What's so sexy about math? | Cédric Villani

671,922 views ・ 2016-06-28

TED


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

Tłumaczenie: Paweł Darulewski Korekta: Rysia Wand
00:12
What is it that French people do better than all the others?
0
12804
4412
W czym Francuzi są lepsi od innych?
00:18
If you would take polls,
1
18454
1926
Jeśli przeprowadzilibyśmy ankietę,
00:20
the top three answers might be:
2
20404
1807
najwięcej głosów mogłyby zebrać
00:22
love, wine and whining.
3
22235
4039
miłość, wino i marudzenie.
00:26
(Laughter)
4
26298
1301
(Śmiech)
00:27
Maybe.
5
27623
1159
Być może.
00:29
But let me suggest a fourth one:
6
29530
2338
Zasugeruję jednak czwartą odpowiedź:
00:31
mathematics.
7
31892
1190
matematyka.
00:33
Did you know that Paris has more mathematicians
8
33760
2853
Wiecie, że Paryż ma więcej matematyków,
00:36
than any other city in the world?
9
36637
1801
niż jakiekolwiek inne miasto na świecie?
00:38
And more streets with mathematicians' names, too.
10
38801
2494
Najwięcej ulic ma za patronów matematyków.
00:42
And if you look at the statistics of the Fields Medal,
11
42215
3449
Według statystyk laureatów medalu Fieldsa,
00:45
often called the Nobel Prize for mathematics,
12
45688
2493
często zwanego matematycznym Noblem,
00:48
and always awarded to mathematicians below the age of 40,
13
48205
3932
którego otrzymują matematycy w wieku poniżej 40 lat,
00:52
you will find that France has more Fields medalists per inhabitant
14
52161
3887
Francja ma więcej laureatów na mieszkańca
00:56
than any other country.
15
56072
1168
niż jakiekolwiek inne państwo.
00:58
What is it that we find so sexy in math?
16
58286
2954
Dlaczego matematyka uchodzi za tak seksowną?
01:02
After all, it seems to be dull and abstract,
17
62153
3204
Wydaje się nam nudna i abstrakcyjna,
01:05
just numbers and computations and rules to apply.
18
65381
3483
liczby, obliczenia i zasady, do których trzeba się stosować.
01:10
Mathematics may be abstract,
19
70518
2112
Matematyka może być abstrakcyjna,
01:12
but it's not dull
20
72654
1151
ale nie jest nudna
01:13
and it's not about computing.
21
73829
1729
i nie chodzi w niej o obliczenia.
01:16
It is about reasoning
22
76178
1747
Chodzi o rozumowanie,
01:17
and proving our core activity.
23
77949
2260
udowadnianie podstaw działalności.
01:20
It is about imagination,
24
80513
1522
Chodzi o wyobraźnię,
01:22
the talent which we most praise.
25
82059
2019
najbardziej ceniony talent.
01:24
It is about finding the truth.
26
84102
2101
Chodzi o odkrycie prawdy.
01:27
There's nothing like the feeling which invades you
27
87613
2737
Nie ma nic lepszego niż to uczucie,
01:30
when after months of hard thinking,
28
90374
2171
gdy po miesiącach rozważań
01:32
you finally understand the right reasoning to solve your problem.
29
92569
3298
w końcu znajdujesz rozumowanie do rozwiązania problemu.
01:37
The great mathematician André Weil likened this --
30
97042
3576
Wielki matematyk André Weil porównał to,
01:40
no kidding --
31
100642
1151
nie żartuję,
01:41
to sexual pleasure.
32
101817
1589
do przyjemności seksualnej.
01:44
But noted that this feeling can last for hours, or even days.
33
104197
5341
Zauważył jednak, że to uczucie może trwać wiele godzin, nawet dni.
01:50
The reward may be big.
34
110804
1853
Nagroda może być duża.
01:53
Hidden mathematical truths permeate our whole physical world.
35
113325
3864
Ukryte prawdy matematyczne przenikają cały świat fizyczny.
01:57
They are inaccessible to our senses
36
117680
2670
Są niedostępne dla zmysłów,
02:00
but can be seen through mathematical lenses.
