TED2010
Stephen Wolfram: Computing a theory of all knowledge
Стивън Волфрам: Изчисляване теорията на всичко
Filmed:
Readability: 4.4
1,811,819 views
Стивън Волфрам, създателят на Математика, говори за задачата да направи всичкото познание изчислимо - да може да се търси, обработва и манипулира. Неговата нова търсачка, Волфрам Алфа, има за цел минимум да създаде модел и да обясни физиката, която е в основата на цялата вселена.
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
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
Double-click the English transcript below to play the video.
00:16
So I want to talk today about an idea. It's a big idea.
0
1000
3000
Днес искам да говоря за една идея. Това е една голяма идея.
00:19
Actually, I think it'll eventually
1
4000
2000
Всъщност, мисля, че това евентуално
00:21
be seen as probably the single biggest idea
2
6000
2000
може да се разглежда като вероятно най-великата идея,
00:23
that's emerged in the past century.
3
8000
2000
която се е появила през миналото хилядолетие.
00:25
It's the idea of computation.
4
10000
2000
Това е идеята за изчисленията.
00:27
Now, of course, that idea has brought us
5
12000
2000
Сега, разбира се, тази идея ни е донесла
00:29
all of the computer technology we have today and so on.
6
14000
3000
цялата компютърна технология, с която разполагаме днес.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
Но изчисленията са много повече от това.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
Това е наистина много дълбока, много силна и фундаментална идея.
00:38
whose effects we've only just begun to see.
9
23000
3000
Едва сега започваме да виждаме резултатите от нея.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
Да, аз самият прекарах последните 30 години от живота си,
00:44
working on three large projects
11
29000
2000
работейки над три огромни проекта,
00:46
that really try to take the idea of computation seriously.
12
31000
3000
които се опитват да възприемат идеята за изчислението много сериозно.
00:50
So I started off at a young age as a physicist
13
35000
3000
Така, от съвсем млад започнах като физик,
00:53
using computers as tools.
14
38000
2000
изпозвайки компютрите като инструменти.
00:55
Then, I started drilling down,
15
40000
2000
След това започнах нещо като сондиране,
00:57
thinking about the computations I might want to do,
16
42000
2000
мислейки за изчисления, които бих искал да направя,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
опитвайки се да разбера от какви прости части са изградени
01:02
and how they could be automated as much as possible.
18
47000
3000
и как те могат да бъдат автоматизирани доколкото е възможно.
01:05
Eventually, I created a whole structure
19
50000
2000
В крайна сметка, създадох цялата структура
01:07
based on symbolic programming and so on
20
52000
2000
базирана на символично програмиране и т.н.,
01:09
that let me build Mathematica.
21
54000
2000
която ми позволи да изградя Математика.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
И през последните 23 години, с нарастващо темпо
01:13
we've been pouring more and more ideas
23
58000
2000
ние бълвахме още, и още идеи,
01:15
and capabilities and so on into Mathematica,
24
60000
2000
и способности, и т.н. в Математика,
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
и съм щастлив да кажа, че това доведе до много добри резултати
01:20
in R & D and education,
26
65000
2000
в проучване и разработка, и образованието,
01:22
lots of other areas.
27
67000
2000
и в много други области.
01:24
Well, I have to admit, actually,
28
69000
2000
Трябва да призная всъщност,
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
че имах доста егоистична причина, за да изградя Математика.
01:29
I wanted to use it myself,
30
74000
2000
Исках да я използвам аз самият,
01:31
a bit like Galileo got to use his telescope
31
76000
2000
малко както Галилей изпозвал своя телескоп
01:33
400 years ago.
32
78000
2000
преди 400 години.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
Но аз не искам да гледам в астрономичната вселена,
01:38
but at the computational universe.
34
83000
3000
а в компютърната вселена.
01:41
So we normally think of programs as being
35
86000
2000
Ние обикновено мислим за програмите
01:43
complicated things that we build
36
88000
2000
като сложни неща, които изграждаме
01:45
for very specific purposes.
37
90000
2000
за точно определена цел.
01:47
But what about the space of all possible programs?
38
92000
3000
Но какво да кажем за пространството на всички възможни програми?
01:50
Here's a representation of a really simple program.
39
95000
3000
Тук виждаме една презентация на една наистина проста програма.
01:53
So, if we run this program,
40
98000
2000
Така че, ако стартираме тази програма,
01:55
this is what we get.
41
100000
2000
ето какво ще получим.
01:57
Very simple.
42
102000
2000
Много просто.
01:59
So let's try changing the rule
43
104000
2000
Сега, нека се опитаме малко да променим правилото
02:01
for this program a little bit.
44
106000
2000
за тази програма.
02:03
Now we get another result,
45
108000
2000
Сега получаваме друг резултат
02:05
still very simple.
46
110000
2000
все още твърде прост.
02:07
Try changing it again.
47
112000
3000
Да се опитаме да ги променим отново.
02:10
You get something a little bit more complicated.
48
115000
2000
Получаваме нещо малко по-сложно,
02:12
But if we keep running this for a while,
49
117000
2000
но ако продължим по същия начин още малко,
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
откриваме, че въпреки много сложната схема,
02:17
it has a very regular structure.
51
122000
3000
има много правилна структура.
02:20
So the question is: Can anything else happen?
52
125000
3000
Въпросът е: Може ли нещо друго да се случи?
