TED2003
George Dyson: The birth of the computer
George Dyson fala sobre o nascimento do computador
Filmed:
Readability: 4.1
970,297 views
O historiador George Dyson conta histórias sobre o nascimento do computador moderno - desde suas origens no século XVI até as hilárias anotações de alguns dos primeiros engenheiros de computadores.
George Dyson - Historian of science
In telling stories of technologies and the individuals who created them, George Dyson takes a clear-eyed view of our scientific past -- while illuminating what lies ahead. Full bio
In telling stories of technologies and the individuals who created them, George Dyson takes a clear-eyed view of our scientific past -- while illuminating what lies ahead. Full bio
Double-click the English transcript below to play the video.
00:12
Last year, I told you the story, in seven minutes, of Project Orion,
0
0
4000
Ano passado eu contei a vocês, em sete minutos, a história do Projeto Orion,
00:16
which was this very implausible technology
1
4000
2000
que foi esta tecnologia muito implausível
00:18
that technically could have worked,
2
6000
4000
que poderia ter funcionado tecnicamente,
00:22
but it had this one-year political window where it could have happened.
3
10000
4000
mas enfrentou um ano de janela política onde poderia ter acontecido,
00:26
So it didn't happen. It was a dream that did not happen.
4
14000
2000
mas não aconteceu. Foi um sonho que não se realizou.
00:28
This year I'm going to tell you the story of the birth of digital computing.
5
16000
5000
Este ano eu contarei a história do nascimento da computação digital.
00:33
This was a perfect introduction.
6
21000
2000
Esta foi uma perfeita introdução.
00:35
And it's a story that did work. It did happen,
7
23000
2000
E foi uma história que funcionou. Ela se realizou,
00:37
and the machines are all around us.
8
25000
2000
e as máquinas estão todas ao nosso redor.
00:39
And it was a technology that was inevitable.
9
27000
4000
E foi uma tecnologia inevitável.
00:43
If the people I'm going to tell you the story about,
10
31000
2000
Se as pessoas dessa história que irei contar --
00:45
if they hadn't done it, somebody else would have.
11
33000
2000
se elas não tivessem realizado isso, outras pessoas o fariam.
00:47
So, it was sort of the right idea at the right time.
12
35000
4000
Então foi o tipo de idéia certa, na hora certa.
00:51
This is Barricelli's universe. This is the universe we live in now.
13
39000
3000
Esse é o universo de Barricelli. Esse é o universo em que vivemos.
00:54
It's the universe in which these machines
14
42000
2000
É o universo em que essas máquinas
00:56
are now doing all these things, including changing biology.
15
44000
6000
estão agora fazendo todas essas coisas, até mesmo mudanças na biologia.
01:02
I'm starting the story with the first atomic bomb at Trinity,
16
50000
5000
Começarei a história com a primeira bomba atômica em Trinity,
01:07
which was the Manhattan Project. It was a little bit like TED:
17
55000
2000
que era o Projeto Manhattan. Era um pouco parecido com o TED:
01:09
it brought a whole lot of very smart people together.
18
57000
3000
uma junção de pessoas muito inteligentes.
01:12
And three of the smartest people were
19
60000
2000
E três das pessoas mais inteligentes eram
01:14
Stan Ulam, Richard Feynman and John von Neumann.
20
62000
4000
Stan Ulam, Richard Feynman e John von Neumann,
01:18
And it was Von Neumann who said, after the bomb,
21
66000
2000
e foi von Neumann que disse, após a bomba,
01:20
he was working on something much more important than bombs:
22
68000
4000
que ele estava trabalhando em algo muito mais importante do que bombas:
01:24
he's thinking about computers.
23
72000
2000
ele estava pensando em computadores.
01:26
So, he wasn't only thinking about them; he built one. This is the machine he built.
24
74000
4000
Ele não estava apenas pensando sobre eles; ele construiu um. Esta é a máquina que ele construiu.
01:30
(Laughter)
25
78000
4000
(Risos)
01:34
He built this machine,
26
82000
2000
Ele construiu essa máquina,
01:36
and we had a beautiful demonstration of how this thing really works,
27
84000
3000
e tivemos uma bela demonstração de como essa coisa realmente funciona,
01:39
with these little bits. And it's an idea that goes way back.
28
87000
3000
com estes pequenos bits. E é uma idéia que surgiu muito antes.
01:42
The first person to really explain that
29
90000
3000
A primeira pessoa a realmente explicar isso
01:45
was Thomas Hobbes, who, in 1651,
30
93000
3000
foi Thomas Hobbes, que em 1651,
01:48
explained how arithmetic and logic are the same thing,
31
96000
3000
explicou como a aritmética e a lógica são a mesma coisa,
01:51
and if you want to do artificial thinking and artificial logic,
32
99000
3000
e se você quer ter um pensamento artificial e uma lógica artificial,
01:54
you can do it all with arithmetic.
33
102000
2000
você pode fazer tudo com a aritmética.
01:56
He said you needed addition and subtraction.
34
104000
4000
Ele disse que era necessário adição e subtração.
02:00
Leibniz, who came a little bit later -- this is 1679 --
35
108000
4000
Leibniz, que veio um pouco depois - em 1679 -
02:04
showed that you didn't even need subtraction.
36
112000
2000
mostrou que nem a subtração era necessária.
02:06
You could do the whole thing with addition.
37
114000
2000
Você poderia fazer a coisa toda com a adição.
02:08
Here, we have all the binary arithmetic and logic
38
116000
3000
Aqui nós temos toda a aritmética e lógica binária
02:11
that drove the computer revolution.
