TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
קייטי באומן: איך לצלם חור שחור
Filmed:
Readability: 4.5
5,455,257 views
בליבו של שביל החלב יש חור שחור על-מסיבי שניזון מדיסק מסתובב של גז רותח, ושואב כל דבר שמתקרב אליו -- אפילו אור.
אנחנו לא יכולים לראות אותו, אבל אופק האירועים שלו מטיל צל, ותמונה של הצל הזה תוכל לעזור לענות על כמה שאלות חשובות על היקום. מדענים חשבו שצילום תמונה כזו ידרוש טלסקופ בגודל כדור הארץ -- עד שקייטי באומן וצוות של אסטרונומים מצאו אלטרנטיבה חכמה.
למדו עוד על איך ניתן לראות מבעד לחושך מוחלט.
Katie Bouman - Imaging scientist
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Double-click the English transcript below to play the video.
00:13
In the movie "Interstellar,"
0
1436
1860
בסרט ׳בין כוכבים׳,
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
זוכים למבט מקרוב
על חור שחור על-מסיבי.
על חור שחור על-מסיבי.
00:18
Set against a backdrop of bright gas,
2
6671
2143
על גבי רקע של גז זוהר,
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
כוח הכבידה העצום של החור השחור
00:22
bends light into a ring.
4
10980
1435
מכופף את האור לטבעת.
00:24
However, this isn't a real photograph,
5
12439
2109
אבל, זו אינה תמונה אמיתית,
00:26
but a computer graphic rendering --
6
14572
1786
אלא גרפיקה ממוחשבת -
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
פירוש אומנותי
לאופן בו עשוי להיראות חור שחור.
לאופן בו עשוי להיראות חור שחור.
00:32
A hundred years ago,
8
20401
1166
לפני מאה שנים,
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
אלברט איינשטיין פרסם לראשונה
את תיאורית היחסות הכללית שלו.
את תיאורית היחסות הכללית שלו.
00:37
In the years since then,
10
25216
1439
בשנים שעברו מאז,
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
מדענים סיפקו הרבה עדויות שתומכות בה.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
אבל דבר אחד שהתיאוריה הזו חזתה,
חורים שחורים,
חורים שחורים,
00:44
still have not been directly observed.
13
32784
2350
עדין לא נצפה ישירות.
00:47
Although we have some idea
as to what a black hole might look like,
as to what a black hole might look like,
14
35158
3206
למרות שיש לנו איזשהו רעיון
לגבי איך חור שחור עשוי להיראות
לגבי איך חור שחור עשוי להיראות
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
מעולם לא צילמנו תמונה של אחד.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
למרות זאת, אולי תופתעו לדעת
שזה עומד להשתנות בקרוב.
שזה עומד להשתנות בקרוב.
00:57
We may be seeing our first picture
of a black hole in the next couple years.
of a black hole in the next couple years.
17
45494
4164
ייתכן שנראה תמונה ראשונה
של חור שחור בשנתיים הקרובות.
של חור שחור בשנתיים הקרובות.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
קבלת התמונה הראשונה הזאת
תלויה בצוות בינלאומי של מדענים,
תלויה בצוות בינלאומי של מדענים,
01:05
an Earth-sized telescope
19
53664
1567
טלסקופ בגודל כדור הארץ
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
ואלגוריתם שמחבר את התמונה הסופית.
01:10
Although I won't be able to show you
a real picture of a black hole today,
a real picture of a black hole today,
21
58111
3528
למרות שלא אוכל להראות לכם היום
תמונה אמיתית של חור שחור
תמונה אמיתית של חור שחור
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
הייתי רוצה לתת לכם הצצה
למאמץ שמושקע
למאמץ שמושקע
01:16
in getting that first picture.
23
64598
1613
לשם קבלת תמונה זו.
01:19
My name is Katie Bouman,
24
67477
1437
קוראים לי קייטי באומן,
01:20
and I'm a PhD student at MIT.
25
68938
2566
ואני דוקטורנטית ב-MIT.
01:23
I do research in a computer science lab
26
71528
2027
אני עורכת מחקר במעבדת מדעי-המחשב
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
שבה מתכנתים מחשבים
לאמת תמונות ווידאו.
לאמת תמונות ווידאו.
