Danny Hillis: Back to the future (of 1994)

80,708 views ・ 2012-02-03

TED


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

Tłumaczenie: tomasz runowicz Korekta: Andrzej Kokoszka
00:15
Because I usually take the role
0
15260
3000
Ponieważ zwykle próbuję
00:18
of trying to explain to people
1
18260
2000
wytłumaczyć ludziom
00:20
how wonderful the new technologies
2
20260
3000
jak wspaniałe będą
00:23
that are coming along are going to be,
3
23260
2000
nowe nadchodzące technologie,
00:25
and I thought that, since I was among friends here,
4
25260
3000
pomyślałem, że skoro jestem wśród przyjaciół,
00:28
I would tell you what I really think
5
28260
4000
powiem wam, co naprawdę myślę
00:32
and try to look back and try to understand
6
32260
2000
i spróbuję spojrzeć wstecz by zrozumieć
00:34
what is really going on here
7
34260
3000
o co naprawdę chodzi
00:37
with these amazing jumps in technology
8
37260
5000
z tymi niesamowitymi skokami w technologii
00:42
that seem so fast that we can barely keep on top of it.
9
42260
3000
tak szybkimi, że trudno za nimi nadążyć.
00:45
So I'm going to start out
10
45260
2000
Zacznę więc od bardzo nudnego
00:47
by showing just one very boring technology slide.
11
47260
3000
technologicznego slajdu.
00:50
And then, so if you can just turn on the slide that's on.
12
50260
3000
A następnie - czy możemy włączyć slajd? -
00:56
This is just a random slide
13
56260
2000
To jest losowy slajd,
00:58
that I picked out of my file.
14
58260
2000
który wybrałem ze swojej teczki.
01:00
What I want to show you is not so much the details of the slide,
15
60260
3000
Istotne są nie tyle jego szczegóły,
01:03
but the general form of it.
16
63260
2000
co ogólny kształt.
01:05
This happens to be a slide of some analysis that we were doing
17
65260
3000
Jest to wykres jakiejś analizy, którą robiliśmy,
01:08
about the power of RISC microprocessors
18
68260
3000
związanej z mocą procesorów RISC
01:11
versus the power of local area networks.
19
71260
3000
skorelowanej z mocą sieci LAN.
01:14
And the interesting thing about it
20
74260
2000
Interesujące jest to,
01:16
is that this slide,
21
76260
2000
że ten slajd,
01:18
like so many technology slides that we're used to,
22
78260
3000
podobnie jak wiele technologicznych slajdów,
01:21
is a sort of a straight line
23
81260
2000
jest wykresem linii prostej
01:23
on a semi-log curve.
24
83260
2000
na krzywej logarytmicznej.
01:25
In other words, every step here
25
85260
2000
Innymi słowy, każdy kolejny krok
01:27
represents an order of magnitude
26
87260
2000
oznacza następny rząd wielkości
01:29
in performance scale.
27
89260
2000
w skali wydajności.
01:31
And this is a new thing
28
91260
2000
I nowością jest,
01:33
that we talk about technology
29
93260
2000
że rozmawiamy o technologii
01:35
on semi-log curves.
30
95260
2000
w oparciu o krzywe logarytmiczne.
01:37
Something really weird is going on here.
31
97260
2000
Dzieje się coś bardzo dziwnego.
01:39
And that's basically what I'm going to be talking about.
32
99260
3000
I o tym właśnie chciałbym porozmawiać.
01:42
So, if you could bring up the lights.
33
102260
3000
Tak więc, jeżeli mogę prosić o więcej światła.
01:47
If you could bring up the lights higher,
34
107260
2000
Jeszcze trochę jaśniej proszę,
01:49
because I'm just going to use a piece of paper here.
35
109260
3000
ponieważ chciałbym użyć kartki papieru.
01:52
Now why do we draw technology curves
36
112260
2000
Dlaczego więc rysujemy technologię
01:54
in semi-log curves?
37
114260
2000
za pomocą krzywych logarytmicznych?
01:56
Well the answer is, if I drew it on a normal curve
38
116260
3000
Cóż, gdybym narysował ją normalnie,
01:59
where, let's say, this is years,
39
119260
2000
to są, powiedzmy, lata,
02:01
this is time of some sort,
40
121260
2000
jakiś rodzaj osi czasu,
02:03
and this is whatever measure of the technology
41
123260
3000
a to jakiś rodzaj mierzonej technologii
02:06
that I'm trying to graph,
42
126260
3000
którą próbuję nakreślić,
02:09
the graphs look sort of silly.
43
129260
3000
wykresy wyglądają raczej niepoważnie.
02:12
They sort of go like this.
44
132260
3000
Zazwyczaj jakoś tak.
02:15
And they don't tell us much.
45
135260
3000
I niewiele nam mówią.
02:18
Now if I graph, for instance,
46
138260
3000
Jeżeli chciałbym nakreślić, na przykład,
02:21
some other technology, say transportation technology,
47
141260
2000
coś innego, powiedzmy technologię transportu,
02:23
on a semi-log curve,
48
143260
2000
na krzywej logarytmicznej,
02:25
it would look very stupid, it would look like a flat line.
49
145260
3000
wyglądała by ona bardzo głupio - jak prosta linia.
02:28
But when something like this happens,
50
148260
2000
Ale kiedy zdarza się coś takiego,
02:30
things are qualitatively changing.
51
150260
2000
jest to już zmiana jakościowa.
02:32
So if transportation technology
52
152260
2000
Więc jeśli technologia transportu
02:34
was moving along as fast as microprocessor technology,
53
154260
3000
rozwijała by się tak szybko jak mikroprocesory,
02:37
then the day after tomorrow,
54
157260
2000
wtedy pojutrze,
02:39
I would be able to get in a taxi cab
55
159260
2000
mógłbym wsiąść w taksówkę
02:41
and be in Tokyo in 30 seconds.