37
120374
2724
ale można je zobaczyć przez szkła matematyczne.
02:04
Close your eyes for moment
38
124092
1592
Zamknijcie na chwilę oczy,
02:05
and think of what is occurring right now around you.
39
125708
3475
pomyślcie o tym, co właśnie dzieje się wśród was.
02:10
Invisible particles from the air around are bumping on you
40
130337
3493
Uderzają was niewidoczne cząstki powietrza,
02:13
by the billions and billions at each second,
41
133854
2733
miliardy miliardów w każdej sekundzie,
02:16
all in complete chaos.
42
136611
2063
wszędzie kompletny chaos.
02:19
And still,
43
139049
1151
A jednak ich statystykę można dokładnie przewidzieć
02:20
their statistics can be accurately predicted by mathematical physics.
44
140224
4688
na podstawie fizyki matematycznej.
02:25
And open your eyes now
45
145715
2792
A teraz otwórz oczy
02:28
to the statistics of the velocities of these particles.
46
148531
3310
na statystyki prędkości takich cząstek.
02:32
The famous bell-shaped Gauss Curve,
47
152510
3240
Słynna krzywa Gaussa w kształcie dzwonu
02:35
or the Law of Errors --
48
155774
2181
lub prawo błędów,
02:37
of deviations with respect to the mean behavior.
49
157979
2722
prawo odchyleń w stosunku do średniego zachowania.
02:41
This curve tells about the statistics of velocities of particles
50
161550
4302
Ta krzywa pokazuje statystykę prędkości cząstek
02:45
in the same way as a demographic curve
51
165876
2539
w ten sam sposób, jak krzywa demograficzna
02:48
would tell about the statistics of ages of individuals.
52
168439
3841
pokaże statystykę wieku ludności.
02:52
It's one of the most important curves ever.
53
172884
2650
To jedna z najważniejszych krzywych.
02:56
It keeps on occurring again and again,
54
176137
3186
To dzieje się cały czas w kółko,
02:59
from many theories and many experiments,
55
179347
2403
w wielu teoriach i eksperymentach,
03:01
as a great example of the universality
56
181774
3281
jako doskonały przykład uniwersalności,
03:05
which is so dear to us mathematicians.
57
185079
3552
która jest tak droga dla nas, matematyków.
03:09
Of this curve,
58
189694
1227
O tej krzywej
03:10
the famous scientist Francis Galton said,
59
190945
3049
naukowiec Francis Galton powiedział:
03:14
"It would have been deified by the Greeks if they had known it.
60
194018
4524
"Gdyby Grecy o niej wiedzieli, zrobili by z niej boginię.
03:19
It is the supreme law of unreason."
61
199064
3351
To najważniejsze prawo chaosu".
03:23
And there's no better way to materialize that supreme goddess than Galton's Board.
62
203818
6602
Nie ma lepszego sposobu na ukazanie tej najwyższej bogini niż tablica Galtona.
03:31
Inside this board are narrow tunnels
63
211774
3197
Wewnątrz tablicy są wąskie tunele,
03:34
through which tiny balls will fall down randomly,
64
214995
4628
przez które malutkie kulki będą w losowy sposób spadać w dół,
03:40
going right or left, or left, etc.
65
220295
5387
lecieć w prawo lub w lewo, w lewo i tak dalej.
03:46
All in complete randomness and chaos.
66
226139
3251
Wszystko jest kompletnie losowe i chaotyczne.
03:50
Let's see what happens when we look at all these random trajectories together.
67
230085
6080
Zobaczymy, co się stanie, gdy złożymy razem wszystkie trajektorie.
03:56
(Board shaking)
68
236189
5435
(Potrząsanie tablicą)
04:01
This is a bit of a sport,
69
241648
2844
Odrobina sportu,
04:04
because we need to resolve some traffic jams in there.
70
244516
4870
trzeba rozwiązać problem powstawania zatorów.
04:11
Aha.
71
251715
1150
Aha.
04:13
We think that randomness is going to play me a trick on stage.
72
253313
3587
Pewnie losowość zrobi mi psikusa na scenie.
04:19
There it is.
73
259609
1463
Proszę bardzo.
