TEDxUIUC
Christoph Adami: Finding life we can't imagine
כריסטוף אדאמי: למצוא צורות חיים מעבר לכל דימיון
Filmed:
Readability: 3.7
652,149 views
כיצד מחפשים חיים בחלל החיצון אם הם כלל לא דומים לחיים שאנו מכירים? ב-TEDxUIUC, כריסטוף אדאמי מראה כיצד הוא משתמש במחקר שלו בתבונה מלאכותית -- תוכנות מחשב המשכפלות את עצמן -- כדי למצוא חתימה, סמן ביולוגי, אשר אינו מוגבל על-ידי תפיסותינו הקיימות לגבי החיים.
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Double-click the English transcript below to play the video.
00:15
So I have a strange career.
0
0
2000
יש לי קריירה מוזרה.
00:17
I know it because people come up to me, like colleagues,
1
2000
3000
אני יודע זאת כי אנשים, דוגמת עמיתיי, ניגשים אליי,
00:20
and say, "Chris, you have a strange career."
2
5000
2000
ואומרים, "כריס, יש לך קריירה מוזרה."
00:22
(Laughter)
3
7000
2000
(צחוק)
00:24
And I can see their point,
4
9000
2000
אני מבין אותם,
00:26
because I started my career
5
11000
2000
כי התחלתי את הקריירה שלי
00:28
as a theoretical nuclear physicist.
6
13000
2000
בתור פיזיקאי גרעין תיאורטי.
00:30
And I was thinking about quarks and gluons
7
15000
2000
נהגתי לחשוב על קווארקים וגלואונים
00:32
and heavy ion collisions,
8
17000
2000
והתנגשויות בין יונים כבדים,
00:34
and I was only 14 years old.
9
19000
2000
והייתי רק בן 14.
00:36
No, no, I wasn't 14 years old.
10
21000
3000
לא, לא הייתי בן 14.
00:40
But after that,
11
25000
2000
אבל לאחר-מכן,
00:42
I actually had my own lab
12
27000
2000
היתה לי ממש מעבדה משלי
00:44
in the computational neuroscience department,
13
29000
2000
במחלקת המחשבים של מדעי העצב,
00:46
and I wasn't doing any neuroscience.
14
31000
2000
ואפילו לא עסקתי במדעי העצב.
00:48
Later, I would work on evolutionary genetics,
15
33000
3000
יותר מאוחר, עבדתי בתורשה אבולוציונית,
00:51
and I would work on systems biology.
16
36000
2000
ובביולוגיה של מערכות.
00:53
But I'm going to tell you about something else today.
17
38000
3000
אבל היום אני עומד לספר לכם משהו אחר.
00:56
I'm going to tell you
18
41000
2000
אספר לכם על
00:58
about how I learned something about life.
19
43000
2000
כיצד למדתי משהו אודות חיים.
01:00
And I was actually a rocket scientist.
20
45000
4000
למעשה הייתי מדען טילים.
01:04
I wasn't really a rocket scientist,
21
49000
2000
לא הייתי ממש מדען טילים,
01:06
but I was working
22
51000
2000
אבל עבדתי
01:08
at the Jet Propulsion Laboratory
23
53000
2000
במעבדת הנעה סילונית
01:10
in sunny California where it's warm;
24
55000
3000
בקליפורניה החמימה ושטופת השמש;
01:13
whereas now I'm in the mid-West,
25
58000
2000
בעוד שכרגע אני במערב התיכון,
01:15
and it's cold.
26
60000
2000
וזה קר.
01:17
But it was an exciting experience.
27
62000
3000
אבל זו היתה חוויה מעניינת.
01:20
One day a NASA manager comes into my office,
28
65000
3000
יום אחד מנהל מנאסא נכנס למשרדי,
01:23
sits down and says,
29
68000
3000
התיישב ואמר,
01:26
"Can you please tell us,
30
71000
2000
"תוכל בבקשה לספר לנו,
01:28
how do we look for life outside Earth?"
31
73000
2000
כיצד אפשר לחפש חיים מחוץ לכדור-הארץ?"
01:30
And that came as a surprise to me,
32
75000
2000
זה בא כהפתעה בשבילי,
01:32
because I was actually hired
33
77000
2000
מאחר והועסקתי
01:34
to work on quantum computation.
34
79000
2000
בשביל לעבוד בחישובים קוואנטיים.
01:36
Yet, I had a very good answer.
35
81000
2000
בכל זאת היתה לי תשובה טובה.
01:38
I said, "I have no idea."
36
83000
3000
אמרתי, "אין לי מושג."
01:41
And he told me, "Biosignatures,
37
86000
3000
והוא אמר, "חתימה ביולוגית,
01:44
we need to look for a biosignature."
38
89000
2000
עלינו לחפש חתימה ביולוגית."
01:46
And I said, "What is that?"
39
91000
2000
שאלתי, "מה זה אומר?"
01:48
And he said, "It's any measurable phenomenon
40
93000
2000
הוא ענה, "זו כל תופעה מדידה
01:50
that allows us to indicate
41
95000
2000
המאפשרת לנו להצביע
01:52
the presence of life."
42
97000
2000
על הימצאות חיים."
01:54
And I said, "Really?
43
99000
2000
אמרתי, "באמת?
01:56
Because isn't that easy?
44
101000
2000
כי זה לא כל-כך קל.
01:58
I mean, we have life.
45
103000
2000
כלומר, יש בנו חיים.
02:00
Can't you apply a definition,
46
105000
2000
האם לא ניתן לבקש הגדרה,
02:02
like for example, a Supreme Court-like definition of life?"
47
107000
4000
כמו לדוגמא, הגדרת חיים מטעם בית-המשפט העליון?"
02:06
And then I thought about it a little bit, and I said,
48
111000
2000
חשבתי על זה עוד קצת ואמרתי,
02:08
"Well, is it really that easy?
49
113000
2000
"האם זה באמת כל-כך קל?
02:10
Because, yes, if you see something like this,
50
115000
3000
נכון, אם רואים משהו כזה,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
אז בסדר, אפשר לקרוא לזה חיים --
02:15
no doubt about it.
52
120000
2000
אין בכלל ספק.
02:17
But here's something."
53
122000
2000
אבל הנה משהו."
02:19
And he goes, "Right, that's life too. I know that."
54
124000
3000
והוא כזה, "נכון, זה גם חיים. אני יודע."
