Computing a theory of everything | Stephen Wolfram

603,687 views ・ 2010-04-27

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: uraiwan chai Reviewer: palakon kotchapansompote
00:16
So I want to talk today about an idea. It's a big idea.
0
16260
3000
สิ่งที่ผมอยากกล่าวในวันนี้นั้นเป็นแนวคิด เป็นแนวคิดที่สำคัญ
00:19
Actually, I think it'll eventually
1
19260
2000
ซึ่งผมคิดว่า ในที่สุด
00:21
be seen as probably the single biggest idea
2
21260
2000
แล้วมันจะเป็นแนวคิดเดียวที่ยิ่งใหญ่ที่สุด
00:23
that's emerged in the past century.
3
23260
2000
ซึ่งเกิดขึ้นในศตวรรษที่ผ่านมา
00:25
It's the idea of computation.
4
25260
2000
แนวคิดของการคำนวณ
00:27
Now, of course, that idea has brought us
5
27260
2000
แน่นอนว่าแนวคิดนี้ได้นำเราไปสู่
00:29
all of the computer technology we have today and so on.
6
29260
3000
เทคโนโลยีคอมพิวเตอร์ทั้งหลายที่มีอยู่ในตอนนี้และต่อไป
00:32
But there's actually a lot more to computation than that.
7
32260
3000
แต่แท้จริงแล้วเรื่องของการคำนวณยังมีมากมายกว่านั้น
00:35
It's really a very deep, very powerful, very fundamental idea,
8
35260
3000
มันเป็นแนวคิดที่ลึกซึ้ง ทรงพลัง และเป็นพื้นฐานหลัก
00:38
whose effects we've only just begun to see.
9
38260
3000
ซึ่งพวกเราเพียงแค่ได้เริ่มสัมผัสกับมันเท่านั้น
00:41
Well, I myself have spent the past 30 years of my life
10
41260
3000
ผมก็ใช้เวลา 30 ปีที่ผ่านมา
00:44
working on three large projects
11
44260
2000
ทำโครงการใหญ่ 3 โครงการ
00:46
that really try to take the idea of computation seriously.
12
46260
3000
ซึ่งเน้นให้ความสำคัญกับแนวคิดการคำนวณอย่างจริงจัง
00:50
So I started off at a young age as a physicist
13
50260
3000
ตอนสมัยหนุ่มๆ ผมเริ่มต้นจากการเป็นนักฟิสิกส์
00:53
using computers as tools.
14
53260
2000
ที่ใช้งานคอมพิวเตอร์เป็นเครื่องมือ
00:55
Then, I started drilling down,
15
55260
2000
ต่อจากนั้นผมเริ่มศึกษาลึกลงไป
00:57
thinking about the computations I might want to do,
16
57260
2000
เกี่ยวกับการคำนวณในแบบที่ผมอาจจะต้องการ
00:59
trying to figure out what primitives they could be built up from
17
59260
3000
และค้นหาว่ามันควรจะมีส่วนประกอบพื้นฐานตรงไหนบ้าง
01:02
and how they could be automated as much as possible.
18
62260
3000
และทำอย่างไรจึงจะทำได้อัตโนมัติ
01:05
Eventually, I created a whole structure
19
65260
2000
ในที่สุด ผมก็ได้สร้างโครงสร้างทั้งหมดขึ้นมา
01:07
based on symbolic programming and so on
20
67260
2000
โดยใช้พื้นฐานการโปรแกรมแบบสัญลักษณ์
01:09
that let me build Mathematica.
21
69260
2000
และนั่นจึงนำไปสู่การสร้าง Mathematica
01:11
And for the past 23 years, at an increasing rate,
22
71260
2000
และใช้เวลาอีก 23 ปี
01:13
we've been pouring more and more ideas
23
73260
2000
พวกเราใส่ไอเดียลงไปมากมาย
01:15
and capabilities and so on into Mathematica,
24
75260
2000
พร้อมทั้งความสามารถต่างๆ และสิ่งอื่นๆ ลงไปใน Mathematica
01:17
and I'm happy to say that that's led to many good things
25
77260
3000
ผมดีใจที่จะกล่าวว่านั่นทำให้เกิดประโยชน์ขึ้นมากมาย
01:20
in R & D and education,
26
80260
2000
ทั้งในด้านการวิจัยและพัฒนา และด้านการศึกษา
01:22
lots of other areas.
27
82260
2000
และในด้านอื่นๆอีก
01:24
Well, I have to admit, actually,
28
84260
2000
ผมยอมรับว่าความจริงแล้ว
01:26
that I also had a very selfish reason for building Mathematica:
29
86260
3000
ผมค่อนข้างเห็นแก่ตัวที่สร้าง Mathematica ขึ้นมา
01:29
I wanted to use it myself,
30
89260
2000
เพียงเพราะผมต้องการใช้มันเพียงคนเดียว
01:31
a bit like Galileo got to use his telescope
31
91260
2000
เหมือนกับกาลิเลโอ ที่สร้างและใช้งานกล้องดูดาว
01:33
400 years ago.
32
93260
2000
เมื่อ 400 ปีก่อน
01:35
But I wanted to look not at the astronomical universe,
33
95260
3000
แต่ผมสิ่งที่ผมต้องการเห็น ไม่ใช่จักรวาลดาราศาสตร์
01:38
but at the computational universe.
34
98260
3000
แต่เป็นจักรวาลการคำนวณ
01:41
So we normally think of programs as being
35
101260
2000
เมื่อพวกเรามักคิดว่าโปรแกรม
01:43
complicated things that we build
36
103260
2000
ที่สร้างขึ้นจะต้องซับซ้อน
01:45
for very specific purposes.
37
105260
2000
เพื่อจุดประสงค์เฉพาะ
01:47
But what about the space of all possible programs?
38
107260
3000
แล้วสำหรับโปรแกรมอื่นๆที่สร้างได้อีกหละ ?
01:50
Here's a representation of a really simple program.
39
110260
3000
นี่คือโปรแกรมง่ายๆ
01:53
So, if we run this program,
40
113260
2000
ถ้าพวกเรารันโปรแกรมนี้
01:55
this is what we get.
41
115260
2000
นี่คือการแสดงผล
01:57
Very simple.
42
117260
2000
ง่ายมากครับ
01:59
So let's try changing the rule
43
119260
2000
แล้วลองเปลี่ยนกฎ
02:01
for this program a little bit.
44
121260
2000
ในโปรแกรมนี้นิดหน่อย
02:03
Now we get another result,
45
123260
2000
ผลลัพธ์ที่ได้ก็จะแตกต่างออกไป
02:05
still very simple.
46
125260
2000
แต่นี่ก็ยังง่ายอยู่
02:07
Try changing it again.
47
127260
3000
ลองเปลี่ยนอีกครั้ง
02:10
You get something a little bit more complicated.
48
130260
2000
ตอนนี้เราได้เห็นบางอย่างที่ซับซ้อนขึ้นบ้างแล้ว
02:12
But if we keep running this for a while,
49
132260
2000
แต่ถ้าเรายังคงรันต่อไปเรื่อยๆ
02:14
we find out that although the pattern we get is very intricate,
50
134260
3000
เราก็จะพบว่าแม้ว่าจะได้ผลลัพธ์ที่สลับซับซ้อนมากขึ้น
02:17
it has a very regular structure.
51
137260
3000
มันก็ยังคงมีโครงสร้างที่ธรรมดามากๆ
02:20
So the question is: Can anything else happen?
52
140260
3000
ดังนั้นจึงมีคำถามที่ว่า : แล้วจะมีอย่างอื่นเกิดขึ้นได้อีกไหม?
02:23
Well, we can do a little experiment.
53
143260
2000
ถ้าเช่นนั้น เราจึงทำการทดลองนิดหน่อย
02:25
Let's just do a little mathematical experiment, try and find out.
54
145260
3000
ลองทำการทดลองทางคณิตศาสตร์ชิ้นเล็กๆ แล้วหาคำตอบ
02:29
Let's just run all possible programs
55
149260
3000
เพียงเริ่มรันโปรแกรมทั้งหมดที่เกิดขึ้นได้
02:32
of the particular type that we're looking at.
