TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Comment prendre un trou noir en photo
Filmed:
Readability: 4.5
5,455,257 views
Au cœur de la Voie Lactée se trouve un trou noir supermassif qui se nourrit d'un disque de gaz chaud tournoyant, aspirant tout ce qui s'aventure de trop près, lumière y compris. Il nous est invisible, mais son horizon des événements projette une ombre. Une image de cette ombre pourrait aider à répondre à d'importantes question à propos de l'univers. Les scientifiques pensaient qu'un télescope de la taille de la Terre serait nécessaire pour prendre une telle image — jusqu'à ce que Katie Bouman et une équipe d'astronomes inventent une alternative intelligente. Apprenez comment on peut voir dans le noir ultime.
Katie Bouman - Imaging scientist
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Double-click the English transcript below to play the video.
00:13
In the movie "Interstellar,"
0
1436
1860
Dans le film « Interstellar »,
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
nous voyons de très près
un trou noir supermassif.
un trou noir supermassif.
00:18
Set against a backdrop of bright gas,
2
6671
2143
Sur un fond de gaz vif,
la force gravitationnelle
massive du trou noir
massive du trou noir
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
00:22
bends light into a ring.
4
10980
1435
courbe la lumière en un cercle.
00:24
However, this isn't a real photograph,
5
12439
2109
Ce n'est cependant pas une vraie photo,
mais un rendu
graphique par ordinateur —
graphique par ordinateur —
00:26
but a computer graphic rendering --
6
14572
1786
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
une interprétation
artistique d'un trou noir.
artistique d'un trou noir.
00:32
A hundred years ago,
8
20401
1166
Il y a 100 ans,
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
Albert Einstein a publié
sa théorie de la relativité générale.
sa théorie de la relativité générale.
00:37
In the years since then,
10
25216
1439
Au cours des années suivantes,
beaucoup de preuves qui appuient
cette théorie ont été fournies.
cette théorie ont été fournies.
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Mais les trous noirs, un élément
prédit dans cette théorie,
prédit dans cette théorie,
00:44
still have not been directly observed.
13
32784
2350
n'ont toujours pas été
observés directement.
observés directement.
00:47
Although we have some idea
as to what a black hole might look like,
as to what a black hole might look like,
14
35158
3206
Même si nous avons une idée
de ce à quoi un trou noir ressemble,
de ce à quoi un trou noir ressemble,
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
nous n'en avons jamais photographié.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Toutefois, vous serez surpris d'apprendre
que ça pourrait bientôt changer.
que ça pourrait bientôt changer.
00:57
We may be seeing our first picture
of a black hole in the next couple years.
of a black hole in the next couple years.
17
45494
4164
Nous verrons peut-être la première photo
d'un trou noir d'ici quelques années.
d'un trou noir d'ici quelques années.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Prendre cette première photo dépendra
d'une équipe scientifique internationale,
d'une équipe scientifique internationale,
d'un télescope de la taille de la Terre,
01:05
an Earth-sized telescope
19
53664
1567
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
et d'un algorithme
qui assemble l'image finale.
qui assemble l'image finale.
01:10
Although I won't be able to show you
a real picture of a black hole today,
a real picture of a black hole today,
21
58111
3528
Bien que je ne puisse pas vous montrer
une vraie image d'un trou noir,
une vraie image d'un trou noir,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
j'aimerais vous esquisser
un aperçu de l'effort nécessaire
un aperçu de l'effort nécessaire
01:16
in getting that first picture.
23
64598
1613
pour prendre cette photo.
01:19
My name is Katie Bouman,
24
67477
1437
Je m'appelle Katie Bouman,
01:20
and I'm a PhD student at MIT.
25
68938
2566
et je suis doctorante au MIT.
Je fais de la recherche
dans un labo informatique
dans un labo informatique
01:23
I do research in a computer science lab
26
71528
2027
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
dédié à l'interprétation d'images
et vidéos par les ordinateurs.
et vidéos par les ordinateurs.
