TED1994
Danny Hillis: Back to the future (of 1994)
대니 힐리스: 1994년의 미래로 돌아가기
Filmed:
Readability: 3.8
686,810 views
TED의 고문서 자료 깊은 곳에서 나온 이 영상에서 대니 힐리스는 어떻게 그리고 왜 기술의 발전이 가속화되는지에 대해 생명의 진화와 연결 하면서 아주 흥미로운 이론을 내 놓습니다. 그가 사용하는 프레젠테이션 기술은 오래되어 보여도, 그의 아이디어는 어느때 보다 중요했습니다.
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
Because I usually take the role
0
0
3000
제가 사람들에게
00:18
of trying to explain to people
1
3000
2000
이제 다가올 새로운 기술들이
00:20
how wonderful the new technologies
2
5000
3000
얼마나 아름다울지 설명하는 역할을
00:23
that are coming along are going to be,
3
8000
2000
주로 맡고 있고,
00:25
and I thought that, since I was among friends here,
4
10000
3000
제가 생각하기로는, 제가 여기 중 한사람이기에
00:28
I would tell you what I really think
5
13000
4000
제가 정말로 생각하는 것을 말하고
00:32
and try to look back and try to understand
6
17000
2000
여기에 지금 무엇이 일어나는지에 대해
00:34
what is really going on here
7
19000
3000
돌아보고 이해해 보도록 합시다.
00:37
with these amazing jumps in technology
8
22000
5000
너무 빨라서 우리가 완전히 이해할 수 없을 정도의
00:42
that seem so fast that we can barely keep on top of it.
9
27000
3000
엄청나고 놀라운 기술의 발전에 대해서 말이죠.
00:45
So I'm going to start out
10
30000
2000
이제 지루한 기술 슬라이드를 보면서
00:47
by showing just one very boring technology slide.
11
32000
3000
시작하겠습니다.
00:50
And then, so if you can just turn on the slide that's on.
12
35000
3000
여기 슬라이드를 이제 보시면,
00:56
This is just a random slide
13
41000
2000
이건 그냥 제가 제 파일에서 무작위로
00:58
that I picked out of my file.
14
43000
2000
뽑아온 슬라이드입니다.
01:00
What I want to show you is not so much the details of the slide,
15
45000
3000
제가 보여주고 싶은 부분은 구체적인 세부사항이 아니라
01:03
but the general form of it.
16
48000
2000
그냥 일반적인 형태입니다.
01:05
This happens to be a slide of some analysis that we were doing
17
50000
3000
이 슬라이드는 우리가 RISC 마이크로 프로세서의 파워와
01:08
about the power of RISC microprocessors
18
53000
3000
지역 통신망(LAN) 을
01:11
versus the power of local area networks.
19
56000
3000
분석한 슬라이드 입니다.
01:14
And the interesting thing about it
20
59000
2000
여기서 흥미로운 것은
01:16
is that this slide,
21
61000
2000
이 슬라이드가,
01:18
like so many technology slides that we're used to,
22
63000
3000
우리가 주로 보곤 했던 수많은 기술 분야의 슬라이드 처럼,
01:21
is a sort of a straight line
23
66000
2000
세미로그 곡선상에 있는
01:23
on a semi-log curve.
24
68000
2000
직선과 같습니다.
01:25
In other words, every step here
25
70000
2000
다른 말로 하면, 여기 모든 단계들은
01:27
represents an order of magnitude
26
72000
2000
성능에 따른 규모를
01:29
in performance scale.
27
74000
2000
보여주고 있습니다.
01:31
And this is a new thing
28
76000
2000
그리고 세미로그 곡선상에서
01:33
that we talk about technology
29
78000
2000
기술을 말하는것은
01:35
on semi-log curves.
30
80000
2000
새로운 것입니다.
01:37
Something really weird is going on here.
31
82000
2000
여기서 정말 이상한 게 있는데요.
01:39
And that's basically what I'm going to be talking about.
32
84000
3000
그게 바로 제가 말하려고 하는 것입니다.
01:42
So, if you could bring up the lights.
33
87000
3000
여기 조명을 좀 비춰주세요,
01:47
If you could bring up the lights higher,
34
92000
2000
좀더 높게 비춰보면,
01:49
because I'm just going to use a piece of paper here.
35
94000
3000
제가 여기에 종이를 사용하려고 합니다.
01:52
Now why do we draw technology curves
36
97000
2000
그럼 이제 우리는 왜 기술 곡선을
01:54
in semi-log curves?
37
99000
2000
세미로그 모양으로 그릴 까요?
01:56
Well the answer is, if I drew it on a normal curve
38
101000
3000
뭐 대답은, 제가 만약 이걸 일반 곡선으로 그린다면,
01:59
where, let's say, this is years,
39
104000
2000
음, 예를 들어, 이게 년도이고
02:01
this is time of some sort,
40
106000
2000
이게 시간이라고 생각하고,
02:03
and this is whatever measure of the technology
41
108000
3000
이것은 제가 그리고자 하는 그래프의
02:06
that I'm trying to graph,
42
111000
3000
기술에 대한 수치라고하면,
02:09
the graphs look sort of silly.
43
114000
3000
이 그래프는 좀 우스꽝스러워 보입니다.
02:12
They sort of go like this.
44
117000
3000
이렇게 생기겠죠.
02:15
And they don't tell us much.
45
120000
3000
이걸론 뭘 알수가 없습니다.
02:18
Now if I graph, for instance,
46
123000
3000
그리고 제가 다른 기술을,
02:21
some other technology, say transportation technology,
47
126000
2000
예를 들어, 교통 기술 그래프를
02:23
on a semi-log curve,
48
128000
2000
세미로그 곡선으로 그린다면
02:25
it would look very stupid, it would look like a flat line.
49
130000
3000
정말 바보같이 보일겁니다, 일직선 으로 말이죠
02:28
But when something like this happens,
50
133000
2000
그런데 만약 이런게 생기면
02:30
things are qualitatively changing.
51
135000
2000
그건 질적인 변화를 말하게되죠.
