Computing a theory of everything | Stephen Wolfram

Стивен Вольфрам: Вычислительная Теория Всего

603,078 views

2010-04-27 ・ TED


New videos

Computing a theory of everything | Stephen Wolfram

Стивен Вольфрам: Вычислительная Теория Всего

603,078 views ・ 2010-04-27

TED


Пожалуйста, дважды щелкните на английские субтитры ниже, чтобы воспроизвести видео.

Переводчик: Namik Kasumov Редактор: Alexander Chemeris
00:16
So I want to talk today about an idea. It's a big idea.
0
16260
3000
Итак, сегодня я хочу поговорить об одной идее. Большой идее.
00:19
Actually, I think it'll eventually
1
19260
2000
Я даже думаю, что в конечном итоге
00:21
be seen as probably the single biggest idea
2
21260
2000
эта идея будет считаться крупнейшей идеей
00:23
that's emerged in the past century.
3
23260
2000
из всех, появившихся в прошлом веке.
00:25
It's the idea of computation.
4
25260
2000
Это – представление о вычислимости.
00:27
Now, of course, that idea has brought us
5
27260
2000
Эта идея, конечно, дала нам
00:29
all of the computer technology we have today and so on.
6
29260
3000
всю сегодняшнюю компьютерную технику.
00:32
But there's actually a lot more to computation than that.
7
32260
3000
Но в идее вычислимости заложено намного больше.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
35260
3000
Это действительно глубокая, очень мощная и фундаментальная идея,
00:38
whose effects we've only just begun to see.
9
38260
3000
и мы только начинаем осознавать её влияние.
00:41
Well, I myself have spent the past 30 years of my life
10
41260
3000
В течение последних 30 лет я работал
00:44
working on three large projects
11
44260
2000
над тремя крупными проектами, каждый из которых
00:46
that really try to take the idea of computation seriously.
12
46260
3000
опирался на идею вычислимости и развивал её.
00:50
So I started off at a young age as a physicist
13
50260
3000
В свои молодые годы, я, как физик,
00:53
using computers as tools.
14
53260
2000
пользовался компьютером как инструментом.
00:55
Then, I started drilling down,
15
55260
2000
Затем я начал вникать в проблему
00:57
thinking about the computations I might want to do,
16
57260
2000
и думать о том, какие вычисления мне могли бы понадобиться,
00:59
trying to figure out what primitives they could be built up from
17
59260
3000
из каких элементов их можно было бы построить,
01:02
and how they could be automated as much as possible.
18
62260
3000
и как их максимально автоматизировать.
01:05
Eventually, I created a whole structure
19
65260
2000
В конечном итоге я разработал целую систему,
01:07
based on symbolic programming and so on
20
67260
2000
основанную на символическом программировании,
01:09
that let me build Mathematica.
21
69260
2000
что позволило мне создать пакет Mathematica.
01:11
And for the past 23 years, at an increasing rate,
22
71260
2000
В течение последних 23 лет мы обогащали пакет Mathematica
01:13
we've been pouring more and more ideas
23
73260
2000
новыми идеями и возможностями
01:15
and capabilities and so on into Mathematica,
24
75260
2000
во всё возрастающем темпе,
01:17
and I'm happy to say that that's led to many good things
25
77260
3000
и я рад сообщить, что это помогло создать много полезного
01:20
in R & D and education,
26
80260
2000
в научных исследованиях, образовании
01:22
lots of other areas.
27
82260
2000
и многих других областях.
01:24
Well, I have to admit, actually,
28
84260
2000
Должен признаться, что
01:26
that I also had a very selfish reason for building Mathematica:
29
86260
3000
при создании Mathematica мною двигал и один эгоистичный мотив.
01:29
I wanted to use it myself,
30
89260
2000
Я хотел пользоваться пакетом сам,
01:31
a bit like Galileo got to use his telescope
31
91260
2000
подобно Галилею, использовавшему свой собственный телескоп
01:33
400 years ago.
32
93260
2000
400 лет назад .
01:35
But I wanted to look not at the astronomical universe,
33
95260
3000
Но я хотел познать не астрономический,
01:38
but at the computational universe.
34
98260
3000
а вычислительный мир.
01:41
So we normally think of programs as being
35
101260
2000
Обычно принято считать, что программа –
01:43
complicated things that we build
36
103260
2000
это сложная вещь, создаваемая
01:45
for very specific purposes.
37
105260
2000
ради каких-то конкретных целей. Но как насчёт
01:47
But what about the space of all possible programs?
38
107260
3000
пространства всех возможных программ?
01:50
Here's a representation of a really simple program.
39
110260
3000
Перед вами схема простейшей программы. [надпись: Цвета трёх верхних клеток задают цвет нижней.]
01:53
So, if we run this program,
40
113260
2000
Если запустить эту программу,
01:55
this is what we get.
41
115260
2000
то получится вот что.
01:57
Very simple.
42
117260
2000
Очень просто.
01:59
So let's try changing the rule
43
119260
2000
Теперь слегка изменим правила
02:01
for this program a little bit.
44
121260
2000
нашей программы,
02:03
Now we get another result,
45
123260
2000
и получим другой результат,
02:05
still very simple.
46
125260
2000
всё ещё очень простой.
02:07
Try changing it again.
47
127260
3000
Изменим ещё.
02:10
You get something a little bit more complicated.
48
130260
2000
Получается несколько сложнее,
02:12
But if we keep running this for a while,
49
132260
2000
но если выполнять программу дальше,
02:14
we find out that although the pattern we get is very intricate,
50
134260
3000
то обнаружится, что узор, хоть и замысловат,
02:17
it has a very regular structure.
51
137260
3000
имеет чёткую структуру.
02:20
So the question is: Can anything else happen?
52
140260
3000
Отсюда вопрос: А что ещё может получиться?
02:23
Well, we can do a little experiment.
53
143260
2000
Что ж, можем устроить эксперимент.
02:25
Let's just do a little mathematical experiment, try and find out.
54
145260
3000
Маленький математический эксперимент чтобы посмотреть.
02:29
Let's just run all possible programs
55
149260
3000
Давайте выполним все возможные программы
02:32
of the particular type that we're looking at.
