TEDxUIUC
Christoph Adami: Finding life we can't imagine
Christoph Adami: Hayal bile edemeyeceğimiz hayatı bulmak
Filmed:
Readability: 3.7
652,149 views
Hakkında hiçbir şey bilmiyorsak uzaylılar hakkında nasıl araştırma yaparız? TEDxUIUC'de Christoph Adami yapay yaşamda - kendini çoğaltan bilgisayar programları- bir iz, bioiz bulabilmek için hayatın ne olduğunun ön yargılarından uzak, kendi araştırmasını nasıl kullandığını gösteriyor.
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Double-click the English transcript below to play the video.
00:15
So I have a strange career.
0
0
2000
Böyle tuhaf bir kariyere sahibim.
00:17
I know it because people come up to me, like colleagues,
1
2000
3000
Bunu biliyorum, çünkü insanlar diğer meslektaşları gibi bana gelirler
00:20
and say, "Chris, you have a strange career."
2
5000
2000
ve ''Chris, tuhaf bir kariyerin var'' derler.
00:22
(Laughter)
3
7000
2000
(Gülüşmeler)
00:24
And I can see their point,
4
9000
2000
Ve onunların bakış açısını görebiliyorum,
00:26
because I started my career
5
11000
2000
çünkü kendi kariyerime başladım
00:28
as a theoretical nuclear physicist.
6
13000
2000
teorik bir nükleer fizikçi olarak.
00:30
And I was thinking about quarks and gluons
7
15000
2000
Ve kuarklar ve gluonları düşünüyordum.
00:32
and heavy ion collisions,
8
17000
2000
ve büyük iyon çarpışmalarını düşünüyordum.
00:34
and I was only 14 years old.
9
19000
2000
ve daha 14 yaşında idim.
00:36
No, no, I wasn't 14 years old.
10
21000
3000
Hayır,hayır 14 yaşında değildim.
00:40
But after that,
11
25000
2000
Fakat bundan sonra,
00:42
I actually had my own lab
12
27000
2000
aslında benim kendi laboratuvarım vardı
00:44
in the computational neuroscience department,
13
29000
2000
bilişimsel sinirbilim departmanında,
00:46
and I wasn't doing any neuroscience.
14
31000
2000
ve sinirbilimiyle uğraşmıyordum.
00:48
Later, I would work on evolutionary genetics,
15
33000
3000
Daha sonra, evrimsel kalıtım bilimi üzerine ,
00:51
and I would work on systems biology.
16
36000
2000
ve sistem biyolojisi üzerine çalışacaktım.
00:53
But I'm going to tell you about something else today.
17
38000
3000
Fakat size bugün hakkında bir şeyler den bahsedeceğim.
00:56
I'm going to tell you
18
41000
2000
Size hayat hakkında
00:58
about how I learned something about life.
19
43000
2000
nasıl bir şey öğrendiğimi anlatacağım.
01:00
And I was actually a rocket scientist.
20
45000
4000
Ve aslında füze bilimcisi idim.
01:04
I wasn't really a rocket scientist,
21
49000
2000
gerçek bir füze bilimcisi değildim,
01:06
but I was working
22
51000
2000
fakat çalışıyordum
01:08
at the Jet Propulsion Laboratory
23
53000
2000
jet motoru laborotuvarında
01:10
in sunny California where it's warm;
24
55000
3000
Sıcağın olduğu bol güneşli California'da
01:13
whereas now I'm in the mid-West,
25
58000
2000
Oysa şimdi Orta Batı'da yım,
01:15
and it's cold.
26
60000
2000
ve soğuk.
01:17
But it was an exciting experience.
27
62000
3000
Ama bu heyecan verici bir deneyim oldu.
01:20
One day a NASA manager comes into my office,
28
65000
3000
Bir gün bir NASA yöneticisi odama geldi.
01:23
sits down and says,
29
68000
3000
Oturdu ve dedi ki,
01:26
"Can you please tell us,
30
71000
2000
Lütfen bize anlatabilir misin,
01:28
how do we look for life outside Earth?"
31
73000
2000
dünya dışında yaşamı nasıl ararız?
01:30
And that came as a surprise to me,
32
75000
2000
ve bu benim için bir sürpriz oldu,
01:32
because I was actually hired
33
77000
2000
Çünkü gerçekten işe alındım.
01:34
to work on quantum computation.
34
79000
2000
kuantum bilgisayarı üzerinde çalışmak için
01:36
Yet, I had a very good answer.
35
81000
2000
Ancak, benim iyi bir cevabım vardı.
