How to take a picture of a black hole | Katie Bouman

Translator: Kelwalin Dhanasarnsombut Reviewer: Sakunphat Jirawuthitanant

In the movie "Interstellar,"

ในภาพยนตร์เรื่อง "อินเตอร์สเตลลาร์"

we get an up-close look at a supermassive black hole.

เราได้เห็นหลุมดำขนาดใหญ่แบบใกล้ ๆ

Set against a backdrop of bright gas,

ท่ามกลางฉากหลังที่เป็นก๊าซสว่างจ้า

the black hole's massive gravitational pull

แรงโน้มถ่วงที่รุนแรงของหลุมดำขนาดใหญ่ยักษ์

bends light into a ring.

บิดแสงให้โค้งงอเป็นวงแหวน

However, this isn't a real photograph,

อย่างไรก็ดี นี่ไม่ใช่ภาพถ่ายจริง ๆ

but a computer graphic rendering --

แต่เป็นภาพโดยคอมพิวเตอร์กราฟฟิก

an artistic interpretation of what a black hole might look like.

และการตีความตามจินตนาการ ว่าหลุมดำควรจะมีหน้าตาอย่างไร

A hundred years ago,

ร้อยกว่าปีก่อน

Albert Einstein first published his theory of general relativity.

อัลเบิร์ต ไอสไตน์ ตีพิมพ์ ทฤษฎีสัมพัทธภาพทั่วไปของเขาเป็นครั้งแรก

In the years since then,

หลายปีหลังจากนั้น

scientists have provided a lot of evidence in support of it.

นักวิทยาศาสตร์ได้นำเสนอหลักฐาน ที่สนับสนุนทฤษฎีนี้

But one thing predicted from this theory, black holes,

แต่สิ่งหนึ่งที่เราคาดการได้จากทฤษฎีนี้ ซึ่งก็คือหลุมดำ

still have not been directly observed.

ยังไม่ได้รับการสังเกตโดยตรง

แม้ว่าเราจะมีแนวคิดอยู่บ้าง ว่าหลุมดำน่าจะมีหน้าตาอย่างไร

Although we have some idea as to what a black hole might look like,

we've never actually taken a picture of one before.

เราไม่เคยที่จะถ่ายภาพมันได้จริง ๆ มาก่อน

However, you might be surprised to know that that may soon change.

อย่างไรก็ตาม คุณอาจประหลาดใจ ที่รู้ว่า นั่นมันกำลังจะเปลี่ยนไป

We may be seeing our first picture of a black hole in the next couple years.

เราอาจได้เห็นภาพแรกของหลุมดำ ในอีกสองสามปีข้างหน้า

Getting this first picture will come down to an international team of scientists,

การถ่ายภาพแรกนั้นจะตกเป็นหน้าที่ ของกลุ่มนักวิทยาศาสตร์นานาชาติ

an Earth-sized telescope

กล้องโทรทรรศน์ขนาดเท่าโลก

and an algorithm that puts together the final picture.

และกระบวนวิธีที่ก่อร่างภาพ ที่เป็นผลลัพธ์ขึ้นมา

แม้ว่า ฉันไม่อาจแสดงให้คุณเห็น ถึงภาพจริงของหลุมดำได้ในวันนี้

Although I won't be able to show you a real picture of a black hole today,

I'd like to give you a brief glimpse into the effort involved

ฉันก็อยากที่จะให้คุณได้ดูอย่างคร่าว ๆ ถึงความพยายาม

in getting that first picture.

ที่จะทำให้ได้ภาพแรกนั้นมา

My name is Katie Bouman,

ฉันชื่อ เคที โบวแมน

and I'm a PhD student at MIT.

เป็นนักศึกษาปริญญาเอก ที่มหาวิทยาลัย MIT

I do research in a computer science lab

ฉันทำงานวิจัยในห้องทดลองวิทยาศาสตร์คอมพิวเตอร์

that works on making computers see through images and video.

ที่มีจุดประสงค์คือทำให้คอมพิวเตอร์ มองภาพผ่านรูปและวีดีโอ

But although I'm not an astronomer,

ถึงแม้ว่าฉันจะไม่ใช่นักดาราศาสตร์

วันนี้ ฉันอยากจะแสดงให้คุณเห็น

today I'd like to show you

how I've been able to contribute to this exciting project.

ว่าฉันสามารถที่จะมีส่วนร่วม ในโครงการที่น่าตื่นเต้นนี้ได้อย่างไร

If you go out past the bright city lights tonight,

ถ้าคุณออกไป นอกเขตแสงไฟของเมืองยามค่ำคืนนี้

คุณอาจโชคดีได้เห็นทิวทัศน์ที่น่าทึ่ง

you may just be lucky enough to see a stunning view

of the Milky Way Galaxy.

