TED1994
Danny Hillis: Back to the future (of 1994)
Денни Хиллис: Назад в будущее (образца 1994-го)
Filmed:
Readability: 3.8
686,810 views
Из глубины архивов TED, Денни Хиллис объясняет занимательную теорию того, как и почему ускоряется технологическое развитие, связывая это с теорией эволюции. Метод презентации может выглядеть немного устаревшим, но его идеи уместны и в наше время.
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
Because I usually take the role
0
0
3000
Я всегда стараюсь объяснить людям,
00:18
of trying to explain to people
1
3000
2000
насколько удивительны новые технологии,
00:20
how wonderful the new technologies
2
5000
3000
которые появляются
00:23
that are coming along are going to be,
3
8000
2000
или появятся в будущем,
00:25
and I thought that, since I was among friends here,
4
10000
3000
и так как я нахожусь здесь в кругу друзей,
00:28
I would tell you what I really think
5
13000
4000
я хочу рассказать, что я действительно думаю,
00:32
and try to look back and try to understand
6
17000
2000
и оглянуться в прошлое, чтобы понять
00:34
what is really going on here
7
19000
3000
эти потрясающие скачки в развитии технологий,
00:37
with these amazing jumps in technology
8
22000
5000
которые происходят так быстро,
00:42
that seem so fast that we can barely keep on top of it.
9
27000
3000
что мы едва поспеваем за ними.
00:45
So I'm going to start out
10
30000
2000
Я хочу начать с демонстрации
00:47
by showing just one very boring technology slide.
11
32000
3000
скучного слайда о технологиях.
00:50
And then, so if you can just turn on the slide that's on.
12
35000
3000
Не могли бы вы поставить слайд.
00:56
This is just a random slide
13
41000
2000
Это случайно выбранный слайд
00:58
that I picked out of my file.
14
43000
2000
из моих файлов.
01:00
What I want to show you is not so much the details of the slide,
15
45000
3000
Я хочу обратить ваше внимание не на детали слайда,
01:03
but the general form of it.
16
48000
2000
а скорее на его общую форму.
01:05
This happens to be a slide of some analysis that we were doing
17
50000
3000
На слайде представлен анализ сравнения
01:08
about the power of RISC microprocessors
18
53000
3000
мощности микропроцессора RISC
01:11
versus the power of local area networks.
19
56000
3000
с мощностью локальной сети.
01:14
And the interesting thing about it
20
59000
2000
Интересная деталь на этом графике
01:16
is that this slide,
21
61000
2000
это то, что он выглядит,
01:18
like so many technology slides that we're used to,
22
63000
3000
как и многие другие, описывающие технологии,
01:21
is a sort of a straight line
23
66000
2000
это прямая линия
01:23
on a semi-log curve.
24
68000
2000
на полулогарифмической кривой.
01:25
In other words, every step here
25
70000
2000
Другими словами,
01:27
represents an order of magnitude
26
72000
2000
с каждым делением
01:29
in performance scale.
27
74000
2000
производительность увеличивается.
01:31
And this is a new thing
28
76000
2000
Новинкой является то,
01:33
that we talk about technology
29
78000
2000
что мы описываем развитие технологии
01:35
on semi-log curves.
30
80000
2000
полулогарифмической кривой.
01:37
Something really weird is going on here.
31
82000
2000
Происходит что-то очень странное.
01:39
And that's basically what I'm going to be talking about.
32
84000
3000
Об этом я и хочу поговорить.
01:42
So, if you could bring up the lights.
33
87000
3000
Не могли бы вы посветить здесь,
01:47
If you could bring up the lights higher,
34
92000
2000
не могли бы вы поднять луч света выше,
01:49
because I'm just going to use a piece of paper here.
35
94000
3000
я собираюсь воспользоваться этим листком бумаги.
01:52
Now why do we draw technology curves
36
97000
2000
Почему мы изображаем развитие технологий
01:54
in semi-log curves?
37
99000
2000
с помощью полулогарифмической кривой?
01:56
Well the answer is, if I drew it on a normal curve
38
101000
3000
Отвечаю, если я нарисую нормальную кривую,
01:59
where, let's say, this is years,
39
104000
2000
на которой это, предположим года,
02:01
this is time of some sort,
40
106000
2000
это время, а здесь единицы,
02:03
and this is whatever measure of the technology
41
108000
3000
в которых мы измеряем развитие технологий,
02:06
that I'm trying to graph,
42
111000
3000
которое я пытаюсь изобразить,
02:09
the graphs look sort of silly.
43
114000
3000
то график будет выглядеть довольно нелепо.
02:12
They sort of go like this.
44
117000
3000
Он будет выглядеть примерно так.
02:15
And they don't tell us much.
45
120000
3000
И он толком ничего не объясняет.
02:18
Now if I graph, for instance,
46
123000
3000
Но если бы я попытался изобразить
02:21
some other technology, say transportation technology,
47
126000
2000
какие-нибудь другие технологии, например, транспортные,
02:23
on a semi-log curve,
48
128000
2000
на полулогарифмической кривой,
02:25
it would look very stupid, it would look like a flat line.
49
130000
3000
то график был бы ещё хуже, он бы выглядел как прямая.
02:28
But when something like this happens,
50
133000
2000
Но когда происходит такое,
02:30
things are qualitatively changing.
51
135000
2000
возникают качественные перемены.