01:28
But although I'm not an astronomer,
28
76901
2162
Bien que je ne sois pas une astronome,
01:31
today I'd like to show you
29
79087
1285
j'aimerais vous montrer
comment j'ai pu contribuer
à ce projet fascinant.
à ce projet fascinant.
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Si vous vous éloignez
des vives lumières de la ville,
des vives lumières de la ville,
vous aurez peut-être la chance
de voir une vue spectaculaire
de voir une vue spectaculaire
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
01:40
of the Milky Way Galaxy.
33
88638
1493
de la Voie Lactée.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Si vous pouviez zoomer
sur les millions d'étoiles,
sur les millions d'étoiles,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26 000 années-lumière vers le cœur
de la spirale de la Voie Lactée,
de la spirale de la Voie Lactée,
01:48
we'd eventually reach
a cluster of stars right at the center.
a cluster of stars right at the center.
36
96420
3521
nous atteindrions
un amas d'étoiles au centre.
un amas d'étoiles au centre.
Scrutant au-delà de la poussière
galactique avec des télescopes infrarouges,
galactique avec des télescopes infrarouges,
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
les astronomes observent
ces étoiles depuis plus de 16 ans.
ces étoiles depuis plus de 16 ans.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Mais c'est ce qu'ils ne voient pas
qui est le plus spectaculaire.
qui est le plus spectaculaire.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Ces étoiles ont l'air de graviter
autour d'un objet invisible.
autour d'un objet invisible.
02:05
By tracking the paths of these stars,
41
113789
2323
En suivant les parcours de ces étoiles,
02:08
astronomers have concluded
42
116136
1294
les astronomes ont conclu
que la seule chose suffisamment petite
et lourde pour causer ce mouvement
et lourde pour causer ce mouvement
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
02:12
is a supermassive black hole --
44
120607
1968
est un trou noir supermassif —
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
un objet si dense qu'il aspire
tout ce qui s'aventure trop près —
tout ce qui s'aventure trop près —
02:18
even light.
46
126801
1494
même la lumière.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Que se passe-t-il si nous nous
approchons encore plus près ?
approchons encore plus près ?
02:23
Is it possible to see something
that, by definition, is impossible to see?
that, by definition, is impossible to see?
48
131404
4733
Est-ce possible de voir quelque chose qui,
par définition, est impossible à voir ?
par définition, est impossible à voir ?
02:28
Well, it turns out that if we were
to zoom in at radio wavelengths,
to zoom in at radio wavelengths,
49
136719
3244
Il s'avère que si nous faisions
un zoom des ondes radio,
un zoom des ondes radio,
nous devrions voir un cercle de lumière
02:31
we'd expect to see a ring of light
50
139987
1682
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
causé par une lentille gravitationnelle
du plasma chaud
du plasma chaud
02:36
zipping around the black hole.
52
144128
1829
se déplaçant autour du trou noir.
02:37
In other words,
53
145981
1160
En d'autres mots,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
le trou noir jette une ombre
sur ce fond de matière lumineuse,
sur ce fond de matière lumineuse,
02:42
carving out a sphere of darkness.
55
150360
1842
creusant une sphère d'obscurité.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Ce cercle lumineux révèle l'horizon
des événements du trou noir,
des événements du trou noir,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
où la force gravitationnelle
devient si puissante
devient si puissante
que même la lumière ne peut pas
s'en échapper.
s'en échapper.
02:50
that not even light can escape.
58
158013
1626
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
Les équations d'Einstein prédisent
la taille et la forme de ce cercle.
la taille et la forme de ce cercle.
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
En prendre la photo serait génial,
et pourrait aussi aider à vérifier
la teneur de ces équations
la teneur de ces équations
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
dans les conditions extrêmes
autour du trou noir.
autour du trou noir.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
Toutefois, ce trou noir
est si loin de nous
est si loin de nous
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
que depuis la Terre, ce cercle
apparaît incroyablement petit —
apparaît incroyablement petit —
03:08
the same size to us as an orange
on the surface of the moon.
on the surface of the moon.