ของกาแล็กซีทางช้างเผือก

และถ้าคุณสามารถมองผ่านดาวนับล้าน

And if you could zoom past millions of stars,

26,000 light-years toward the heart of the spiraling Milky Way,

ไกลออกไป 26,000 ปีแสง สู่ใจกลางของทางช้างเผือกที่บิดเกลียว

we'd eventually reach a cluster of stars right at the center.

เราจะไปถึงกลุ่มดาว ณ ใจกลาง

Peering past all the galactic dust with infrared telescopes,

เพ่งผ่านฝุ่นในกาแล็กซี่ ด้วยกล้องโทรทรรศน์อินฟาเรด

astronomers have watched these stars for over 16 years.

นักดาราศาสตร์ได้เฝ้าดูดาวเหล่านี้ มาตลอด 16 ปี

แต่สิ่งที่น่าทึ่งที่สุด คือสิ่งที่พวกเขาไม่ได้เห็น

But it's what they don't see that is the most spectacular.

These stars seem to orbit an invisible object.

เหมือนว่าดาวเหล่านี้ มีวงโคจรอยู่รอบ ๆ สิ่งล่องหน

By tracking the paths of these stars,

โดยการติดตามเส้นทางโคจรของดาว

นักดาราศาสตร์ได้สรุปว่า

astronomers have concluded

that the only thing small and heavy enough to cause this motion

สิ่งเดียวที่เล็กและหนักพอ ที่จะทำให้เกิดการเคลื่อนที่เช่นนี้ได้

is a supermassive black hole --

ก็คือหลุมดำที่มีมวลมหาศาล

an object so dense that it sucks up anything that ventures too close --

มันคือวัตถุที่มีความหนาแน่นมาก ที่ดูดทุกสิ่งที่ย่างกรายเข้าไปใกล้มันเกินไป

even light.

แม้แต่แสง

But what happens if we were to zoom in even further?

แต่จะเกิดอะไรขึ้น ถ้าเรามองลึกลงไปอีก

Is it possible to see something that, by definition, is impossible to see?

มันจะเป็นไปได้หรือไม่ ที่จะเห็น อะไรที่ตามนิยามแล้วเราไม่อาจมองเห็น

Well, it turns out that if we were to zoom in at radio wavelengths,

ค่ะ กลายเป็นว่า ถ้าเรามองลึกเข้าไป ในความยาวคลื่นวิทยุ

we'd expect to see a ring of light

เราน่าจะได้เห็นวงแหวนของแสง

caused by the gravitational lensing of hot plasma

ที่เกิดจากเลนส์แรงโน้มถ่วง ของพลาสมาร้อน

ที่ยิงออกมารอบ ๆ หลุมดำ

zipping around the black hole.

In other words,

อีกนัยหนึ่งก็คือ

หลุมดำทอดเงา ไปบนวัตถุพื้นหลังที่สว่าง

the black hole casts a shadow on this backdrop of bright material,

carving out a sphere of darkness.

ทำให้เกิดรูปทรงกลมของความมืด

This bright ring reveals the black hole's event horizon,

วงแหวนที่สว่างเผยถึงขอบที่เท่า ๆ กัน ของหลุมดำ

where the gravitational pull becomes so great

ที่ซึ่งแรงดึงจากแรงโน้มถ่วง มีความรุนแรงมาก

จนแม้แต่แสงก็ไม่อาจเล็ดลอดออกมาได้

that not even light can escape.

Einstein's equations predict the size and shape of this ring,

สมการของไอสไตน์ได้ทำนายถึง ขนาดและรูปร่างของวงแหวนนี้เอาไว้

so taking a picture of it wouldn't only be really cool,

ฉะนั้นการถ่ายภาพมันได้ ไม่เพียงแต่ว่าจะเจ๋ง

it would also help to verify that these equations hold

แต่มันยังอาจช่วยให้เรา ยืนยันความถูกต้องของสมการนี้ได้

in the extreme conditions around the black hole.

ในสภาวะที่สุดโต่ง อย่างบริเวณรอบ ๆ หลุมดำ

However, this black hole is so far away from us,

อย่างไรก็ตาม หลุมดำนี้ ห่างไกลจากเรามาก

that from Earth, this ring appears incredibly small --

จากโลกของเรา วงแหวนนี้ดูเล็กมาก ๆ

the same size to us as an orange on the surface of the moon.

ในขนาดเดียวกับผลส้ม ที่ตั้งอยู่บนพื้นผิวของดวงจันทร์

That makes taking a picture of it extremely difficult.

นั่นทำให้การถ่ายภาพของมันยากมาก ๆ

Why is that?

ทำไม่น่ะหรือคะ

Well, it all comes down to a simple equation.