02:23
Well, we can do a little experiment.
53
128000
2000
Добре, можем да направим малък експеримент.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
Нека да направим един малък математически експеримент, да пробваме и ще видим какво ще се получи.
02:29
Let's just run all possible programs
55
134000
3000
Нека да стартираме всички възможни програми
02:32
of the particular type that we're looking at.
56
137000
2000
по същия начин както го видяхме.
02:34
They're called cellular automata.
57
139000
2000
Те се наричат клетъчни автомати.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
Тук може да се наблюдават различни видове поведение.
02:38
Most of them do very simple things,
59
143000
2000
Повечето от тях правят много прости неща.
02:40
but if you look along all these different pictures,
60
145000
2000
Но, ако продължим да наблюдаваме всички тези рисунки,
02:42
at rule number 30,
61
147000
2000
при правило номер 30,
02:44
you start to see something interesting going on.
62
149000
2000
ще започнете да наблюдавате, че се случва нещо много интересно.
02:46
So let's take a closer look
63
151000
2000
Нека да го видим по-отблизо,
02:48
at rule number 30 here.
64
153000
2000
ето тук правило номер 30.
02:50
So here it is.
65
155000
2000
Ето тук е.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
Само следвайки това правило тук отдолу,
02:55
but we're getting all this amazing stuff.
67
160000
2000
получаваме целия този невероятен материал.
02:57
It's not at all what we're used to,
68
162000
2000
Въобще не e това, на което сме свикнали,
02:59
and I must say that, when I first saw this,
69
164000
2000
и трябва да кажа, че когато за пръв път го видях,
03:01
it came as a huge shock to my intuition.
70
166000
3000
моята интуиция беше изключително шокирана,
03:04
And, in fact, to understand it,
71
169000
2000
и за да го разбера,
03:06
I eventually had to create
72
171000
2000
трябваше да създам
03:08
a whole new kind of science.
73
173000
2000
цяла нова наука.
03:11
(Laughter)
74
176000
2000
(Смях)
03:13
This science is different, more general,
75
178000
3000
Тази наука е различна, по-обща
03:16
than the mathematics-based science that we've had
76
181000
2000
от онези с математическата основа, която познаваме
03:18
for the past 300 or so years.
77
183000
3000
последните 300 години насам.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
Знаете ли, винаги изглежда като голяма мистерия
03:23
how nature, seemingly so effortlessly,
79
188000
3000
как природата, на пръв поглед без усилие,
03:26
manages to produce so much
80
191000
2000
успява да създаде толкова много,
03:28
that seems to us so complex.
81
193000
3000
че ни изглежда така сложно.
03:31
Well, I think we've found its secret:
82
196000
3000
Мисля, че открихме тайната.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
Това е просто вземане на проби от онова, което е в компютърната вселена
03:37
and quite often getting things like Rule 30
84
202000
3000
и много често резултатите са като правило номер 30
03:40
or like this.
85
205000
3000
или като това.
03:44
And knowing that starts to explain
86
209000
2000
И знаейки това, могат да се обяснят
03:46
a lot of long-standing mysteries in science.
87
211000
3000
много от старите мистерии на науката.
03:49
It also brings up new issues, though,
88
214000
2000
Също така могат да се поставят нови теми,
03:51
like computational irreducibility.
89
216000
3000
като невъзможността да се смалят изчисленията.
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
Искам да кажа, че сме свикнали да предвиждаме неща с науката,
03:57
but something like this
91
222000
2000
но нещо като това
03:59
is fundamentally irreducible.
92
224000
2000
е напълно необратимо.
04:01
The only way to find its outcome
93
226000
2000
Единственият начин да се види резултата,
04:03
is, effectively, just to watch it evolve.
94
228000
3000
е просто да се глада как еволюира.
04:06
It's connected to, what I call,
95
231000
2000
То е свързано с това което наричам
04:08
the principle of computational equivalence,
96
233000
2000
принцип на изчислителното равенство,
04:10
which tells us that even incredibly simple systems
97
235000
3000
което значи, че дори невероятно прости системи
04:13
can do computations as sophisticated as anything.
98
238000
3000
могат да извършват най-сложни изчисления.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
Не отнема толкова технология или биологична еволюция,
04:19
to be able to do arbitrary computation;
100
244000
2000
за да си способен да правиш произволно изчисление,
04:21
just something that happens, naturally,
101
246000
2000
просто понякога нещо се случва, естествено,
04:23
all over the place.
102
248000
2000
в цялото пространство.
04:25
Things with rules as simple as these can do it.
103
250000
3000
Неща с правила прости като тези, могат да го направят.
04:29
Well, this has deep implications
104
254000
2000
Добре, то има дълбоко приложение
04:31
about the limits of science,
105
256000
2000
относно ограниченията на науката,
04:33
about predictability and controllability
106
258000
2000
относно предсказването и контролир́ането
04:35
of things like biological processes or economies,
107
260000
3000
на неща като биологическите процеси или икономиките,
04:38
about intelligence in the universe,
108
263000
2000
относно интелигентността във вселената,
04:40
about questions like free will
109
265000
2000
относно въпроси като свободната воля
04:42
and about creating technology.
110
267000
3000
и относно създаване на технологии.
04:45
You know, in working on this science for many years,
111
270000
2000
Знаете ли, работейки дълги години върху тази наука,
04:47
I kept wondering,
112
272000
2000
дълго се чудех,
04:49
"What will be its first killer app?"