56
161260
2000
i być w Tokio w 30 sekund.
02:43
It's not moving like that.
57
163260
2000
Taki rozwój nie nastąpił.
02:45
And there's nothing precedented
58
165260
2000
Taki rodzaj samonapędzającego się rozwoju
02:47
in the history of technology development
59
167260
2000
o kolejny rząd wielkości co parę lat
02:49
of this kind of self-feeding growth
60
169260
2000
jest bezprecedensowy
02:51
where you go by orders of magnitude every few years.
61
171260
3000
w historii rozwoju technologii.
02:54
Now the question that I'd like to ask is,
62
174260
3000
Pytanie, które chciałbym zadać brzmi,
02:57
if you look at these exponential curves,
63
177260
3000
jeżeli spojrzeć na te krzywe wykładnicze,
03:00
they don't go on forever.
64
180260
3000
nie rosną one w nieskończoność.
03:03
Things just can't possibly keep changing
65
183260
3000
Zmiany nie mogą długo zachodzić
03:06
as fast as they are.
66
186260
2000
w takim tempie.
03:08
One of two things is going to happen.
67
188260
3000
Stanie się więc jedna z dwóch rzeczy.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
191260
4000
Albo zobaczymy klasyczną krzywą w kształcie S,
03:15
until something totally different comes along,
69
195260
4000
aż zdarzy się coś kompletnie nowego,
03:19
or maybe it's going to do this.
70
199260
2000
lub też stanie się coś takiego.
03:21
That's about all it can do.
71
201260
2000
I to są właściwie wszystkie możliwości.
03:23
Now I'm an optimist,
72
203260
2000
Jestem optymistą, więc myślę,
03:25
so I sort of think it's probably going to do something like that.
73
205260
3000
że będzie to wyglądać mniej więcej tak.
03:28
If so, that means that what we're in the middle of right now
74
208260
3000
Oznaczało by to, że jesteśmy właśnie
03:31
is a transition.
75
211260
2000
w okresie przejściowym.
03:33
We're sort of on this line
76
213260
2000
Jesteśmy na tym odcinku,
03:35
in a transition from the way the world used to be
77
215260
2000
w trakcie zmiany z tego jaki świat był,
03:37
to some new way that the world is.
78
217260
3000
do pewnej nowej formy, jaką przybiera.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
220260
3000
To, co próbuję ustalić, to pytanie, które sobie zadaję,
03:43
is what's this new way that the world is?
80
223260
3000
czym jest ta nowość w świecie?
03:46
What's that new state that the world is heading toward?
81
226260
3000
Do jakiego nowego stanu dąży świat?
03:49
Because the transition seems very, very confusing
82
229260
3000
Ponieważ, ta zmiana może być bardzo niejasna
03:52
when we're right in the middle of it.
83
232260
2000
w czasie kiedy jesteśmy w jej trakcie.
03:54
Now when I was a kid growing up,
84
234260
3000
Kiedy dorastałem, przyszłość
03:57
the future was kind of the year 2000,
85
237260
3000
oznaczała rok 2000,
04:00
and people used to talk about what would happen in the year 2000.
86
240260
4000
a ludzie mówili o tym, jak wtedy będzie.
04:04
Now here's a conference
87
244260
2000
Tutaj mamy konferencję, na której
04:06
in which people talk about the future,
88
246260
2000
mówimy o przyszłości i zauważmy,
04:08
and you notice that the future is still at about the year 2000.
89
248260
3000
że przyszłość to ciągle mniej więcej rok 2000.
04:11
It's about as far as we go out.
90
251260
2000
Dalej nie wybiegamy.
04:13
So in other words, the future has kind of been shrinking
91
253260
3000
Innymi słowy, przyszłość jakby kurczy się
04:16
one year per year
92
256260
3000
co roku o rok
04:19
for my whole lifetime.
93
259260
3000
przez całe moje życie.
04:22
Now I think that the reason
94
262260
2000
Myślę, jest tak dlatego
04:24
is because we all feel
95
264260
2000
że wszyscy czujemy,
04:26
that something's happening there.
96
266260
2000
że coś się dzieje.
04:28
That transition is happening. We can all sense it.
97
268260
2000
Ta zmiana zachodzi. Wszyscy ją wyczuwamy.
04:30
And we know that it just doesn't make too much sense
98
270260
2000
I mamy świadomość, że nie ma sensu
04:32
to think out 30, 50 years
99
272260
2000
wybiegać myślą 30 czy 50 lat do przodu,
04:34
because everything's going to be so different
100
274260
3000
bo wtedy wszystko będzie tak inne,
04:37
that a simple extrapolation of what we're doing
101
277260
2000
że prosta ekstrapolacja tego, co robimy dziś
04:39
just doesn't make any sense at all.
102
279260
3000
nie ma żadnego sensu.
04:42
So what I would like to talk about
103
282260
2000
Chciałbym więc porozmawiać,
04:44
is what that could be,
104
284260
2000
co mogło by to być,
04:46
what that transition could be that we're going through.
105
286260
3000
czym może być ta zachodząca właśnie zmiana.
04:49
Now in order to do that
106
289260
3000
Aby to zrobić
04:52
I'm going to have to talk about a bunch of stuff
107
292260
2000
muszę wspomnieć o rzeczach,
04:54
that really has nothing to do
108
294260
2000
które nie mają nic wspólnego
04:56
with technology and computers.