02:22
Except, if you think life is also defined
55
127000
2000
אלא שאם מתחשבים בזה שחיים
02:24
by things that die,
56
129000
2000
גם מוגדרים על-ידי מותם,
02:26
you're not in luck with this thing,
57
131000
2000
אז אין אנו ברי-מזל עם דבר כזה,
02:28
because that's actually a very strange organism.
58
133000
2000
מכיוון שיצור זה הוא מוזר.
02:30
It grows up into the adult stage like that
59
135000
2000
הוא גדל למצב הבוגר שלו כמו זה
02:32
and then goes through a Benjamin Button phase,
60
137000
3000
ואז עובר דרך מין מצב של בנג'מין באטן,
02:35
and actually goes backwards and backwards
61
140000
2000
ובעצם נסוג אחורה יותר ויותר
02:37
until it's like a little embryo again,
62
142000
2000
עד למצב עוברי חוזר,
02:39
and then actually grows back up, and back down and back up -- sort of yo-yo --
63
144000
3000
ואז שוב גדל בחזרה ואז שוב נסוג ושוב גדל -- מין יו יו כזה --
02:42
and it never dies.
64
147000
2000
והוא אף פעם לא מת.
02:44
So it's actually life,
65
149000
2000
כך שלמעשה אלה חיים,
02:46
but it's actually not
66
151000
2000
אבל בעצם לא
02:48
as we thought life would be.
67
153000
3000
כמו שחשבנו שחיים צריכים להיות.
02:51
And then you see something like that.
68
156000
2000
ואז רואים דבר כזה.
02:53
And he was like, "My God, what kind of a life form is that?"
69
158000
2000
הוא פלט, "יא אללה, מה הצורת החיים הזו?"
02:55
Anyone know?
70
160000
2000
מישהו יודע?
02:57
It's actually not life, it's a crystal.
71
162000
3000
זה לא חיים, זהו גביש.
03:00
So once you start looking and looking
72
165000
2000
כך שברגע שמתחילים לבחון מקרוב
03:02
at smaller and smaller things --
73
167000
2000
דברים יותר ויותר קטנים --
03:04
so this particular person
74
169000
2000
ואדם מסויים זה כתב
03:06
wrote a whole article and said, "Hey, these are bacteria."
75
171000
3000
מאמר שלם וטען, "אלו הן בקטריות".
03:09
Except, if you look a little bit closer,
76
174000
2000
אלא שאם בוחנים ממש מקרוב,
03:11
you see, in fact, that this thing is way too small to be anything like that.
77
176000
3000
רואים בעצם שדברים הללו ממש קטנים מכדי להיות כאלו.
03:14
So he was convinced,
78
179000
2000
הוא היה משוכנע,
03:16
but, in fact, most people aren't.
79
181000
2000
אבל למעשה רוב האנשים לא היו.
03:18
And then, of course,
80
183000
2000
בזמנו כמובן,
03:20
NASA also had a big announcement,
81
185000
2000
גם לנאסא היתה הכרזה גדולה
03:22
and President Clinton gave a press conference,
82
187000
2000
והנשיא קלינטון עשה מסיבת עיתונאים,
03:24
about this amazing discovery
83
189000
2000
על תגלית מדהימה זו
03:26
of life in a Martian meteorite.
84
191000
3000
אודות חיים במטאוריט ממאדים.
03:29
Except that nowadays, it's heavily disputed.
85
194000
4000
אלא שבימינו יש על זה מחלוקת קשה.
03:33
If you take the lesson of all these pictures,
86
198000
3000
הלקח שלומדים מכל התמונות הללו
03:36
then you realize, well actually maybe it's not that easy.
87
201000
2000
הוא שאולי זה לא כל-כך קל.
03:38
Maybe I do need
88
203000
2000
אולי אני כן זקוק
03:40
a definition of life
89
205000
2000
להגדרה של חיים
03:42
in order to make that kind of distinction.
90
207000
2000
כדי לעשות את ההבחנה.
03:44
So can life be defined?
91
209000
2000
אז האם ניתן להגדיר חיים?
03:46
Well how would you go about it?
92
211000
2000
כיצד אתם הייתם נוהגים?
03:48
Well of course,
93
213000
2000
טוב, הייתם ניגשים
03:50
you'd go to Encyclopedia Britannica and open at L.
94
215000
2000
לאנציקלופדיה בריטניקה ופותחים בערך 'ח'.
03:52
No, of course you don't do that; you put it somewhere in Google.
95
217000
3000
לא, ברור שאינכם עושים זאת; מקלידים את זה בגוגל.
03:55
And then you might get something.
96
220000
3000
אז אולי תקבלו משהו.
03:58
And what you might get --
97
223000
2000
ומה שאולי תקבלו --
04:00
and anything that actually refers to things that we are used to,
98
225000
2000
כל דבר שדומה לדברים שאנו מכירים,
04:02
you throw away.
99
227000
2000
אתם תזרקו.
04:04
And then you might come up with something like this.
100
229000
2000
עד שתגיעו למשהו כזה.
04:06
And it says something complicated
101
231000
2000
זה אומר דברים מסובכים
04:08
with lots and lots of concepts.
102
233000
2000
הכוללים המון רעיונות.
04:10
Who on Earth would write something
103
235000
2000
מי בכלל כותב דבר כזה
04:12
as convoluted and complex
104
237000
2000
מפותל ומסובך
04:14
and inane?
105
239000
3000
וחלול?
04:17
Oh, it's actually a really, really, important set of concepts.
106
242000
4000
אבל אלה הם רעיונות ממש חשובים.
04:21
So I'm highlighting just a few words
107
246000
3000
לכן אני מדגיש כמה מילים
04:24
and saying definitions like that
108
249000
2000
וטוען שהגדרות כאלו
04:26
rely on things that are not based
109
251000
2000
נסמכות על דברים שאינם מתבססים
04:28
on amino acids or leaves
110
253000
3000
על חומצות אמיניות או עלים
04:31
or anything that we are used to,
111
256000
2000
או כל דבר שאנו מכירים,
04:33
but in fact on processes only.
112
258000
2000
אלא בעצם רק על תהליכים.
04:35
And if you take a look at that,
113
260000
2000
ואם נתבונן מקרוב,
04:37
this was actually in a book that I wrote that deals with artificial life.
114
262000
3000
זה הופיע בספר שכתבתי על חיים מלאכותיים.