113
274000
2000
"Коя ще е първата негова програма убиец?"
04:51
Well, ever since I was a kid,
114
276000
2000
Още като бях дете
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
си мислех за систематизирането на познанието
04:55
and somehow making it computable.
116
280000
2000
и как да се направи така, че да може да се изчисли.
04:57
People like Leibniz had wondered about that too
117
282000
2000
Хора като Лайбниц са мислили също за това
04:59
300 years earlier.
118
284000
2000
преди 300 години.
05:01
But I'd always assumed that to make progress,
119
286000
2000
Но винаги съм приемал, че за да се прогресира,
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
трябва най-вече да възпроизведа един цял мозък.
05:06
Well, then I got to thinking:
121
291000
2000
Ето сега вече мисля:
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
Тази моя научна парадигма предлага нещо различно.
05:11
and, by the way, I've now got
123
296000
2000
И, между другото, сега разполагам
05:13
huge computation capabilities in Mathematica,
124
298000
3000
с огромни изчислителни способности в Математика,
05:16
and I'm a CEO with some worldly resources
125
301000
3000
и съм Изпълнителен директор на някои от световните източници,
05:19
to do large, seemingly crazy, projects --
126
304000
3000
за да правя огромни, на пръв поглед налудничави проекти.
05:22
So I decided to just try to see
127
307000
2000
Така че реших да опитам да видя
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
колко от систематизираното познание в света
05:27
we could make computable.
129
312000
2000
може да е изчислимо.
05:29
So, it's been a big, very complex project,
130
314000
2000
Това беше един много голям и комплексен проект,
05:31
which I was not sure was going to work at all.
131
316000
3000
за който не бях сигурен, че мога изобщо да работя.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
Но съм щастлив да кажа, че всъщност върви много добре.
05:37
And last year we were able
133
322000
2000
И миналата година успяхме
05:39
to release the first website version
134
324000
2000
да осъществим първата версия на уеб-страницата
05:41
of Wolfram Alpha.
135
326000
2000
на Волфрам Алфа.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
Целта е да бъде един сериозен двигател на познанието,
05:46
that computes answers to questions.
137
331000
3000
който изчислява отговори на въпроси.
05:49
So let's give it a try.
138
334000
2000
Значи нека да опитаме.
05:51
Let's start off with something really easy.
139
336000
2000
Нека да започнем с нещо наистина лесно.
05:53
Hope for the best.
140
338000
2000
Да се надяваме на най-доброто.
05:55
Very good. Okay.
141
340000
2000
Много добре.
05:57
So far so good.
142
342000
2000
До тук добре.
05:59
(Laughter)
143
344000
3000
(Смях)
06:02
Let's try something a little bit harder.
144
347000
3000
Нека да опитаме нещо по-трудно.
06:05
Let's do
145
350000
2000
Да кажем..
06:07
some mathy thing,
146
352000
3000
Нека да направим нещо математическо
06:10
and with luck it'll work out the answer
147
355000
3000
и с малко късмет ще ни даде отговора,
06:13
and try and tell us some interesting things
148
358000
2000
и ще се опита да каже някои интересни неща,
06:15
things about related math.
149
360000
2000
неща свързани с математиката.
06:17
We could ask it something about the real world.
150
362000
3000
Можем да го питаме нещо свързано със света.
06:20
Let's say -- I don't know --
151
365000
2000
Да кажем - не знам -
06:22
what's the GDP of Spain?
152
367000
3000
Какво е БНП на Испания?
06:25
And it should be able to tell us that.
153
370000
2000
И трябва да може да ни го каже.
06:27
Now we could compute something related to this,
154
372000
2000
Сега можем да изчислим нещо което е свързано с това,
06:29
let's say ... the GDP of Spain
155
374000
2000
да кажем БНП на Испания
06:31
divided by, I don't know,
156
376000
2000
разделено на, не знам,
06:33
the -- hmmm ...
157
378000
2000
хммммммм....
06:35
let's say the revenue of Microsoft.
158
380000
2000
да кажем прихода на Майкрософт.
06:37
(Laughter)
159
382000
2000
(Смях)
06:39
The idea is that we can just type this in,
160
384000
2000
Идеята е, че можем да го запишем вътре,
06:41
this kind of question in, however we think of it.
161
386000
3000
този вид въпрос, за който си мислим.
06:44
So let's try asking a question,
162
389000
2000
Така, нека да се опитаме да зададем въпрос,
06:46
like a health related question.
163
391000
2000
някой свързан със здравето въпрос.
06:48
So let's say we have a lab finding that ...
164
393000
3000
Да кажем, че имаме лаборатория и откриваме, че
06:51
you know, we have an LDL level of 140
165
396000
2000
имаме един ЛДЛ ниво от 140
06:53
for a male aged 50.
166
398000
3000
за мъж на 50 години.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
Записваме го и сега Волфрам Алфа
06:58
will go and use available public health data
168
403000
2000
ще отиде и използва дадена на разположение здравна информация
07:00
and try and figure out
169
405000
2000
и ще се опита да си представи
07:02
what part of the population that corresponds to and so on.
170
407000
3000
каква част от населението отговаря на това и така нататък.
07:05
Or let's try asking about, I don't know,
171
410000
3000
Или нека да попитаме, не знам,
07:08
the International Space Station.
172
413000
2000
международната космическа станция.