02:32
So if transportation technology
52
137000
2000
그래서 만약 교통 기술이
02:34
was moving along as fast as microprocessor technology,
53
139000
3000
마이크로프로세서 기술과 같이 빨리 움직인다면,
02:37
then the day after tomorrow,
54
142000
2000
내일 모레에
02:39
I would be able to get in a taxi cab
55
144000
2000
저는 택시를 타고
02:41
and be in Tokyo in 30 seconds.
56
146000
2000
30초안에 동경에 도착하게 될겁니다.
02:43
It's not moving like that.
57
148000
2000
근데 그렇게 움직이지 않죠.
02:45
And there's nothing precedented
58
150000
2000
그리고 기술 발전의 역사에 있어서
02:47
in the history of technology development
59
152000
2000
이런 일은 전례가 없습니다.
02:49
of this kind of self-feeding growth
60
154000
2000
이렇게 몇년마다 스스로 자릿수가
02:51
where you go by orders of magnitude every few years.
61
156000
3000
늘어나는 규모로 말이죠.
02:54
Now the question that I'd like to ask is,
62
159000
3000
이제 제가 묻고싶은 질문은,
02:57
if you look at these exponential curves,
63
162000
3000
이 기하급수적인 곡선을 보면,
03:00
they don't go on forever.
64
165000
3000
이 그래프는 끝까지 이렇게 가지는 않습니다.
03:03
Things just can't possibly keep changing
65
168000
3000
이렇게 빨리 계속
03:06
as fast as they are.
66
171000
2000
변하지는 않습니다.
03:08
One of two things is going to happen.
67
173000
3000
여기서 둘 중 하나의 경우가 일어납니다.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
176000
4000
무엇인가 완전히 다른것이 나올 때까지
03:15
until something totally different comes along,
69
180000
4000
이처럼 일반적인 S자 곡선을 그리던지
03:19
or maybe it's going to do this.
70
184000
2000
아니면 이렇게 갈 겁니다.
03:21
That's about all it can do.
71
186000
2000
이 둘이 전부입니다.
03:23
Now I'm an optimist,
72
188000
2000
저는 낙관주의자 입니다.
03:25
so I sort of think it's probably going to do something like that.
73
190000
3000
그래서 전 이렇게 갈거라고 생각하고있는데,
03:28
If so, that means that what we're in the middle of right now
74
193000
3000
만약 그렇다면, 우리가 있는 이 중간이
03:31
is a transition.
75
196000
2000
다른 것으로 가는 변화의 중심입니다.
03:33
We're sort of on this line
76
198000
2000
우리는 세상이 해오던 방식에서
03:35
in a transition from the way the world used to be
77
200000
2000
새로운 방향으로 전이되는
03:37
to some new way that the world is.
78
202000
3000
선상에 있다고 볼 수 있습니다.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
205000
3000
여기서 제가 질문하고자 하거나, 또는 제가 그동안 스스로 자문 했던것은,
03:43
is what's this new way that the world is?
80
208000
3000
세계가 가고 있는 새로운 방향이 무엇일까요?
03:46
What's that new state that the world is heading toward?
81
211000
3000
세상이 나아가고 있는 새로운 상황이 무엇일까요?
03:49
Because the transition seems very, very confusing
82
214000
3000
왜냐하면 우리가 만약 이 중간에 있다면,
03:52
when we're right in the middle of it.
83
217000
2000
그 변혁의 시점은 정말 혼란스럽기 때문입니다.
03:54
Now when I was a kid growing up,
84
219000
3000
제가 어렸을 적에는,
03:57
the future was kind of the year 2000,
85
222000
3000
저희에게 있어 미래란, 2000년 정도였습니다.
04:00
and people used to talk about what would happen in the year 2000.
86
225000
4000
그리고 사람들은 2000년엔 무슨 일이 일어날지에 대해 이야기하곤 했죠.
04:04
Now here's a conference
87
229000
2000
자 여기에 사람들이 미래에 대해서
04:06
in which people talk about the future,
88
231000
2000
이야기하는 컨퍼런스가 있습니다.
04:08
and you notice that the future is still at about the year 2000.
89
233000
3000
그리고 당신은 '미래' 는 아직도 2000년이라는 것을 깨닫습니다.
04:11
It's about as far as we go out.
90
236000
2000
아직 많이 남은 거죠.
04:13
So in other words, the future has kind of been shrinking
91
238000
3000
다시 말하면, 제 인생에서
04:16
one year per year
92
241000
3000
1년이 지날때 마다 1년씩
04:19
for my whole lifetime.
93
244000
3000
미래는 계속 줄어 들고 있습니다.
04:22
Now I think that the reason
94
247000
2000
전 그 이유가,
04:24
is because we all feel
95
249000
2000
우리 모두 다
04:26
that something's happening there.
96
251000
2000
그 때 무엇이 일어난다는 걸 알고 있기 때문이라고 생각합니다.
04:28
That transition is happening. We can all sense it.
97
253000
2000
이 변혁은 일어나고 있습니다. 우리 모두 느낄 수 있습니다.
04:30
And we know that it just doesn't make too much sense
98
255000
2000
그리고 우리는 30년, 50년을 생각 하는것이
04:32
to think out 30, 50 years
99
257000
2000
말이 안된다는 것을 알고 있습니다.
04:34
because everything's going to be so different
100
259000
3000
모든것들이 완전히 다르기 때문에
04:37
that a simple extrapolation of what we're doing
101
262000
2000
우리가 무엇을 할것인지에 대한 간단한 예상은
04:39
just doesn't make any sense at all.
102
264000
3000
전혀 말이 안된다고 생각합니다.
04:42
So what I would like to talk about
103
267000
2000
그래서 제가 하고 싶은 말은,
04:44
is what that could be,
104
269000
2000
그게 무엇이 될 수 있는지 입니다.
04:46
what that transition could be that we're going through.
105
271000
3000
우리가 겪고 있는 변혁이 무엇이 될 수 있는지를 아는 것입니다.
04:49
Now in order to do that
106
274000
3000
그렇게 하려면
04:52
I'm going to have to talk about a bunch of stuff
107
277000
2000
기술과 컴퓨터와는 상관이 없는
04:54
that really has nothing to do
108
279000
2000
아주 많은 것들에 대해서
04:56
with technology and computers.