04:40
And that explains why
115
265000
2000
זה מסביר מדוע
04:42
that NASA manager was actually in my office to begin with.
116
267000
3000
מנהל נאסא נכנס למשרדי מהתחלה.
04:45
Because the idea was that, with concepts like that,
117
270000
3000
כי הרעיון הוא שעם מושגים כאלה
04:48
maybe we can actually manufacture
118
273000
2000
אולי נוכל לייצר
04:50
a form of life.
119
275000
2000
צורת חיים.
04:52
And so if you go and ask yourself,
120
277000
3000
לכן אם אתם שואלים, "מה זה לכל הרוחות
04:55
"What on Earth is artificial life?",
121
280000
2000
חיים מלאכותיים?",
04:57
let me give you a whirlwind tour
122
282000
2000
אעשה לכם סיור זריז
04:59
of how all this stuff came about.
123
284000
2000
על כיצד כל זה נוצר.
05:01
And it started out quite a while ago
124
286000
3000
זה החל לפני די הרבה זמן
05:04
when someone wrote
125
289000
2000
כאשר מישהו כתב
05:06
one of the first successful computer viruses.
126
291000
2000
את אחד מוירוסי מחשב הראשונים.
05:08
And for those of you who aren't old enough,
127
293000
3000
ואלה מכם שאינם מספיק מבוגרים,
05:11
you have no idea how this infection was working --
128
296000
3000
אין לכם מושג כיצד וירוס זה פעל --
05:14
namely, through these floppy disks.
129
299000
2000
כלומר, באמצעות דיסקטים כאלה.
05:16
But the interesting thing about these computer virus infections
130
301000
3000
אבל מה שמעניין בקשר לוירוסי מחשב אלה
05:19
was that, if you look at the rate
131
304000
2000
הוא שאם מסתכלים
05:21
at which the infection worked,
132
306000
2000
על קצב פעולתם,
05:23
they show this spiky behavior
133
308000
2000
מתגלה התנהגות זיגזגית
05:25
that you're used to from a flu virus.
134
310000
3000
שאנו מכירים מוירוס שפעת.
05:28
And it is in fact due to this arms race
135
313000
2000
זה נובע ממרוץ החימוש
05:30
between hackers and operating system designers
136
315000
3000
בין פורצי מחשבים לבין מתכנני מערכות הפעלה,
05:33
that things go back and forth.
137
318000
2000
שהעניינים עולים ויורדים.
05:35
And the result is kind of a tree of life
138
320000
2000
והתוצאה היא מין עץ-חיים
05:37
of these viruses,
139
322000
2000
של הוירוסים הללו,
05:39
a phylogeny that looks very much
140
324000
3000
תולדות הגזע הנראים מאוד דומה לחיים
05:42
like the type of life that we're used to, at least on the viral level.
141
327000
3000
שאנו מכירים, לפחות ברמת הוירוסים.
05:45
So is that life? Not as far as I'm concerned.
142
330000
3000
האם זה חיים? לא אם זה תלוי בי.
05:48
Why? Because these things don't evolve by themselves.
143
333000
3000
מדוע? כי דברים הללו אינם מתפתחים בכוחות עצמם,
05:51
In fact, they have hackers writing them.
144
336000
2000
אלא פורצי מחשבים כותבים אותם.
05:53
But the idea was taken very quickly a little bit further
145
338000
4000
אבל במהרה הרעיון נלקח טיפה יותר רחוק
05:57
when a scientist working at the Scientific Institute decided,
146
342000
3000
כאשר מדען העובד במכון-מדעי, חשב,
06:00
"Why don't we try to package these little viruses
147
345000
3000
"מדוע שלא ננסה לשים את הוירוסים הללו יחד
06:03
in artificial worlds inside of the computer
148
348000
2000
בעולם המלאכותי שבתוך המחשב
06:05
and let them evolve?"
149
350000
2000
ונאפשר להם להתפתח?"
06:07
And this was Steen Rasmussen.
150
352000
2000
היה זה סטין ראסמוסן.
06:09
And he designed this system, but it really didn't work,
151
354000
2000
הוא תכנן את המערכת אבל זה לא עבד,
06:11
because his viruses were constantly destroying each other.
152
356000
3000
כי הוירוסים שלו השמידו כל הזמן אחד את השני.
06:14
But there was another scientist who had been watching this, an ecologist.
153
359000
3000
אבל היה מדען אחר, אקולוג במקצועו, שעקב אחרי זה.
06:17
And he went home and says, "I know how to fix this."
154
362000
3000
הוא חשב שיוכל לתקן את זה.
06:20
And he wrote the Tierra system,
155
365000
2000
הוא כתב את מערכת טיארה,
06:22
and, in my book, is in fact one of the first
156
367000
3000
ובספר שלי, יש למעשה אחת מצורות החיים
06:25
truly artificial living systems --
157
370000
2000
המלאכותיות האמיתיות הראשונות --
06:27
except for the fact that these programs didn't really grow in complexity.
158
372000
3000
אלא שתוכניות הללו אינן גדלות בתנאים מורכבים.
06:30
So having seen this work, worked a little bit on this,
159
375000
3000
לאחר שראיתי את זה עובד וקצת עבדתי על זה,
06:33
this is where I came in.
160
378000
2000
נכנסתי לתמונה.
06:35
And I decided to create a system
161
380000
2000
החלטתי ליצור מערכת שיש בה
06:37
that has all the properties that are necessary
162
382000
2000
את כל התכונות הדרושות
06:39
to see the evolution of complexity,
163
384000
3000
כדי לראות את התפתחות המורכבות,
06:42
more and more complex problems constantly evolving.
164
387000
3000
בעיות יותר ויותר מורכבות המתפתחות כל הזמן.
06:45
And of course, since I really don't know how to write code, I had help in this.
165
390000
3000
ומאחר ואיני יודע לכתוב תוכניות מחשב, קיבלתי עזרה בנושא.
06:48
I had two undergraduate students
166
393000
2000
היו לי שני סטודנטים למחקר
06:50
at California Institute of Technology that worked with me.
167
395000
3000
במכון הטכנולוגי של קליפורניה שעבדו איתי.
06:53
That's Charles Offria on the left, Titus Brown on the right.
168
398000
3000
משמאל זה צ'רלס אופריה ומימין זה טיטוס בראון.