คำตอบตกอยู่ที่สมการง่าย ๆ

Due to a phenomenon called diffraction,

เนื่องจากปรากฏการณ์ ที่เรียกว่า การเลี้ยวเบน

มันคือข้อจำกัดพื้นฐาน

there are fundamental limits

to the smallest objects that we can possibly see.

ต่อวัตถุที่มีขนาดเล็กที่สุดที่เราสามารถเห็นได้

This governing equation says that in order to see smaller and smaller,

สมการที่ทำให้เกิดผลลัพธ์นี้กล่าวว่า เพื่อที่จะเห็นสิ่งที่เล็กลงไปอีก

we need to make our telescope bigger and bigger.

เราจะต้องสร้างกล้องโทรทรรศน์ ที่ใหญ่ขึ้นไปอีก

แต่แม้ด้วยกล้องโทรทรรศน์ ที่มีกำลังขยายสูงสุดบนโลก

But even with the most powerful optical telescopes here on Earth,

we can't even get close to the resolution necessary

มันก็ไม่อาจให้ความละเอียดมากพอ

to image on the surface of the moon.

ที่จะเห็นภาพพื้นผิวของดวงจันทร์ได้

In fact, here I show one of the highest resolution images ever taken

อันที่จริง ที่แสดงอยู่นี้ คือภาพที่มีความสูงสุด

of the moon from Earth.

ของดวงจันทร์ที่ถ่ายได้จากโลก

It contains roughly 13,000 pixels,

มันมีความละเอียดประมาณ 13,000 จุด

and yet each pixel would contain over 1.5 million oranges.

แต่ละจุดบรรจุผลส้มได้ 1.5 ล้านผล

So how big of a telescope do we need

แล้วเราต้องการกล้องโทรทรรศน์ที่ใหญ่แค่ไหน

in order to see an orange on the surface of the moon

เพื่อที่จะเห็นผลส้มบนพื้นผิวดวงจันทร์

and, by extension, our black hole?

แล้วถ้าเป็นหลุมดำล่ะ

Well, it turns out that by crunching the numbers,

ค่ะ กลายเป็นว่าจากตัวเลข

you can easily calculate that we would need a telescope

คุณสามารถคำนวณได้โดยง่ายว่า เราต้องการกล้องโทรทรรศน์

the size of the entire Earth.

ที่มีขนาดเท่ากับโลกทั้งใบ

(Laughter)

(เสียงหัวเราะ)

If we could build this Earth-sized telescope,

ถ้าเราสามารถสร้างกล้องโทรทรรศน์ ที่มีขนาดเท่าโลกได้

เราก็จะมองเห็นวงแหวนของแสงได้ชัดเจน

we could just start to make out that distinctive ring of light

indicative of the black hole's event horizon.

ซึ่งเป็นตัวบ่งบอกเหตุการณ์ที่เส้นขอบ ของหลุมดำ

Although this picture wouldn't contain all the detail we see

แม้ว่าภาพจะไม่ได้แสดงรายละเอียด ทั้งหมดที่เราต้องการเห็น

ในการผลิตภาพจำลองด้วยคอมพิวเตอร์

in computer graphic renderings,

it would allow us to safely get our first glimpse

มันอาจทำเราได้แอบมองจริง ๆ เป็นครั้งแรก

of the immediate environment around a black hole.

ว่าสิ่งแวดล้อมรอบหลุมดำเป็นอย่างไร

However, as you can imagine,

อย่างไรก็ตาม คุณก็คงนึกออกว่า

การสร้างกล้องโทรทรรศน์ที่เป็นจานเดี่ยว ที่มีขนาดเท่ากับโลกนั้นเป็นไปไม่ได้

building a single-dish telescope the size of the Earth is impossible.

But in the famous words of Mick Jagger,

แต่วลีติดหูของ มิก แจ็กเกอร์

"You can't always get what you want,

"คุณไม่อาจได้สิ่งที่อยากได้เสมอไป

but if you try sometimes, you just might find

แต่ถ้าคุณลองดูบ้างแล้วล่ะก็ คุณอาจจะพบว่า

you get what you need."

คุณได้ในสิ่งที่คุณต้องการ"

And by connecting telescopes from around the world,

และด้วยการเชื่อมกล้องโทรทรรศน์ จากทั่วโลก

an international collaboration called the Event Horizon Telescope

ความร่วมมือระดับนานาชาติ ที่เรียกว่า อีเวนท์ ฮอไรซัน เทเลสโคป

is creating a computational telescope the size of the Earth,

ก็สร้างกล้องโทรทรรศน์เชิงคอมพิวเตอร์ ที่มีขนาดเท่ากับโลกขึ้นมา

ซึ่งมันสามารถแยกแยะโครงสร้าง

capable of resolving structure

on the scale of a black hole's event horizon.