109
296260
2000
z technologią czy komputerami,
04:58
Because I think the only way to understand this
110
298260
2000
Myślę, że jedynym sposobem na zrozumienie,
05:00
is to really step back
111
300260
2000
jest zrobić krok w tył
05:02
and take a long time scale look at things.
112
302260
2000
i spojrzeć z perspektywy dłuższego czasu.
05:04
So the time scale that I would like to look at this on
113
304260
3000
Skala czasu, w której chciałbym operować,
05:07
is the time scale of life on Earth.
114
307260
3000
to wiek życia na Ziemi.
05:13
So I think this picture makes sense
115
313260
2000
Myślę, że ten obraz nabiera sensu
05:15
if you look at it a few billion years at a time.
116
315260
4000
kiedy operujemy w miliardach lat.
05:19
So if you go back
117
319260
2000
Jeżeli cofniemy się
05:21
about two and a half billion years,
118
321260
2000
mniej więcej dwa i pół miliarda lat,
05:23
the Earth was this big, sterile hunk of rock
119
323260
3000
Ziemia była wielkim, sterylnym kawałkiem skały
05:26
with a lot of chemicals floating around on it.
120
326260
3000
na której kłębiły się różne chemikalia.
05:29
And if you look at the way
121
329260
2000
I jeżeli spojrzymy na sposób
05:31
that the chemicals got organized,
122
331260
2000
w jaki te chemikalia organizowały się,
05:33
we begin to get a pretty good idea of how they do it.
123
333260
3000
zaczynamy rozumieć jak to się działo.
05:36
And I think that there's theories that are beginning to understand
124
336260
3000
Są teorie, które wyjaśniają
05:39
about how it started with RNA,
125
339260
2000
jak powstało RNA,
05:41
but I'm going to tell a sort of simple story of it,
126
341260
3000
ale ja opowiem to w uproszczeniu,
05:44
which is that, at that time,
127
344260
2000
czyli, że w tym czasie powszechnie
05:46
there were little drops of oil floating around
128
346260
3000
występowały kropelki oleju
05:49
with all kinds of different recipes of chemicals in them.
129
349260
3000
zawierające różne chemikalia.
05:52
And some of those drops of oil
130
352260
2000
Niektóre z tych kropelek miały
05:54
had a particular combination of chemicals in them
131
354260
2000
określony skład powodujący
05:56
which caused them to incorporate chemicals from the outside
132
356260
3000
przyswajanie dodatkowych substancji
05:59
and grow the drops of oil.
133
359260
3000
i umożliwiając ich wzrost.
06:02
And those that were like that
134
362260
2000
I te, które miały takie właściwości,
06:04
started to split and divide.
135
364260
2000
zaczęły się dzielić.
06:06
And those were the most primitive forms of cells in a sense,
136
366260
3000
Te małe krople oleju, były w zasadzie
06:09
those little drops of oil.
137
369260
2000
najbardziej prymitywną formą komórek.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
371260
3000
Nie były one jednak żywe, w dzisiejszym rozumieniu,
06:14
because every one of them
139
374260
2000
bo każda z nich
06:16
was a little random recipe of chemicals.
140
376260
2000
miała przypadkowy skład chemiczny
06:18
And every time it divided,
141
378260
2000
i kiedy się dzieliła,
06:20
they got sort of unequal division
142
380260
3000
jej zawartość dzieliła się
06:23
of the chemicals within them.
143
383260
2000
niedokładnie.
06:25
And so every drop was a little bit different.
144
385260
3000
Tak więc każda z tych kropelek była nieco inna.
06:28
In fact, the drops that were different in a way
145
388260
2000
Kropelki inne w sposób, który
06:30
that caused them to be better
146
390260
2000
sprawiał, że były lepsze
06:32
at incorporating chemicals around them,
147
392260
2000
w przyswajaniu substancji z zewnątrz,
06:34
grew more and incorporated more chemicals and divided more.
148
394260
3000
rosły szybciej, przyswajały więcej i więcej się dzieliły.
06:37
So those tended to live longer,
149
397260
2000
Żyły więc dłużej,
06:39
get expressed more.
150
399260
3000
występowały częściej.
06:42
Now that's sort of just a very simple
151
402260
3000
Ta prosta, chemiczna
06:45
chemical form of life,
152
405260
2000
forma życia
06:47
but when things got interesting
153
407260
3000
stała się interesująca,
06:50
was when these drops
154
410260
2000
kiedy nasze kropelki
06:52
learned a trick about abstraction.
155
412260
3000
nauczyły się nieco abstrakcji.
06:55
Somehow by ways that we don't quite understand,
156
415260
3000
W jakiś sposób, którego jeszcze nie rozumiemy,
06:58
these little drops learned to write down information.
157
418260
3000
nauczyły się one zapisywać informacje.
07:01
They learned to record the information
158
421260
2000
Znalazły sposób aby zachować
07:03
that was the recipe of the cell
159
423260
2000
przepis na skład komórki
07:05
onto a particular kind of chemical
160
425260
2000
przy użyciu substancji
07:07
called DNA.
161
427260
2000
zwanej DNA.
07:09
So in other words, they worked out,
162
429260
2000
Innymi słowy, wykombinowały,
07:11
in this mindless sort of evolutionary way,
163
431260
3000
w bezmyślny, ewolucyjny sposób,
07:14
a form of writing that let them write down what they were,
164
434260
3000
rodzaj alfabetu, którym opisywały, czym są,
07:17
so that that way of writing it down could get copied.
165
437260
3000
aby ten opis kopiować.
07:20
The amazing thing is that that way of writing
166
440260
3000
Niesamowite jest to, że ten alfabet
07:23
seems to have stayed steady
167
443260
2000
pozostał niezmienny od czasu
07:25
since it evolved two and a half billion years ago.
