ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com
TEDxUIUC

Christoph Adami: Finding life we can't imagine

Christoph Adami: Entdeckung eines unerwarteten Lebens

Filmed:
652,149 views

Wie sucht man nach außerirdischem Leben, wenn es sich völlig von dem Leben, das wir kennen, unterscheidet? Beim TEDxUIUC Event zeigt Christoph Adami, wie er seine Forschungsergebnisse zu künstlichem Leben – nämlich sich selbst reproduzierende Computer Programme – benutzt, um eine Signatur zu finden, einen "Biomarker", der absolut frei ist von unserer Auffassung was Leben.
- Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio

Double-click the English transcript below to play the video.

00:15
So I have a strangekomisch careerKarriere.
0
0
2000
Meine Karriere ist ungewöhnlich.
00:17
I know it because people come up to me, like colleaguesKollegen,
1
2000
3000
Ich weiß das, weil Menschen, wie etwa Kollegen,
00:20
and say, "ChrisChris, you have a strangekomisch careerKarriere."
2
5000
2000
zu mir kommen und sagen: "Chris, deine Karriere ist ungewöhnlich."
00:22
(LaughterLachen)
3
7000
2000
(Gelächter)
00:24
And I can see theirihr pointPunkt,
4
9000
2000
Und ich kann gut verstehen, was sie meinen,
00:26
because I startedhat angefangen my careerKarriere
5
11000
2000
da ich meine Karriere
00:28
as a theoreticaltheoretisch nuclearKern physicistPhysiker.
6
13000
2000
als theoretischer Nuklearphysiker begann.
00:30
And I was thinkingDenken about quarksQuarks and gluonsGluonen
7
15000
2000
Ich machte mir Gedanken über Quarks und Gluonen,
00:32
and heavyschwer ionIon collisionsKollisionen,
8
17000
2000
und Schwerion-Kollisionen,
00:34
and I was only 14 yearsJahre oldalt.
9
19000
2000
und das im Alter von 14 Jahren.
00:36
No, no, I wasn'twar nicht 14 yearsJahre oldalt.
10
21000
3000
Nein, nein, ich war nicht 14 Jahre alt.
00:40
But after that,
11
25000
2000
Aber danach
00:42
I actuallytatsächlich had my ownbesitzen labLabor
12
27000
2000
hatte ich wirklich mein eigenes Labor
00:44
in the computationalrechnerisch neuroscienceNeurowissenschaften departmentAbteilung,
13
29000
2000
in der für Computational Neuroscience
00:46
and I wasn'twar nicht doing any neuroscienceNeurowissenschaften.
14
31000
2000
und ich machte keine Neurowissenschaft.
00:48
LaterSpäter, I would work on evolutionaryevolutionär geneticsGenetik,
15
33000
3000
Später würde ich an Evolutionsgenetik arbeiten,
00:51
and I would work on systemsSysteme biologyBiologie.
16
36000
2000
und an Systembiologie.
00:53
But I'm going to tell you about something elsesonst todayheute.
17
38000
3000
Aber heute will ich von etwas anderem erzählen.
00:56
I'm going to tell you
18
41000
2000
Ich werde Ihnen erzählen,
00:58
about how I learnedgelernt something about life.
19
43000
2000
wie ich etwas über das Leben lernte.
01:00
And I was actuallytatsächlich a rocketRakete scientistWissenschaftler.
20
45000
4000
Ich war eigentlich Raketenwissenschaftler.
01:04
I wasn'twar nicht really a rocketRakete scientistWissenschaftler,
21
49000
2000
Ich war nicht wirklich ein Raketenwissenschaftler,
01:06
but I was workingArbeiten
22
51000
2000
aber ich arbeitete
01:08
at the JetJet PropulsionAntrieb LaboratoryLabor
23
53000
2000
im Labor für Jet-Propulsion,
01:10
in sunnysonnig CaliforniaCalifornia where it's warmwarm;
24
55000
3000
im sonnigen Kalifornien, wo es warm ist;
01:13
whereaswohingegen now I'm in the mid-WestMid-West,
25
58000
2000
wohingegen ich jetzt im Mittleren Westen bin,
01:15
and it's coldkalt.
26
60000
2000
und es ist kalt.
01:17
But it was an excitingaufregend experienceErfahrung.
27
62000
3000
Aber es war eine aufregende Erfahrung.
01:20
One day a NASANASA managerManager comeskommt into my officeBüro,
28
65000
3000
Eines Tages kam ein NASA Manager in mein Büro,
01:23
sitssitzt down and sayssagt,
29
68000
3000
setzte sich und sagte:
01:26
"Can you please tell us,
30
71000
2000
"Können Sie uns bitte sagen,
01:28
how do we look for life outsidedraußen EarthErde?"
31
73000
2000
wie wir nach Leben außerhalb der Erde suchen sollten?"
01:30
And that camekam as a surpriseüberraschen to me,
32
75000
2000
Da war ich überrascht,
01:32
because I was actuallytatsächlich hiredgemietet
33
77000
2000
da ich eigentlich eingestellt worden war,
01:34
to work on quantumQuantum computationBerechnung.
34
79000
2000
um an Quantum Computation zu arbeiten.
01:36
YetNoch, I had a very good answerAntworten.
35
81000
2000
Und doch hatte ich eine richtig gute Antwort.
01:38
I said, "I have no ideaIdee."
36
83000
3000
Ich sagte: "Ich habe keine Ahnung."
01:41
And he told me, "BiosignaturesBiosignaturen,
37
86000
3000
Und er sagte zu mir: "Biosignaturen,
01:44
we need to look for a biosignatureBiosignature."
38
89000
2000
wir müssen nach Biosignaturen suchen."
01:46
And I said, "What is that?"
39
91000
2000
Und ich fragte: "Was ist das?"
01:48
And he said, "It's any measurablemessbare phenomenonPhänomen
40
93000
2000
Er antwortete: "Jedes messbare Naturerscheinung,
01:50
that allowserlaubt us to indicatezeigen
41
95000
2000
die Hinweise auf die Anwesenheit von Leben
01:52
the presenceGegenwart of life."
42
97000
2000
zulässt."
01:54
And I said, "Really?
43
99000
2000
Und ich sagte: "Wirklich?
01:56
Because isn't that easyeinfach?
44
101000
2000
Ist das so einfach?
01:58
I mean, we have life.
45
103000
2000
Ich meine, wir haben Leben.
02:00
Can't you applysich bewerben a definitionDefinition,
46
105000
2000
Kann man keine Definition anwenden,
02:02
like for exampleBeispiel, a SupremeOberste Court-likeGericht-wie definitionDefinition of life?"
47
107000
4000
wie zum Beispiel eine Definition des Lebens vom Obersten Gerichtshofs?"
02:06
And then I thought about it a little bitBit, and I said,
48
111000
2000
Und dann dachte ich eine Weile darüber nach und sagte:
02:08
"Well, is it really that easyeinfach?
49
113000
2000
"Nun ja, ist das wirklich so einfach?
02:10
Because, yes, if you see something like this,
50
115000
3000
Weil, ja, wenn man soetwas sieht,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
dann, ja klar, nenne ich das Leben--
02:15
no doubtZweifel about it.
52
120000
2000
kein Zweifel.
02:17
But here'shier ist something."
53
122000
2000
Aber hier ist etwas."
02:19
And he goesgeht, "Right, that's life too. I know that."
54
124000
3000
Und er meinte: "Eben, das ist auch Leben. Das weiß ich."
02:22
ExceptAußer, if you think life is alsoebenfalls defineddefiniert
55
127000
2000
Außer wenn man daran glaubt, dass Leben
02:24
by things that diesterben,
56
129000
2000
durch Sterben definiert ist,
02:26
you're not in luckGlück with this thing,
57
131000
2000
hat man hier kein Glück.
