TED2010
Stephen Wolfram: Computing a theory of all knowledge
Stephen Wolfram: Calcularea unei teorii a totului
Filmed:
Readability: 4.4
1,811,819 views
Stephen Wolfram, creatorul programului Mathematica vorbește despre căutarea lui de a face toată cunoașterea calculabilă -- capabilă să fie cercetată, procesată și manipulată. Cu noul său motor de căutare, Wolfram Alpha are un vis de a modela și de-a explica fizica ce stă la bazele universului.
Stephen Wolfram - Scientist, inventor
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research. Full bio
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research. Full bio
Double-click the English transcript below to play the video.
00:16
So I want to talk today about an idea. It's a big idea.
0
1000
3000
Vreau să vorbesc azi despre o idee. E o idee măreață.
00:19
Actually, I think it'll eventually
1
4000
2000
De fapt cred că în cele din urmă
00:21
be seen as probably the single biggest idea
2
6000
2000
va fi văzută ca cea mai grozavă idee
00:23
that's emerged in the past century.
3
8000
2000
care a fost concepută în secolul trecut.
00:25
It's the idea of computation.
4
10000
2000
E ideea computației.
00:27
Now, of course, that idea has brought us
5
12000
2000
Acum, bineînțeles, acea idee ne-a adus
00:29
all of the computer technology we have today and so on.
6
14000
3000
toată tehnologia computerelor pe care o avem azi, ș.a.m.d.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
Dar, de fapt există mult mai mult decât atât în calcul.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
E de fapt o idee profundă, foarte puternică, fundamentală,
00:38
whose effects we've only just begun to see.
9
23000
3000
ale cărei efecte abia am început să le vedem.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
Ei bine, eu însumi am petrecut ultimii 30 de ani
00:44
working on three large projects
11
29000
2000
lucrând la trei proiecte mari
00:46
that really try to take the idea of computation seriously.
12
31000
3000
care încearcă să ia problema calculului în serios.
00:50
So I started off at a young age as a physicist
13
35000
3000
Așa că am început de tânăr ca fizician
00:53
using computers as tools.
14
38000
2000
folosind computerele drept unelte.
00:55
Then, I started drilling down,
15
40000
2000
Apoi, am început să cercetez,
00:57
thinking about the computations I might want to do,
16
42000
2000
gândindu-mă la calculele pe care aș vrea cu adevărat să le fac,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
încercând să descifrez de la ce ireductibile trebuiau pornite
01:02
and how they could be automated as much as possible.
18
47000
3000
și cum puteau fi automatizate cât de mult posibil.
01:05
Eventually, I created a whole structure
19
50000
2000
În cele din urmă am creat o întreagă structură
01:07
based on symbolic programming and so on
20
52000
2000
bazată pe programare simbolică, ș.a.m.d. ,
01:09
that let me build Mathematica.
21
54000
2000
care mi-au îngăduit să construiesc programul Mathematica.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
Și în ultimii 23 de ani, cu viteză tot mai mare
01:13
we've been pouring more and more ideas
23
58000
2000
am venit cu tot mai multe idei
01:15
and capabilities and so on into Mathematica,
24
60000
2000
și capacități introduse în Mathematica,
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
și sunt bucuros să spun că asta a condus la multe lucruri bune
01:20
in R & D and education,
26
65000
2000
în cercetare, dezvoltare și educație,
01:22
lots of other areas.
27
67000
2000
și multe alte domenii.
01:24
Well, I have to admit, actually,
28
69000
2000
Ei bine, trebuie să recunosc, de fapt,
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
că am avut și un motiv foarte egoist pentru a concepe Mathematica.
01:29
I wanted to use it myself,
30
74000
2000
Am vrut să o folosesc eu însumi,
01:31
a bit like Galileo got to use his telescope
31
76000
2000
la fel cum Galileo și-a folosit telescopul
01:33
400 years ago.
32
78000
2000
cu 400 de ani în urmă.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
Dar am vrut să mă uit nu la universul astronomic,
01:38
but at the computational universe.
34
83000
3000
ci la universul computațional.
01:41
So we normally think of programs as being
35
86000
2000
Deci, normal gândim despre programe ca fiind
01:43
complicated things that we build
36
88000
2000
lucruri complicate pe care le construim
01:45
for very specific purposes.
37
90000
2000
pentru scopuri foarte precise.
01:47
But what about the space of all possible programs?
38
92000
3000
Dar care-i situația cu spațiul pentru toate programele posibile?
01:50
Here's a representation of a really simple program.
39
95000
3000
Iată o reprezentare a unui program cu adevărat simplu.
01:53
So, if we run this program,
40
98000
2000
Deci, dacă rulăm acest program,
01:55
this is what we get.
41
100000
2000
asta-i ce obținem.
01:57
Very simple.
42
102000
2000
Foarte simplu.
01:59
So let's try changing the rule
43
104000
2000
Să încercăm să schimbăm puțin regulile
02:01
for this program a little bit.
44
106000
2000
la acest program.
02:03
Now we get another result,
45
108000
2000
Acum obținem un alt rezultat
02:05
still very simple.
46
110000
2000
tot foarte simplu.
02:07
Try changing it again.
47
112000
3000
Să încercăm să schimbăm din nou.
02:10
You get something a little bit more complicated.
48
115000
2000
Obții ceva puțin mai complicat,
02:12
But if we keep running this for a while,
49
117000
2000
dar dacă continuăm să rulăm o vreme,
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
vedem că, deși tiparul obținut e foarte intricat,
02:17
it has a very regular structure.
51
122000
3000
are o structură foarte regulată.
02:20
So the question is: Can anything else happen?
52
125000
3000
Deci întrebarea e: Se mai poate întâmpla și altceva?
