sponsored links
TED2010

Stephen Wolfram: Computing a theory of all knowledge

スティーブン・ウルフラム 「万物の理論を計算する」

February 12, 2010

Mathematicaの生みの親であるスティーブン・ウルフラムが自らの取り組む、全ての知識を計算可能にするという課題、すなわち知識を検索し、処理し、操作できるようにしようという彼の挑戦について語ります。彼の新しい検索エンジンWolfram Alphaが目指している目標は、宇宙の背後にある物理を説明するモデルを見出すことに劣らず大きなものです。

Stephen Wolfram - Scientist, inventor
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research. Full bio

sponsored links
Double-click the English subtitles below to play the video.
So I want to talk today about an idea. It's a big idea.
今日はあるアイデアについてお話しします 大きなアイデアです
00:16
Actually, I think it'll eventually
おそらく この1世紀の間に現れた
00:19
be seen as probably the single biggest idea
最大のアイデアであると
00:21
that's emerged in the past century.
見なされるようになるでしょう
00:23
It's the idea of computation.
「計算」(computation)というアイデアです
00:25
Now, of course, that idea has brought us
このアイデアはもちろん
00:27
all of the computer technology we have today and so on.
今日の様々なコンピュータ技術をもたらしたものですが
00:29
But there's actually a lot more to computation than that.
計算にはそれ以上のものがあります
00:32
It's really a very deep, very powerful, very fundamental idea,
非常に深く 強力で 根本的なアイデアなのです
00:35
whose effects we've only just begun to see.
私たちはその力を まだ目にし始めたばかりです
00:38
Well, I myself have spent the past 30 years of my life
私は過去30年を この計算というアイデアに
00:41
working on three large projects
真剣に向き合おうとする
00:44
that really try to take the idea of computation seriously.
3つの大きなプロジェクトに費やしてきました
00:46
So I started off at a young age as a physicist
若い時分に私は コンピュータを道具として使う
00:50
using computers as tools.
物理学者としてキャリアを始めました
00:53
Then, I started drilling down,
その後それを掘り下げていくようになりました
00:55
thinking about the computations I might want to do,
やりたいと思う計算はどんなものか考え
00:57
trying to figure out what primitives they could be built up from
計算を形作りうる基本要素は何か
00:59
and how they could be automated as much as possible.
どこまで自動化することができるのかを見極めようとしました
01:02
Eventually, I created a whole structure
そして記号プログラミングに基づいた
01:05
based on symbolic programming and so on
システムを作るようになり
01:07
that let me build Mathematica.
それがMathematicaへと繋がりました
01:09
And for the past 23 years, at an increasing rate,
この23年間私たちは
01:11
we've been pouring more and more ideas
Mathematicaに多くのアイデアや機能を
01:13
and capabilities and so on into Mathematica,
加速度的に付け加えていきました
01:15
and I'm happy to say that that's led to many good things
Mathematicaが研究開発や教育の分野でたくさんの
01:17
in R & D and education,
素晴らしい成果に貢献していることを
01:20
lots of other areas.
とても嬉しく思っています
01:22
Well, I have to admit, actually,
そもそも私がMathematicaを作ったのは
01:24
that I also had a very selfish reason for building Mathematica:
とても利己的な理由だったことを打ち明けなければなりません
01:26
I wanted to use it myself,
それは自分が使いたいものだったのです
01:29
a bit like Galileo got to use his telescope
ちょうどガリレオが400年前に
01:31
400 years ago.
望遠鏡を作ったのに似ていますが
01:33
But I wanted to look not at the astronomical universe,
私の見たかったのは天文学的な宇宙ではなく
01:35
but at the computational universe.
計算的な宇宙だったのです
01:38
So we normally think of programs as being
私たちは普通プログラムを
01:41
complicated things that we build
とても明確な目的を持って作られた
01:43
for very specific purposes.
複雑なものと見ていますが
01:45
But what about the space of all possible programs?
すべての可能なプログラム全体の空間というものを考えてみましょう
01:47
Here's a representation of a really simple program.
これは1つの非常にシンプルなプログラムの表現です
01:50
So, if we run this program,
このプログラムを実行すると
01:53
this is what we get.
このようなものが得られます
01:55
Very simple.
とてもシンプルです
01:57
So let's try changing the rule
プログラムのルールを
01:59
for this program a little bit.
少しだけ変えてみましょう
02:01
Now we get another result,
すると別な結果が得られますが
02:03
still very simple.
相変わらずシンプルです
02:05
Try changing it again.
もう一度変えてみましょう
02:07
You get something a little bit more complicated.
幾分複雑になりましたが
02:10
But if we keep running this for a while,
しばらく実行し続けると
02:12
we find out that although the pattern we get is very intricate,
パターンは込み入っているにしても
02:14
it has a very regular structure.
とても規則的な構造をしているのがわかります
02:17
So the question is: Can anything else happen?
もっと違ったことも起き得るのでしょうか?
02:20
Well, we can do a little experiment.
もう少し実験してみましょう
02:23
Let's just do a little mathematical experiment, try and find out.
数学的な実験をして 試し 探すのです
02:25
Let's just run all possible programs
今見ているタイプのプログラムで
02:29
of the particular type that we're looking at.
考え得るすべてのものを実行してみます
02:32
They're called cellular automata.
これはセルオートマトンと呼ばれるものです
02:34
You can see a lot of diversity in the behavior here.
多様な振る舞いが見られます
02:36