07:10
And what's happening here is that
173
415000
2000
Това което се получава тук е, че
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
Волфрам Алфа не само търси информацията,
07:14
it's computing, in real time,
175
419000
3000
но изчислява в реално време,
07:17
where the International Space Station is right now at this moment,
176
422000
3000
къде се намира космическата станция сега, в този момент,
07:20
how fast it's going, and so on.
177
425000
3000
колко бързо се движи и така нататък.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
Така че Волфрам Алфа знае безброй много неща.
07:27
It's got, by now,
179
432000
2000
Има досега
07:29
pretty good coverage of everything you might find
180
434000
2000
доста обширно познание за всичко, което можете да откриете
07:31
in a standard reference library.
181
436000
3000
в една стандартна библиотека.
07:34
But the goal is to go much further
182
439000
2000
Но целта е да се отиде по-далеч
07:36
and, very broadly, to democratize
183
441000
3000
и най-вече да се демократизира
07:39
all of this knowledge,
184
444000
3000
цялото това познание,
07:42
and to try and be an authoritative
185
447000
2000
да се опита и да бъде авторитетен
07:44
source in all areas.
186
449000
2000
източник във всички сфери,
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
да е способен да изчислява отговори на специфични въпроси, които хората имат.
07:49
not by searching what other people
188
454000
2000
Не да търси какво други хора
07:51
may have written down before,
189
456000
2000
са писали преди това,
07:53
but by using built in knowledge
190
458000
2000
а чрез натрупано познание
07:55
to compute fresh new answers to specific questions.
191
460000
3000
да изчисли напълно нови отговори на специфични въпроси.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
Сега, разбира се, Волфрам Алфа
08:00
is a monumentally huge, long-term project
193
465000
2000
е монументално огромен дългосрочен проект
08:02
with lots and lots of challenges.
194
467000
2000
с много най-различни предизвикателства.
08:04
For a start, one has to curate a zillion
195
469000
3000
Като начало, човек трябва да активира милиони и милиони
08:07
different sources of facts and data,
196
472000
3000
различни източници на факти и информация,
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
и ние изградихме един голям тръбопровод от Математическа автоматизация
08:13
and human domain experts for doing this.
198
478000
3000
и човешки домейн експерти за извършване на това.
08:16
But that's just the beginning.
199
481000
2000
Но това е само началото.
08:18
Given raw facts or data
200
483000
2000
Като се има предвид суровите факти и данни
08:20
to actually answer questions,
201
485000
2000
действително да отговорят на въпросите,
08:22
one has to compute:
202
487000
2000
човек трябва да изчисли,
08:24
one has to implement all those methods and models
203
489000
2000
и трябва да приложи всички тези методи и модели,
08:26
and algorithms and so on
204
491000
2000
и алгоритми и т.н.
08:28
that science and other areas have built up over the centuries.
205
493000
3000
които науката и други области са натрупали през вековете.
08:31
Well, even starting from Mathematica,
206
496000
3000
Е, дори като се започне от Математика,
08:34
this is still a huge amount of work.
207
499000
2000
има все още огромно количество работа.
08:36
So far, there are about 8 million lines
208
501000
2000
До момента има около 8 милиона реда
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
код на Математика във Волфрам Алфа,
08:40
built by experts from many, many different fields.
210
505000
3000
изграден от експерти от много, много различни области.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
Е, ключова идея на Волфрам Алфа
08:46
is that you can just ask it questions
212
511000
2000
е, че може просто да се задават въпроси
08:48
using ordinary human language,
213
513000
3000
с думите на обикновения човек,
08:51
which means that we've got to be able to take
214
516000
2000
което означава, че ние трябва да бъдем в състояние да вземе
08:53
all those strange utterances that people type into the input field
215
518000
3000
всички тези странни изказвания, които хората пишат в полето за въвеждане
08:56
and understand them.
216
521000
2000
и да ги разберем.
08:58
And I must say that I thought that step
217
523000
2000
И аз трябва да кажа, че си мислех, че тази стъпка
09:00
might just be plain impossible.
218
525000
3000
може да бъде само просто невъзможна.
09:04
Two big things happened:
219
529000
2000
Две големи неща се случиха.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
Първо, няколко нови идеи за лингвистиката,
09:09
that came from studying the computational universe;
221
534000
3000
които дойдоха от проучване на изчислителната вселена.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
И второ, разбирането, че наличието на действително изчислими знания
09:15
completely changes how one can
223
540000
2000
напълно промени начина, по който човек може да
09:17
set about understanding language.
224
542000
3000
започне да разбира един език.
09:20
And, of course, now
225
545000
2000
И, разбира се, сега
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
с Волфрам Алфа действително в природата,
09:24
we can learn from its actual usage.
227
549000
2000
можем да научим много за неговото действително използване.
09:26
And, in fact, there's been
228
551000
2000
И, всъщност, има
09:28
an interesting coevolution that's been going on
229
553000
2000
една интересна взаимовръзка
09:30
between Wolfram Alpha
230
555000
2000
между Волфрам Алфа
09:32
and its human users,
231
557000
2000
и потребителите му - хората.
09:34
and it's really encouraging.
232
559000
2000
И това е много окуражаващо.
09:36
Right now, if we look at web queries,
233
561000
2000
Точно сега, ако погледнем заявките по интернет,
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
повече от 80% от тях се обработват успешно от първия път.