06:56
They are now actually respectable professors
169
401000
3000
כיום הם פרופסורים מכובדים
06:59
at Michigan State University,
170
404000
2000
באוניברסיטת מישיגן,
07:01
but I can assure you, back in the day,
171
406000
2000
אבל אני מבטיחכם, שבאותם הימים
07:03
we were not a respectable team.
172
408000
2000
לא נחשבנו לצוות מכובד.
07:05
And I'm really happy that no photo survives
173
410000
2000
ואני באמת שמח שלא שרדו תמונות
07:07
of the three of us anywhere close together.
174
412000
3000
של שלושתנו הנמצאים ביחד.
07:10
But what is this system like?
175
415000
2000
אבל מהי בדיוק המערכת הזו?
07:12
Well I can't really go into the details,
176
417000
3000
איני יכול להיכנס ממש לפרטים,
07:15
but what you see here is some of the entrails.
177
420000
2000
אבל מה שרואים כאן זה מעט ממה שהיה בפנים.
07:17
But what I wanted to focus on
178
422000
2000
מה שרציתי להתרכז בו
07:19
is this type of population structure.
179
424000
2000
הוא מבנה אוכלוסין זה.
07:21
There's about 10,000 programs sitting here.
180
426000
3000
נמצאות כאן כ-10,000 תוכניות
07:24
And all different strains are colored in different colors.
181
429000
3000
וכל מיני מקטעים הצבועים בצבעים שונים.
07:27
And as you see here, there are groups that are growing on top of each other,
182
432000
3000
כפי שרואים, יש קבוצות הצומחות על-גבי אחרות,
07:30
because they are spreading.
183
435000
2000
מכיוון שהן מתפשטות.
07:32
Any time there is a program
184
437000
2000
בכל רגע יש תוכנית העדיפה
07:34
that's better at surviving in this world,
185
439000
2000
ביכולת הישרדותה בעולם זה,
07:36
due to whatever mutation it has acquired,
186
441000
2000
בגלל מוטאציה כלשהי שהיא עברה,
07:38
it is going to spread over the others and drive the others to extinction.
187
443000
3000
והיא תתפשט על-פני האחרות ותגרום להכחדת האחרות.
07:41
So I'm going to show you a movie where you're going to see that kind of dynamic.
188
446000
3000
אראה לכם סרטון בו תראו מין דינמיקה כזו.
07:44
And these kinds of experiments are started
189
449000
3000
ניסויים כאלה החלו עם תוכניות
07:47
with programs that we wrote ourselves.
190
452000
2000
שכתבנו בעצמנו.
07:49
We write our own stuff, replicate it,
191
454000
2000
אנו כותבים את הקוד ומשכפלים אותו,
07:51
and are very proud of ourselves.
192
456000
2000
ואנו מאוד גאים בזה.
07:53
And we put them in, and what you see immediately
193
458000
3000
אנו מכניסים אותן ומה שרואים מייד
07:56
is that there are waves and waves of innovation.
194
461000
3000
שיש גלים, גלים של התחדשויות.
07:59
By the way, this is highly accelerated,
195
464000
2000
כל זה כעת מואץ במידה רבה,
08:01
so it's like a thousand generations a second.
196
466000
2000
משהו כמו אלף דורות בשניה.
08:03
But immediately the system goes like,
197
468000
2000
אבל מייד המערכת כאילו אומרת,
08:05
"What kind of dumb piece of code was this?
198
470000
2000
"איזה מין קוד טיפשי זה היה?
08:07
This can be improved upon in so many ways
199
472000
2000
ניתן לשפר זאת בהמון דרכים
08:09
so quickly."
200
474000
2000
ובמהירות."
08:11
So you see waves of new types
201
476000
2000
אז רואים גלים מסוג חדש
08:13
taking over the other types.
202
478000
2000
התופסים את מקומם של אחרים.
08:15
And this type of activity goes on for quite awhile,
203
480000
3000
וסוג כזה של פעילות מתרחש די הרבה זמן,
08:18
until the main easy things have been acquired by these programs.
204
483000
4000
עד אשר תוכניות אלו משיגות לעצמן את הדברים הקלים העיקריים.
08:22
And then you see sort of like a stasis coming on
205
487000
4000
אז רואים מין קיפאון שמשתלט, בו המערכת
08:26
where the system essentially waits
206
491000
2000
בעיקרון ממתינה
08:28
for a new type of innovation, like this one,
207
493000
3000
להתחדשות מסוג חדש, כמו זו,
08:31
which is going to spread
208
496000
2000
שתתפשט על-פני כל
08:33
over all the other innovations that were before
209
498000
2000
ההתחדשויות האחרות הקיימות
08:35
and is erasing the genes that it had before,
210
500000
3000
ותמחק את הגנים שהיו קודם,
08:38
until a new type of higher level of complexity has been achieved.
211
503000
4000
עד שמתקבלת מורכבות מסוג חדש בדרגה יותר גבוהה.
08:42
And this process goes on and on and on.
212
507000
3000
תהליך זה ממשיך עוד ועוד.
08:45
So what we see here
213
510000
2000
כך שמה שרואים כאן
08:47
is a system that lives
214
512000
2000
זו מערכת שחיה באופן המאוד דומה
08:49
in very much the way we're used to life [going.]
215
514000
2000
למה שאנו מכירים על חיים.
08:51
But what the NASA people had asked me really
216
516000
4000
אבל מה שאנשי נאסא ביקשו ממני היה,
08:55
was, "Do these guys
217
520000
2000
"האם יש ליצורים אלה
08:57
have a biosignature?
218
522000
2000
חתימה ביולוגית?
08:59
Can we measure this type of life?
219
524000
2000
האם נוכל למדוד חיים כאלה?
09:01
Because if we can,
220
526000
2000
כי אם נוכל,
09:03
maybe we have a chance of actually discovering life somewhere else
221
528000
3000
אולי יהיה לנו סיכוי לגלות חיים במקום אחר
09:06
without being biased
222
531000
2000
מבלי להיות מושפעים
09:08
by things like amino acids."
223
533000
2000
מדברים כמו חומצות אמיניות."
09:10
So I said, "Well, perhaps we should construct
224
535000
3000
לכן חשבתי שעלינו ליצור
09:13
a biosignature
225
538000
2000
חתימה ביולוגית
09:15
based on life as a universal process.
226
540000
3000
המבוססת על חיים במונחי תהליך אוניברסלי.