02:23
Well, we can do a little experiment.
53
128000
2000
Ei bine, putem face un experiment.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
Să facem un experiment matematic, încercăm și vedem.
02:29
Let's just run all possible programs
55
134000
3000
Hai să rulăm toate programele posibile
02:32
of the particular type that we're looking at.
56
137000
2000
de un anume tip la care ne uităm.
02:34
They're called cellular automata.
57
139000
2000
Se numesc 'cellular automata'.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
Poți vedea aici multă diversitate în rezultate.
02:38
Most of them do very simple things,
59
143000
2000
Majoritatea fac lucruri foarte simple.
02:40
but if you look along all these different pictures,
60
145000
2000
Dar dacă privești toate aceste imagini diferite,
02:42
at rule number 30,
61
147000
2000
la regula numărul 30,
02:44
you start to see something interesting going on.
62
149000
2000
începi să vezi că se petrece ceva interesant.
02:46
So let's take a closer look
63
151000
2000
Deci să ne uităm mai atent
02:48
at rule number 30 here.
64
153000
2000
la regula numărul 30.
02:50
So here it is.
65
155000
2000
Iat-o.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
Urmăm această simplă regulă de aici la bază
02:55
but we're getting all this amazing stuff.
67
160000
2000
dar obținem toate aceste rezultate uimitoare.
02:57
It's not at all what we're used to,
68
162000
2000
Nu-i de loc ceva cu care suntem obișnuiți,
02:59
and I must say that, when I first saw this,
69
164000
2000
și trebuie să spun, când am văzut asta prima dată,
03:01
it came as a huge shock to my intuition.
70
166000
3000
a venit ca un imens șoc pentru intuiția mea,
03:04
And, in fact, to understand it,
71
169000
2000
și de fapt pentru a o înțelege
03:06
I eventually had to create
72
171000
2000
în cele din urmă a trebuit să creez
03:08
a whole new kind of science.
73
173000
2000
o știință cu totul nouă.
03:11
(Laughter)
74
176000
2000
(Râsete)
03:13
This science is different, more general,
75
178000
3000
Această știință e diferită, mai generală,
03:16
than the mathematics-based science that we've had
76
181000
2000
decât știința bazată pe matematica pe care am avut-o
03:18
for the past 300 or so years.
77
183000
3000
în ultimii 300 de ani.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
Știți, întotdeauna mi-a părut ca un mare mister
03:23
how nature, seemingly so effortlessly,
79
188000
3000
cum reușește natura, aparent fără efort,
03:26
manages to produce so much
80
191000
2000
să producă atât de mult
03:28
that seems to us so complex.
81
193000
3000
care nouă ne pare complex.
03:31
Well, I think we've found its secret:
82
196000
3000
Ei bine, cred că i-am descoperit secretul.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
Doar ia mostre din ce există în universul computațional
03:37
and quite often getting things like Rule 30
84
202000
3000
și adesea găsește lucruri ca Rule 30
03:40
or like this.
85
205000
3000
sau asemănătoare.
03:44
And knowing that starts to explain
86
209000
2000
Și cunoscînd asta, începe să explice
03:46
a lot of long-standing mysteries in science.
87
211000
3000
o întreagă serie de mistere în știință.
03:49
It also brings up new issues, though,
88
214000
2000
Ridică totuși noi probleme
03:51
like computational irreducibility.
89
216000
3000
cum ar fi calcularea ireductibilității.
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
Adică, suntem obișnuiți ca știința să ne lase să prezicem lucruri,
03:57
but something like this
91
222000
2000
dar ceva cum e asta
03:59
is fundamentally irreducible.
92
224000
2000
e fundamental ireductibil.
04:01
The only way to find its outcome
93
226000
2000
Singura cale de a-i vedea rezultatul
04:03
is, effectively, just to watch it evolve.
94
228000
3000
e să-l urmărești efectiv evoluând.
04:06
It's connected to, what I call,
95
231000
2000
E conectat la ceea ce eu numesc
04:08
the principle of computational equivalence,
96
233000
2000
principiul echivalenței computaționale,
04:10
which tells us that even incredibly simple systems
97
235000
3000
care ne spune că și sistemele incredibil de simple
04:13
can do computations as sophisticated as anything.
98
238000
3000
pot face computații la fel de complicate ca oricare.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
Nu e necesară multă tehnologie sau evoluție biologică
04:19
to be able to do arbitrary computation;
100
244000
2000
pentru a avea capacitatea de a face computație arbitrară,
04:21
just something that happens, naturally,
101
246000
2000
doar ceva care se întâmplă natural
04:23
all over the place.
102
248000
2000
peste tot.
04:25
Things with rules as simple as these can do it.
103
250000
3000
Sisteme cu reguli simple ca acestea o pot face.
04:29
Well, this has deep implications
104
254000
2000
Ei bine, asta are implicații adânci
04:31
about the limits of science,
105
256000
2000
privitor la limitele științei,
04:33
about predictability and controllability
106
258000
2000
despre predictibilitatea și controlabilitatea
04:35
of things like biological processes or economies,
107
260000
3000
sistemelor ca procesele biologice sau economiile,
04:38
about intelligence in the universe,
108
263000
2000
despre inteligența în univers,
04:40
about questions like free will
109
265000
2000
despre întrebări ca voința liberă
04:42
and about creating technology.
110
267000
3000
și despre crearea tehnologiei.
04:45
You know, in working on this science for many years,
111
270000
2000
Știți, lucrând cu această știință de mulți ani,
04:47
I kept wondering,
112
272000
2000
m-am tot întrebat,
04:49
"What will be its first killer app?"
113
274000
2000
"Care va fi aplicația de grație?"