01:28
But although I'm not an astronomer,
28
76901
2162
אבל למרות שאני לא אסטרונומית,
01:31
today I'd like to show you
29
79087
1285
היום אני רוצה להראות לכם
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
איך תרמתי לפרוייקט המרגש הזה.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
אם תתרחקו מאורות העיר הלילה
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
אולי יתמזל מזלכם ותראו נוף מדהים
01:40
of the Milky Way Galaxy.
33
88638
1493
של גלקסיית שביל החלב.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
ואם נוכל לעשות זום מעבר למיליוני כוכבים
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
במרחק 26,000 שנות אור לכיוון
מרכז גלקסיית שביל החלב הספירלית,
מרכז גלקסיית שביל החלב הספירלית,
01:48
we'd eventually reach
a cluster of stars right at the center.
a cluster of stars right at the center.
36
96420
3521
נגיע בסופו של דבר לאוסף
של כוכבים ממש במרכז.
של כוכבים ממש במרכז.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
כשהם מציצים מבעד לאבק הגלקטי
עם טלסקופים אינפרא-אדומים,
עם טלסקופים אינפרא-אדומים,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
אסטרונומים צפו בכוכבים האלה
במשך יותר מ-16 שנים.
במשך יותר מ-16 שנים.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
אבל הדבר המדהים ביותר
הוא דווקא מה שלא ראו.
הוא דווקא מה שלא ראו.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
נראה שהכוכבים האלה חגים
סביב לעצם בלתי נראה.
סביב לעצם בלתי נראה.
02:05
By tracking the paths of these stars,
41
113789
2323
על ידי מעקב אחרי
מסלולי תנועתם של כוכבים אלה,
מסלולי תנועתם של כוכבים אלה,
02:08
astronomers have concluded
42
116136
1294
אסטרונומים הסיקו
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
שהדבר הקטן היחיד שכבד מספיק
כדי לגרום לתנועה שכזו
כדי לגרום לתנועה שכזו
02:12
is a supermassive black hole --
44
120607
1968
הוא חור שחור על-מסיבי -
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
אובייקט בעל צפיפות מאוד גבוהה,
השואב כל דבר שמתקרב אליו -
השואב כל דבר שמתקרב אליו -
02:18
even light.
46
126801
1494
אפילו אור.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
אבל מה קורה עם נוכל
להמשיך לעשות זום?
להמשיך לעשות זום?
02:23
Is it possible to see something
that, by definition, is impossible to see?
that, by definition, is impossible to see?
48
131404
4733
האם אפשר לראות משהו שהוא,
בהגדרה, בלתי-נראה?
בהגדרה, בלתי-נראה?
02:28
Well, it turns out that if we were
to zoom in at radio wavelengths,
to zoom in at radio wavelengths,
49
136719
3244
מסתבר שאם נעשה זום באורך גל רדיו,
[סימולציה של חור-שחור]
[סימולציה של חור-שחור]
02:31
we'd expect to see a ring of light
50
139987
1682
נצפה לראות טבעת של אור
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
שנגרמת על ידי עידוש כבידתי
של פלזמה רותחת
של פלזמה רותחת
02:36
zipping around the black hole.
52
144128
1829
שנעה במהירות סביב החור השחור.
02:37
In other words,
53
145981
1160
במילים אחרות,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
החור השחור מטיל צל על
הרקע של החומר הזרחני,
הרקע של החומר הזרחני,
02:42
carving out a sphere of darkness.
55
150360
1842
ויוצר כדור של חשכה.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
הטבעת הזרחנית חושפת
את אופק האירועים של החור השחור,
את אופק האירועים של החור השחור,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
איפה שכח הכבידה הוא כל כך עצום
02:50
that not even light can escape.
58
158013
1626
שאפילו אור לא יכול להימלט.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
המשוואות של איינשטיין חוזות
את הצורה והגודל של טבעת זו,
את הצורה והגודל של טבעת זו,
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
אז לא רק שיהיה ממש מגניב
אם נצליח לצלם אותה,
אם נצליח לצלם אותה,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
אלא גם נוכל לוודא שהמשוואות האלה נכונות
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
גם בתנאים הקיצוניים שסביב החור השחור.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
אבל, החור השחור הזה כל-כך רחוק מאיתנו
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
שמכדור הארץ הטבעת הזו
נראית ממש קטנטנה -
נראית ממש קטנטנה -
03:08
the same size to us as an orange
on the surface of the moon.
on the surface of the moon.