Most of them do very simple things,
多くのものはとてもシンプルですが
02:38
but if you look along all these different pictures,
これら異なったパターンを見ていくと
02:40
at rule number 30,
ルール30のところで
02:42
you start to see something interesting going on.
何か面白いことが起きています
02:44
So let's take a closer look
ひとつルール30を
02:46
at rule number 30 here.
詳しく見てみましょう
02:48
So here it is.
これです
02:50
We're just following this very simple rule at the bottom here,
下に示したごくシンプルなルールに従っているだけなのですが
02:52
but we're getting all this amazing stuff.
このような驚くべき結果になるのです
02:55
It's not at all what we're used to,
私たちが見慣れた何にも似ていません
02:57
and I must say that, when I first saw this,
初めてこれを見たとき
02:59
it came as a huge shock to my intuition.
直感的にものすごいショックを受け
03:01
And, in fact, to understand it,
これを理解しようとして
03:04
I eventually had to create
結局は「新しい種類の科学」を
03:06
a whole new kind of science.
まるまる作り出すことになったのです
03:08
(Laughter)
(笑)
03:11
This science is different, more general,
この科学は違っており
03:13
than the mathematics-based science that we've had
この300年我々の使ってきた
03:16
for the past 300 or so years.
数学に基づく科学より もっと一般的なのです
03:18
You know, it's always seemed like a big mystery:
一体どうやって自然は
03:21
how nature, seemingly so effortlessly,
我々の目には複雑きわまりなく見えるものを
03:23
manages to produce so much
苦もなく作り出しているのか?
03:26
that seems to us so complex.
それはずっと大きな謎に思えていました
03:28
Well, I think we've found its secret:
私たちはその秘密を見つけたのだと思います
03:31
It's just sampling what's out there in the computational universe
計算の宇宙にあるものをサンプリングするだけで
03:34
and quite often getting things like Rule 30
ルール30のようなものがよく見つかるのです
03:37
or like this.
あるいは こんなものも
03:40
And knowing that starts to explain
そのことが分かると
03:44
a lot of long-standing mysteries in science.
科学において長い間謎とされてきたことが見えてきます
03:46
It also brings up new issues, though,
しかしそれは同時に
03:49
like computational irreducibility.
計算的還元不能性という新たな問題も提起します
03:51
I mean, we're used to having science let us predict things,
私たちは科学によって物事が予測できることに馴染んでいますが
03:54
but something like this
ここにあるようなものは
03:57
is fundamentally irreducible.
根本的に還元不能なのです
03:59
The only way to find its outcome
その結果を知る実質唯一の方法は
04:01
is, effectively, just to watch it evolve.
ただ進化を見守ることしかないのです
04:03
It's connected to, what I call,
これは私が計算的等価の原理と
04:06
the principle of computational equivalence,
呼ぶものに関連しています
04:08
which tells us that even incredibly simple systems
つまり非常に単純なシステムが
04:10
can do computations as sophisticated as anything.
他のどんな高度なシステムとも同等の計算を行い得るということです
04:13
It doesn't take lots of technology or biological evolution
任意の計算ができるようになるために さほどのテクノロジーや
04:16
to be able to do arbitrary computation;
生物進化は必要となりません
04:19
just something that happens, naturally,
それは至る所で
04:21
all over the place.
自然に起きていることなのです
04:23
Things with rules as simple as these can do it.
このようなシンプルなルールでできることなのです
04:25
Well, this has deep implications
このことは 科学に
04:29
about the limits of science,
予想や制御のできない領域が
04:31
about predictability and controllability
あることを示しています
04:33
of things like biological processes or economies,
生物学的なプロセスや経済に関すること
04:35
about intelligence in the universe,
宇宙にある知性
04:38
about questions like free will
自由意志についての疑問
04:40
and about creating technology.
テクノロジーの創造などがそうです
04:42
You know, in working on this science for many years,
長年この科学に取り組んできた中で
04:45
I kept wondering,
私はいつも思っていました
04:47
"What will be its first killer app?"
「これの最初のキラーアプリになるのは何だろうか?」
04:49
Well, ever since I was a kid,
私は子供の頃から
04:51
I'd been thinking about systematizing knowledge
知識を体系化したり計算可能にすることに
04:53
and somehow making it computable.
関心を持っていました
04:55
People like Leibniz had wondered about that too
ライプニッツも300年前に
04:57
300 years earlier.
同じことを考えています
04:59
But I'd always assumed that to make progress,
しかし私はまた 進歩のためには
05:01
I'd essentially have to replicate a whole brain.
脳全体を複製する必要があるとも思っていました
05:03
Well, then I got to thinking:
しかし今はこう考えるようになりました
05:06
This scientific paradigm of mine suggests something different --
「この私の科学パラダイムは それとは違ったことを示している
05:08
and, by the way, I've now got
自分にはMathematicaによる
05:11
huge computation capabilities in Mathematica,
膨大な計算能力があり
05:13
and I'm a CEO with some worldly resources
大規模で一見クレージーなプロジェクトでも遂行できる
05:16
to do large, seemingly crazy, projects --
世界第一級のリソースを持つ会社のCEOでもあるのだから
05:19
So I decided to just try to see
世界の体系的知識の
05:22
how much of the systematic knowledge that's out there in the world
どれほどが計算可能にできるものか
05:24
we could make computable.
ひとつ試してみることにしよう」
05:27
So, it's been a big, very complex project,