02:28
because that's actuallytatsächlich a very strangekomisch organismOrganismus.
58
133000
2000
da dies ein sehr merkwürdiger Organismus ist.
02:30
It growswächst up into the adultErwachsene stageStufe like that
59
135000
2000
Er wächst bis zu seiner Erwachsenenzeit so
02:32
and then goesgeht throughdurch a BenjaminBenjamin ButtonSchaltfläche " phasePhase,
60
137000
3000
und durchschreitet dann eine Benjamin-Button-Phase,
02:35
and actuallytatsächlich goesgeht backwardsrückwärts and backwardsrückwärts
61
140000
2000
und entwickelt sich weiter und weiter zurück,
02:37
untilbis it's like a little embryoEmbryo again,
62
142000
2000
bis er wieder einem Embryo gleicht,
02:39
and then actuallytatsächlich growswächst back up, and back down and back up -- sortSortieren of yo-yoJo-Jo --
63
144000
3000
und wächst danach wieder, schrumpft dann wieder, wächst wieder -- wie ein Jo-Jo--
02:42
and it never diesstirbt.
64
147000
2000
und er stirbt niemals.
02:44
So it's actuallytatsächlich life,
65
149000
2000
Es handelt sich also um Leben,
02:46
but it's actuallytatsächlich not
66
151000
2000
aber eben nicht so,
02:48
as we thought life would be.
67
153000
3000
wie wir es uns vorstellen.
02:51
And then you see something like that.
68
156000
2000
Und dann sieht man soetwas.
02:53
And he was like, "My God, what kindArt of a life formbilden is that?"
69
158000
2000
Und er sagt: "Oh mein Gott, was für eine Form des Lebens ist das?"
02:55
AnyoneWer know?
70
160000
2000
Weiß es jemand?
02:57
It's actuallytatsächlich not life, it's a crystalKristall.
71
162000
3000
Es ist eigentlich kein Leben, es ist ein Kristall.
03:00
So onceEinmal you startAnfang looking and looking
72
165000
2000
Wenn man einmal anfängt
03:02
at smallerkleiner and smallerkleiner things --
73
167000
2000
auf die ganz kleinen Sachen zu schauen --
03:04
so this particularinsbesondere personPerson
74
169000
2000
diese Person hat
03:06
wroteschrieb a wholeganze articleArtikel and said, "Hey, these are bacteriaBakterien."
75
171000
3000
einen ganzen Artikel geschrieben und sagte, "Hey, das sind Bakterien."
03:09
ExceptAußer, if you look a little bitBit closernäher,
76
174000
2000
Außer, wenn man noch genauer schaut,
03:11
you see, in factTatsache, that this thing is way too smallklein to be anything like that.
77
176000
3000
sieht man, dass in Wahrheit dieses Ding, viel zu klein ist, um das zu sein.
03:14
So he was convincedüberzeugt,
78
179000
2000
Also er war überzeugt,
03:16
but, in factTatsache, mostdie meisten people aren'tsind nicht.
79
181000
2000
aber tatsächlich sind die meisten Menschen das nicht.
03:18
And then, of courseKurs,
80
183000
2000
Und dann natürlich
03:20
NASANASA alsoebenfalls had a biggroß announcementAnkündigung,
81
185000
2000
hat die NASA auch eine große Ankündigung gemacht
03:22
and PresidentPräsident ClintonClinton gavegab a pressDrücken Sie conferenceKonferenz,
82
187000
2000
und Präsident Clinton hat eine Pressekonferenz gegeben,
03:24
about this amazingtolle discoveryEntdeckung
83
189000
2000
über diese unglaubliche Entdeckung
03:26
of life in a MartianMartian meteoriteMeteorit.
84
191000
3000
von Leben auf einem Mars-Meteroiten.
03:29
ExceptAußer that nowadaysheutzutage, it's heavilyschwer disputedumstritten.
85
194000
4000
Nur ist das heutzutage sehr umstritten.
03:33
If you take the lessonLektion of all these picturesBilder,
86
198000
3000
Wenn man aus all diesen Bildern lernt,
03:36
then you realizerealisieren, well actuallytatsächlich maybe it's not that easyeinfach.
87
201000
2000
dann wird man feststellen, dass es eigentlich nicht so einfach ist.
03:38
Maybe I do need
88
203000
2000
Vielleicht brauche ich docch
03:40
a definitionDefinition of life
89
205000
2000
eine Defintion des Lebens,
03:42
in orderAuftrag to make that kindArt of distinctionUnterscheidung.
90
207000
2000
um diese Unterscheidung zu machen.
03:44
So can life be defineddefiniert?
91
209000
2000
Kann man Leben definieren?
03:46
Well how would you go about it?
92
211000
2000
Wie würden Sie es angehen?
03:48
Well of courseKurs,
93
213000
2000
Natürlich
03:50
you'ddu würdest go to EncyclopediaEnzyklopädie BritannicaBritannica and openöffnen at L.
94
215000
2000
wüde man die Encyclopedia Britannica nehmen und L aufschlagen.
03:52
No, of courseKurs you don't do that; you put it somewhereirgendwo in GoogleGoogle.
95
217000
3000
Nein, natürlich würde man das nicht manchen, man würde es googeln.
03:55
And then you mightMacht get something.
96
220000
3000
Und dann hat man vielleicht ein Ergebnis.
03:58
And what you mightMacht get --
97
223000
2000
Und was man vielleicht bekommt --
04:00
and anything that actuallytatsächlich refersverweist to things that we are used to,
98
225000
2000
und alles, was sich auf Dinge bezieht, die wir gewohnt sind,
04:02
you throwwerfen away.
99
227000
2000
schmeißt man weg.
04:04
And then you mightMacht come up with something like this.
100
229000
2000
Und dann kommt man vielleicht auf soetwas.
04:06
And it sayssagt something complicatedkompliziert
101
231000
2000
Und es ist etwas Kompliziertes
04:08
with lots and lots of conceptsKonzepte.
102
233000
2000
mit sehr vielen Konzepten.
04:10
Who on EarthErde would writeschreiben something
103
235000
2000
Wer würde so etwas
04:12
as convolutedverworren and complexKomplex
104
237000
2000
Verschachteltes und Komplexes
04:14
and inanealberne?
105
239000
3000
und Sinnloses schreiben?
04:17
Oh, it's actuallytatsächlich a really, really, importantwichtig setSet of conceptsKonzepte.
106
242000
4000
Oh, es ist eigentlich ein wirklich bedeutender Konzeptenkomplex.
04:21
So I'm highlightingHervorhebung just a fewwenige wordsWörter
107
246000
3000
Also, ich hebe einige Wörter hervor
04:24
and sayingSprichwort definitionsDefinitionen like that
108
249000
2000
und sage, dass solche Defintionen
04:26
relyverlassen on things that are not basedbasierend
109
251000
2000
beruhen auf Sachen, die nicht
04:28
on aminoAmino acidsSäuren or leavesBlätter
110
253000
3000
auf Aminosäuren oder Blättern basieren,
04:31
or anything that we are used to,
111
256000
2000
oder auf etwas, was wir gewohnt sind,
04:33
but in factTatsache on processesProzesse only.
112
258000
2000
sondern in Wahrheit nur auf Prozessen.
04:35
And if you take a look at that,
113
260000
2000
Wenn man sich das anschaut ist,
04:37
this was actuallytatsächlich in a bookBuch that I wroteschrieb that dealsAngebote with artificialkünstlich life.
114
262000
3000
ist dies eigentlich in einem Buch, das ich über künstliches Leben geschrieben habe.
04:40
And that explainserklärt why
115
265000
2000
Und das erklärt, warum
04:42
that NASANASA managerManager was actuallytatsächlich in my officeBüro to beginStart with.
116
267000
3000
der NASA-Manager überhaupt bei mir im Büro war.