109
281000
2000
언급해야만 합니다.
04:58
Because I think the only way to understand this
110
283000
2000
왜냐면 이걸 이해할 수 있는 단 하나의 방법은
05:00
is to really step back
111
285000
2000
뒤로 물러서서
05:02
and take a long time scale look at things.
112
287000
2000
오랜 시간동안 관찰 하는 겁니다
05:04
So the time scale that I would like to look at this on
113
289000
3000
그래서 이걸 볼 수 있는 시간은,
05:07
is the time scale of life on Earth.
114
292000
3000
지구에서의 삶의 시간입니다.
05:13
So I think this picture makes sense
115
298000
2000
한번에 몇십억년을 생각해본다면
05:15
if you look at it a few billion years at a time.
116
300000
4000
이런 그림은 말이됩니다.
05:19
So if you go back
117
304000
2000
그래서 이제 25억 년 전
05:21
about two and a half billion years,
118
306000
2000
뒤로 가본다면,
05:23
the Earth was this big, sterile hunk of rock
119
308000
3000
지구는 이만큼 크고, 지구상에 떠돌아다니는
05:26
with a lot of chemicals floating around on it.
120
311000
3000
많은 화학물질로 이루어진 큰 바위덩어리 입니다.
05:29
And if you look at the way
121
314000
2000
만약 그 화학 물질들이 집합해서
05:31
that the chemicals got organized,
122
316000
2000
있다는 식으로 생각해보면
05:33
we begin to get a pretty good idea of how they do it.
123
318000
3000
어떻게 생겼을지 상상이 잘 갑니다.
05:36
And I think that there's theories that are beginning to understand
124
321000
3000
그리고 RNA에서 어떻게 시작하는지를
05:39
about how it started with RNA,
125
324000
2000
이해하기 시작하는 이론들이 있다고 생각합니다.
05:41
but I'm going to tell a sort of simple story of it,
126
326000
3000
하지만 간단한 이야기를 하려고합니다.
05:44
which is that, at that time,
127
329000
2000
그건, 그당시에
05:46
there were little drops of oil floating around
128
331000
3000
서로다른 조합의 화학물질로 이루어진
05:49
with all kinds of different recipes of chemicals in them.
129
334000
3000
기름 몇방울이 떠돌아 다니고 있었습니다.
05:52
And some of those drops of oil
130
337000
2000
그중 기름 몇방울은
05:54
had a particular combination of chemicals in them
131
339000
2000
화학물질을 외부로 부터 분리해 내는
05:56
which caused them to incorporate chemicals from the outside
132
341000
3000
특별한 조합으로 이루어져 있었습니다.
05:59
and grow the drops of oil.
133
344000
3000
그리고 그 기름 몇방울이 커지게 되었죠.
06:02
And those that were like that
134
347000
2000
그런것들이
06:04
started to split and divide.
135
349000
2000
쪼개고 나누어지게 되었습니다.
06:06
And those were the most primitive forms of cells in a sense,
136
351000
3000
그런 작은 기름 방울들이 어쩌면
06:09
those little drops of oil.
137
354000
2000
세포의 가장 원시적인 형태였겠죠.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
356000
3000
하지만 그런 기름 방울들은 살아 있지는 않았습니다.
06:14
because every one of them
139
359000
2000
그런 기름 방울들은
06:16
was a little random recipe of chemicals.
140
361000
2000
화학물질들의 조합이었기 때문이죠.
06:18
And every time it divided,
141
363000
2000
기름 방울이 나누어 질 때마다
06:20
they got sort of unequal division
142
365000
3000
화학물질들은
06:23
of the chemicals within them.
143
368000
2000
불균등하게 분리 되었습니다.
06:25
And so every drop was a little bit different.
144
370000
3000
그래서 모든 기름 방울들이 조금씩은 다르게 되었죠.
06:28
In fact, the drops that were different in a way
145
373000
2000
사실 그런 기름 방울들은 화학물질들을 분리해내고
06:30
that caused them to be better
146
375000
2000
더 좋은 상태로 만들고,
06:32
at incorporating chemicals around them,
147
377000
2000
더 커지고 더 많은 화학물질들을 분리하고,
06:34
grew more and incorporated more chemicals and divided more.
148
379000
3000
또 더 나누어진다는 점에서 모두가 서로 다릅니다.
06:37
So those tended to live longer,
149
382000
2000
그래서 더 오래 살고
06:39
get expressed more.
150
384000
3000
더 표출되는 경향이 있었습니다.
06:42
Now that's sort of just a very simple
151
387000
3000
그것은 생명체의 아주 간단한
06:45
chemical form of life,
152
390000
2000
형태입니다.
06:47
but when things got interesting
153
392000
3000
하지만 흥미로운점은
06:50
was when these drops
154
395000
2000
이런 기름 방울들이
06:52
learned a trick about abstraction.
155
397000
3000
추상화라는 기술을 습득할 때죠.
06:55
Somehow by ways that we don't quite understand,
156
400000
3000
우리가 이해 할 수 없는 방법들로
06:58
these little drops learned to write down information.
157
403000
3000
이 방울들이 정보를 기록하게 된것이죠.
07:01
They learned to record the information
158
406000
2000
DNA라고 불리우는
07:03
that was the recipe of the cell
159
408000
2000
특별한 형태의 화학물질로 이루어진
07:05
onto a particular kind of chemical
160
410000
2000
세포조합에 정보를
07:07
called DNA.
161
412000
2000
기록하게 되었습니다.
07:09
So in other words, they worked out,
162
414000
2000
다시 말해서 진화적인 방법으로
07:11
in this mindless sort of evolutionary way,
163
416000
3000
자신들이 무엇인지를
07:14
a form of writing that let them write down what they were,
164
419000
3000
써내려가는 물체를 만들었습니다.
07:17
so that that way of writing it down could get copied.
165
422000
3000
그래서 기록하는 방법이 복제 될 수 있었습니다.
07:20
The amazing thing is that that way of writing
166
425000
3000
놀라운점은 기록하는 방법이
07:23
seems to have stayed steady
167
428000
2000
25억년전에 진화한 이후로
07:25
since it evolved two and a half billion years ago.
168
430000
2000
안정적인 상태를 유지하고 있다는 점이죠.