これは大きくてとても複雑なプロジェクトです
05:29
which I was not sure was going to work at all.
そもそもうまくいくのかも分かりませんでした
05:31
But I'm happy to say it's actually going really well.
しかしありがたいことに これはとてもうまくいっています
05:34
And last year we were able
去年私たちは最初の
05:37
to release the first website version
Webサイト版のWolfram Alphaを
05:39
of Wolfram Alpha.
公開することができました
05:41
Its purpose is to be a serious knowledge engine
これの目的は 質問に対する答えを計算する
05:43
that computes answers to questions.
本格的な知識エンジンを作ることです
05:46
So let's give it a try.
試してみましょう
05:49
Let's start off with something really easy.
最初は簡単なことからやってみましょう
05:51
Hope for the best.
[2+2と入力] うまくいくでしょうか…
05:53
Very good. Okay.
うまくいきました
05:55
So far so good.
ここまでは順調です
05:57
(Laughter)
(笑)
05:59
Let's try something a little bit harder.
もう少し難しいことをやってみましょう
06:02
Let's do
たとえば…
06:05
some mathy thing,
[integrate x^2 sin^3 x dxと入力] 少し数学的なことをやって
06:07
and with luck it'll work out the answer
うまくいけば答えを出して
06:10
and try and tell us some interesting things
さらに関連した数学的に興味深いことを
06:13
things about related math.
何か教えてくれます
06:15
We could ask it something about the real world.
現実世界のことについて質問することもできます
06:17
Let's say -- I don't know --
たとえば…何にしよう…
06:20
what's the GDP of Spain?
スペインのGDPはいくらか?
06:22
And it should be able to tell us that.
答えてくれるはずです
06:25
Now we could compute something related to this,
ついでに関連したことを聞いてみましょう
06:27
let's say ... the GDP of Spain
スペインのGDPを
06:29
divided by, I don't know,
何かで割ってみましょう
06:31
the -- hmmm ...
えーと…
06:33
let's say the revenue of Microsoft.
Microsoftの売上とか
06:35
(Laughter)
(笑)
06:37
The idea is that we can just type this in,
ここで実現したいのは こういった質問を
06:39
this kind of question in, however we think of it.
どのようにでも考えた通りに入力できるということです
06:41
So let's try asking a question,
もっと質問を試してみましょう
06:44
like a health related question.
たとえば健康に関する質問です
06:46
So let's say we have a lab finding that ...
そういうことを調べてくれるラボがあるつもりで
06:48
you know, we have an LDL level of 140
入力してみましょう
06:51
for a male aged 50.
「50歳男性 LDLコレステロール 140」
06:53
So let's type that in, and now Wolfram Alpha
するとWolfram Alphaは
06:56
will go and use available public health data
利用可能な公的医療データを使って
06:58
and try and figure out
それがヒストグラムの
07:00
what part of the population that corresponds to and so on.
どこにあたるかを見出します
07:02
Or let's try asking about, I don't know,
今度は国際宇宙ステーションのことを
07:05
the International Space Station.
尋ねてみましょう
07:08
And what's happening here is that
どこかから情報を
07:10
Wolfram Alpha is not just looking up something;
見つけてくるだけではありません
07:12
it's computing, in real time,
今 この瞬間に国際宇宙ステーションがどこにあり
07:14
where the International Space Station is right now at this moment,
どれだけの速さで移動しているかを
07:17
how fast it's going, and so on.
リアルタイムで計算しています
07:20
So Wolfram Alpha knows about lots and lots of kinds of things.
Wolfram Alphaは様々な種類のことを知っています
07:24
It's got, by now,
今では普通の資料集などで
07:27
pretty good coverage of everything you might find
見つけられる情報のかなりの部分が
07:29
in a standard reference library.
網羅されています
07:31
But the goal is to go much further
しかし目標としているのは
07:34
and, very broadly, to democratize
もっと深く もっと広く
07:36
all of this knowledge,
あらゆる知識を万人に開放し
07:39
and to try and be an authoritative
あらゆる分野について
07:42
source in all areas.
権威ある情報源となって
07:44
To be able to compute answers to specific questions that people have,
人々の抱く疑問に対し 計算によって答えを出すことです
07:46
not by searching what other people
誰かが以前どこかに書いたことを
07:49
may have written down before,
見つけ出すというのではなく
07:51
but by using built in knowledge
組み込まれた知識を元に
07:53
to compute fresh new answers to specific questions.
個々の質問に対して新たに計算して答えを導くのです
07:55
Now, of course, Wolfram Alpha
もちろんWolfram Alphaは
07:58
is a monumentally huge, long-term project
極めて大きな長期プロジェクトで
08:00
with lots and lots of challenges.
多くの難題があります
08:02
For a start, one has to curate a zillion
まず膨大で多様な知識やデータを
08:04
different sources of facts and data,
収集する必要があります
08:07
and we built quite a pipeline of Mathematica automation
そこでMathematicaの自動化と 各分野の専門家の
08:10
and human domain experts for doing this.
組み合わせによる 大きなパイプラインを構築しました
08:13
But that's just the beginning.
しかしそれは始まりにすぎません
08:16
Given raw facts or data
生の事実やデータに基づいて [Q> XLVIII + LXXII]
08:18
to actually answer questions,
実際に質問に答えるために
08:20
one has to compute:
計算をする必要があり
08:22
one has to implement all those methods and models
科学やその他の領域で
08:24
and algorithms and so on
何世紀にもわたって築かれてきた
08:26
that science and other areas have built up over the centuries.