09:41
And if you look at things like the iPhone app,
235
566000
2000
И ако погледнем неща, като програми за iPhone,
09:43
the fraction is considerably larger.
236
568000
2000
процента е значително по-голям.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
Така че, аз съм много доволен от всичко това.
09:47
But, in many ways,
238
572000
2000
Но, по много начини,
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
все още сме в самото начало с Волфрам Алфа.
09:52
I mean, everything is scaling up very nicely
240
577000
2000
Искам да кажа, всичко се развива много добре.
09:54
and we're getting more confident.
241
579000
2000
Ние сме все по-уверени.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
Можете да очаквате да видите Волфрам Алфа технологията
09:58
showing up in more and more places,
243
583000
2000
да се появява на все повече и повече места,
10:00
working both with this kind of public data, like on the website,
244
585000
3000
да работи с този вид публични данни, както и с интернет страници,
10:03
and with private knowledge
245
588000
2000
и с лична информация
10:05
for people and companies and so on.
246
590000
3000
за хора, и компании, и така нататък.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
Знаеш ли, аз разбрах, че Волфрам Алфа действително дава един
10:11
a whole new kind of computing
248
596000
2000
нов вид изчисления,
10:13
that one can call knowledge-based computing,
249
598000
2000
които човек може да нарече изчисления на базата на знанието,
10:15
in which one's starting not just from raw computation,
250
600000
3000
в които човек започва не само от суровото изчисляване,
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
но от голямо количество вградени знания.
10:21
And when one does that, one really changes
252
606000
2000
И когато някой направи това, той наистина се променя
10:23
the economics of delivering computational things,
253
608000
3000
икономиката на предоставяне на изчислителни неща,
10:26
whether it's on the web or elsewhere.
254
611000
2000
независимо дали е в интернет или другаде.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
Вие знаете, ние имаме доста интересна ситуация в момента.
10:31
On the one hand, we have Mathematica,
256
616000
2000
От една страна, ние имаме Математика,
10:33
with its sort of precise, formal language
257
618000
3000
с подредения си точен, формален език,
10:36
and a huge network
258
621000
2000
и една огромна мрежа
10:38
of carefully designed capabilities
259
623000
2000
на внимателно проектирани възможности,
10:40
able to get a lot done in just a few lines.
260
625000
3000
която може да направи много, само с няколко реда.
10:43
Let me show you a couple of examples here.
261
628000
3000
Нека ви покажа няколко примера тук.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
Това е тривиална част от програмирането на Математика.
10:51
Here's something where we're sort of
263
636000
2000
Ето нещо, където ние сме нещо като
10:53
integrating a bunch of different capabilities here.
264
638000
3000
интегриране на сбор от различни възможности.
10:56
Here we'll just create, in this line,
265
641000
3000
Тук ние просто ще създадем в този ред
10:59
a little user interface that allows us to
266
644000
3000
малко потребителски интерфейс, който ни позволява да
11:02
do something fun there.
267
647000
2000
направим нещо забавно там.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
Ако продължите нататък, това е малко по-сложна програма,
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
която сега прави най-различни алгоритмични неща
11:10
and creating user interface and so on.
270
655000
2000
и създава потребителски интерфейс и др.
11:12
But it's something that is very precise stuff.
271
657000
3000
Но това е нещо, което е много точно.
11:15
It's a precise specification with a precise formal language
272
660000
3000
Това е точно определена спецификация, с точен официален език,
11:18
that causes Mathematica to know what to do here.
273
663000
3000
което е причината Математика да знае какво да прави.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
Е, от друга страна, ние имаме Волфрам Алфа,
11:24
with all the messiness of the world
275
669000
2000
с всички видове бъркотия на света,
11:26
and human language and so on built into it.
276
671000
2000
различните езици, и всички неща вградени в него.
11:28
So what happens when you put these things together?
277
673000
3000
И така, какво се случва, когато съберете тези неща заедно?
11:31
I think it's actually rather wonderful.
278
676000
2000
Мисля, че това е всъщност, по-скоро е прекрасно.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
С Волфрам Алфа вътре в Математика,
11:35
you can, for example, make precise programs
280
680000
2000
можете, например, да направите прецизни програми,
11:37
that call on real world data.
281
682000
2000
които изискват реални данни.
11:39
Here's a real simple example.
282
684000
2000
Това е наистина прост пример.
11:44
You can also just sort of give vague input
283
689000
3000
Можете също така да въведете някои неясни данни
11:47
and then try and have Wolfram Alpha
284
692000
2000
и след това да се опитате и да оставите Волфрам Алфа
11:49
figure out what you're talking about.
285
694000
2000
да разбере за какво точно говорите.
11:51
Let's try this here.
286
696000
2000
Нека се опитаме тази тук.
11:53
But actually I think the most exciting thing about this
287
698000
3000
Но всъщност мисля, че най-вълнуващото в това
11:56
is that it really gives one the chance
288
701000
2000
е, че тя наистина дава една възможност
11:58
to democratize programming.