56
152260
2000
этого вида.
02:34
They're called cellular automata.
57
154260
2000
Они называются клеточными автоматами.
02:36
You can see a lot of diversity in the behavior here.
58
156260
2000
Видно, что их поведение крайне разнообразно.
02:38
Most of them do very simple things,
59
158260
2000
Большинство из них делают банальные вещи.
02:40
but if you look along all these different pictures,
60
160260
2000
Но просматривая все эти картинки,
02:42
at rule number 30,
61
162260
2000
и дойдя до Правила номер 30,
02:44
you start to see something interesting going on.
62
164260
2000
мы увидим нечто интересное.
02:46
So let's take a closer look
63
166260
2000
Давайте внимательнее взглянем
02:48
at rule number 30 here.
64
168260
2000
на Правило номер 30.
02:50
So here it is.
65
170260
2000
Вот его картинка.
02:52
We're just following this very simple rule at the bottom here,
66
172260
3000
Исполнение простейшего правила, указанного внизу,
02:55
but we're getting all this amazing stuff.
67
175260
2000
даёт настолько поразительную вещь.
02:57
It's not at all what we're used to,
68
177260
2000
Это совсем не то, что мы могли бы ожидать,
02:59
and I must say that, when I first saw this,
69
179260
2000
и должен сказать, что когда я впервые столкнулся с этим,
03:01
it came as a huge shock to my intuition.
70
181260
3000
я был в шоке, - это полностью противоречило моей интуиции.
03:04
And, in fact, to understand it,
71
184260
2000
Чтобы разобраться, мне пришлось
03:06
I eventually had to create
72
186260
2000
в конечном итоге создать
03:08
a whole new kind of science.
73
188260
2000
совершенно Новый Вид Науки.
03:11
(Laughter)
74
191260
2000
(Смех) [на слайде: содержание его книги с этим названием]
03:13
This science is different, more general,
75
193260
3000
Эта другая наука, - более общая,
03:16
than the mathematics-based science that we've had
76
196260
2000
чем основанные на математике науки,
03:18
for the past 300 or so years.
77
198260
3000
развивавшиеся за последние 300 лет
03:21
You know, it's always seemed like a big mystery:
78
201260
2000
Для меня всегда казалось тайной то,
03:23
how nature, seemingly so effortlessly,
79
203260
3000
как природа создаёт, без видимых усилий,
03:26
manages to produce so much
80
206260
2000
такую массу вещей, кажущихся
03:28
that seems to us so complex.
81
208260
3000
нам столь сложными.
03:31
Well, I think we've found its secret:
82
211260
3000
Что ж, думаю, что секрет найден. Она просто перебирает
03:34
It's just sampling what's out there in the computational universe
83
214260
3000
имеющееся в вычислительном мире,
03:37
and quite often getting things like Rule 30
84
217260
3000
и часто попадает на такие вещи, как Правило 30
03:40
or like this.
85
220260
3000
или как вот это.
03:44
And knowing that starts to explain
86
224260
2000
Знание этого раскрывает многие
03:46
a lot of long-standing mysteries in science.
87
226260
3000
давние тайны науки.
03:49
It also brings up new issues, though,
88
229260
2000
Хотя при этом возникают новые вопросы, как например,
03:51
like computational irreducibility.
89
231260
3000
вычислительная неприводимость [к более простому].
03:54
I mean, we're used to having science let us predict things,
90
234260
3000
Мы привыкли, что наука может предсказывать,
03:57
but something like this
91
237260
2000
но вот такие вещи
03:59
is fundamentally irreducible.
92
239260
2000
принципиально неприводимы [к более простому уровню].
04:01
The only way to find its outcome
93
241260
2000
Единственный способ узнать результат процесса –
04:03
is, effectively, just to watch it evolve.
94
243260
3000
это, по сути, наблюдать за его развитием.
04:06
It's connected to, what I call,
95
246260
2000
Это связано с тем, что я называю
04:08
the principle of computational equivalence,
96
248260
2000
принципом вычислительной равнозначности,
04:10
which tells us that even incredibly simple systems
97
250260
3000
который говорит, что даже крайне простые системы
04:13
can do computations as sophisticated as anything.
98
253260
3000
могут производить вычисления абсолютно любой сложности.
04:16
It doesn't take lots of technology or biological evolution
99
256260
3000
Ни развитая техника, ни биологическая эволюция не нужны
04:19
to be able to do arbitrary computation;
100
259260
2000
для выполнения вычислений любой сложности,
04:21
just something that happens, naturally,
101
261260
2000
достаточно того, что и так происходит
04:23
all over the place.
102
263260
2000
повсеместно.
04:25
Things with rules as simple as these can do it.
103
265260
3000
Достаточно таких вот простых правил. [слайд: клеточный автомат, машина Тьюринга].
04:29
Well, this has deep implications
104
269260
2000
Так вот, отсюда следуют очень глубокие выводы:
04:31
about the limits of science,
105
271260
2000
о пределах науки,
04:33
about predictability and controllability
106
273260
2000
о возможности прогноза и контролирования, к примеру,
04:35
of things like biological processes or economies,
107
275260
3000
биологических процессов или экономических систем,
04:38
about intelligence in the universe,
108
278260
2000
о разуме во вселенной,
04:40
about questions like free will
109
280260
2000
о проблематике свободы воли
04:42
and about creating technology.
110
282260
3000
и о создании технологий.
04:45
You know, in working on this science for many years,
111
285260
2000
Разрабатывая столько лет эту науку, я всегда
04:47
I kept wondering,
112
287260
2000
про себя думал: «Что же станет её первым
04:49
"What will be its first killer app?"
113
289260
2000
ошеломляющим приложением?»
04:51
Well, ever since I was a kid,
114
291260
2000
Что ж, ещё когда я был ребёнком, я думал о том,
04:53
I'd been thinking about systematizing knowledge
115
293260
2000
как можно было бы систематизировать
04:55
and somehow making it computable.
116
295260
2000
знания и сделать их вычислимыми.
04:57
People like Leibniz had wondered about that too
117
297260
2000
Такие учёные как Лейбниц, задавались этим вопросом
04:59
300 years earlier.