様々な手法やモデルやアルゴリズムを実装する必要があります
08:28
Well, even starting from Mathematica,
Mathematicaという出発点があったにしても
08:31
this is still a huge amount of work.
これは膨大な作業です
08:34
So far, there are about 8 million lines
今の時点でWolfram Alphaには
08:36
of Mathematica code in Wolfram Alpha
多様な領域の専門家により書かれた
08:38
built by experts from many, many different fields.
800万行に上るMathematicaのコードがあります
08:40
Well, a crucial idea of Wolfram Alpha
Wolfram Alphaで重要な考え方は
08:43
is that you can just ask it questions
普通の言葉を使って
08:46
using ordinary human language,
質問ができるということで [Q> JFKが死んだときのロングビーチの潮の干満]
08:48
which means that we've got to be able to take
それはつまり人々が入力欄に入れる
08:51
all those strange utterances that people type into the input field
あらゆる奇妙な文章を受け入れ
08:53
and understand them.
理解できる必要があるということです
08:56
And I must say that I thought that step
そんなこと率直に言って不可能だと
08:58
might just be plain impossible.
思っていたことを打ち明けます [Q> ヨーロッパのGDPと鉄道の長さの比較]
09:00
Two big things happened:
2つ大きなことがありました
09:04
First, a bunch of new ideas about linguistics
1つは計算の宇宙の研究から
09:06
that came from studying the computational universe;
言語に関するたくさんの新しいアイデアが出てきたということです
09:09
and second, the realization that having actual computable knowledge
もう1つは 実際に計算可能な知識を持つことによって
09:12
completely changes how one can
言語理解への取り組みが
09:15
set about understanding language.
根本的に変わると気付いたことです
09:17
And, of course, now
Wolfram Alphaが公開された今
09:20
with Wolfram Alpha actually out in the wild,
実際の使われ方から
09:22
we can learn from its actual usage.
学ぶことができます
09:24
And, in fact, there's been
そしてWolfram Alphaと
09:26
an interesting coevolution that's been going on
人間のユーザの間には
09:28
between Wolfram Alpha
興味深い共進化が
09:30
and its human users,
見られます
09:32
and it's really encouraging.
これはとても勇気づけられることです
09:34
Right now, if we look at web queries,
現在 Webでのクエリを見ると
09:36
more than 80 percent of them get handled successfully the first time.
その80%以上が最初の試みで成功裏に答えを得ています
09:38
And if you look at things like the iPhone app,
iPhoneアプリでは
09:41
the fraction is considerably larger.
この割合はさらに高くなります
09:43
So, I'm pretty pleased with it all.
だから私はこの結果にとても満足しています [Q> www.apple.comのトラフィック]
09:45
But, in many ways,
しかし色々な点で
09:47
we're still at the very beginning with Wolfram Alpha.
Wolfram Alphaはまだはじめの段階にあります
09:49
I mean, everything is scaling up very nicely
すべてがとてもよくスケールしており
09:52
and we're getting more confident.
私たちは自信を深めています
09:54
You can expect to see Wolfram Alpha technology
Wolfram Alphaのテクノロジーが
09:56
showing up in more and more places,
より多くの場所で目にされるようになるでしょう
09:58
working both with this kind of public data, like on the website,
Webサイト上の公的データというのもありますし
10:00
and with private knowledge
個人や会社の
10:03
for people and companies and so on.
プライベートな知識というのもあるでしょう
10:05
You know, I've realized that Wolfram Alpha actually gives one
Wolfram Alphaの提供するのが
10:08
a whole new kind of computing
「知識に基づく計算」とでも言うべき
10:11
that one can call knowledge-based computing,
全く新しい種類の計算であることに気付きました
10:13
in which one's starting not just from raw computation,
単に計算だけをするのではなく
10:15
but from a vast amount of built-in knowledge.
組み込まれている膨大な知識から出発するのです
10:18
And when one does that, one really changes
Webであれ その他の形態であれ
10:21
the economics of delivering computational things,
計算の提供に関わる経済を
10:23
whether it's on the web or elsewhere.
本当に変えることになるでしょう
10:26
You know, we have a fairly interesting situation right now.
現在は本当に面白い状況にあります
10:28
On the one hand, we have Mathematica,
一方にはMathematicaがあり
10:31
with its sort of precise, formal language
厳格で形式的な言語と
10:33
and a huge network
注意深く設計された機能の
10:36
of carefully designed capabilities
巨大なネットワークによって
10:38
able to get a lot done in just a few lines.
ほんの数行のコードで実に多くのことを成し遂げられます
10:40
Let me show you a couple of examples here.
いくつか例をお見せしましょう
10:43
So here's a trivial piece of Mathematica programming.
とても単純なMathematicaプログラムです
10:47
Here's something where we're sort of
ここではたくさんの機能を
10:51
integrating a bunch of different capabilities here.
組み合わせています
10:53
Here we'll just create, in this line,
この行では ちょっとした
10:56
a little user interface that allows us to
ユーザインタフェースを追加していて
10:59
do something fun there.
それで面白いことができます
11:02
If you go on, that's a slightly more complicated program
さらにもう少し複雑なプログラムです
11:05
that's now doing all sorts of algorithmic things
色々なアルゴリズム的なことをやって
11:07
and creating user interface and so on.
ユーザインタフェースを作り出しています
11:10
But it's something that is very precise stuff.