04:51
Well, ever since I was a kid,
114
276000
2000
Ei bine, încă de când eram copil,
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
m-am gândit la sistematizarea cunoașterii
04:55
and somehow making it computable.
116
280000
2000
și aducerea ei într-o formă computabilă.
04:57
People like Leibniz had wondered about that too
117
282000
2000
Oameni ca Leibniz s-au întrebat despre asta și ei
04:59
300 years earlier.
118
284000
2000
cu 300 de ani în urmă.
05:01
But I'd always assumed that to make progress,
119
286000
2000
Dar întotdeauna am presupus că pentru a progresa
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
ar trebui în esență să replic un întreg creier.
05:06
Well, then I got to thinking:
121
291000
2000
Ei bine, mă gândeam:
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
Această paradigmă a mea sugerează ceva diferit.
05:11
and, by the way, I've now got
123
296000
2000
Și, apropo, am acum
05:13
huge computation capabilities in Mathematica,
124
298000
3000
capabilități uriașe în Mathematica
05:16
and I'm a CEO with some worldly resources
125
301000
3000
și sunt un director executiv cu ceva resurse lumești
05:19
to do large, seemingly crazy, projects --
126
304000
3000
pentru a face proiecte mari, aparent nebunești.
05:22
So I decided to just try to see
127
307000
2000
Deci am decis doar să încerc să văd
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
cât din cunoașterea sistematică care e acolo în lume
05:27
we could make computable.
129
312000
2000
poate fi adusă în stare computațională.
05:29
So, it's been a big, very complex project,
130
314000
2000
Deci a fost un proiect mare și complex
05:31
which I was not sure was going to work at all.
131
316000
3000
de care nu eram de loc sigur că va funcționa.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
Dar sunt mulțumit că de fapt merge chiar bine.
05:37
And last year we were able
133
322000
2000
Și anul trecut am putut
05:39
to release the first website version
134
324000
2000
să emitem prima versiune de website
05:41
of Wolfram Alpha.
135
326000
2000
a [sistemului computațional] Wolfram Alpha.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
Scopul acestuia e de-a fi un motor serios de cunoaștere
05:46
that computes answers to questions.
137
331000
3000
care calculează răspunsuri la întrebări.
05:49
So let's give it a try.
138
334000
2000
Deci să-l încercăm.
05:51
Let's start off with something really easy.
139
336000
2000
Să începem cu ceva foarte simplu.
05:53
Hope for the best.
140
338000
2000
Să sperăm că merge.
05:55
Very good. Okay.
141
340000
2000
Foarte bine. OK.
05:57
So far so good.
142
342000
2000
Până aici e bine.
05:59
(Laughter)
143
344000
3000
(Râsete)
06:02
Let's try something a little bit harder.
144
347000
3000
Să încercăm ceva puțin mai complicat.
06:05
Let's do
145
350000
2000
Să zicem ...
06:07
some mathy thing,
146
352000
3000
Să facem ceva matematic
06:10
and with luck it'll work out the answer
147
355000
3000
și cu noroc va calcula răspunsul
06:13
and try and tell us some interesting things
148
358000
2000
și va încerca să ne spună niște lucruri interesante
06:15
things about related math.
149
360000
2000
lucruri înrudite cu matematica.
06:17
We could ask it something about the real world.
150
362000
3000
L-am putea întreba ceva despre lumea reală.
06:20
Let's say -- I don't know --
151
365000
2000
Să zicem -- nu știu --
06:22
what's the GDP of Spain?
152
367000
3000
Care e produsul național brut, GDP al Spaniei?
06:25
And it should be able to tell us that.
153
370000
2000
Ar trebui să fie capabil să ne spună.
06:27
Now we could compute something related to this,
154
372000
2000
Acum am putea calcula ceva legat de asta
06:29
let's say ... the GDP of Spain
155
374000
2000
să zicem GDP al Spaniei
06:31
divided by, I don't know,
156
376000
2000
împărțit la, să vedem,
06:33
the -- hmmm ...
157
378000
2000
-- hmmm ...
06:35
let's say the revenue of Microsoft.
158
380000
2000
să zicem la profitul companiei Microsoft.
06:37
(Laughter)
159
382000
2000
(Râsete)
06:39
The idea is that we can just type this in,
160
384000
2000
Ideea e că putem tasta simplu această întrebare
06:41
this kind of question in, however we think of it.
161
386000
3000
în orice mod ne gândim la ea.
06:44
So let's try asking a question,
162
389000
2000
Deci, hai să-i punem o întrebare,
06:46
like a health related question.
163
391000
2000
cum ar fi o întrebare despre sănătate.
06:48
So let's say we have a lab finding that ...
164
393000
3000
Deci să spunem că avem un laborator care --
06:51
you know, we have an LDL level of 140
165
396000
2000
știți, avem un nivel de colesterol LDL de 140
06:53
for a male aged 50.
166
398000
3000
pentru un bărbat de 50 de ani.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
Deci să tastăm asta și acum Wolfram Alpha
06:58
will go and use available public health data
168
403000
2000
va căuta și va folosi datele de sănătate publică disponibile
07:00
and try and figure out
169
405000
2000
și va încerca să găsească
07:02
what part of the population that corresponds to and so on.
170
407000
3000
din ce fragment de populație face parte, ș.a.m.d.
07:05
Or let's try asking about, I don't know,
171
410000
3000
Sau să încercăm
07:08
the International Space Station.
172
413000
2000
stația spațială internațională.
07:10
And what's happening here is that
173
415000
2000
Și ce se întâmplă aici e că
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
Wolfram Alpha nu doar caută ceva
07:14
it's computing, in real time,
175
419000
3000
ci calculează în timp util,
07:17
where the International Space Station is right now at this moment,
176
422000
3000
unde e stația spațială internațională chiar acum, în momentul acesta,
07:20
how fast it's going, and so on.