39
119000
2000
que conduziu a revolução dos computadores,
02:13
And Leibniz was the first person to really talk about building such a machine.
40
121000
4000
e Leibniz foi a primeira pessoa a realmente falar sobre construir essa máquina.
02:17
He talked about doing it with marbles,
41
125000
2000
Ela falou sobre contruí-la com bolas de gude,
02:19
having gates and what we now call shift registers,
42
127000
2000
tendo portas e aquilo que chamamos agora de registros de deslocamento,
02:21
where you shift the gates, drop the marbles down the tracks.
43
129000
3000
onde você alterna as portas e as bolas de gude caem nos trilhos.
02:24
And that's what all these machines are doing,
44
132000
2000
E é isso que todas essas máquinas estão fazendo,
02:26
except, instead of doing it with marbles,
45
134000
2000
exceto que em vez de bolas de gude,
02:28
they're doing it with electrons.
46
136000
2000
estão fazendo com elétrons.
02:30
And then we jump to Von Neumann, 1945,
47
138000
4000
E então nós pulamos até von Neumann, 1945,
02:34
when he sort of reinvents the whole same thing.
48
142000
2000
quando ele praticamente reinventa a mesma coisa.
02:36
And 1945, after the war, the electronics existed
49
144000
3000
E 1945, depois da guerra, a eletrônica existia
02:39
to actually try and build such a machine.
50
147000
3000
possibilitando a construção da tal máquina.
02:42
So June 1945 -- actually, the bomb hasn't even been dropped yet --
51
150000
4000
Junho de 1945. Na verdade, a bomba ainda não foi lançada,
02:46
and Von Neumann is putting together all the theory to actually build this thing,
52
154000
4000
e von Neumann está organizando toda a teoria para construir essa coisa,
02:50
which also goes back to Turing,
53
158000
2000
que também remete à Turing,
02:52
who, before that, gave the idea that you could do all this
54
160000
3000
quem, antes disso, deu a idéia de que você poderia fazer tudo isso
02:55
with a very brainless, little, finite state machine,
55
163000
4000
com uma máquina bem pequena e sem cérebro,
02:59
just reading a tape in and reading a tape out.
56
167000
3000
apenas lendo uma fita sequencialmente.
03:02
The other sort of genesis of what Von Neumann did
57
170000
3000
O outro tipo de genesis que von Neumann criou
03:05
was the difficulty of how you would predict the weather.
58
173000
4000
foi a dificuldade com a previsão do tempo.
03:09
Lewis Richardson saw how you could do this with a cellular array of people,
59
177000
4000
Lewis Richardson percebeu como poderia fazer isso com um leque celular de pessoas,
03:13
giving them each a little chunk, and putting it together.
60
181000
3000
dando a cada uma delas uma pequena cabeça, e coletando-os.
03:16
Here, we have an electrical model illustrating a mind having a will,
61
184000
3000
Aqui nós temos um modelo elétrico ilustrando uma mente que possui arbítrio,
03:19
but capable of only two ideas.
62
187000
2000
mas capaz apenas de duas idéias.
03:21
(Laughter)
63
189000
1000
(Risos).
03:22
And that's really the simplest computer.
64
190000
3000
E esse é o computador mais simples.
03:25
It's basically why you need the qubit,
65
193000
2000
É basicamente a razão da necessidade do qubit (bit quântico),
03:27
because it only has two ideas.
66
195000
2000
porque possui apenas duas idéias.
03:29
And you put lots of those together,
67
197000
2000
E se você coloca muitos desses juntos,
03:31
you get the essentials of the modern computer:
68
199000
3000
você têm a essência de um computador moderno.
03:34
the arithmetic unit, the central control, the memory,
69
202000
3000
a unidade aritmética, o controle central, a memória,
03:37
the recording medium, the input and the output.
70
205000
3000
o meio de gravação, o input e o output.
03:40
But, there's one catch. This is the fatal -- you know,
71
208000
4000
Mas tem uma sacada. Esta é a fatal --
03:44
we saw it in starting these programs up.
72
212000
3000
nós vimos ao iniciar esses programas.
03:47
The instructions which govern this operation
73
215000
2000
As instruções que governam essa operação
03:49
must be given in absolutely exhaustive detail.
74
217000
2000
precisam ser apresentadaa em detalhes absolutamente exaustivos.
03:51
So, the programming has to be perfect, or it won't work.
75
219000
3000
Então a programação precisa ser perfeita, ou então não funciona.
03:54
If you look at the origins of this,
76
222000
2000
Se você olhar para as origens disso,
03:56
the classic history sort of takes it all back to the ENIAC here.
77
224000
4000
a história clássica leva tudo de volta ao ENIAC aqui embaixo.
04:00
But actually, the machine I'm going to tell you about,
78
228000
2000
Mas na verdade a máquina sobre a qual falarei,
04:02
the Institute for Advanced Study machine, which is way up there,
79
230000
3000
a máquina do Institute for Grand Study, que está bem lá em cima,
04:05
really should be down there. So, I'm trying to revise history,
80
233000
2000
na verdade deveria estar aqui embaixo. Então eu estou tentando rever a história,
04:07
and give some of these guys more credit than they've had.
81
235000
3000
e dar a esses caras um pouco mais de crédito do que eles tiveram.
04:10
Such a computer would open up universes,
82
238000
2000
Tal computador abriria universos
04:12
which are, at the present, outside the range of any instruments.
83
240000
4000
que atualmente, estão fora do alcance de quaisquer instrumentos,
04:16
So it opens up a whole new world, and these people saw it.
84
244000
3000
então eles abrem um novo mundo, e essas pessoas enxergaram isso.