289
703000
3000
за демократизиране на програмирането.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
Искам да кажа, че всеки ще може да каже това, което иска на разбираем език,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
а след това, идеята е, че Волфрам Алфа ще може да разбере
12:07
what precise pieces of code
292
712000
2000
кои точно части от кода
12:09
can do what they're asking for
293
714000
2000
могат да направят това, което искат
12:11
and then show them examples that will let them pick what they need
294
716000
3000
и след това да им покаже примери, които ще им позволят да изберат това, от което те се нуждаят,
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
за да създадат по-големи и по-големи, точни програми.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
Така че, понякога, Волфрам Алфа
12:19
will be able to do the whole thing immediately
297
724000
2000
ще бъде в състояние да свърши цялата работа веднага
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
и просто да ви върне цяла голяма програма, с която ще можете да изчислявате.
12:24
Here's a big website
299
729000
2000
Така че това е един голям сайт,
12:26
where we've been collecting lots of educational
300
731000
3000
където сме събирали много образователни
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
и други демонстрации за много и най-различни неща.
12:32
I'll show you one example here.
302
737000
3000
Ще ви покажа един пример, може би тук.
12:36
This is just an example of one of these computable documents.
303
741000
3000
Това е само един пример с един от тези документи за изчисление.
12:39
This is probably a fairly small
304
744000
2000
Това вероятно е една сравнително малка
12:41
piece of Mathematica code
305
746000
2000
част от кода Математика,
12:43
that's able to be run here.
306
748000
2000
който е в състояние да бъде пуснат от тук.
12:47
Okay. Let's zoom out again.
307
752000
3000
Добре. Да се намалят отново.
12:50
So, given our new kind of science,
308
755000
2000
Тъй като това е един нов вид наука,
12:52
is there a general way to use it to make technology?
309
757000
3000
има ли общ начин да се използва, за да се прави технологията?
12:55
So, with physical materials,
310
760000
2000
Така че, с физически материали,
12:57
we're used to going around the world
311
762000
2000
сме свикнали да обикаляме по света
12:59
and discovering that particular materials
312
764000
2000
и да откриваме, че конкретните материали,
13:01
are useful for particular
313
766000
2000
са полезни за специфични
13:03
technological purposes.
314
768000
2000
технологични цели и така нататък.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
Е, оказва се, че можем да направим много подобни неща
13:07
in the computational universe.
316
772000
2000
и в компютърната вселената.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
Там има един неизчерпаем източник на програми.
13:12
The challenge is to see how to
318
777000
2000
Предизвикателството е да се види как да се
13:14
harness them for human purposes.
319
779000
2000
използват в полза на човека.
13:16
Something like Rule 30, for example,
320
781000
2000
Нещо като член 30, например,
13:18
turns out to be a really good randomness generator.
321
783000
2000
оказва се, че е наистина добър генератор на случайност.
13:20
Other simple programs are good models
322
785000
2000
Други просто програми са добри модели
13:22
for processes in the natural or social world.
323
787000
3000
за процесите в природата или социалния свят.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
И, например, Волфрам Алфа и Математика
13:27
are actually now full of algorithms
325
792000
2000
всъщност сега са пълни с алгоритми,
13:29
that we discovered by searching the computational universe.
326
794000
3000
които сме открили чрез търсене на компютърната вселена.
13:33
And, for example, this -- if we go back here --
327
798000
3000
И, например, този - ние се върнахме тук -
13:37
this has become surprisingly popular
328
802000
2000
Това е станало изненадващо популярно
13:39
among composers
329
804000
2000
сред композиторите.
13:41
finding musical forms by searching the computational universe.
330
806000
3000
Намиране на музикални форми чрез търсене в компютърната вселена.
13:45
In a sense, we can use the computational universe
331
810000
2000
В известен смисъл, ние можем да използваме компютърната вселена,
13:47
to get mass customized creativity.
332
812000
3000
за да получим голямо количество персонализирано творчество.
13:50
I'm hoping we can, for example,
333
815000
2000
Аз се надявам, че можем. Например,
13:52
use that even to get Wolfram Alpha
334
817000
2000
да използваме, че дори да използваме Волфрам Алфа
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
за на пръв поглед рутинно да прави изобретения и открития в движение
13:57
and to find all sorts of wonderful stuff
336
822000
2000
и да се намерят всякакви прекрасни неща,
13:59
that no engineer
337
824000
2000
които нито инженер
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
нито процес на единичните развитието някога ще постигне.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
Е, това е така, което води до нещо като един последен въпрос.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
Възможно ли е някъде там в компютърната вселена
14:11
we might find our physical universe?
341
836000
3000
да можем да намерим физическа вселена?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
Може би има още по-просто правило,
14:16
some simple program for our universe.
343
841000
3000
някоя проста програма за нашата вселена.
14:19
Well, the history of physics would have us believe
344
844000
2000
Е, историята на физиката ни кара да вярваме,
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
че правилото на вселената трябва да е доста сложно.
14:24
But in the computational universe,
346
849000
2000
Но в компютърната вселена
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
ние видяхме как правила, които са изключително прости,
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
могат да доведат до изключително богато и сложно поведение.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
Възможно ли е това да е, което се случва с цялата вселена?
14:36
If the rules for the universe are simple,
350
861000
2000
Ако правилата за вселената са прости,
14:38
it's kind of inevitable that they have to be
351
863000
2000
това е нещо неизбежно, че те трябва да бъдат
14:40
very abstract and very low level;
352
865000
2000
много абстрактни и на много ниско ниво,
14:42
operating, for example, far below
353
867000
2000
опериращи, например, много по-ниско
14:44
the level of space or time,
354
869000
2000
от нивото на времето или пространството,
14:46
which makes it hard to represent things.