04:45
Because the ideaIdee was that, with conceptsKonzepte like that,
117
270000
3000
Weil die Idee war, dass wir mit solchen Konzepten
04:48
maybe we can actuallytatsächlich manufactureHerstellung
118
273000
2000
wir vielleicht tatsächlich
04:50
a formbilden of life.
119
275000
2000
eine Form des Lebens herstellen können.
04:52
And so if you go and askFragen yourselfdich selber,
120
277000
3000
Und wenn man sich fragt,
04:55
"What on EarthErde is artificialkünstlich life?",
121
280000
2000
"Was zum Himmel ist künstliches Leben?",
04:57
let me give you a whirlwindWirbelwind tourTour
122
282000
2000
lassen Sie mich Ihnen einen schnellen Überblick geben,
04:59
of how all this stuffSachen camekam about.
123
284000
2000
wie das Ganze angefangen hat.
05:01
And it startedhat angefangen out quiteganz a while agovor
124
286000
3000
Und es hat vor einiger Zeit angefangen,
05:04
when someonejemand wroteschrieb
125
289000
2000
als jemand
05:06
one of the first successfulerfolgreich computerComputer virusesViren.
126
291000
2000
einen der ersten erfolgreichen Computerviren geschrieben hat.
05:08
And for those of you who aren'tsind nicht oldalt enoughgenug,
127
293000
3000
Und alle die nicht alt genug sind,
05:11
you have no ideaIdee how this infectionInfektion was workingArbeiten --
128
296000
3000
Sie haben keine Ahnung, wie diese Infektion passierte --
05:14
namelynämlich, throughdurch these floppyDiskette disksFestplatten.
129
299000
2000
nämlich durch diese Disketten.
05:16
But the interestinginteressant thing about these computerComputer virusVirus infectionsInfektionen
130
301000
3000
Aber das Interessante an diesen Virusinfektionen der Computer
05:19
was that, if you look at the ratePreis
131
304000
2000
war, dass, wenn man auf die Infektionsrate schaut,
05:21
at whichwelche the infectionInfektion workedhat funktioniert,
132
306000
2000
in der die Infektionen passierten,
05:23
they showShow this spikystacheligen behaviorVerhalten
133
308000
2000
sich diese Zacken zeigen,
05:25
that you're used to from a fluGrippe virusVirus.
134
310000
3000
dass man von Grippeviren kennt.
05:28
And it is in factTatsache duefällig to this armsArme raceRennen
135
313000
2000
Und in Wahrheit ist es der Rüstungswettlauf
05:30
betweenzwischen hackersHacker and operatingBetriebs systemSystem designersDesigner
136
315000
3000
zwischen Hackern und Designern der Computersysteme,
05:33
that things go back and forthher.
137
318000
2000
der alles es hin und her gehen lässt.
05:35
And the resultErgebnis is kindArt of a treeBaum of life
138
320000
2000
Und das Ergebnis ist eine Art Lebensbaum
05:37
of these virusesViren,
139
322000
2000
dieser Viren,
05:39
a phylogenyPhylogenie that lookssieht aus very much
140
324000
3000
eine Stammesgeschichte, die der Art des Lebens, die wir kennen,
05:42
like the typeArt of life that we're used to, at leastam wenigsten on the viralvirale levelEbene.
141
327000
3000
sehr ähnlich sieht, zumindest auf der viralen Ebene.
05:45
So is that life? Not as farweit as I'm concernedbesorgt.
142
330000
3000
Ist das also Leben? Nicht für mich.
05:48
Why? Because these things don't evolveentwickeln by themselvessich.
143
333000
3000
Warum? Weil diese Dinge sich nicht eigenständig entwickeln.
05:51
In factTatsache, they have hackersHacker writingSchreiben them.
144
336000
2000
In Wahrheit, schreiben Hacker sie.
05:53
But the ideaIdee was takengenommen very quicklyschnell a little bitBit furtherdes Weiteren
145
338000
4000
Dieser Ansatz wurde schnell aufgegriffen und weitergeführt,
05:57
when a scientistWissenschaftler workingArbeiten at the ScientificWissenschaftliche InstituteInstitut decidedbeschlossen,
146
342000
3000
als ein Wissenschaftler am Scientific Institute beschloss,
06:00
"Why don't we try to packagePaket these little virusesViren
147
345000
3000
"Warum versuchen wir nicht, diese kleinen Viren
06:03
in artificialkünstlich worldsWelten insideinnen of the computerComputer
148
348000
2000
in künstliche Welten im Computer zu packen,
06:05
and let them evolveentwickeln?"
149
350000
2000
und lassen die sich selbst entwickeln?"
06:07
And this was SteenSteen RasmussenRasmussen.
150
352000
2000
Und das war Steen Rasmussen.
06:09
And he designedentworfen this systemSystem, but it really didn't work,
151
354000
2000
Er hat dieses System entwickelt, aber es funktionierte nicht wirklich,
06:11
because his virusesViren were constantlyständig destroyingzerstörend eachjede einzelne other.
152
356000
3000
weil die Viren sich ständig gegenseitig zerstörten.
06:14
But there was anotherein anderer scientistWissenschaftler who had been watchingAufpassen this, an ecologistÖkologe.
153
359000
3000
Aber es gab noch einen Wissenschaftler, der das beobachtet hatte, einen Ökologen.
06:17
And he wentging home and sayssagt, "I know how to fixFix this."
154
362000
3000
Er ging nach Hause und sagte, "Ich weiß, wie man das in Ordnung bringen kann."
06:20
And he wroteschrieb the TierraTierra systemSystem,
155
365000
2000
Und er schrieb das Tierrasystem,
06:22
and, in my bookBuch, is in factTatsache one of the first
156
367000
3000
und, in meinen Buch ist es wirklich eines der ersten
06:25
trulywirklich artificialkünstlich livingLeben systemsSysteme --
157
370000
2000
wahren künstlichen lebenden Systeme --
06:27
exceptaußer for the factTatsache that these programsProgramme didn't really growgrößer werden in complexityKomplexität.
158
372000
3000
außer dass diese Programme nicht an Kompexität wuchsen.
06:30
So havingmit seengesehen this work, workedhat funktioniert a little bitBit on this,
159
375000
3000
Als man sah, dass das funktioniert und ein wenig daran arbeitete,
06:33
this is where I camekam in.
160
378000
2000
da kam ich dazu.
06:35
And I decidedbeschlossen to createerstellen a systemSystem
161
380000
2000
Und ich beschloss ein System zu entwickeln,
06:37
that has all the propertiesEigenschaften that are necessarynotwendig
162
382000
2000
das alle Voraussetzungen erfüllt, die notwendig sind
06:39
to see the evolutionEvolution of complexityKomplexität,
163
384000
3000
für die Evolution von Komplexität, nach der sich
06:42
more and more complexKomplex problemsProbleme constantlyständig evolvingsich entwickelnd.
164
387000
3000
immer komplexere Probleme sich ständig entwickeln.
06:45
And of courseKurs, sinceschon seit I really don't know how to writeschreiben codeCode, I had help in this.
165
390000
3000
Und da ich nicht wirklich wusste, wie man Code schreibt, hatte ich dabei natürlich Hilfe.
06:48
I had two undergraduateBachelor studentsStudenten
166
393000
2000
Zwei Studenten am
06:50
at CaliforniaCalifornia InstituteInstitut of TechnologyTechnologie that workedhat funktioniert with me.
167
395000
3000
California Institute of Technology arbeiteten mit mir.
06:53
That's CharlesCharles OffriaOffria on the left, TitusTitus BrownBraun on the right.
168
398000
3000
Das ist Charles Offria auf der linken, und Titus Brown auf der rechten Seite.