118
299260
2000
ещё 300 лет назад.
05:01
But I'd always assumed that to make progress,
119
301260
2000
Я всегда предполагал, что для достижения реального прогресса,
05:03
I'd essentially have to replicate a whole brain.
120
303260
3000
мне придётся, по существу, полностью продублировать мозг.
05:06
Well, then I got to thinking:
121
306260
2000
Но тут у меня возникла мысль:
05:08
This scientific paradigm of mine suggests something different --
122
308260
3000
Ведь моя научная парадигма подразумевает кое-что другое.
05:11
and, by the way, I've now got
123
311260
2000
К тому же, теперь у меня в руках
05:13
huge computation capabilities in Mathematica,
124
313260
3000
мощные вычислительные возможности пакета Mathematica,
05:16
and I'm a CEO with some worldly resources
125
316260
3000
и, как президент фирмы, я обладаю материальными возможностями
05:19
to do large, seemingly crazy, projects --
126
319260
3000
для реализации крупных, почти сумасбродных, проектов.
05:22
So I decided to just try to see
127
322260
2000
И я решил просто попробовать понять, какую часть
05:24
how much of the systematic knowledge that's out there in the world
128
324260
3000
систематизированных знаний, накопленных во всём мире,
05:27
we could make computable.
129
327260
2000
мы можем сделать вычислимыми.
05:29
So, it's been a big, very complex project,
130
329260
2000
Это был большой и очень сложный проект;
05:31
which I was not sure was going to work at all.
131
331260
3000
я был не уверен, даст ли он вообще результат.
05:34
But I'm happy to say it's actually going really well.
132
334260
3000
Но я рад сообщить, что проект продвигается весьма успешно,
05:37
And last year we were able
133
337260
2000
и в прошлом году нам удалось запустить сайт
05:39
to release the first website version
134
339260
2000
с первой интернет-версией системы
05:41
of Wolfram Alpha.
135
341260
2000
Wolfram Alpha.
05:43
Its purpose is to be a serious knowledge engine
136
343260
3000
Её цель – предоставить серьёзный инструмент обработки знаний,
05:46
that computes answers to questions.
137
346260
3000
который вычисляет ответы на вопросы.
05:49
So let's give it a try.
138
349260
2000
Давайте разок попробуем.
05:51
Let's start off with something really easy.
139
351260
2000
Начнём с простейшего.
05:53
Hope for the best.
140
353260
2000
Надеюсь, не подведёт. [пишет: «2+2»; на экране – 4]
05:55
Very good. Okay.
141
355260
2000
Отлично. Получилось.
05:57
So far so good.
142
357260
2000
Пока всё по плану.
05:59
(Laughter)
143
359260
3000
(Смех)
06:02
Let's try something a little bit harder.
144
362260
3000
Теперь возьмём орешек покрепче.
06:05
Let's do
145
365260
2000
Ну, скажем, нечто …
06:07
some mathy thing,
146
367260
3000
нечто математическое и,
06:10
and with luck it'll work out the answer
147
370260
3000
если повезёт, система даст ответ [пишет: «Интеграл x^2 sin^3 x dx»; на экране – формула]
06:13
and try and tell us some interesting things
148
373260
2000
и даже расскажет кое-что интересное
06:15
things about related math.
149
375260
2000
про сопутствующую математику. [на экране: графики и метод вычисления]
06:17
We could ask it something about the real world.
150
377260
3000
Можно задать вопрос о реальном мире.
06:20
Let's say -- I don't know --
151
380260
2000
Ну, скажем,… не знаю…
06:22
what's the GDP of Spain?
152
382260
3000
Каков ВВП Испании?
06:25
And it should be able to tell us that.
153
385260
2000
И система должна ответить.
06:27
Now we could compute something related to this,
154
387260
2000
Можно посчитать и что-нибудь связанное с этим,
06:29
let's say ... the GDP of Spain
155
389260
2000
скажем, ВВП Испании,
06:31
divided by, I don't know,
156
391260
2000
поделённый на… ну, не знаю…
06:33
the -- hmmm ...
157
393260
2000
гм …
06:35
let's say the revenue of Microsoft.
158
395260
2000
пусть будет доход Microsoft’a
06:37
(Laughter)
159
397260
2000
(Смех)
06:39
The idea is that we can just type this in,
160
399260
2000
Идея в том, что можно как бы напечатать вопрос как есть,
06:41
this kind of question in, however we think of it.
161
401260
3000
в том виде, как он пришёл к нам в голову.
06:44
So let's try asking a question,
162
404260
2000
Давайте спросим что-нибудь
06:46
like a health related question.
163
406260
2000
из области медицины.
06:48
So let's say we have a lab finding that ...
164
408260
3000
Скажем, лабораторный анализ показал
06:51
you know, we have an LDL level of 140
165
411260
2000
уровень холестерина в 140 единиц
06:53
for a male aged 50.
166
413260
3000
у мужчины возраста 50 лет…
06:56
So let's type that in, and now Wolfram Alpha
167
416260
2000
Печатаем, и Wolfram Alpha сейчас найдёт
06:58
will go and use available public health data
168
418260
2000
все открытые медицинские данные
07:00
and try and figure out
169
420260
2000
и постарается узнать,
07:02
what part of the population that corresponds to and so on.
170
422260
3000
какая часть населения имеет такой и уровень и пр.
07:05
Or let's try asking about, I don't know,
171
425260
3000
Или спросим, ну, скажем,
07:08
the International Space Station.
172
428260
2000
о Международной Космической Станции
07:10
And what's happening here is that
173
430260
2000
И что важно, в ответ на этот запрос
07:12
Wolfram Alpha is not just looking up something;
174
432260
2000
Wolfram Alpha не просто что-то просматривает,
07:14
it's computing, in real time,
175
434260
3000
она вычисляет в реальном времени, [на экране – карта с траекторией и точкой месторасположения]
07:17
where the International Space Station is right now at this moment,
176
437260
3000
где находится в данный момент станция,
07:20
how fast it's going, and so on.
177
440260
3000
как быстро она движется и пр.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
444260
3000
Так что Wolfram Alpha знает об очень и очень многом.