07:27
In fact the recipe for us, our genes,
169
432000
3000
사실 사람들의 조합, 즉 유전자들은
07:30
is exactly that same code and that same way of writing.
170
435000
3000
같은 코드와 기록방식을 가지고 있습니다.
07:33
In fact, every living creature is written
171
438000
3000
살아있는 모든 생명체는
07:36
in exactly the same set of letters and the same code.
172
441000
2000
같은 문자열과 코드로 씌여진다는 것이죠.
07:38
In fact, one of the things that I did
173
443000
2000
재미삼아서 제가
07:40
just for amusement purposes
174
445000
2000
해보았던 것은
07:42
is we can now write things in this code.
175
447000
2000
많은것들을 이런 코드로 써봤습니다.
07:44
And I've got here a little 100 micrograms of white powder,
176
449000
6000
여기 제가 100마이크로그램의 백색가루를 가지고 있습니다.
07:50
which I try not to let the security people see at airports.
177
455000
4000
공항에서 보안요원들에게 보여주면 안되겠죠.
07:54
(Laughter)
178
459000
2000
(웃음)
07:56
But this has in it --
179
461000
2000
이 가루는 코드를 가지고 있는데요.
07:58
what I did is I took this code --
180
463000
2000
-- 제가 한것이 이 코드를 찾아 본것이죠. --
08:00
the code has standard letters that we use for symbolizing it --
181
465000
3000
그 코드는 표시하려고 사용하는 표준 문자열들을 가지고 있습니다.
08:03
and I wrote my business card onto a piece of DNA
182
468000
3000
제가 DNA 조각에 제 명함을 기록해서
08:06
and amplified it 10 to the 22 times.
183
471000
3000
10배에서 22배 가량 확대를 했습니다.
08:09
So if anyone would like a hundred million copies of my business card,
184
474000
3000
그래서 누군가 수백만장의 제 명함이 필요하면,
08:12
I have plenty for everyone in the room,
185
477000
2000
이 방안에 있는 모든분과
08:14
and, in fact, everyone in the world,
186
479000
2000
전세계의 모든사람에 줄만큼 충분히
08:16
and it's right here.
187
481000
3000
바로 여기안에 가지고 있는 것이죠.
08:19
(Laughter)
188
484000
5000
(웃음)
08:26
If I had really been a egotist,
189
491000
2000
제가 아주 이기적인 사람이었다면,
08:28
I would have put it into a virus and released it in the room.
190
493000
3000
아마 여기에 바이러스를 담아서 이방안에 뿌렸을겁니다.
08:31
(Laughter)
191
496000
5000
(웃음)
08:39
So what was the next step?
192
504000
2000
그럼 다음 과정은 무엇일까요?
08:41
Writing down the DNA was an interesting step.
193
506000
2000
DNA 코드를 기록하는 것은 흥미로운 과정이었습니다.
08:43
And that caused these cells --
194
508000
2000
그런 과정이 세포들을
08:45
that kept them happy for another billion years.
195
510000
2000
또다른 수십억년동안을 즐겁게 만들었습니다.
08:47
But then there was another really interesting step
196
512000
2000
그런데 완전히 다른 방향으로
08:49
where things became completely different,
197
514000
3000
정말 흥미로운 또다른 점이 있었습니다.
08:52
which is these cells started exchanging and communicating information,
198
517000
3000
그것은 이 세포들이 정보를 교환하고 상호작용 했다는 점입니다.
08:55
so that they began to get communities of cells.
199
520000
2000
그래서 세포 집단이 형성되기 시작 했다는 것이죠.
08:57
I don't know if you know this,
200
522000
2000
여러분들이 아시는지 모르겠지만,
08:59
but bacteria can actually exchange DNA.
201
524000
2000
세균들은 DNA를 교환 할 수 있습니다.
09:01
Now that's why, for instance,
202
526000
2000
예를 들어, 그것이 항생제 내성이
09:03
antibiotic resistance has evolved.
203
528000
2000
발달하게된 이유죠.
09:05
Some bacteria figured out how to stay away from penicillin,
204
530000
3000
어떤 세균은 페니실린에서 떨어지는 방법을 알게 되었구요.
09:08
and it went around sort of creating its little DNA information
205
533000
3000
다른 세균들과 함께 DNA 정보를
09:11
with other bacteria,
206
536000
2000
만들어내기도 했습니다.
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
538000
3000
그래서 지금은 페니실린에 내성을 가진 많은 세균들이 있게 되었죠.
09:16
because bacteria communicate.
208
541000
2000
왜냐하면 세균들도 서로 소통하기 때문입니다.
09:18
Now what this communication allowed
209
543000
2000
이런 소통이 하는 역할은
09:20
was communities to form
210
545000
2000
같은 배에 타고 있다는 공동체를
09:22
that, in some sense, were in the same boat together;
211
547000
2000
형성하게 합니다.
09:24
they were synergistic.
212
549000
2000
그래서 상승효과를 가지게 되죠.
09:26
So they survived
213
551000
2000
그래서 공생하거나
09:28
or they failed together,
214
553000
2000
공멸하게 되는 것인데요.
09:30
which means that if a community was very successful,
215
555000
2000
공동체가 성공적으로 생존한다면
09:32
all the individuals in that community
216
557000
2000
모든 개체들은
09:34
were repeated more
217
559000
2000
지속적으로 반복하여 생존하고
09:36
and they were favored by evolution.
218
561000
3000
진화하게 됩니다.
09:39
Now the transition point happened
219
564000
2000
이런 공동체들이 아주 가까워 질때
09:41
when these communities got so close
220
566000
2000
변이점이 발생합니다.
09:43
that, in fact, they got together
221
568000
2000
이런 개체들은 함께하고
09:45
and decided to write down the whole recipe for the community
222
570000
3000
DNA의 나열에 공동체를 위한
09:48
together on one string of DNA.
223
573000
3000
유전자 조합을 기록하게 되죠.
09:51
And so the next stage that's interesting in life
224
576000
2000
그리고 흥미로운 다음 단계가
09:53
took about another billion years.
225
578000
2000
수십억년에 걸쳐 일어나게 됩니다.