これはとても厳密に定義されたものです
11:12
It's a precise specification with a precise formal language
厳密な仕様が厳格な形式言語で記述されていて
11:15
that causes Mathematica to know what to do here.
それによりMathematicaはどうすれば良いのかが分かります
11:18
Then on the other hand, we have Wolfram Alpha,
一方でWolfram Alphaの方には 世の中のごちゃごちゃしたものや
11:21
with all the messiness of the world
自然言語などが
11:24
and human language and so on built into it.
組み込まれています
11:26
So what happens when you put these things together?
この2つを一緒にするとどうなるのでしょう?
11:28
I think it's actually rather wonderful.
実はとても素晴らしい効果を上げます
11:31
With Wolfram Alpha inside Mathematica,
Wolfram AlphaをMathematicaの中で使うと
11:33
you can, for example, make precise programs
たとえば現実世界のデータを使う
11:35
that call on real world data.
精密なプログラムを作ることができます
11:37
Here's a real simple example.
これはごく簡単な例です
11:39
You can also just sort of give vague input
曖昧な入力を与えて
11:44
and then try and have Wolfram Alpha
考えていることをWolfram Alphaに
11:47
figure out what you're talking about.
推測させることもできます
11:49
Let's try this here.
試してみましょう [spikey(とげとげ)と入力]
11:51
But actually I think the most exciting thing about this
これの一番エキサイティングなところは
11:53
is that it really gives one the chance
プログラミングを
11:56
to democratize programming.
万人のものにできる可能性があるということです
11:58
I mean, anyone will be able to say what they want in plain language.
どうしたいのかを普通の言葉で書けば
12:01
Then, the idea is that Wolfram Alpha will be able to figure out
Wolfram Alphaが
12:04
what precise pieces of code
それを実行する正確なコードを
12:07
can do what they're asking for
見出せるようになるでしょう
12:09
and then show them examples that will let them pick what they need
そして例示した中から必要なものを選ばせることで
12:11
to build up bigger and bigger, precise programs.
より大きく正確なプログラムを構築できるでしょう
12:14
So, sometimes, Wolfram Alpha
時にはWolfram Alphaがその全てを
12:17
will be able to do the whole thing immediately
即座に行ってプログラムを返し
12:19
and just give back a whole big program that you can then compute with.
ユーザがそれを実行できることもあるでしょう
12:21
Here's a big website
これは私たちが
12:24
where we've been collecting lots of educational
様々な種類の学習等に使える
12:26
and other demonstrations about lots of kinds of things.
デモを集めた大きなWebサイトです
12:29
I'll show you one example here.
1つ例をお見せしましょう
12:32
This is just an example of one of these computable documents.
計算実行できるドキュメントの1例です
12:36
This is probably a fairly small
これはごく小さな
12:39
piece of Mathematica code
Mathematicaのコード片で
12:41
that's able to be run here.
その場で実行することができます
12:43
Okay. Let's zoom out again.
元の話に戻りましょう
12:47
So, given our new kind of science,
私たちの新しい種類の科学をもとにして
12:50
is there a general way to use it to make technology?
テクノロジーを生み出すのに使える一般的な方法はあるのでしょうか?
12:52
So, with physical materials,
物質的なことであれば
12:55
we're used to going around the world
私たちは世界中をまわって
12:57
and discovering that particular materials
特定の技術的目的のために有用な
12:59
are useful for particular
特定の物質を
13:01
technological purposes.
見つけます
13:03
Well, it turns out we can do very much the same kind of thing
計算の宇宙でも
13:05
in the computational universe.
同様のことができるのが分かります
13:07
There's an inexhaustible supply of programs out there.
プログラムの供給は無尽蔵にあります
13:09
The challenge is to see how to
難しいのは それを
13:12
harness them for human purposes.
人の目的にどう合わせるかということです
13:14
Something like Rule 30, for example,
たとえばルール30なんかは
13:16
turns out to be a really good randomness generator.
非常に良い乱数生成器になることがわかります
13:18
Other simple programs are good models
他のシンプルなプログラムにも
13:20
for processes in the natural or social world.
自然界や社会のプロセスの良いモデルになるものがあります
13:22
And, for example, Wolfram Alpha and Mathematica
実際Wolfram AlphaやMathematicaには
13:25
are actually now full of algorithms
計算の宇宙の探索で見つけた
13:27
that we discovered by searching the computational universe.
アルゴリズムがたくさん入っているのです
13:29
And, for example, this -- if we go back here --
たとえばこれは
13:33
this has become surprisingly popular
計算の宇宙を探索して
13:37
among composers
音楽形式を見出すもので
13:39
finding musical forms by searching the computational universe.
作曲家の間でとても人気があります
13:41
In a sense, we can use the computational universe
ある意味で 計算の宇宙を使って
13:45
to get mass customized creativity.
クリエイティビティのマスカスタマイゼーションができるのです
13:47
I'm hoping we can, for example,
Wolfram Alphaを使って
13:50
use that even to get Wolfram Alpha
ルーチン的に発明や発見を即座に行い
13:52
to routinely do invention and discovery on the fly,
あらゆる素晴らしいものを
13:54
and to find all sorts of wonderful stuff
エンジニアの手や
13:57
that no engineer
進化プロセスを介することなく
13:59
and no process of incremental evolution would ever come up with.