07:27
It's got, by now,
179
447260
2000
На настоящий момент
07:29
pretty good coverage of everything you might find
180
449260
2000
она неплохо осведомлена обо всём, что
07:31
in a standard reference library.
181
451260
3000
имеется в обычной справочной библиотеке.
07:34
But the goal is to go much further
182
454260
2000
Но цель – намного выше.
07:36
and, very broadly, to democratize
183
456260
3000
Говоря в общем – демократизировать
07:39
all of this knowledge,
184
459260
3000
все знания,
07:42
and to try and be an authoritative
185
462260
2000
быть авторитетным источником
07:44
source in all areas.
186
464260
2000
во всех областях,
07:46
To be able to compute answers to specific questions that people have,
187
466260
3000
быть в состоянии вычислить ответы на конкретные вопросы,
07:49
not by searching what other people
188
469260
2000
не через поиск того, что было
07:51
may have written down before,
189
471260
2000
написано другими, а используя
07:53
but by using built in knowledge
190
473260
2000
встроенные знания
07:55
to compute fresh new answers to specific questions.
191
475260
3000
для вычисления новых ответов на конкретные вопросы.
07:58
Now, of course, Wolfram Alpha
192
478260
2000
Конечно, Wolfram Alpha –
08:00
is a monumentally huge, long-term project
193
480260
2000
проект колоссальный, долгосрочный,
08:02
with lots and lots of challenges.
194
482260
2000
с огромным числом интересных проблем.
08:04
For a start, one has to curate a zillion
195
484260
3000
Для начала, необходимо просеять несметное множество
08:07
different sources of facts and data,
196
487260
3000
различных источников, фактов и цифр; с этой целью
08:10
and we built quite a pipeline of Mathematica automation
197
490260
3000
мы построили целый конвейер из программ в Mathematica
08:13
and human domain experts for doing this.
198
493260
3000
и групп специалистов разных областей.
08:16
But that's just the beginning.
199
496260
2000
Но это только начало.
08:18
Given raw facts or data
200
498260
2000
Даже имея сырые факты и цифры,
08:20
to actually answer questions,
201
500260
2000
для получения ответов
08:22
one has to compute:
202
502260
2000
кто-то должен их вычислить,
08:24
one has to implement all those methods and models
203
504260
2000
а кто-то – реализовать все необходимые методы, модели,
08:26
and algorithms and so on
204
506260
2000
алгоритмы и прочее,
08:28
that science and other areas have built up over the centuries.
205
508260
3000
что создано наукой в течение веков. [пишет: «кофеин»; на экране: состав и молекула]
08:31
Well, even starting from Mathematica,
206
511260
3000
Но, даже имея всё это,
08:34
this is still a huge amount of work.
207
514260
2000
остаётся масса работы. [пишет: «затмение в Лонг-Бич»; на экране: 20.05.2012]
08:36
So far, there are about 8 million lines
208
516260
2000
На сегодняшний день в системе Wolfram Alpha –
08:38
of Mathematica code in Wolfram Alpha
209
518260
2000
8 миллионов строк кода из Mathematica,
08:40
built by experts from many, many different fields.
210
520260
3000
написанных с помощью экспертов из множества разных областей.
08:43
Well, a crucial idea of Wolfram Alpha
211
523260
3000
Но ключевая идея Wolfram Alpha
08:46
is that you can just ask it questions
212
526260
2000
– возможность задавать вопрос
08:48
using ordinary human language,
213
528260
3000
при помощи обычного человеческого языка.
08:51
which means that we've got to be able to take
214
531260
2000
Значит, надо научиться интерпретировать
08:53
all those strange utterances that people type into the input field
215
533260
3000
все те странные выражения, которые люди
08:56
and understand them.
216
536260
2000
вбивают в строку поиска.
08:58
And I must say that I thought that step
217
538260
2000
Должен признаться, этот шаг
09:00
might just be plain impossible.
218
540260
3000
казался мне просто невыполнимым.
09:04
Two big things happened:
219
544260
2000
Решающим оказались два фактора.
09:06
First, a bunch of new ideas about linguistics
220
546260
3000
Во-первых, масса новых лингвистических идей,
09:09
that came from studying the computational universe;
221
549260
3000
пришедших из исследований мира вычислений.
09:12
and second, the realization that having actual computable knowledge
222
552260
3000
Во-вторых, осознание того, что наличие вычислимых знаний
09:15
completely changes how one can
223
555260
2000
полностью меняет возможности
09:17
set about understanding language.
224
557260
3000
нашего подхода к пониманию языка.
09:20
And, of course, now
225
560260
2000
И, конечно, теперь, когда
09:22
with Wolfram Alpha actually out in the wild,
226
562260
2000
Wolfram Alpha доступна всем,
09:24
we can learn from its actual usage.
227
564260
2000
есть чему научиться исходя из её реального пользования.
09:26
And, in fact, there's been
228
566260
2000
В действительности происходит
09:28
an interesting coevolution that's been going on
229
568260
2000
своего рода взаимное обогащение
09:30
between Wolfram Alpha
230
570260
2000
системы Wolfram Alpha
09:32
and its human users,
231
572260
2000
и её пользователей.
09:34
and it's really encouraging.
232
574260
2000
И это вдохновляет.
09:36
Right now, if we look at web queries,
233
576260
2000
Статистика запросов к системе показывает, что
09:38
more than 80 percent of them get handled successfully the first time.
234
578260
3000
с первого раза успешно обрабатываются более 80% из них.
09:41
And if you look at things like the iPhone app,
235
581260
2000
Если взглянуть, например, на приложения iPhone,
09:43
the fraction is considerably larger.
236
583260
2000
то здесь процент значительно выше.
09:45
So, I'm pretty pleased with it all.
237
585260
2000
Мне всё это, конечно же, приятно.
09:47
But, in many ways,
238
587260
2000
Однако по многим аспектам
09:49
we're still at the very beginning with Wolfram Alpha.
239
589260
3000
Wolfram Alpha всё ещё находится в начале пути. [пишет: «трафик www.apple.com»]
09:52
I mean, everything is scaling up very nicely
240
592260
2000
Система успешно масштабируется.