65
176614
3590
כגודלו של תפוז על פני הירח.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
וזה אומר שלצלם אותה זה קשה מאוד.
03:16
Why is that?
67
184645
1302
למה?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
ובכן, הכל מסתכם למשוואה אחת פשוטה
03:21
Due to a phenomenon called diffraction,
69
189724
2416
בגלל תופעה שנקראת עקיפה,
03:24
there are fundamental limits
70
192164
1355
יש ערך מוגבל
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
לגודל האובייקט הקטן ביותר שאפשר לראות
03:28
This governing equation says
that in order to see smaller and smaller,
that in order to see smaller and smaller,
72
196789
3672
המשוואה הכללית אומרת שכדי
לראות משהו קטן יותר ויותר,
לראות משהו קטן יותר ויותר,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
אנחנו צריכים לבנות טלסקופים
גדולים יותר ויותר.
גדולים יותר ויותר.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
אבל אפילו עם הטלסקופ האופטי
החזק ביותר על כדור הארץ,
החזק ביותר על כדור הארץ,
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
אנחנו לא יכולים להתקרב אפילו
לרזולוציה שדרושה
לרזולוציה שדרושה
03:40
to image on the surface of the moon.
76
208632
2198
כדי לצלם תמונה על פני הירח.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
למעשה, כאן אני מראה את אחת התמונות
עם הרזולוציה הגבוהה ביותר שצולמו אי פעם
עם הרזולוציה הגבוהה ביותר שצולמו אי פעם
03:46
of the moon from Earth.
78
214495
1397
של הירח מכדור הארץ.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
היא מכילה בערך 13,000 פיקסלים,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
ועדיין בכל פיקסל יכנסו
יותר ממיליון וחצי תפוזים
יותר ממיליון וחצי תפוזים
03:55
So how big of a telescope do we need
81
223396
1972
אז איזה גודל של טלסקופ אנחנו צריכים
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
כדי לראות תפוז על פני הירח
04:00
and, by extension, our black hole?
83
228181
2214
או את החור השחור שלנו?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
מסתבר שאם עושים את החשבון
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
אפשר לחשב בקלות שנצטרך
04:07
the size of the entire Earth.
86
235417
1393
טלסקופ בגודל כדור הארץ כולו.
04:08
(Laughter)
87
236834
1024
[צחוק]
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
ואם נוכל לבנות טלסקופ
בגודל כדור הארץ
בגודל כדור הארץ
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
נוכל רק להתחיל להבחין
בטבעת האור הייחודית הזו
בטבעת האור הייחודית הזו
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
שמעידה על אופק האירועים
של החור השחור.
של החור השחור.
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
למרות שהתמונה הזו לא תכיל
את כל הפרטים שאנו רואים
את כל הפרטים שאנו רואים
04:20
in computer graphic renderings,
92
248123
1506
בתמונת גרפיקה ממוחשבת,
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
היא תאפשר לנו הצצה ראשונית
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
לסביבה הקרובה ביותר לחור השחור.
04:26
However, as you can imagine,
95
254487
1613
למרות זאת, כפי שניתן לשער,
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
בניית טלסקופ צלחת בגודל כדור הארץ
הינה בלתי אפשרית.
הינה בלתי אפשרית.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
אבל במילותיו הידועות של מיק ג'אגר,
04:33
"You can't always get what you want,
98
261683
1791
"לא תמיד תוכל להשיג
את מה שאתה רוצה,
את מה שאתה רוצה,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
״אבל אם תנסה לפעמים,
אולי תגלה
אולי תגלה
04:37
you get what you need."
100
265709
1215
״שתשיג את מה שאתה צריך."
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
ועל ידי חיבור טלסקופים
מרחבי לעולם,
מרחבי לעולם,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
שיתוף פעולה בין-לאומי
שנקרא טלסקופ אופק האירועים,
שנקרא טלסקופ אופק האירועים,
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
יוצר טלסקופ חישובי
בגודל כדור-הארץ,
בגודל כדור-הארץ,
שמסוגל להגיע לרזולוציה טובה
04:48
capable of resolving structure
104
276131
1537
עבור אובייקט בסדר גודל
של אופק האירועים של חור שחור.