ในระดับขอบฟ้าเหตุการณ์ของหลุมดำ

This network of telescopes is scheduled to take its very first picture

เครือข่ายกล้องโทรทรรศน์นี้ ถูกวางแผนว่าจะถ่ายภาพแรก

of a black hole next year.

ของหลุมดำในปีหน้า

กล้องโทรทรรศน์แต่ละตัว ในเครือข่ายทั่วโลกทำงานรวมกัน

Each telescope in the worldwide network works together.

Linked through the precise timing of atomic clocks,

ด้วยการเชื่อมโยง ผ่านนาฬิการะดับอะตอมที่แม่นยำ

teams of researchers at each of the sites freeze light

กลุ่มนักวิจัยในแต่ละพื้นที่จะจับแสง

by collecting thousands of terabytes of data.

โดยการรวบรวมข้อมูล หลายพันเทราไบต์

This data is then processed in a lab right here in Massachusetts.

ข้อมูลเหล่านี้จะถูกประมวลผล ในห้องทดลองที่แมสซาชูเซส

So how does this even work?

แล้วเราทำได้อย่างไร

Remember if we want to see the black hole in the center of our galaxy,

จำได้ไหมคะ ว่าถ้าเราอยากเห็นหลุมดำ ณ ใจกลางกกาแล็กซี่ของเรา

we need to build this impossibly large Earth-sized telescope?

เราต้องสร้างกล้องโทรทรรศน์ ที่มีขนาดใหญ่เท่าโลก ซึ่งเป็นไปไม่ได้

For just a second, let's pretend we could build

ลองสมมติกันสักครู่หนึ่ง ว่าเราสามารถสร้าง

a telescope the size of the Earth.

กล้องโทรทรรศน์ที่มีขนาดเท่าโลกได้

This would be a little bit like turning the Earth

นั่นคงจะประมาณว่า เราเปลี่ยนโลกของเรา

into a giant spinning disco ball.

ให้กลายเป็นลูกบอลดิสโก้

Each individual mirror would collect light

กระจกแต่ละบานจะเก็บแสง

that we could then combine together to make a picture.

ที่เราจะสามารถนำไปรวมกัน เพื่อประกอบขึ้นเป็นภาพ

However, now let's say we remove most of those mirrors

อย่างไรก็ตาม สมมติว่าเรา เอากระจกส่วนใหญ่ออกไปซะ

และยังมีกระจกเหลืออยู่บ้าง

so only a few remained.

เราอาจจะลองรวมข้อมูลเหล่านี้เข้าด้วยกัน

We could still try to combine this information together,

แต่ตอนนี้มันมีรูมากมาย

but now there are a lot of holes.

กระจกที่เหลืออยู่แทนตำแหน่ง ที่เรามีกล้องโทรทรรศน์

These remaining mirrors represent the locations where we have telescopes.

This is an incredibly small number of measurements to make a picture from.

มันถือเป็นจำนวนที่น้อยมาก สำหรับการวัดเพื่อจะสร้างภาพขึ้นมา

But although we only collect light at a few telescope locations,

แต่แม้ว่าเราจะจัดเก็บแสง ณ ตำแหน่งของกล้องโทรทรรศน์ไม่กี่แห่ง

as the Earth rotates, we get to see other new measurements.

เมื่อโลกหมุน เราก็จะได้เห็นการวัดใหม่

In other words, as the disco ball spins, those mirrors change locations

หรือกล่าวได้ว่า เมื่อลูกบอลดิสโก้หมุนไป กระจกก็เปลี่ยนตำแหน่งตามไปด้วย

and we get to observe different parts of the image.

และเราก็ได้สังเกต ส่วนของภาพที่แตกต่างออกไป

The imaging algorithms we develop fill in the missing gaps of the disco ball

กระบวนวืธีสร้างภาพที่เราพัฒนาขึ้น จะเติมเต็มช่องว่างที่หายไปของลูกบอลดิสโก้

in order to reconstruct the underlying black hole image.

เพื่อที่จะสร้างเป็นนภาพของหลุมดำขึ้นมา

If we had telescopes located everywhere on the globe --

ถ้าเรามีกล้องโทรทรรศน์ ที่ตั้งอยู่ทุกหนทุกแห่งบนโลก

in other words, the entire disco ball --

อีกนัยหนึ่งก็คือ ลูกบอลดิสโก้ทั้งลูก

this would be trivial.

นี่คงจะเป็นเรื่องที่ดีทีเดียว

However, we only see a few samples, and for that reason,

อย่างไรก็ตาม เราเห็นเพียงบางตัวอย่าง และด้วยเหตุผลนี้เอง

there are an infinite number of possible images

มันมีภาพที่เป็นไปได้มากมาย

that are perfectly consistent with our telescope measurements.