65
176614
3590
de la même taille qu'une orange
sur la surface de la Lune.
sur la surface de la Lune.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Sa distance rend sa prise
en photo extrêmement difficile.
en photo extrêmement difficile.
03:16
Why is that?
67
184645
1302
Pourquoi ça ?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Tout cela ne dépend
que d'une simple équation.
que d'une simple équation.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
En raison d'un phénomène
appelé la diffraction,
appelé la diffraction,
il existe des limites fondamentales
03:24
there are fundamental limits
70
192164
1355
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
aux plus petits objets
que nous sommes en mesure de voir.
que nous sommes en mesure de voir.
03:28
This governing equation says
that in order to see smaller and smaller,
that in order to see smaller and smaller,
72
196789
3672
L'équation principale dit
qu'afin de voir de plus en plus petit,
qu'afin de voir de plus en plus petit,
nous devons fabriquer un télescope
de plus en plus grand.
de plus en plus grand.
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Mais même avec les télescopes
optiques les plus puissants sur Terre,
optiques les plus puissants sur Terre,
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
nous sommes encore si loin
de la résolution nécessaire
de la résolution nécessaire
03:40
to image on the surface of the moon.
76
208632
2198
afin d'imager la surface de la Lune.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Voici l'une des images à plus haute
résolution qui a été prise
résolution qui a été prise
de la Lune à partir de la Terre.
03:46
of the moon from Earth.
78
214495
1397
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Elle contient à peu près 13 000 pixels,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
et pourtant, chaque pixel contiendrait
plus d'un million et demi d'oranges.
plus d'un million et demi d'oranges.
03:55
So how big of a telescope do we need
81
223396
1972
Quelle taille notre télescope
devrait-il avoir
devrait-il avoir
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
pour voir une orange
sur la surface de la Lune,
sur la surface de la Lune,
04:00
and, by extension, our black hole?
83
228181
2214
et par extension, notre trou noir ?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Il s'avère qu'en faisant des calculs,
on peut déterminer qu'un télescope
de la taille de la Terre entière
de la taille de la Terre entière
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
04:07
the size of the entire Earth.
86
235417
1393
serait nécessaire.
04:08
(Laughter)
87
236834
1024
(Rires)
Si nous pouvions construire
un tel télescope,
un tel télescope,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
nous pourrions commencer
à distinguer ce cercle de lumière
à distinguer ce cercle de lumière
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
indiquant l'horizon
des événements du trou noir.
des événements du trou noir.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
Tous les détails que nous voyons
dans un rendu par ordinateur
dans un rendu par ordinateur
04:20
in computer graphic renderings,
92
248123
1506
ne seront pas visibles,
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
mais nous pourrions avoir
notre premier aperçu
notre premier aperçu
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
de l'environnement immédiat
d'un trou noir.
d'un trou noir.
Mais comme vous pouvez l'imaginer,
04:26
However, as you can imagine,
95
254487
1613
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
la construction d'un télescope
de la taille de la Terre est impossible.
de la taille de la Terre est impossible.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
Pour citer Mick Jagger :
04:33
"You can't always get what you want,
98
261683
1791
« On n'a pas toujours
ce qu'on veux,
ce qu'on veux,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
mais si on essaie,
on peut s'apercevoir
on peut s'apercevoir
qu'on a reçu ce dont on a besoin. »
04:37
you get what you need."
100
265709
1215
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
En connectant
les télescopes du monde entier,
les télescopes du monde entier,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
une collaboration internationale
appelée l'Event Horizon Telescope
appelée l'Event Horizon Telescope
est en train de créer un télescope
informatique de la taille de la Terre
informatique de la taille de la Terre
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
04:48
capable of resolving structure
104
276131
1537
capable d'élucider la structure
à l'échelle de l'horizon
des événements d'un trou noir.
des événements d'un trou noir.
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Il est prévu que ce réseau
prenne la toute première photo
prenne la toute première photo
04:55
of a black hole next year.