09:55
And at that stage,
226
580000
2000
그 단계에서,
09:57
we have multi-cellular communities,
227
582000
2000
다세포 공동체가 형성되는데요.
09:59
communities of lots of different types of cells,
228
584000
2000
마치 한개의 조직처럼 함께 움직이는
10:01
working together as a single organism.
229
586000
2000
여러개의 서로다른 세포들로 이루어진 공동체입니다.
10:03
And in fact, we're such a multi-cellular community.
230
588000
3000
사실 우리는 그런 다세포 공동체입니다.
10:06
We have lots of cells
231
591000
2000
사람들은 자신 스스로만은
10:08
that are not out for themselves anymore.
232
593000
2000
더 얻을게 없는 많은 세포들을 가지고 있습니다.
10:10
Your skin cell is really useless
233
595000
3000
표피 세포는 심장세포, 근육세포
10:13
without a heart cell, muscle cell,
234
598000
2000
뇌세포 등 없이는
10:15
a brain cell and so on.
235
600000
2000
아무 쓸모가 없습니다.
10:17
So these communities began to evolve
236
602000
2000
그래서 이런 공동체가 진화하게 되었는데요.
10:19
so that the interesting level on which evolution was taking place
237
604000
3000
진화가 일어나는 흥미로운 수준은
10:22
was no longer a cell,
238
607000
2000
더이상 세포가 아니라
10:24
but a community which we call an organism.
239
609000
3000
우리가 조직이라고 부르는 공동체라는 것입니다.
10:28
Now the next step that happened
240
613000
2000
다음 과정은
10:30
is within these communities.
241
615000
2000
이런 공동체 안에서 일어납니다.
10:32
These communities of cells,
242
617000
2000
이런 세포들의 공동체는
10:34
again, began to abstract information.
243
619000
2000
정보를 다시 추상화하기 시작합니다.
10:36
And they began building very special structures
244
621000
3000
그리고 공동체 안에서 아무것도 안하고
10:39
that did nothing but process information within the community.
245
624000
3000
다만 정보만을 처리하는 특별한 구조물을 만들기 시작합니다.
10:42
And those are the neural structures.
246
627000
2000
그런것들이 신경 구조물입니다.
10:44
So neurons are the information processing apparatus
247
629000
3000
뉴런들이 세포의 공동체가 만들어낸
10:47
that those communities of cells built up.
248
632000
3000
정보처리기관 입니다.
10:50
And in fact, they began to get specialists in the community
249
635000
2000
그리고 공동체에서 특이성을 가지게 되었는고,
10:52
and special structures
250
637000
2000
정보를 기록하고, 이해하고
10:54
that were responsible for recording,
251
639000
2000
습득하는 기능을 담당하는
10:56
understanding, learning information.
252
641000
3000
특별한 구조도 가지게 되었습니다.
10:59
And that was the brains and the nervous system
253
644000
2000
그런 공동체들의 뇌와
11:01
of those communities.
254
646000
2000
신경계가 되었던 것이죠.
11:03
And that gave them an evolutionary advantage.
255
648000
2000
그리고 진화적인 장점도 주게 됩니다.
11:05
Because at that point,
256
650000
3000
그 점 때문에
11:08
an individual --
257
653000
3000
학습하는 개인이
11:11
learning could happen
258
656000
2000
진화적인 시간 보다는
11:13
within the time span of a single organism,
259
658000
2000
단일 조직의 시간안에서
11:15
instead of over this evolutionary time span.
260
660000
3000
발생하게 되었죠.
11:18
So an organism could, for instance,
261
663000
2000
예를들어, 신체조직은 어떤 종류의 과일은
11:20
learn not to eat a certain kind of fruit
262
665000
2000
먹지 않도록 학습합니다.
11:22
because it tasted bad and it got sick last time it ate it.
263
667000
4000
왜냐하면 맛이 없고, 지난번에 먹고 나서는 병이났다고 느꼈기 때문이죠.
11:26
That could happen within the lifetime of a single organism,
264
671000
3000
이런 일은 단일 조직의 평생기간 동안 일어납니다.
11:29
whereas before they'd built these special information processing structures,
265
674000
4000
반면에 이렇게 특별한 정보처리 구조를 만들기 전에는
11:33
that would have had to be learned evolutionarily
266
678000
2000
그런 종류의 과일을 먹고 각각의 개체가
11:35
over hundreds of thousands of years
267
680000
3000
수천년동안 죽어가면서 진화적으로
11:38
by the individuals dying off that ate that kind of fruit.
268
683000
3000
학습해야 할 것입니다.
11:41
So that nervous system,
269
686000
2000
그런 신경계는,
11:43
the fact that they built these special information structures,
270
688000
3000
이런 특별한 정보처리 구조를 만들어서
11:46
tremendously sped up the whole process of evolution.
271
691000
3000
진화의 전체과정에 대한 속도를 엄청나게 올리게 됩니다.
11:49
Because evolution could now happen within an individual.
272
694000
3000
왜냐하면 진화는 개개인의 개체 안에서 일어 날 수 있기 때문입니다.
11:52
It could happen in learning time scales.
273
697000
3000
그것은 학습기간안에 일어 날 수 있습니다.
11:55
But then what happened
274
700000
2000
하지만 발생하는 것은
11:57
was the individuals worked out,
275
702000
2000
각각이 의사소통의 방법을
11:59
of course, tricks of communicating.
276
704000
2000
해결 했다는 것이죠.
12:01
And for example,
277
706000
2000
예를 들어,
12:03
the most sophisticated version that we're aware of is human language.
278
708000
3000
우리가 인지하는 가장 복잡은 형태는 인간의 언어죠.
12:06
It's really a pretty amazing invention if you think about it.
279
711000
3000
정말로 놀라운 발명입니다.
12:09
Here I have a very complicated, messy,
280
714000
2000
제 머리속에 아주 복잡하고 혼잡한
12:11
confused idea in my head.
281
716000
3000
생각이 있습니다.
12:14
I'm sitting here making grunting sounds basically,
282
719000
3000
끙끙거리면서 여기 앉아 있습니다.