56
152260
2000
ของสิ่งที่เราสนใจศึกษา
02:34
They're called cellular automata.
57
154260
2000
เรียกว่า Cellular automata
02:36
You can see a lot of diversity in the behavior here.
58
156260
2000
คุณจะเห็นลักษณะที่หลากหลายเกิดขึ้น
02:38
Most of them do very simple things,
59
158260
2000
ส่วนใหญ่แล้วทำออกมาได้ง่ายมาก
02:40
but if you look along all these different pictures,
60
160260
2000
แต่ถ้าคุณสังเกตรูปภาพที่แตกต่างกันนี้
02:42
at rule number 30,
61
162260
2000
ตรงกฎที่ 30
02:44
you start to see something interesting going on.
62
164260
2000
คุณจะเริ่มเห็นสิ่งที่น่าสนใจ
02:46
So let's take a closer look
63
166260
2000
ลองมองใกล้เข้าไปอีก
02:48
at rule number 30 here.
64
168260
2000
ที่กฎ 30
02:50
So here it is.
65
170260
2000
อย่างที่เห็นนี้
02:52
We're just following this very simple rule at the bottom here,
66
172260
3000
เราเพียงแค่เริ่มจากกฎง่ายๆที่อยู่ด้านล่างนี้
02:55
but we're getting all this amazing stuff.
67
175260
2000
แต่เรากลับได้พบกับสิ่งที่น่ามหัศจรรย์
02:57
It's not at all what we're used to,
68
177260
2000
นี่ไม่ใช่สิ่งที่พวกเราคุ้นเคย
02:59
and I must say that, when I first saw this,
69
179260
2000
และผมเองก็ต้องยอมรับ ว่าเมื่อผมได้เห็นสิ่งนี้
03:01
it came as a huge shock to my intuition.
70
181260
3000
มันทำให้ผมรู้สึกประหลาดใจอย่างมาก
03:04
And, in fact, to understand it,
71
184260
2000
และในความจริงแล้ว การที่จะเข้าใจมัน
03:06
I eventually had to create
72
186260
2000
ทำให้ผมจำเป็นต้องสร้าง
03:08
a whole new kind of science.
73
188260
2000
วิทยาศาสตร์รูปแบบใหม่ทั้งหมด
03:11
(Laughter)
74
191260
2000
(เสียงหัวเราะ)
03:13
This science is different, more general,
75
193260
3000
วิทยาศาสตร์นี้แตกต่างออกไป มีลักษณะทั่วไปกว่า
03:16
than the mathematics-based science that we've had
76
196260
2000
วิทยาศาสตร์ที่ใช้คณิตศาสตร์เป็นพื้นฐาน ในแบบที่เรามีอยู่
03:18
for the past 300 or so years.
77
198260
3000
เป็นเวลากว่า 300 ปี
03:21
You know, it's always seemed like a big mystery:
78
201260
2000
คุณทราบไหมว่า มันเหมือนเป็นปริศนาลึกลับอยู่ตลอดเวลา
03:23
how nature, seemingly so effortlessly,
79
203260
3000
เหตุใดธรรมชาติ ซึ่งดูเหมือนจะไม่ได้พยายามทำอะไรเลย
03:26
manages to produce so much
80
206260
2000
กลับสร้างสรรค์สิ่งต่างๆมากมาย
03:28
that seems to us so complex.
81
208260
3000
แต่สำหรับพวกเราแล้วมันเป็นสิ่งที่ซับซ้อน
03:31
Well, I think we've found its secret:
82
211260
3000
ผมคิดว่าเราได้ค้นพบความลับนั้นแล้ว
03:34
It's just sampling what's out there in the computational universe
83
214260
3000
มันเป็นการเลือกสุ่มสิ่งต่างๆที่มีอยู่รอบจักรวาลของการคำนวณ
03:37
and quite often getting things like Rule 30
84
217260
3000
และบ่อยครั้งที่ได้ผลลัพธ์เหมือนกับกฎที่ 30
03:40
or like this.
85
220260
3000
หรือคล้ายกันนี้
03:44
And knowing that starts to explain
86
224260
2000
และการที่ได้ค้นพบสิ่งนี้ ทำให้อธิบาย
03:46
a lot of long-standing mysteries in science.
87
226260
3000
สิ่งต่างๆมากมายที่เคยเป็นปริศนาอันยาวนานในวิทยาศาสตร์
03:49
It also brings up new issues, though,
88
229260
2000
อีกทั้งยังนำไปสู่ประเด็นใหม่ๆ
03:51
like computational irreducibility.
89
231260
3000
เช่นการคำนวณที่ไม่สามารถลดรูปได้
03:54
I mean, we're used to having science let us predict things,
90
234260
3000
ผมหมายถึง เรามักใช้วิทยาศาสตร์ในการคาดการณ์สิ่งต่างๆ
03:57
but something like this
91
237260
2000
แต่สิ่งนี้
03:59
is fundamentally irreducible.
92
239260
2000
เป็นเพียงความไม่สามารถลดรูปได้เบื้องต้น
04:01
The only way to find its outcome
93
241260
2000
หนทางเดียวที่จะนำไปสู่คำตอบ
04:03
is, effectively, just to watch it evolve.
94
243260
3000
คือเฝ้ามองการพัฒนา
04:06
It's connected to, what I call,
95
246260
2000
มันเชื่อมโยงกับ สิ่งที่ผมเรียกว่า
04:08
the principle of computational equivalence,
96
248260
2000
หลักสมดุลการคำนวณ
04:10
which tells us that even incredibly simple systems
97
250260
3000
ซึ่งทำให้เรารู้ว่า แม้กระทั่งระบบที่ง่ายๆ
04:13
can do computations as sophisticated as anything.
98
253260
3000
ก็สามารถทำการคำนวณได้เช่นเดียวกับแบบที่ยาก
04:16
It doesn't take lots of technology or biological evolution
99
256260
3000
มันไม่จำเป็นต้องใช้เทคโนโลยีหรือวิวัฒนาการทางชีวภาพ
04:19
to be able to do arbitrary computation;
100
259260
2000
ในการที่จะทำการคำนวณได้เอง
04:21
just something that happens, naturally,
101
261260
2000
เป็นสิ่งที่เกิดขึ้นเองตามธรรมชาติ
04:23
all over the place.
102
263260
2000
ในทุกหนทุกแห่ง
04:25
Things with rules as simple as these can do it.
103
265260
3000
กฎง่ายๆเช่นนี้สามารถตอบได้
04:29
Well, this has deep implications
104
269260
2000
มันมีนัยยะที่ลึกลงไปอีก
04:31
about the limits of science,
105
271260
2000
ซึ่งเกี่ยวกับข้อจำกัดทางวิทยาศาสตร์
04:33
about predictability and controllability
106
273260
2000
เกี่ยวกับความสามารถในการคาดการณ์ และการควบคุม
04:35
of things like biological processes or economies,
107
275260
3000
สิ่งต่างๆเช่น กระบวนการของชีวภาพหรือเศรษฐกิจ
04:38
about intelligence in the universe,
108
278260
2000
เกี่ยวกับปัญญาในจักรวาล
04:40
about questions like free will
109
280260
2000
เกี่ยวกับเจตจำนงเสรี
04:42
and about creating technology.
110
282260
3000
และที่เกี่ยวกับการสร้างสรรเทคโนโลยี
04:45
You know, in working on this science for many years,
111
285260
2000
คุณทราบไหมว่า การทำงานในวิทยาศาสตร์มาตลอดหลายปี
04:47
I kept wondering,
112
287260
2000
ผมมักสงสัยอยู่เสมอ
04:49
"What will be its first killer app?"
113
289260
2000
ว่าอะไรจะเป็นแอพพลิเคชันทยอดเยี่ยมที่สุด
04:51
Well, ever since I was a kid,
114
291260
2000
ก็... ตั้งแต่ผมยังเป็นเด็ก
04:53
I'd been thinking about systematizing knowledge
115
293260
2000
ผมมักคิดอยู่เสมอเกี่ยวกับการจัดการความรู้อย่างเป็นระบบ
04:55
and somehow making it computable.