見出すことができるようになるのではと思っています
14:01
Well, so, that leads to kind of an ultimate question:
そしてこれは究極の疑問に繋がります
14:05
Could it be that someplace out there in the computational universe
計算の宇宙のどこかに
14:08
we might find our physical universe?
我々の物質的な宇宙は見出せるのか ということです
14:11
Perhaps there's even some quite simple rule,
我々の宇宙には ごくシンプルなルールや
14:14
some simple program for our universe.
シンプルなプログラムさえあるかもしれません
14:16
Well, the history of physics would have us believe
物理学の歴史から 宇宙のルールは
14:19
that the rule for the universe must be pretty complicated.
すごく込み入ったものに違いないと私たちは思っています
14:21
But in the computational universe,
しかし計算の宇宙では
14:24
we've now seen how rules that are incredibly simple
ものすごくシンプルなルールが ものすごく豊かで
14:26
can produce incredibly rich and complex behavior.
複雑な振る舞いを生み出しうることを見ました
14:29
So could that be what's going on with our whole universe?
私たちの宇宙でもそのようなことが起こっている可能性はないでしょうか?
14:32
If the rules for the universe are simple,
宇宙のルールがシンプルなら
14:36
it's kind of inevitable that they have to be
それはとても抽象的で
14:38
very abstract and very low level;
低レベルなはずで
14:40
operating, for example, far below
物事の表現を難しくしている
14:42
the level of space or time,
時間や空間といったものよりも
14:44
which makes it hard to represent things.
ずっと下のレベルで作用していることでしょう
14:46
But in at least a large class of cases,
少なくともある種のケースにおいては
14:48
one can think of the universe as being
宇宙は一種の
14:50
like some kind of network,
ネットワークと見ることができて
14:52
which, when it gets big enough,
それは十分大きくなると
14:54
behaves like continuous space
連続的な空間のように振る舞います
14:56
in much the same way as having lots of molecules
ちょうど分子がたくさん集まると
14:58
can behave like a continuous fluid.
連続的な流体として振る舞うように
15:00
Well, then the universe has to evolve by applying
すると宇宙はわずかなルールを適用して
15:02
little rules that progressively update this network.
このネットワークを徐々にアップデートしていくことで進化するはずです
15:05
And each possible rule, in a sense,
そして可能なルールのそれぞれが
15:08
corresponds to a candidate universe.
宇宙の候補に対応しているのです
15:10
Actually, I haven't shown these before,
これは以前に公開したことはないのですが
15:12
but here are a few of the candidate universes
私が検討してきた
15:16
that I've looked at.
宇宙の候補の一部です
15:19
Some of these are hopeless universes,
この中のあるものは望みがなく
15:21
completely sterile,
全く不毛で
15:23
with other kinds of pathologies like no notion of space,
空間や時間の概念がなかったり
15:25
no notion of time, no matter,
物質が存在しないという
15:27
other problems like that.
病的なものです
15:30
But the exciting thing that I've found in the last few years
しかしエキサイティングなことに
15:32
is that you actually don't have to go very far
計算の宇宙をそう遠くまで探しにいかずとも
15:35
in the computational universe
我々の宇宙との違いが
15:37
before you start finding candidate universes
さほど明らかでない候補が見つかることが
15:39
that aren't obviously not our universe.
数年前にわかりました
15:41
Here's the problem:
問題は
15:44
Any serious candidate for our universe
私たちの宇宙の候補として考えられるようなものは
15:46
is inevitably full of computational irreducibility.
必然的に計算的還元不能性に満ちており
15:49
Which means that it is irreducibly difficult
それが本当にどう振る舞うのか
15:52
to find out how it will really behave,
ひいては我々の物理的宇宙と適合するか
15:55
and whether it matches our physical universe.
知るのが極めて困難だということです
15:57
A few years ago, I was pretty excited to discover
何年か前 非常にシンプルなルールで
16:01
that there are candidate universes with incredibly simple rules
特殊相対性と一般相対性や重力まで再現でき
16:04
that successfully reproduce special relativity,
量子力学の
16:07
and even general relativity and gravitation,
兆候さえ示すような
16:09
and at least give hints of quantum mechanics.
宇宙の候補を見つけて 非常に興奮しました
16:12
So, will we find the whole of physics?
では物理学の全体は見つかるのでしょうか?
16:15
I don't know for sure,
はっきりとはわかりません
16:17
but I think at this point it's sort of
しかし少なくとも試みないとしたら
16:19
almost embarrassing not to at least try.
それは恥ずかしいことだと思います
16:21
Not an easy project.
簡単なプロジェクトではありません
16:23
One's got to build a lot of technology.
たくさんのテクノロジーを構築する必要があります
16:25
One's got to build a structure that's probably
少なくとも既存の物理学と同じくらい
16:27
at least as deep as existing physics.
深い体系を構築する必要があるでしょう
16:29
And I'm not sure what the best way to organize the whole thing is.
その努力をどう組織化するのが最善なのかよく分かりません
16:31
Build a team, open it up, offer prizes and so on.
チームを作るのか 広く公開するのか 賞金を提示するのか
16:34
But I'll tell you, here today,
しかし私は今日ここで そのプロジェクトに
16:37
that I'm committed to seeing this project done,
真剣に取り組むことを宣言したい
16:39
to see if, within this decade,
これからの10年で見極めたいと思います
16:41
we can finally hold in our hands
果たして我々の宇宙のルールに
16:44
the rule for our universe