09:18
In fact, it should perhaps make use
227
543000
2000
אולי עליה לעשות שימוש
09:20
of the concepts that I developed
228
545000
2000
ברעיונות שפיתחתי
09:22
just in order to sort of capture
229
547000
2000
רק כדי לקבל מושג
09:24
what a simple living system might be."
230
549000
2000
איך עשויה להיות צורת חיים פשוטה.
09:26
And the thing I came up with --
231
551000
2000
ומה שעלה בראשי --
09:28
I have to first give you an introduction about the idea,
232
553000
4000
אבל תחילה כדאי שאציג לכם את הרעיון האומר
09:32
and maybe that would be a meaning detector,
233
557000
3000
שזה יהיה מין גלאי של משמעות,
09:35
rather than a life detector.
234
560000
3000
יותר מאשר גלאי של חיים.
09:38
And the way we would do that --
235
563000
2000
והדרך לבצע זאת בעיקרון --
09:40
I would like to find out how I can distinguish
236
565000
2000
הייתי רוצה לדעת איך להבחין בטקסט
09:42
text that was written by a million monkeys,
237
567000
2000
שנכתב על-ידי מיליון קופים,
09:44
as opposed to text that [is] in our books.
238
569000
3000
לעומת הטקסט שמופיע בספרים שלנו.
09:47
And I would like to do it in such a way
239
572000
2000
הייתי רוצה לבצע זאת בדרך כזו
09:49
that I don't actually have to be able to read the language,
240
574000
2000
שלא אצטרך לקרוא את השפה,
09:51
because I'm sure I won't be able to.
241
576000
2000
מכיוון שאני בטוח שאין אני מסוגל לזה,
09:53
As long as I know that there's some sort of alphabet.
242
578000
2000
אבל אני יודע שיש איזה סוג של אלף-בית.
09:55
So here would be a frequency plot
243
580000
3000
זה יהיה תרשים של תדירות
09:58
of how often you find
244
583000
2000
הופעת כל אחת
10:00
each of the 26 letters of the alphabet
245
585000
2000
מ-26 האותיות
10:02
in a text written by random monkeys.
246
587000
3000
בטקסט שנכתב על-ידי קופים.
10:05
And obviously each of these letters
247
590000
2000
ברור שכל אחת מהאותיות
10:07
comes off about roughly equally frequent.
248
592000
2000
תופיע בערך בתדירות כמו האחרות.
10:09
But if you now look at the same distribution in English texts,
249
594000
4000
לעומת זה, אם מסתכלים על פילוג של האותיות בטקסטים באנגלית,
10:13
it looks like that.
250
598000
2000
זה נראה כך.
10:15
And I'm telling you, this is very robust across English texts.
251
600000
3000
וזה מאוד קבוע בכל הטקסטים באנגלית.
10:18
And if I look at French texts, it looks a little bit different,
252
603000
2000
אם מסתכלים בטקסטים בצרפתית, או איטלקית, או גרמנית,
10:20
or Italian or German.
253
605000
2000
זה נראה קצת אחרת.
10:22
They all have their own type of frequency distribution,
254
607000
3000
לכל אחת יש את פילוג האותיות משלה,
10:25
but it's robust.
255
610000
2000
אבל זה קבוע.
10:27
It doesn't matter whether it writes about politics or about science.
256
612000
3000
זה לא משנה אם הטקסט הוא על פוליטיקה או מדע.
10:30
It doesn't matter whether it's a poem
257
615000
3000
לא משנה אם זו שירה
10:33
or whether it's a mathematical text.
258
618000
3000
או טקסט על מתמטיקה.
10:36
It's a robust signature,
259
621000
2000
יש להם חתימה קבועה,
10:38
and it's very stable.
260
623000
2000
והיא מאוד יציבה.
10:40
As long as our books are written in English --
261
625000
2000
כל עוד ספרינו נכתבים באנגלית --
10:42
because people are rewriting them and recopying them --
262
627000
3000
מכיוון שאנשים משכתבים אותם ומעתיקים מחדש --
10:45
it's going to be there.
263
630000
2000
זה יתקיים.
10:47
So that inspired me to think about,
264
632000
2000
זה נתן לי השראה לחשוב על
10:49
well, what if I try to use this idea
265
634000
3000
מה יקרה אם אנסה רעיון זה
10:52
in order, not to detect random texts
266
637000
2000
כדי לגלות, לא טקסטים אקראיים
10:54
from texts with meaning,
267
639000
2000
לעומת טקסטים בעלי משמעות,
10:56
but rather detect the fact that there is meaning
268
641000
4000
אלא כדי לחזות בעובדה שיש סדר במולקולות הביולוגיות
11:00
in the biomolecules that make up life.
269
645000
2000
אשר יוצרות חיים.
11:02
But first I have to ask:
270
647000
2000
אבל תחילה עליי לשאול:
11:04
what are these building blocks, like the alphabet, elements that I showed you?
271
649000
3000
מהן אבני-בניין הללו, כמו האלף-בית, שהראתי לכם?
11:07
Well it turns out, we have many different alternatives
272
652000
3000
מתברר שיש לנו הרבה אפשרויות
11:10
for such a set of building blocks.
273
655000
2000
למערכים כאלה של אבני-בניין.
11:12
We could use amino acids,
274
657000
2000
ניתן להשתמש בחומצות אמיניות,
11:14
we could use nucleic acids, carboxylic acids, fatty acids.
275
659000
3000
ניתן להשתמש בחומצות גרעין (התא), חומצות שומן, חומצות קרבוקסיליות.
11:17
In fact, chemistry's extremely rich, and our body uses a lot of them.
276
662000
3000
למעשה, הכימיה מאוד עשירה וגופינו משתמש ברבות מהן.
11:20
So that we actually, to test this idea,
277
665000
3000
לכן אנחנו, כדי לנסות את הרעיון,
11:23
first took a look at amino acids and some other carboxylic acids.
278
668000
3000
תחילה הסתכלנו בחומצות אמיניות וחומצות קרבוקסיליות.
11:26
And here's the result.
279
671000
2000
והנה התוצאה.
11:28
Here is, in fact, what you get
280
673000
3000
זה מה שמקבלים
11:31
if you, for example, look at the distribution of amino acids
281
676000
3000
אם בודקים את פילוג החומצות האמיניות
11:34
on a comet or in interstellar space
282
679000
3000
על כוכב-שביט או בחלל בין-כוכבי
11:37
or, in fact, in a laboratory,
283
682000
2000
או אפילו במעבדה,
11:39
where you made very sure that in your primordial soup
284
684000
2000
בה מוודאים שבמרק הקדמוני
11:41
that there is not living stuff in there.