של אופק האירועים של חור שחור.
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
מערכת טלסקופים זו אמורה לצלם
את התמונה הראשונה שלה
את התמונה הראשונה שלה
04:55
of a black hole next year.
107
283326
1815
של חור שחור בשנה הבאה.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
כל טלסקופ ברשת העולמית מסונכרן לאחרים.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
בתזמון מדויק של שעון אטומי,
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
צוותי מדענים בכל אתר
מקפיאים את האור
מקפיאים את האור
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
על ידי איסוף של אלפי
טרה-בייטים של מידע.
טרה-בייטים של מידע.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
מידע זה מעובד בהמשך
כאן במעבדה במסצ'וסטס.
כאן במעבדה במסצ'וסטס.
05:13
So how does this even work?
113
301971
1794
אז איך זה עובד?
05:15
Remember if we want to see the black hole
in the center of our galaxy,
in the center of our galaxy,
114
303789
3403
זכרו שאם רוצים לראות את החור השחור
במרכז הגלקסיה שלנו,
במרכז הגלקסיה שלנו,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
צריך לבנות טלסקופ עצום
בגודל כדור הארץ.
בגודל כדור הארץ.
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
אז רק לשנייה,
בואו נעמיד פנים שנוכל לבנות
בואו נעמיד פנים שנוכל לבנות
05:24
a telescope the size of the Earth.
117
312478
1842
טלסקופ בגודל כדור הארץ.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
זה יהיה קצת כמו להפוך את כדור הארץ
05:28
into a giant spinning disco ball.
119
316823
1747
לכדור מראות ענק מסתובב.
05:30
Each individual mirror would collect light
120
318594
2200
כל מראה תאסוף אור
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
שאז נוכל לשלב יחד לבניית תמונה.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
עכשיו בואו נגיד שאנחנו מסירים
את רוב המראות האלה
את רוב המראות האלה
05:38
so only a few remained.
123
326124
1972
כך שישארו רק מעט.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
עדיין נוכל לנסות לשלב יחד
את כל המידע הזה,
את כל המידע הזה,
05:43
but now there are a lot of holes.
125
331021
1993
אבל עכשיו יש בו הרבה חורים.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
המראות הנותרות האלה מציינות את
המקומות בהם יש לנו טלסקופים.
המקומות בהם יש לנו טלסקופים.
05:49
This is an incredibly small number
of measurements to make a picture from.
of measurements to make a picture from.
127
337435
4079
זה מספר קטן מידי של מדידות
כדי לבנות ממנו תמונה.
כדי לבנות ממנו תמונה.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
אבל למרות שאנחנו אוספים אור
רק במעט מקומות,
רק במעט מקומות,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
כשכדור הארץ מסתובב,
אנחנו רואים מדידות חדשות.
אנחנו רואים מדידות חדשות.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
במילים אחרות, כשכדור המראות מסתובב,
המראות משנות את מיקומן
המראות משנות את מיקומן
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
ואנחנו רואים חלקים אחרים בתמונה.
06:07
The imaging algorithms we develop
fill in the missing gaps of the disco ball
fill in the missing gaps of the disco ball
132
355613
4018
האלגוריתמים שאנחנו מפתחים ממלאים
את החללים החסרים בכדור המראות
את החללים החסרים בכדור המראות
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
כדי לבנות מחדש את
תמונת החור השחור.
תמונת החור השחור.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
אם היו לנו טלסקופים בכל מקום
על פני כדור הארץ --
על פני כדור הארץ --
06:17
in other words, the entire disco ball --
135
365372
1941
במילים אחרות,
את כדור המראות בשלמותו --
את כדור המראות בשלמותו --
06:19
this would be trivial.
136
367337
1284
זה היה קל.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
אבל, יש לנו רק כמה דגימות, ולכן,
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
יש מספר אינסופי של תמונות אפשריות
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
שמתאימות לחלוטין למדידות הטלסקופים שלנו.
06:29
However, not all images are created equal.
140
377391
3016
אבל, לא כל התמונות דומות.
06:32
Some of those images look more like
what we think of as images than others.
what we think of as images than others.
141
380849
4458
חלק מהתמונות האלה
נראות יותר כמו תמונה מאשר אחרות.