12:17
and hopefully constructing a similar messy, confused idea in your head
283
722000
3000
그리고 여러분의 머리속에 제 머리속에 있는 것과 유사한
12:20
that bears some analogy to it.
284
725000
2000
복잡한 생각을 만들려고 합니다.
12:22
But we're taking something very complicated,
285
727000
2000
아주 복잡한 것을 생각하고,
12:24
turning it into sound, sequences of sounds,
286
729000
3000
그 생각을 소리로 바꿉니다.
12:27
and producing something very complicated in your brain.
287
732000
4000
그리고 여러분의 머리속에 그 복잡한 생각을 주입합니다.
12:31
So this allows us now
288
736000
2000
단일 조직처럼
12:33
to begin to start functioning
289
738000
2000
우리가 기능화를
12:35
as a single organism.
290
740000
3000
시작하게 합니다.
12:38
And so, in fact, what we've done
291
743000
3000
그래서 사실 우리 인류가
12:41
is we, humanity,
292
746000
2000
추상화라는 것을
12:43
have started abstracting out.
293
748000
2000
시작하게 됩니다.
12:45
We're going through the same levels
294
750000
2000
다세포 조직이 했던 것과
12:47
that multi-cellular organisms have gone through --
295
752000
2000
같은 수준으로 하게 되는데요,
12:49
abstracting out our methods of recording,
296
754000
3000
기록하고, 표현하고, 정보를 처리하는
12:52
presenting, processing information.
297
757000
2000
방법을 추상화하게 되는것입니다.
12:54
So for example, the invention of language
298
759000
2000
예를들어, 언어의 발명은 이런 방향에서 볼때
12:56
was a tiny step in that direction.
299
761000
3000
아주 작은 과정이었습니다.
12:59
Telephony, computers,
300
764000
2000
전화, 컴퓨터,
13:01
videotapes, CD-ROMs and so on
301
766000
3000
비디오 테이프, 씨디롬 등은
13:04
are all our specialized mechanisms
302
769000
2000
우리 사회에서
13:06
that we've now built within our society
303
771000
2000
정보를 다루기 위해
13:08
for handling that information.
304
773000
2000
만들어진 특별한 메카니즘입니다.
13:10
And it all connects us together
305
775000
3000
이 모든것들은
13:13
into something
306
778000
2000
더 크고,
13:15
that is much bigger
307
780000
2000
더 빠르고,
13:17
and much faster
308
782000
2000
우리가 이전에 했던것보다
13:19
and able to evolve
309
784000
2000
더 진화된 무엇인가로
13:21
than what we were before.
310
786000
2000
우리를 연결합니다.
13:23
So now, evolution can take place
311
788000
2000
그래서 지금은 진화가
13:25
on a scale of microseconds.
312
790000
2000
마이크로초 단위로 발생합니다.
13:27
And you saw Ty's little evolutionary example
313
792000
2000
그리고 여러분은 진화의 작은 부분을
13:29
where he sort of did a little bit of evolution
314
794000
2000
정리하는 예를 여러분의 바로 눈앞에서
13:31
on the Convolution program right before your eyes.
315
796000
3000
컨볼루션 프로그램을 통해서 보셨습니다.
13:34
So now we've speeded up the time scales once again.
316
799000
3000
그래서 우리는 다시 한번 시간단위의 속도를 빠르게 올렸습니다.
13:37
So the first steps of the story that I told you about
317
802000
2000
제가 말씀드렸던 그 이야기의 첫번째 과정은
13:39
took a billion years a piece.
318
804000
2000
수십억년이 걸렸습니다.
13:41
And the next steps,
319
806000
2000
신경계와 뇌조직 같은
13:43
like nervous systems and brains,
320
808000
2000
다음 과정들은
13:45
took a few hundred million years.
321
810000
2000
수백만년에 걸쳐 진화했습니다.
13:47
Then the next steps, like language and so on,
322
812000
3000
언어 처럼 기타 다른 과정들은
13:50
took less than a million years.
323
815000
2000
백만년 이하로 걸렸습니다.
13:52
And these next steps, like electronics,
324
817000
2000
전기와 같은 다음 과정들은
13:54
seem to be taking only a few decades.
325
819000
2000
수십년정도 걸리는것 같습니다.
13:56
The process is feeding on itself
326
821000
2000
그 과정은 스스로 배양하는것 같구요.
13:58
and becoming, I guess, autocatalytic is the word for it --
327
823000
3000
일종의 자체촉매작용을 한다는 단어가 맞을듯합니다.
14:01
when something reinforces its rate of change.
328
826000
3000
-- 무엇인가가 변화율을 증가할 때 처럼요.
14:04
The more it changes, the faster it changes.
329
829000
3000
변화하면 할수록, 더 빠르게 변화하는 것이죠.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
832000
3000
그것이 바로 곡선에서 폭발적으로 증가하는 부분을 보고 있는 것이죠.
14:10
We're seeing this process feeding back on itself.
331
835000
3000
스스로 다시 패드백을 받는 과정을 보고 있는 것 입니다.
14:13
Now I design computers for a living,
332
838000
3000
제 직업은 컴퓨터를 설계하는 것 입니다.
14:16
and I know that the mechanisms
333
841000
2000
그리고 컴퓨터 분야의
14:18
that I use to design computers
334
843000
3000
발달이 없었다면
14:21
would be impossible
335
846000
2000
제가 컴퓨터를 설계하기 위해 사용하는
14:23
without recent advances in computers.
336
848000
2000
메카니즘은 불가능 할 것이라는 것을 알고 있습니다.
14:25
So right now, what I do
337
850000
2000
그래서 지금 제가 하는것은
14:27
is I design objects at such complexity
338
852000
3000
전통적인 방법으로는 불가능한
14:30
that it's really impossible for me to design them in the traditional sense.
339
855000
3000
아주 복잡한 사물을 설계하고 있는 것 입니다.
14:33
I don't know what every transistor in the connection machine does.
340
858000
4000
저는 연결된 모든 트랜지스터가 뭘 하는지는 모릅니다.
14:37
There are billions of them.
341
862000
2000
수십억개가 있죠.