107
283326
1815
d'un trou noir l'an prochain.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Chaque télescope dans ce réseau mondial
travaille ensemble.
travaille ensemble.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Liés par la précision
des horloges atomiques,
des horloges atomiques,
des équipes de chercheurs figent
la lumière de chaque point de vue
la lumière de chaque point de vue
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
en collectant des milliers
de téraoctets d'informations.
de téraoctets d'informations.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Cette information est alors traitée ici,
dans un laboratoire du Massachusetts.
dans un laboratoire du Massachusetts.
05:13
So how does this even work?
113
301971
1794
Alors comment ça marche ?
Si nous voulons apercevoir
le trou noir au centre de notre galaxie,
le trou noir au centre de notre galaxie,
05:15
Remember if we want to see the black hole
in the center of our galaxy,
in the center of our galaxy,
114
303789
3403
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
nous devons construire
un télescope impossiblement grand.
un télescope impossiblement grand.
Prétendons un instant
que nous pouvons construire
que nous pouvons construire
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
05:24
a telescope the size of the Earth.
117
312478
1842
un télescope de la taille de la Terre.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Ce serait un peu
comme transformer la Terre
comme transformer la Terre
05:28
into a giant spinning disco ball.
119
316823
1747
en une boule disco géante.
05:30
Each individual mirror would collect light
120
318594
2200
Chaque miroir collecterait la lumière
que nous assemblerions ensuite
pour fabriquer une image.
pour fabriquer une image.
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Prétendons que nous retirons
la plupart de ces miroirs
la plupart de ces miroirs
05:38
so only a few remained.
123
326124
1972
afin qu'il n'en reste que quelques-uns.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Nous pourrions toujours essayer
d'assembler cette information
d'assembler cette information
05:43
but now there are a lot of holes.
125
331021
1993
mais maintenant,
il y a beaucoup de trous.
il y a beaucoup de trous.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Ces miroirs restants représentent
les endroits où nous avons des télescopes.
les endroits où nous avons des télescopes.
05:49
This is an incredibly small number
of measurements to make a picture from.
of measurements to make a picture from.
127
337435
4079
C'est un nombre de mesures vraiment petit
pour pouvoir en faire une photo.
pour pouvoir en faire une photo.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Bien que nous ne collections la lumière
qu'en certains endroits,
qu'en certains endroits,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
la Terre tourne et nous pouvons obtenir
d'autres nouvelles mesures.
d'autres nouvelles mesures.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
En d'autres mots, quand la boule disco
tourne, ces miroirs changent de place
tourne, ces miroirs changent de place
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
et nous pouvons observer
différentes parties de l'image.
différentes parties de l'image.
06:07
The imaging algorithms we develop
fill in the missing gaps of the disco ball
fill in the missing gaps of the disco ball
132
355613
4018
Des algorithmes de traitement d'image
comblent les lacunes de la boule disco
comblent les lacunes de la boule disco
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
afin de reconstruire
l'image sous-jacente du trou noir.
l'image sous-jacente du trou noir.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Si nous avions des télescopes
partout dans le monde —
partout dans le monde —
06:17
in other words, the entire disco ball --
135
365372
1941
ou bien la boule disco
dans sa totalité —
dans sa totalité —
cette recherche serait futile.
06:19
this would be trivial.
136
367337
1284
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Mais nous n'obtenons que quelques
échantillons, et pour cette raison,
échantillons, et pour cette raison,
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
il existe un nombre infini
d'images possibles
d'images possibles
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
tout à fait cohérentes
avec les mesures du télescope.
avec les mesures du télescope.
06:29
However, not all images are created equal.
140
377391
3016
Cependant, ces images
ne sont pas toutes égales.
ne sont pas toutes égales.
06:32
Some of those images look more like
what we think of as images than others.
what we think of as images than others.
141
380849
4458
Certaines ressemblent plus à l'idée
que nous avons des images que d'autres.
que nous avons des images que d'autres.