נראות יותר כמו תמונה מאשר אחרות.
06:37
And so, my role in helping to take
the first image of a black hole
the first image of a black hole
142
385331
3222
וכך, העזרה שלי בצילום התמונה הראשונה
של חור שחור
של חור שחור
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
היא בעיצוב אלגוריתמים שמוצאים
את התמונה הסבירה ביותר
את התמונה הסבירה ביותר
06:43
that also fits the telescope measurements.
144
391533
2222
שגם מתאימה למדידות הטלסקופים.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
כמו שצייר קלסתרונים משטרתי
משתמש בתיאורים חלקיים
משתמש בתיאורים חלקיים
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
כדי לבנות תמונה תוך כדי שימוש
בידע שלו על מבנה פנים,
בידע שלו על מבנה פנים,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
האלגוריתמים של ההדמיה שאני מפתחת
משתמשים במידע החלקי מהטלסקופים
משתמשים במידע החלקי מהטלסקופים
06:57
to guide us to a picture that also
looks like stuff in our universe.
looks like stuff in our universe.
148
405570
4322
כדי לכוון אותנו לתמונה שנראית
כמו משהו מהיקום שלנו.
כמו משהו מהיקום שלנו.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
תוך שימוש באלגוריתמים האלה,
אנחנו יכולים להרכיב תמונות
אנחנו יכולים להרכיב תמונות
07:05
from this sparse, noisy data.
150
413591
2180
מהמידע הדל והרועש הזה.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
אז הנה דוגמה לשחזור שנעשה
על ידי שימוש במידע מדומה,
על ידי שימוש במידע מדומה,
07:12
when we pretend to point our telescopes
152
420348
1933
כשאנו מעמידים פנים
שכיוונו את הטלסקופים
שכיוונו את הטלסקופים
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
לחור השחור במרכז הגלקסיה שלנו.
07:16
Although this is just a simulation,
reconstruction such as this give us hope
reconstruction such as this give us hope
154
424914
4455
למרות שזו רק הדמיה,
שחזור כזה נותן לנו תקווה
שחזור כזה נותן לנו תקווה
07:21
that we'll soon be able to reliably take
the first image of a black hole
the first image of a black hole
155
429393
3453
שבקרוב נוכל לצלם את התמונה האמינה
הראשונה של חור שחור
הראשונה של חור שחור
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
וממנה, לקבוע את גודל הטבעת שלו.
07:28
Although I'd love to go on
about all the details of this algorithm,
about all the details of this algorithm,
157
436118
3199
למרות שהייתי שמחה להמשיך לפרט
על האלגוריתם הזה,
על האלגוריתם הזה,
07:31
luckily for you, I don't have the time.
158
439341
2174
למזלכם, אין לי זמן.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
אבל עדיין הייתי רוצה לתת לכם מושג
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
על האופן בו אנו מגדירים
איך נראה היקום שלנו,
איך נראה היקום שלנו,
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
ואיך אנחנו משתמשים בזה
כדי לשחזר ולאמת את התוצאות שלנו.
כדי לשחזר ולאמת את התוצאות שלנו.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
מכיוון שיש מספר אינסופי של תמונות אפשריות
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
שמסבירות בדיוק את מדידות הטלסקופים,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
אנחנו חייבים לבחור ביניהן בדרך כלשהי.
07:49
We do this by ranking the images
165
457918
1838
אנחנו עושים את זה על ידי דירוג התמונות
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
על פי הסבירות שתמונה זו היא של החור השחור,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
ואז בחירה של התמונה הכי סבירה.
07:57
So what do I mean by this exactly?
168
465144
2195
אז למה בדיוק אני מתכוונת?
07:59
Let's say we were trying to make a model
169
467862
1978
בואו נגיד שאנחנו מנסים לייצר מודל
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
שיחשב את הסבירות שתמונה תופיע בפייסבוק.
08:05
We'd probably want the model to say
171
473071
1701
כנראה שנרצה שהמודל יגיד
08:06
it's pretty unlikely that someone
would post this noise image on the left,
would post this noise image on the left,
172
474796
3557
שזה לא סביר שמישהו יפרסם
את תמונת הרעש משמאל,
את תמונת הרעש משמאל,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
ושדי סביר שמישהו יפרסם סלפי
08:12
like this one on the right.