04:22
Our supreme goddess of unreason.
74
262382
2583
Najważniejsza bogini chaosu,
04:24
the Gauss Curve,
75
264989
1519
krzywa Gaussa,
04:26
trapped here inside this transparent box as Dream in "The Sandman" comics.
76
266532
6452
uwięziona w przezroczystym pudełku jak Dream w komiksie "The Sandman".
04:34
For you I have shown it,
77
274623
2698
Pokazałem to wam,
04:37
but to my students I explain why it could not be any other curve.
78
277345
5285
ale moim studentom tłumaczę, czemu nie może to być żadna inna krzywa.
04:43
And this is touching the mystery of that goddess,
79
283128
2870
Dotyczy to tajemnicy tej bogini,
04:46
replacing a beautiful coincidence by a beautiful explanation.
80
286022
4701
zamieniając piękny zbieg okoliczności na wspaniałe wyjaśnienie.
04:51
All of science is like this.
81
291027
2333
Cała nauka jest taka.
04:54
And beautiful mathematical explanations are not only for our pleasure.
82
294213
5348
Wspaniałe matematyczne wyjaśnienia nie są tylko dla naszej przyjemności.
04:59
They also change our vision of the world.
83
299585
2660
Zmieniają one też nasz pogląd na świat.
05:03
For instance,
84
303040
1237
Na przykład
05:04
Einstein,
85
304301
1150
Einstein,
05:05
Perrin,
86
305476
1150
Perrin,
05:06
Smoluchowski,
87
306651
1150
Smoluchowski
05:07
they used the mathematical analysis of random trajectories
88
307826
3559
stosowali analizę matematyczną błądzenia losowego
05:11
and the Gauss Curve
89
311409
2037
oraz krzywą Gaussa,
05:13
to explain and prove that our world is made of atoms.
90
313470
4928
by wyjaśnić i udowodnić, że świat zbudowany jest z atomów.
05:19
It was not the first time
91
319524
1802
Nie po raz pierwszy
05:21
that mathematics was revolutionizing our view of the world.
92
321350
3390
matematycy zrewolucjonizowali postrzeganie świata.
05:25
More than 2,000 years ago,
93
325555
2212
Ponad 2000 lat temu,
05:27
at the time of the ancient Greeks,
94
327791
2610
w czasach starożytnej Grecji,
05:31
it already occurred.
95
331502
1479
ten pogląd miał już miejsce.
05:33
In those days,
96
333827
1286
W tamtych czasach
05:35
only a small fraction of the world had been explored,
97
335137
3283
tylko mała część świata została odkryta,
05:38
and the Earth might have seemed infinite.
98
338444
3042
Ziemia mogła wydawać się nieskończona.
05:42
But clever Eratosthenes,
99
342034
1767
Natomiast mądry Eratostenes,
05:43
using mathematics,
100
343825
1417
używając matematyki zdołał zmierzyć Ziemię,
05:45
was able to measure the Earth with an amazing accuracy of two percent.
101
345266
5111
z niesamowitą dokładnością do dwu procent.
05:51
Here's another example.
102
351969
1416
Oto kolejny przykład.
05:54
In 1673, Jean Richer noticed
103
354238
3805
W 1673 Jean Richter odkrył,
05:58
that a pendulum swings slightly slower in Cayenne than in Paris.
104
358067
6912
że wahadło drga odrobinę wolniej w Cayenne niż w Paryżu.
06:06
From this observation alone, and clever mathematics,
105
366350
4400
Z tej obserwacji oraz mądrej matematyki
06:10
Newton rightly deduced
106
370774
2306
Newton poprawnie wydedukował,
06:13
that the Earth is a wee bit flattened at the poles,
107
373104
5541
że Ziemia jest odrobinę spłaszczona na biegunach,
06:18
like 0.3 percent --
108
378669
1601
o jakieś 0,3%.
06:20
so tiny that you wouldn't even notice it on the real view of the Earth.
109
380843
4413
Tak mało, że nawet nie widać prawdziwego kształtu Ziemi.