06:37
And so, my role in helping to take
the first image of a black hole
the first image of a black hole
142
385331
3222
En aidant à prendre la première
photo d'un trou noir,
photo d'un trou noir,
mon rôle est de créer des algorithmes
qui trouvent l'image la plus raisonnable
qui trouvent l'image la plus raisonnable
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
qui corresponde aussi
aux mesures du télescope.
aux mesures du télescope.
06:43
that also fits the telescope measurements.
144
391533
2222
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Tout comme un portraitiste judiciaire
utilise des descriptions limitées
utilise des descriptions limitées
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
pour composer une image à l'aide
de son savoir en structure faciale,
de son savoir en structure faciale,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
mes algorithmes utilisent
notre information télescopique limitée
notre information télescopique limitée
06:57
to guide us to a picture that also
looks like stuff in our universe.
looks like stuff in our universe.
148
405570
4322
pour nous guider vers une image qui
ressemble à ce qu'il y a dans l'univers.
ressemble à ce qu'il y a dans l'univers.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
À l'aide de ces algorithmes,
nous pouvons assembler des images
nous pouvons assembler des images
à partir de cette information
bruyante et rare.
bruyante et rare.
07:05
from this sparse, noisy data.
150
413591
2180
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Voici un exemple d'une reconstruction
faite avec de l'information simulée
faite avec de l'information simulée
quand nous prétendons
diriger nos télescopes
diriger nos télescopes
07:12
when we pretend to point our telescopes
152
420348
1933
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
vers le trou noir
au centre de notre galaxie.
au centre de notre galaxie.
07:16
Although this is just a simulation,
reconstruction such as this give us hope
reconstruction such as this give us hope
154
424914
4455
Bien que ce ne soit qu'une simulation,
une telle reconstruction donne l'espoir
une telle reconstruction donne l'espoir
qu'il sera bientôt possible de prendre
la première vraie image d'un trou noir
la première vraie image d'un trou noir
07:21
that we'll soon be able to reliably take
the first image of a black hole
the first image of a black hole
155
429393
3453
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
à partir de laquelle nous pourrons
déterminer son diamètre.
déterminer son diamètre.
07:28
Although I'd love to go on
about all the details of this algorithm,
about all the details of this algorithm,
157
436118
3199
Bien que j'adorerais continuer
à parler des détails de l'algorithme,
à parler des détails de l'algorithme,
07:31
luckily for you, I don't have the time.
158
439341
2174
heureusement pour vous,
je n'ai pas le temps.
je n'ai pas le temps.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
J'aimerais quand même
vous donner une idée
vous donner une idée
comment nous déterminons
à quoi notre univers ressemble
à quoi notre univers ressemble
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
et comment nous utilisons ça pour
reconstruire et vérifier nos résultats.
reconstruire et vérifier nos résultats.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Comme il existe un nombre infini
d'images possibles
d'images possibles
qui explique parfaitement
les mesures des télescopes,
les mesures des télescopes,
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
nous devons choisir entre elles
en quelque sorte.
en quelque sorte.
Ce choix est fait en classant les images
07:49
We do this by ranking the images
165
457918
1838
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
suivant la probabilité
qu'elles soient l'image du trou noir,
qu'elles soient l'image du trou noir,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
puis en choisissant
celle qui semble la plus probable.
celle qui semble la plus probable.
07:57
So what do I mean by this exactly?
168
465144
2195
Qu'est-ce que je veux dire exactement ?
07:59
Let's say we were trying to make a model
169
467862
1978
Disons que nous essayons
de créer un modèle
de créer un modèle
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
qui nous donne la probabilité
d'apparition d'une image sur Facebook.
d'apparition d'une image sur Facebook.
08:05
We'd probably want the model to say
171
473071
1701
Nous voudrions que le modèle dise
08:06
it's pretty unlikely that someone
would post this noise image on the left,
would post this noise image on the left,
172
474796
3557
qu'il est peu probable que quelqu'un poste
cette image confuse à gauche,
cette image confuse à gauche,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
et plutôt probable
que quelqu'un poste un selfie,
que quelqu'un poste un selfie,
08:12
like this one on the right.