177
425000
3000
cât de rapid se deplasează, ș.a.m.d.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
Deci Wolfram Alpha știe multe, multe lucruri.
07:27
It's got, by now,
179
432000
2000
Are până în prezent,
07:29
pretty good coverage of everything you might find
180
434000
2000
cam tot ce ai putea găsi
07:31
in a standard reference library.
181
436000
3000
într-o bibliotecă de referință standard.
07:34
But the goal is to go much further
182
439000
2000
Dar scopul e de a ajunge mult mai departe
07:36
and, very broadly, to democratize
183
441000
3000
și, în general, să democratizeze
07:39
all of this knowledge,
184
444000
3000
accesul la toată această cunoaștere globală
07:42
and to try and be an authoritative
185
447000
2000
și să încerce să fie o sursă
07:44
source in all areas.
186
449000
2000
competentă în toate domeniile,
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
să fie capabilă să calculeze răspunsuri la întrebări specifice pe care le au oamenii,
07:49
not by searching what other people
188
454000
2000
nu prin a accesa ce au scris alți oameni
07:51
may have written down before,
189
456000
2000
înaintea lor
07:53
but by using built in knowledge
190
458000
2000
ci prin a folosi cunoaștere încorporată
07:55
to compute fresh new answers to specific questions.
191
460000
3000
să calculeze răspunsuri noi actuale la întrebări specifice.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
Acum, bineînțeles, Wolfram Alpha
08:00
is a monumentally huge, long-term project
193
465000
2000
e un proiect uriaș, de lungă durată
08:02
with lots and lots of challenges.
194
467000
2000
cu tot felul de deziderate.
08:04
For a start, one has to curate a zillion
195
469000
3000
Pentru început, trebuie să fie administrată o miriadă
08:07
different sources of facts and data,
196
472000
3000
de surse diferite de fapte și date,
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
și construit un sistem de automatizare pentru Mathematica
08:13
and human domain experts for doing this.
198
478000
3000
și alcătuită o rețea de experți din domenii umaniste pentru asta.
08:16
But that's just the beginning.
199
481000
2000
Dar ăsta e doar începutul.
08:18
Given raw facts or data
200
483000
2000
Cu date sau fapte brute,
08:20
to actually answer questions,
201
485000
2000
pentru a răspunde realmente la întrebări
08:22
one has to compute:
202
487000
2000
trebuie calculate
08:24
one has to implement all those methods and models
203
489000
2000
trebuie implementate toate acele metode și modele
08:26
and algorithms and so on
204
491000
2000
și algoritmi, etc.
08:28
that science and other areas have built up over the centuries.
205
493000
3000
pe care știința și alte domenii le-au accumulat de-a lungul secolelor.
08:31
Well, even starting from Mathematica,
206
496000
3000
Ei bine, chiar și pornind de la Mathematica
08:34
this is still a huge amount of work.
207
499000
2000
acesta e un volum uriaș de muncă.
08:36
So far, there are about 8 million lines
208
501000
2000
Până acum există 8 milioane de rânduri
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
de cod Mathematica în programul Wolfram Alpha
08:40
built by experts from many, many different fields.
210
505000
3000
introdus de experți din multe, multe domenii diferite.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
Ei bine, o idee radicală a programului Wolfram Alpha
08:46
is that you can just ask it questions
212
511000
2000
e că poți să-i pui întrebări
08:48
using ordinary human language,
213
513000
3000
folosind limbaj uman obișnuit,
08:51
which means that we've got to be able to take
214
516000
2000
ceea ce înseamnă că trebuie să fim capabili de-a include
08:53
all those strange utterances that people type into the input field
215
518000
3000
toate acele combinații ciudate pe care oamenii le tastează
08:56
and understand them.
216
521000
2000
în fereastra de input și de-a le înțelege.
08:58
And I must say that I thought that step
217
523000
2000
Și trebuie să spun că eu credeam că acel stagiu
09:00
might just be plain impossible.
218
525000
3000
ar putea fi pur și simplu imposibil.
09:04
Two big things happened:
219
529000
2000
Două lucruri mari s-au întâmplat.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
Primul, o grămadă de idei noi despre lingvistică
09:09
that came from studying the computational universe;
221
534000
3000
au apărut din studiul universului computațional.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
Al doilea, realizarea că având cunoaștere calculabilă efectiv
09:15
completely changes how one can
223
540000
2000
schimbă complet unghiul de abordare
09:17
set about understanding language.
224
542000
3000
în înțelegerea limbii.
09:20
And, of course, now
225
545000
2000
Și bineînțeles acum
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
cu Wolfram Alpha ieșit în lume
09:24
we can learn from its actual usage.
227
549000
2000
putem învăța prin uzitarea lui efectivă.
09:26
And, in fact, there's been
228
551000
2000
Și de fapt a existat
09:28
an interesting coevolution that's been going on
229
553000
2000
o interesantă co-evoluție care a avut loc
09:30
between Wolfram Alpha
230
555000
2000
între Wolfram Alpha
09:32
and its human users,
231
557000
2000
și utilizatorii lui umani.
09:34
and it's really encouraging.
232
559000
2000
Și e cu adevarat încurajator.
09:36
Right now, if we look at web queries,
233
561000
2000
Chiar acum, dacă ne uităm la căutările de pe web,
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
mai mult de 80% din ele sunt rezolvate cu succes de prima dată.
09:41
And if you look at things like the iPhone app,
235
566000
2000
Și dacă te uiți la aplicații cum e iPhone-ul
09:43
the fraction is considerably larger.
236
568000
2000
fracțiunea e cu mult mai mare.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
Deci, sunt destul de mulțumit cu programul în ansamblu.