09:54
and we're getting more confident.
241
594260
2000
И мы чувствуем себя увереннее.
09:56
You can expect to see Wolfram Alpha technology
242
596260
2000
Скоро технология Wolfram Alpha начнёт применяться
09:58
showing up in more and more places,
243
598260
2000
в самых разных местах,
10:00
working both with this kind of public data, like on the website,
244
600260
3000
как для работы с такими общедоступными данными,
10:03
and with private knowledge
245
603260
2000
как сейчас на сайте, так и с частными
10:05
for people and companies and so on.
246
605260
3000
и внутрифирменными данными.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
608260
3000
Я обнаружил, что на самом деле Wolfram Alpha предоставляет
10:11
a whole new kind of computing
248
611260
2000
новый тип вычислений, которые можно назвать
10:13
that one can call knowledge-based computing,
249
613260
2000
«вычислениями, основанными на знаниях».
10:15
in which one's starting not just from raw computation,
250
615260
3000
Их начальной точкой является не просто вычисление,
10:18
but from a vast amount of built-in knowledge.
251
618260
3000
а колоссальный объём встроенных знаний.
10:21
And when one does that, one really changes
252
621260
2000
И когда это происходит, то изменяется
10:23
the economics of delivering computational things,
253
623260
3000
сама экономика доставки вычислений,
10:26
whether it's on the web or elsewhere.
254
626260
2000
будь то в интернете или где-либо ещё.
10:28
You know, we have a fairly interesting situation right now.
255
628260
3000
Сейчас сложилась достаточно интересная ситуация:
10:31
On the one hand, we have Mathematica,
256
631260
2000
с одной стороны,
10:33
with its sort of precise, formal language
257
633260
3000
есть пакет Mathematica с его точным формальным языком
10:36
and a huge network
258
636260
2000
и огромным количеством
10:38
of carefully designed capabilities
259
638260
2000
тщательно подобранных возможностей,
10:40
able to get a lot done in just a few lines.
260
640260
3000
способный многое сделать всего за пару строк.
10:43
Let me show you a couple of examples here.
261
643260
3000
Давайте покажу пару примеров.
10:47
So here's a trivial piece of Mathematica programming.
262
647260
3000
Вот – простейший пример программирования в Mathematica.
10:51
Here's something where we're sort of
263
651260
2000
Здесь целый набор возможностей,
10:53
integrating a bunch of different capabilities here.
264
653260
3000
интегрированных воедино.
10:56
Here we'll just create, in this line,
265
656260
3000
Вот этой вот строкой мы создадим
10:59
a little user interface that allows us to
266
659260
3000
небольшой пользовательский интерфейс, позволяющий нам
11:02
do something fun there.
267
662260
2000
делать увлекательные вещи.
11:05
If you go on, that's a slightly more complicated program
268
665260
2000
Если продолжать, то вот чуть более сложная программа,
11:07
that's now doing all sorts of algorithmic things
269
667260
3000
которая делает всевозможные алгоритмические штуки,
11:10
and creating user interface and so on.
270
670260
2000
создаёт пользовательский интерфейс и т.п.
11:12
But it's something that is very precise stuff.
271
672260
3000
Но это всё очень точные вещи.
11:15
It's a precise specification with a precise formal language
272
675260
3000
Это – точное описание на точном формальном языке,
11:18
that causes Mathematica to know what to do here.
273
678260
3000
и оно позволяет пакету Mathematica узнать, что надо делать.
11:21
Then on the other hand, we have Wolfram Alpha,
274
681260
3000
С другой стороны, есть Wolfram Alpha,
11:24
with all the messiness of the world
275
684260
2000
в которую встроен весь беспорядок реального мира,
11:26
and human language and so on built into it.
276
686260
2000
человеческого языка и т.д.
11:28
So what happens when you put these things together?
277
688260
3000
Что же произойдет, если мы их совместим?
11:31
I think it's actually rather wonderful.
278
691260
2000
Я думаю, это прекрасно.
11:33
With Wolfram Alpha inside Mathematica,
279
693260
2000
С системой Wolfram Alpha внутри Mathematica
11:35
you can, for example, make precise programs
280
695260
2000
можно, например, создавать точные программы,
11:37
that call on real world data.
281
697260
2000
работающие с данными из реального мира.
11:39
Here's a real simple example.
282
699260
2000
Вот – очень простой пример.
11:44
You can also just sort of give vague input
283
704260
3000
Можно также попробовать ввести не очень чёткие данные
11:47
and then try and have Wolfram Alpha
284
707260
2000
и дать возможность Wolfram Alpha
11:49
figure out what you're talking about.
285
709260
2000
самой догадаться, о чем идёт речь.
11:51
Let's try this here.
286
711260
2000
Давайте попробуем. [пишет неформальное название «Много-Игольник»]
11:53
But actually I think the most exciting thing about this
287
713260
3000
Но самое захватывающее, я думаю, [на экране: полиэдр - логотип фирмы Wolfram Research]
11:56
is that it really gives one the chance
288
716260
2000
в том, что это – реальная возможность
11:58
to democratize programming.
289
718260
3000
демократизации программирования.
12:01
I mean, anyone will be able to say what they want in plain language.
290
721260
3000
Это означает, что каждый сможет сказать простым языком, что он хочет,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
724260
3000
а затем – в этом весь смысл – Wolfram Alpha сможет догадаться,
12:07
what precise pieces of code
292
727260
2000
какой программный код
12:09
can do what they're asking for
293
729260
2000
даст то, что просит пользователь,
12:11
and then show them examples that will let them pick what they need
294
731260
3000
и показать ему примеры, чтобы тот выбрал, что ему нужно,
12:14
to build up bigger and bigger, precise programs.
295
734260
3000
чтобы построить всё более и более крупные и точные программы.
12:17
So, sometimes, Wolfram Alpha
296
737260
2000
А иногда Wolfram Alpha будет в состоянии
12:19
will be able to do the whole thing immediately
297
739260
2000
сделать всё сразу и тут же предоставить
12:21
and just give back a whole big program that you can then compute with.
298
741260
3000
большую программу, способную проделать все необходимое.