174
480820
1334
comme celle de droite.
08:14
The image in the middle is blurry,
175
482178
1639
L'image du milieu est floue,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
et bien qu'il soit plus probable
de la voir sur Facebook
de la voir sur Facebook
comparée à l'image brouillée,
08:18
compared to the noise image,
177
486504
1360
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
il est peu probable que nous la voyions
comparée au selfie.
comparée au selfie.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Mais quand il s'agit
des images du trou noir,
des images du trou noir,
nous faisons face à un vrai dilemme :
nous n'avons jamais vu de trou noir.
nous n'avons jamais vu de trou noir.
08:25
we're posed with a real conundrum:
we've never seen a black hole before.
we've never seen a black hole before.
180
493186
3502
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
A quoi doit ressembler
une image d'un trou noir
une image d'un trou noir
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
et que devrions-nous supposer
de la structure de ceux-ci ?
de la structure de ceux-ci ?
Nous pourrions utiliser des images
de simulations précédentes,
de simulations précédentes,
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
comme celle du trou noir
d'« Interstellar »,
d'« Interstellar »,
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
ce qui pourrait causer
de sérieux problèmes.
de sérieux problèmes.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Que se passerait-il si les théories
d'Einstein s'avéraient fausses ?
d'Einstein s'avéraient fausses ?
08:45
We'd still want to reconstruct
an accurate picture of what was going on.
an accurate picture of what was going on.
187
513565
3961
Nous voudrions quand même reconstruire
une image fidèle de ce qui se passe.
une image fidèle de ce qui se passe.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Si nos algorithmes s'appuient trop
sur les équations d'Einstein,
sur les équations d'Einstein,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
nous ne finirons que par voir
ce que nous espérons voir.
ce que nous espérons voir.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Nous voulons laisser la porte ouverte
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
à la présence d'un éléphant géant
au centre de notre galaxie.
au centre de notre galaxie.
09:00
(Laughter)
192
528971
1057
(Rires)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Des types différents d'images
ont des traits très particuliers.
ont des traits très particuliers.
On peut facilement faire la différence
entre les images simulées d'un trou noir
entre les images simulées d'un trou noir
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
et celles que nous prenons
tous les jours sur Terre.
tous les jours sur Terre.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Il nous faut une façon de dire
à nos algorithmes
à nos algorithmes
à quoi les images ressemblent
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
sans trop imposer
un type de caractéristique d'image.
un type de caractéristique d'image.
09:17
One way we can try to get around this
198
545865
1893
Nous pourrions contourner ce problème
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
en imposant les caractéristiques
de différents types d'images
de différents types d'images
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
et voir comment ces genres d'images
influencent nos reconstructions.
influencent nos reconstructions.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Si tous les types d'images produisent
une image très similaire,
une image très similaire,
nous pouvons donc gagner
confiance sur le fait
confiance sur le fait
09:31
then we can start to become more confident
202
559227
2057
09:33
that the image assumptions we're making
are not biasing this picture that much.
are not biasing this picture that much.
203
561308
4173
que nos hypothèses ne biaisent
pas tellement la photo.
pas tellement la photo.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
C'est un peu comme
donner la même description
donner la même description
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
à trois dessinateurs autour du monde.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
S'ils produisent un visage très similaire,
09:46
then we can start to become confident
207
574423
1793
nous pouvons alors être certains
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
qu'ils n'imposent pas leur propre
subjectivité culturelle aux dessins.
subjectivité culturelle aux dessins.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Un moyen pour imposer des
caractéristiques d'image différentes
caractéristiques d'image différentes
09:55
is by using pieces of existing images.
210
583219
2441
est d'utiliser des morceaux
d'images existantes.
d'images existantes.