06:56
They are now actuallytatsächlich respectablerespektabel professorsProfessoren
169
401000
3000
Die beiden sind jetzt wirklich anerkannte Professoren
06:59
at MichiganMichigan StateZustand UniversityUniversität,
170
404000
2000
an der Michigan State University,
07:01
but I can assureversichern you, back in the day,
171
406000
2000
aber ich kann Ihnen versichern, damals
07:03
we were not a respectablerespektabel teamMannschaft.
172
408000
2000
waren wir nicht so ein respektables Team.
07:05
And I'm really happyglücklich that no photoFoto survivesüberlebt
173
410000
2000
Und ich bin auch froh, dass es kein Fotos gibt
07:07
of the threedrei of us anywhereirgendwo closeschließen togetherzusammen.
174
412000
3000
von uns dreien nebeneinander.
07:10
But what is this systemSystem like?
175
415000
2000
Aber wie schaut nun dieses System aus?
07:12
Well I can't really go into the detailsDetails,
176
417000
3000
Nun, ich kann nicht wirklich ins Detail gehen,
07:15
but what you see here is some of the entrailsEingeweide.
177
420000
2000
aber hier sehen Sie ein paar Einzelheiten.
07:17
But what I wanted to focusFokus on
178
422000
2000
Aber worauf ich mich konzentrieren möchte,
07:19
is this typeArt of populationBevölkerung structureStruktur.
179
424000
2000
ist der Typ der Bevölkerungsstruktur.
07:21
There's about 10,000 programsProgramme sittingSitzung here.
180
426000
3000
Da sind etwa 10.000 Programme angesiedelt.
07:24
And all differentanders strainsStämme are coloredfarbig in differentanders colorsFarben.
181
429000
3000
Und alle verschiedenen Stämme haben verschiedene Farben.
07:27
And as you see here, there are groupsGruppen that are growingwachsend on topoben of eachjede einzelne other,
182
432000
3000
Und wie man hier sieht, gibt es Gruppen, die übereinander wachsen,
07:30
because they are spreadingVerbreitung.
183
435000
2000
weil sie sich ausbreiten.
07:32
Any time there is a programProgramm
184
437000
2000
Immer wenn es ein Programm gibt,
07:34
that's better at survivingüberleben in this worldWelt,
185
439000
2000
das besser in dieser Welt überlebt,
07:36
duefällig to whateverwas auch immer mutationMutation it has acquirederworben,
186
441000
2000
aufgrund irgendeiner Mutation,
07:38
it is going to spreadVerbreitung over the othersAndere and driveFahrt the othersAndere to extinctionAussterben.
187
443000
3000
breitet es sich über die anderen aus und bringt die anderen zum Verschwinden.
07:41
So I'm going to showShow you a movieFilm where you're going to see that kindArt of dynamicdynamisch.
188
446000
3000
Ich werde nun einen Film zeigen, in dem Sie diesen Vorgang sehen.
07:44
And these kindsArten of experimentsExperimente are startedhat angefangen
189
449000
3000
Diese Art von Versuchen begannen
07:47
with programsProgramme that we wroteschrieb ourselvesuns selbst.
190
452000
2000
mit Programmen, die wir selber geschrieben haben.
07:49
We writeschreiben our ownbesitzen stuffSachen, replicatereplizieren it,
191
454000
2000
Wir schreiben unsere eigenen Sachen, vervielfältigen diese,
07:51
and are very proudstolz of ourselvesuns selbst.
192
456000
2000
und sind sehr stolz auf uns.
07:53
And we put them in, and what you see immediatelysofort
193
458000
3000
Und wir fügen diese hinzu, und gleich kann man sehen,
07:56
is that there are wavesWellen and wavesWellen of innovationInnovation.
194
461000
3000
dass es eine Welle der Innovation nach der anderen gibt.
07:59
By the way, this is highlyhöchst acceleratedbeschleunigt,
195
464000
2000
Übrigens ist das sehr beschleunigt,
08:01
so it's like a thousandtausend generationsGenerationen a secondzweite.
196
466000
2000
es ist fast wie tausend Generationen pro Sekunde.
08:03
But immediatelysofort the systemSystem goesgeht like,
197
468000
2000
Aber sofort sagt das System:
08:05
"What kindArt of dumbstumm pieceStück of codeCode was this?
198
470000
2000
"Was für ein blöder Code war das?
08:07
This can be improvedverbessert uponauf in so manyviele waysWege
199
472000
2000
Das kann auf viele Arten verbessert werden
08:09
so quicklyschnell."
200
474000
2000
und schnell."
08:11
So you see wavesWellen of newneu typesTypen
201
476000
2000
Man sieht Wellen einer neuen Art,
08:13
takingunter over the other typesTypen.
202
478000
2000
die andere Arten überwindet.
08:15
And this typeArt of activityAktivität goesgeht on for quiteganz awhileeine Weile,
203
480000
3000
Und diese Art von Aktivität geht noch eine Weile so,
08:18
untilbis the mainMain easyeinfach things have been acquirederworben by these programsProgramme.
204
483000
4000
bis die einfachen Hauptsachen von diesen Programmen übernommen wurden.
08:22
And then you see sortSortieren of like a stasisStase comingKommen on
205
487000
4000
Und dann sieht man eine Art von Entwicklungsstau,
08:26
where the systemSystem essentiallyim Wesentlichen waitswartet
206
491000
2000
in dem das System hauptsächlich
08:28
for a newneu typeArt of innovationInnovation, like this one,
207
493000
3000
auf eine neue Entwicklung wartet, wie diese da,
08:31
whichwelche is going to spreadVerbreitung
208
496000
2000
welche sich ausbreiten wird
08:33
over all the other innovationsInnovationen that were before
209
498000
2000
über all die anderen Innovationen, die vorher da waren
08:35
and is erasinglöschen the genesGene that it had before,
210
500000
3000
und die Gene löscht, die es vorher hatte,
08:38
untilbis a newneu typeArt of higherhöher levelEbene of complexityKomplexität has been achievederreicht.
211
503000
4000
bis eine neue Art höherer Komplexität erreicht wurde.
08:42
And this processverarbeiten goesgeht on and on and on.
212
507000
3000
Und dieser Prozess geht immer weiter.
08:45
So what we see here
213
510000
2000
Was wir hier sehen,
08:47
is a systemSystem that livesLeben
214
512000
2000
ist ein System, das in etwa so lebt,
08:49
in very much the way we're used to life [going.]
215
514000
2000
wie wir Leben gewohnt sind.
08:51
But what the NASANASA people had askedaufgefordert me really
216
516000
4000
Aber was die NASA-Leute mich wirklich gefragt hatten
08:55
was, "Do these guys
217
520000
2000
war: "Haben diese Dinger
08:57
have a biosignatureBiosignature?
218
522000
2000
eine Biosignatur?
08:59
Can we measuremessen this typeArt of life?
219
524000
2000
Können wir diese Art des Leben messen?
09:01
Because if we can,
220
526000
2000
Wenn wir das können,
09:03
maybe we have a chanceChance of actuallytatsächlich discoveringentdecken life somewhereirgendwo elsesonst
221
528000
3000
haben wir vielleicht eine Chance, Leben wirklich irgendwo anders
09:06
withoutohne beingSein biasedvoreingenommen
222
531000
2000
zu entdecken, ohne voreingenommen zu sein
09:08
by things like aminoAmino acidsSäuren."
223
533000
2000
durch Dinge wie Aminosäuren."
09:10
So I said, "Well, perhapsvielleicht we should constructbauen
224
535000
3000
Also sagte ich: "Vielleicht sollten wir
09:13
a biosignatureBiosignature
225
538000
2000
eine Biosignatur herstellen,
09:15
basedbasierend on life as a universalUniversal- processverarbeiten.
226
540000
3000
die auf Leben als universalem Prozess basiert.