116
295260
2000
และบางครั้งก็ทำให้มันสามารถนำมาคำนวณได้ด้วย
04:57
People like Leibniz had wondered about that too
117
297260
2000
Leibniz ก็ได้คิดเช่นเดียวกัน
04:59
300 years earlier.
118
299260
2000
เมื่อ 300 ปีก่อน
05:01
But I'd always assumed that to make progress,
119
301260
2000
แต่ผมก็มักคิดเสมอว่าถ้าต้องการให้มันก้าวหน้า
05:03
I'd essentially have to replicate a whole brain.
120
303260
3000
ผมจำเป็นที่จะต้องลอกแบบสมองออกมาทั้งหมด
05:06
Well, then I got to thinking:
121
306260
2000
ตอนนี้ผมก็คิดว่า
05:08
This scientific paradigm of mine suggests something different --
122
308260
3000
รูปแบบทางวิทยาศาสตร์ที่ผมเสนอ มีบางสิ่งบางอย่างที่แตกต่าง
05:11
and, by the way, I've now got
123
311260
2000
และผมก็พบกับ
05:13
huge computation capabilities in Mathematica,
124
313260
3000
ความสามารถในการคำนวณอันยิ่งใหญ่ใน Mathematica
05:16
and I'm a CEO with some worldly resources
125
316260
3000
และผมก็เป็นเจ้าของร่วมกับทรัพยากรทั้งโลก
05:19
to do large, seemingly crazy, projects --
126
319260
3000
เพื่อทำโครงการใหญ่ที่เพี้ยนนี้
05:22
So I decided to just try to see
127
322260
2000
ดังนั้นผมจึงได้ตัดสินใจที่จะลองเพื่อให้เห็นว่า
05:24
how much of the systematic knowledge that's out there in the world
128
324260
3000
มีความรู้ที่เป็นระบบใดบ้างในโลกใบนี้
05:27
we could make computable.
129
327260
2000
ที่พวกเราสามารถนำมาคำนวณได้
05:29
So, it's been a big, very complex project,
130
329260
2000
ดังนั้นมันจึงเป็นโครงการที่ใหญ่และซับซ้อนอย่างยิ่ง
05:31
which I was not sure was going to work at all.
131
331260
3000
ซึ่งผมก็ยังไม่มั่นใจว่ามันจะเป็นไปได้
05:34
But I'm happy to say it's actually going really well.
132
334260
3000
แต่ผมก็พอใจที่จะกล่าวว่ามันกำลังไปได้สวย
05:37
And last year we were able
133
337260
2000
และเมื่อปีที่แล้วพวกเราสามารถ
05:39
to release the first website version
134
339260
2000
เผยแพร่เวปไซต์เวอร์ชันแรก
05:41
of Wolfram Alpha.
135
341260
2000
ของ Wolfram Alpha
05:43
Its purpose is to be a serious knowledge engine
136
343260
3000
โดยมีวัตถุประสงค์เพื่อให้เป็นเครื่องมือค้นหาความรู้ที่ใช้งานได้จริง
05:46
that computes answers to questions.
137
346260
3000
ที่สามารถตอบทุกคำถามโดยใช้การคำนวณ
05:49
So let's give it a try.
138
349260
2000
งั้น มาลองดูกันเถอะครับ
05:51
Let's start off with something really easy.
139
351260
2000
มาเริ่มต้นที่บางสิ่งที่ง่ายมากๆ
05:53
Hope for the best.
140
353260
2000
หวังว่าจะออกมาดีนะครับ
05:55
Very good. Okay.
141
355260
2000
ดีมาก
05:57
So far so good.
142
357260
2000
ยังทำงานได้ดีอยู่
05:59
(Laughter)
143
359260
3000
(เสียงหัวเราะ)
06:02
Let's try something a little bit harder.
144
362260
3000
นั้นเราลองทำสิ่งที่ยากขึ้นนิดหน่อย
06:05
Let's do
145
365260
2000
เช่นว่า ...
06:07
some mathy thing,
146
367260
3000
ลองมาทำเกี่ยวกับตัวเลขดูบ้าง
06:10
and with luck it'll work out the answer
147
370260
3000
และถ้าโชคดี มันจะคำนวณออกมาให้เรา
06:13
and try and tell us some interesting things
148
373260
2000
และให้ผลลัพธ์ที่น่าสนใจ
06:15
things about related math.
149
375260
2000
สิ่งที่เกี่ยวข้องกับคณิตศาสตร์
06:17
We could ask it something about the real world.
150
377260
3000
เราสามารถถามมันได้ในบางเรื่องบนโลกใบนี้
06:20
Let's say -- I don't know --
151
380260
2000
บางอย่างเช่น ... ไม่รู้สิ ...
06:22
what's the GDP of Spain?
152
382260
3000
GDP ของสเปน เป็นเท่าไร ?
06:25
And it should be able to tell us that.
153
385260
2000
และมันก็ควรสามารถบอกเราได้
06:27
Now we could compute something related to this,
154
387260
2000
ต่อไปเราก็จะนำข้อมูลนี้มาคำนวณ
06:29
let's say ... the GDP of Spain
155
389260
2000
เช่นว่า GDP ของสเปน
06:31
divided by, I don't know,
156
391260
2000
หารด้วย ผมก็นึกไม่ออก
06:33
the -- hmmm ...
157
393260
2000
อืม..
06:35
let's say the revenue of Microsoft.
158
395260
2000
เอาเช่นว่า ผลประกอบการของไมโครซอฟต์
06:37
(Laughter)
159
397260
2000
(เสียงหัวเราะ)
06:39
The idea is that we can just type this in,
160
399260
2000
วิธีใช้งานก็คือเราเพียงแค่พิมพ์ลงไป
06:41
this kind of question in, however we think of it.
161
401260
3000
คำถามแบบนี้ในแบบที่เราคิดขึ้นเอง
06:44
So let's try asking a question,
162
404260
2000
เราลองมาตั้งคำถาม
06:46
like a health related question.
163
406260
2000
อย่างเช่นคำถามเกี่ยวกับสุขภาพ
06:48
So let's say we have a lab finding that ...
164
408260
3000
เช่นว่า เรามีผลการทดลองจากห้องแลป
06:51
you know, we have an LDL level of 140
165
411260
2000
คุณรู้ว่า หากมีระดับไขมันแบบ LDL อยู่ที่ 140
06:53
for a male aged 50.
166
413260
3000
สำหรับผู้ชายอายุสัก 50
06:56
So let's type that in, and now Wolfram Alpha
167
416260
2000
ลองพิมพ์มันลงไป และตอนนี้โปรแกรม Wolfram Alpha
06:58
will go and use available public health data
168
418260
2000
ก็จะใช้ข้อมูลทางสุขภาพที่เป็นสาธารณะต่างๆ
07:00
and try and figure out
169
420260
2000
แล้วนำมาวิเคราะห์
07:02
what part of the population that corresponds to and so on.
170
422260
3000
ในส่วนของฐานข้อมูลใหญ่ที่สัมพันธ์กับข้อมูลนี้
07:05
Or let's try asking about, I don't know,
171
425260
3000
หรือ หากเราลองตั้งคำถามเกี่ยวกับ อะไรดีหละ
07:08
the International Space Station.
172
428260
2000
สถานีอวกาศนานาชาติ
07:10
And what's happening here is that
173
430260
2000
และนี่คือสิ่งที่แสดงผลออกมาก
07:12
Wolfram Alpha is not just looking up something;
174
432260
2000
Wolfram Alpha ไม่เพียงแต่ค้นหาเท่านั้น
07:14
it's computing, in real time,
175
434260
3000
มันยังสามารถคำนวณ ณ เวลานั้น
07:17
where the International Space Station is right now at this moment,
176
437260
3000
ที่ตั้งของสถานีอวกาศนานาชาติในตอนนี้
07:20
how fast it's going, and so on.