09:58
So we take a large collection of images,
211
586214
2160
Nous prenons une grande
collection d'images,
collection d'images,
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
et nous les découpons en petits morceaux.
10:03
We then can treat each image patch
a little bit like pieces of a puzzle.
a little bit like pieces of a puzzle.
213
591140
4285
Nous pouvons alors traiter chaque morceau
comme les pièces d'un puzzle.
comme les pièces d'un puzzle.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Nous utilisons ces pièces de puzzle
pour assembler une image
pour assembler une image
qui correspond aussi
avec les mesures des télescopes.
avec les mesures des télescopes.
10:11
that also fits our telescope measurements.
215
599751
2452
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Différents types d'images ont des
lots propres de pièces de puzzle.
lots propres de pièces de puzzle.
10:18
So what happens when we take the same data
217
606807
2806
Ce qui se produit quand
on prend les mêmes données
on prend les mêmes données
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
mais qu'on utilise différents lots de
pièces pour reconstruire l'image ?
pièces pour reconstruire l'image ?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Commençons par des pièces de
puzzle d'image de simulation du trou noir.
puzzle d'image de simulation du trou noir.
10:30
OK, this looks reasonable.
220
618581
1591
OK. Cela semble raisonnable.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Ceci ressemble à ce qu'on
attend d'un trou noir.
attend d'un trou noir.
10:34
But did we just get it
222
622914
1193
Mais ne l'avons-nous pas obtenu
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
car nous avons nourri la machine de petits
morceaux de notre simulation ?
morceaux de notre simulation ?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Essayons un autre lot de puzzle
10:41
from astronomical, non-black hole objects.
225
629373
2509
à partir des objets
astronomiques, non du trou noir.
astronomiques, non du trou noir.
10:44
OK, we get a similar-looking image.
226
632914
2126
D'accord, on obtient une image similaire.
Ensuite, testons les pièces
d'images quotidiennes
d'images quotidiennes
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
comme les images que vous prenez
avec votre appareil photo.
avec votre appareil photo.
10:53
Great, we see the same image.
229
641312
2115
Génial, nous voyons la même image.
10:55
When we get the same image
from all different sets of puzzle pieces,
from all different sets of puzzle pieces,
230
643451
3366
Quand on obtient la même image
avec tous les différents lots de puzzle,
avec tous les différents lots de puzzle,
10:58
then we can start to become more confident
231
646841
2046
alors on peut commencer
à être plus sûr
à être plus sûr
11:00
that the image assumptions we're making
232
648911
1966
que nos hypothèses d'image
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
ne biaisent pas trop
l'image finale obtenue.
l'image finale obtenue.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
On peut aussi prendre les mêmes
lots de pièces de puzzle,
lots de pièces de puzzle,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
tel que ceux dérivés
d'images quotidiennes,
d'images quotidiennes,
et les utiliser pour reconstruire beaucoup
de différents types d'image source.
de différents types d'image source.
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
11:15
So in our simulations,
237
663260
1271
Ainsi dans nos simulations,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
nous prétendons qu'un trou
noir ressemble à des objets non-trou noir,
noir ressemble à des objets non-trou noir,
11:20
as well as everyday images like
the elephant in the center of our galaxy.
the elephant in the center of our galaxy.
239
668354
3849
ou à nos images quotidiennes
comme l'éléphant au cœur de notre galaxie.
comme l'éléphant au cœur de notre galaxie.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Quand le résultat
de nos algorithmes, en bas,
de nos algorithmes, en bas,
ressemble à l'image témoin
de la simulation en haut,
de la simulation en haut,
11:27
to the simulation's truth image on top,
241
675419
2096
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
nos algorithmes commencent
à nous convaincre.
à nous convaincre.