355
871000
2000
като така е много трудно да се представят нещата.
14:48
But in at least a large class of cases,
356
873000
2000
Но поне в една голяма част,
14:50
one can think of the universe as being
357
875000
2000
може да се мисли за вселената като
14:52
like some kind of network,
358
877000
2000
за някаква мрежа,
14:54
which, when it gets big enough,
359
879000
2000
която, когато стане достатъчно голяма,
14:56
behaves like continuous space
360
881000
2000
се държи като непрекъснато пространство,
14:58
in much the same way as having lots of molecules
361
883000
2000
по същия начин, по който множество молекули
15:00
can behave like a continuous fluid.
362
885000
2000
могат да се държат като една непрекъсната течност.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
Е, тогава вселената трябва да се развива чрез прилагане на
15:05
little rules that progressively update this network.
364
890000
3000
малко правила, които постепенно обновяване на тази мрежа.
15:08
And each possible rule, in a sense,
365
893000
2000
И всяко възможно правило, в известен смисъл,
15:10
corresponds to a candidate universe.
366
895000
2000
съответства на една кандидат-вселена.
15:12
Actually, I haven't shown these before,
367
897000
3000
Всъщност, аз не съм показвал тези преди,
15:16
but here are a few of the candidate universes
368
901000
3000
но ето някои от кандидат-вселените,
15:19
that I've looked at.
369
904000
2000
които съм разглеждал.
15:21
Some of these are hopeless universes,
370
906000
2000
Някои от тях са безнадеждни вселени,
15:23
completely sterile,
371
908000
2000
напълно стерилни,
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
с други видове патологии, като липса на движение в пространството,
15:27
no notion of time, no matter,
373
912000
3000
без движение на времето, на материята,
15:30
other problems like that.
374
915000
2000
и други проблеми като този.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
Но вълнуващо нещо, което открихме, през последните няколко години
15:35
is that you actually don't have to go very far
376
920000
2000
е, че всъщност не е нужно да отидете много далеч
15:37
in the computational universe
377
922000
2000
в компютърната Вселена
15:39
before you start finding candidate universes
378
924000
2000
преди да започнете намиране на кандидат-вселени,
15:41
that aren't obviously not our universe.
379
926000
3000
които очевидно не са нашата вселена.
15:44
Here's the problem:
380
929000
2000
Тук е проблемът:
15:46
Any serious candidate for our universe
381
931000
3000
Всеки сериозен кандидат за нашата вселена,
15:49
is inevitably full of computational irreducibility.
382
934000
3000
е неизбежно пълен с изчислителна невъзможност,
15:52
Which means that it is irreducibly difficult
383
937000
3000
което означава, че е невъзможно трудно,
15:55
to find out how it will really behave,
384
940000
2000
за да разберете как тя наистина ще се държи,
15:57
and whether it matches our physical universe.
385
942000
3000
и дали ще съвпадне с нашата физическа вселена.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
Преди няколко години, бях доста развълнуван от откритието,
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
че има кандидат-вселени с невероятно прости правила,
16:07
that successfully reproduce special relativity,
388
952000
2000
които успешно възпроизвеждат специалната теория на относителността
16:09
and even general relativity and gravitation,
389
954000
3000
и дори общата теория на относителността, и гравитацията
16:12
and at least give hints of quantum mechanics.
390
957000
3000
и най-малко намекват за квантовата механика.
16:15
So, will we find the whole of physics?
391
960000
2000
Така че, ще открием ли цялата физика?
16:17
I don't know for sure,
392
962000
2000
Аз не знам със сигурност.
16:19
but I think at this point it's sort of
393
964000
2000
Но мисля, че в този момент това е нещо
16:21
almost embarrassing not to at least try.
394
966000
2000
почти срамно поне да не опитаме.
16:23
Not an easy project.
395
968000
2000
Не е лесен проект.
16:25
One's got to build a lot of technology.
396
970000
2000
Трябва да изградим много технологии.
16:27
One's got to build a structure that's probably
397
972000
2000
Трябва да се изгради структура, която е може би
16:29
at least as deep as existing physics.
398
974000
2000
най-малко толкова дълбока, като съществуващата физика.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
Не съм сигурен кой е най-добрият начин да се организира цялата работа.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
Изграждане на екип, отваряне на проекта, предлагане на награди и така нататък.
16:37
But I'll tell you, here today,
401
982000
2000
Но аз ще ви кажа днес,
16:39
that I'm committed to seeing this project done,
402
984000
2000
че съм ангажиран този проект да стане реалност,
16:41
to see if, within this decade,
403
986000
3000
за да видим дали в рамките на това десетилетие,
16:44
we can finally hold in our hands
404
989000
2000
най-накрая можем да държим в ръцете си
16:46
the rule for our universe
405
991000
2000
правилото за нашата вселена
16:48
and know where our universe lies
406
993000
2000
и да знаем къде се намира нашата вселена
16:50
in the space of all possible universes ...
407
995000
2000
в пространството на всички възможни вселени -
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
и да може да въведем в полето на Волфрам Алфа "теорията на Вселената"
16:55
and have it tell us.
409
1000000
2000
и той да ни каже.
16:57
(Laughter)
410
1002000
2000
(Смях)
17:00
So I've been working on the idea of computation
411
1005000
2000
Работя над идеята за изчисляването
17:02
now for more than 30 years,
412
1007000
2000
вече повече от 30 години,
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
изграждайки инструменти и методи и включвайки един вид интелектуални идеи
17:07
into millions of lines of code
414
1012000
2000
в милиони редове на кода,
17:09
and grist for server farms and so on.