174
480820
1334
כמו התמונה מימין.
08:14
The image in the middle is blurry,
175
482178
1639
התמונה באמצע מטושטשת,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
ולכן למרות שיותר סביר
שנראה אותה בפייסבוק
שנראה אותה בפייסבוק
08:18
compared to the noise image,
177
486504
1360
יחסית לתמונת הרעש,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
זה כנראה פחות סביר שנראה אותה
יחסית לסלפי.
יחסית לסלפי.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
אבל כשזה נוגע לתמונות מהחור השחור,
08:25
we're posed with a real conundrum:
we've never seen a black hole before.
we've never seen a black hole before.
180
493186
3502
אנחנו נתקלים בבעיה אמיתית:
מעולם לא ראינו תמונה של חור שחור לפני כן.
מעולם לא ראינו תמונה של חור שחור לפני כן.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
במקרה כזה, מה היא תמונה סבירה,
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
ומה עלינו להניח על המבנה של חורים שחורים?
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
אנחנו יכולים להשתמש בתמונות
מההדמיות שהרצנו,
מההדמיות שהרצנו,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
כמו התמונה של החור השחור
מהסרט 'בין כוכבים',
מהסרט 'בין כוכבים',
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
אם היינו עושים את זה,
זה היה יכול לגרום לבעיות רציניות.
זה היה יכול לגרום לבעיות רציניות.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
מה יקרה אם התיאוריות של איינשטיין
אינן נכונות?
אינן נכונות?
08:45
We'd still want to reconstruct
an accurate picture of what was going on.
an accurate picture of what was going on.
187
513565
3961
עדיין נרצה לשחזר תמונה
מדוייקת של המצב.
מדוייקת של המצב.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
אם נסתמך על המשוואות של איינשטיין
באלגוריתמים שלנו,
באלגוריתמים שלנו,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
בסוף פשוט נראה את מה
שאנחנו מצפים לראות.
שאנחנו מצפים לראות.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
במילים אחרות, אנחנו רוצים
לשקול גם את האפשרות
לשקול גם את האפשרות
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
שבמרכז הגלקסיה יש פיל ענק
09:00
(Laughter)
192
528971
1057
(צחוק)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
לסוגים שונים של תמונות
יש מאפיינים יחודיים.
יש מאפיינים יחודיים.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
אנחנו יכולים להבדיל בקלות בין
תמונות הדמיה של חור שחור
תמונות הדמיה של חור שחור
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
לתמונות שאנחנו מצלמים
בכל יום על כדור הארץ
בכל יום על כדור הארץ
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
אנחנו צריכים למצוא דרך
ללמד את האלגוריתמים איך נראות תמונות
ללמד את האלגוריתמים איך נראות תמונות
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
בלי לכפות עליהם
מאפיינים של תמונה ספציפית.
מאפיינים של תמונה ספציפית.
09:17
One way we can try to get around this
198
545865
1893
דרך אחת לעשות זאת
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
היא על ידי כפייה של מאפיינים
הלקוחים משלל סוגי תמונות
הלקוחים משלל סוגי תמונות
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
ובדיקה כיצד סוג התמונה עליה הסתמכנו
משפיע על השחזורים שלנו.
משפיע על השחזורים שלנו.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
אם כל סוגי התמונות
ייצרו תמונה מאוד דומה,
ייצרו תמונה מאוד דומה,
09:31
then we can start to become more confident
202
559227
2057
אז נוכל להיות בטוחים יותר
09:33
that the image assumptions we're making
are not biasing this picture that much.
are not biasing this picture that much.
203
561308
4173
שההנחות שלנו לא משנות
את התמונה יותר מדי.
את התמונה יותר מדי.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
זה קצת כמו לתת את אותו תיאור
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
לשלושה ציירי פורטרטים מסביב לעולם.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
אם כולם יציירו פרצוף מאוד דומה,
09:46
then we can start to become confident
207
574423
1793
אז נוכל להיות להיות בטוחים
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
שהם לא כופים את ההטיות
התרבותיות שלהם על הציורים.
התרבותיות שלהם על הציורים.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
דרך אחת שבה אפשר לכפות
מאפייני תמונה מסויימים
מאפייני תמונה מסויימים
09:55
is by using pieces of existing images.