02:32
So if transportation technology
52
137000
2000
Если бы транспортные технологии
02:34
was moving along as fast as microprocessor technology,
53
139000
3000
развивались так же быстро, как и микропроцессорные,
02:37
then the day after tomorrow,
54
142000
2000
то послезавтра
02:39
I would be able to get in a taxi cab
55
144000
2000
я бы смог поймать такси
02:41
and be in Tokyo in 30 seconds.
56
146000
2000
и добраться до Токио за 30 секунд.
02:43
It's not moving like that.
57
148000
2000
Но этого не происходит.
02:45
And there's nothing precedented
58
150000
2000
В истории нет примеров подобного
02:47
in the history of technology development
59
152000
2000
самоускоряющегося развития технологий,
02:49
of this kind of self-feeding growth
60
154000
2000
когда скорость процесса с годами
02:51
where you go by orders of magnitude every few years.
61
156000
3000
становится всё быстрее.
02:54
Now the question that I'd like to ask is,
62
159000
3000
Обратимся к вопросу, который я хочу задать.
02:57
if you look at these exponential curves,
63
162000
3000
Экспоненциальные кривые
03:00
they don't go on forever.
64
165000
3000
не длятся до бесконечности.
03:03
Things just can't possibly keep changing
65
168000
3000
Перемены не могут продолжать
03:06
as fast as they are.
66
171000
2000
происходить так же быстро.
03:08
One of two things is going to happen.
67
173000
3000
Должно произойти одно из двух.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
176000
4000
Или кривая перейдёт в такую S-образную,
03:15
until something totally different comes along,
69
180000
4000
пока не произойдёт что-то совершенно новое
03:19
or maybe it's going to do this.
70
184000
2000
или она изменится таким образом.
03:21
That's about all it can do.
71
186000
2000
Это все, что может произойти.
03:23
Now I'm an optimist,
72
188000
2000
Я оптимист и считаю,
03:25
so I sort of think it's probably going to do something like that.
73
190000
3000
что произойдёт это.
03:28
If so, that means that what we're in the middle of right now
74
193000
3000
Тогда это означает, что мы находимся
03:31
is a transition.
75
196000
2000
в переходном периоде.
03:33
We're sort of on this line
76
198000
2000
Мы на этой линии в переходе от того,
03:35
in a transition from the way the world used to be
77
200000
2000
каким мир был раньше,
03:37
to some new way that the world is.
78
202000
3000
к тому, каким мир является сейчас.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
205000
3000
Вопрос, который я хочу задать и то, о чем я спрашивал себя,
03:43
is what's this new way that the world is?
80
208000
3000
каким мир является сейчас?
03:46
What's that new state that the world is heading toward?
81
211000
3000
В какую сторону он меняется?
03:49
Because the transition seems very, very confusing
82
214000
3000
Потому что переходный период сбивает с толку,
03:52
when we're right in the middle of it.
83
217000
2000
когда ты находишься в самом его центре.
03:54
Now when I was a kid growing up,
84
219000
3000
Когда я был ребёнком,
03:57
the future was kind of the year 2000,
85
222000
3000
для меня будущее было 2000-м годом
04:00
and people used to talk about what would happen in the year 2000.
86
225000
4000
и люди говорили о том, что произойдёт в 2000-м году.
04:04
Now here's a conference
87
229000
2000
Теперь мы на конференции,
04:06
in which people talk about the future,
88
231000
2000
на которой люди говорят о будущем,
04:08
and you notice that the future is still at about the year 2000.
89
233000
3000
и, заметьте, будущее это всё ещё 2000 год.
04:11
It's about as far as we go out.
90
236000
2000
Это самое отдалённое время, которое только бывает.
04:13
So in other words, the future has kind of been shrinking
91
238000
3000
Другими словами,
04:16
one year per year
92
241000
3000
на протяжении всей моей жизни
04:19
for my whole lifetime.
93
244000
3000
будущее сокращается из года в год.
04:22
Now I think that the reason
94
247000
2000
Я считаю, что причина в том,
04:24
is because we all feel
95
249000
2000
что мы осознаем,
04:26
that something's happening there.
96
251000
2000
что что-то происходит.
04:28
That transition is happening. We can all sense it.
97
253000
2000
Происходит переходный момент. Мы всё это замечаем.
04:30
And we know that it just doesn't make too much sense
98
255000
2000
Мы знаем, что не имеет смысла
04:32
to think out 30, 50 years
99
257000
2000
заглядывать в будущее на 30, 50 лет вперёд,
04:34
because everything's going to be so different
100
259000
3000
потому что все будет настолько другим,
04:37
that a simple extrapolation of what we're doing
101
262000
2000
что простая экстраполяция того,
04:39
just doesn't make any sense at all.
102
264000
3000
что происходит сейчас, просто не сработает.
04:42
So what I would like to talk about
103
267000
2000
Я хочу поговорить о том,
04:44
is what that could be,
104
269000
2000
что происходит,
04:46
what that transition could be that we're going through.
105
271000
3000
чем является этот переходный момент.
04:49
Now in order to do that
106
274000
3000
Для этого мне нужно будет рассказать
04:52
I'm going to have to talk about a bunch of stuff
107
277000
2000
о многих вещах,
04:54
that really has nothing to do
108
279000
2000
не имеющих отношения к технологиям
04:56
with technology and computers.
109
281000
2000
и компьютерам.