ที่สอดคล้องกันอย่างสมบูรณ์ กับการวัดจากกล้องโทรทรรศน์ของเรา

However, not all images are created equal.

อย่างไรก็ดี ไม่ใช่ว่าทุก ๆ ภาพ จะถูกสร้างขึ้นมาแบบทัดเทียมกัน

Some of those images look more like what we think of as images than others.

บางภาพก็มองดูเหมือนกับสิ่งที่เราคิดว่าเป็นภาพ มากกว่าภาพอื่น ๆ

And so, my role in helping to take the first image of a black hole

ฉะนั้น บทบาทของฉันในการช่วยถ่ายภาพแรก ของหลุมดำ

is to design algorithms that find the most reasonable image

ก็คือการออกแบบกระบวนวิธี ที่จะหาภาพที่สมเหตุสมผล

that also fits the telescope measurements.

ที่ลงตัวกับการวัดจากกล้องโทรทรรศน์

Just as a forensic sketch artist uses limited descriptions

เช่นเดียวกับศิลปินด้านนิติเวช ที่ร่างภาพโดยใช้คำบรรยายที่จำกัด

to piece together a picture using their knowledge of face structure,

แต่ละชิ้นถูกประกอบเข้าด้วยกัน โดยใช้ความรู้เรื่องโครงสร้างของหน้า

the imaging algorithms I develop use our limited telescope data

กระบวนวิธีในการสร้างภาพที่ฉันพัฒนาขึ้น ใช้ข้อมูลที่จำกัดจากกล้องโทรทรรศน์

to guide us to a picture that also looks like stuff in our universe.

เพื่อพาเราไปยังภาพที่ยังดูเหมือน กับสิ่งที่อยู่ในอวกาศของเรา

Using these algorithms, we're able to piece together pictures

การใช้กระบวนวิธีเหล่านี้ เราสามารถปะติดปะต่อภาพเข้าด้วยกัน

from this sparse, noisy data.

จากข้อมูลที่มีอยู่อย่างบางตา และรกรุงรัง

So here I show a sample reconstruction done using simulated data,

นี่คือตัวอย่างการสร้างภาพ โดยใช้ข้อมูลจำลอง

when we pretend to point our telescopes

เมื่อเราแกล้งเล็งกล้องโทรทรรศน์ของเรา

to the black hole in the center of our galaxy.

ไปยังหลุมดำ ​ณ ใจกลางกาแล็กซี่

Although this is just a simulation, reconstruction such as this give us hope

แม้ว่านี่เป็นเพียงการจำลอง การสร้างภาพขึ้นมานี้ให้ความหวังกับเรา

that we'll soon be able to reliably take the first image of a black hole

ว่าไม่ช้าไม่นาน เราจะสามารถ ถ่ายภาพแรกของหลุมดำได้อย่างน่าเชื่อถือ

and from it, determine the size of its ring.

และด้วยมัน เราจะสามารถ กะขนาดของวงแหวนของมันได้

แม้ว่าเราจะอยากจะพูดถึงรายละเอียด ของกระบวนวิธีนี้

Although I'd love to go on about all the details of this algorithm,

luckily for you, I don't have the time.

โชคดีสำหรับคุณค่ะ เราไม่มีเวลา

But I'd still like to give you a brief idea

แต่ฉันอยากที่จะให้คุณได้แนวคิดคร่าว ๆ

of how we define what our universe looks like,

ว่าเรากำหนดหน้าตาของอวกาศของเราอย่างไร

and how we use this to reconstruct and verify our results.

และเราใช้การสร้างภาพนี้ และยืนยันผลลัพธ์ของเราได้อย่างไร

Since there are an infinite number of possible images

เมื่อภาพที่เป็นไปได้มีจำนวนไม่จำกัด

that perfectly explain our telescope measurements,

นั่นอธิบายได้อย่างสมบูรณ์ ว่าการวัดกล้องโทรทรรศน์ของเรา

we have to choose between them in some way.

เราจะต้องเลือกระหว่างพวกมันในบางแง่มุม

We do this by ranking the images

เราจะต้องทำด้วยการจัดอันดับภาพ

based upon how likely they are to be the black hole image,

ตามความน่าจะเป็น ว่าพวกมันจะเป็นหลุมดำมากแค่ไหน

and then choosing the one that's most likely.

จากนั้นเลือกภาพที่น่าจะเป็นไปได้มากที่สุด

ฉันหมายความว่าอย่างไรน่ะหรือคะ

So what do I mean by this exactly?

Let's say we were trying to make a model

เอาเป็นว่าเราพยายามสร้างแบบจำลอง

that told us how likely an image were to appear on Facebook.