04:19
The guy who was supposed to build this machine
85
247000
2000
O cara que deveria construir essa máquina
04:21
was the guy in the middle, Vladimir Zworykin, from RCA.
86
249000
3000
era o cara do meio, Vladimir Zworykin, da RCA.
04:24
RCA, in probably one of the lousiest business decisions
87
252000
3000
RCA, em provavelmente uma das decisões de negócio mais tolas
04:27
of all time, decided not to go into computers.
88
255000
3000
de todos os tempos, decidiu não investir em computadores.
04:30
But the first meetings, November 1945, were at RCA's offices.
89
258000
5000
Mas o primeiro encontro, novembro de 1945, aconteceu na RCA.
04:35
RCA started this whole thing off, and said, you know,
90
263000
4000
A RCA iniciou a coisa toda, e disse
04:39
televisions are the future, not computers.
91
267000
3000
as televisões são o futuro, não os computadores.
04:42
The essentials were all there --
92
270000
2000
A essência estava toda ali --
04:44
all the things that make these machines run.
93
272000
4000
todas as coisas que fazem essas máquinas funcionar.
04:48
Von Neumann, and a logician, and a mathematician from the army
94
276000
3000
Von Neumann, junto com um lógico e um matemático do exército
04:51
put this together. Then, they needed a place to build it.
95
279000
2000
se organizaram. Mas eles precisavam de um local para a construção.
04:53
When RCA said no, that's when they decided to build it in Princeton,
96
281000
4000
Quando a RCA disse não, eles decidiram construir em Princeton,
04:57
where Freeman works at the Institute.
97
285000
2000
onde Freeman trabalhava no Instituto.
04:59
That's where I grew up as a kid.
98
287000
2000
Foi lá que eu passei minha infância.
05:01
That's me, that's my sister Esther, who's talked to you before,
99
289000
4000
Lá estou eu, minha irmã Esther, que se apresentou anteriormente,
05:05
so we both go back to the birth of this thing.
100
293000
3000
então nós dois regressamos ao nascimento dessa coisa.
05:08
That's Freeman, a long time ago,
101
296000
2000
Aquele é Freeman, muito tempo atrás,
05:10
and that was me.
102
298000
1000
e aquele sou eu.
05:11
And this is Von Neumann and Morgenstern,
103
299000
3000
E esses são von Neumann e Morgenstern,
05:14
who wrote the "Theory of Games."
104
302000
2000
que escreveu a Teoria dos Jogos.
05:16
All these forces came together there, in Princeton.
105
304000
4000
Todas essas forças se juntaram, em Princeton.
05:20
Oppenheimer, who had built the bomb.
106
308000
2000
Oppenheimer, que construiu a bomba.
05:22
The machine was actually used mainly for doing bomb calculations.
107
310000
4000
A máquina era na verdade usada principalmente para operar cálculos das bombas.
05:26
And Julian Bigelow, who took
108
314000
2000
E Julian Bigelow, que tomou
05:28
Zworkykin's place as the engineer, to actually figure out, using electronics,
109
316000
4000
posse como engenheiro para descobrir, usando eletrônicos,
05:32
how you would build this thing. The whole gang of people who came to work on this,
110
320000
3000
como poderiam construir essa coisa. O time completo de pessoas que apareceu para trabalhar,
05:35
and women in front, who actually did most of the coding, were the first programmers.
111
323000
5000
e mulheres na frente, que na verdade fizeram a maior parte dos códigos, foram as primeiras programadoras.
05:40
These were the prototype geeks, the nerds.
112
328000
4000
Esses eram os geeks da prototipação, os nerds.
05:44
They didn't fit in at the Institute.
113
332000
2000
Eles não se enquadravam no Instituto.
05:46
This is a letter from the director, concerned about --
114
334000
3000
Aqui está uma carta do diretor, preocupado com --
05:49
"especially unfair on the matter of sugar."
115
337000
3000
"especialmente injustos no que concerne ao açucar".
05:52
(Laughter)
116
340000
1000
(Risos).
05:53
You can read the text.
117
341000
1000
Vocês podem ler o texto.
05:54
(Laughter)
118
342000
6000
(Risos).
06:00
This is hackers getting in trouble for the first time.
119
348000
4000
Os hackers se metendo em confusão pela primeira vez.
06:04
(Laughter).
120
352000
5000
(Risos).
06:09
These were not theoretical physicists.
121
357000
2000
Esses não eram físicos teóricos.
06:11
They were real soldering-gun type guys, and they actually built this thing.
122
359000
5000
Esses caras realmente colocaram a mão na massa, e eles construiram esta coisa.
06:16
And we take it for granted now, that each of these machines
123
364000
2000
E nós subestimamos agora que cada uma dessas máquinas
06:18
has billions of transistors, doing billions of cycles per second without failing.
124
366000
5000
possui bilhões de transístores, fazendo milhões de ciclos por segundo sem falhar.
06:23
They were using vacuum tubes, very narrow, sloppy techniques
125
371000
4000
Eles usavam tubos de vácuo, técnicas bastante rudimentares
06:27
to get actually binary behavior out of these radio vacuum tubes.
126
375000
5000
para alcançar o compartamente binário a partir desses tubos de vácuo de rádio.
06:32
They actually used 6J6, the common radio tube,
127
380000
3000
Eles na verdade usaram 6J6, o tubo de rádio padrão,
06:35
because they found they were more reliable than the more expensive tubes.
128
383000
4000
porque eles descobriram que eram mais confiáveis do que os tubos mais caros.
06:39
And what they did at the Institute was publish every step of the way.
129
387000
4000
E o que eles fizeram no Instituto foi publicar tudo o que se fazia.