168
445260
2000
kiedy wyewoluował 2,5 miliarda lat temu.
07:27
In fact the recipe for us, our genes,
169
447260
3000
Właściwie nasz opis, nasze geny,
07:30
is exactly that same code and that same way of writing.
170
450260
3000
są zapisane w dokładnie ten sam sposób.
07:33
In fact, every living creature is written
171
453260
3000
Opis każdego żywego organizmu jest zapisany
07:36
in exactly the same set of letters and the same code.
172
456260
2000
z pomocą tego samego kodu.
07:38
In fact, one of the things that I did
173
458260
2000
Postanowiłem zrobić coś
07:40
just for amusement purposes
174
460260
2000
wyłącznie dla zabawy,
07:42
is we can now write things in this code.
175
462260
2000
jako że potrafimy pisać tym kodem.
07:44
And I've got here a little 100 micrograms of white powder,
176
464260
6000
Mamy więc 100 mikrogramów białego proszku,
07:50
which I try not to let the security people see at airports.
177
470260
4000
którego nie pokazuję ochronie na lotniskach.
07:54
(Laughter)
178
474260
2000
(Śmiech)
07:56
But this has in it --
179
476260
2000
Zawiera on --
07:58
what I did is I took this code --
180
478260
2000
wziąłem ten kod --
08:00
the code has standard letters that we use for symbolizing it --
181
480260
3000
składa się on z normalnych liter --
08:03
and I wrote my business card onto a piece of DNA
182
483260
3000
i napisałem swoją wizytówkę na odcinku DNA
08:06
and amplified it 10 to the 22 times.
183
486260
3000
powiększając go 10 do 22 razy.
08:09
So if anyone would like a hundred million copies of my business card,
184
489260
3000
Więc jeżeli ktoś chce sto milionów kopii mojej wizytówki,
08:12
I have plenty for everyone in the room,
185
492260
2000
mam zapas dla wszystkich na sali,
08:14
and, in fact, everyone in the world,
186
494260
2000
i, w sumie, wszystkich na świecie,
08:16
and it's right here.
187
496260
3000
oto one.
08:19
(Laughter)
188
499260
5000
(Śmiech)
08:26
If I had really been a egotist,
189
506260
2000
Jeżeli byłbym naprawdę egotystyczny,
08:28
I would have put it into a virus and released it in the room.
190
508260
3000
umieściłbym ją w wirusie i rozpylił na sali.
08:31
(Laughter)
191
511260
5000
(Śmiech)
08:39
So what was the next step?
192
519260
2000
Co dalej?
08:41
Writing down the DNA was an interesting step.
193
521260
2000
Zapis w DNA był interesującym krokiem.
08:43
And that caused these cells --
194
523260
2000
I to spowodowało, że komórki --
08:45
that kept them happy for another billion years.
195
525260
2000
to wystarczyło im na kolejny miliard lat.
08:47
But then there was another really interesting step
196
527260
2000
Ale potem nastąpił kolejny interesujący krok
08:49
where things became completely different,
197
529260
3000
który wszystko zmienił,
08:52
which is these cells started exchanging and communicating information,
198
532260
3000
kiedy komórki zaczęły się komunikować i wymieniać informację,
08:55
so that they began to get communities of cells.
199
535260
2000
i powstały społeczności komórek.
08:57
I don't know if you know this,
200
537260
2000
Nie wiem, czy zdajecie sobie sprawę,
08:59
but bacteria can actually exchange DNA.
201
539260
2000
ale bakterie również wymieniają DNA.
09:01
Now that's why, for instance,
202
541260
2000
Tak, na przykład, wyewoluowała
09:03
antibiotic resistance has evolved.
203
543260
2000
ich odporność na antybiotyki.
09:05
Some bacteria figured out how to stay away from penicillin,
204
545260
3000
Niektóre bakterie nauczyły się unikać penicyliny
09:08
and it went around sort of creating its little DNA information
205
548260
3000
i zaczęły wymieniać tą wiedzę w formie DNA
09:11
with other bacteria,
206
551260
2000
z innymi bakteriami i tak teraz
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
553260
3000
mamy wiele bakterii odpornych na penicylinę,
09:16
because bacteria communicate.
208
556260
2000
ponieważ bakterie się komunikują.
09:18
Now what this communication allowed
209
558260
2000
Ta właśnie komunikacja pozwoliła
09:20
was communities to form
210
560260
2000
stworzyć społeczności które,
09:22
that, in some sense, were in the same boat together;
211
562260
2000
w pewnym sensie, były w tej samej sytuacji;
09:24
they were synergistic.
212
564260
2000
były synergiczne.
09:26
So they survived
213
566260
2000
W ten sposób mogły przeżyć
09:28
or they failed together,
214
568260
2000
lub zginąć razem, co oznacza,
09:30
which means that if a community was very successful,
215
570260
2000
że sukces społeczności powodował,
09:32
all the individuals in that community
216
572260
2000
że poszczególne jednostki
09:34
were repeated more
217
574260
2000
były częściej powielane
09:36
and they were favored by evolution.
218
576260
3000
i preferowane ewolucyjnie.
09:39
Now the transition point happened
219
579260
2000
Kolejny punkt zwrotny nastąpił
09:41
when these communities got so close
220
581260
2000
kiedy te grupy stały się tak zwarte,
09:43
that, in fact, they got together
221
583260
2000
że, w zasadzie, zaczęły opisywać
09:45
and decided to write down the whole recipe for the community
222
585260
3000
budowę całej społeczności razem,
09:48
together on one string of DNA.
223
588260
3000
na jednym odcinku DNA.
09:51
And so the next stage that's interesting in life
224
591260
2000
Ta następna interesująca część historii życia
09:53
took about another billion years.