11:32
And I really want to emphasize here
243
680909
1867
Je tiens vraiment à souligner ici
que tous ces images ont été créées
que tous ces images ont été créées
11:34
that all of these pictures were created
244
682800
1934
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
en accolant des petits morceaux
de photos quotidiennes,
de photos quotidiennes,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
comme celles que vous auriez pu prendre.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
Donc une image d'un trou noir
qu'on a jamais vu précédemment
qu'on a jamais vu précédemment
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
peut être finalement être créée par
l'assemblage de photos quotidiennes
l'assemblage de photos quotidiennes
de personnes, de bâtiments,
d'arbres, de chats et de chiens.
d'arbres, de chats et de chiens.
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Imaginer de telles idées nous permet
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
de prendre nos tout premières
photos d'un trou noir,
photos d'un trou noir,
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
et avec optimisme de vérifier
ces théories célèbres
ces théories célèbres
sur lesquelles les scientifiques
se basent tous les jours.
se basent tous les jours.
11:59
on which scientists rely on a daily basis.
253
707776
2421
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Mais bien sûr, la concrétisation
d'idées pareilles
d'idées pareilles
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
n'aurait pas été possible sans
l'équipe incroyable de chercheurs
l'équipe incroyable de chercheurs
avec qui j'ai le privilège de travailler.
12:08
that I have the privilege to work with.
256
716199
1887
12:10
It still amazes me
257
718110
1163
Cela m'étonne encore
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
qu'en dépit de mes lacunes
en astrophysique,
en astrophysique,
ce qu'on a pu accomplir
grâce à cette collaboration unique
grâce à cette collaboration unique
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
puisse mener aux premières
photos d'un trou noir.
photos d'un trou noir.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Les grand projets comme
l'Event Télescope Horizon
l'Event Télescope Horizon
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
réussissent grâce à toutes
l'expertise interdisciplinaire
l'expertise interdisciplinaire
que différentes personnes apportent.
12:25
different people bring to the table.
263
733658
1790
12:27
We're a melting pot of astronomers,
264
735472
1706
On est un creuset d’astronomes,
12:29
physicists, mathematicians and engineers.
265
737202
2232
de physiciens, de mathématiciens
et d'ingénieurs.
et d'ingénieurs.
12:31
This is what will make it soon possible
266
739458
2554
C'est ce qui rendra bientôt possible
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
la réalisation d'une chose
que l'on pensait impossible.
que l'on pensait impossible.
12:36
I'd like to encourage all of you to go out
268
744913
2256
J'aimerais vous encourager à lever la main
et aider à repousser
les limites de la science,
les limites de la science,
12:39
and help push the boundaries of science,
269
747193
2096
12:41
even if it may at first seem
as mysterious to you as a black hole.
as mysterious to you as a black hole.
270
749313
3901
même si cela peut vous sembler
aussi mystérieux qu'un trou noir.
aussi mystérieux qu'un trou noir.
12:45
Thank you.
271
753238
1174
Merci.
12:46
(Applause)
272
754436
2397
(Applaudissements)
ABOUT THE SPEAKER
Katie Bouman - Imaging scientistKatie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole.
Why you should listen
It is believed that the heart of the Milky Way hosts a four-million-solar-mass black hole feeding off a spinning disk of hot gas. An image of the shadow cast by the event horizon of the black hole could help to address a number of important scientific questions. For instance, does Einstein's theory of general relativity hold in extreme conditions? Unfortunately, the event horizon of this black hole appears so small in the sky that imaging it would require a single-dish radio telescope the size of the entire Earth. Although a single-dish telescope this large is unrealizable, by connecting disjoint radio telescopes located all around the globe, Katie Bouman and a team of astronomers are creating an Earth-sized computational telescope -- the Event Horizon Telescope -- that is capable of taking the very first up-close picture of a black hole.
Bouman is a PhD candidate in the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT). The focus of her research is on using emerging computational methods to push the boundaries of interdisciplinary imaging. By combining techniques from both astronomy and computer science, Bouman has been working on developing innovative ways to combine the information from the Event Horizon Telescope network to produce the first picture of a black hole. Her work on imaging for the Event Horizon Telescope has been featured on BBC, The Boston Globe, The Washington Post, Popular Science and NPR.
Katie Bouman | Speaker | TED.com