12:24
Here's a big website
299
744260
2000
Итак, вот – большой сайт, где
12:26
where we've been collecting lots of educational
300
746260
3000
где собрана масса образовательного и прочего
12:29
and other demonstrations about lots of kinds of things.
301
749260
3000
демонстрационного материала по разным предметам.
12:32
I'll show you one example here.
302
752260
3000
Ну, не знаю, может, прямо здесь покажу вам пример.
12:36
This is just an example of one of these computable documents.
303
756260
3000
Это – пример одного из вычислительных документов.
12:39
This is probably a fairly small
304
759260
2000
Довольно небольшой код
12:41
piece of Mathematica code
305
761260
2000
из пакета Mathematica,
12:43
that's able to be run here.
306
763260
2000
который может работать тут.
12:47
Okay. Let's zoom out again.
307
767260
3000
Отлично. Давайте ещё раз взглянем на проблему в целом.
12:50
So, given our new kind of science,
308
770260
2000
Так вот, с учётом создания нашего нового типа науки,
12:52
is there a general way to use it to make technology?
309
772260
3000
есть ли общий метод создания её технических приложений?
12:55
So, with physical materials,
310
775260
2000
Так, в случае с физическими материалами,
12:57
we're used to going around the world
311
777260
2000
мы привыкли просто искать повсюду,
12:59
and discovering that particular materials
312
779260
2000
и находить, что какие-то конкретные материалы
13:01
are useful for particular
313
781260
2000
полезны для каких-то
13:03
technological purposes.
314
783260
2000
конкретных технических целей.
13:05
Well, it turns out we can do very much the same kind of thing
315
785260
2000
Оказывается, ровно то же самое
13:07
in the computational universe.
316
787260
2000
можно делать и в вычислительном мире.
13:09
There's an inexhaustible supply of programs out there.
317
789260
3000
Там существуют бездонные запасы программ.
13:12
The challenge is to see how to
318
792260
2000
Задача в том, чтобы приспособить их
13:14
harness them for human purposes.
319
794260
2000
к человеческим целям.
13:16
Something like Rule 30, for example,
320
796260
2000
Например, что-то вроде Правила 30
13:18
turns out to be a really good randomness generator.
321
798260
2000
может работать как очень хороший генератор случайности.
13:20
Other simple programs are good models
322
800260
2000
Другие простые программы являются хорошими моделями
13:22
for processes in the natural or social world.
323
802260
3000
природных и социальных процессов.
13:25
And, for example, Wolfram Alpha and Mathematica
324
805260
2000
К примеру, Wolfram Alpha и Mathematica
13:27
are actually now full of algorithms
325
807260
2000
сейчас наполнены алгоритмами,
13:29
that we discovered by searching the computational universe.
326
809260
3000
обнаруженными в результате нашего поиска в вычислительном мире.
13:33
And, for example, this -- if we go back here --
327
813260
3000
Вот, например, – вернёмся немного назад – это
13:37
this has become surprisingly popular
328
817260
2000
оказалось неожиданно популярным
13:39
among composers
329
819260
2000
среди композиторов,
13:41
finding musical forms by searching the computational universe.
330
821260
3000
ищущих музыкальные формы через поиск в вычислительном мире.
13:45
In a sense, we can use the computational universe
331
825260
2000
В каком-то смысле мы можем использовать вычислительный мир
13:47
to get mass customized creativity.
332
827260
3000
для создания массового индивидуализированного творчества.
13:50
I'm hoping we can, for example,
333
830260
2000
Например, я лелею надежду, что станет возможно,
13:52
use that even to get Wolfram Alpha
334
832260
2000
при помощи Wolfram Alpha,
13:54
to routinely do invention and discovery on the fly,
335
834260
3000
делать изобретения и открытия повседневно, прямо на ходу,
13:57
and to find all sorts of wonderful stuff
336
837260
2000
и обнаруживать такие замечательные вещи,
13:59
that no engineer
337
839260
2000
которые никакой инженер,
14:01
and no process of incremental evolution would ever come up with.
338
841260
3000
и никакой процесс постепенной эволюции никогда не получит.
14:05
Well, so, that leads to kind of an ultimate question:
339
845260
3000
А это приводит нас к самому фундаментальному вопросу:
14:08
Could it be that someplace out there in the computational universe
340
848260
3000
Можно ли где-то там, внутри этого вычислительного мира
14:11
we might find our physical universe?
341
851260
3000
найти наш физический мир?
14:14
Perhaps there's even some quite simple rule,
342
854260
2000
Возможно, есть какое-то совсем простое правило,
14:16
some simple program for our universe.
343
856260
3000
простая программа для нашей вселенной.
14:19
Well, the history of physics would have us believe
344
859260
2000
Вся история физики вроде бы учит нас,
14:21
that the rule for the universe must be pretty complicated.
345
861260
3000
что правила в основе вселенной должны быть очень сложны.
14:24
But in the computational universe,
346
864260
2000
Но в вычислительном мире,
14:26
we've now seen how rules that are incredibly simple
347
866260
3000
как мы только что убедились, крайне простые правила
14:29
can produce incredibly rich and complex behavior.
348
869260
3000
могут порождать крайне сложное и разнообразное поведение.
14:32
So could that be what's going on with our whole universe?
349
872260
3000
А может ли оказаться, что именно это и происходит с нашей вселенной?
14:36
If the rules for the universe are simple,
350
876260
2000
Если правила для вселенной просты,
14:38
it's kind of inevitable that they have to be
351
878260
2000
то они неминуемо будут очень абстрактны
14:40
very abstract and very low level;
352
880260
2000
и на очень низком уровне [программного языка].
14:42
operating, for example, far below
353
882260
2000
Они будут работать, например, намного ниже
14:44
the level of space or time,
354
884260
2000
уровня пространства и времени,
14:46
which makes it hard to represent things.
355
886260
2000
из-за чего представление становится трудным.