06:26
These stories show that mathematics
110
386276
3928
Takie historie pokazują, że matematyka
06:30
is able to make us go out of our intuition
111
390228
4762
pozwala nam wyjść poza intuicję,
06:35
measure the Earth which seems infinite,
112
395512
3485
zmierzyć Ziemię, która wydaje się nieskończona,
06:39
see atoms which are invisible
113
399021
2294
zobaczyć atomy, które są niewidoczne
06:41
or detect an imperceptible variation of shape.
114
401339
3381
lub wykryć niedostrzegalne różnice w kształcie.
06:44
And if there is just one thing that you should take home from this talk,
115
404744
3847
Oto coś, co warto wynieść z tego wykładu:
06:48
it is this:
116
408615
1194
06:49
mathematics allows us to go beyond the intuition
117
409833
4378
matematyka pozwala wyjść poza intuicję
06:54
and explore territories which do not fit within our grasp.
118
414235
4249
oraz zwiedzać miejsca, których nie możemy pojąć.
06:59
Here's a modern example you will all relate to:
119
419609
2999
Oto nowoczesny przykład, który do każdego przemówi.
07:03
searching the Internet.
120
423362
1667
Przeglądanie Internetu.
07:06
The World Wide Web,
121
426037
1342
Ogólnoświatowa sieć WWW,
07:07
more than one billion web pages --
122
427403
1804
ponad miliard stron internetowych.
07:09
do you want to go through them all?
123
429231
1674
Chcecie odwiedzić wszystkie?
07:11
Computing power helps,
124
431660
1802
Moc obliczeniowa pomaga,
07:13
but it would be useless without the mathematical modeling
125
433486
3186
ale byłaby bezużyteczna bez modelowania matematycznego,
07:16
to find the information hidden in the data.
126
436696
2563
żeby znaleźć informacje ukryte w danych.
07:20
Let's work out a baby problem.
127
440491
2379
Rozwiążmy początkowy problem.
07:23
Imagine that you're a detective working on a crime case,
128
443872
3807
Wyobraźcie sobie, że jako detektywi pracujecie nad przestępstwem,
07:27
and there are many people who have their version of the facts.
129
447703
3788
a wiele osób ma własną wersję wydarzeń.
07:32
Who do you want to interview first?
130
452032
1745
Kogo przesłuchacie najpierw?
07:34
Sensible answer:
131
454681
1915
Rozsądna odpowiedź:
07:36
prime witnesses.
132
456620
1437
głównych świadków.
07:38
You see,
133
458878
1234
07:40
suppose that there is person number seven,
134
460136
4220
Załóżmy, że osoba numer siedem
07:44
tells you a story,
135
464380
1151
opowiada wam historię,
07:45
but when you ask where he got if from,
136
465555
2014
ale na pytanie skąd wie
07:47
he points to person number three as a source.
137
467593
3036
odpowiada, że od osoby numer trzy.
07:50
And maybe person number three, in turn,
138
470653
2068
A osoba numer trzy
07:52
points at person number one as the primary source.
139
472745
3696
wskaże za źródło osobę numer jeden.
07:56
Now number one is a prime witness,
140
476465
1661
Teraz numer jeden to główny świadek.
07:58
so I definitely want to interview him -- priority.
141
478150
3238
Koniecznie chcę go przesłuchać.
08:02
And from the graph
142
482148
1151
Z wykresu widać,
08:03
we also see that person number four is a prime witness.
143
483323
3228
że osoba numer cztery też jest głównym świadkiem.
08:06
And maybe I even want to interview him first,
144
486575
2443
Może to jego lepiej przesłuchać pierwszego,
08:09
because there are more people who refer to him.
145
489042
2359
bo więcej osób odnosi się do niego.
08:12
OK, that was easy,
146
492354
2664
Dobrze, to było proste,
08:15
but now what about if you have a big bunch of people who will testify?
147
495042
5246
ale co w wypadku ogromnej liczby świadków?
08:20
And this graph,
148
500864
1352
Ten wykres.
08:22
I may think of it as all people who testify in a complicated crime case,
149
502240
5619
Mogę myśleć o nim jako o świadkach w skomplikowanej sprawie,
08:27
but it may just as well be web pages pointing to each other,
150
507883
4022
ale mogą to być strony internetowe połączone wzajemnymi odnośnikami.
