obliczeniowym wszechświecie
14:11
we might find our physical universe?
341
851260
3000
moglibyśmy znaleźć nasz fizyczny wszechświat?
14:14
Perhaps there's even some quite simple rule,
342
854260
2000
Może istnieje nawet dosyć prosta reguła,
14:16
some simple program for our universe.
343
856260
3000
jakiś prosty program dla naszego wszechświata.
14:19
Well, the history of physics would have us believe
344
859260
2000
Historia fizyki mówi nam,
14:21
that the rule for the universe must be pretty complicated.
345
861260
3000
że reguła na nasz wszechświat powinna być dość skomplikowana.
14:24
But in the computational universe,
346
864260
2000
Jednak w obliczeniowym wszechświecie
14:26
we've now seen how rules that are incredibly simple
347
866260
3000
widzimy, że niesamowicie proste reguły
14:29
can produce incredibly rich and complex behavior.
348
869260
3000
mogą produkować niewiarygodnie bogate i złożone zachowania.
14:32
So could that be what's going on with our whole universe?
349
872260
3000
Czy to samo dzieje się więc w naszym wszechświecie?
14:36
If the rules for the universe are simple,
350
876260
2000
Jeżeli reguły wszechświata są proste
14:38
it's kind of inevitable that they have to be
351
878260
2000
to jest to nieuniknione, że muszą być
14:40
very abstract and very low level;
352
880260
2000
bardzo abstrakcyjne i nisko poziomowe,
14:42
operating, for example, far below
353
882260
2000
operujące na przykład na znacznie niższym
14:44
the level of space or time,
354
884260
2000
poziomie niż przestrzeń czy czas,
14:46
which makes it hard to represent things.
355
886260
2000
co z kolei utrudnia reprezentacje wszystkiego.
14:48
But in at least a large class of cases,
356
888260
2000
Ale w znacznej klasie przypadków
14:50
one can think of the universe as being
357
890260
2000
można widzieć wszechświat jako
14:52
like some kind of network,
358
892260
2000
coś w rodzaju sieci,
14:54
which, when it gets big enough,
359
894260
2000
która, kiedy dojdzie do wystarczająco dużych rozmiarów,
14:56
behaves like continuous space
360
896260
2000
zaczyna zachowywać się jak ciągła przestrzeń
14:58
in much the same way as having lots of molecules
361
898260
2000
na takiej samej zasadzie jak wiele molekuł
15:00
can behave like a continuous fluid.
362
900260
2000
zachowuje się jak ciecz.
15:02
Well, then the universe has to evolve by applying
363
902260
3000
Dlatego też, wszechświat powinien ewoluować poprzez aplikowanie
15:05
little rules that progressively update this network.
364
905260
3000
małych reguł, które stopniowo uaktualniają tą siatkę.
15:08
And each possible rule, in a sense,
365
908260
2000
I każda możliwa reguła, w pewnym sensie,
15:10
corresponds to a candidate universe.
366
910260
2000
odpowiada jakiemuś kandydatowi na wszechświat.
15:12
Actually, I haven't shown these before,
367
912260
3000
Nigdy tego nie pokazywałem aż do teraz,
15:16
but here are a few of the candidate universes
368
916260
3000
widzimy tu kilka kandydatów na wszechświaty,
15:19
that I've looked at.
369
919260
2000
które przejrzałem.
15:21
Some of these are hopeless universes,
370
921260
2000
Niektóre z nich to beznadziejne wszechświaty,
15:23
completely sterile,
371
923260
2000
całkowicie sterylne,
15:25
with other kinds of pathologies like no notion of space,
372
925260
2000
zawierające inne patologie takie jak brak przestrzeni,
15:27
no notion of time, no matter,
373
927260
3000
brak pojęcia czasu, brak materii,
15:30
other problems like that.
374
930260
2000
oraz podobne problemy.
15:32
But the exciting thing that I've found in the last few years
375
932260
3000
Ekscytującą rzeczą, którą odkryłem w ostatnich latach
15:35
is that you actually don't have to go very far
376
935260
2000
jest to, że wcale nie trzeba zagłębiać się daleko
15:37
in the computational universe
377
937260
2000
w obliczeniowym wszechświecie
15:39
before you start finding candidate universes
378
939260
2000
zanim zacznie się znajdywać kandydatów na wszechświaty
15:41
that aren't obviously not our universe.
379
941260
3000
które nie są naturalnie naszym wszechświatem.
15:44
Here's the problem:
380
944260
2000
Problem leży w tym:
15:46
Any serious candidate for our universe
381
946260
3000
Każdy poważny kandydat na nasz wszechświat,
15:49
is inevitably full of computational irreducibility.
382
949260
3000
jest w nieunikniony sposób pełen obliczeniowej nieredukowalności,
15:52
Which means that it is irreducibly difficult
383
952260
3000
co znaczy, że jest nieskracalnie trudnym
15:55
to find out how it will really behave,
384
955260
2000
by dowiedzieć się jak naprawdę będzie się on zachowywał,
15:57
and whether it matches our physical universe.