06:43
Reports were issued, so that this machine was cloned
130
391000
3000
Relatórios foram publicados, fazendo com que esta máquna fosse clonada
06:46
at 15 other places around the world.
131
394000
3000
em 15 outros locais ao redor do mundo.
06:49
And it really was. It was the original microprocessor.
132
397000
4000
E foi mesmo. Era o microprocessador original.
06:53
All the computers now are copies of that machine.
133
401000
2000
Todos os computadores de hoje são cópias desta máquina.
06:55
The memory was in cathode ray tubes --
134
403000
3000
A memória ficava em tubos catódicos -
06:58
a whole bunch of spots on the face of the tube --
135
406000
3000
uma porção de pontos na face do tubo,
07:01
very, very sensitive to electromagnetic disturbances.
136
409000
3000
muito, muito sensíveis a perturbações electromagnéticas.
07:04
So, there's 40 of these tubes,
137
412000
2000
Então, há 40 desses tubos,
07:06
like a V-40 engine running the memory.
138
414000
3000
como um motor V-40 executando a memória.
07:09
(Laughter)
139
417000
1000
(Risos).
07:10
The input and the output was by teletype tape at first.
140
418000
5000
A entrada e a saída eram feitas inicialmente com fitas teletipo.
07:15
This is a wire drive, using bicycle wheels.
141
423000
2000
Este é um disco, usando rodas de bicicletas.
07:17
This is the archetype of the hard disk that's in your machine now.
142
425000
5000
Este é o arquétipo do disco rígido que está em sua máquina hoje.
07:22
Then they switched to a magnetic drum.
143
430000
2000
Então eles mudaram para um tambor magnético.
07:24
This is modifying IBM equipment,
144
432000
2000
Aqui é a modificação do equipamento IBM,
07:26
which is the origins of the whole data-processing industry, later at IBM.
145
434000
4000
que é a origem de toda a indústria de processamento de dados, mais tarde na IBM.
07:30
And this is the beginning of computer graphics.
146
438000
3000
E este é o início da computação gráfica.
07:33
The "Graph'g-Beam Turn On." This next slide,
147
441000
3000
O "Graph'g-Beam Turn On." Esse próximo slide,
07:36
that's the -- as far as I know -- the first digital bitmap display, 1954.
148
444000
7000
esse é - até onde sei - o primeiro display digital bitmap, 1954.
07:43
So, Von Neumann was already off in a theoretical cloud,
149
451000
3000
Então, Von Neumann já estava em uma nuvem teórica
07:46
doing abstract sorts of studies of how you could build
150
454000
3000
fazendo estudos abstratos sobre como você pode construir
07:49
reliable machines out of unreliable components.
151
457000
3000
máquinas confiáveis a partir de componentes não-confiáveis.
07:52
Those guys drinking all the tea with sugar in it
152
460000
2000
Aqueles caras bebendo todo o chá com açúcar
07:54
were writing in their logbooks, trying to get this thing to work, with all
153
462000
4000
escreviam em seus diários tentando fazer essa coisa funcionar, com todos
07:58
these 2,600 vacuum tubes that failed half the time.
154
466000
3000
estes 2.600 tubos de vácuo que falhavam metade das vezes.
08:01
And that's what I've been doing, this last six months, is going through the logs.
155
469000
5000
E isso é o que tenho feito nos últimos seis meses, lendo os diários.
08:06
"Running time: two minutes. Input, output: 90 minutes."
156
474000
3000
"Duração: dois minutos. Entrada, Saída: 90 minutos."
08:09
This includes a large amount of human error.
157
477000
3000
Isso inclui uma grande quantidade de erros humanos.
08:12
So they are always trying to figure out, what's machine error? What's human error?
158
480000
3000
Estão sempre tentando descobrir o que é erro da máquina? O que é erro humano?
08:15
What's code, what's hardware?
159
483000
2000
O que é código, o que é hardware?
08:17
That's an engineer gazing at tube number 36,
160
485000
2000
Esse é um engenheiro hipnotizado pelo tubo número 36,
08:19
trying to figure out why the memory's not in focus.
161
487000
2000
tentando descobrir por que a memória não está ajustada.
08:21
He had to focus the memory -- seems OK.
162
489000
3000
Ele teve que ajustar a memória - parece ok.
08:24
So, he had to focus each tube just to get the memory up and running,
163
492000
4000
Então, ele teve que ajustar cada tubo só fazer a memória funcionar,
08:28
let alone having, you know, software problems.
164
496000
2000
sem contar os problemas de software.
08:30
"No use, went home." (Laughter)
165
498000
2000
"Inútil, fui pra casa". (Risos)
08:32
"Impossible to follow the damn thing, where's a directory?"
166
500000
3000
"Impossível acompanhar a coisa, onde está um diretório?"
08:35
So, already, they're complaining about the manuals:
167
503000
2000
Já estavam reclamando dos manuais:
08:37
"before closing down in disgust ... "
168
505000
4000
"antes de fechar em desgosto".
08:41
"The General Arithmetic: Operating Logs."
169
509000
2000
A aritmética geral - os registos de funcionamento,
08:43
Burning lots of midnight oil.
170
511000
3000
trabalhando até altas horas.
08:46
"MANIAC," which became the acronym for the machine,
171
514000
2000
MANIAC, que se tornou o acrônimo da máquina,
08:48
Mathematical and Numerical Integrator and Calculator, "lost its memory."
172
516000
3000
Mathematical And Numerical Integrator And Calculator, "perdeu sua memória".
08:51
"MANIAC regained its memory, when the power went off." "Machine or human?"