177
440260
3000
มันทำงานได้รวดเร็วมากและทำไปเรื่อยๆ
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
444260
3000
ดังนั้น Wolfram Alpha จึงรู้เกี่ยวกับสิ่งต่างๆมากมายมหาศาล
07:27
It's got, by now,
179
447260
2000
ขณะนี้มันมีข้อมูล
07:29
pretty good coverage of everything you might find
180
449260
2000
ค่อนข้างครอบคลุมในทุกๆเรื่องที่คุณเสาะหา
07:31
in a standard reference library.
181
451260
3000
เปรียบได้กับห้องสมุดมาตรฐานที่นำมาอ้างอิงได้ ทำนองนั้น
07:34
But the goal is to go much further
182
454260
2000
แต่เป้าหมายที่ผมตั้งใจไว้มันไกลกว่านั้น
07:36
and, very broadly, to democratize
183
456260
3000
และค่อนข้างกว้าง และมีความเท่าเทียมกัน
07:39
all of this knowledge,
184
459260
3000
ของความรู้ในทุกด้าน
07:42
and to try and be an authoritative
185
462260
2000
และยังพยายาม ที่จะใช้มันเป็นแหล่งข้อมูล
07:44
source in all areas.
186
464260
2000
ที่เชื่อถือได้ในทุกศาสตร์
07:46
To be able to compute answers to specific questions that people have,
187
466260
3000
ให้มันสามารถคำนวณหาคำตอบ เพื่อตอบคำถามที่มนุษย์ตั้งขึ้น
07:49
not by searching what other people
188
469260
2000
ไม่ใช่เป็นการค้นหาสิ่งที่เคยมีคน
07:51
may have written down before,
189
471260
2000
ได้เคยบันทึกไว้แล้วก่อนหน้า
07:53
but by using built in knowledge
190
473260
2000
แต่เป็นการสร้างฐานข้อมูลความรู้
07:55
to compute fresh new answers to specific questions.
191
475260
3000
เพื่อคำนวณหาคำตอบใหม่ๆให้กับคำถามที่เฉพาะเจาะจงลงไปอีก
07:58
Now, of course, Wolfram Alpha
192
478260
2000
ขณะนี้ Wolfram Alpha
08:00
is a monumentally huge, long-term project
193
480260
2000
เป็นโครงการที่ยิ่งใหญ่ ระยะยาว
08:02
with lots and lots of challenges.
194
482260
2000
ที่ต้องใช้ความพยายามอย่างมาก
08:04
For a start, one has to curate a zillion
195
484260
3000
เมื่อเริ่มต้น ทุกคนต้องเก็บรวบรวมข้อมูล
08:07
different sources of facts and data,
196
487260
3000
จำนวนมหาศาลจากแหล่งต่างๆ
08:10
and we built quite a pipeline of Mathematica automation
197
490260
3000
และเราได้สร้างระบบที่มีทั้ง ส่วนที่อัตโนมัตของ Mathematica
08:13
and human domain experts for doing this.
198
493260
3000
และผู้เชี่ยวชาญด้านต่างๆ เพื่อสร้างมันขึ้นมา
08:16
But that's just the beginning.
199
496260
2000
แต่นั่นก็เป็นเพียงแค่จุดเริ่มต้น
08:18
Given raw facts or data
200
498260
2000
เมื่อได้ข้อมูลดิบมา
08:20
to actually answer questions,
201
500260
2000
เพื่อให้สามารถตอบคำถามได้จริง
08:22
one has to compute:
202
502260
2000
จะต้องมีคนคำนวณ
08:24
one has to implement all those methods and models
203
504260
2000
และนำเอาวิธีการและรูปแบบทั้งหมดมาใช้
08:26
and algorithms and so on
204
506260
2000
รวมถึงทำการแก้ปัญหา
08:28
that science and other areas have built up over the centuries.
205
508260
3000
อันได้จากวิทยาศาสตร์และศาสตร์ในสาขาอื่นที่พัฒนาขึ้น ตลอดศตวรรษที่ผ่านมา
08:31
Well, even starting from Mathematica,
206
511260
3000
แม้จะเริ่มจาก Mathematica
08:34
this is still a huge amount of work.
207
514260
2000
แต่ก็ยังเป็นงานที่ต้องทำต่อไปอีกมาก
08:36
So far, there are about 8 million lines
208
516260
2000
ตอนนี้มีในโปรแกรม Wolfram Alpha
08:38
of Mathematica code in Wolfram Alpha
209
518260
2000
ประกอบไปด้วยโค้ตประมาณ 8 ล้านบรรทัด
08:40
built by experts from many, many different fields.
210
520260
3000
ที่เขียนขึ้นจากผู้เชี่ยวชาญในหลายๆสาขา
08:43
Well, a crucial idea of Wolfram Alpha
211
523260
3000
แนวคิดหลักของ Wolfram Alpha
08:46
is that you can just ask it questions
212
526260
2000
คือการที่คุณสามารถตั้งคำถาม
08:48
using ordinary human language,
213
528260
3000
โดยใช้ภาษาที่เราใช้กันอยู่ทั่วๆไป
08:51
which means that we've got to be able to take
214
531260
2000
ซึ่งหมายความว่าถ้าพวกเราสามารถที่จะ
08:53
all those strange utterances that people type into the input field
215
533260
3000
เอาทุกสิ่งทุกอย่างพิมพ์ลงไป
08:56
and understand them.
216
536260
2000
และเข้าใจสิ่งนั้นได้
08:58
And I must say that I thought that step
217
538260
2000
และผมก็อยากบอกว่านึ่คือขั้นที่ผม
09:00
might just be plain impossible.
218
540260
3000
คิดว่าอาจเป็นไปไม่ได้
09:04
Two big things happened:
219
544260
2000
มีสิ่งสองสิ่งที่เกิดขึ้น
09:06
First, a bunch of new ideas about linguistics
220
546260
3000
สิ่งแรกก็คือ ความคิดก้อนหนึ่งเกี่ยวกับภาษาศาสตร์
09:09
that came from studying the computational universe;
221
549260
3000
ที่เกิดขึ้นจากการศึกษาจักรวาลการคำนวณ
09:12
and second, the realization that having actual computable knowledge
222
552260
3000
และอย่างที่สอง คือการตระหนักว่าความรู้ที่สามารถคำนวณได้นั้น
09:15
completely changes how one can
223
555260
2000
จะเปลี่ยนแปลง
09:17
set about understanding language.
224
557260
3000
การใช้ภาษาที่เราเข้าใจกัน
09:20
And, of course, now
225
560260
2000
และอย่างแน่นอน ในตอนนี้
09:22
with Wolfram Alpha actually out in the wild,
226
562260
2000
Wolfram Alpha แสดงผลค่อนข้างแปลก
09:24
we can learn from its actual usage.
227
564260
2000
พวกเราสามารถเรียนรู้จากการใช้งานจริง
09:26
And, in fact, there's been
228
566260
2000
และความจริงแล้ว
09:28
an interesting coevolution that's been going on
229
568260
2000
มันเป็นการเปลี่ยนแปลงร่วมกันที่น่าสนใจ
09:30
between Wolfram Alpha
230
570260
2000
ระหว่าง Wolfram Alpha
09:32
and its human users,
231
572260
2000
กับมนุษย์ผู้ใช้งานมัน
09:34
and it's really encouraging.
232
574260
2000
และเป็นสิ่งที่น่าผลักดัน
09:36
Right now, if we look at web queries,
233
576260
2000
ตอนนี้ ถ้าเราดูแบบสอบถามบนเวป
09:38
more than 80 percent of them get handled successfully the first time.
234
578260
3000
มากกว่า 80 เปอร์เซ็นต์เห็นว่าโปรแกรมสามารถตอบคำถามในครั้งแรก ได้อย่างสมบูรณ์
09:41
And if you look at things like the iPhone app,
235
581260
2000
และถ้าคุณเทียบกับ แอพลิเคชันบนไอโฟน
09:43
the fraction is considerably larger.