09:18
In factTatsache, it should perhapsvielleicht make use
227
543000
2000
Vielleicht sollte es
09:20
of the conceptsKonzepte that I developedentwickelt
228
545000
2000
die Konzepte verwenden, die ich entwickelt habe
09:22
just in orderAuftrag to sortSortieren of captureErfassung
229
547000
2000
um zu erfassen,
09:24
what a simpleeinfach livingLeben systemSystem mightMacht be."
230
549000
2000
was ein einfaches lebendes System sein kann."
09:26
And the thing I camekam up with --
231
551000
2000
Und was ich mir ausgedacht habe --
09:28
I have to first give you an introductionEinführung about the ideaIdee,
232
553000
4000
Ich muss Ihnen zuerst eine Einführung in die Idee geben,
09:32
and maybe that would be a meaningBedeutung detectorDetektor,
233
557000
3000
und vielleicht wäre das eher ein Bedeutungs-Detektor
09:35
ratherlieber than a life detectorDetektor.
234
560000
3000
als ein Lebensdetektor.
09:38
And the way we would do that --
235
563000
2000
Und wir würden das so machen --
09:40
I would like to find out how I can distinguishunterscheiden
236
565000
2000
ich würde gerne herausfinden, wie sich
09:42
textText that was writtengeschrieben by a millionMillion monkeysAffen,
237
567000
2000
Text, der von einer Million Affen geschrieben wurde,
09:44
as opposedentgegengesetzt to textText that [is] in our booksBücher.
238
569000
3000
von Text unterscheidet, der in unseren Büchern ist.
09:47
And I would like to do it in sucheine solche a way
239
572000
2000
Und ich würde es gerne so angehen,
09:49
that I don't actuallytatsächlich have to be ablefähig to readlesen the languageSprache,
240
574000
2000
dass ich die Sprache nicht wiklich lesen können muss,
09:51
because I'm sure I won'tGewohnheit be ablefähig to.
241
576000
2000
weil ich mir sicher bin, dass ich dazu nicht in der Lage bin.
09:53
As long as I know that there's some sortSortieren of alphabetAlphabet.
242
578000
2000
Solang ich weiß, dass es eine Art Alphabet gibt.
09:55
So here would be a frequencyFrequenz plotHandlung
243
580000
3000
Dies wäre die Häufigkeit
09:58
of how oftenhäufig you find
244
583000
2000
in der man
10:00
eachjede einzelne of the 26 lettersBriefe of the alphabetAlphabet
245
585000
2000
jeden der 26 Buchstaben des Alphabets
10:02
in a textText writtengeschrieben by randomzufällig monkeysAffen.
246
587000
3000
in einem von zufällig gewählten Affen geschriebenen Text finden kann.
10:05
And obviouslyoffensichtlich eachjede einzelne of these lettersBriefe
247
590000
2000
Und offensichtlich kommt jeder dieser Buchstaben
10:07
comeskommt off about roughlygrob equallygleichermaßen frequenthäufig.
248
592000
2000
ungefähr gleich häufig vor.
10:09
But if you now look at the samegleich distributionVerteilung in EnglishEnglisch textsTexte,
249
594000
4000
Aber wenn man die gleiche Verteilung in einem englischen Text betrachtet,
10:13
it lookssieht aus like that.
250
598000
2000
schaut das so aus.
10:15
And I'm tellingErzählen you, this is very robustrobust acrossüber EnglishEnglisch textsTexte.
251
600000
3000
Und ich sagen Ihnen, bei englischen Texten ist dies sehr stabil.
10:18
And if I look at FrenchFranzösisch textsTexte, it lookssieht aus a little bitBit differentanders,
252
603000
2000
Und wenn man sich französische Texte anschaut, dann sieht es ein wenig anders aus,
10:20
or ItalianItalienisch or GermanDeutsch.
253
605000
2000
oder bei Italienisch oder Deutsch.
10:22
They all have theirihr ownbesitzen typeArt of frequencyFrequenz distributionVerteilung,
254
607000
3000
Sie alle haben eine eigene Häufigkeitsverteilung,
10:25
but it's robustrobust.
255
610000
2000
aber es ist solide.
10:27
It doesn't matterAngelegenheit whetherob it writesschreibt about politicsPolitik or about scienceWissenschaft.
256
612000
3000
Dabei ist es unwichtig, ob über Politik oder Wissenschaft geschrieben wurde.
10:30
It doesn't matterAngelegenheit whetherob it's a poemGedicht
257
615000
3000
Es ist auch nicht wichtig, ob es ein Gedicht ist,
10:33
or whetherob it's a mathematicalmathematisch textText.
258
618000
3000
oder ein mathematischer Text.
10:36
It's a robustrobust signatureUnterschrift,
259
621000
2000
Es ist eine stabile Signatur,
10:38
and it's very stablestabil.
260
623000
2000
und es ist sehr stabil.
10:40
As long as our booksBücher are writtengeschrieben in EnglishEnglisch --
261
625000
2000
Solange unsere Bücher auf Englisch geschrieben werden --
10:42
because people are rewritingumschreiben them and recopyingrecopying them --
262
627000
3000
weil Menschen sie neu schreiben und wieder kopieren --
10:45
it's going to be there.
263
630000
2000
wird das immer da sein.
10:47
So that inspiredinspiriert me to think about,
264
632000
2000
Das hat mich angeregt darüber nachzudenken,
10:49
well, what if I try to use this ideaIdee
265
634000
3000
was, wenn ich versuche, diese Idee
10:52
in orderAuftrag, not to detecterkennen randomzufällig textsTexte
266
637000
2000
nicht dazu benutze zufällige Texte
10:54
from textsTexte with meaningBedeutung,
267
639000
2000
von Texten mit Bedeutung zu unterscheiden,
10:56
but ratherlieber detecterkennen the factTatsache that there is meaningBedeutung
268
641000
4000
sondern dazu benutze, eine Bedeutung zu finden
11:00
in the biomoleculesBiomoleküle that make up life.
269
645000
2000
in den Biomolekülen, die Leben ausmachen.
11:02
But first I have to askFragen:
270
647000
2000
Aber zuerst muss ich fragen:
11:04
what are these buildingGebäude blocksBlöcke, like the alphabetAlphabet, elementsElemente that I showedzeigte you?
271
649000
3000
Was sind die Bausteine, wie das Alphabet, Elemente, die ich Ihnen gezeigt habe?
11:07
Well it turnswendet sich out, we have manyviele differentanders alternativesAlternativen
272
652000
3000
Es zeigt sich, dass wir viele verschiedene Alternativen haben
11:10
for sucheine solche a setSet of buildingGebäude blocksBlöcke.
273
655000
2000
für solch einen Satz von Bausteinen.
11:12
We could use aminoAmino acidsSäuren,
274
657000
2000
Wir könnten Aminosäuren verwenden,
11:14
we could use nucleicNukleinsäure acidsSäuren, carboxyliccarboxylic acidsSäuren, fattyfetthaltige acidsSäuren.
275
659000
3000
wir könnten Nukleinsäuren, Carbonsäuren, Fettsäuren verwenden.
11:17
In factTatsache, chemistry'sder Chemie extremelyäußerst richReich, and our bodyKörper usesVerwendungen a lot of them.
276
662000
3000
Die Chemie ist extrem reich, und unser Körper verwendet vieles davon.
11:20
So that we actuallytatsächlich, to testTest this ideaIdee,
277
665000
3000
Um diese Idee zu testen, sahen wir uns daher
11:23
first tookdauerte a look at aminoAmino acidsSäuren and some other carboxyliccarboxylic acidsSäuren.
278
668000
3000
zunächst Aminosäuren und ein paar andere Carbonsäuren an.
11:26
And here'shier ist the resultErgebnis.
279
671000
2000
Und hier sind die Ergebnisse.