173
519000
6000
"MANIAC recuperou sua memória quando a energia caiu", "máquina ou humano?"
08:57
"Aha!" So, they figured out it's a code problem.
174
525000
3000
"Aha!" Então eles descobriram: é um problema de código:
09:00
"Found trouble in code, I hope."
175
528000
2000
"Encontrei o problema no código, eu espero."
09:02
"Code error, machine not guilty."
176
530000
3000
"Erro de código, a máquina é inocente".
09:05
"Damn it, I can be just as stubborn as this thing."
177
533000
3000
"Diabos, eu posso ser tão teimoso como esta coisa."
09:08
(Laughter)
178
536000
5000
(Risos).
09:13
"And the dawn came." So they ran all night.
179
541000
2000
"E veio o amanhecer." Eles trabalhavam a noite inteira.
09:15
Twenty-four hours a day, this thing was running, mainly running bomb calculations.
180
543000
4000
Funcionava 24 horas por dia, executando principalmente cálculos de bomba.
09:19
"Everything up to this point is wasted time." "What's the use? Good night."
181
547000
5000
"Tudo até agora foi tempo perdido." "Qual o objetivo? Boa noite."
09:24
"Master control off. The hell with it. Way off." (Laughter)
182
552000
4000
"Controle mestre desligado. Que se dane. Tô caindo fora". (Risos)
09:28
"Something's wrong with the air conditioner --
183
556000
2000
"Algo está errado com o ar condicionado --
09:30
smell of burning V-belts in the air."
184
558000
3000
cheiro de correias queimadas no ar".
09:33
"A short -- do not turn the machine on."
185
561000
2000
"Uma rapidinha - não ligue a máquina".
09:35
"IBM machine putting a tar-like substance on the cards. The tar is from the roof."
186
563000
5000
"Máquina IBM jogando fumaça sobre os carros. A fumaça vêm do telhado".
09:40
So they really were working under tough conditions.
187
568000
2000
Então, eles realmente estavam trabalhando sob condições duras.
09:42
(Laughter)
188
570000
1000
(Risos).
09:43
Here, "A mouse has climbed into the blower
189
571000
2000
Aqui, "Um rato entrou no ventilador
09:45
behind the regulator rack, set blower to vibrating. Result: no more mouse."
190
573000
4000
por trás do regulador, ativou o ventilador. Resultado: adeus rato".
09:49
(Laughter)
191
577000
5000
(Risos).
09:54
"Here lies mouse. Born: ?. Died: 4:50 a.m., May 1953."
192
582000
7000
"Aqui jaz rato. Nascido? Morto 4:50am, Maio 1953".
10:01
(Laughter)
193
589000
1000
(Risos).
10:02
There's an inside joke someone has penciled in:
194
590000
2000
Há uma piada interna que alguém anotou:
10:04
"Here lies Marston Mouse."
195
592000
2000
"Aqui jaz Marston Mouse".
10:06
If you're a mathematician, you get that,
196
594000
2000
Se você é matemático, vai entender a piada,
10:08
because Marston was a mathematician who
197
596000
1000
porque Marston era um matemático que
10:09
objected to the computer being there.
198
597000
3000
opôs-se ao computador estar lá.
10:12
"Picked a lightning bug off the drum." "Running at two kilocycles."
199
600000
4000
"Peguei um vaga-lume no tambor, correndo em dois kilociclos".
10:16
That's two thousand cycles per second --
200
604000
2000
Isso dá dois mil ciclos por segundo -
10:18
"yes, I'm chicken" -- so two kilocycles was slow speed.
201
606000
3000
"sim, sou galinha" - então dois kilociclos era velocidade baixa.
10:21
The high speed was 16 kilocycles.
202
609000
3000
A velocidade alta era 16 kilociclos.
10:24
I don't know if you remember a Mac that was 16 Megahertz,
203
612000
3000
Eu não sei se vocês lembram de um Mac que tinha 16 Megahertz.
10:27
that's slow speed.
204
615000
2000
Aquilo era velocidade baixa.
10:29
"I have now duplicated both results.
205
617000
3000
"Eu dupliquei os resultados.
10:32
How will I know which is right, assuming one result is correct?
206
620000
3000
Como saberei qual é o certo, considerando um resultado como correto?
10:35
This now is the third different output.
207
623000
2000
Essa agora é a terceira saída diferente.
10:37
I know when I'm licked."
208
625000
2000
Eu sei que eu tô ferrado".
10:39
(Laughter)
209
627000
2000
(Risos).
10:41
"We've duplicated errors before."
210
629000
2000
"Nós duplicamos erros anteriormente".
10:43
"Machine run, fine. Code isn't."
211
631000
3000
"Máquina funcionando bem. Código não".
10:46
"Only happens when the machine is running."
212
634000
2000
"Só acontece quando a máquina está ligada".
10:48
And sometimes things are okay.
213
636000
4000
E algumas vezes as coisas vão bem.
10:52
"Machine a thing of beauty, and a joy forever." "Perfect running."
214
640000
4000
"Máquina está uma beleza e uma alegria constante". "Funcionamento perfeito".
10:56
"Parting thought: when there's bigger and better errors, we'll have them."
215
644000
4000
"Pensamento: quando existirem erros maiores e melhores, nós os teremos".
11:00
So, nobody was supposed to know they were actually designing bombs.
216
648000
3000
Portanto, ninguém deveria saber, de fato, que estavam projetando bombas.
11:03
They're designing hydrogen bombs. But someone in the logbook,
217
651000
2000
Estavam projetando bombas de hidrogénio. Mas alguém nos diários,
11:05
late one night, finally drew a bomb.
218
653000
2000
no final de uma noite, finalmente desenhou uma bomba.