08:31
referring to each other for contents.
151
511929
2071
08:34
Which ones are the most authoritative?
152
514878
2336
Która z nich jest ważniejsza?
08:37
Not so clear.
153
517587
1334
Nie jest to oczywiste.
08:40
Enter PageRank,
154
520091
1900
Na scenę wkracza PageRank,
08:42
one of the early cornerstones of Google.
155
522015
2536
jeden z pierwszych filarów Google.
08:45
This algorithm uses the laws of mathematical randomness
156
525337
4242
Algorytm tej strony używa praw losowości matematycznej,
08:49
to determine automatically the most relevant web pages,
157
529603
3857
żeby automatycznie określić najistotniejsze strony internetowe.
08:53
in the same way as we used randomness in the Galton Board experiment.
158
533484
5062
W ten sam sposób używamy losowości w eksperymencie z tablicą Galtona.
08:59
So let's send into this graph
159
539341
2341
Dodajmy do tego wykresu
09:01
a bunch of tiny, digital marbles
160
541706
2850
garść małych, cyfrowych kulek,
09:04
and let them go randomly through the graph.
161
544580
3749
pozwólmy im poruszać się dowolnie po wykresie.
09:08
Each time they arrive at some site,
162
548353
1667
Z każdego dowolnego punktu wyjdą innym,
09:10
they will go out through some link chosen at random to the next one.
163
550044
4166
losowo wybranym połączeniem.
09:14
And again, and again, and again.
164
554234
1753
I tak w kółko.
09:16
And with small, growing piles,
165
556358
1628
Na tych małych, rosnących słupkach
09:18
we'll keep the record of how many times each site has been visited
166
558010
3753
będziemy zaznaczać, ile punktów zostało odwiedzonych
09:21
by these digital marbles.
167
561787
1945
przez cyfrowe kulki.
09:24
Here we go.
168
564243
1151
Zaczynamy.
09:25
Randomness, randomness.
169
565418
1848
Losowość, losowość.
09:27
And from time to time,
170
567811
1448
Od czasu do czasu
09:29
also let's make jumps completely randomly to increase the fun.
171
569283
3952
niech kulki losowo skaczą, by zwiększyć zabawę.
09:34
And look at this:
172
574471
1216
Spójrzcie na to.
09:36
from the chaos will emerge the solution.
173
576358
2785
Z chaosu wyłania się rozwiązanie.
09:39
The highest piles correspond to those sites
174
579483
2485
Najwyższe słupki odnoszą się do tych punktów,
09:41
which somehow are better connected than the others,
175
581992
3511
które są lepiej połączone z innymi,
09:45
more pointed at than the others.
176
585527
2273
na które wskazuje więcej innych punktów.
09:47
And here we see clearly
177
587824
1722
Widzimy,
09:49
which are the web pages we want to first try.
178
589570
3032
które strony internetowe warto odwiedzić jako pierwsze.
09:53
Once again,
179
593507
1151
Po raz kolejny
09:54
the solution emerges from the randomness.
180
594682
2460
rozwiązanie pochodzi z losowości.
09:57
Of course, since that time,
181
597775
2251
Oczywiście, od tego czasu
10:00
Google has come up with much more sophisticated algorithms,
182
600050
3707
Google znalazł dużo bardziej wyrafinowane algorytmy,
10:03
but already this was beautiful.
183
603781
2280
ale nawet ten jest piękny.
10:06
And still,
184
606981
1476
Nadal jest to tylko
10:08
just one problem in a million.
185
608481
1611
jeden problem z miliona.
10:10
With the advent of digital area,
186
610734
2270
Z pojawieniem się cyfryzacji
10:13
more and more problems lend themselves to mathematical analysis,
187
613028
5016
coraz więcej problemów wymagało analizy matematycznej,
10:18
making the job of mathematician a more and more useful one,
188
618068
4365
sprawiając, że praca matematyków stawała się coraz bardziej użyteczna,
10:23
to the extent that a few years ago,
189
623166
2722
tak dalece, że kilka lat temu
10:25
it was ranked number one among hundreds of jobs
190
625912
3779
zdobyła pierwsze miejsce w rankingu
10:29
in a study about the best and worst jobs
191
629715
3968
najlepszych i najgorszych zawodów
10:33
published by the Wall Street Journal in 2009.