14:39
Instead, what I do
342
864000
2000
대신에 저나 또는
14:41
and what the designers at Thinking Machines do
343
866000
3000
Thinking Machines 회사의 설계자들이 하는것은
14:44
is we think at some level of abstraction
344
869000
2000
추상화 단계를 생각해보고
14:46
and then we hand it to the machine
345
871000
2000
추상화된 것을 기계에게 전달해 주는 것 입니다.
14:48
and the machine takes it beyond what we could ever do,
346
873000
3000
그리고 기계는 그것을 받아서 우리가 했었던것 이상으로
14:51
much farther and faster than we could ever do.
347
876000
3000
더 깊게 그리고 더 빨리 처리하게 됩니다.
14:54
And in fact, sometimes it takes it by methods
348
879000
2000
가끔은 우리가 전혀 이해하지 못하는
14:56
that we don't quite even understand.
349
881000
3000
방법으로 이루어지기도 합니다.
14:59
One method that's particularly interesting
350
884000
2000
최근에 제가 이용했던 흥미로운
15:01
that I've been using a lot lately
351
886000
3000
방법중에 한가지는
15:04
is evolution itself.
352
889000
2000
바로 진화 그 자체 였습니다.
15:06
So what we do
353
891000
2000
그래서 우리가 했던것은
15:08
is we put inside the machine
354
893000
2000
마이크로초 단위로 발생하는
15:10
a process of evolution
355
895000
2000
진화과정을
15:12
that takes place on the microsecond time scale.
356
897000
2000
컴퓨터 내부에 심는 일이었죠.
15:14
So for example,
357
899000
2000
예를들어,
15:16
in the most extreme cases,
358
901000
2000
아주 극단적인 경우에,
15:18
we can actually evolve a program
359
903000
2000
무작위의 명령어를 실행하여
15:20
by starting out with random sequences of instructions.
360
905000
4000
프로그램을 진화시킬 수 있습니다.
15:24
Say, "Computer, would you please make
361
909000
2000
예를 들어,
15:26
a hundred million random sequences of instructions.
362
911000
3000
"컴퓨터, 수백만개의명령어를 만들어 주세요."
15:29
Now would you please run all of those random sequences of instructions,
363
914000
3000
"만들었던 모든 명령어들을 실행해 주세요."
15:32
run all of those programs,
364
917000
2000
"모든 프로그램도 실행해 주세요."
15:34
and pick out the ones that came closest to doing what I wanted."
365
919000
3000
"그리고 제가 원했던것과 가장 밀접한 프로그램 한개를 골라주세요"
15:37
So in other words, I define what I wanted.
366
922000
2000
다시 말해서. 제가 원하는 것을 정의 하는 거죠.
15:39
Let's say I want to sort numbers,
367
924000
2000
예를들어, 제가 했던 간단한 예제처럼
15:41
as a simple example I've done it with.
368
926000
2000
숫자들을 정렬하고 싶습니다.
15:43
So find the programs that come closest to sorting numbers.
369
928000
3000
숫자들을 정렬하는데 가장 근접한 프로그램을 찾고,
15:46
So of course, random sequences of instructions
370
931000
3000
물론 명령어들의 무작위 조합은
15:49
are very unlikely to sort numbers,
371
934000
2000
숫자들을 정렬하지 못하죠,
15:51
so none of them will really do it.
372
936000
2000
어떤 명령어도 하지 않습니다.
15:53
But one of them, by luck,
373
938000
2000
하지만 운좋게 그 명령어들 중에서 한가지는
15:55
may put two numbers in the right order.
374
940000
2000
두 숫자를 똑바로 정렬 할 수도 있습니다.
15:57
And I say, "Computer,
375
942000
2000
그리고 제가 이렇게 말을 합니다.
15:59
would you please now take the 10 percent
376
944000
3000
"컴퓨터, 작업을 제일 잘했던 명령어들중에서
16:02
of those random sequences that did the best job.
377
947000
2000
10%를 골라보세요."
16:04
Save those. Kill off the rest.
378
949000
2000
"나머지는 모두 삭제하고 그 명령어들만 저장하세요."
16:06
And now let's reproduce
379
951000
2000
"그리고 숫자들을 잘 정렬했던
16:08
the ones that sorted numbers the best.
380
953000
2000
명령어들을 다시 만들어 내세요."
16:10
And let's reproduce them by a process of recombination
381
955000
3000
"그리고 교배 하듯이 재조합 과정을 통해
16:13
analogous to sex."
382
958000
2000
재생산하세요."
16:15
Take two programs and they produce children
383
960000
3000
두개의 프로그램을 선택하고, 이 프로그램들의
16:18
by exchanging their subroutines,
384
963000
2000
하부 프로그램을 교환해서 자식 프로그램을 생산합니다.
16:20
and the children inherit the traits of the subroutines of the two programs.
385
965000
3000
그리고 그 자식 프로그램이 하부 프로그램의 특성을 상속 받습니다.
16:23
So I've got now a new generation of programs
386
968000
3000
그래서 저는 조금 더 낳은 작업을 수행하는
16:26
that are produced by combinations
387
971000
2000
프로그램들의 조합을 통해서 생산된
16:28
of the programs that did a little bit better job.
388
973000
2000
새로운 세대의 프로그램을 만들게 됩니다.
16:30
Say, "Please repeat that process."
389
975000
2000
예를들어, "이 과정을 반복하세요."
16:32
Score them again.
390
977000
2000
점수를 다시 매기고,
16:34
Introduce some mutations perhaps.
391
979000
2000
아마도 새로운 조합이 나오겠죠.
16:36
And try that again and do that for another generation.
392
981000
3000
그리고 다시 시도하고 또 다른 세대에 대해서 시행합니다.
16:39
Well every one of those generations just takes a few milliseconds.
393
984000
3000
이런 모든 세대들은 단지 1000분의 1초밖에 걸리지 않습니다.
16:42
So I can do the equivalent
394
987000
2000
그래서 저는 컴퓨터를 가지고 몇분안에
16:44
of millions of years of evolution on that
395
989000
2000
수백만년이 걸렸던 진화와 같은 과정을
16:46
within the computer in a few minutes,
396
991000
3000
진행해 볼 수 있습니다.
16:49
or in the complicated cases, in a few hours.
397
994000
2000
복잡한 경우에는 몇시간 정도 걸리겠죠.