285
686000
2000
אין חומרים מן החי.
11:43
What you find is mostly glycine and then alanine
286
688000
3000
מה שמוצאים בעיקר זה גליצין ואלנין (חומצות אמיניות)
11:46
and there's some trace elements of the other ones.
287
691000
3000
ועקבות של כמה חומצות אחרות.
11:49
That is also very robust --
288
694000
3000
גם זה מאוד קבוע --
11:52
what you find in systems like Earth
289
697000
3000
מה שמוצאים במקומות על כדור-הארץ
11:55
where there are amino acids,
290
700000
2000
ששם יש חומצות אמיניות,
11:57
but there is no life.
291
702000
2000
אבל אין חיים.
11:59
But suppose you take some dirt
292
704000
2000
אבל אם נוטלים קצת עפר
12:01
and dig through it
293
706000
2000
וחופרים בו
12:03
and then put it into these spectrometers,
294
708000
3000
ואז מניחים אותו בספקטרומטר,
12:06
because there's bacteria all over the place;
295
711000
2000
מפני שיש בקטריות בכל מקום;
12:08
or you take water anywhere on Earth,
296
713000
2000
או שנוטלים מים ממקום כלשהו בכדור-הארץ,
12:10
because it's teaming with life,
297
715000
2000
מאחר והם הולכים יחד עם חיים,
12:12
and you make the same analysis;
298
717000
2000
ומבצעים אותה בדיקה;
12:14
the spectrum looks completely different.
299
719000
2000
הספקטרום נראה לגמרי אחרת.
12:16
Of course, there is still glycine and alanine,
300
721000
4000
ברור שעדיין ישנן גליצין ואלנין, אבל, ישנם גם את
12:20
but in fact, there are these heavy elements, these heavy amino acids,
301
725000
3000
היסודות הכבדים, את החומצות האמיניות הכבדות,
12:23
that are being produced
302
728000
2000
אשר נוצרים כי הם
12:25
because these are valuable to the organism.
303
730000
2000
בעלי-ערך עבור יצורים חיים.
12:27
And some other ones
304
732000
2000
ועוד כמה אחרים
12:29
that are not used in the set of 20,
305
734000
2000
שאינם בשימוש בקבוצה של ה-20,
12:31
they will not appear at all
306
736000
2000
שלא יופיעו כלל
12:33
in any type of concentration.
307
738000
2000
בריכוז מסוג כלשהו.
12:35
So this also turns out to be extremely robust.
308
740000
2000
כך שגם זה דבר מאוד קבוע.
12:37
It doesn't matter what kind of sediment you're using to grind up,
309
742000
3000
לא משנה איזה משקע טוחנים,
12:40
whether it's bacteria or any other plants or animals.
310
745000
3000
אם זה של בקטריות או צמחים או חיות.
12:43
Anywhere there's life,
311
748000
2000
בכל מקום שיש חיים,
12:45
you're going to have this distribution,
312
750000
2000
נקבל פילוג כזה,
12:47
as opposed to that distribution.
313
752000
2000
בניגוד לפילוג ההוא.
12:49
And it is detectable not just in amino acids.
314
754000
3000
זה מתגלה לא רק בחומצות אמיניות.
12:52
Now you could ask:
315
757000
2000
ניתן לשאול:
12:54
well, what about these Avidians?
316
759000
2000
מה לגבי ה-אווידיאנים הללו?
12:56
The Avidians being the denizens of this computer world
317
761000
4000
ה-אווידיאנים הם שוכני עולם המחשבים
13:00
where they are perfectly happy replicating and growing in complexity.
318
765000
3000
בו הם לגמרי מאושרים בהתרבותם וגדילתם.
13:03
So this is the distribution that you get
319
768000
3000
זה הפילוג שמתקבל
13:06
if, in fact, there is no life.
320
771000
2000
כאשר אין חיים למעשה.
13:08
They have about 28 of these instructions.
321
773000
3000
ישנן 28 הוראות כאלו.
13:11
And if you have a system where they're being replaced one by the other,
322
776000
3000
אם יש מערכת בה הם מתחלפים זה עם זה,
13:14
it's like the monkeys writing on a typewriter.
323
779000
2000
זה כמו שקופים מקלידים על מכונת-כתיבה.
13:16
Each of these instructions appears
324
781000
3000
בגדול, כל אחת מההוראות מופיעה
13:19
with roughly the equal frequency.
325
784000
3000
באותה תדירות כמו האחרות.
13:22
But if you now take a set of replicating guys
326
787000
4000
אבל אם נוטלים את קבוצת היצורים המשתכפלים
13:26
like in the video that you saw,
327
791000
2000
כמו בסרטון שראיתם,
13:28
it looks like this.
328
793000
2000
זה נראה כך.
13:30
So there are some instructions
329
795000
2000
כלומר יש כמה הוראות
13:32
that are extremely valuable to these organisms,
330
797000
2000
שהן מאוד חשובות ליצורים הללו,
13:34
and their frequency is going to be high.
331
799000
3000
ותדירות הופעתן תהיה יותר גבוהה.
13:37
And there's actually some instructions
332
802000
2000
ישנן כמה הוראות
13:39
that you only use once, if ever.
333
804000
2000
המשמשות רק פעם אחת, אם בכלל.
13:41
So they are either poisonous
334
806000
2000
אז או שהן רעילות
13:43
or really should be used at less of a level than random.
335
808000
4000
או שיש להשתמש בהן פחות מאשר הרמה האקראית שלהן.
13:47
In this case, the frequency is lower.
336
812000
3000
במקרה כזה, תדירותן נמוכה יותר.
13:50
And so now we can see, is that really a robust signature?
337
815000
3000
כעת ניתן לבדוק, האם זו באמת חתימה קבועה?
13:53
I can tell you indeed it is,
338
818000
2000
אני יכול לומר שהיא אכן כן,
13:55
because this type of spectrum, just like what you've seen in books,
339
820000
3000
מכיוון שסוג חתימה זה, בדיוק כפי שרואים בספרים,
13:58
and just like what you've seen in amino acids,
340
823000
2000
ובדיוק כמו שרואים בחומצות אמיניות,
14:00
it doesn't really matter how you change the environment, it's very robust;
341
825000
3000
זה לא משנה איך הסביבה משתנית, היא מאוד קבועה;
14:03
it's going to reflect the environment.