到達することができるのか
16:46
and know where our universe lies
我々の宇宙があらゆる可能な宇宙の中の
16:48
in the space of all possible universes ...
いったいどこにあるのか
16:50
and be able to type into Wolfram Alpha, "the theory of the universe,"
そしてWolfram Alphaに究極の宇宙の理論は何かと入力して
16:52
and have it tell us.
答えが得られるようになるのか
16:55
(Laughter)
(笑)
16:57
So I've been working on the idea of computation
私はこれまで30年以上
17:00
now for more than 30 years,
計算というアイデアに取り組んできて
17:02
building tools and methods and turning intellectual ideas
ツールや手法を構築し 知的なアイデアを
17:04
into millions of lines of code
何百万行というコードと
17:07
and grist for server farms and so on.
サーバファームへと変換してきました
17:09
With every passing year,
年々私は 計算というアイデアが
17:11
I realize how much more powerful
いかに強力なものかという
17:13
the idea of computation really is.
思いを強めてきました
17:15
It's taken us a long way already,
それは我々をはるばる導いて来ましたが
17:17
but there's so much more to come.
これからさらに多くをもたらすでしょう
17:19
From the foundations of science
科学の基礎や
17:21
to the limits of technology
テクノロジーの限界から
17:23
to the very definition of the human condition,
人間条件の定義にいたるまで
17:25
I think computation is destined to be
計算が 我々の未来を決めるアイデアであることは
17:27
the defining idea of our future.
間違いないだろうと思います
17:29
Thank you.
どうもありがとうございました
17:31
(Applause)
(拍手)
17:33
Chris Anderson: That was astonishing.
素晴らしいお話でした
17:47
Stay here. I've got a question.
どうぞこちらに お聞きしたいことがあります
17:49
(Applause)
(拍手)
17:51
So, that was, fair to say, an astonishing talk.
控えめに言っても驚くべき講演でした
17:57
Are you able to say in a sentence or two
このような考え方が
18:01
how this type of thinking
宇宙を説明する基礎として考えられている
18:04
could integrate at some point
ひも理論のようなものと
18:07
to things like string theory or the kind of things that people think of
どう統合できるものか
18:09
as the fundamental explanations of the universe?
一言か二言で説明していただくことは可能でしょうか?
18:11
Stephen Wolfram: Well, the parts of physics
私たちが真理であると知っている
18:14
that we kind of know to be true,
物理学の一部として
18:16
things like the standard model of physics:
標準理論のようなものがあります
18:18
what I'm trying to do better reproduce the standard model of physics
私がやろうとしているのは標準理論をよりよく再現するということで
18:20
or it's simply wrong.
それができなければ単に間違っているということでしょう
18:23
The things that people have tried to do in the last 25 years or so
人々がこの25年かそこらの間
18:25
with string theory and so on
ひも理論などで試みてきたのは
18:27
have been an interesting exploration
標準理論へと戻ろうとする
18:29
that has tried to get back to the standard model,
興味深い探求ですが
18:31
but hasn't quite gotten there.
まだそこに至ってはいません
18:34
My guess is that some great simplifications of what I'm doing
私のやっている大きな単純化は
18:36
may actually have considerable resonance
実際ひも理論で行われてきたことと
18:39
with what's been done in string theory,
大きく共鳴する部分があるのではと思っています
18:42
but that's a complicated math thing
しかしこれは複雑な数学であり
18:44
that I don't yet know how it's going to work out.
どういうことになるのか まだ分かってはいません
18:47
CA: Benoit Mandelbrot is in the audience.
この聴衆の中にブノワ マンデルブロがいます
18:50
He also has shown how complexity
彼もまた シンプルなものから
18:52
can arise out of a simple start.
如何に複雑なものが生じうるかを示しました
18:54
Does your work relate to his?
彼の仕事とあなた仕事は関連していると思いますか?
18:56
SW: I think so.
関係していると思います
18:58
I view Benoit Mandelbrot's work
ブノワ マンデルブロの仕事は
19:00
as one of the founding contributions
この様な領域を生み出す
19:02
to this kind of area.
基礎的な貢献をしたと思います
19:05
Benoit has been particularly interested
彼が特に関心を持っているのは
19:08
in nested patterns, in fractals and so on,
入れ子になったパターン フラクタルです
19:10
where the structure is something
それは木のような構造で
19:12
that's kind of tree-like,
大きな枝があり
19:14
and where there's sort of a big branch that makes little branches
それが小さな枝を作り
19:16
and even smaller branches and so on.
それが更に小さな枝を作るという具合に続いていきます
19:18
That's one of the ways
これは真に複雑なものへと至る
19:21
that you get towards true complexity.
1つの方法です
19:23
I think things like the Rule 30 cellular automaton
ルール30セルオートマトンのようなものは
19:26
get us to a different level.
別なレベルに至るものだと思っています
19:29
In fact, in a very precise way, they get us to a different level
実際 それはまさに別なレベルへと至るための方法であり
19:31
because they seem to be things that are
おおよそ複雑さが
19:34
capable of complexity
到達しうる限りの複雑さを
19:37
that's sort of as great as complexity can ever get ...
生み出せるように思えます…
19:40
I could go on about this at great length, but I won't. (Laughter) (Applause)
これについては いくらでも議論を続けられますが やめておきましょう
19:44
CA: Stephen Wolfram, thank you.
スティーブン ウルフラム ありがとうございました
19:47
(Applause)
(拍手)
19:49
Translator:Yasushi Aoki
Reviewer:Natsuhiko Mizutani