09:47
But, in many ways,
238
572000
2000
Dar în multe feluri
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
suntem încă la începuturi cu Wolfram Alpha
09:52
I mean, everything is scaling up very nicely
240
577000
2000
dar, toate evoluează destul de frumos.
09:54
and we're getting more confident.
241
579000
2000
Devenim tot mai încrezători.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
Vă puteți aștepta să vedeți tehnologia Wolfram Alpha
09:58
showing up in more and more places,
243
583000
2000
apărând în tot mai multe locuri,
10:00
working both with this kind of public data, like on the website,
244
585000
3000
lucrând și cu acest gen de date publice, cum e acest website,
10:03
and with private knowledge
245
588000
2000
și cu cunoștințe private
10:05
for people and companies and so on.
246
590000
3000
referitoare la oameni și la companii, etc.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
Știți, am realizat că Wolfram Alpha de fapt oferă
10:11
a whole new kind of computing
248
596000
2000
un fel complet nou de computerizare
10:13
that one can call knowledge-based computing,
249
598000
2000
pe care o putem numi computerizare bazată pe cunoaștere,
10:15
in which one's starting not just from raw computation,
250
600000
3000
în care se pornește nu doar de la computerizare brută,
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
dar și de la o vastă bază de cunoaștere incorporată.
10:21
And when one does that, one really changes
252
606000
2000
Și când se face asta, se modifică într-adevăr
10:23
the economics of delivering computational things,
253
608000
3000
știința economiei emiterii de rezultate computaționale,
10:26
whether it's on the web or elsewhere.
254
611000
2000
fie că e pe web, fie altundeva.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
Știți, avem o situație foarte interesantă acum.
10:31
On the one hand, we have Mathematica,
256
616000
2000
Pe de o parte, avem programul Mathematica,
10:33
with its sort of precise, formal language
257
618000
3000
cu limbajul său precis și formal
10:36
and a huge network
258
621000
2000
și o rețea uriașă
10:38
of carefully designed capabilities
259
623000
2000
de capabilități proiectate cu grijă
10:40
able to get a lot done in just a few lines.
260
625000
3000
în stare să facă enorm în doar câteva rânduri.
10:43
Let me show you a couple of examples here.
261
628000
3000
Să vă arăt două exemple aici.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
Iată o bucățică trivială din codul programului Mathematica.
10:51
Here's something where we're sort of
263
636000
2000
Aici e ceva în care
10:53
integrating a bunch of different capabilities here.
264
638000
3000
integrăm o grămadă de capabilități diferite.
10:56
Here we'll just create, in this line,
265
641000
3000
Aici vom crea în acest rând
10:59
a little user interface that allows us to
266
644000
3000
o simplă interfață de utilizator care ne permite
11:02
do something fun there.
267
647000
2000
să facem ceva distractiv aici.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
Dacă continui, acela e un program puțin mai complicat
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
care face acum tot felul de calcule algoritmice
11:10
and creating user interface and so on.
270
655000
2000
și crează interfață de utilizare, etc.
11:12
But it's something that is very precise stuff.
271
657000
3000
Dar e material extrem de precis.
11:15
It's a precise specification with a precise formal language
272
660000
3000
E o specificație precisă cu un limbaj formal precis
11:18
that causes Mathematica to know what to do here.
273
663000
3000
care determină Mathematica să știe ce să facă.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
Ei bine, pe de altă parte, avem Wolfram Alpha
11:24
with all the messiness of the world
275
669000
2000
cu toată harababura lumii
11:26
and human language and so on built into it.
276
671000
2000
și cu limbi umane și altele încorporate în el.
11:28
So what happens when you put these things together?
277
673000
3000
Deci ce se întâmplă când pui aceste lucruri împreună?
11:31
I think it's actually rather wonderful.
278
676000
2000
Cred de fapt că rezultatul e minunat.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
Cu Wolfram Alpha în interiorul progamului Mathematica
11:35
you can, for example, make precise programs
280
680000
2000
poți, de exemplu, să faci programe precise
11:37
that call on real world data.
281
682000
2000
care cheamă date din lumea reală.
11:39
Here's a real simple example.
282
684000
2000
Iată un exemplu foarte simplu.
11:44
You can also just sort of give vague input
283
689000
3000
Poți să introduci un fel de input vag
11:47
and then try and have Wolfram Alpha
284
692000
2000
și apoi să-l faci pe Wolfram Alpha
11:49
figure out what you're talking about.
285
694000
2000
să descopere despre ce vorbești.
11:51
Let's try this here.
286
696000
2000
Să încercăm.
11:53
But actually I think the most exciting thing about this
287
698000
3000
Dar cred că cel mai interesant lucru despre asta
11:56
is that it really gives one the chance
288
701000
2000
e că ne dă șansa
11:58
to democratize programming.
289
703000
3000
să democratizăm programarea.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
Adică, oricine va fi în stare să tasteze cam ce doresc în limbaj obișnuit
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
și apoi Wolfram Alpha va fi în stare să deslușească
12:07
what precise pieces of code
292
712000
2000
exact care părți de cod
12:09
can do what they're asking for
293
714000
2000
pot face ce i s-a cerut
12:11
and then show them examples that will let them pick what they need
294
716000
3000
și apoi să arate exemple care vor permite să aleagă ce are nevoie
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
pentru a construi programe tot mai mari și mai precise.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
Așa că, uneori, Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
724000
2000
va fi în stare să rezolve întregul răspuns imediat
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
și să-ți returneze un program mare cu care apoi să faci computația.
12:24
Here's a big website
299
729000
2000
Deci iată un website mare
12:26
where we've been collecting lots of educational
300
731000
3000
unde am colectat multe demonstrații educaționale
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
și de alte naturi despre tot felul de lucruri.