342
828000
2000
היא תשקף את הסביבה.
14:05
So I'm going to show you now a little experiment that we did.
343
830000
2000
כעת אראה לכם ניסוי קטן שביצענו.
14:07
And I have to explain to you,
344
832000
2000
עליי להסביר
14:09
the top of this graph
345
834000
2000
שראש הגרף
14:11
shows you that frequency distribution that I talked about.
346
836000
3000
מראה את תדירות הפילוג שדיברתי עליה.
14:14
Here, in fact, that's the lifeless environment
347
839000
3000
כאן בעצם זוהי הסביבה ללא חיים
14:17
where each instruction occurs
348
842000
2000
בה כל הוראה מופיעה
14:19
at an equal frequency.
349
844000
2000
בתדירות שווה לאחרות.
14:21
And below there, I show, in fact,
350
846000
3000
ושם למטה, מופיע קצב
14:24
the mutation rate in the environment.
351
849000
3000
המוטאציה באותה סביבה.
14:27
And I'm starting this at a mutation rate that is so high
352
852000
3000
התחלתי בקצב מוטאציה כה גבוה
14:30
that, even if you would drop
353
855000
2000
שאפילו אם נזרוק
14:32
a replicating program
354
857000
2000
תוכנית שיכפול "משוגעת"
14:34
that would otherwise happily grow up
355
859000
2000
שהיתה יכולה להתרבות בקלות
14:36
to fill the entire world,
356
861000
2000
עד להשתלטות על כל העולם,
14:38
if you drop it in, it gets mutated to death immediately.
357
863000
4000
אם נשליכה פנימה, היא תמות מייד בגלל מוטאציה מוגזמת.
14:42
So there is no life possible
358
867000
2000
כלומר, אין אפשרות שחיים
14:44
at that type of mutation rate.
359
869000
3000
יתקיימו בקצב מוטאציה כזה.
14:47
But then I'm going to slowly turn down the heat, so to speak,
360
872000
4000
בהמשך אני מוריד בהדרגה את ה"חום" ואז מופיע
14:51
and then there's this viability threshold
361
876000
2000
סף יכולת הקיום
14:53
where now it would be possible
362
878000
2000
שבו זה יהיה אפשרי
14:55
for a replicator to actually live.
363
880000
2000
לתוכנית שיכפול להתקיים.
14:57
And indeed, we're going to be dropping these guys
364
882000
3000
ואכן, נמשיך להשליך את היצורים האלה
15:00
into that soup all the time.
365
885000
2000
לאותו מרק כל הזמן.
15:02
So let's see what that looks like.
366
887000
2000
עכשיו נביט איך זה נראה.
15:04
So first, nothing, nothing, nothing.
367
889000
3000
תחילה, אין כלום, כלום.
15:07
Too hot, too hot.
368
892000
2000
יותר מדיי "חם".
15:09
Now the viability threshold is reached,
369
894000
3000
כעת מגיעים לסף יכולת הקיום,
15:12
and the frequency distribution
370
897000
2000
ופילוג התדירויות
15:14
has dramatically changed and, in fact, stabilizes.
371
899000
3000
משתנה באופן דרמטי ולמעשה מתייצב.
15:17
And now what I did there
372
902000
2000
ואז מה שעשיתי כאן זה,
15:19
is, I was being nasty, I just turned up the heat again and again.
373
904000
3000
שפשוט הייתי רע ושוב העלתי את ה"חום".
15:22
And of course, it reaches the viability threshold.
374
907000
3000
כמובן זה מגיע לסף יכולת הקיום.
15:25
And I'm just showing this to you again because it's so nice.
375
910000
3000
אני פשוט מראה לכם זאת שוב כי זה כל-כך יפה.
15:28
You hit the viability threshold.
376
913000
2000
נוגעים בסף יכולת הקיום.
15:30
The distribution changes to "alive!"
377
915000
2000
הפילוג משתנה ל"חי!"
15:32
And then, once you hit the threshold
378
917000
3000
ואז שוב נוגעים בסף שמעליו
15:35
where the mutation rate is so high
379
920000
2000
שבו קצב השיכפול כה גבוה
15:37
that you cannot self-reproduce,
380
922000
2000
שלא ניתן להשתכפל,
15:39
you cannot copy the information
381
924000
3000
לא ניתן להעתיק מידע
15:42
forward to your offspring
382
927000
2000
כדי להעבירו לצאצאים
15:44
without making so many mistakes
383
929000
2000
מבלי לעשות בו הרבה שגיאות
15:46
that your ability to replicate vanishes.
384
931000
3000
כך שהיכולת להשתכפל מתחסלת.
15:49
And then that signature is lost.
385
934000
3000
אז אותה חתימה הולכת לאיבוד.
15:52
What do we learn from that?
386
937000
2000
מה ניתן ללמוד מכך?
15:54
Well, I think we learn a number of things from that.
387
939000
4000
לדעתי, ניתן ללמוד מספר דברים.
15:58
One of them is,
388
943000
2000
אחד מהם הוא
16:00
if we are able to think about life
389
945000
3000
שאם אנו מסוגלים לחשוב על חיים
16:03
in abstract terms --
390
948000
2000
במונחים מופשטים --
16:05
and we're not talking about things like plants,
391
950000
2000
ואנו לא מדברים על דברים כמו צמחים,
16:07
and we're not talking about amino acids,
392
952000
2000
ולא מדברים על חומצות אמיניות,
16:09
and we're not talking about bacteria,
393
954000
2000
ולא מדברים על בקטריות,
16:11
but we think in terms of processes --
394
956000
2000
אלא אנו חושבים במונחים של תהליכים --
16:13
then we could start to think about life,
395
958000
3000
אז ניתן להתחיל לחשוב על חיים,
16:16
not as something that is so special to Earth,
396
961000
2000
לא כעל משהו שייחודי רק לעולמנו,
16:18
but that, in fact, could exist anywhere.
397
963000
3000
אלא כעל משהו שיכול להתקיים בכל מקום.