210
583219
2441
זה על ידי שימוש בחלקים
מתמונות קיימות.
מתמונות קיימות.
09:58
So we take a large collection of images,
211
586214
2160
אז לוקחים אוסף גדול של תמונות,
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
ומחלקים אותם לחלקי תמונה קטנים.
10:03
We then can treat each image patch
a little bit like pieces of a puzzle.
a little bit like pieces of a puzzle.
213
591140
4285
ואז אפשר להתייחס לכל חלק כמו אל חלק מפאזל.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
ואנחנו משתמשים בחלקי פאזל שחוזרים על עצמם
כדי להרכיב תמונה
כדי להרכיב תמונה
10:11
that also fits our telescope measurements.
215
599751
2452
שגם מתאימה למדידות הטלסקופ שלנו.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
לסוגים שונים של תמונות
יש חלקי פאזל מאוד ייחודיים.
יש חלקי פאזל מאוד ייחודיים.
10:18
So what happens when we take the same data
217
606807
2806
מה קורה כשלוקחים את אותו מידע
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
אך משתמשים בסדרות שונות
של חלקי פאזל לשחזור התמונה?
של חלקי פאזל לשחזור התמונה?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
בואו נתחיל עם סדרת חלקי הפאזל
של הדמיית החור השחור.
של הדמיית החור השחור.
10:30
OK, this looks reasonable.
220
618581
1591
אוקיי, נראה סביר.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
זה נראה כמו איך שהיינו מצפים
שחור שחור יראה.
שחור שחור יראה.
10:34
But did we just get it
222
622914
1193
אבל האם קיבלנו את זה
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
רק בגלל שהזנו חלקים קטנים
של תמונות הדמייה של חור שחור?
של תמונות הדמייה של חור שחור?
10:39
Let's try another set of puzzle pieces
224
627469
1880
בואו ננסה סדרה נוספת
של חלקי פאזל
של חלקי פאזל
10:41
from astronomical, non-black hole objects.
225
629373
2509
מעצמים אסטרוניים שאינם חורים שחורים.
10:44
OK, we get a similar-looking image.
226
632914
2126
אוקיי, מקבלים תמונה שנראית דומה.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
מה לגבי חתיכות מתמונות יומיומיות,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
כמו התמונות שאתם מצלמים במצלמה
האישית שלכם?
האישית שלכם?
10:53
Great, we see the same image.
229
641312
2115
נהדר, אנחנו רואים את אותה התמונה.
10:55
When we get the same image
from all different sets of puzzle pieces,
from all different sets of puzzle pieces,
230
643451
3366
כשאנחנו מקבלים את אותה תמונה
מסדרות שונות של חלקי פאזל,
מסדרות שונות של חלקי פאזל,
10:58
then we can start to become more confident
231
646841
2046
אנחנו מתחילים להיות יותר בטוחים
11:00
that the image assumptions we're making
232
648911
1966
שההנחות שאנו מניחים לגבי התמונה
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
לא מטות את התמונה הסופית
יותר מדי.
יותר מדי.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
עוד דבר שאפשר לעשות זה לקחת
את אותה סדרה של חלקי פאזל,
את אותה סדרה של חלקי פאזל,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
כמו החלקים מהתמונות היומיומיות,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
ולהשתמש בה לשחזור של סוגים
רבים ושונים של תמונות מקור.
רבים ושונים של תמונות מקור.
11:15
So in our simulations,
237
663260
1271
אז בהדמיות שלנו,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
אנחנו מעמידים פנים שחור שחור נראה
כמו עצמים אסטרונומיים שאינם חורים שחורים,
כמו עצמים אסטרונומיים שאינם חורים שחורים,
11:20
as well as everyday images like
the elephant in the center of our galaxy.
the elephant in the center of our galaxy.
239
668354
3849
וכך גם עושים לתמונות יומיומיות
כמו הפיל במרכז הגלקסיה.
כמו הפיל במרכז הגלקסיה.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
כשהתוצאות של האלגוריתמים בתחתית
נראות מאוד דומות
נראות מאוד דומות
11:27
to the simulation's truth image on top,
241
675419
2096
לתמונות האמיתיות, למעלה,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
אנחנו מתחילים להיות בטוחים
יותר באלגוריתמים.
יותר באלגוריתמים.