192
633707
2975
opublikowanych w 2009 przez Wall Street Journal.
10:37
Mathematician --
193
637445
1852
Matematyk,
10:39
best job in the world.
194
639321
1433
najlepszy zawód na świecie.
10:41
That's because of the applications:
195
641646
3068
To z uwagi na jej zastosowania:
10:44
communication theory,
196
644738
2139
teorie komunikacyjne,
10:46
information theory,
197
646901
1820
teorie informacyjne,
10:48
game theory,
198
648745
1260
teorie gier,
10:50
compressed sensing,
199
650029
1446
oszczędne próbkowanie,
10:51
machine learning,
200
651499
1562
uczenie maszynowe,
10:53
graph analysis,
201
653085
1567
analiza wykresu,
10:54
harmonic analysis.
202
654676
1742
analiza harmoniczną.
10:56
And why not stochastic processes,
203
656442
2640
Czemu nie procesy stochastyczne,
10:59
linear programming,
204
659106
1630
programowanie liniowe
11:00
or fluid simulation?
205
660760
2028
czy symulacje płynów?
11:03
Each of these fields have monster industrial applications.
206
663292
3895
Każda z tych dziedzin ma ogromne przemysłowe zastosowania.
11:07
And through them,
207
667211
1151
W związku z tym
11:08
there is big money in mathematics.
208
668386
1999
matematyka przynosi zyski.
11:11
And let me concede
209
671400
2040
Przyznaję,
11:13
that when it comes to making money from the math,
210
673464
2477
że gdy chodzi o zarabianie na matematyce,
11:15
the Americans are by a long shot the world champions,
211
675965
3824
Amerykanie są bezsprzecznie światowym liderem,
11:19
with clever, emblematic billionaires and amazing, giant companies,
212
679813
4619
z mądrymi, rozpoznawalnymi miliarderami, niesamowitymi, ogromnymi firmami,
11:24
all resting, ultimately, on good algorithm.
213
684456
3280
w istocie opartymi na dobrym algorytmie.
11:29
Now with all this beauty, usefulness and wealth,
214
689091
3972
Z całym pięknem, użytecznością i bogactwem,
11:33
mathematics does look more sexy.
215
693087
2284
matematyka wygląda jeszcze bardziej seksownie.
11:36
But don't you think
216
696399
1617
Nie sądźcie jednak,
11:38
that the life a mathematical researcher is an easy one.
217
698040
4120
że życie badacza matematyki jest proste.
11:42
It is filled with perplexity,
218
702959
2741
Jest wypełnione rozdarciem,
11:46
frustration,
219
706347
1150
frustracją,
11:48
a desperate fight for understanding.
220
708172
2445
desperacką walka o zrozumienie.
11:51
Let me evoke for you
221
711955
2140
Przywołam dla was
11:54
one of the most striking days in my mathematician's life.
222
714119
4380
jeden z najbardziej wstrząsających dni w moim życiu matematyka.
11:58
Or should I say,
223
718523
1151
A raczej:
11:59
one of the most striking nights.
224
719698
1737
wstrząsających nocy.
12:02
At that time,
225
722713
1151
W tym czasie przebywałem
12:03
I was staying at the Institute for Advanced Studies in Princeton --
226
723888
3151
w Instytucie Badań Zaawansowanych w Princeton,
wieloletniej siedzibie Alberta Einsteina,
12:07
for many years, the home of Albert Einstein
227
727063
2139
12:09
and arguably the most holy place for mathematical research in the world.
228
729226
4428
i zdecydowanie najświętszym miejscu badań matematycznych na świecie.
12:14
And that night I was working and working on an elusive proof,
229
734878
3844
Tej nocy pracowałem nad nieuchwytnym dowodem,
12:18
which was incomplete.
230
738746
1378
który był niedokończony.