225
593260
2000
trwała kolejny miliard lat,
09:55
And at that stage,
226
595260
2000
i doprowadziła do powstania
09:57
we have multi-cellular communities,
227
597260
2000
wielokomórkowych struktur,
09:59
communities of lots of different types of cells,
228
599260
2000
składających się z różnych typów komórek,
10:01
working together as a single organism.
229
601260
2000
pracujących jako jeden organizm.
10:03
And in fact, we're such a multi-cellular community.
230
603260
3000
My też jesteśmy taką wielokomórkową społecznością.
10:06
We have lots of cells
231
606260
2000
Mamy wiele komórek
10:08
that are not out for themselves anymore.
232
608260
2000
które nie żyją już wyłącznie dla siebie.
10:10
Your skin cell is really useless
233
610260
3000
Komórka skóry jest bezużyteczna
10:13
without a heart cell, muscle cell,
234
613260
2000
bez komórki serca, mięśni,
10:15
a brain cell and so on.
235
615260
2000
mózgu itd.
10:17
So these communities began to evolve
236
617260
2000
Te społeczności ewoluowały
10:19
so that the interesting level on which evolution was taking place
237
619260
3000
i interesujące zmiany nie następowały już
10:22
was no longer a cell,
238
622260
2000
na poziomie komórki,
10:24
but a community which we call an organism.
239
624260
3000
ale całej ich grupy, którą nazywamy organizmem.
10:28
Now the next step that happened
240
628260
2000
Następna zmiana nastąpiła
10:30
is within these communities.
241
630260
2000
już wewnątrz tych grup.
10:32
These communities of cells,
242
632260
2000
Rozpoczęły one wyodrębniać
10:34
again, began to abstract information.
243
634260
2000
informację i budować
10:36
And they began building very special structures
244
636260
3000
wyspecjalizowane struktury
10:39
that did nothing but process information within the community.
245
639260
3000
służące wyłącznie przetwarzaniu informacji,
10:42
And those are the neural structures.
246
642260
2000
czyli struktury neuronowe.
10:44
So neurons are the information processing apparatus
247
644260
3000
Neurony to narzędzie przetwarzania informacji,
10:47
that those communities of cells built up.
248
647260
3000
które zbudowały te społeczności.
10:50
And in fact, they began to get specialists in the community
249
650260
2000
Pojawiły się specjalistyczne struktury
10:52
and special structures
250
652260
2000
odpowiedzialne za
10:54
that were responsible for recording,
251
654260
2000
zachowanie, zrozumienie
10:56
understanding, learning information.
252
656260
3000
i przyswojenie informacji.
10:59
And that was the brains and the nervous system
253
659260
2000
To mózgi i systemy nerwowe
11:01
of those communities.
254
661260
2000
tych społeczności.
11:03
And that gave them an evolutionary advantage.
255
663260
2000
Tak zyskały ewolucyjną przewagę,
11:05
Because at that point,
256
665260
3000
ponieważ na tym etapie,
11:08
an individual --
257
668260
3000
nauka jednostki --
11:11
learning could happen
258
671260
2000
mogła zachodzić
11:13
within the time span of a single organism,
259
673260
2000
w czasie życia organizmu,
11:15
instead of over this evolutionary time span.
260
675260
3000
zamiast w skali zmian ewolucyjnych.
11:18
So an organism could, for instance,
261
678260
2000
Organizm mógł więc, na przykład,
11:20
learn not to eat a certain kind of fruit
262
680260
2000
nauczyć się unikać pewnych owoców,
11:22
because it tasted bad and it got sick last time it ate it.
263
682260
4000
ponieważ źle smakowały i ostatnio po tym chorował.
11:26
That could happen within the lifetime of a single organism,
264
686260
3000
Mogło się to zdarzyć w życiu pojedynczego organizmu,
11:29
whereas before they'd built these special information processing structures,
265
689260
4000
podczas gdy bez systemu nerwowego,
11:33
that would have had to be learned evolutionarily
266
693260
2000
ta nauka musiała by przebiegać w drodze ewolucji,
11:35
over hundreds of thousands of years
267
695260
3000
przez setki tysięcy lat, w formie eliminacji
11:38
by the individuals dying off that ate that kind of fruit.
268
698260
3000
jednostek jedzących ten rodzaj owoców.
11:41
So that nervous system,
269
701260
2000
W ten sposób system nerwowy,
11:43
the fact that they built these special information structures,
270
703260
3000
fakt wykształcenia tych specjalnych struktur,
11:46
tremendously sped up the whole process of evolution.
271
706260
3000
ogromnie przyspieszył proces ewolucji.
11:49
Because evolution could now happen within an individual.
272
709260
3000
Dlatego, że mogła ona teraz zachodzić
11:52
It could happen in learning time scales.
273
712260
3000
w obrębie jednostki, przez naukę.
11:55
But then what happened
274
715260
2000
Następnie, poszczególne jednostki
11:57
was the individuals worked out,
275
717260
2000
znalazły sposób
11:59
of course, tricks of communicating.
276
719260
2000
na komunikację między sobą, której
12:01
And for example,
277
721260
2000
najbardziej zaawansowanym przykładem
12:03
the most sophisticated version that we're aware of is human language.
278
723260
3000
jaki znamy, jest ludzki język.
12:06
It's really a pretty amazing invention if you think about it.
279
726260
3000
Niesamowity wynalazek, gdy się nad tym zastanowić.
12:09
Here I have a very complicated, messy,
280
729260
2000
Oto mam skąplikowany i poplątany
12:11
confused idea in my head.
281
731260
3000
koncept w mojej głowie.