04:58
Because I think the only way to understand this
110
283000
2000
На мой взгляд, единственный способ понять происходящее,
05:00
is to really step back
111
285000
2000
это вернуться назад во времени
05:02
and take a long time scale look at things.
112
287000
2000
и взглянуть на ситуацию оттуда.
05:04
So the time scale that I would like to look at this on
113
289000
3000
Я хочу вернуться назад во времени
05:07
is the time scale of life on Earth.
114
292000
3000
к моменту появления жизни на Земле.
05:13
So I think this picture makes sense
115
298000
2000
Мне кажется, что картина приобретёт смысл,
05:15
if you look at it a few billion years at a time.
116
300000
4000
если взглянуть на неё в масштабе миллиардов лет.
05:19
So if you go back
117
304000
2000
2,5 миллиарда лет назад
05:21
about two and a half billion years,
118
306000
2000
Земля была вот такой величины,
05:23
the Earth was this big, sterile hunk of rock
119
308000
3000
стерильный булыжник с большим количеством
05:26
with a lot of chemicals floating around on it.
120
311000
3000
химических элементов вокруг него.
05:29
And if you look at the way
121
314000
2000
И если мы взглянем на то,
05:31
that the chemicals got organized,
122
316000
2000
как соединялись химические элементы,
05:33
we begin to get a pretty good idea of how they do it.
123
318000
3000
мы сможем понять, как им это удалось.
05:36
And I think that there's theories that are beginning to understand
124
321000
3000
Существуют теории, которые объясняют,
05:39
about how it started with RNA,
125
324000
2000
как все образовалось, начиная с РНК,
05:41
but I'm going to tell a sort of simple story of it,
126
326000
3000
но я расскажу вам упрощённую версию.
05:44
which is that, at that time,
127
329000
2000
Существовали маленькие
05:46
there were little drops of oil floating around
128
331000
3000
масляные капельки
05:49
with all kinds of different recipes of chemicals in them.
129
334000
3000
с разнообразными наборами химических элементов.
05:52
And some of those drops of oil
130
337000
2000
Состав некоторых из них
05:54
had a particular combination of chemicals in them
131
339000
2000
позволял им присоединиться
05:56
which caused them to incorporate chemicals from the outside
132
341000
3000
к элементам извне,
05:59
and grow the drops of oil.
133
344000
3000
образовывая капельку большего размера.
06:02
And those that were like that
134
347000
2000
Подобные масляные капельки
06:04
started to split and divide.
135
349000
2000
росли и делились.
06:06
And those were the most primitive forms of cells in a sense,
136
351000
3000
Это были самые простейшие виды клеток
06:09
those little drops of oil.
137
354000
2000
в виде масляных клеток.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
356000
3000
Но эти капельки не были живыми, как нам представляется это сейчас,
06:14
because every one of them
139
359000
2000
потому что каждая из них являлась
06:16
was a little random recipe of chemicals.
140
361000
2000
случайным набором химических элементов.
06:18
And every time it divided,
141
363000
2000
И каждый раз, когда они делились,
06:20
they got sort of unequal division
142
365000
3000
элементы распределялись
06:23
of the chemicals within them.
143
368000
2000
не равномерно.
06:25
And so every drop was a little bit different.
144
370000
3000
Таким образом, капли отличались друг от друга.
06:28
In fact, the drops that were different in a way
145
373000
2000
Эти отличия позволили им
06:30
that caused them to be better
146
375000
2000
присоединиться к элементам извне,
06:32
at incorporating chemicals around them,
147
377000
2000
и капельки росли, присоединяли
06:34
grew more and incorporated more chemicals and divided more.
148
379000
3000
большее количество элементов и снова делились.
06:37
So those tended to live longer,
149
382000
2000
Те клетки, которые жили дольше,
06:39
get expressed more.
150
384000
3000
больше размножались.
06:42
Now that's sort of just a very simple
151
387000
3000
Эта форма жизни была простой
06:45
chemical form of life,
152
390000
2000
с точки зрения химии,
06:47
but when things got interesting
153
392000
3000
потом наступил момент гораздо интереснее,
06:50
was when these drops
154
395000
2000
когда капельки научились
06:52
learned a trick about abstraction.
155
397000
3000
приёму извлечения информации.
06:55
Somehow by ways that we don't quite understand,
156
400000
3000
Каким-то образом, мы точно не знаем как,
06:58
these little drops learned to write down information.
157
403000
3000
эти капельки научились записывать информацию.
07:01
They learned to record the information
158
406000
2000
Они научились записывать
07:03
that was the recipe of the cell
159
408000
2000
состав клетки
07:05
onto a particular kind of chemical
160
410000
2000
на химическом соединении ДНК.
07:07
called DNA.
161
412000
2000
Другими словами,
07:09
So in other words, they worked out,
162
414000
2000
случайным способом эволюции
07:11
in this mindless sort of evolutionary way,
163
416000
3000
они постигли запись, которая позволила им
07:14
a form of writing that let them write down what they were,
164
419000
3000
зафиксировать, кем они были,
07:17
so that that way of writing it down could get copied.
165
422000
3000
и эта форма записи могла быть впоследствии скопирована.
07:20
The amazing thing is that that way of writing
166
425000
3000
Удивительным фактом является то,
07:23
seems to have stayed steady
167
428000
2000
что данный способ записи остался неизменным
07:25
since it evolved two and a half billion years ago.