11:32
And I really want to emphasize here
243
680909
1867
ואני רוצה להדגיש כאן
11:34
that all of these pictures were created
244
682800
1934
שכל התמונות האלה נוצרו
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
על ידי הרכבה של חלקים קטנים
של תמונות יומיומיות,
של תמונות יומיומיות,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
כמו שנלקחות במצלמה האישית שלכם.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
אז תמונה של חור שחור שמעולם לא ראינו
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
תוכל בסופו של דבר להיבנות מצירוף
חלקי תמונות שאנחנו רואים כל הזמן
חלקי תמונות שאנחנו רואים כל הזמן
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
של אנשים, מבנים, עצים, חתולים וכלבים.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
רעיונות הדמיה כאלה יאפשרו לנו
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
לצלם את התמונות הראשונות של חור שחור,
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
ובתקווה לוודא את התיאוריות המפורסמות האלו
11:59
on which scientists rely on a daily basis.
253
707776
2421
עליהן מדענים מתבססים מדי יום.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
אבל כמובן, מימוש הרעיונות האלה
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
לעולם לא היה מתאפשר
ללא קבוצת החוקרים המדהימה
ללא קבוצת החוקרים המדהימה
12:08
that I have the privilege to work with.
256
716199
1887
איתה יש לי את הזכות לעבוד.
12:10
It still amazes me
257
718110
1163
זה עדיין מדהים אותי
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
שלמרות שהתחלתי את הפרוייקט
ללא רקע באסטרופיזיקה,
ללא רקע באסטרופיזיקה,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
מה שהשגנו באמצעות שיתוף
הפעולה הייחודי הזה
הפעולה הייחודי הזה
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
יוכל להביא לתמונות הראשונות של חור שחור.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
אבל פרוייקטים גדולים כמו
הורוסקופ אופק האירועים
הורוסקופ אופק האירועים
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
מצליחים בזכות שיתוף פעולה
12:25
different people bring to the table.
263
733658
1790
של מדענים מתחומים שונים.
12:27
We're a melting pot of astronomers,
264
735472
1706
אנחנו כור היתוך של אסטרונומים,
12:29
physicists, mathematicians and engineers.
265
737202
2232
פיזיקאים, מתמטיקאים ומהנדסים.
12:31
This is what will make it soon possible
266
739458
2554
וזה מה שיאפשר בקרוב
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
להשיג משהו שבעבר נחשב כבלתי אפשרי.
12:36
I'd like to encourage all of you to go out
268
744913
2256
אני רוצה לעודד את כולכם לצאת
12:39
and help push the boundaries of science,
269
747193
2096
ולעזור להרחיב את גבולות המדע,
12:41
even if it may at first seem
as mysterious to you as a black hole.
as mysterious to you as a black hole.
270
749313
3901
אפילו אם בהתחלה זה ייראה לכם
מסתורי כמו חור שחור.
מסתורי כמו חור שחור.
12:45
Thank you.
271
753238
1174
תודה רבה.
12:46
(Applause)
272
754436
2397
(מחיאות כפיים)
ABOUT THE SPEAKER
Katie Bouman - Imaging scientistKatie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole.
Why you should listen
It is believed that the heart of the Milky Way hosts a four-million-solar-mass black hole feeding off a spinning disk of hot gas. An image of the shadow cast by the event horizon of the black hole could help to address a number of important scientific questions. For instance, does Einstein's theory of general relativity hold in extreme conditions? Unfortunately, the event horizon of this black hole appears so small in the sky that imaging it would require a single-dish radio telescope the size of the entire Earth. Although a single-dish telescope this large is unrealizable, by connecting disjoint radio telescopes located all around the globe, Katie Bouman and a team of astronomers are creating an Earth-sized computational telescope -- the Event Horizon Telescope -- that is capable of taking the very first up-close picture of a black hole.
Bouman is a PhD candidate in the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT). The focus of her research is on using emerging computational methods to push the boundaries of interdisciplinary imaging. By combining techniques from both astronomy and computer science, Bouman has been working on developing innovative ways to combine the information from the Event Horizon Telescope network to produce the first picture of a black hole. Her work on imaging for the Event Horizon Telescope has been featured on BBC, The Boston Globe, The Washington Post, Popular Science and NPR.
Katie Bouman | Speaker | TED.com