11:28
Here is, in factTatsache, what you get
280
673000
3000
Das bekommt man,
11:31
if you, for exampleBeispiel, look at the distributionVerteilung of aminoAmino acidsSäuren
281
676000
3000
wenn man zum Beispiel die Verteilung der Aminosäuren betrachtet
11:34
on a cometKomet or in interstellarinterstellar spacePlatz
282
679000
3000
auf einem Kometen, oder im interstellaren Raum,
11:37
or, in factTatsache, in a laboratoryLabor,
283
682000
2000
oder in einem Labor,
11:39
where you madegemacht very sure that in your primordialprimordial soupSuppe
284
684000
2000
wenn man sichergestellt hat, dass in der ursprünglichen Suppe
11:41
that there is not livingLeben stuffSachen in there.
285
686000
2000
nichts Lebendes drin ist.
11:43
What you find is mostlymeist glycineGlycin and then alanineAlanin
286
688000
3000
Man findet zumeist Glycin, dann Alanin,
11:46
and there's some traceSpur elementsElemente of the other onesEinsen.
287
691000
3000
und dann gibt Spuren anderer Elemente.
11:49
That is alsoebenfalls very robustrobust --
288
694000
3000
Das ist auch sehr stabil --
11:52
what you find in systemsSysteme like EarthErde
289
697000
3000
was man in Systemen wie der Erde findet,
11:55
where there are aminoAmino acidsSäuren,
290
700000
2000
wo es Amniosäuren gibt,
11:57
but there is no life.
291
702000
2000
aber kein Leben.
11:59
But supposeannehmen you take some dirtSchmutz
292
704000
2000
Aber nehmen wir an, man nimmt ein wenig Dreck
12:01
and diggraben throughdurch it
293
706000
2000
und wühlt darin
12:03
and then put it into these spectrometersSpektrometer,
294
708000
3000
und dann untersucht man es in diesen Spektrometern,
12:06
because there's bacteriaBakterien all over the placeOrt;
295
711000
2000
weil da überall Bakterien sind;
12:08
or you take waterWasser anywhereirgendwo on EarthErde,
296
713000
2000
oder man nimmt Wasser von irgendwo auf der Erde,
12:10
because it's teamingGruppenbildung with life,
297
715000
2000
weil es voller Leben ist,
12:12
and you make the samegleich analysisAnalyse;
298
717000
2000
und dann macht man die gleiche Analyse;
12:14
the spectrumSpektrum lookssieht aus completelyvollständig differentanders.
299
719000
2000
das Spektrum schaut komplett anders aus.
12:16
Of courseKurs, there is still glycineGlycin and alanineAlanin,
300
721000
4000
Natürlich ist da weiterhin Glycin und Alanin,
12:20
but in factTatsache, there are these heavyschwer elementsElemente, these heavyschwer aminoAmino acidsSäuren,
301
725000
3000
aber da sind diese Schwerelemente, diese schweren Aminosäuren,
12:23
that are beingSein producedhergestellt
302
728000
2000
die produziert werden,
12:25
because these are valuablewertvoll to the organismOrganismus.
303
730000
2000
weil sie für den Organismus nützlich sind.
12:27
And some other onesEinsen
304
732000
2000
Und andere wiederum,
12:29
that are not used in the setSet of 20,
305
734000
2000
welche nicht im 20er Komplex verwendet werden,
12:31
they will not appearerscheinen at all
306
736000
2000
treten überhaupt nicht auf
12:33
in any typeArt of concentrationKonzentration.
307
738000
2000
in jeder möglichen Konzentration.
12:35
So this alsoebenfalls turnswendet sich out to be extremelyäußerst robustrobust.
308
740000
2000
Also das scheint sehr stabil zu sein.
12:37
It doesn't matterAngelegenheit what kindArt of sedimentSediment you're usingmit to grindGrind up,
309
742000
3000
Es ist nebensächlich, welches Sediment man verwendet, um es zu zermahlen,
12:40
whetherob it's bacteriaBakterien or any other plantsPflanzen or animalsTiere.
310
745000
3000
ob es Bakterien, Pflanzen oder Tiere sind.
12:43
AnywhereÜberall there's life,
311
748000
2000
Überall wo Leben ist,
12:45
you're going to have this distributionVerteilung,
312
750000
2000
wird man diese Verteilung haben,
12:47
as opposedentgegengesetzt to that distributionVerteilung.
313
752000
2000
im Gegensatz zu dieser Verteilung.
12:49
And it is detectablenachweisbar not just in aminoAmino acidsSäuren.
314
754000
3000
Und das kann man nicht nur in Aminosäuren finden.
12:52
Now you could askFragen:
315
757000
2000
Jetzt könnte man fragen:
12:54
well, what about these AvidiansAvidian?
316
759000
2000
was ist mit diesen Avidian?
12:56
The AvidiansAvidian beingSein the denizensBewohner of this computerComputer worldWelt
317
761000
4000
Die Avidian sind die Bewohner dieser Computerwelt,
13:00
where they are perfectlyperfekt happyglücklich replicatingreplizierend and growingwachsend in complexityKomplexität.
318
765000
3000
wo sie sich überglücklich reproduzieren und an Komplexität zunehmen.
13:03
So this is the distributionVerteilung that you get
319
768000
3000
Das ist die Verteilung, die man bekommt,
13:06
if, in factTatsache, there is no life.
320
771000
2000
wenn es kein Leben gibt.
13:08
They have about 28 of these instructionsAnleitung.
321
773000
3000
Sie haben ungefähr 28 dieser Anweisungen.
13:11
And if you have a systemSystem where they're beingSein replacedersetzt one by the other,
322
776000
3000
Und wenn man ein System hat, wo sie gegeneinander austauschbar sind,
13:14
it's like the monkeysAffen writingSchreiben on a typewriterSchreibmaschine.
323
779000
2000
ist es so wie die Affen, die auf der Schreibmaschine schreiben.
13:16
EachJedes of these instructionsAnleitung appearserscheint
324
781000
3000
Jede der Anweisungen erscheint
13:19
with roughlygrob the equalgleich frequencyFrequenz.
325
784000
3000
mit etwa der gleichen Häufigkeit.
13:22
But if you now take a setSet of replicatingreplizierend guys
326
787000
4000
Aber wenn man nun eine Zusammensetzung aus sich reproduzierenden Typen nimmt
13:26
like in the videoVideo that you saw,
327
791000
2000
wie im vorherigen Video,
13:28
it lookssieht aus like this.
328
793000
2000
schaut es so aus.
13:30
So there are some instructionsAnleitung
329
795000
2000
Es gibt ein paar Anweisungen
13:32
that are extremelyäußerst valuablewertvoll to these organismsOrganismen,
330
797000
2000
die extrem wichtig für die Organismen sind,
13:34
and theirihr frequencyFrequenz is going to be highhoch.
331
799000
3000
und deren Häufigkeit wird hoch sein.
13:37
And there's actuallytatsächlich some instructionsAnleitung
332
802000
2000
Und es gibt einige Anweisungen,
13:39
that you only use onceEinmal, if ever.
333
804000
2000
die man nur einmal, wenn überhaupt verwendet.
13:41
So they are eitherentweder poisonousgiftig
334
806000
2000
Also sind diese entweder giftig
13:43
or really should be used at lessWeniger of a levelEbene than randomzufällig.
335
808000
4000
oder sollten nur zu einen niedrigen Grad verwendet werden, als zufällig.
13:47
In this caseFall, the frequencyFrequenz is lowerniedriger.
336
812000
3000
In diesem Fall, ist die Häufigkeit niedriger.
13:50
And so now we can see, is that really a robustrobust signatureUnterschrift?
337
815000
3000
Und jetzt kann man sehen, ob es eine stabile Signatur ist.