12:14
I'm sitting here making grunting sounds basically,
282
734260
3000
Siedząc tu, właściwie pochrząkując, staram się
12:17
and hopefully constructing a similar messy, confused idea in your head
283
737260
3000
poprzez analogię odtworzyć podobną
12:20
that bears some analogy to it.
284
740260
2000
pogmatwaną ideę w waszych głowach.
12:22
But we're taking something very complicated,
285
742260
2000
Rozpoczynając z czymś skomplikowanym,
12:24
turning it into sound, sequences of sounds,
286
744260
3000
zamieniając to w sekwencję dźwięków,
12:27
and producing something very complicated in your brain.
287
747260
4000
tworzymy coś skomplikowanego w waszych mózgach.
12:31
So this allows us now
288
751260
2000
Ten proces pozwala nam
12:33
to begin to start functioning
289
753260
2000
funkcjonować jako
12:35
as a single organism.
290
755260
3000
pojedynczy organizm.
12:38
And so, in fact, what we've done
291
758260
3000
Tak więc, właściwie,
12:41
is we, humanity,
292
761260
2000
my, ludzkość,
12:43
have started abstracting out.
293
763260
2000
zaczęliśmy tworzyć pojęcia.
12:45
We're going through the same levels
294
765260
2000
Przechodzimy przez to samo,
12:47
that multi-cellular organisms have gone through --
295
767260
2000
przez co przechodziły wielokomórkowce --
12:49
abstracting out our methods of recording,
296
769260
3000
tworząc sposoby zapisu,
12:52
presenting, processing information.
297
772260
2000
prezentacji i przetwarzania informacji.
12:54
So for example, the invention of language
298
774260
2000
Na przykład wynalezienie języka,
12:56
was a tiny step in that direction.
299
776260
3000
było malutkim krokiem w tym kierunku.
12:59
Telephony, computers,
300
779260
2000
Telefonia, komputery,
13:01
videotapes, CD-ROMs and so on
301
781260
3000
taśma video, CD-Rom itd.,
13:04
are all our specialized mechanisms
302
784260
2000
są naszymi mechanizmami
13:06
that we've now built within our society
303
786260
2000
które powstały w naszych społeczeństwach
13:08
for handling that information.
304
788260
2000
do obsługi informacji.
13:10
And it all connects us together
305
790260
3000
To wszystko łączy nas
13:13
into something
306
793260
2000
w coś znacznie większego
13:15
that is much bigger
307
795260
2000
i znacznie szybszego
13:17
and much faster
308
797260
2000
oraz zdolnego
13:19
and able to evolve
309
799260
2000
do ewolucji
13:21
than what we were before.
310
801260
2000
niż to, czym byliśmy wcześniej.
13:23
So now, evolution can take place
311
803260
2000
Ewolucja może teraz nastąpić
13:25
on a scale of microseconds.
312
805260
2000
w skali mikrosekund.
13:27
And you saw Ty's little evolutionary example
313
807260
2000
Pan Ty pokazał wam mały ewolucyjny przykład,
13:29
where he sort of did a little bit of evolution
314
809260
2000
kiedy uruchomił małą ewolucję na waszych oczach
13:31
on the Convolution program right before your eyes.
315
811260
3000
przy użyciu programu "Convolution".
13:34
So now we've speeded up the time scales once again.
316
814260
3000
Ponownie więc przyspieszamy skalę czasu.
13:37
So the first steps of the story that I told you about
317
817260
2000
Pierwsze kroki, o których mówiliśmy,
13:39
took a billion years a piece.
318
819260
2000
trwały miliardy lat.
13:41
And the next steps,
319
821260
2000
Następne,
13:43
like nervous systems and brains,
320
823260
2000
jak system nerwowy i mózg,
13:45
took a few hundred million years.
321
825260
2000
zajęły kilkaset milionów.
13:47
Then the next steps, like language and so on,
322
827260
3000
Kolejne, czyli język itd.,
13:50
took less than a million years.
323
830260
2000
już poniżej miliona lat.
13:52
And these next steps, like electronics,
324
832260
2000
Ostatni etap, na przykład elektronika,
13:54
seem to be taking only a few decades.
325
834260
2000
wydaje się potrzebować kilku dekad.
13:56
The process is feeding on itself
326
836260
2000
Ten samonapędzający się proces, staje się
13:58
and becoming, I guess, autocatalytic is the word for it --
327
838260
3000
autokatalityczny, jak sądzę jest odpowiednim słowem --
14:01
when something reinforces its rate of change.
328
841260
3000
kiedy coś samo przyspiesza własne zmiany.
14:04
The more it changes, the faster it changes.
329
844260
3000
Im więcej się zmienia, tym są one szybsze.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
847260
3000
I wydaje mi się, że to dokładnie obserwujemy na naszej krzywej -
14:10
We're seeing this process feeding back on itself.
331
850260
3000
- samonapędzający się proces.
14:13
Now I design computers for a living,
332
853260
3000
Jako projektant komputerów,
14:16
and I know that the mechanisms
333
856260
2000
mam świadomość, że narzędzia,
14:18
that I use to design computers
334
858260
3000
których używam w swojej pracy,
14:21
would be impossible
335
861260
2000
nie mogły by istnieć
14:23
without recent advances in computers.
336
863260
2000
bez niedawnego postępu w komputerach.
14:25
So right now, what I do
337
865260
2000
To, co teraz projektuję,
14:27
is I design objects at such complexity
338
867260
3000
to obiekty tak skomplikowane,
14:30
that it's really impossible for me to design them in the traditional sense.
339
870260
3000
że niemożliwe jest ich zaprojektowanie tradycyjnymi metodami.
14:33
I don't know what every transistor in the connection machine does.
340
873260
4000
Nie wiem, co robią poszczególne tranzystory w moich maszynach.