385
957260
3000
oraz czy pasuje on do naszego fizycznego wszechświata.
16:01
A few years ago, I was pretty excited to discover
386
961260
3000
Parę lat temu, podekscytowało mnie odkrycie,
16:04
that there are candidate universes with incredibly simple rules
387
964260
3000
że są kandydaci na wszechświaty o niewiarygodnie prostych regułach,
16:07
that successfully reproduce special relativity,
388
967260
2000
które skutecznie odtwarzają szczególną teorie względności
16:09
and even general relativity and gravitation,
389
969260
3000
a nawet ogólną teorie względności i grawitacje
16:12
and at least give hints of quantum mechanics.
390
972260
3000
i jeszcze do tego wykazują poszlaki mechaniki kwantowej.
16:15
So, will we find the whole of physics?
391
975260
2000
Czy dowiemy się wszystkiego o fizyce?
16:17
I don't know for sure,
392
977260
2000
Nie jestem pewien.
16:19
but I think at this point it's sort of
393
979260
2000
Ale myślę, że w tej sytuacji
16:21
almost embarrassing not to at least try.
394
981260
2000
żenadą byłoby przynajmniej nie podjęcie takiej próby.
16:23
Not an easy project.
395
983260
2000
To wcale nie jest łatwy projekt.
16:25
One's got to build a lot of technology.
396
985260
2000
Trzeba stworzyć wiele technologii.
16:27
One's got to build a structure that's probably
397
987260
2000
Trzeba stworzyć strukturę, która zapewne jest
16:29
at least as deep as existing physics.
398
989260
2000
tak głęboka jak dzisiejsza fizyka.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
991260
3000
I nie jestem pewien w jaki sposób to najlepiej zorganizować.
16:34
Build a team, open it up, offer prizes and so on.
400
994260
3000
Stworzyć drużynę, stworzyć konkurs otwarty, oferować nagrody i tak dalej.
16:37
But I'll tell you, here today,
401
997260
2000
Ale powiem państwu teraz,
16:39
that I'm committed to seeing this project done,
402
999260
2000
że jestem zobowiązany by doprowadzić ten projekt do końca,
16:41
to see if, within this decade,
403
1001260
3000
żeby zobaczyć czy w tym dziesięcioleciu
16:44
we can finally hold in our hands
404
1004260
2000
będziemy w końcu mogli trzymać w ręku
16:46
the rule for our universe
405
1006260
2000
receptę na nasz wszechświat
16:48
and know where our universe lies
406
1008260
2000
wiedząc jednocześnie, w którym miejscu znajduje się on
16:50
in the space of all possible universes ...
407
1010260
2000
w stosunku do wszystkich możliwych wszechświatów
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
1012260
3000
oraz możliwości wpisania w Wolfram Alpha "teoria wszechświata"
16:55
and have it tell us.
409
1015260
2000
i otrzymania odpowiedzi.
16:57
(Laughter)
410
1017260
2000
(Śmiech)
17:00
So I've been working on the idea of computation
411
1020260
2000
Pracuję już nad pojęciem obliczalności
17:02
now for more than 30 years,
412
1022260
2000
od ponad trzydziestu lat,
17:04
building tools and methods and turning intellectual ideas
413
1024260
3000
tworząc narzędzia, metody i przetwarzając intelektualne pomysły
17:07
into millions of lines of code
414
1027260
2000
w miliony linii kodu
17:09
and grist for server farms and so on.
415
1029260
2000
oraz "nawozu dla farm serwerów" i tak dalej.
17:11
With every passing year,
416
1031260
2000
Z każdym przemijającym rokiem,
17:13
I realize how much more powerful
417
1033260
2000
uświadamiam sobie o ile bardziej potężniejsze
17:15
the idea of computation really is.
418
1035260
2000
jest pojęcie obliczalności.
17:17
It's taken us a long way already,
419
1037260
2000
Odkryliśmy już znacznie dużo
17:19
but there's so much more to come.
420
1039260
2000
ale to dopiero szczyt góry lodowej.
17:21
From the foundations of science
421
1041260
2000
Od założeń naukowych
17:23
to the limits of technology
422
1043260
2000
do krańców możliwości technologicznych
17:25
to the very definition of the human condition,
423
1045260
2000
aż po definicję podstawy ludzkości,
17:27
I think computation is destined to be
424
1047260
2000
myślę, że przeznaczeniem obliczeniowości
17:29
the defining idea of our future.
425
1049260
2000
jest wyznaczanie naszej przyszłości.
17:31
Thank you.
426
1051260
2000
Dziękuję.
17:33
(Applause)
427
1053260
14000
(Brawa)
17:47
Chris Anderson: That was astonishing.
428
1067260
2000
Chris Anderson: To było zadziwiające.
17:49
Stay here. I've got a question.
429
1069260
2000
Zostań proszę tu bo mam pytanie.