14:48
But in at least a large class of cases,
356
888260
2000
Но в как минимум большом количестве случаев
14:50
one can think of the universe as being
357
890260
2000
можно представить себе вселенную
14:52
like some kind of network,
358
892260
2000
в виде некоторой сети,
14:54
which, when it gets big enough,
359
894260
2000
которая, при достаточно больших размерах,
14:56
behaves like continuous space
360
896260
2000
ведёт себя как непрерывное пространство –
14:58
in much the same way as having lots of molecules
361
898260
2000
очень похоже на то, как масса молекул
15:00
can behave like a continuous fluid.
362
900260
2000
может вести себя, как непрерывная жидкость.
15:02
Well, then the universe has to evolve by applying
363
902260
3000
Ну а тогда вселенная может развиваться путём применения
15:05
little rules that progressively update this network.
364
905260
3000
маленьких правил, которые постепенно видоизменяют эту сеть.
15:08
And each possible rule, in a sense,
365
908260
2000
И каждое принципиально возможное правило, в каком-то смысле,
15:10
corresponds to a candidate universe.
366
910260
2000
является кандидатурой на нашу вселенную.
15:12
Actually, I haven't shown these before,
367
912260
3000
Вообще-то, я сейчас покажу кое-что впервые:
15:16
but here are a few of the candidate universes
368
916260
3000
вот перед вами несколько возможных вселенных,
15:19
that I've looked at.
369
919260
2000
которые я изучил.
15:21
Some of these are hopeless universes,
370
921260
2000
Некоторые из вселенных – безнадёжные,
15:23
completely sterile,
371
923260
2000
абсолютно стерильные миры
15:25
with other kinds of pathologies like no notion of space,
372
925260
2000
с такими патологиями, как отсутствие
15:27
no notion of time, no matter,
373
927260
3000
понятий пространства, времени, вещества,
15:30
other problems like that.
374
930260
2000
и прочими похожими проблемами.
15:32
But the exciting thing that I've found in the last few years
375
932260
3000
Но самое интересное, что я обнаружил несколько лет назад -
15:35
is that you actually don't have to go very far
376
935260
2000
оказывается, не нужно глубоко погружаться
15:37
in the computational universe
377
937260
2000
в вычислительный мир,
15:39
before you start finding candidate universes
378
939260
2000
чтобы начать сталкиваться с такими вселенными,
15:41
that aren't obviously not our universe.
379
941260
3000
про которые сразу не скажешь, что это не наша вселенная.
15:44
Here's the problem:
380
944260
2000
И вот проблема:
15:46
Any serious candidate for our universe
381
946260
3000
Любая серьёзная кандидатура на нашу вселенную
15:49
is inevitably full of computational irreducibility.
382
949260
3000
неминуемо полна вычислительной неприводимости,
15:52
Which means that it is irreducibly difficult
383
952260
3000
то есть должно быть непреодолимо трудно в принципе
15:55
to find out how it will really behave,
384
955260
2000
выяснить её реальное поведение
15:57
and whether it matches our physical universe.
385
957260
3000
и проверить, что она соответствует нашей вселенной.
16:01
A few years ago, I was pretty excited to discover
386
961260
3000
Пару лет назад я был потрясён открытием
16:04
that there are candidate universes with incredibly simple rules
387
964260
3000
существования возможных вселенных с крайне простыми правилами,
16:07
that successfully reproduce special relativity,
388
967260
2000
которые воспроизводят специальную относительность,
16:09
and even general relativity and gravitation,
389
969260
3000
и даже общую относительность, гравитацию и
16:12
and at least give hints of quantum mechanics.
390
972260
3000
имеют зачатки квантовой механики.
16:15
So, will we find the whole of physics?
391
975260
2000
Итак, обнаружим ли мы все законы физики?
16:17
I don't know for sure,
392
977260
2000
Точно не знаю, но думаю, что
16:19
but I think at this point it's sort of
393
979260
2000
мы дошли до точки, когда хотя бы не пытаться,
16:21
almost embarrassing not to at least try.
394
981260
2000
будет почти неприлично.
16:23
Not an easy project.
395
983260
2000
Проект не из легких.
16:25
One's got to build a lot of technology.
396
985260
2000
Придётся создавать много новых технологий.
16:27
One's got to build a structure that's probably
397
987260
2000
Придётся построить структуру, вероятно не менее глубокую,
16:29
at least as deep as existing physics.
398
989260
2000
чем современная физическая теория.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
991260
3000
И я не знаю, каким образом это всё лучше организовать:
16:34
Build a team, open it up, offer prizes and so on.
400
994260
3000
собрать ли команду, пригласить ли всех желающих, учредить ли приз или что-то ещё.
16:37
But I'll tell you, here today,
401
997260
2000
Но я заявляю вам здесь сегодня:
16:39
that I'm committed to seeing this project done,
402
999260
2000
я намерен предпринять всё, чтобы этот проект свершился,
16:41
to see if, within this decade,
403
1001260
3000
чтобы проверить в течение этого десятилетия,
16:44
we can finally hold in our hands
404
1004260
2000
сможем ли мы, наконец, получить в распоряжение
16:46
the rule for our universe
405
1006260
2000
правило для нашей вселенной
16:48
and know where our universe lies
406
1008260
2000
и узнать, где она находится среди пространства
16:50
in the space of all possible universes ...
407
1010260
2000
всех возможных миров.
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
1012260
3000
И иметь возможность вбить слова «Теория вселенной»
16:55
and have it tell us.
409
1015260
2000
в Wolfram Alpha и получить ответ.
16:57
(Laughter)
410
1017260
2000
(Смех)
17:00
So I've been working on the idea of computation
411
1020260
2000
И вот, я работаю над идеей вычислений
17:02
now for more than 30 years,
412
1022260
2000
теперь уже более 30 лет,
17:04
building tools and methods and turning intellectual ideas
413
1024260
3000
создаю инструменты и методы, превращаю плоды умственного труда
17:07
into millions of lines of code
414
1027260
2000
в миллионы строк кода,
17:09
and grist for server farms and so on.
415
1029260
2000
в топливо для серверных ферм.
17:11
With every passing year,
416
1031260
2000
И с каждым годом
17:13
I realize how much more powerful
417
1033260
2000
я убеждаюсь в ещё большей мощности
17:15
the idea of computation really is.
418
1035260
2000
идеи вычислений.
17:17
It's taken us a long way already,
419
1037260
2000
Мы прошли уже много,
17:19
but there's so much more to come.