14:37
There are billions of them.
341
877260
2000
Są ich miliardy.
14:39
Instead, what I do
342
879260
2000
Zamiast tego, ja
14:41
and what the designers at Thinking Machines do
343
881260
3000
i projektanci w "Thinking Machines" staramy się
14:44
is we think at some level of abstraction
344
884260
2000
operować na pewnym poziomie abstrakcji
14:46
and then we hand it to the machine
345
886260
2000
a resztę przekazać maszynie
14:48
and the machine takes it beyond what we could ever do,
346
888260
3000
która pozwala nam robić rzeczy inaczej niemożliwe,
14:51
much farther and faster than we could ever do.
347
891260
3000
o wiele szybciej i łatwiej.
14:54
And in fact, sometimes it takes it by methods
348
894260
2000
Czasem nawet robiąc to w sposób,
14:56
that we don't quite even understand.
349
896260
3000
którego sami do końca nie rozumiemy.
14:59
One method that's particularly interesting
350
899260
2000
Jedną z takich metod,
15:01
that I've been using a lot lately
351
901260
3000
którą ostatnio stosujemy,
15:04
is evolution itself.
352
904260
2000
jest sama ewolucja.
15:06
So what we do
353
906260
2000
Robimy to
15:08
is we put inside the machine
354
908260
2000
programując
15:10
a process of evolution
355
910260
2000
proces ewolucji
15:12
that takes place on the microsecond time scale.
356
912260
2000
w skali mikrosekundowej.
15:14
So for example,
357
914260
2000
Na przykład
15:16
in the most extreme cases,
358
916260
2000
w ekstremalnych przypadkach,
15:18
we can actually evolve a program
359
918260
2000
możemy ewoluować program,
15:20
by starting out with random sequences of instructions.
360
920260
4000
zaczynając od przypadkowego ciągu instrukcji.
15:24
Say, "Computer, would you please make
361
924260
2000
Mówimy, "Komputerze, wygeneruj proszę
15:26
a hundred million random sequences of instructions.
362
926260
3000
sto milionów przypadkowych sekwencji instrukcji.
15:29
Now would you please run all of those random sequences of instructions,
363
929260
3000
Teraz uruchom je wszystkie,
15:32
run all of those programs,
364
932260
2000
uruchom te wszystkie programy,
15:34
and pick out the ones that came closest to doing what I wanted."
365
934260
3000
i wybierz te, których wynik jest najbliższy temu, czego szukam."
15:37
So in other words, I define what I wanted.
366
937260
2000
Innymi słowy, definiuję czego szukam.
15:39
Let's say I want to sort numbers,
367
939260
2000
Powiedzmy, na przykład,
15:41
as a simple example I've done it with.
368
941260
2000
że chcę posortować liczby.
15:43
So find the programs that come closest to sorting numbers.
369
943260
3000
Znajdź więc programy, które są najbliżej sortowania liczb.
15:46
So of course, random sequences of instructions
370
946260
3000
Jest mało prawdopodobne, aby przypadkowa
15:49
are very unlikely to sort numbers,
371
949260
2000
sekwencja instrukcji posortowała liczby,
15:51
so none of them will really do it.
372
951260
2000
także żadna z nich tego nie zrobi.
15:53
But one of them, by luck,
373
953260
2000
Ale może jedna z nich, przez przypadek,
15:55
may put two numbers in the right order.
374
955260
2000
ustawi dwie liczby w odpowiedniej kolejności.
15:57
And I say, "Computer,
375
957260
2000
Wtedy mówię, "Komputerze,
15:59
would you please now take the 10 percent
376
959260
3000
weź, proszę, 10% sekwencji które wykonały
16:02
of those random sequences that did the best job.
377
962260
2000
zadanie najlepiej.
16:04
Save those. Kill off the rest.
378
964260
2000
Zapisz je. Usuń resztę.
16:06
And now let's reproduce
379
966260
2000
Teraz rozmnóż te,
16:08
the ones that sorted numbers the best.
380
968260
2000
które sortują najlepiej,
16:10
And let's reproduce them by a process of recombination
381
970260
3000
przez proces rekombinacji,
16:13
analogous to sex."
382
973260
2000
analogiczny do seksu.
16:15
Take two programs and they produce children
383
975260
3000
Weź dwa programy i stwórz ich potomstwo
16:18
by exchanging their subroutines,
384
978260
2000
łącząc ich podprogramy, pozwalając
16:20
and the children inherit the traits of the subroutines of the two programs.
385
980260
3000
potomstwu dziedziczyć ich cechy.
16:23
So I've got now a new generation of programs
386
983260
3000
Mam więc nowe pokolenie programów,
16:26
that are produced by combinations
387
986260
2000
stworzonych z mieszanek programów
16:28
of the programs that did a little bit better job.
388
988260
2000
które wykonały relatywnie lepszą robotę.
16:30
Say, "Please repeat that process."
389
990260
2000
Mówię, "Proszę powtórz ten proces."
16:32
Score them again.
390
992260
2000
Oceniam je ponownie.
16:34
Introduce some mutations perhaps.
391
994260
2000
Być może wprowadzam mutacje.
16:36
And try that again and do that for another generation.
392
996260
3000
Następnie próbuję znowu, z kolejną generacją.
16:39
Well every one of those generations just takes a few milliseconds.
393
999260
3000
Każda z nich zajmuje jedynie kilka milisekund.
16:42
So I can do the equivalent
394
1002260
2000
Mogę więc przeprowadzić odpowiednik
16:44
of millions of years of evolution on that
395
1004260
2000
milionów lat ewolucji
16:46
within the computer in a few minutes,
396
1006260
3000
w ciągu kilku minut lub,
16:49
or in the complicated cases, in a few hours.