12:21
It was all about understanding
231
741304
2208
Chodziło o zrozumienie
12:23
the paradoxical stability property of plasmas,
232
743536
3823
paradoksalnej stabilności plazm,
12:27
which are a crowd of electrons.
233
747383
1958
które są natłokiem elektronów.
12:30
In the perfect world of plasma,
234
750423
2736
W idealnych warunkach dla plazmy
12:33
there are no collisions
235
753183
1778
nie ma zderzeń
12:34
and no friction to provide the stability like we are used to.
236
754985
3658
ani tarcia dającego stabilność, do której jesteśmy przyzwyczajeni.
12:39
But still,
237
759392
1151
Jeśli jednak
12:40
if you slightly perturb a plasma equilibrium,
238
760567
3033
delikatnie zaburzyć równowagę plazmy,
12:43
you will find that the resulting electric field
239
763624
2688
okaże się, że pole elektryczne
12:46
spontaneously vanishes,
240
766336
2339
spontanicznie zanika
12:48
or damps out,
241
768699
1975
lub wytłumia się,
12:50
as if by some mysterious friction force.
242
770698
3294
jakby przez zagadkową siłę tarcia.
12:54
This paradoxical effect,
243
774728
1835
Ten paradoksalny efekt,
12:56
called the Landau damping,
244
776587
1477
nazwany tłumieniem Landaua,
12:58
is one of the most important in plasma physics,
245
778088
2989
jest najważniejszym zjawiskiem w fizyce plazmy,
13:01
and it was discovered through mathematical ideas.
246
781101
3002
a zostało odkryte przez koncepcje matematyczne.
13:04
But still,
247
784970
1151
Jednak pełnego matematycznego zrozumienia zjawiska
13:06
a full mathematical understanding of this phenomenon was missing.
248
786145
4230
nadal brakowało.
13:10
And together with my former student and main collaborator Clément Mouhot,
249
790399
4786
Z moim dawnym studentem i współpracownikiem Clémentem Mouhot,
13:15
in Paris at the time,
250
795209
1492
tym razem w Paryżu,
13:16
we had been working for months and months on such a proof.
251
796725
4086
pracowaliśmy miesiącami nad dowodem.
13:21
Actually,
252
801832
1335
Właściwie omyłkowo ogłosiłem,
13:23
I had already announced by mistake that we could solve it.
253
803191
4746
że umiemy to rozwiązać.
13:27
But the truth is,
254
807961
1725
Jednak prawda jest taka,
13:29
the proof was just not working.
255
809710
2147
że ten dowód po prostu nie działał.
13:32
In spite of more than 100 pages of complicated, mathematical arguments,
256
812196
4349
Pomimo ponad stu stron zawiłych matematycznych argumentów,
13:36
and a bunch discoveries,
257
816569
1690
wielu odkryć,
13:38
and huge calculation,
258
818283
1267
ogromnych obliczeń,
13:39
it was not working.
259
819574
1169
dowód nie działał.
13:41
And that night in Princeton,
260
821290
1681
Tej nocy w Princeton
13:42
a certain gap in the chain of arguments was driving me crazy.
261
822995
4301
pewna luka w ciągu argumentów doprowadzała mnie do szału.
13:47
I was putting in there all my energy and experience and tricks,
262
827658
4593
Wkładałem w to wszystkie siły, całe doświadczenie i sztuczki,
13:52
and still nothing was working.
263
832275
1742
wciąż nic nie skutkowało.
13:54
1 a.m., 2 a.m., 3 a.m.,
264
834553
3882
Pierwsza w nocy, druga, trzecia,
13:58
not working.
265
838459
1308
nie działa.
14:00
Around 4 a.m., I go to bed in low spirits.
266
840545
4321
Około 4 nad ranem zdesperowany poszedłem spać.
14:05
Then a few hours later,
267
845915
2460
Kilka godzin później
14:08
waking up and go,
268
848399
1151
obudziłem się,
14:09
"Ah, it's time to get the kids to school --"
269
849574
3357
"Pora zaprowadzić dzieciaki do szkoły".
14:12
What is this?
270
852955
1151
Co to jest?
14:14
There was this voice in my head, I swear.
271
854130
2142
Usłyszałem głos w głowie, przysięgam.