11:07
So, that was the result. It was Mike,
219
655000
2000
Então esse foi o resultado. Mike,
11:09
the first thermonuclear bomb, in 1952.
220
657000
3000
a primeira bomba termonuclear, em 1952.
11:12
That was designed on that machine,
221
660000
2000
Que foi projetada naquela máquina,
11:14
in the woods behind the Institute.
222
662000
2000
nos bosques atrás do Instituto.
11:16
So Von Neumann invited a whole gang of weirdos
223
664000
4000
Então von Neumann convidou uma gangue inteira de malucos
11:20
from all over the world to work on all these problems.
224
668000
3000
de todas as partes do mundo para trabalhar nesses problemas.
11:23
Barricelli, he came to do what we now call, really, artificial life,
225
671000
4000
Barricelli, que veio a fazer o que chamamos hoje, verdadeiramente, de vida artificial,
11:27
trying to see if, in this artificial universe --
226
675000
3000
tentando ver se, nesse universo artificial -
11:30
he was a viral-geneticist, way, way, way ahead of his time.
227
678000
3000
ele foi um geneticista-viral - bem, bem, bem à frente do seu tempo.
11:33
He's still ahead of some of the stuff that's being done now.
228
681000
3000
Ele continua à frente de algumas das coisas que estão sendo feitas agora.
11:36
Trying to start an artificial genetic system running in the computer.
229
684000
5000
Tentando conceber um sistema genético artificial funcionando no computador.
11:41
Began -- his universe started March 3, '53.
230
689000
3000
Começou - seu universo teve início em 3 de março de 1953.
11:44
So it's almost exactly -- it's 50 years ago next Tuesday, I guess.
231
692000
5000
Então é quase exatamente - são 50 anos na próxima terça, eu acho.
11:49
And he saw everything in terms of --
232
697000
2000
E ele visionou tudo em termos de --
11:51
he could read the binary code straight off the machine.
233
699000
2000
Ele era capaz de ler o código binário direto da sua máquina.
11:53
He had a wonderful rapport.
234
701000
2000
Ele tinha um relacionamento maravilhoso.
11:55
Other people couldn't get the machine running. It always worked for him.
235
703000
3000
Outras pessoas não conseguiam fazer a máquina funcionar. Ela sempre clamava por ele.
11:58
Even errors were duplicated.
236
706000
2000
Até os erros eram duplicados.
12:00
(Laughter)
237
708000
1000
(Risos).
12:01
"Dr. Barricelli claims machine is wrong, code is right."
238
709000
3000
"Dr. Barricelli afirma que a máquina está errada, o código está certo".
12:04
So he designed this universe, and ran it.
239
712000
3000
Então ele projetou esse universo, e fez funcionar.
12:07
When the bomb people went home, he was allowed in there.
240
715000
3000
Quando as pessoas da bomba foram embora, ele foi autorizado a entrar.
12:10
He would run that thing all night long, running these things,
241
718000
3000
Ele rodava a máquina a noite inteira, executando essas coisas.
12:13
if anybody remembers Stephen Wolfram,
242
721000
2000
Se alguém lembra de Stephen Wolfram,
12:15
who reinvented this stuff.
243
723000
2000
que reinventou essa coisa.
12:17
And he published it. It wasn't locked up and disappeared.
244
725000
2000
E ele publicou isso. Não estava restrito e desaparecido.
12:19
It was published in the literature.
245
727000
2000
Estava publicado na literatura.
12:21
"If it's that easy to create living organisms, why not create a few yourself?"
246
729000
3000
"Se é assim tão fácil criar organismos vivos, por que não criar um pouco de si mesmo?"
12:24
So, he decided to give it a try,
247
732000
2000
Então ele decidiu tentar,
12:26
to start this artificial biology going in the machines.
248
734000
4000
começar essa biologia artifical funcionando nas máquinas.
12:30
And he found all these, sort of --
249
738000
2000
E ele descobriu todos esses, tipos de --
12:32
it was like a naturalist coming in
250
740000
2000
Era como se aparecesse um naturalista
12:34
and looking at this tiny, 5,000-byte universe,
251
742000
3000
e enxergasse esse universo minúsculo de 5.000 bits
12:37
and seeing all these things happening
252
745000
2000
e vendo todas essas coisas acontecendo
12:39
that we see in the outside world, in biology.
253
747000
3000
que nós vemos no mundo normal, na biologia.
12:42
This is some of the generations of his universe.
254
750000
6000
Aqui são algumas gerações de seu universo.
12:48
But they're just going to stay numbers;
255
756000
2000
Mas eles permaneceram como números;
12:50
they're not going to become organisms.
256
758000
2000
não se transformavam em organismos.
12:52
They have to have something.
257
760000
1000
Eles precisavam de algo.
12:53
You have a genotype and you have to have a phenotype.
258
761000
2000
Você possui um genótipo e preciso de um fenótipo.
12:55
They have to go out and do something. And he started doing that,
259
763000
3000
Eles precisam sair e fazer alguma coisa. E ele passou a fazer isso,
12:58
started giving these little numerical organisms things they could play with --
260
766000
3000
começou a dar aos pequenos organismos numéricos coisas com que podiam brincar,
13:01
playing chess with other machines and so on.
261
769000
2000
jogar xadrez com outras máquinas e coisas do tipo.
13:03
And they did start to evolve.
262
771000
2000
E elas começaram a evoluir.
13:05
And he went around the country after that.
263
773000
2000
E ele cruzou o país depois disso.
13:07
Every time there was a new, fast machine, he started using it,
264
775000
4000
Toda vez que surgia uma máquina nova, rápida, ele passava a usar,
13:11
and saw exactly what's happening now.