168
430000
2000
с тех пор как был создан 2,5 миллиарда лет назад.
07:27
In fact the recipe for us, our genes,
169
432000
3000
И состав наших собственных генов
07:30
is exactly that same code and that same way of writing.
170
435000
3000
описан точно таким же способом и кодом.
07:33
In fact, every living creature is written
171
438000
3000
Все живые организмы записаны тем же набором
07:36
in exactly the same set of letters and the same code.
172
441000
2000
букв и с использованием этого же кода.
07:38
In fact, one of the things that I did
173
443000
2000
Шутки ради я сделал кое-что.
07:40
just for amusement purposes
174
445000
2000
Мы можем делать
07:42
is we can now write things in this code.
175
447000
2000
записи с помощью этого кода.
07:44
And I've got here a little 100 micrograms of white powder,
176
449000
6000
И вот здесь у меня сто микрограмм белого порошка,
07:50
which I try not to let the security people see at airports.
177
455000
4000
который, я надеюсь, не найдут охранники в аэропорту.
07:54
(Laughter)
178
459000
2000
(Смех)
07:56
But this has in it --
179
461000
2000
Это порошок, который я создал,
07:58
what I did is I took this code --
180
463000
2000
используя код.
08:00
the code has standard letters that we use for symbolizing it --
181
465000
3000
Этот код состоит из определённых букв, которые являются символами.
08:03
and I wrote my business card onto a piece of DNA
182
468000
3000
Я записал мою визитку на кусочек ДНК
08:06
and amplified it 10 to the 22 times.
183
471000
3000
и размножил её от 10 до 22 раз.
08:09
So if anyone would like a hundred million copies of my business card,
184
474000
3000
Если кому-то нужно примерно 100 миллионов копий моей визитки,
08:12
I have plenty for everyone in the room,
185
477000
2000
у меня есть достаточно для всех в зале,
08:14
and, in fact, everyone in the world,
186
479000
2000
и даже для всех в мире,
08:16
and it's right here.
187
481000
3000
и всё это находится здесь.
08:19
(Laughter)
188
484000
5000
(Смех)
08:26
If I had really been a egotist,
189
491000
2000
Если бы я был эгоцентристом,
08:28
I would have put it into a virus and released it in the room.
190
493000
3000
я бы сделал запись на вирусе и распространил бы его в зале.
08:31
(Laughter)
191
496000
5000
(Смех)
08:39
So what was the next step?
192
504000
2000
Какой же следующий шаг?
08:41
Writing down the DNA was an interesting step.
193
506000
2000
Запись на ДНК была интересным шагом.
08:43
And that caused these cells --
194
508000
2000
И клеточки были довольны
08:45
that kept them happy for another billion years.
195
510000
2000
и счастливы ещё миллиард лет.
08:47
But then there was another really interesting step
196
512000
2000
Но потом был другой интересный момент,
08:49
where things became completely different,
197
514000
3000
когда всё стало совсем другим,
08:52
which is these cells started exchanging and communicating information,
198
517000
3000
это произошло, когда клетки начали обмен информацией.
08:55
so that they began to get communities of cells.
199
520000
2000
Они образовали сообщества клеток.
08:57
I don't know if you know this,
200
522000
2000
Я не знаю, в курсе ли вы,
08:59
but bacteria can actually exchange DNA.
201
524000
2000
что бактерии могут обмениваться ДНК.
09:01
Now that's why, for instance,
202
526000
2000
Именно поэтому возникла
09:03
antibiotic resistance has evolved.
203
528000
2000
сопротивляемость антибиотикам.
09:05
Some bacteria figured out how to stay away from penicillin,
204
530000
3000
Некоторые бактерии научились держаться подальше от пенициллина
09:08
and it went around sort of creating its little DNA information
205
533000
3000
и распространили ДНК с этой информацией
09:11
with other bacteria,
206
536000
2000
между другими бактериями.
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
538000
3000
Сейчас существуют бактерии, устойчивые к пенициллину,
09:16
because bacteria communicate.
208
541000
2000
потому что бактерии общаются между собой.
09:18
Now what this communication allowed
209
543000
2000
Такое общение способствовало
09:20
was communities to form
210
545000
2000
созданию однородных сообществ,
09:22
that, in some sense, were in the same boat together;
211
547000
2000
они взаимодействовали между собой.
09:24
they were synergistic.
212
549000
2000
Они либо выживали,
09:26
So they survived
213
551000
2000
либо погибали
09:28
or they failed together,
214
553000
2000
все вместе.
09:30
which means that if a community was very successful,
215
555000
2000
Это означает, что если сообщество
09:32
all the individuals in that community
216
557000
2000
процветало, его участники
09:34
were repeated more
217
559000
2000
воспроизводились
09:36
and they were favored by evolution.
218
561000
3000
и эволюционировали.
09:39
Now the transition point happened
219
564000
2000
Переходный момент настал,
09:41
when these communities got so close
220
566000
2000
когда эти сообщества приблизились
09:43
that, in fact, they got together
221
568000
2000
друг к другу, они объединились
09:45
and decided to write down the whole recipe for the community
222
570000
3000
и решили записать состав сообщества
09:48
together on one string of DNA.
223
573000
3000
на одной цепочке ДНК.
09:51
And so the next stage that's interesting in life
224
576000
2000
Следующее интересное событие
09:53
took about another billion years.
225
578000
2000
произошло ещё через миллиард лет.