01:38
I said, "I have no idea."
36
83000
3000
'' Hiçbir fikrim yok '' dedim.
01:41
And he told me, "Biosignatures,
37
86000
3000
Ve bana ''Biyosinyatürler,
01:44
we need to look for a biosignature."
38
89000
2000
bizim biyosinyatürler bulmaya ihtiyacımız var.'' dedi.
01:46
And I said, "What is that?"
39
91000
2000
Ve dedim ki, ''O da ne?''
01:48
And he said, "It's any measurable phenomenon
40
93000
2000
O '' Bu yaşam belirtisi gösteren
01:50
that allows us to indicate
41
95000
2000
ölçülebilir
01:52
the presence of life."
42
97000
2000
bir fenomen.
01:54
And I said, "Really?
43
99000
2000
'' Gerçekten mi?'' dedim.
01:56
Because isn't that easy?
44
101000
2000
Çünkü o kadar kolay değil mi?
01:58
I mean, we have life.
45
103000
2000
Demek istediğim, bizim bir hayatımız var.
02:00
Can't you apply a definition,
46
105000
2000
Bir tanımda bulunabilir misiniz?
02:02
like for example, a Supreme Court-like definition of life?"
47
107000
4000
örneğin gibi, Anayasa Mahkemesinin yaşam tanımı gibi mi? "
02:06
And then I thought about it a little bit, and I said,
48
111000
2000
Ve sonra, biraz düşündüm ve
02:08
"Well, is it really that easy?
49
113000
2000
"peki, gerçekten bu kadar kolay mı? dedim.
02:10
Because, yes, if you see something like this,
50
115000
3000
Çünkü, evet, böyle bir şey görürseniz,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
sonra tamam, bir yaşam olarak adlandıracağım,
02:15
no doubt about it.
52
120000
2000
hiç şüphe yok.
02:17
But here's something."
53
122000
2000
Fakat burada bir şey var''
02:19
And he goes, "Right, that's life too. I know that."
54
124000
3000
Ve gider bu da bir yaşam. Biliyorum.
02:22
Except, if you think life is also defined
55
127000
2000
Hayatı ölümlü şeylerle tanımlıyorsan
02:24
by things that die,
56
129000
2000
bu şeyle
02:26
you're not in luck with this thing,
57
131000
2000
Şanşlı değilsiniz,
02:28
because that's actually a very strange organism.
58
133000
2000
çünkü gerçekten çok garip bir organizma.
02:30
It grows up into the adult stage like that
59
135000
2000
Bu ileri bir aşamaya varır
02:32
and then goes through a Benjamin Button phase,
60
137000
3000
ve sonra Benjamin Button'un aşamasına geçer,
02:35
and actually goes backwards and backwards
61
140000
2000
ve gerçekten geriye ve geriye
02:37
until it's like a little embryo again,
62
142000
2000
yeniden embriyo olana kadar gider
02:39
and then actually grows back up, and back down and back up -- sort of yo-yo --
63
144000
3000
ve sonra gerçekten geri döner ve
02:42
and it never dies.
64
147000
2000
asla ölmez.
02:44
So it's actually life,
65
149000
2000
Bu yüzden gerçek yaşamdır
02:46
but it's actually not
66
151000
2000
ama bizim düşündüğümüz
02:48
as we thought life would be.
67
153000
3000
gibi gerçek değildir.
02:51
And then you see something like that.
68
156000
2000
ve sonra bunun gibi şeyler görürsünüz.
02:53
And he was like, "My God, what kind of a life form is that?"
69
158000
2000
ve O sanki ,''Allah'ım ne tür bir yaşam şekli?''
02:55
Anyone know?
70
160000
2000
kim bilir?
02:57
It's actually not life, it's a crystal.
71
162000
3000
Sadece bir yaşam değil, bir kristal.
03:00
So once you start looking and looking
72
165000
2000
Bu yüzden küçük şeylere
03:02
at smaller and smaller things --
73
167000
2000
bakmaya başlarsın
03:04
so this particular person
74
169000
2000
bu yüzden bu özel kişi
03:06
wrote a whole article and said, "Hey, these are bacteria."
75
171000
3000
bütün makaleyi yazar ve ''Hey, bunlar bakteridir'' der.
03:09
Except, if you look a little bit closer,
76
174000
2000
Gördüğün dışında biraz daha yakından baktıysan gerçekte bu
03:11
you see, in fact, that this thing is way too small to be anything like that.
77
176000
3000
bunlar herhangi bir şey olmak için çok küçükler.