ที่บอกเราว่ามีความน่าจะเป็นแค่ไหน ที่ภาพนั้นจะปรากฏบนเฟสบุ๊ก

เราอยากจะให้แบบจำลองบอกว่า

We'd probably want the model to say

it's pretty unlikely that someone would post this noise image on the left,

มันไม่น่าจะเป็นไปได้ที่ใครสักคน จะโพสภาพรุงรังทางซ้ายนี้

and pretty likely that someone would post a selfie

และน่าจะเป็นไปได้ที่ใครสักคน จะถ่ายภาพเซลฟี่

like this one on the right.

อย่างภาพทางขวามือ

ภาพตรงกลางค่อนข้างมัว

The image in the middle is blurry,

so even though it's more likely we'd see it on Facebook

ฉะนั้น แม้ว่ามันน่าจะอยู่บนเฟสบุ๊ก

compared to the noise image,

เมื่อเปรียบเทียบกับภาพที่รกรุงรัง

it's probably less likely we'd see it compared to the selfie.

มันน่าจะมีโอกาสน้อยกว่า ที่เราจะได้เห็นมันเมื่อเทียบกับภาพถ่ายเซลฟี่

But when it comes to images from the black hole,

แต่เมื่อมันเป็นภาพที่เกี่ยวกับหลุมดำ

we're posed with a real conundrum: we've never seen a black hole before.

เราพบกับปริศนาจริง ๆ เราไม่เคยเห็นหลุมดำมาก่อน

In that case, what is a likely black hole image,

ในกรณีนั้น อะไรที่ควรจะเป็นภาพหลุมดำ

และเราควรอนุมานอย่างไร เกี่ยวกับโครงสร้างของหลุมดำ

and what should we assume about the structure of black holes?

We could try to use images from simulations we've done,

เราควรพยายามใช้ภาพ จากการจำลองที่เราได้ทำ

like the image of the black hole from "Interstellar,"

อย่างภาพหลุมดำจากเรื่อง "อินเทอร์สเตลล่า"

but if we did this, it could cause some serious problems.

แต่ถ้าเราทำอย่างนี้ มันอาจทำให้เกิดปัญหาใหญ่

จะเกิดอะไรขึ้น ถ้าทฤษฎีของไอสไตน์ไม่ถูกต้อง

What would happen if Einstein's theories didn't hold?

We'd still want to reconstruct an accurate picture of what was going on.

เราอาจจะยังต้องการสร้างภาพที่แม่นยำ ของสิ่งที่กำลังเกิดขึ้น ขึ้นมาใหม่

If we bake Einstein's equations too much into our algorithms,

ถ้าเราใช้สมการของไอสไตน์มากเกินไป ในกระบวนวิธีของเรา

we'll just end up seeing what we expect to see.

เราจะลงเอยที่การเห็นสิ่งที่เราอยากเห็น

In other words, we want to leave the option open

หรืออีกนัยหนึ่ง เราอยากเปิดตัวเลือกเอาไว้

สำหรับช้างตัวใหญ่ ที่อยู่ ณ ใจกลางของกาแล็กซี่

for there being a giant elephant at the center of our galaxy.

(Laughter)

(เสียงหัวเราะ)

ชนิดของภาพที่ต่างกัน มีองค์ประกอบที่แตกต่างกัน

Different types of images have very distinct features.

เราสามารถบอกได้อย่างง่ายดาย ถึงความแตกต่างระหว่างภาพหลุมดำจำลอง

We can easily tell the difference between black hole simulation images

and images we take every day here on Earth.

และภาพที่เราถ่ายได้ในชีวิตประจำวันบนโลก

We need a way to tell our algorithms what images look like

เราต้องการวิธีการที่จะบอกกระบวนวิธีของเรา ว่าภาพมีหน้าตาอย่างไร

โดยปราศจากการบังคับองค์ประกอบชนิดหนึ่ง ๆ ของภาพมากเกินไป

without imposing one type of image's features too much.

One way we can try to get around this

วิธีหนึ่งที่เราสามารถก้าวข้ามมันไปได้

is by imposing the features of different kinds of images

ก็คือโดยการบังคับองค์ประกอบ ของภาพในลักษณะต่าง ๆ

and seeing how the type of image we assume affects our reconstructions.

และดูว่าชนิดต่าง ๆ ของภาพ จะมีผลต่อการสร้างภาพของเราอย่างไร

If all images' types produce a very similar-looking image,

ถ้าชนิดของภาพทั้งหมด ให้ภาพที่มีหน้าตาคล้าย ๆ กัน

then we can start to become more confident

เราก็จะมั่นใจได้มากขึ้น

that the image assumptions we're making are not biasing this picture that much.