265
779000
2000
e viu exatamente o que está acontecendo agora:
13:13
That the programs, instead of being turned off -- when you quit the program,
266
781000
6000
que os programas, em vez de serem desligados - quando você abandona o programa,
13:19
you'd keep running
267
787000
2000
você o deixaria funcionando
13:21
and, basically, all the sorts of things like Windows is doing,
268
789000
4000
e, basicamente, todos os tipos de coisas que o Windows está fazendo --
13:25
running as a multi-cellular organism on many machines,
269
793000
2000
funcionando como um organismo multi-celular em muitas máquinas --
13:27
he envisioned all that happening.
270
795000
1000
ele visionou isso acontecendo.
13:28
And he saw that evolution itself was an intelligent process.
271
796000
3000
E ele viu que essa evolução era um processo inteligente.
13:31
It wasn't any sort of creator intelligence,
272
799000
3000
Não era uma inteligência a partir de um criador,
13:34
but the thing itself was a giant parallel computation
273
802000
3000
mas a coisa em si era uma computação paralela gigante
13:37
that would have some intelligence.
274
805000
2000
que deveria ter alguma inteligência.
13:39
And he went out of his way to say
275
807000
2000
E ele saiu de seu caminho para dizer
13:41
that he was not saying this was lifelike,
276
809000
3000
que ele não estava dizendo que isso era como a vida,
13:44
or a new kind of life.
277
812000
2000
ou um novo tipo de vida;
13:46
It just was another version of the same thing happening.
278
814000
3000
era apenas uma outra versão da mesma coisa acontecendo.
13:49
And there's really no difference between what he was doing in the computer
279
817000
3000
E na verdade não há diferença entre o que ele estava fazendo no computador
13:52
and what nature did billions of years ago.
280
820000
3000
e o que a natureza fez bilhões de anos atrás.
13:55
And could you do it again now?
281
823000
2000
E você poderia fazer novamente hoje?
13:57
So, when I went into these archives looking at this stuff, lo and behold,
282
825000
4000
Então quando eu fui vendo esses arquivos, surpreendentemente,
14:01
the archivist came up one day, saying,
283
829000
2000
o arquivista apareceu um dia, dizendo,
14:03
"I think we found another box that had been thrown out."
284
831000
3000
"eu acho que encontramos outra caixa que havia sido jogada fora".
14:06
And it was his universe on punch cards.
285
834000
2000
E era o seu universo em cartões perfurados.
14:08
So there it is, 50 years later, sitting there -- sort of suspended animation.
286
836000
6000
Aí estão, 50 anos depois, expostos ali. Uma espécie de animação suspensa.
14:14
That's the instructions for running --
287
842000
2000
Essas são as instruções de funcionamento --
14:16
this is actually the source code
288
844000
2000
que é na verdade o código fonte
14:18
for one of those universes,
289
846000
2000
de um desses universos,
14:20
with a note from the engineers
290
848000
2000
com uma nota de um dos engenheiros
14:22
saying they're having some problems.
291
850000
1000
dizendo que eles tinham alguns problemas.
14:23
"There must be something about this code that you haven't explained yet."
292
851000
5000
"Deve haver algo sobre esse código que você não explicou ainda."
14:28
And I think that's really the truth. We still don't understand
293
856000
3000
E eu acho que é realmente a verdade. Continuamos a não compreender
14:31
how these very simple instructions can lead to increasing complexity.
294
859000
4000
como essas instruções tão simples podem levar a uma complexidade crescente.
14:35
What's the dividing line between
295
863000
2000
Esse é o divisor de águas entre
14:37
when that is lifelike and when it really is alive?
296
865000
4000
quando é vívido e quando está realmente vivo?
14:41
These cards, now, thanks to me showing up, are being saved.
297
869000
4000
Esses cartões, agora, graças ao meu aparecimento, estão sendo salvos.
14:45
And the question is, should we run them or not?
298
873000
2000
E a questão é, devemos executá-los ou não?
14:47
You know, could we get them running?
299
875000
2000
Poderíamos fazê-los funcionar?
14:49
Do you want to let it loose on the Internet?
300
877000
1000
Devemos deixá-los livres na internet?
14:50
These machines would think they --
301
878000
2000
Essas máquinas pensariam que --
14:52
these organisms, if they came back to life now --
302
880000
3000
esses organismos, se eles voltassem a vida agora,
14:55
whether they've died and gone to heaven, there's a universe.
303
883000
2000
mesmo se já morreram e foram para o paraíso, existe um universo --
14:57
My laptop is 10 thousand million times
304
885000
5000
meu laptop é 10 bilhões de vezes
15:02
the size of the universe that they lived in when Barricelli quit the project.
305
890000
5000
o tamanho do universo em que viviam quando Barricelli largou o projeto.
15:07
He was thinking far ahead, to
306
895000
2000
Ele estava pensando muito a frente, em
15:09
how this would really grow into a new kind of life.
307
897000
3000
como isso realmente se tornaria um novo tipo de vida.
15:12
And that's what's happening!
308
900000
2000
E é isso que está acontecendo!
15:14
When Juan Enriquez told us about
309
902000
2000
Quando Juan Enriquez nos contou sobre
15:16
these 12 trillion bits being transferred back and forth,
310
904000
4000
estes 12 trilhões de bits que são transferidos de lá para cá,
15:20
of all this genomics data going to the proteomics lab,
311
908000
4000
de todos os dados genômicos indo para o laboratório proteômico,
15:24
that's what Barricelli imagined:
312
912000
2000
isso é o que Barricelli imaginou:
15:26
that this digital code in these machines
313
914000
3000
que esse código digital presente nessas máquinas
15:29
is actually starting to code --
314
917000
2000
está na verdade começando a criar código -
15:31
it already is coding from nucleic acids.