16:21
Because it really only has to do
398
966000
2000
כי כל מה שעליהם לעשות במסגרת
16:23
with these concepts of information,
399
968000
2000
מושגים כאלה של מידע,
16:25
of storing information
400
970000
2000
מושגים של איחסון מידע
16:27
within physical substrates --
401
972000
2000
בתוך מצעי חומר --
16:29
anything: bits, nucleic acids,
402
974000
2000
כל דבר: סיביות (במחשבים), חומצות אמיניות,
16:31
anything that's an alphabet --
403
976000
2000
כל דבר שיכול לשמש בתור אלף-בית --
16:33
and make sure that there's some process
404
978000
2000
ולהבטיח שישנו תהליך מסויים
16:35
so that this information can be stored
405
980000
2000
המאפשר את שמירת המידע
16:37
for much longer than you would expect
406
982000
2000
לטווח הארוך בהרבה
16:39
the time scales for the deterioration of information.
407
984000
4000
ממה שהיינו מצפים שיידרש להיעלמות המידע.
16:43
And if you can do that,
408
988000
2000
אם ניתן לעשות זאת,
16:45
then you have life.
409
990000
2000
אז יש לנו חיים.
16:47
So the first thing that we learn
410
992000
2000
לכן הדבר הראשון שלומדים
16:49
is that it is possible to define life
411
994000
3000
הוא שניתן להגדיר חיים
16:52
in terms of processes alone,
412
997000
3000
אך ורק על סמך תהליכים,
16:55
without referring at all
413
1000000
2000
ללא היזדקקות לאותם דברים
16:57
to the type of things that we hold dear,
414
1002000
2000
הנחשבים אצלנו לחשובים,
16:59
as far as the type of life on Earth is.
415
1004000
3000
ככל שזה נוגע לחיים על כדור-הארץ.
17:02
And that in a sense removes us again,
416
1007000
3000
זה במובן מסויים מבטל אותנו שוב,
17:05
like all of our scientific discoveries, or many of them --
417
1010000
3000
כמו בכל התגליות המדעיות, או רובן --
17:08
it's this continuous dethroning of man --
418
1013000
2000
זוהי הדחה מתמשכת של האדם מכתרו --
17:10
of how we think we're special because we're alive.
419
1015000
3000
מאיך שנדמה לנו שאנו מיוחדים בגלל שאנו חיים.
17:13
Well we can make life. We can make life in the computer.
420
1018000
3000
אנו יכולים ליצור חיים. אנו יכולים ליצור חיים במחשב.
17:16
Granted, it's limited,
421
1021000
2000
נכון, זה מוגבל,
17:18
but we have learned what it takes
422
1023000
3000
אבל למדנו מה דרוש
17:21
in order to actually construct it.
423
1026000
2000
כדי לבנותם.
17:23
And once we have that,
424
1028000
3000
וברגע שהשגנו זאת,
17:26
then it is not such a difficult task anymore
425
1031000
3000
זו כבר לא משימה כה קשה,
17:29
to say, if we understand the fundamental processes
426
1034000
4000
כלומר, אם אנו מבינים את התהליכים הבסיסיים
17:33
that do not refer to any particular substrate,
427
1038000
3000
שאינם קשורים למצע מסויים,
17:36
then we can go out
428
1041000
2000
אז אנו יכולים להתחיל
17:38
and try other worlds,
429
1043000
2000
ולנסותם בעולמות אחרים,
17:40
figure out what kind of chemical alphabets might there be,
430
1045000
4000
לגלות את סוג האלף-בית הכימי שעשוי להימצא שם,
17:44
figure enough about the normal chemistry,
431
1049000
2000
לגלות מספיק על הכימיה הרגילה,
17:46
the geochemistry of the planet,
432
1051000
3000
על הגיאו-כימיה של אותו כוכב-לכת,
17:49
so that we know what this distribution would look like
433
1054000
2000
כך שנדע כיצד ייראה הפילוג שם
17:51
in the absence of life,
434
1056000
2000
במקרה שאין שם חיים,
17:53
and then look for large deviations from this --
435
1058000
3000
ואז לחפש סטיות גדולות מפילוג זה --
17:56
this thing sticking out, which says,
436
1061000
3000
דבר שמתבלט והאומר,
17:59
"This chemical really shouldn't be there."
437
1064000
2000
"כימיקל זה ממש לא צריך להימצא כאן."
18:01
Now we don't know that there's life then,
438
1066000
2000
לא נדע לבטח שיש שם חיים,
18:03
but we could say,
439
1068000
2000
אבל נוכל לומר לפחות,
18:05
"Well at least I'm going to have to take a look very precisely at this chemical
440
1070000
3000
"צריך לבחון בקפדנות רבה את הכימיקל הזה
18:08
and see where it comes from."
441
1073000
2000
ולראות מהיכן הוא הגיע."
18:10
And that might be our chance
442
1075000
2000
זה עשוי להיות הסיכוי שלנו
18:12
of actually discovering life
443
1077000
2000
לגילוי ממשי של חיים כאשר
18:14
when we cannot visibly see it.
444
1079000
2000
אין לנו אפשרות חזותית לראותם.
18:16
And so that's really the only take-home message
445
1081000
3000
וזה באמת המסר היחיד ששווה לקחתו הביתה
18:19
that I have for you.
446
1084000
2000
ושאותו אני רוצה להעביר.
18:21
Life can be less mysterious
447
1086000
2000
חיים יכולים להיות פחות מסתוריים
18:23
than we make it out to be
448
1088000
2000
ממה שאנו עושים מהם
18:25
when we try to think about how it would be on other planets.
449
1090000
4000
בחושבנו כיצד הם עשויים להיראות על כוכבי-לכת אחרים.
18:29
And if we remove the mystery of life,
450
1094000
3000
אם מסירים את המסתוריות מהחיים,
18:32
then I think it is a little bit easier
451
1097000
3000
אז אני סבור שזה קצת יותר קל
18:35
for us to think about how we live,
452
1100000
2000
עבורנו לחשוב על כיצד אנו חיים,
18:37
and how perhaps we're not as special as we always think we are.
453
1102000
3000
ואולי איך אנו לא כאלה מיוחדים כפי שתמיד נדמה לנו.
18:40
And I'm going to leave you with that.
454
1105000
2000
עם חומר זה למחשבה אעצור.
18:42
And thank you very much.
455
1107000
2000
תודה רבה לכם.
18:44
(Applause)
456
1109000
2000
(מחיאות כפיים)
ABOUT THE SPEAKER
Christoph Adami - Artificial life researcherChristoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.
Why you should listen
Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.
He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook.
Christoph Adami | Speaker | TED.com