415
1014000
2000
и носейки полза за огромно количество сървъри и др.
17:11
With every passing year,
416
1016000
2000
С всяка изминала година,
17:13
I realize how much more powerful
417
1018000
2000
осъзнавам колко по-мощна е
17:15
the idea of computation really is.
418
1020000
2000
в действителност идеята за изчисления.
17:17
It's taken us a long way already,
419
1022000
2000
Това вече ни движи много напред,
17:19
but there's so much more to come.
420
1024000
2000
но има още толкова много по-напред.
17:21
From the foundations of science
421
1026000
2000
От основите на науката
17:23
to the limits of technology
422
1028000
2000
до границите на технологията,
17:25
to the very definition of the human condition,
423
1030000
2000
до самото определение на човешкото състояние,
17:27
I think computation is destined to be
424
1032000
2000
мисля, че изчислението е предвидено да бъде
17:29
the defining idea of our future.
425
1034000
2000
определяща идея за нашето бъдеще.
17:31
Thank you.
426
1036000
2000
Благодаря ви.
17:33
(Applause)
427
1038000
14000
(Ръкопляскания)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
Крис Андерсън: Това беше изумително.
17:49
Stay here. I've got a question.
429
1054000
2000
Остани тук. Имам един въпрос.
17:51
(Applause)
430
1056000
4000
(Ръкопляскания)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
Това беше, честно да кажа, изумителна лекция.
18:01
Are you able to say in a sentence or two
432
1066000
3000
Може ли да кажете в едно или две изречения
18:04
how this type of thinking
433
1069000
3000
как този тип мислене
18:07
could integrate at some point
434
1072000
2000
би могъл да се интегрира в даден момент
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
за неща като струнната теория или вида на неща, за които хората мислят
18:11
as the fundamental explanations of the universe?
436
1076000
3000
като основните обяснения за вселената?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
Стивън Волфрам: Ами, частите на физиката,
18:16
that we kind of know to be true,
438
1081000
2000
които си мислим, че знаем, че са истина,
18:18
things like the standard model of physics:
439
1083000
2000
неща, като на стандартния модел на физиката.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
Това, което се опитвам да направя, по-добре възпроизвежда стандартния модел на физиката
18:23
or it's simply wrong.
441
1088000
2000
или това е просто погрешно.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
Нещата, които хората са се опитвали да направят в последните 25 години
18:27
with string theory and so on
443
1092000
2000
с теорията на струните и т.н.
18:29
have been an interesting exploration
444
1094000
2000
са интересно проучване,
18:31
that has tried to get back to the standard model,
445
1096000
3000
което се е опитало да се върне обратно към стандартния модел,
18:34
but hasn't quite gotten there.
446
1099000
2000
но не е съвсем там.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
Моето предположение е, че някои големи опростявания на това, което правя
18:39
may actually have considerable resonance
448
1104000
3000
могат в действителност да имат значителен резонанс
18:42
with what's been done in string theory,
449
1107000
2000
с това, което е било направено в струнната теория,
18:44
but that's a complicated math thing
450
1109000
3000
но това е едно сложно математическо нещо,
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
което аз все още не знам как точно ще се получи.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
CA: Беноа Манделброт е сред публиката.
18:52
He also has shown how complexity
453
1117000
2000
Той посочи също как сложността
18:54
can arise out of a simple start.
454
1119000
2000
може да възникне от едно просто начало.
18:56
Does your work relate to his?
455
1121000
2000
Вашата работа свързана ли е с неговата?
18:58
SW: I think so.
456
1123000
2000
SW: Аз мисля така.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
Аз виждам работата на Беноа Манделброт
19:02
as one of the founding contributions
458
1127000
3000
като вид основополагащо съдействие
19:05
to this kind of area.
459
1130000
3000
към този вид област.
19:08
Benoit has been particularly interested
460
1133000
2000
Беноа е особено заинтересован
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
във вложени модели, във фрактали и т.н.,
19:12
where the structure is something
462
1137000
2000
при които структурата е нещо
19:14
that's kind of tree-like,
463
1139000
2000
като дърво,
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
и когато има нещо като голям клон, който прави малки клонове,
19:18
and even smaller branches and so on.
465
1143000
3000
и дори по-малки клони и др.
19:21
That's one of the ways
466
1146000
2000
Това е един от начините
19:23
that you get towards true complexity.
467
1148000
3000
да тръгнете към истинската сложност.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
Мисля, че нещата като правило 30 и клетъчен автомат
19:29
get us to a different level.
469
1154000
2000
ни довеждат на друго равнище.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
Всъщност, по един много точен начин те ни качват до различно ниво
19:34
because they seem to be things that are
471
1159000
2000
защото те изглеждат да са неща,
19:37
capable of complexity
472
1162000
3000
способни на сложност,
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
толкова голяма, колкото някога може да има...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
Мога да продължа да говоря за това още много дълго, но няма.
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
CA: Стивън Волфрам, благодаря ви.
19:49
(Applause)
476
1174000
2000
(Ръкопляскания)
ABOUT THE SPEAKER
Stephen Wolfram - Scientist, inventorStephen 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.
Stephen Wolfram | Speaker | TED.com