03:14
So he was convinced,
78
179000
2000
Böylece ikna oldu
03:16
but, in fact, most people aren't.
79
181000
2000
ama gerçekte bir çok kişi olmadı.
03:18
And then, of course,
80
183000
2000
Ve sonra, tabi ki,
03:20
NASA also had a big announcement,
81
185000
2000
NASA ayrıca büyük bir duyuru yaptı
03:22
and President Clinton gave a press conference,
82
187000
2000
ve Başkan Clinton
03:24
about this amazing discovery
83
189000
2000
Mars gezegeni'nin bu inanılmaz keşfi hakkında
03:26
of life in a Martian meteorite.
84
191000
3000
bir basın toplantısı düzenledi,
03:29
Except that nowadays, it's heavily disputed.
85
194000
4000
Şu günlerde çok yoğun bir şekilde tartışılıyor.
03:33
If you take the lesson of all these pictures,
86
198000
3000
Tüm bu resimlerden ders alırsak,
03:36
then you realize, well actually maybe it's not that easy.
87
201000
2000
sonra kolay olmadığının farkına varırız.
03:38
Maybe I do need
88
203000
2000
Belki bu tür bir ayrım yapmak için
03:40
a definition of life
89
205000
2000
hayatı tanımlamaya
03:42
in order to make that kind of distinction.
90
207000
2000
ihtiyacım var.
03:44
So can life be defined?
91
209000
2000
Hayatı tanımlayabilir miyiz?
03:46
Well how would you go about it?
92
211000
2000
Peki bunun hakkında ne dersin?
03:48
Well of course,
93
213000
2000
Şey tabi ki
03:50
you'd go to Encyclopedia Britannica and open at L.
94
215000
2000
Britanica ansiklobedisini alcaktın ve L. yi açacaktın.
03:52
No, of course you don't do that; you put it somewhere in Google.
95
217000
3000
Hayır tabikide yapma bunu; google a yaz bir şeyler.
03:55
And then you might get something.
96
220000
3000
Ve sonra belki bir şey elde edersiniz.
03:58
And what you might get --
97
223000
2000
Ve ne elde edersiniz
04:00
and anything that actually refers to things that we are used to,
98
225000
2000
ve size attığımız şeyleri gerçekten refer eden
04:02
you throw away.
99
227000
2000
her şey.
04:04
And then you might come up with something like this.
100
229000
2000
Ve sonra size böyle şeyler gelebilir.
04:06
And it says something complicated
101
231000
2000
Ve bazı şeylerin bir çok kavramla beraber
04:08
with lots and lots of concepts.
102
233000
2000
karmaşık olduğunu söylüyor.
04:10
Who on Earth would write something
103
235000
2000
Dünya da kim
04:12
as convoluted and complex
104
237000
2000
karmasık ve anlamsız bir şey
04:14
and inane?
105
239000
3000
yazabilir?
04:17
Oh, it's actually a really, really, important set of concepts.
106
242000
4000
Ov gerçekten önemli kavramlar
04:21
So I'm highlighting just a few words
107
246000
3000
Bu yüzden bir kaç kelimeyle vurguluyorum
04:24
and saying definitions like that
108
249000
2000
ve amino asit yada yapraklar
04:26
rely on things that are not based
109
251000
2000
aslında sadece süreç içinde kullanığımız
04:28
on amino acids or leaves
110
253000
3000
herhangi bir şeyin
04:31
or anything that we are used to,
111
256000
2000
tanımını
04:33
but in fact on processes only.
112
258000
2000
veriyorum.
04:35
And if you take a look at that,
113
260000
2000
Ve bir göz atın,
04:37
this was actually in a book that I wrote that deals with artificial life.
114
262000
3000
Bu yazdığım yapay bir yaşamla uzlaşan kitabımda ki idi.
04:40
And that explains why
115
265000
2000
Ve niçin Nasa yöneticisinin benim ofisimde
04:42
that NASA manager was actually in my office to begin with.
116
267000
3000
olduğunu açıklar.
04:45
Because the idea was that, with concepts like that,
117
270000
3000
Çünkü düşünce bunun gibi kavramlarlaydı,
04:48
maybe we can actually manufacture
118
273000
2000
belki gerçekten yeni bir yaşam biçimi
04:50
a form of life.
119
275000
2000
oluşturabiliriz.
04:52
And so if you go and ask yourself,
120
277000
3000
Ve böylece gidip kendi kendine
04:55
"What on Earth is artificial life?",
121
280000
2000
''Dünyada ki yapay yaşam nedir?'' diye sorarsan,
04:57
let me give you a whirlwind tour
122
282000
2000
bana bu şeylerin nasıl meydana geldiği konusunda
04:59
of how all this stuff came about.