236
583260
2000
ความแตกต่างนั้นต่างกันมาก
09:45
So, I'm pretty pleased with it all.
237
585260
2000
ซึ่งผมค่อนข้างพอใจกับผลที่ออกมา
09:47
But, in many ways,
238
587260
2000
แต่ในหลายๆด้าน
09:49
we're still at the very beginning with Wolfram Alpha.
239
589260
3000
เรายังคงอยู่ในช่วงเริ่มต้นของ Wolfram Alpha
09:52
I mean, everything is scaling up very nicely
240
592260
2000
ผมหมายถึงว่า ทุกอย่างเริ่มก้าวหน้าขึ้นได้ดีทีเดียว
09:54
and we're getting more confident.
241
594260
2000
พวกเราเริ่มมีความเชื่อมั่น
09:56
You can expect to see Wolfram Alpha technology
242
596260
2000
คุณสามารถคาดได้ว่าจะได้เห็นเทคโนโลยี Wolfram Alpha
09:58
showing up in more and more places,
243
598260
2000
ปรากฎอยู่ในหลายแห่งเพิ่มมากขึ้น
10:00
working both with this kind of public data, like on the website,
244
600260
3000
ทั้งการทำงานเกี่ยวกับข้อมูลที่ทุกคนเข้าถึงได้เช่นเวปไซต์
10:03
and with private knowledge
245
603260
2000
และความรู้ส่วนบุคคล
10:05
for people and companies and so on.
246
605260
3000
สำหรับคนหรือองค์กร หรืออื่นๆ
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
608260
3000
คุณรู้ไหมว่า ผมตระหนักว่า Wolfram Alpha แท้จริงแล้วได้ทำให้
10:11
a whole new kind of computing
248
611260
2000
เกิดการคำนวณรูปแบบใหม่ทั้งหมด
10:13
that one can call knowledge-based computing,
249
613260
2000
ที่เรียกว่า การคำนวณบนฐานของความรู้
10:15
in which one's starting not just from raw computation,
250
615260
3000
ซึ่งจุดเริ่มต้น ไม่ได้มาจากเพียงการคำนวณดิบๆิ
10:18
but from a vast amount of built-in knowledge.
251
618260
3000
แต่มาจากฐานความรู้ขนาดมหาศาล
10:21
And when one does that, one really changes
252
621260
2000
และเมื่อคนถาม ก็ทำให้เกิดการเปลี่ยนแปลง
10:23
the economics of delivering computational things,
253
623260
3000
ทางเศรษฐศาสตร์ของการส่งผ่านการคำนวณ
10:26
whether it's on the web or elsewhere.
254
626260
2000
ไม่ว่าจะเป็นบนเวปหรือที่อื่นๆ
10:28
You know, we have a fairly interesting situation right now.
255
628260
3000
คุณทราบไหมว่า พวกเราอยู่ในห้วงเวลาที่น่าติดตาม
10:31
On the one hand, we have Mathematica,
256
631260
2000
ในอีกด้านก็คือ เรามี Mathematica
10:33
with its sort of precise, formal language
257
633260
3000
ซึ่งเป็นภาษาที่มีโครงสร้างชัดเจน
10:36
and a huge network
258
636260
2000
และเครือข่ายขนาดใหญ่
10:38
of carefully designed capabilities
259
638260
2000
ของความสามารถที่ถูกออกแบบอย่างพิถีพิถัน
10:40
able to get a lot done in just a few lines.
260
640260
3000
สามารถทำให้ได้คำตอบมาโดยใช้เพียงแค่ไม่กี่บรรทัด
10:43
Let me show you a couple of examples here.
261
643260
3000
ผมอยากแสดงให้คุณดูสัก 2-3 ตัวอย่าง
10:47
So here's a trivial piece of Mathematica programming.
262
647260
3000
นี่คือการแสดงคำถามของโปรแกรม Mathematica
10:51
Here's something where we're sort of
263
651260
2000
นี่คือสิ่งที่พวกเราได้
10:53
integrating a bunch of different capabilities here.
264
653260
3000
แยกย่อยความสามารถที่แตกต่างกันนี้
10:56
Here we'll just create, in this line,
265
656260
3000
นี่คือสิ่งที่พวกเราเพิ่งสร้างขึ้นจากบรรทัดนี้
10:59
a little user interface that allows us to
266
659260
3000
โดยใช้การติดต่อกับผู้ใช้งาน ทำให้เราได้
11:02
do something fun there.
267
662260
2000
บางอย่างที่น่าสนุกขึ้น
11:05
If you go on, that's a slightly more complicated program
268
665260
2000
ถ้าคุณทำต่อไป ก็จะเกิดโปรแกรมที่ซับซ้อนมากขึ้น
11:07
that's now doing all sorts of algorithmic things
269
667260
3000
ซึ่งตอนนี้กำลังทำการประมวลผลอยู่
11:10
and creating user interface and so on.
270
670260
2000
และสร้างการติดต่อกับผู้ใช้ และอื่นๆ
11:12
But it's something that is very precise stuff.
271
672260
3000
แต่บางอย่างที่ต้องการความแม่นยำสูง
11:15
It's a precise specification with a precise formal language
272
675260
3000
จำเป็นต้องเฉพาะเจาะจงด้วยภาษาที่เป็นทางการ
11:18
that causes Mathematica to know what to do here.
273
678260
3000
นั่นจะทำให้ Mathematica รู้ว่าต้องทำอะไรต่อไป
11:21
Then on the other hand, we have Wolfram Alpha,
274
681260
3000
ในอีกด้านหนึ่งเรามี Wolfram Alpha
11:24
with all the messiness of the world
275
684260
2000
พร้อมทั้งการจัดระเบียบในโลกที่วุ่นวาย
11:26
and human language and so on built into it.
276
686260
2000
และภาษาของมนุษย์และอื่นๆที่สร้างมันขึ้นมา
11:28
So what happens when you put these things together?
277
688260
3000
และจะเกิดอะไรขึ้นเมื่อเอามารวมกัน
11:31
I think it's actually rather wonderful.
278
691260
2000
ผมคิดว่ามันค่อนข้างยอดเยี่ยม
11:33
With Wolfram Alpha inside Mathematica,
279
693260
2000
ด้วยการที่มี Wolfram Alpha อยู่ภายใน Mathematica
11:35
you can, for example, make precise programs
280
695260
2000
ยกตัวอย่างเช่น คุณสามารถที่จะทำโปรแกรมที่มีความแม่นยำ
11:37
that call on real world data.
281
697260
2000
ที่เรียกว่าข้อมูลจริง
11:39
Here's a real simple example.
282
699260
2000
นี่คือตัวอย่างง่ายๆที่เกิดขึ้น
11:44
You can also just sort of give vague input
283
704260
3000
คุณสามารถเพียงใส่ข้อมูลคร่าวๆ
11:47
and then try and have Wolfram Alpha
284
707260
2000
แล้วใช้ Wolfram Alpha
11:49
figure out what you're talking about.
285
709260
2000
ตอบคำตอบที่คุณคิดอยู่
11:51
Let's try this here.
286
711260
2000
และลองอันนี้
11:53
But actually I think the most exciting thing about this
287
713260
3000
แต่ผมคิดว่าสิ่งที่น่าตื่นเต้นที่สุดคือ
11:56
is that it really gives one the chance
288
716260
2000
มันเปิดโอกาสให้
11:58
to democratize programming.
289
718260
3000
ใช้งานโปรแกรมได้อย่างเท่าเทียมกัน
12:01
I mean, anyone will be able to say what they want in plain language.
290
721260
3000
ผมหมายถึงว่าไม่ว่าใครสามารถที่จะค้นหาสิ่งที่ต้องการโดยใช้ภาษาที่เรียบง่าย
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
724260
3000
ตามแนวคิดที่ว่า Wolfram Alpha สามารถเข้าใจคำถามที่ถาม
12:07
what precise pieces of code
292
727260
2000
โดยใช้โค้ตที่แม่นยำ
12:09
can do what they're asking for
293
729260
2000
สามารถตอบคำถามได้
12:11
and then show them examples that will let them pick what they need
294
731260
3000
และแสดงผลทั้งหมดออกมาให้เลือก
12:14
to build up bigger and bigger, precise programs.