12:32
I'll show you one example here.
302
737000
3000
Deci, să vedem, vă arăt un exemplu, poate aici.
12:36
This is just an example of one of these computable documents.
303
741000
3000
Ăsta e doar un exemplu din aceste documente computabile.
12:39
This is probably a fairly small
304
744000
2000
Acesta e probabil o părticică mică
12:41
piece of Mathematica code
305
746000
2000
din codul Mathematica
12:43
that's able to be run here.
306
748000
2000
care poate rula aici.
12:47
Okay. Let's zoom out again.
307
752000
3000
OK. Să ieșim de aici.
12:50
So, given our new kind of science,
308
755000
2000
Deci, având în vedere noua noastră știință,
12:52
is there a general way to use it to make technology?
309
757000
3000
există un mod general de a face tehnologie?
12:55
So, with physical materials,
310
760000
2000
Adică, cu materiale fizice,
12:57
we're used to going around the world
311
762000
2000
suntem obișnuiți să mergem în jurul lumii
12:59
and discovering that particular materials
312
764000
2000
și să descoperim că materiale specifice
13:01
are useful for particular
313
766000
2000
sunt folositoare pentru
13:03
technological purposes.
314
768000
2000
scopuri tehnologice specifice, ș.a.m.d.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
Ei bine, se pare că putem face același gen de lucruri
13:07
in the computational universe.
316
772000
2000
în universul computațional.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
Există resurse inepuizabile de programe în lume.
13:12
The challenge is to see how to
318
777000
2000
Provocarea e de a vedea cum
13:14
harness them for human purposes.
319
779000
2000
să le exploatăm pentru scopuri umane.
13:16
Something like Rule 30, for example,
320
781000
2000
Ceva ca Regula 30, de exemplu,
13:18
turns out to be a really good randomness generator.
321
783000
2000
pare să funcționeze bine ca generator aleatoriu.
13:20
Other simple programs are good models
322
785000
2000
Alte programe simple sunt modele bune
13:22
for processes in the natural or social world.
323
787000
3000
pentru procesarea în lumea naturală sau socială.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
Și de exemplu, Wolfram Alpha și Mathematica
13:27
are actually now full of algorithms
325
792000
2000
sunt de fapt acum înțesate de algoritmi
13:29
that we discovered by searching the computational universe.
326
794000
3000
pe care i-am descoperit prin cercetarea universului computațional.
13:33
And, for example, this -- if we go back here --
327
798000
3000
Și, de exemplu asta -- ne-am întors aici --
13:37
this has become surprisingly popular
328
802000
2000
Asta a devenit surprinzător de popular
13:39
among composers
329
804000
2000
printe compozitorii care găsesc
13:41
finding musical forms by searching the computational universe.
330
806000
3000
forme muzicale prin cercetarea universului computațional.
13:45
In a sense, we can use the computational universe
331
810000
2000
Într-un sens, putem folosi universul computațional
13:47
to get mass customized creativity.
332
812000
3000
să obținem ajustarea creativă prealabilă de către consumatori a producției de masă
13:50
I'm hoping we can, for example,
333
815000
2000
Sper că vom putea de exemplu
13:52
use that even to get Wolfram Alpha
334
817000
2000
să folosim Wolfram Alpha chiar pentru
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
a face în mod curent invenții și descoperiri din mers
13:57
and to find all sorts of wonderful stuff
336
822000
2000
și a găsi tot felul de minunății
13:59
that no engineer
337
824000
2000
pe care nici un inginer
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
sau proces de evoluție incrementală nu l-ar considera.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
Ei bine, prin urmare, asta conduce la întrebarea fundamentală.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
Ar fi oare posibil ca undeva în universul computațional
14:11
we might find our physical universe?
341
836000
3000
să găsim universul nostru fizic?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
Poate există chiar o regulă simplă
14:16
some simple program for our universe.
343
841000
3000
un program simplu pentru universul nostru.
14:19
Well, the history of physics would have us believe
344
844000
2000
Ei bine, istoria fizicii ne-a convins
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
că regula ce descrie universul e complicată.
14:24
But in the computational universe,
346
849000
2000
Dar în universul computațional
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
am văzut cum reguli incredibil de simple
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
pot produce comportament extrem de complex.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
Deci ar putea fi asta ce se întâmplă cu universul nostru?
14:36
If the rules for the universe are simple,
350
861000
2000
Dacă regulile universului sunt simple,
14:38
it's kind of inevitable that they have to be
351
863000
2000
e inevitabil ca ele să fie
14:40
very abstract and very low level;
352
865000
2000
foarte abstracte și foarte de bază,
14:42
operating, for example, far below
353
867000
2000
operând, de exemplu, mult sub
14:44
the level of space or time,
354
869000
2000
nivelul spațiului și timpului,
14:46
which makes it hard to represent things.
355
871000
2000
dimensiuni care fac reprezentarea dificilă.
14:48
But in at least a large class of cases,
356
873000
2000
Dar cel puțin într-o mare clasă de cazuri,
14:50
one can think of the universe as being
357
875000
2000
se poate gândi despre univers ca fiind
14:52
like some kind of network,
358
877000
2000
un fel de rețea,
14:54
which, when it gets big enough,
359
879000
2000
care, când devine suficient de mare,
14:56
behaves like continuous space
360
881000
2000
se comportă ca un spațiu continuu
14:58
in much the same way as having lots of molecules
361
883000
2000
în același mod cum multe molecule
15:00
can behave like a continuous fluid.
362
885000
2000
se pot comporta ca un lichid continuu.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
Ei bine, atunci universul trebuie să evolueze prin aplicarea
15:05
little rules that progressively update this network.