ว่าการสมมติภาพขึ้นมานี้ จะไม่ลำเอียงมากเกินไป

This is a little bit like giving the same description

มันคล้าย ๆ การให้คำบรรยายเดียวกัน

to three different sketch artists from all around the world.

กันศิลปินร่างภาพสามคนที่กระจายอยู่ทั่วโลก

If they all produce a very similar-looking face,

ถ้าเราทุกคนผลิตภาพที่มีหน้าตาคล้าย ๆ กัน

then we can start to become confident

เราก็จะเริ่มมั่นใจมากขึ้น

that they're not imposing their own cultural biases on the drawings.

ว่าพวกเราไม่บังคับให้เกิดความอคติทางวัฒนธรรม ในการวาดภาพจนเกินไป

One way we can try to impose different image features

วิธีการหนึ่งที่เราสามารถลองบังคับ องค์ประกอบภาพที่แตกต่างกันได้

is by using pieces of existing images.

คือการใช้ชิ้นส่วนของภาพที่มีอยู่

So we take a large collection of images,

เราจึงนำชุดของภาพจำนวนมาก

and we break them down into their little image patches.

และแยกพวกมันเป็นชิ้นภาพเล็ก ๆ

จากนั้นเราก็มองมัน เหมือนเป็นชื้นปริศนาเล็ก ๆ

We then can treat each image patch a little bit like pieces of a puzzle.

And we use commonly seen puzzle pieces to piece together an image

และใช้ชิ้นปริศนาที่เห็นบ่อย ๆ เพื่อปะติดปะต่อภาพ

that also fits our telescope measurements.

ที่เข้ากันได้กับการวัดจากกล้องโทรทรรศน์

ชนิดของภาพที่ต่างกัน มีชุดของชิ้นปริศนาที่แตกต่างกันมาก

Different types of images have very distinctive sets of puzzle pieces.

So what happens when we take the same data

แล้วจะเกิดอะไรขึ้น เมื่อเราใช้ข้อมูลเดียวกัน

but we use different sets of puzzle pieces to reconstruct the image?

แต่ใช้ชุดของชิ้นข้อมูลที่ต่างกัน เพื่อสร้างภาพขึ้นใหม่

Let's first start with black hole image simulation puzzle pieces.

เรามาเริ่มกันที่ชิ้นปริศนาภาพจำลองหลุมดำ

OK, this looks reasonable.

เอาล่ะ มันดูสมเหตุสมผล

This looks like what we expect a black hole to look like.

มันดูเหมือนสิ่งที่เราคาดหวังเอาไว้ ว่าหลุมดำจะมีหน้าตาอย่างไร

But did we just get it

แต่เราได้มันมา

เพราะว่าเราใช้ชิ้นภาพเล็ก ๆ ของภาพจำลองหลุมดำหรือเปล่า

because we just fed it little pieces of black hole simulation images?

Let's try another set of puzzle pieces

ลองใช้ชุดของชิ้นภาพปริศนาอีกชุด

from astronomical, non-black hole objects.

จากวัตถุในอวกาศที่ไม่ใช่หลุมดำ

OK, we get a similar-looking image.

เอาล่ะ เราได้ภาพที่มีหน้าตาคล้าย ๆ กัน

แล้วชิ้นส่วนต่าง ๆ จากชีวิตประจำวันเรา

And then how about pieces from everyday images,

like the images you take with your own personal camera?

อย่างภาพที่คุณถ่ายได้ จากกล้องส่วนบุคคลของคุณล่ะ

Great, we see the same image.

เยี่ยมมากค่ะ เราเห็นภาพเดียวกัน

When we get the same image from all different sets of puzzle pieces,

เมื่อเราได้ภาพเดียวกันนี้ จากชุดชื้นปริศนาที่ต่างกันแล้ว

then we can start to become more confident

เราก็จะมั่นใจมากขึ้น

that the image assumptions we're making

ว่าการสมมติภาพที่เราสร้างขึ้นมานี้

aren't biasing the final image we get too much.

ไม่ได้เป็นภาพผลลัพธ์ ที่เกิดจากความลำเอียงจนมากเกินไป

Another thing we can do is take the same set of puzzle pieces,

อีกสิ่งหนึ่งที่เราทำได้คือ การนำชุดชื้นปริศนาเดียวกันนี้

อย่างเช่นภาพที่ได้จากภาพในชีวิตประจำวัน

such as the ones derived from everyday images,

and use them to reconstruct many different kinds of source images.

ใช้สร้างแหล่งภาพขึ้นมาใหม่

So in our simulations,

ในแบบจำลองของเรา

we pretend a black hole looks like astronomical non-black hole objects,

เราสมมติให้หลุมดำมีหน้าตา คล้ายกับวัตถุในอวกาศที่ไม่ใช่หลุมดำ

as well as everyday images like the elephant in the center of our galaxy.