14:16
"Take the second term to the other side,
272
856894
1913
"Przenieś drugi wyraz na drugą stronę,
14:18
Fourier transform and invert in L2."
273
858831
1919
transformacja Fouriera i odwróć w L2".
14:21
(Laughter)
274
861257
1151
(Śmiech)
14:22
Damn it,
275
862432
1702
A niech to,
14:24
that was the start of the solution!
276
864158
2113
to był początek rozwiązania!
14:27
You see,
277
867519
1151
Widzicie,
14:28
I thought I had taken some rest,
278
868694
2283
myślałem, że idę odpocząć,
14:31
but really my brain had continued to work on it.
279
871001
3388
tymczasem mój mózg kontynuował pracę.
14:35
In those moments,
280
875008
1597
W takich chwilach
14:36
you don't think of your career or your colleagues,
281
876629
2601
nie myśli się o karierze ani o kolegach,
14:39
it's just a complete battle between the problem and you.
282
879254
3690
to jest walka między problemem a tobą.
14:44
That being said,
283
884098
1328
Mówi się,
14:45
it does not harm when you do get a promotion in reward for your hard work.
284
885450
3949
że otrzymanie awansu w nagrodę za ciężką pracę nie wyrządza szkody.
14:49
And after we completed our huge analysis of the Landau damping,
285
889808
5160
Po ukończeniu badań nad tłumieniem Landaua
14:54
I was lucky enough
286
894992
1615
udało mi się otrzymać
14:56
to get the most coveted Fields Medal
287
896631
3030
upragniony medal Fieldsa
14:59
from the hands of the President of India,
288
899685
2867
z rąk prezydenta Indii
15:02
in Hyderabad on 19 August, 2010 --
289
902576
3920
w Hajdarabadzie 19 sierpnia 2010 roku;
15:07
an honor that mathematicians never dare to dream,
290
907453
3251
zaszczyt, o jakim matematycy nie śmią marzyć,
15:10
a day that I will remember until I live.
291
910728
2399
dzień, którego nigdy nie zapomnę.
15:14
What do you think,
292
914366
1447
Co człowiek myśli
15:15
on such an occasion?
293
915837
2141
przy takiej okazji?
15:18
Pride, yes?
294
918002
1150
Duma, prawda?
15:19
And gratitude to the many collaborators who made this possible.
295
919791
3640
Wdzięczność dla współpracowników, dzięki którym stało się to możliwe.
15:24
And because it was a collective adventure,
296
924304
2212
Ponieważ była to zbiorowa przygoda,
15:26
you need to share it, not just with your collaborators.
297
926540
4142
trzeba było się tym podzielić, nie tylko z kolegami.
15:31
I believe that everybody can appreciate the thrill of mathematical research,
298
931548
5692
Wierzę, że każdy potrafi docenić dreszczyk matematycznych badań,
15:37
and share the passionate stories of humans and ideas behind it.
299
937264
4318
podzielić się namiętnymi historiami ludzi i pojęć z nimi związanych.
15:42
And I've been working with my staff at Institut Henri Poincaré,
300
942494
4774
Pracowałem z zespołem w Instytucie Henri Poincaré,
15:47
together with partners and artists of mathematical communication worldwide,
301
947292
5181
razem z partnerami i artystami światowej komunikacji matematycznej,
15:52
so that we can found our own, very special museum of mathematics there.
302
952497
4587
żeby założyć własne wyjątkowe muzeum matematyki.
15:58
So in a few years,
303
958537
1777
Kiedy za kilka lat
16:00
when you come to Paris,
304
960885
1577
przyjedziesz do Paryża,
16:02
after tasting the great, crispy baguette and macaroon,
305
962486
5658
po spróbowaniu znakomitej, chrupiącej bagietki i makaroników,
16:08
please come and visit us at Institut Henri Poincaré,
306
968168
3663
odwiedź nas, proszę, w Instytucie Henri Poincaré
16:11
and share the mathematical dream with us.
307
971856
2515
i podziel się z nami matematycznymi marzeniami.
16:14
Thank you.
308
974395
1151
Dziękuję.
16:15
(Applause)
309
975570
7000
(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