09:55
And at that stage,
226
580000
2000
На этой стадии появились
09:57
we have multi-cellular communities,
227
582000
2000
многоклеточные сообщества, состоящие
09:59
communities of lots of different types of cells,
228
584000
2000
из большого количества клеток разного типа,
10:01
working together as a single organism.
229
586000
2000
работающих как единый организм.
10:03
And in fact, we're such a multi-cellular community.
230
588000
3000
Мы являемся таким многоклеточным сообществом,
10:06
We have lots of cells
231
591000
2000
мы содержим множество клеток,
10:08
that are not out for themselves anymore.
232
593000
2000
которые не живут просто сами по себе.
10:10
Your skin cell is really useless
233
595000
3000
Клетки кожи совершенно беспомощны
10:13
without a heart cell, muscle cell,
234
598000
2000
без клеток мозга, сердечных,
10:15
a brain cell and so on.
235
600000
2000
мышечных клеток и так далее.
10:17
So these communities began to evolve
236
602000
2000
Эти сообщества начали развиваться,
10:19
so that the interesting level on which evolution was taking place
237
604000
3000
и следующим уровнем, на котором стала происходить эволюция,
10:22
was no longer a cell,
238
607000
2000
были эти сообщества,
10:24
but a community which we call an organism.
239
609000
3000
мы называем их организмы, а не просто клетки.
10:28
Now the next step that happened
240
613000
2000
Следующий шаг произошёл
10:30
is within these communities.
241
615000
2000
внутри этих сообществ.
10:32
These communities of cells,
242
617000
2000
Эти сообщества клеток
10:34
again, began to abstract information.
243
619000
2000
начали извлекать информацию.
10:36
And they began building very special structures
244
621000
3000
Они начали создавать структуры, единственной целью которых
10:39
that did nothing but process information within the community.
245
624000
3000
была обработка информации внутри сообщества.
10:42
And those are the neural structures.
246
627000
2000
Это нейронные структуры.
10:44
So neurons are the information processing apparatus
247
629000
3000
Нейроны — это инструменты для обработки информации,
10:47
that those communities of cells built up.
248
632000
3000
созданные сообществом клеток.
10:50
And in fact, they began to get specialists in the community
249
635000
2000
Они начали создавать структуры,
10:52
and special structures
250
637000
2000
специализирующиеся на записи,
10:54
that were responsible for recording,
251
639000
2000
обработке, изучении
10:56
understanding, learning information.
252
641000
3000
информации.
10:59
And that was the brains and the nervous system
253
644000
2000
Этой структурой являлись мозг
11:01
of those communities.
254
646000
2000
и нервная система сообщества.
11:03
And that gave them an evolutionary advantage.
255
648000
2000
Это дало им эволюционное преимущество,
11:05
Because at that point,
256
650000
3000
потому что к тому моменту
11:08
an individual --
257
653000
3000
обучение могло
11:11
learning could happen
258
656000
2000
происходить в течение жизни
11:13
within the time span of a single organism,
259
658000
2000
индивидуального организма,
11:15
instead of over this evolutionary time span.
260
660000
3000
а не в ходе эволюции.
11:18
So an organism could, for instance,
261
663000
2000
Например, организм мог научиться
11:20
learn not to eat a certain kind of fruit
262
665000
2000
не есть определённый сорт фруктов,
11:22
because it tasted bad and it got sick last time it ate it.
263
667000
4000
потому что они не вкусные и в прошлый раз после них организм болел.
11:26
That could happen within the lifetime of a single organism,
264
671000
3000
Навыки приобретали в течение жизни одного организма,
11:29
whereas before they'd built these special information processing structures,
265
674000
4000
а раньше это происходило в ходе эволюции
11:33
that would have had to be learned evolutionarily
266
678000
2000
в течение сотен тысяч лет,
11:35
over hundreds of thousands of years
267
680000
3000
когда индивидуумы умирали
11:38
by the individuals dying off that ate that kind of fruit.
268
683000
3000
после этого сорта фруктов.
11:41
So that nervous system,
269
686000
2000
Организация нервной системы —
11:43
the fact that they built these special information structures,
270
688000
3000
специальной информационной структуры
11:46
tremendously sped up the whole process of evolution.
271
691000
3000
позволило значительно ускорить процесс эволюции.
11:49
Because evolution could now happen within an individual.
272
694000
3000
Сейчас эволюция может происходить в рамках одного организма,
11:52
It could happen in learning time scales.
273
697000
3000
это может происходить в масштабах времени обучения.
11:55
But then what happened
274
700000
2000
Следующим шагом стало то,
11:57
was the individuals worked out,
275
702000
2000
что организмы научились
11:59
of course, tricks of communicating.
276
704000
2000
общаться между собой.
12:01
And for example,
277
706000
2000
И самая замысловатая версия,
12:03
the most sophisticated version that we're aware of is human language.
278
708000
3000
о которой мы знаем, это человеческий язык.
12:06
It's really a pretty amazing invention if you think about it.
279
711000
3000
Это потрясающее изобретение, только представьте:
12:09
Here I have a very complicated, messy,
280
714000
2000
в моей голове есть сложная
12:11
confused idea in my head.
281
716000
3000
запутанная идея.
12:14
I'm sitting here making grunting sounds basically,
282
719000
3000
Я издаю странные звуки и надеюсь,
12:17
and hopefully constructing a similar messy, confused idea in your head
283
722000
3000
создаю такие же сложные и запутанные подобно моим
12:20
that bears some analogy to it.