16:51
At the end of that, I end up with programs
398
996000
3000
그리고 마지막에는 숫자를 완벽하게 정렬하는
16:54
that are absolutely perfect at sorting numbers.
399
999000
2000
프로그램으로 진화를 마치게 됩니다.
16:56
In fact, they are programs that are much more efficient
400
1001000
3000
사실 제가 손으로 작성하는 프로그램 보다
16:59
than programs I could have ever written by hand.
401
1004000
2000
훨씬더 효율적인 프로그램들이 나옵니다.
17:01
Now if I look at those programs,
402
1006000
2000
이 프로그램들을 보면,
17:03
I can't tell you how they work.
403
1008000
2000
어떻게 작동하는지는 말할 수 없습니다.
17:05
I've tried looking at them and telling you how they work.
404
1010000
2000
지속적으로 보면서 어떻게 작동하는지 말씀드리도록 하겠습니다.
17:07
They're obscure, weird programs.
405
1012000
2000
이 프로그램들은 모호하고 희한합니다.
17:09
But they do the job.
406
1014000
2000
하지만 원했던 작업을 합니다.
17:11
And in fact, I know, I'm very confident that they do the job
407
1016000
3000
저는 이 프로그램들이 이 작업을 할 것이라고 확신하죠.
17:14
because they come from a line
408
1019000
2000
왜냐하면 그런 작업들을 했던
17:16
of hundreds of thousands of programs that did the job.
409
1021000
2000
수백, 수천줄의 프로그램에서 나왔기 때문이죠.
17:18
In fact, their life depended on doing the job.
410
1023000
3000
사실 이 프로그램의 생명은 하는 작업에 달려있죠.
17:21
(Laughter)
411
1026000
4000
(웃음)
17:26
I was riding in a 747
412
1031000
2000
저는 마빈 민스키 교수와
17:28
with Marvin Minsky once,
413
1033000
2000
747기종 비행기를 타고 있었습니다.
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1035000
3000
그리고 이 카드를 꺼내면서 말했습니다. "오, 이것보세요."
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1038000
4000
카드에는 "이 비행기에는 여러분의 안전비행을 책임지는
17:37
working together to make you a safe flight.'
416
1042000
4000
수많은 부품들이 있습니다." 라고 쓰여 있었습니다.
17:41
Doesn't that make you feel confident?"
417
1046000
2000
이 문구가 여러분들을 확신하게 만들지 않나요?
17:43
(Laughter)
418
1048000
2000
(웃음)
17:45
In fact, we know that the engineering process doesn't work very well
419
1050000
3000
사실 우리는 복잡한 경우에는
17:48
when it gets complicated.
420
1053000
2000
기계과정이 잘 작동하지 않는다는 것을 알고 있습니다.
17:50
So we're beginning to depend on computers
421
1055000
2000
그래서 우리는 기계적인 공학과는 아주 다른
17:52
to do a process that's very different than engineering.
422
1057000
4000
과정들을 처리하기 위해 컴퓨터에 의존하기 시작했습니다.
17:56
And it lets us produce things of much more complexity
423
1061000
3000
그리고 우리가 생산하는 일반적인 공학보다도
17:59
than normal engineering lets us produce.
424
1064000
2000
훨씬더 복잡한 것들을 만들수 있게 합니다.
18:01
And yet, we don't quite understand the options of it.
425
1066000
3000
그리고 선택사항들도 이해하지 못합니다.
18:04
So in a sense, it's getting ahead of us.
426
1069000
2000
어떤면에서는 우리보다 앞서 있다고 할 수 있습니다.
18:06
We're now using those programs
427
1071000
2000
우리는 지금 더 빠른 컴퓨터를 만들려고
18:08
to make much faster computers
428
1073000
2000
그런 프로그램들을 사용하고 있습니다.
18:10
so that we'll be able to run this process much faster.
429
1075000
3000
그리서 이런 과정들이 더 빠르게 실행 할 수 있게 될 것입니다.
18:13
So it's feeding back on itself.
430
1078000
3000
스스로 피드백을 주게 되죠.
18:16
The thing is becoming faster
431
1081000
2000
그런 과정들은 더 빨라집니다.
18:18
and that's why I think it seems so confusing.
432
1083000
2000
그리고 그것이 왜 혼동스러운지를 생각했습니다.
18:20
Because all of these technologies are feeding back on themselves.
433
1085000
3000
왜냐하면 이런 모든 기술들은 스스로 피드백을 하기 때문입니다.
18:23
We're taking off.
434
1088000
2000
우리는 이륙하고 있습니다.
18:25
And what we are is we're at a point in time
435
1090000
3000
그리고 우리는 단세포 조직이
18:28
which is analogous to when single-celled organisms
436
1093000
2000
다세포 조직으로 바뀌는 것과 비슷한
18:30
were turning into multi-celled organisms.
437
1095000
3000
시간상에 있습니다.
18:33
So we're the amoebas
438
1098000
2000
우리는 아베바와 같고,
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1100000
3000
그리고 우리가 무엇을 만들고 있는지 정확하게 알지 못합니다.
18:38
We're right at that point of transition.
440
1103000
2000
우리는 분명 변혁의 시기에 있습니다.
18:40
But I think that there really is something coming along after us.
441
1105000
3000
하지만 우리 다음에 무엇인가 함께 오고 있다고 생각합니다.
18:43
I think it's very haughty of us
442
1108000
2000
사람이 진화의 마지막 산물이라는 생각은
18:45
to think that we're the end product of evolution.
443
1110000
3000
아주 거만한 생각 같아요.
18:48
And I think all of us here
444
1113000
2000
여기 우리 모두는
18:50
are a part of producing
445
1115000
2000
다음 세상이 무엇이든지
18:52
whatever that next thing is.
446
1117000
2000
생산의 일부라고 생각합니다.
18:54
So lunch is coming along,
447
1119000
2000
점심시간이 다가오네요,
18:56
and I think I will stop at that point,
448
1121000
2000
저만 빼놓기 전에
18:58
before I get selected out.
449
1123000
2000
이쯤에서 강연을 마쳐야겠네요.
19:00
(Applause)
450
1125000
3000
(박수)
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com