420
1039260
2000
но так много ещё нужно пройти.
17:21
From the foundations of science
421
1041260
2000
От оснований науки
17:23
to the limits of technology
422
1043260
2000
до технологического предела,
17:25
to the very definition of the human condition,
423
1045260
2000
вплоть до самого определения человеческой природы,
17:27
I think computation is destined to be
424
1047260
2000
я считаю, что идея вычисления предопределена
17:29
the defining idea of our future.
425
1049260
2000
быть определяющей идеей нашего будущего.
17:31
Thank you.
426
1051260
2000
Благодарю вас.
17:33
(Applause)
427
1053260
14000
(Аплодисменты)
17:47
Chris Anderson: That was astonishing.
428
1067260
2000
Крис Андерсон: Это было потрясающе.
17:49
Stay here. I've got a question.
429
1069260
2000
Не уходите – у меня вопрос.
17:51
(Applause)
430
1071260
4000
(Аплодисменты)
17:57
So, that was, fair to say, an astonishing talk.
431
1077260
3000
Это, прямо говоря, потрясающее выступление.
18:01
Are you able to say in a sentence or two
432
1081260
3000
Можете ли вы в двух словах сказать,
18:04
how this type of thinking
433
1084260
3000
как эти идеи соотносятся
18:07
could integrate at some point
434
1087260
2000
с теорией струн или
18:09
to things like string theory or the kind of things that people think of
435
1089260
2000
прочими теориями, которые принято считать
18:11
as the fundamental explanations of the universe?
436
1091260
3000
фундаментальными объяснениями вселенной?
18:14
Stephen Wolfram: Well, the parts of physics
437
1094260
2000
Стивен Вольфрам: Про определённые области физики
18:16
that we kind of know to be true,
438
1096260
2000
мы можем сказать, что они верны, например,
18:18
things like the standard model of physics:
439
1098260
2000
про стандартную модель физики.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1100260
3000
Если то чем я занят, не сможет воссоздать стандартную модель,
18:23
or it's simply wrong.
441
1103260
2000
так это просто неверно.
18:25
The things that people have tried to do in the last 25 years or so
442
1105260
2000
То, что специалисты пытаются достичь последние 25 лет или около того,
18:27
with string theory and so on
443
1107260
2000
разрабатывая теорию струн и другие теории,
18:29
have been an interesting exploration
444
1109260
2000
является интересным исследованием,
18:31
that has tried to get back to the standard model,
445
1111260
3000
которое пытается вернуться назад к стандартной модели,
18:34
but hasn't quite gotten there.
446
1114260
2000
но так и не может добиться этого.
18:36
My guess is that some great simplifications of what I'm doing
447
1116260
3000
Могу лишь предположить, что какие-то сильные упрощения того, что я делаю,
18:39
may actually have considerable resonance
448
1119260
3000
могут существенно повлиять
18:42
with what's been done in string theory,
449
1122260
2000
на исследования по теории струн,
18:44
but that's a complicated math thing
450
1124260
3000
но это сложная математическая штука,
18:47
that I don't yet know how it's going to work out.
451
1127260
3000
и я ещё не знаю, сработает ли она.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1130260
2000
К.А.: В аудитории присутствует Бенуа Мандельброт.
18:52
He also has shown how complexity
453
1132260
2000
Он тоже доказал, что сложные структуры
18:54
can arise out of a simple start.
454
1134260
2000
могут возникнуть из простого начала.
18:56
Does your work relate to his?
455
1136260
2000
Ваша работа имеет отношение к его?
18:58
SW: I think so.
456
1138260
2000
С.В.: Я думаю да.
19:00
I view Benoit Mandelbrot's work
457
1140260
2000
Я рассматриваю работу Бенуа Мандельброта, как
19:02
as one of the founding contributions
458
1142260
3000
один из основополагающих трудов
19:05
to this kind of area.
459
1145260
3000
в этой области.
19:08
Benoit has been particularly interested
460
1148260
2000
Бенуа был особо заинтересован во
19:10
in nested patterns, in fractals and so on,
461
1150260
2000
вложенных структурах, фракталах и т.п. вещах,
19:12
where the structure is something
462
1152260
2000
где структура в чём-то подобна
19:14
that's kind of tree-like,
463
1154260
2000
древообразной,
19:16
and where there's sort of a big branch that makes little branches
464
1156260
2000
где большая ветвь создаёт малые ветви,
19:18
and even smaller branches and so on.
465
1158260
3000
и ещё более малые и т.д.
19:21
That's one of the ways
466
1161260
2000
Это – один из путей
19:23
that you get towards true complexity.
467
1163260
3000
прийти к сложным структурам.
19:26
I think things like the Rule 30 cellular automaton
468
1166260
3000
Полагаю, что вещи вроде Правила 30 для клеточных автоматов
19:29
get us to a different level.
469
1169260
2000
выводят нас на другой уровень.
19:31
In fact, in a very precise way, they get us to a different level
470
1171260
3000
На другой уровень в очень точном смысле,
19:34
because they seem to be things that are
471
1174260
2000
потому что эти вещи, по всей видимости,
19:37
capable of complexity
472
1177260
3000
способны создавать структуры
19:40
that's sort of as great as complexity can ever get ...
473
1180260
3000
такой степени сложности, какая только достижима …
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1184260
3000
Об этом я могу говорить долго, но не буду.
19:47
CA: Stephen Wolfram, thank you.
475
1187260
2000
К.А.: Стивен Вольфрам. Спасибо!
19:49
(Applause)
476
1189260
2000
(Аплодисменты)
Об этом сайте

Этот сайт познакомит вас с видеороликами YouTube, полезными для изучения английского языка. Вы увидите уроки английского языка, преподаваемые высококлассными учителями со всего мира. Дважды щелкните по английским субтитрам, отображаемым на каждой странице видео, чтобы воспроизвести видео оттуда. Субтитры прокручиваются синхронно с воспроизведением видео. Если у вас есть какие-либо комментарии или пожелания, пожалуйста, свяжитесь с нами, используя эту контактную форму.

https://forms.gle/WvT1wiN1qDtmnspy7