เช่นเดียวกับภาพในชีวิตประจำวัน อย่างช้างที่อยู่ ณ ใจกลางกาแล็กซี่

When the results of our algorithms on the bottom look very similar

เมื่อผลลัพธ์ของกระบวนวิธีทางด้านล่าง มีหน้าตาคล้ายกันมาก ๆ

to the simulation's truth image on top,

กับภาพจริงของการจำลองที่อยู่ด้านบน

then we can start to become more confident in our algorithms.

เราก็จะมั่นใจในกระบวนวิธีของเราได้มากขึ้น

And I really want to emphasize here

และฉันอยากที่จะย้ำตรงนี้ว่า

that all of these pictures were created

ภาพเหล่านี้ถูกสร้างขึ้น

by piecing together little pieces of everyday photographs,

โดยการปะติดปะต่อชิ้นส่วนเล็ก ๆ จากภาพถ่ายในชีวิตประจำวัน

like you'd take with your own personal camera.

อย่างเช่นภาพที่คุณถ่ายไว้ โดยกล้องส่วนบุคคลของคุณ

So an image of a black hole we've never seen before

ฉะนั้น ภาพหลุมดำที่เราไม่เคยเห็นมาก่อน

may eventually be created by piecing together pictures we see all the time

สุดท้ายแล้ว อาจถูกสร้างขึ้นโดยการปะติดปะต่อ ภาพที่เราเห็นกันเป็นประจำ

of people, buildings, trees, cats and dogs.

ของคน ตึกรามบ้านช่อง ต้นไม้ แมวและหมา

Imaging ideas like this will make it possible for us

แนวคิดเรื่องการสร้างภาพในลักษณะนี้

to take our very first pictures of a black hole,

จะทำให้การถ่ายภาพแรกของหลุมดำเป็นไปได้

and hopefully, verify those famous theories

และหวังเป็นอย่างยิ่งว่า มันจะยืนยัน ความถูกต้องของทฤษฎีชื่อก้อง

on which scientists rely on a daily basis.

ที่นักวิทยาศาสตร์เชื่อถือ และพึ่งพามันเป็นพื้นฐาน

But of course, getting imaging ideas like this working

แต่แน่นอนว่า การทำให้แนวคิด การสร้างภาพแบบนี้ใช้การได้นั้น

would never have been possible without the amazing team of researchers

ไม่อาจเกิดขึ้นได้เลย ถ้าปราศจากกลุ่มนักวิจัยที่น่าทึ่ง

that I have the privilege to work with.

ที่ฉันรู้สึกเป็นเกียรติเหลือเกิน ที่ได้ร่วมงานกับพวกเขา

มันยังทำให้ฉันประหลาดใจอยู่เลย

It still amazes me

that although I began this project with no background in astrophysics,

ว่าถึงแม้ว่าฉันเริ่มทำโครงการนี้ โดยปราศจากพื้นฐานเรื่องฟิสิกส์อวกาศ

what we have achieved through this unique collaboration

สิ่งที่เราได้จากความร่วมมือ ที่มีความเป็นเอกลักษณ์นี้

could result in the very first images of a black hole.

อาจส่งผลให้เราได้ภาพแรกของหลุมดำ

แต่โครงการใหญ่อย่าง อีเวน ฮอไรซัน เทเลสโคป นี้

But big projects like the Event Horizon Telescope

are successful due to all the interdisciplinary expertise

ประสบความสำเร็จได้ด้วย ความเชี่ยวชาญหลากสาขา

different people bring to the table.

จากบุคคลที่หลากหลาย ที่นำมันเข้ามาปะติดปะต่อกัน

We're a melting pot of astronomers,

เราคือเบ้าหลอมของนักดาราศาสตร์

physicists, mathematicians and engineers.

นักฟิสิกส์ นักคณิตศาสตร์ และวิศวกร

This is what will make it soon possible

นี่คือสิ่งที่จะทำให้มันเกิดขึ้นได้จริง

เพื่อที่จะทำให้เกิดบางสิ่ง ที่ครั้งหนึ่งเราคิดว่าเป็นไปไม่ได้

to achieve something once thought impossible.

I'd like to encourage all of you to go out

ฉันอยากสนับสนุนให้ทุก ๆ คน

and help push the boundaries of science,

ช่วยกันขยายพรมแดนทางวิทยาศาสตร์

even if it may at first seem as mysterious to you as a black hole.

แม้ว่าในตอนแรกมันอาจจะดูเป็นปริศนา เฉกเช่นเดียวกับหลุมดำ

Thank you.

ขอบคุณค่ะ

(Applause)

(เสียงปรบมือ)