364
890000
3000
regulilor simple care progresiv actualizează această rețea.
15:08
And each possible rule, in a sense,
365
893000
2000
Și fiecare regulă, într-un sens,
15:10
corresponds to a candidate universe.
366
895000
2000
corespunde unui univers candidat.
15:12
Actually, I haven't shown these before,
367
897000
3000
De fapt n-am mai arătat asta până acum,
15:16
but here are a few of the candidate universes
368
901000
3000
dar iată câteva din universurile candidate
15:19
that I've looked at.
369
904000
2000
la care m-am uitat.
15:21
Some of these are hopeless universes,
370
906000
2000
Unele din acestea sunt universuri făra speranță,
15:23
completely sterile,
371
908000
2000
complet sterile,
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
cu alte feluri de patologii cum ar lipsa noțiunii de spațiu,
15:27
no notion of time, no matter,
373
912000
3000
a noțiunii de timp, de materie,
15:30
other problems like that.
374
915000
2000
și alte probleme de acest gen.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
Dar ce am concluzionat interesant în ultimii câțiva ani
15:35
is that you actually don't have to go very far
376
920000
2000
e că nu trebuie să mergi prea departe
15:37
in the computational universe
377
922000
2000
în universul computațional
15:39
before you start finding candidate universes
378
924000
2000
pentru a găsi universuri candidate
15:41
that aren't obviously not our universe.
379
926000
3000
la care nu e evident că nu sunt universul nostru.
15:44
Here's the problem:
380
929000
2000
Iată o problemă:
15:46
Any serious candidate for our universe
381
931000
3000
Oricare univers candidat pentru universul nostru
15:49
is inevitably full of computational irreducibility.
382
934000
3000
e inevitabil plin de ireductibilitate computațională
15:52
Which means that it is irreducibly difficult
383
937000
3000
ceea ce înseamnă că este ireductibil de dificil
15:55
to find out how it will really behave,
384
940000
2000
să descoperi cum se va comporta în realitate,
15:57
and whether it matches our physical universe.
385
942000
3000
și dacă se potrivește cu universul nostru fizic.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
Cu câtiva ani în urmă, am fost foarte emoționat să descopăr
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
că există universuri candidate cu reguli incredibil de simple
16:07
that successfully reproduce special relativity,
388
952000
2000
care reproduc cu succes relativitatea specială
16:09
and even general relativity and gravitation,
389
954000
3000
și chiar relativitatea generală și gravitațională
16:12
and at least give hints of quantum mechanics.
390
957000
3000
și cel puțin dau indicii de mecanică cuantică.
16:15
So, will we find the whole of physics?
391
960000
2000
Deci, vom găsi totalitatea fizicii?
16:17
I don't know for sure,
392
962000
2000
Nu știu cu siguranță.
16:19
but I think at this point it's sort of
393
964000
2000
Dar cred în acest moment
16:21
almost embarrassing not to at least try.
394
966000
2000
că e aproape jenant să nu încercăm cel puțin.
16:23
Not an easy project.
395
968000
2000
Nu e un proiect ușor.
16:25
One's got to build a lot of technology.
396
970000
2000
Trebuie construită multă tehnologie.
16:27
One's got to build a structure that's probably
397
972000
2000
Trebuie construită o structură care e probabil
16:29
at least as deep as existing physics.
398
974000
2000
cel puțin atât de complexă ca fizica.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
Și nu sunt sigur cum e cel mai bine de a organiza totul.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
Să alcătuiesc o echipă, sau să lucrez deschis, să ofer premii, etc.
16:37
But I'll tell you, here today,
401
982000
2000
Dar vă spun aici azi
16:39
that I'm committed to seeing this project done,
402
984000
2000
că sunt hotărât să văd acest proiect făcut,
16:41
to see if, within this decade,
403
986000
3000
să văd dacă în decurs de o decadă,
16:44
we can finally hold in our hands
404
989000
2000
putem ține în mâini într-un final
16:46
the rule for our universe
405
991000
2000
regula valabilă pentru universul nostru
16:48
and know where our universe lies
406
993000
2000
și să știm unde se situează universul nostru
16:50
in the space of all possible universes ...
407
995000
2000
în spațiul tuturor posibilităților --
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
și să putem tasta în Wolfram Alpha "teoria universului,"
16:55
and have it tell us.
409
1000000
2000
și acesta să ne-o spună.
16:57
(Laughter)
410
1002000
2000
(Râsete)
17:00
So I've been working on the idea of computation
411
1005000
2000
Deci am lucrat la ideea computației
17:02
now for more than 30 years,
412
1007000
2000
de mai mult de 30 de ani
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
construind unelte și metode și transformând idei intelectuale
17:07
into millions of lines of code
414
1012000
2000
în milioane de linii de cod
17:09
and grist for server farms and so on.
415
1014000
2000
și grăunțe pentru fermele de servere :) , ș.a.m.d.
17:11
With every passing year,
416
1016000
2000
Cu fiecare an ce trece,
17:13
I realize how much more powerful
417
1018000
2000
realizez că e mult mai puternică
17:15
the idea of computation really is.
418
1020000
2000
ideea computației decât am crezut.
17:17
It's taken us a long way already,
419
1022000
2000
Ne-a luat mult timp deja,
17:19
but there's so much more to come.
420
1024000
2000
dar mai e încă mult în viitor.
17:21
From the foundations of science
421
1026000
2000
De la fundamentele științei
17:23
to the limits of technology
422
1028000
2000
până la limitele tehnologiei
17:25
to the very definition of the human condition,
423
1030000
2000
și chiar până la definiția condiției umane,
17:27
I think computation is destined to be
424
1032000
2000
computația este, cred, destinată să fie
17:29
the defining idea of our future.