397
1009260
2000
w skomplikowanych przypadkach, w kilka godzin.
16:51
At the end of that, I end up with programs
398
1011260
3000
Na końcu otrzymuję programy, które są
16:54
that are absolutely perfect at sorting numbers.
399
1014260
2000
absolutnie perfekcyjne w sortowaniu liczb.
16:56
In fact, they are programs that are much more efficient
400
1016260
3000
Tak naprawdę, są o wiele bardziej wydajne
16:59
than programs I could have ever written by hand.
401
1019260
2000
niż programy napisane ręcznie.
17:01
Now if I look at those programs,
402
1021260
2000
Kiedy patrzę na te programy,
17:03
I can't tell you how they work.
403
1023260
2000
nie mogę powiedzieć, jak działają.
17:05
I've tried looking at them and telling you how they work.
404
1025260
2000
Próbowałem je czytać i mówić ludziom jak działają.
17:07
They're obscure, weird programs.
405
1027260
2000
To są niejasne, dziwne programy.
17:09
But they do the job.
406
1029260
2000
Ale działają.
17:11
And in fact, I know, I'm very confident that they do the job
407
1031260
3000
Wiem, jestem pewien, że wykonują swoją funkcję
17:14
because they come from a line
408
1034260
2000
bo pochodzą z rodu setek tysięcy
17:16
of hundreds of thousands of programs that did the job.
409
1036260
2000
programów, które ją wykonywały.
17:18
In fact, their life depended on doing the job.
410
1038260
3000
Od tego zależało ich życie.
17:21
(Laughter)
411
1041260
4000
(Śmiech)
17:26
I was riding in a 747
412
1046260
2000
Leciałem kiedyś 747
17:28
with Marvin Minsky once,
413
1048260
2000
z Marvinem Minskym
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1050260
3000
on wyciąga ulotkę i mówi, "Zobacz. Tu jest napisane,
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1053260
4000
że 'Ten samolot ma setki tysięcy malutkich części
17:37
working together to make you a safe flight.'
416
1057260
4000
pracujących razem aby twój lot był bezpieczny.'
17:41
Doesn't that make you feel confident?"
417
1061260
2000
Czy nie czujesz się pewniej?"
17:43
(Laughter)
418
1063260
2000
(Śmiech)
17:45
In fact, we know that the engineering process doesn't work very well
419
1065260
3000
Wiemy, że inżynieria nie działa zbyt dobrze,
17:48
when it gets complicated.
420
1068260
2000
kiedy staje się skomplikowana.
17:50
So we're beginning to depend on computers
421
1070260
2000
Zaczynamy więc polegać na komputerowych
17:52
to do a process that's very different than engineering.
422
1072260
4000
procesach odmiennych od inżynierii,
17:56
And it lets us produce things of much more complexity
423
1076260
3000
które pozwalają nam produkować rzeczy o wiele bardziej
17:59
than normal engineering lets us produce.
424
1079260
2000
skomplikowane niż inżynieria.
18:01
And yet, we don't quite understand the options of it.
425
1081260
3000
A jednocześnie, nie do końca rozumiemy ich możliwości.
18:04
So in a sense, it's getting ahead of us.
426
1084260
2000
W pewnym sensie, wyprzedza nas to.
18:06
We're now using those programs
427
1086260
2000
Używamy tych programów
18:08
to make much faster computers
428
1088260
2000
do produkcji szybszych komputerów
18:10
so that we'll be able to run this process much faster.
429
1090260
3000
aby jeszcze przyspieszyć cały proces.
18:13
So it's feeding back on itself.
430
1093260
3000
Samonapędzający się proces,
18:16
The thing is becoming faster
431
1096260
2000
przebiegający coraz szybciej
18:18
and that's why I think it seems so confusing.
432
1098260
2000
i dlatego coraz bardziej niejasny.
18:20
Because all of these technologies are feeding back on themselves.
433
1100260
3000
Ponieważ wszystkie te technologie napędzają się same.
18:23
We're taking off.
434
1103260
2000
Startujemy.
18:25
And what we are is we're at a point in time
435
1105260
3000
I to, czym jesteśmy, moment w którym jesteśmy,
18:28
which is analogous to when single-celled organisms
436
1108260
2000
jest analogiczny do momentu, kiedy jednokomórkowce
18:30
were turning into multi-celled organisms.
437
1110260
3000
łączyły się w organizmy wielokomórkowe.
18:33
So we're the amoebas
438
1113260
2000
Jesteśmy jak ameby,
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1115260
3000
które nie mogą do końca ogarnąć tego, co tworzą.
18:38
We're right at that point of transition.
440
1118260
2000
Znajdujemy się w punkcie zwrotnym.
18:40
But I think that there really is something coming along after us.
441
1120260
3000
Myślę jednak, że po nas przyjdzie jeszcze coś innego.
18:43
I think it's very haughty of us
442
1123260
2000
Jest zarozumiałym myślenie
18:45
to think that we're the end product of evolution.
443
1125260
3000
że jesteśmy ostatecznym produktem ewolucji.
18:48
And I think all of us here
444
1128260
2000
Uważam, że my wszyscy
18:50
are a part of producing
445
1130260
2000
bierzemy udział w tworzeniu
18:52
whatever that next thing is.
446
1132260
2000
następnej rzeczy, czymkolwiek jest.
18:54
So lunch is coming along,
447
1134260
2000
Zbliża się lunch,
18:56
and I think I will stop at that point,
448
1136260
2000
więc myślę, że tutaj skończę,
18:58
before I get selected out.
449
1138260
2000
zanim zostanę "odrzucony".
19:00
(Applause)
450
1140260
3000
(Oklaski)
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