295
734260
3000
เพื่อการสร้างโปรแกรมที่มีความแม่นยำมากยิ่งขึ้น
12:17
So, sometimes, Wolfram Alpha
296
737260
2000
ในบางครั้ง Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
739260
2000
จะทำการทั้งหมดในทันที
12:21
and just give back a whole big program that you can then compute with.
298
741260
3000
แล้วกลับมาที่โปรแกรมที่คำนวณได้
12:24
Here's a big website
299
744260
2000
นี่คือเวปไซต์ขนาดใหญ่
12:26
where we've been collecting lots of educational
300
746260
3000
ซึ่งพวกเราได้ทำการรวบรวมความรู้
12:29
and other demonstrations about lots of kinds of things.
301
749260
3000
และการสาธิตที่เกี่ยวกับสิ่งต่างๆ
12:32
I'll show you one example here.
302
752260
3000
ดังนั้น ผมจะแสดงให้อีกตัวอย่าง
12:36
This is just an example of one of these computable documents.
303
756260
3000
นี่คือตัวอย่างการแสดงการคำนวณ
12:39
This is probably a fairly small
304
759260
2000
มันค่อนข้างสั้น
12:41
piece of Mathematica code
305
761260
2000
เป็นส่วนหนี่งของโค้ตใน Mathematica
12:43
that's able to be run here.
306
763260
2000
ที่รันบนนี้ได้
12:47
Okay. Let's zoom out again.
307
767260
3000
ถ้าพูดถึงภาพกว้างอีกครั้ง
12:50
So, given our new kind of science,
308
770260
2000
นี่เป็นวิทยาศาสตร์แบบใหม่
12:52
is there a general way to use it to make technology?
309
772260
3000
มีวิธีอื่นอีกไหมที่ใช้มันเพื่อสร้างเทคโนโลยี
12:55
So, with physical materials,
310
775260
2000
ร่วมกับอุปกรณ์อื่นๆ
12:57
we're used to going around the world
311
777260
2000
พวกเราเคยชินกับการไปรอบโลก
12:59
and discovering that particular materials
312
779260
2000
เพื่อค้นหาทรัพยากร
13:01
are useful for particular
313
781260
2000
เพื่อใช้ในงานเฉพาะทาง
13:03
technological purposes.
314
783260
2000
ด้านเทคโนโลยี และอื่นๆ
13:05
Well, it turns out we can do very much the same kind of thing
315
785260
2000
ทำให้พวกเราสามารถทำสิ่งต่างๆที่คล้ายกันได้
13:07
in the computational universe.
316
787260
2000
ในจักรวาลของการคำนวณ
13:09
There's an inexhaustible supply of programs out there.
317
789260
3000
ยังมีโปรแกรมอีกเยอะมากไม่สิ้นสุด
13:12
The challenge is to see how to
318
792260
2000
ความท้าทายนี้ทำให้เห็นว่า
13:14
harness them for human purposes.
319
794260
2000
จะให้มันทำงานตามความต้องการของมนุษย์ได้อย่างไร
13:16
Something like Rule 30, for example,
320
796260
2000
บางสิ่งเช่นกฎที่ 30 เป็นตัวอย่าง
13:18
turns out to be a really good randomness generator.
321
798260
2000
กลายเป็นว่ามันสุ่มเลขได้ค่อนข้างดี
13:20
Other simple programs are good models
322
800260
2000
มีโปรแกรมอื่นๆอีกก็เป็นแบบจำลองที่ดี
13:22
for processes in the natural or social world.
323
802260
3000
สำหรับกระบวนการในธรรมชาติและสังคม
13:25
And, for example, Wolfram Alpha and Mathematica
324
805260
2000
ดังตัวอย่างของ Wolfram Alpha และ Mathematica
13:27
are actually now full of algorithms
325
807260
2000
นั้นเต็มไปด้วยอัลกอริทึมที่ใช้ในการแก้ปัญหา
13:29
that we discovered by searching the computational universe.
326
809260
3000
ที่เราค้นพบโดยการใช้จักรวาลของการคำนวณ
13:33
And, for example, this -- if we go back here --
327
813260
3000
และตัวอย่างนี้ เรากลับมาดูที่นี่
13:37
this has become surprisingly popular
328
817260
2000
นี่เป็นสิ่งที่ได้รับการตอบรับอย่างน่าทึ่ง
13:39
among composers
329
819260
2000
เปรียบได้กับนักแต่งเพลง
13:41
finding musical forms by searching the computational universe.
330
821260
3000
ที่หารูปแบบดนตรีโดยใช้จักรวาลของการคำนวณ
13:45
In a sense, we can use the computational universe
331
825260
2000
หมายความว่า เราสามารถใช้จักรวาลการคำนวณ
13:47
to get mass customized creativity.
332
827260
3000
เพื่อทำงานที่สร้างสรรค์ได้จำนวนมาก
13:50
I'm hoping we can, for example,
333
830260
2000
ผมหวังว่าเราสามารถทำได้
13:52
use that even to get Wolfram Alpha
334
832260
2000
โดยใช้ Wolfram Alpha
13:54
to routinely do invention and discovery on the fly,
335
834260
3000
ให้มันทำงานการประดิษฐ์และค้นคว้างานที่ซ้ำๆ
13:57
and to find all sorts of wonderful stuff
336
837260
2000
และเพื่อให้เกิดงานที่ยอดเยี่ยม
13:59
that no engineer
337
839260
2000
โดยี่ไม่ต้องใช้วิศวกรเลย
14:01
and no process of incremental evolution would ever come up with.
338
841260
3000
หรือกระบวนการวิวัฒนาการใดๆเลย
14:05
Well, so, that leads to kind of an ultimate question:
339
845260
3000
เพื่อนำไปสู่การค้นหาคำตอบที่ดีที่สุด
14:08
Could it be that someplace out there in the computational universe
340
848260
3000
เป็นไปได้หรือไม่ที่ยังมีสิ่งอื่นที่อยู่นอกเหนือจักรวาลการคำนวณ
14:11
we might find our physical universe?
341
851260
3000
ที่ซึ่งเราอาจพบเจอบนจักรวาลนี้
14:14
Perhaps there's even some quite simple rule,
342
854260
2000
บางทีสิ่งนี้อาจเป็นเพียงแค่กฎที่ไม่ยุ่งยาก
14:16
some simple program for our universe.
343
856260
3000
เป็นโปรแกรมง่ายสำหรับจักรวาลของเรา
14:19
Well, the history of physics would have us believe
344
859260
2000
จากอดีดทำให้เราเชื่อว่า
14:21
that the rule for the universe must be pretty complicated.
345
861260
3000
กฎของจักรวาลต้องเป็นเรื่องที่ยากซับซ้อน
14:24
But in the computational universe,
346
864260
2000
แต่ในจักรวาลของการคำนวณ
14:26
we've now seen how rules that are incredibly simple
347
866260
3000
เราได้เห็นแล้วว่ากฎต่างๆนั้นเรียบง่ายอย่างไม่น่าเชื่อ
14:29
can produce incredibly rich and complex behavior.
348
869260
3000
ซึ่งทำให้เกิดลักษณะที่ซับซ้อนมากมาย
14:32
So could that be what's going on with our whole universe?
349
872260
3000
นั่นเป็นอาจเป็นสิ่งที่เกิดขึ้นในจักรวาลใช่ไหม?
14:36
If the rules for the universe are simple,
350
876260
2000
ถ้ากฏของจักรวาลเป็นเรื่องง่าย
14:38
it's kind of inevitable that they have to be
351
878260
2000
ก็เป็นสิ่งที่หลีกเลี่ยงไม่ได้ที่จะ
14:40
very abstract and very low level;
352
880260
2000
ใช้กระบวนการจากทฤษฎี
14:42
operating, for example, far below
353
882260
2000
ที่ไม่ซับซ้อนมาก ต่ำกว่า
14:44
the level of space or time,
354
884260
2000
ระดับของช่วง หรือเวลา
14:46
which makes it hard to represent things.