284
725000
2000
идеи в вашей голове.
12:22
But we're taking something very complicated,
285
727000
2000
Мы берём что-то очень сложное,
12:24
turning it into sound, sequences of sounds,
286
729000
3000
превращаем это в ряд звуков
12:27
and producing something very complicated in your brain.
287
732000
4000
и что-то сложное возникает в вашем мозгу.
12:31
So this allows us now
288
736000
2000
Это позволяет нам
12:33
to begin to start functioning
289
738000
2000
функционировать как
12:35
as a single organism.
290
740000
3000
самостоятельный организм.
12:38
And so, in fact, what we've done
291
743000
3000
Мы как человечество
12:41
is we, humanity,
292
746000
2000
начали извлекать
12:43
have started abstracting out.
293
748000
2000
информацию.
12:45
We're going through the same levels
294
750000
2000
Мы проходим через те же ступени,
12:47
that multi-cellular organisms have gone through --
295
752000
2000
через которые прошли многоклеточные организмы —
12:49
abstracting out our methods of recording,
296
754000
3000
усовершенствование методов записи,
12:52
presenting, processing information.
297
757000
2000
передачи, обработки информации.
12:54
So for example, the invention of language
298
759000
2000
Например, изобретение языка
12:56
was a tiny step in that direction.
299
761000
3000
было маленьким шажочком в этом направлении.
12:59
Telephony, computers,
300
764000
2000
Телефоны, компьютеры,
13:01
videotapes, CD-ROMs and so on
301
766000
3000
видеокассеты, компакт-диски
13:04
are all our specialized mechanisms
302
769000
2000
и прочие механизмы,
13:06
that we've now built within our society
303
771000
2000
которые мы создаём
13:08
for handling that information.
304
773000
2000
для сохранения информации.
13:10
And it all connects us together
305
775000
3000
И это объединяет нас
13:13
into something
306
778000
2000
в нечто гораздо большее
13:15
that is much bigger
307
780000
2000
и более быстрое,
13:17
and much faster
308
782000
2000
в нечто, что в отличие от того,
13:19
and able to evolve
309
784000
2000
чем мы были раньше,
13:21
than what we were before.
310
786000
2000
может эволюционировать.
13:23
So now, evolution can take place
311
788000
2000
Теперь процесс эволюции может протекать
13:25
on a scale of microseconds.
312
790000
2000
за доли секунды.
13:27
And you saw Ty's little evolutionary example
313
792000
2000
Вы видели пример моментальной эволюции Ти,
13:29
where he sort of did a little bit of evolution
314
794000
2000
когда он воспроизвёл фрагмент эволюции
13:31
on the Convolution program right before your eyes.
315
796000
3000
в программе свёртки прямо на ваших глазах.
13:34
So now we've speeded up the time scales once again.
316
799000
3000
Мы снова ускорили ход времени.
13:37
So the first steps of the story that I told you about
317
802000
2000
Первые несколько шагов, о которых я вам рассказал,
13:39
took a billion years a piece.
318
804000
2000
произошли миллиарды лет назад.
13:41
And the next steps,
319
806000
2000
Последующие этапы,
13:43
like nervous systems and brains,
320
808000
2000
такие как появление нервной системы и мозга
13:45
took a few hundred million years.
321
810000
2000
произошли в течение сотен миллионов лет.
13:47
Then the next steps, like language and so on,
322
812000
3000
Следующие этапы, такие как появления речи,
13:50
took less than a million years.
323
815000
2000
произошли в период времени меньше миллиона лет.
13:52
And these next steps, like electronics,
324
817000
2000
Следующие шаги, такие как появление электронного оборудования,
13:54
seem to be taking only a few decades.
325
819000
2000
происходят в течение десятков лет.
13:56
The process is feeding on itself
326
821000
2000
Этот процесс самоподпитывающийся
13:58
and becoming, I guess, autocatalytic is the word for it --
327
823000
3000
и становится автокаталитическим, что означает,
14:01
when something reinforces its rate of change.
328
826000
3000
что он ускоряет свой темп развития.
14:04
The more it changes, the faster it changes.
329
829000
3000
Чем больше перемен, тем быстрее это происходит.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
832000
3000
Я считаю, что именно это мы видим на этом росте кривой.
14:10
We're seeing this process feeding back on itself.
331
835000
3000
Процесс ускоряет сам себя.
14:13
Now I design computers for a living,
332
838000
3000
На работе я проектирую компьютеры,
14:16
and I know that the mechanisms
333
841000
2000
и знаю, что механизмы,
14:18
that I use to design computers
334
843000
3000
которые я использую,
14:21
would be impossible
335
846000
2000
были бы невозможными
14:23
without recent advances in computers.
336
848000
2000
без недавних открытий в этой области.
14:25
So right now, what I do
337
850000
2000
Сейчас я программирую
14:27
is I design objects at such complexity
338
852000
3000
на таком сложном уровне,
14:30
that it's really impossible for me to design them in the traditional sense.
339
855000
3000
что невозможно было бы сделать это традиционными способами.
14:33
I don't know what every transistor in the connection machine does.
340
858000
4000
Я не знаю, что именно делает каждый транзистор,
14:37
There are billions of them.
341
862000
2000
их миллиарды.