sponsored links

Stephen Wolfram - Scientist, inventor
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research.

Why you should listen

Stephen Wolfram published his first scientific paper at the age of 15, and received his PhD in theoretical physics from Caltech by the age of 20. Having started to use computers in 1973, Wolfram rapidly became a leader in the emerging field of scientific computing.

In 1981 Wolfram became the youngest recipient of a MacArthur Prize Fellowship. He then set out on an ambitious new direction in science aimed at understanding the origins of complexity in nature. Wolfram's first key idea was to use computer experiments to study the behavior of simple computer programs known as cellular automata. This allowed him to make a series of startling discoveries about the origins of complexity.

Wolfram founded the first research center and the first journal in the field, Complex Systems, and began the development of Mathematica. Wolfram Research soon became a world leader in the software industry -- widely recognized for excellence in both technology and business.

Following the release of Mathematica Version 2 in 1991, Wolfram began to divide his time between Mathematica development and scientific research. Building on his work from the mid-1980s, and now with Mathematica as a tool, Wolfram made a rapid succession of major new discoveries, which he described in his book, A New Kind of Science.

Building on Mathematica, A New Kind of Science, and the success of Wolfram Research, Wolfram recently launched Wolfram|Alpha -- an ambitious, long-term project to make as much of the world's knowledge as possible computable, and accessible to everyone.

sponsored links

If you need translations, you can install "Google Translate" extension into your Chrome Browser.
Furthermore, you can change playback rate by installing "Video Speed Controller" extension.

Data provided by TED.

This website is owned and operated by Tokyo English Network.
The developer's blog is here.