13:53
I can tell you indeedtatsächlich it is,
338
818000
2000
Ich kann es sagen, ja in der Tat, es ist eine,
13:55
because this typeArt of spectrumSpektrum, just like what you've seengesehen in booksBücher,
339
820000
3000
weil dieser Spektrumtyp, wie wir in Büchern gesehen haben,
13:58
and just like what you've seengesehen in aminoAmino acidsSäuren,
340
823000
2000
und wie wir es in Aminosäuren gesehen haben,
14:00
it doesn't really matterAngelegenheit how you changeVeränderung the environmentUmwelt, it's very robustrobust;
341
825000
3000
nicht wirklich wichtig ist dabei, wie man die Umgebung verändert, es ist sehr stabil;
14:03
it's going to reflectreflektieren the environmentUmwelt.
342
828000
2000
es wird die Umwelt wiederspiegeln.
14:05
So I'm going to showShow you now a little experimentExperiment that we did.
343
830000
2000
Ich werde nun ein kleines Experiment zeigen, das wir gemacht haben.
14:07
And I have to explainerklären to you,
344
832000
2000
Und ich muss erklären,
14:09
the topoben of this graphGraph
345
834000
2000
die Spitze der Graphik
14:11
showszeigt an you that frequencyFrequenz distributionVerteilung that I talkedsprach about.
346
836000
3000
zeigt die Häufigkeitverteilung, über die ich gesprochen habe.
14:14
Here, in factTatsache, that's the lifelessleblos environmentUmwelt
347
839000
3000
Hier, ist das Umfeld ohne Leben,
14:17
where eachjede einzelne instructionAnweisung occurstritt ein
348
842000
2000
wo jede Anweisung passiert
14:19
at an equalgleich frequencyFrequenz.
349
844000
2000
auf einer gleichen Häufigkeit.
14:21
And belowunten there, I showShow, in factTatsache,
350
846000
3000
Und hier unten zeigt es
14:24
the mutationMutation ratePreis in the environmentUmwelt.
351
849000
3000
die Mutationsrate im Umfeld.
14:27
And I'm startingbeginnend this at a mutationMutation ratePreis that is so highhoch
352
852000
3000
Ich beginne mit dieser Mutationsrate, die so hoch ist,
14:30
that, even if you would dropfallen
353
855000
2000
dass, auch wenn sie fallen würde,
14:32
a replicatingreplizierend programProgramm
354
857000
2000
ein reproduzierendes Programm,
14:34
that would otherwiseAndernfalls happilyglücklich growgrößer werden up
355
859000
2000
das aufsteigen würde,
14:36
to fillfüllen the entireganz worldWelt,
356
861000
2000
um die ganze Welt zu füllen,
14:38
if you dropfallen it in, it getsbekommt mutatedmutiert to deathTod immediatelysofort.
357
863000
4000
wenn es sinkt, mutiert es sofort zu Tod.
14:42
So there is no life possiblemöglich
358
867000
2000
Also ist kein Leben möglich
14:44
at that typeArt of mutationMutation ratePreis.
359
869000
3000
auf diesen Mutationsindikator.
14:47
But then I'm going to slowlylangsam turnWende down the heatHitze, so to speaksprechen,
360
872000
4000
Aber wenn ich die Hitze runterdrehe,
14:51
and then there's this viabilityLebensfähigkeit thresholdSchwelle
361
876000
2000
und dann gibt es die Entwicklungsfähigkeitschwelle
14:53
where now it would be possiblemöglich
362
878000
2000
wo es jetzt möglich ist
14:55
for a replicatorReplikator to actuallytatsächlich liveLeben.
363
880000
2000
für einen Replikator zu leben.
14:57
And indeedtatsächlich, we're going to be droppingfallen these guys
364
882000
3000
Und wir werden diese Kerle die ganze Zeit
15:00
into that soupSuppe all the time.
365
885000
2000
in die Mixtur sinken lassen.
15:02
So let's see what that lookssieht aus like.
366
887000
2000
Schauen wir uns an, wie sie ausschaut
15:04
So first, nothing, nothing, nothing.
367
889000
3000
Als erstes, nichts, nichts nichts.
15:07
Too hotheiß, too hotheiß.
368
892000
2000
zu heiß, zu heiß
15:09
Now the viabilityLebensfähigkeit thresholdSchwelle is reachederreicht,
369
894000
3000
Jetzt ist die Entwicklungsfähigkeitsschwelle erreicht,
15:12
and the frequencyFrequenz distributionVerteilung
370
897000
2000
und die Häufigkeitsverteilung
15:14
has dramaticallydramatisch changedgeändert and, in factTatsache, stabilizesstabilisiert sich.
371
899000
3000
hat sich drastisch verändert, in Wahrheit stabilisiert.
15:17
And now what I did there
372
902000
2000
Dann war ich gemein
15:19
is, I was beingSein nastyBöse, I just turnedgedreht up the heatHitze again and again.
373
904000
3000
und habe die Hitze wieder ansteigen lassen.
15:22
And of courseKurs, it reacheserreicht the viabilityLebensfähigkeit thresholdSchwelle.
374
907000
3000
Und natürlich erreicht es die Entwicklungsfähigkeitschwelle.
15:25
And I'm just showingzeigt this to you again because it's so nicenett.
375
910000
3000
Ich zeigs jetzt nochmal, weil es so schön ist.
15:28
You hitschlagen the viabilityLebensfähigkeit thresholdSchwelle.
376
913000
2000
Man erreicht die Entwicklungsfähigkeitschwelle.
15:30
The distributionVerteilung changesÄnderungen to "aliveam Leben!"
377
915000
2000
Die Verteilung ändert sich zu "lebendig".
15:32
And then, onceEinmal you hitschlagen the thresholdSchwelle
378
917000
3000
Und dann, wenn man die Schwelle erreicht,
15:35
where the mutationMutation ratePreis is so highhoch
379
920000
2000
wo die Mutationsrate so hoch ist,
15:37
that you cannotnicht können self-reproduceselbst reproduzieren,
380
922000
2000
dass man sich nicht selbst reproduzieren kann,
15:39
you cannotnicht können copyKopieren the informationInformation
381
924000
3000
kann man die Infomation nicht
15:42
forwardVorwärts- to your offspringNachwuchs
382
927000
2000
bis zur Nachkommenschaft kopieren,
15:44
withoutohne makingHerstellung so manyviele mistakesFehler
383
929000
2000
ohne so viele Fehler zu machen,
15:46
that your abilityFähigkeit to replicatereplizieren vanishesverschwindet.
384
931000
3000
dass die Fähigkeit zur Reproduktion verschwindet.
15:49
And then that signatureUnterschrift is losthat verloren.
385
934000
3000
Und dann ist die Signatur verloren.
15:52
What do we learnlernen from that?
386
937000
2000
Was lernen wir daraus?
15:54
Well, I think we learnlernen a numberNummer of things from that.
387
939000
4000
Wir lernen sehr viel davon.
15:58
One of them is,
388
943000
2000
Eines davon ist,
16:00
if we are ablefähig to think about life
389
945000
3000
wenn wir im Stande sind, abstrakt über das Leben
16:03
in abstractabstrakt termsBegriffe --
390
948000
2000
nachzudenken, --
16:05
and we're not talkingim Gespräch about things like plantsPflanzen,
391
950000
2000
und wir sprechen nicht von Dingen wie Pflanzen,
16:07
and we're not talkingim Gespräch about aminoAmino acidsSäuren,
392
952000
2000
und wir sprechen nicht von Aminosäuren,
16:09
and we're not talkingim Gespräch about bacteriaBakterien,
393
954000
2000
und wir sprechen nicht über Bakterien,
16:11
but we think in termsBegriffe of processesProzesse --
394
956000
2000
aber wenn wir darüber als Prozess nachdenken --
16:13
then we could startAnfang to think about life,
395
958000
3000
dann könnten wir anfangen über das Leben zu denken,
16:16
not as something that is so specialbesondere to EarthErde,
396
961000
2000
nicht als etwas, was speziell auf der Erde anzutreffen ist,
16:18
but that, in factTatsache, could existexistieren anywhereirgendwo.