355
886260
2000
ซึ่งเป็นการยากที่จะแสดงออกมา
14:48
But in at least a large class of cases,
356
888260
2000
นับเป็นงานขนาดใหญ่
14:50
one can think of the universe as being
357
890260
2000
บางคนอาจคิดว่าจักรวาลเหมือนกับ
14:52
like some kind of network,
358
892260
2000
โครงข่าย
14:54
which, when it gets big enough,
359
894260
2000
ซึ่งใหญ่พอแล้ว
14:56
behaves like continuous space
360
896260
2000
เหมือนกับพื้นที่ที่ต่อเนื่อง
14:58
in much the same way as having lots of molecules
361
898260
2000
เช่นเดียวกับการมีโมเลกุลอยู่เป็นจำนวนมาก
15:00
can behave like a continuous fluid.
362
900260
2000
ซึ่งมีลักษณะราวกับเป็นของเหลวที่เคลื่อนไหว
15:02
Well, then the universe has to evolve by applying
363
902260
3000
ต่อมาจักรวาลจึงวิวัฒนาการโดย
15:05
little rules that progressively update this network.
364
905260
3000
ใช้กฎให้ค่อยๆพัฒนาจนกลายเป็นโครงข่าย
15:08
And each possible rule, in a sense,
365
908260
2000
และในแต่ละกฏ
15:10
corresponds to a candidate universe.
366
910260
2000
ก็จะเข้ากับกับจักรวาลที่ได้รับเลือก
15:12
Actually, I haven't shown these before,
367
912260
3000
ความจริงผมเองก็ยังไม่เคยนำเสนอสิ่งนี้มาก่อน
15:16
but here are a few of the candidate universes
368
916260
3000
แต่นี่คือจักรวาลที่ได้รับการเลือกเป็นบางส่วน
15:19
that I've looked at.
369
919260
2000
เมื่อผมได้ดู
15:21
Some of these are hopeless universes,
370
921260
2000
จักรวาลบางอันก็ถูกปล่อยทิ้งร้าง
15:23
completely sterile,
371
923260
2000
อย่างไร้ค่า
15:25
with other kinds of pathologies like no notion of space,
372
925260
2000
ไม่มีสภาวะใดๆ
15:27
no notion of time, no matter,
373
927260
3000
ไม่มีกาลเวลา ไม่มีอะไรเลย
15:30
other problems like that.
374
930260
2000
จึงเป็นปัญหาเช่นนี้
15:32
But the exciting thing that I've found in the last few years
375
932260
3000
แต่ก็มีสิ่งที่น่าสนใจ ที่ผมเพิ่งค้นพบเมื่อไม่กี่ปีมานี้
15:35
is that you actually don't have to go very far
376
935260
2000
ว่าคุณไม่จำเป็นต้องคาดการณ์ไปไกล
15:37
in the computational universe
377
937260
2000
ในจักรวาลของการคำนวณ
15:39
before you start finding candidate universes
378
939260
2000
ก่อนที่จะเริ่มต้นค้นหาจักรวาลที่เลือกมา
15:41
that aren't obviously not our universe.
379
941260
3000
และนั่นไม่แน่ว่าเป็นจักรวาลที่พวกเราอยู่
15:44
Here's the problem:
380
944260
2000
นี่แหละคือปัญหา
15:46
Any serious candidate for our universe
381
946260
3000
การเลือกตัวแทนสำหรับจักรวาลของเราขึ้นมานั้น
15:49
is inevitably full of computational irreducibility.
382
949260
3000
หลีกเลี่ยงไม่ได้ที่จะต้องทำการคำนวณแบบที่ลดรูปไม่ได้
15:52
Which means that it is irreducibly difficult
383
952260
3000
ซึ่งหมายถึง ในแบบที่ซับซ้อนยุ่งยาก
15:55
to find out how it will really behave,
384
955260
2000
เพื่อค้นหาว่ามันจะแสดงลักษณะออกมาอย่างไร
15:57
and whether it matches our physical universe.
385
957260
3000
และมันเข้าได้กับจักรวาลของเราในทางกายภาพหรือไม่
16:01
A few years ago, I was pretty excited to discover
386
961260
3000
เมื่อหลายปีก่อน ผมค่อนข้างตื่นเต้นกับการค้นพบ
16:04
that there are candidate universes with incredibly simple rules
387
964260
3000
จักรวาลที่เลือกมา เพื่อใช้กับกฎที่ไม่ซับซ้อน
16:07
that successfully reproduce special relativity,
388
967260
2000
ซึ่งอธิบายทฤษฏีสัมพัทธภาพพิเศษได้สำเร็จ
16:09
and even general relativity and gravitation,
389
969260
3000
และรวมถึงทฤษฎีสัมพัทธภาพทั่วไปและแรงโน้มถ่วง
16:12
and at least give hints of quantum mechanics.
390
972260
3000
และแนะแนวถึงควอนตั้มเมคานิกส์ด้วย
16:15
So, will we find the whole of physics?
391
975260
2000
ดังนั้นเราจะหาค้นฟิสิกส์ทั้งหมดได้หรือยัง ?
16:17
I don't know for sure,
392
977260
2000
นี่คือสิ่งที่ผมเองก็ไม่รู้
16:19
but I think at this point it's sort of
393
979260
2000
แต่ผมคิดว่านี่คือประเด็นของการค้นหา
16:21
almost embarrassing not to at least try.
394
981260
2000
อาจทำไม่ได้ แต่ก็น่าศึกษาดู
16:23
Not an easy project.
395
983260
2000
ไม่ใช่โครงการที่ง่ายเลย
16:25
One's got to build a lot of technology.
396
985260
2000
จำเป็นต้องสร้างเทคโนโลยีจำนวนมาก
16:27
One's got to build a structure that's probably
397
987260
2000
ต้องสร้างโครงสร้างที่
16:29
at least as deep as existing physics.
398
989260
2000
ลึกลงไปกว่าฟิสิกส์ที่ใช้กันอยู่
16:31
And I'm not sure what the best way to organize the whole thing is.
399
991260
3000
และผมก็ไม่มั่นใจว่าอะไรคือสิ่งที่ดีที่สุดที่จะจัดระเบียบของสิ่งทั้งมวล
16:34
Build a team, open it up, offer prizes and so on.
400
994260
3000
สร้างทีมงาน เปิดโอกาสให้มีการพัฒนา เสนอรางวัลและอื่นๆ
16:37
But I'll tell you, here today,
401
997260
2000
แต่สิ่งที่ผมจะบอกในวันนี้
16:39
that I'm committed to seeing this project done,
402
999260
2000
ผมยอมรับว่าจะได้เห็นโครงการนี้เสร็จสมบูรณ์แน่นอน
16:41
to see if, within this decade,
403
1001260
3000
ภายในอีกสิบปี
16:44
we can finally hold in our hands
404
1004260
2000
เราสามารถที่จะค้นพบ
16:46
the rule for our universe
405
1006260
2000
กฏของจักรวาล
16:48
and know where our universe lies
406
1008260
2000
และรู้เกี่ยวกับที่ตั้งของจักรวาล
16:50
in the space of all possible universes ...
407
1010260
2000
ในปริภูมิที่มีจักรวาลอันมากมาย
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
1012260
3000
และสามารถที่จะพิมพ์ลงใน Wolfram Alpha "ทฤษฎีของจักรวาล"
16:55
and have it tell us.
409
1015260
2000
และให้มันแสดงผล
16:57
(Laughter)
410
1017260
2000
(เสียงหัวเราะ)
17:00
So I've been working on the idea of computation
411
1020260
2000
ด้งนั้นผมจึงทำงานบนแนวคิดของการคำนวณ
17:02
now for more than 30 years,
412
1022260
2000
มาตลอดกว่า 30 ปี
17:04
building tools and methods and turning intellectual ideas
413
1024260
3000
การสร้างเครื่องมือและวิธีการอย่างอัจฉริยะ
17:07
into millions of lines of code
414
1027260
2000
ลงไปบนโค้ตกว่าล้านบรรทัด
17:09
and grist for server farms and so on.