14:39
Instead, what I do
342
864000
2000
Вместо этого,
14:41
and what the designers at Thinking Machines do
343
866000
3000
я и другие разработчики в Thinking Machines,
14:44
is we think at some level of abstraction
344
869000
2000
создаём определённую идею
14:46
and then we hand it to the machine
345
871000
2000
и передаём её компьютерам,
14:48
and the machine takes it beyond what we could ever do,
346
873000
3000
после этого компьютеры обрабатывают её на таком уровне
14:51
much farther and faster than we could ever do.
347
876000
3000
и с такой скоростью, которая нам бы была не по силам.
14:54
And in fact, sometimes it takes it by methods
348
879000
2000
И это делается способом, который мы
14:56
that we don't quite even understand.
349
881000
3000
не всегда до конца понимаем.
14:59
One method that's particularly interesting
350
884000
2000
Один из этих способов особенно интересен
15:01
that I've been using a lot lately
351
886000
3000
и я его очень часто использую,
15:04
is evolution itself.
352
889000
2000
это процесс эволюции.
15:06
So what we do
353
891000
2000
Мы закладываем процесс
15:08
is we put inside the machine
354
893000
2000
эволюции в машину,
15:10
a process of evolution
355
895000
2000
и он происходит
15:12
that takes place on the microsecond time scale.
356
897000
2000
в доли секунд.
15:14
So for example,
357
899000
2000
Например,
15:16
in the most extreme cases,
358
901000
2000
в самых экстремальных случаях
15:18
we can actually evolve a program
359
903000
2000
мы можем «эволюционировать» программу,
15:20
by starting out with random sequences of instructions.
360
905000
4000
начав со случайного набора строк.
15:24
Say, "Computer, would you please make
361
909000
2000
И попросим: «Теперь, пожалуйста, компьютер
15:26
a hundred million random sequences of instructions.
362
911000
3000
создай сто миллионов строк кода
15:29
Now would you please run all of those random sequences of instructions,
363
914000
3000
прогони эти строки,
15:32
run all of those programs,
364
917000
2000
прогони все программы, все и выбери те,
15:34
and pick out the ones that came closest to doing what I wanted."
365
919000
3000
которые наиболее похоже на то, что я хотел сделать».
15:37
So in other words, I define what I wanted.
366
922000
2000
Другими словами, я определяю, что хочу.
15:39
Let's say I want to sort numbers,
367
924000
2000
Например, скажем, что нужно
15:41
as a simple example I've done it with.
368
926000
2000
просто отсортировать числа.
15:43
So find the programs that come closest to sorting numbers.
369
928000
3000
Найдём программу, которая будет делать это лучшим образом.
15:46
So of course, random sequences of instructions
370
931000
3000
Конечно же, маловероятно, что случайный набор команд
15:49
are very unlikely to sort numbers,
371
934000
2000
будет сортировать числа,
15:51
so none of them will really do it.
372
936000
2000
так что ни одна программа не подойдёт.
15:53
But one of them, by luck,
373
938000
2000
Но одна из них, по счастливой случайности
15:55
may put two numbers in the right order.
374
940000
2000
сможет поставить два числа в правильном порядке.
15:57
And I say, "Computer,
375
942000
2000
И тогда я скажу: «Компьютер, возьми,
15:59
would you please now take the 10 percent
376
944000
3000
пожалуйста, 10% от этих случайных строк,
16:02
of those random sequences that did the best job.
377
947000
2000
которые отсортировали цифры лучшим образом.
16:04
Save those. Kill off the rest.
378
949000
2000
Сохранив их, уничтожь все остальные.
16:06
And now let's reproduce
379
951000
2000
И теперь воспроизведи те,
16:08
the ones that sorted numbers the best.
380
953000
2000
которые сортировали цифры самым лучшим образом.
16:10
And let's reproduce them by a process of recombination
381
955000
3000
И воспроизведи их с помощью процесса
16:13
analogous to sex."
382
958000
2000
аналогичного сексу».
16:15
Take two programs and they produce children
383
960000
3000
Возьми 2 программы и сделай детей
16:18
by exchanging their subroutines,
384
963000
2000
с помощью обмена подпрограммами.
16:20
and the children inherit the traits of the subroutines of the two programs.
385
965000
3000
Их дети унаследуют черты подпрограмм обоих.
16:23
So I've got now a new generation of programs
386
968000
3000
Теперь у меня есть новое поколение программ,
16:26
that are produced by combinations
387
971000
2000
которые были получены объединением программ,
16:28
of the programs that did a little bit better job.
388
973000
2000
которую делают свою работу чуточку лучше.
16:30
Say, "Please repeat that process."
389
975000
2000
Затем я прошу повторить.
16:32
Score them again.
390
977000
2000
Отсортируй их снова,
16:34
Introduce some mutations perhaps.
391
979000
2000
добавь мутацию
16:36
And try that again and do that for another generation.
392
981000
3000
и проделай это вновь с новым поколением.
16:39
Well every one of those generations just takes a few milliseconds.
393
984000
3000
Каждое поколение появляется в доли секунд.
16:42
So I can do the equivalent
394
987000
2000
Я могу проделать работу,
16:44
of millions of years of evolution on that
395
989000
2000
равную миллионам лет эволюции
16:46
within the computer in a few minutes,
396
991000
3000
в рамках своего компьютера в несколько минут,
16:49
or in the complicated cases, in a few hours.
397
994000
2000
или в особо сложных случаях, за несколько часов.