425
1034000
2000
ideea definitorie a viitorului nostru.
17:31
Thank you.
426
1036000
2000
Mulțumesc.
17:33
(Applause)
427
1038000
14000
(Aplauze)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
Chris Anderson: Asta a fost uimitor.
17:49
Stay here. I've got a question.
429
1054000
2000
Rămâneți aici. Am o întrebare.
17:51
(Applause)
430
1056000
4000
(Aplauze)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
Asta a fost o prezentare remarcabilă.
18:01
Are you able to say in a sentence or two
432
1066000
3000
Puteți spune într-o propoziție sau două
18:04
how this type of thinking
433
1069000
3000
cum ar putea acest gen de gândire
18:07
could integrate at some point
434
1072000
2000
integra la un moment dat
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
noțiuni ca teoria corzilor sau genul de lucruri pe care oamenii le
18:11
as the fundamental explanations of the universe?
436
1076000
3000
consideră explicații fundamentale ale universului?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
Stephen Wolfram: Ei bine, părți ale fizicii
18:16
that we kind of know to be true,
438
1081000
2000
pe care le știm a fi adevărate,
18:18
things like the standard model of physics:
439
1083000
2000
lucruri ca modelul standard al fizicii.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
Încerc să reproduc modelul standard al fizicii [particulelor subatomice]
18:23
or it's simply wrong.
441
1088000
2000
iar dacă nu reușesc înseamnă că e greșit.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
Lucrurille pe care oamenii le-au încercat în ultimii 25 de ani
18:27
with string theory and so on
443
1092000
2000
cu teoria corzilor
18:29
have been an interesting exploration
444
1094000
2000
a fost o explorare interesantă
18:31
that has tried to get back to the standard model,
445
1096000
3000
care a încercat să se întoarcă la modelul standard
18:34
but hasn't quite gotten there.
446
1099000
2000
dar încă nu a ajuns acolo.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
Bănuiala mea e că niște simplificări cum am făcut eu
18:39
may actually have considerable resonance
448
1104000
3000
ar putea de fapt avea rezonanță considerabilă
18:42
with what's been done in string theory,
449
1107000
2000
cu ceea ce a fost făcut în teoria corzilor,
18:44
but that's a complicated math thing
450
1109000
3000
dar ăsta e un aspect matematic complicat
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
care nu știu încă cum va fi rezolvat.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
CA : Benoit Mandlebrot e în audiență.
18:52
He also has shown how complexity
453
1117000
2000
Și el a arătat cum poate complexitatea
18:54
can arise out of a simple start.
454
1119000
2000
să derive dintr-un start simplu.
18:56
Does your work relate to his?
455
1121000
2000
E munca dv. asociată cu a lui?
18:58
SW: I think so.
456
1123000
2000
SW: Cred că da.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
Consider lucrarea lui Benoit Mandlebrot
19:02
as one of the founding contributions
458
1127000
3000
ca fiind una din contribuțiile de inițiere
19:05
to this kind of area.
459
1130000
3000
din acest domeniu.
19:08
Benoit has been particularly interested
460
1133000
2000
Benoit a fost în special interesat
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
în modele în serie, în fractali, ș.a.m.d.
19:12
where the structure is something
462
1137000
2000
unde structura este
19:14
that's kind of tree-like,
463
1139000
2000
e ca un fel de copac
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
și unde există un braț mare care face brațe mai mici,
19:18
and even smaller branches and so on.
465
1143000
3000
și apoi brațe și mai mici, etc.
19:21
That's one of the ways
466
1146000
2000
Asta e una din căi
19:23
that you get towards true complexity.
467
1148000
3000
către complexitate adevărată.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
Cred că lucruri ca sistemul automat celular după Regula 30
19:29
get us to a different level.
469
1154000
2000
ne duc la un nivel diferit.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
De fapt, într-un mod foarte precis ne conduc către un nivel diferit
19:34
because they seem to be things that are
471
1159000
2000
pentru că par a fi lucruri
19:37
capable of complexity
472
1162000
3000
capabile de complexitate,
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
complexitate de grad maxim, ca să zicem așa...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
Aș putea să continui cu multe detalii, dar nu acum.
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
CA : Stephen Wolfram, vă mulțumim.
19:49
(Applause)
476
1174000
2000
(Aplauze)
ABOUT THE SPEAKER
Stephen Wolfram - Scientist, inventorStephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research.
Why you should listen
Stephen Wolfram published his first scientific paper at the age of 15, and received his PhD in theoretical physics from Caltech by the age of 20. Having started to use computers in 1973, Wolfram rapidly became a leader in the emerging field of scientific computing.
In 1981 Wolfram became the youngest recipient of a MacArthur Prize Fellowship. He then set out on an ambitious new direction in science aimed at understanding the origins of complexity in nature. Wolfram's first key idea was to use computer experiments to study the behavior of simple computer programs known as cellular automata. This allowed him to make a series of startling discoveries about the origins of complexity.
Wolfram founded the first research center and the first journal in the field, Complex Systems, and began the development of Mathematica. Wolfram Research soon became a world leader in the software industry -- widely recognized for excellence in both technology and business.
Following the release of Mathematica Version 2 in 1991, Wolfram began to divide his time between Mathematica development and scientific research. Building on his work from the mid-1980s, and now with Mathematica as a tool, Wolfram made a rapid succession of major new discoveries, which he described in his book, A New Kind of Science.
Building on Mathematica, A New Kind of Science, and the success of Wolfram Research, Wolfram recently launched Wolfram|Alpha -- an ambitious, long-term project to make as much of the world's knowledge as possible computable, and accessible to everyone.
Stephen Wolfram | Speaker | TED.com