315
919000
3000
já está codificando a partir de ácidos nucléicos.
15:34
We've been doing that since, you know, since we started PCR
316
922000
3000
Nós temos feito isso desde que começamos o PCR
15:37
and synthesizing small strings of DNA.
317
925000
6000
e sintetizando pequenas tiras de DNA.
15:43
And real soon, we're actually going to be synthesizing the proteins,
318
931000
3000
E em breve estaremos sintetizando as proteínas,
15:46
and, like Steve showed us, that just opens an entirely new world.
319
934000
5000
e como Steve nos mostrou, isso abre um mundo inteiramente novo.
15:51
It's a world that Von Neumann himself envisioned.
320
939000
3000
Um mundo que von Neumann visionou.
15:54
This was published after he died: his sort of unfinished notes
321
942000
3000
Isso foi publicado depois de sua morte: suas anotações
15:57
on self-reproducing machines,
322
945000
2000
sobre máquinas auto-reprodutoras.
15:59
what it takes to get the machines sort of jump-started
323
947000
3000
O que é preciso fazer para que as máquinas iniciem o estágio
16:02
to where they begin to reproduce.
324
950000
2000
onde começarão a reproduzir.
16:04
It took really three people:
325
952000
2000
Foi necessário apenas três pessoas:
16:06
Barricelli had the concept of the code as a living thing;
326
954000
3000
Barricelli concebeu a idéia do código como uma coisa viva.
16:09
Von Neumann saw how you could build the machines --
327
957000
3000
Von Neumann viu como as máquinas poderiam ser construídas.
16:12
that now, last count, four million
328
960000
3000
Agora, dados recentes, quatro milhões
16:15
of these Von Neumann machines is built every 24 hours;
329
963000
3000
dessas máquinas de von Neumann são construídas a cada 24 horas.
16:18
and Julian Bigelow, who died 10 days ago --
330
966000
4000
E Julian Bigelow, que faleceu 10 dias atrás --
16:22
this is John Markoff's obituary for him --
331
970000
3000
esse é o obituário de John Makoff para ele --
16:25
he was the important missing link,
332
973000
2000
ele foi uma importante ligação esquecida,
16:27
the engineer who came in
333
975000
2000
o engenheiro que apareceu
16:29
and knew how to put those vacuum tubes together and make it work.
334
977000
3000
e sabia como colocar os tubos de vácuo juntos e fazê-los trabalhar.
16:32
And all our computers have, inside them,
335
980000
2000
E todos nossos computadores possuem, dentro deles,
16:34
the copies of the architecture that he had to just design
336
982000
4000
as cópias da arquitetura que ele tinha acabado de projetar
16:38
one day, sort of on pencil and paper.
337
986000
3000
um dia, com um papel e um lápis.
16:41
And we owe a tremendous credit to that.
338
989000
2000
E nós devemos um tremendo crédito a isso.
16:43
And he explained, in a very generous way,
339
991000
4000
E ele explicou, de maneira bastante generosa,
16:47
the spirit that brought all these different people to
340
995000
2000
o espírito que uniu todas essas pessoas diferentes para
16:49
the Institute for Advanced Study in the '40s to do this project,
341
997000
3000
o Instituto de Estudos Avançados nos anos 40 para realizar esse projeto,
16:52
and make it freely available with no patents, no restrictions,
342
1000000
3000
e torná-lo livre, isento de patentes e restrições,
16:55
no intellectual property disputes to the rest of the world.
343
1003000
3000
sem disputas sobre propriedade intelectual, para todo o mundo.
16:58
That's the last entry in the logbook
344
1006000
3000
Esse é o último registro no diário
17:01
when the machine was shut down, July 1958.
345
1009000
3000
quando a máquina foi desligada, em julho de 1958.
17:04
And it's Julian Bigelow who was running it until midnight
346
1012000
3000
E era Julian Bigelow quem estava operando até meia noite
17:07
when the machine was officially turned off.
347
1015000
2000
quando a máquina foi oficialmente desligada.
17:09
And that's the end.
348
1017000
2000
E esse é o fim.
17:11
Thank you very much.
349
1019000
2000
Muito obrigado.
17:13
(Applause)
350
1021000
1000
(Aplausos)
ABOUT THE SPEAKER
George Dyson - Historian of scienceIn telling stories of technologies and the individuals who created them, George Dyson takes a clear-eyed view of our scientific past -- while illuminating what lies ahead.
Why you should listen
The development of the Aleutian kayak, its adaptation by Russians in the 18th and 19th centuries, and his own redevelopment of the craft in the 1970s was chronicled in George Dyson’s Baidarka: The Kayak of 1986. His 1997 Darwin Among the Machines: The Evolution of Global Intelligence (“the last book about the Internet written without the Internet”) explored the history and prehistory of digital computing and telecommunications as a manifestation of the convergent destiny of organisms and machines.
Project Orion: The True Story of the Atomic Spaceship, published in 2002, assembled first-person interviews and recently declassified documents to tell the story of a path not taken into space: a nuclear-powered spaceship whose objective was to land a party of 100 people on Mars four years before we landed two people on the Moon. Turing's Cathedral: The Origins of the Digital Universe, published in 2012, illuminated the transition from numbers that mean things to numbers that do things in the aftermath of World War II.
Dyson’s current project, Analogia, is a semi-autobiographical reflection on how analog computation is re-establishing control over the digital world.
George Dyson | Speaker | TED.com