16:51
At the end of that, I end up with programs
398
996000
3000
И, в конце концов, у меня появляется программа,
16:54
that are absolutely perfect at sorting numbers.
399
999000
2000
которая максимально подходит для сортировки чисел.
16:56
In fact, they are programs that are much more efficient
400
1001000
3000
Эти программы гораздо эффективнее тех,
16:59
than programs I could have ever written by hand.
401
1004000
2000
что могу написать я.
17:01
Now if I look at those programs,
402
1006000
2000
Если взглянуть на них, я не смогу
17:03
I can't tell you how they work.
403
1008000
2000
объяснить, как они работают.
17:05
I've tried looking at them and telling you how they work.
404
1010000
2000
Я пытался разобраться в них, чтобы рассказать вам,
17:07
They're obscure, weird programs.
405
1012000
2000
но они непонятные, очень запутанные.
17:09
But they do the job.
406
1014000
2000
Но они делают всю работу,
17:11
And in fact, I know, I'm very confident that they do the job
407
1016000
3000
и я знаю, я уверен, что они работают,
17:14
because they come from a line
408
1019000
2000
потому что они появились из строк
17:16
of hundreds of thousands of programs that did the job.
409
1021000
2000
сотен тысяч программ, которые работали.
17:18
In fact, their life depended on doing the job.
410
1023000
3000
От того, как они работают, зависит их жизнь.
17:21
(Laughter)
411
1026000
4000
(Смех)
17:26
I was riding in a 747
412
1031000
2000
Однажды я летел
17:28
with Marvin Minsky once,
413
1033000
2000
на борту 747 с Марвином Мински.
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1035000
3000
И он достал одну из брошюр и сказал: «Взгляни-ка на это,
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1038000
4000
здесь написано, что это самолёт состоит из сотен тысяч маленьких деталей,
17:37
working together to make you a safe flight.'
416
1042000
4000
которые работают вместе для обеспечения безопасности вашего перелёта.
17:41
Doesn't that make you feel confident?"
417
1046000
2000
Ну, как, ты чувствуешь себя безопаснее?»
17:43
(Laughter)
418
1048000
2000
(Смех)
17:45
In fact, we know that the engineering process doesn't work very well
419
1050000
3000
Мы знаем, что при усложнении
17:48
when it gets complicated.
420
1053000
2000
инженерный процесс не всегда работает очень хорошо.
17:50
So we're beginning to depend on computers
421
1055000
2000
Поэтому мы начинаем полагаться на компьютеры,
17:52
to do a process that's very different than engineering.
422
1057000
4000
выполнять задачи за рамками инженерии.
17:56
And it lets us produce things of much more complexity
423
1061000
3000
И это позволяет нам сделать производить вещи гораздо более сложные,
17:59
than normal engineering lets us produce.
424
1064000
2000
чем то, что мы смогли бы сделать с помощью обычной инженерии.
18:01
And yet, we don't quite understand the options of it.
425
1066000
3000
И в то же время мы не совсем понимаем всех возможностей,
18:04
So in a sense, it's getting ahead of us.
426
1069000
2000
в каком-то смысле технологии обгоняют нас.
18:06
We're now using those programs
427
1071000
2000
Мы используем эти программы,
18:08
to make much faster computers
428
1073000
2000
для создания более быстрых компьютеров,
18:10
so that we'll be able to run this process much faster.
429
1075000
3000
чтобы мы смогли прогонять эти процессы ещё быстрее.
18:13
So it's feeding back on itself.
430
1078000
3000
Этот процесс самоускоряется.
18:16
The thing is becoming faster
431
1081000
2000
Всё ускоряется
18:18
and that's why I think it seems so confusing.
432
1083000
2000
и это сбивает с толку.
18:20
Because all of these technologies are feeding back on themselves.
433
1085000
3000
Технологии развиваются всё быстрее
18:23
We're taking off.
434
1088000
2000
и мы взлетаем.
18:25
And what we are is we're at a point in time
435
1090000
3000
Мы находимся на стадии, аналогичной той,
18:28
which is analogous to when single-celled organisms
436
1093000
2000
когда одноклеточные организмы
18:30
were turning into multi-celled organisms.
437
1095000
3000
превращались в многоклеточные.
18:33
So we're the amoebas
438
1098000
2000
Мы амёбы и не можем понять,
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1100000
3000
в какой же организм мы объединяемся.
18:38
We're right at that point of transition.
440
1103000
2000
Мы находимся в переходном моменте.
18:40
But I think that there really is something coming along after us.
441
1105000
3000
Я думаю, что что-то грядёт нам на смену,
18:43
I think it's very haughty of us
442
1108000
2000
и было бы очень самонадеянно считать,
18:45
to think that we're the end product of evolution.
443
1110000
3000
что мы венец эволюции.
18:48
And I think all of us here
444
1113000
2000
Мы все являемся частью
18:50
are a part of producing
445
1115000
2000
создания чего-то нового.
18:52
whatever that next thing is.
446
1117000
2000
Но вот подходит
18:54
So lunch is coming along,
447
1119000
2000
время обеда
18:56
and I think I will stop at that point,
448
1121000
2000
и я, пожалуй, тут остановлюсь,
18:58
before I get selected out.
449
1123000
2000
пока я не выпал из этого процесса.
19:00
(Applause)
450
1125000
3000
(Аплодисменты)
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com