397
963000
3000
sondern als etwas, das überrall exestieren könnte.
16:21
Because it really only has to do
398
966000
2000
Weil es sich dabei um
16:23
with these conceptsKonzepte of informationInformation,
399
968000
2000
Informationskonzepte handelt,
16:25
of storingSpeicherung informationInformation
400
970000
2000
die Informationen speichern
16:27
withininnerhalb physicalphysisch substratesSubstrate --
401
972000
2000
in physischen Substraten
16:29
anything: bitsBits, nucleicNukleinsäure acidsSäuren,
402
974000
2000
alles: Teile, Nukleinsäuren
16:31
anything that's an alphabetAlphabet --
403
976000
2000
alles was ein Alphabet ist,
16:33
and make sure that there's some processverarbeiten
404
978000
2000
und sicherstellt, dass dort ein gewisser Prozess besteht,
16:35
so that this informationInformation can be storedgespeichert
405
980000
2000
damit diese Information gespeichert werden kann
16:37
for much longerlänger than you would expecterwarten von
406
982000
2000
für länger als man von den
16:39
the time scalesWaage for the deteriorationVerschlechterung of informationInformation.
407
984000
4000
Zeitachsen für den Verfall der Inforamtionen erwarten würde.
16:43
And if you can do that,
408
988000
2000
Und wenn man das machen kann,
16:45
then you have life.
409
990000
2000
dann hat man Leben.
16:47
So the first thing that we learnlernen
410
992000
2000
Also das erste, was wir lernen,
16:49
is that it is possiblemöglich to definedefinieren life
411
994000
3000
ist, dass es möglich ist Leben zu definieren
16:52
in termsBegriffe of processesProzesse aloneallein,
412
997000
3000
allein als ein Prozess
16:55
withoutohne referringBezugnahme at all
413
1000000
2000
ohne Bezug auf
16:57
to the typeArt of things that we holdhalt dearsehr geehrter,
414
1002000
2000
die Dinge, die uns lieb sind,
16:59
as farweit as the typeArt of life on EarthErde is.
415
1004000
3000
insofern uns das Leben auf der Erde lieb ist.
17:02
And that in a senseSinn removesentfernt us again,
416
1007000
3000
Und in gewisser Weise bringt uns das davon weg,
17:05
like all of our scientificwissenschaftlich discoveriesEntdeckungen, or manyviele of them --
417
1010000
3000
wie all unsere wissenschaftlichen Entdeckungen, oder viele davon-
17:08
it's this continuouskontinuierlich dethroningentthronen of man --
418
1013000
2000
es ist dieses ständige Enttrohnen der Menschheit-
17:10
of how we think we're specialbesondere because we're aliveam Leben.
419
1015000
3000
weil wir denken dass wir etwas besonderes sind, weil wir am Leben sind.
17:13
Well we can make life. We can make life in the computerComputer.
420
1018000
3000
Wir können Leben machen. Wir können Leben im Computer herstellen.
17:16
GrantedGewährt, it's limitedbegrenzt,
421
1021000
2000
Natürlich, in beschränkter Weise,
17:18
but we have learnedgelernt what it takes
422
1023000
3000
aber wir haben gelernt, was man braucht,
17:21
in orderAuftrag to actuallytatsächlich constructbauen it.
423
1026000
2000
um es tatsächlich herzustellen.
17:23
And onceEinmal we have that,
424
1028000
3000
Und wenn man es einmal hat
17:26
then it is not sucheine solche a difficultschwer taskAufgabe anymorenicht mehr
425
1031000
3000
dann ist es keine schwierige Aufgabe mehr
17:29
to say, if we understandverstehen the fundamentalgrundlegend processesProzesse
426
1034000
4000
zu sagen, dass, wenn man die grundlegenden Prozesse versteht,
17:33
that do not referverweisen to any particularinsbesondere substrateSubstrat,
427
1038000
3000
die sich nicht auf ein bestimmtes Substart beziehen,
17:36
then we can go out
428
1041000
2000
dann kann man losgehen
17:38
and try other worldsWelten,
429
1043000
2000
und andere Welten versuchen
17:40
figureZahl out what kindArt of chemicalchemisch alphabetsAlphabete mightMacht there be,
430
1045000
4000
und herausfinden welche Art des chemischen Alphabets da sein kann,
17:44
figureZahl enoughgenug about the normalnormal chemistryChemie,
431
1049000
2000
die gängige Chemie
17:46
the geochemistryGeochemie of the planetPlanet,
432
1051000
3000
die Geochemie des Planeten herausfinden,
17:49
so that we know what this distributionVerteilung would look like
433
1054000
2000
sodass man weiß, wie die Verteilung ausschauen würde
17:51
in the absenceAbwesenheit of life,
434
1056000
2000
in der Abwesenheit des Lebens,
17:53
and then look for largegroß deviationsAbweichungen from this --
435
1058000
3000
sich die großen Abweichungen anschauen-
17:56
this thing stickingklebt out, whichwelche sayssagt,
436
1061000
3000
das Ding, das hervorschaut und sagt:
17:59
"This chemicalchemisch really shouldn'tsollte nicht be there."
437
1064000
2000
"Diese Chemikalie sollte wirklich nicht da sein."
18:01
Now we don't know that there's life then,
438
1066000
2000
Dann weiß man nicht ob da Leben ist,
18:03
but we could say,
439
1068000
2000
aber man kann sagen
18:05
"Well at leastam wenigsten I'm going to have to take a look very preciselygenau at this chemicalchemisch
440
1070000
3000
"Zumindest schaue ich mir die Chemikalie ganz genau an
18:08
and see where it comeskommt from."
441
1073000
2000
und schaue, woher sie kommt."
18:10
And that mightMacht be our chanceChance
442
1075000
2000
Und das kann die Chance sein,
18:12
of actuallytatsächlich discoveringentdecken life
443
1077000
2000
um tatsächlich Leben zu entdecken,
18:14
when we cannotnicht können visiblysichtbar see it.
444
1079000
2000
wenn wir es nicht sehen können.
18:16
And so that's really the only take-homemit nach Hause nehmen messageNachricht
445
1081000
3000
Und das ist die Message,
18:19
that I have for you.
446
1084000
2000
die ich für Sie habe.
18:21
Life can be lessWeniger mysteriousgeheimnisvoll
447
1086000
2000
Leben kann weniger rätselhaft sein
18:23
than we make it out to be
448
1088000
2000
als wir denken,
18:25
when we try to think about how it would be on other planetsPlaneten.
449
1090000
4000
wenn wir versuchen uns vorzustellen, wie es auf anderen Planeten wäre.
18:29
And if we removeentfernen the mysteryGeheimnis of life,
450
1094000
3000
Und wenn man das Geheimnis des Lebens rausnimmt,
18:32
then I think it is a little bitBit easiereinfacher
451
1097000
3000
dann ist es auch ein wenig leichter
18:35
for us to think about how we liveLeben,
452
1100000
2000
über unsere Art zu leben nachzudenken
18:37
and how perhapsvielleicht we're not as specialbesondere as we always think we are.
453
1102000
3000
und dass wir vielleicht nicht so etwas Besonderes sind, wie wir immer denken.
18:40
And I'm going to leaveverlassen you with that.
454
1105000
2000
Und ich verlasse Sie mit diesen Worten
18:42
And thank you very much.
455
1107000
2000
Vielen Dank
18:44
(ApplauseApplaus)
456
1109000
2000
(Applaus)
Translated by Kate Syrek
Reviewed by Myriam Bastian

▲Back to top

ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com