17:51
(Applause)
430
1071260
4000
(Brawa)
17:57
So, that was, fair to say, an astonishing talk.
431
1077260
3000
Myślę, że można śmiało powiedzieć, że był to niesamowity wykład.
18:01
Are you able to say in a sentence or two
432
1081260
3000
Czy mógłbyś powiedzieć w jednym lub dwóch zdaniach
18:04
how this type of thinking
433
1084260
3000
jak takie myślenie
18:07
could integrate at some point
434
1087260
2000
mogłoby dołączyć w którymś punkcie
18:09
to things like string theory or the kind of things that people think of
435
1089260
2000
do teorii strun lub teorii nad którymi pracujemy
18:11
as the fundamental explanations of the universe?
436
1091260
3000
by wyjaśnić istotę pochodzenia wszechświata?
18:14
Stephen Wolfram: Well, the parts of physics
437
1094260
2000
Stephen Wolfram: Obszary fizyki
18:16
that we kind of know to be true,
438
1096260
2000
o których wiemy, że najprawdopodobniej są prawdziwe,
18:18
things like the standard model of physics:
439
1098260
2000
teorie takie jak standardowy model fizyki.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1100260
3000
Próbuję lepiej odtworzyć standardowy model fizyki
18:23
or it's simply wrong.
441
1103260
2000
lub stwierdzić, że jest po prostu zły.
18:25
The things that people have tried to do in the last 25 years or so
442
1105260
2000
Teorie ostatnich 25-u lat
18:27
with string theory and so on
443
1107260
2000
takich jak teoria strun
18:29
have been an interesting exploration
444
1109260
2000
są interesującymi badaniami,
18:31
that has tried to get back to the standard model,
445
1111260
3000
które próbowały wrócić do wyjścia standardowego modelu,
18:34
but hasn't quite gotten there.
446
1114260
2000
jednak wciąż tam nie dotarły.
18:36
My guess is that some great simplifications of what I'm doing
447
1116260
3000
Moim zdaniem, jakieś wielkie uproszczenie tego co robię
18:39
may actually have considerable resonance
448
1119260
3000
może wywołać znaczny rezonans
18:42
with what's been done in string theory,
449
1122260
2000
z badaniami w dziedzinie teorii strun,
18:44
but that's a complicated math thing
450
1124260
3000
ale to wszystko skomplikowana matematyka
18:47
that I don't yet know how it's going to work out.
451
1127260
3000
i nie wiem jaki będzie to miało wynik końcowy.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1130260
2000
CA: Benoit Mandelbrot jest gdzieś na widowni.
18:52
He also has shown how complexity
453
1132260
2000
On także pokazał jak złożoność
18:54
can arise out of a simple start.
454
1134260
2000
może powstać z prostego zalążka.
18:56
Does your work relate to his?
455
1136260
2000
Czy Twoja praca nawiązuje do tego?
18:58
SW: I think so.
456
1138260
2000
SW: Myślę, że tak.
19:00
I view Benoit Mandelbrot's work
457
1140260
2000
Uważam prace Benoit Mandelbrot'a
19:02
as one of the founding contributions
458
1142260
3000
za główny wkład
19:05
to this kind of area.
459
1145260
3000
w tą dziedzinę.
19:08
Benoit has been particularly interested
460
1148260
2000
Benoit szczególnie interesował się
19:10
in nested patterns, in fractals and so on,
461
1150260
2000
samo odzwierciedleniem, fraktalami
19:12
where the structure is something
462
1152260
2000
strukturą przypominających
19:14
that's kind of tree-like,
463
1154260
2000
drzewa,
19:16
and where there's sort of a big branch that makes little branches
464
1156260
2000
gdzie zaczynamy od gałęzi, która tworzy mniejsze gałęzie,
19:18
and even smaller branches and so on.
465
1158260
3000
a później jeszcze mniejsze i tak dalej.
19:21
That's one of the ways
466
1161260
2000
To jeden ze sposobów,
19:23
that you get towards true complexity.
467
1163260
3000
którym można otrzymać prawdziwą złożoność.
19:26
I think things like the Rule 30 cellular automaton
468
1166260
3000
Myślę, że zjawiska takie jak reguła 30-ta automatu komórkowego
19:29
get us to a different level.
469
1169260
2000
wprowadzają nas na inny poziom.
19:31
In fact, in a very precise way, they get us to a different level
470
1171260
3000
W sumie, precyzując, wprowadzają nas na inny poziom
19:34
because they seem to be things that are
471
1174260
2000
ponieważ wydają się być czymś
19:37
capable of complexity
472
1177260
3000
zdolnym do złożoności
19:40
that's sort of as great as complexity can ever get ...
473
1180260
3000
a to już samo w sobie jest chyba najbardziej złożone ...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1184260
3000
Mógłbym o tym dyskutować godzinami.
19:47
CA: Stephen Wolfram, thank you.
475
1187260
2000
CA: Stephen Wolfram, dziękuję panu.
19:49
(Applause)
476
1189260
2000
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7