415
1029260
2000
และทำการประมวลผลด้วยเครื่องเซิร์ฟเวอร์จำนวนมาก
17:11
With every passing year,
416
1031260
2000
ตลอดหลายปีที่ผ่านมา
17:13
I realize how much more powerful
417
1033260
2000
ผมตระหนักถึงความทรงพลัง
17:15
the idea of computation really is.
418
1035260
2000
ของแนวคิดในการคำนวณ
17:17
It's taken us a long way already,
419
1037260
2000
มันได้ใช้เวลาไปมากแล้ว
17:19
but there's so much more to come.
420
1039260
2000
แต่ก็ยังต้องใช้เวลาอีกมาก
17:21
From the foundations of science
421
1041260
2000
จากพื้นฐานของวิทยาศาสตร์
17:23
to the limits of technology
422
1043260
2000
จนถึงข้อจำกัดของเทคโนโลยี
17:25
to the very definition of the human condition,
423
1045260
2000
ไปจนถึงข้อจำกัดของมนุษย์
17:27
I think computation is destined to be
424
1047260
2000
ผมคิดว่าการคำนวณนี้ได้ถูกกำหนดไว้แล้ว
17:29
the defining idea of our future.
425
1049260
2000
ถึงแนวคิดเกี่ยวกับอนาคต
17:31
Thank you.
426
1051260
2000
ขอบคุณ
17:33
(Applause)
427
1053260
14000
(เสียงปรบมือ)
17:47
Chris Anderson: That was astonishing.
428
1067260
2000
คริส แอนเดอร์สัน : น่าทึ่งมาก
17:49
Stay here. I've got a question.
429
1069260
2000
อยู่ตรงนี้ก่อนครับ ผมมีคำถาม
17:51
(Applause)
430
1071260
4000
(เสียงปรบมือ)
17:57
So, that was, fair to say, an astonishing talk.
431
1077260
3000
เป็นการบรรยายที่น่าทึ่งมาก
18:01
Are you able to say in a sentence or two
432
1081260
3000
ผมอยากให้คุณลองบอกว่า
18:04
how this type of thinking
433
1084260
3000
ทำอย่างไรความคิดนี้
18:07
could integrate at some point
434
1087260
2000
สามารถรวมกันได้ ณ จุดหนึ่ง
18:09
to things like string theory or the kind of things that people think of
435
1089260
2000
ที่จะเป็นทฤษฎีสตริง หรือสิ่งที่ผู้คนกันคิดอยู่
18:11
as the fundamental explanations of the universe?
436
1091260
3000
ที่จะอธิบายฐานของจักรวาล?
18:14
Stephen Wolfram: Well, the parts of physics
437
1094260
2000
สตีเฟน วูลเฟรม : ในส่วนของฟิสิกส์
18:16
that we kind of know to be true,
438
1096260
2000
ที่พวกเรารู้ว่าเป็นจริง
18:18
things like the standard model of physics:
439
1098260
2000
สิ่งที่เป็นฟิสิกส์มาตรฐาน
18:20
what I'm trying to do better reproduce the standard model of physics
440
1100260
3000
คือ ผมพยายามสร้างรูปแบบฟิสิกส์ที่เป็นมาตรฐานให้ดียิ่งขึ้น
18:23
or it's simply wrong.
441
1103260
2000
หรืออาจผิดก็ได้
18:25
The things that people have tried to do in the last 25 years or so
442
1105260
2000
มีคนพยายามศึกษาแล้วอย่างน้อย 25 ปี
18:27
with string theory and so on
443
1107260
2000
ด้วยทฤษฎีสตริง
18:29
have been an interesting exploration
444
1109260
2000
เป็นการค้นหาที่น่าสนใจ
18:31
that has tried to get back to the standard model,
445
1111260
3000
ที่จะกลับไปสู่รูปแบบมาตรฐาน
18:34
but hasn't quite gotten there.
446
1114260
2000
แต่ก็ยังไม่ถึงขั้นนั้น
18:36
My guess is that some great simplifications of what I'm doing
447
1116260
3000
ผมคาดว่าสิ่งผมสร้างขึ้นอย่างดีเยี่ยมนี้
18:39
may actually have considerable resonance
448
1119260
3000
อาจนำมาใช้เข้ากับ
18:42
with what's been done in string theory,
449
1122260
2000
สิ่งที่เกิดขึ้นในทฤษฎีสตริง
18:44
but that's a complicated math thing
450
1124260
3000
แต่นั่นต้องใช้คณิตศาสตร์ที่ซับซ้อนทีเดียว
18:47
that I don't yet know how it's going to work out.
451
1127260
3000
ซึ่งผมเองก็ยังไม่รู้แน่ชัดว่าผลจะเป็นอย่างไร
18:50
CA: Benoit Mandelbrot is in the audience.
452
1130260
2000
CA : Benoit Mandlebrot เขามาเป็นผู้ฟังในวันนี้ด้วย
18:52
He also has shown how complexity
453
1132260
2000
เขาได้แสดงให้เห็นว่ามันซับซ้อนอย่างไร
18:54
can arise out of a simple start.
454
1134260
2000
โดยเริ่มจากสิ่งที่ง่ายๆ
18:56
Does your work relate to his?
455
1136260
2000
งานคุณเกี่ยวข้องกับเขาหรือเปล่า ?
18:58
SW: I think so.
456
1138260
2000
SW : ผมก็คิดว่าอย่างนั้น
19:00
I view Benoit Mandelbrot's work
457
1140260
2000
ผมได้ลองดูงานของ Benoit Mandlebrot
19:02
as one of the founding contributions
458
1142260
3000
เป็นแบบอย่างที่เริ่มต้น
19:05
to this kind of area.
459
1145260
3000
ของงานด้านนี้เช่นกัน
19:08
Benoit has been particularly interested
460
1148260
2000
Benoit สนใจด้านนี้เป็นพิเศษ
19:10
in nested patterns, in fractals and so on,
461
1150260
2000
ในรูปแบบ แบ่งเป็นส่วนๆ
19:12
where the structure is something
462
1152260
2000
ในขณะที่โครงสร้างเป็นบางสิ่ง
19:14
that's kind of tree-like,
463
1154260
2000
ที่เหมือนกับต้นไม้
19:16
and where there's sort of a big branch that makes little branches
464
1156260
2000
เป็นต้นไม้ต้นใหญ่ที่แผ่กิ่งให้เกิดกิ่งเล็กๆ
19:18
and even smaller branches and so on.
465
1158260
3000
และแตกแขนงออกไป
19:21
That's one of the ways
466
1161260
2000
นั่นก็เป็นวิธีอีกแบบ
19:23
that you get towards true complexity.
467
1163260
3000
ที่คุณจะไปสู่ความจริงที่ซับซ้อน
19:26
I think things like the Rule 30 cellular automaton
468
1166260
3000
ผมคิดเช่นเดียวกับกฏที่ 30 Cellular automaton
19:29
get us to a different level.
469
1169260
2000
นำไปสู่ระดับที่ต่างออกไป
19:31
In fact, in a very precise way, they get us to a different level
470
1171260
3000
ในความจริง ยังมีวิธีที่แม่นยำในระดับต่างๆ
19:34
because they seem to be things that are
471
1174260
2000
เพราะว่ามีบางสิ่งที่
19:37
capable of complexity
472
1177260
3000
สามารถจัดการกับความซับซ้อน
19:40
that's sort of as great as complexity can ever get ...
473
1180260
3000
การไขความซับซ้อนที่ยิ่งใหญ่สามารถทำได้
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1184260
3000
ผมสามารถคุยต่อไปได้เรื่อยๆ แต่ผมว่าไม่ดีกว่า
19:47
CA: Stephen Wolfram, thank you.
475
1187260
2000
CA : สตีเฟน วูลเฟรม ขอบคุณมากครับ
19:49
(Applause)
476
1189260
2000
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7