123
284000
2000
bir fikir ver.
05:01
And it started out quite a while ago
124
286000
3000
Ve oldukça uzun süre önce
05:04
when someone wrote
125
289000
2000
ilk başarılı bilgisayar virüsünü yazdığımda
05:06
one of the first successful computer viruses.
126
291000
2000
başladı.
05:08
And for those of you who aren't old enough,
127
293000
3000
Ve sizin içiin yeteri kadar yaşlı olmayanlar,
05:11
you have no idea how this infection was working --
128
296000
3000
Bu virüsün dikler aracılığı ile nasıl etkili olduğu konusunda
05:14
namely, through these floppy disks.
129
299000
2000
hiç bir fikrim yok.
05:16
But the interesting thing about these computer virus infections
130
301000
3000
fakat; bu bilgisayar virüsleri ilgili şeyler
05:19
was that, if you look at the rate
131
304000
2000
eğer virüsün işe yaradığı
05:21
at which the infection worked,
132
306000
2000
orana bakarsanız,
05:23
they show this spiky behavior
133
308000
2000
alıştığınız grip virüsü
05:25
that you're used to from a flu virus.
134
310000
3000
belirtilerini gösterir.
05:28
And it is in fact due to this arms race
135
313000
2000
Ve aslında bu virüsleri korsanlara geri ileten
05:30
between hackers and operating system designers
136
315000
3000
işletim sistemi tasarımcıları ve korsanlar arasında ki
05:33
that things go back and forth.
137
318000
2000
bir silahlanma yarışıdır.
05:35
And the result is kind of a tree of life
138
320000
2000
Ve virüslerin üç türü
05:37
of these viruses,
139
322000
2000
sonuçtur,
05:39
a phylogeny that looks very much
140
324000
3000
Çok belirgin bir filogen
05:42
like the type of life that we're used to, at least on the viral level.
141
327000
3000
alıştığımız en düşük virüs seviyesi türü gibi
05:45
So is that life? Not as far as I'm concerned.
142
330000
3000
Yani hayat bu mu?
05:48
Why? Because these things don't evolve by themselves.
143
333000
3000
Niçin? Çünkü bu şeyler kendi kendine oluşmaz.
05:51
In fact, they have hackers writing them.
144
336000
2000
Aslında onlar yazıcı hekırlara sahip.
05:53
But the idea was taken very quickly a little bit further
145
338000
4000
Aslında fikir çok çabuk bir şekilde düşünüldü
05:57
when a scientist working at the Scientific Institute decided,
146
342000
3000
Bilim enstütüsüde çalışan bilim adamları karar verdiğinde
06:00
"Why don't we try to package these little viruses
147
345000
3000
Niçin bu küçük virüs paketlerini yapay bilgisayar dünyasında
06:03
in artificial worlds inside of the computer
148
348000
2000
onları paketlemeye çalışmıyoruz
06:05
and let them evolve?"
149
350000
2000
ve onları geliştiriyoruz?
06:07
And this was Steen Rasmussen.
150
352000
2000
Ve bu u Steen Rasmussendi.
06:09
And he designed this system, but it really didn't work,
151
354000
2000
Ve bu sistem tasarlandı ama gerçekten işe yaramadı,
06:11
because his viruses were constantly destroying each other.
152
356000
3000
çünkü onun virüsleri sürekli birbirlerini yok etti.
06:14
But there was another scientist who had been watching this, an ecologist.
153
359000
3000
Fakat;bunu izleyen bir başka ekolojist bilim adamı vardır.
06:17
And he went home and says, "I know how to fix this."
154
362000
3000
Ve evine gitti sonra, '' Bunun nasıl onarıldığını biliyorum.''
06:20
And he wrote the Tierra system,
155
365000
2000
Ve Tieera sistemini yazdı.
06:22
and, in my book, is in fact one of the first
156
367000
3000
Ve benim kitabımda ki ilklerden biri
06:25
truly artificial living systems --
157
370000
2000
gerçekten yapay bir yaşam sistemi
06:27
except for the fact that these programs didn't really grow in complexity.
158
372000
3000
bu programların bir karmaşada çalışmadığı gerçeği dışında.
06:30
So having seen this work, worked a little bit on this,
159
375000
3000
yani bu işi görünce biraz çalıştı,
06:33
this is where I came in.
160
378000
2000
Bu geldiğim yerdeydi.
06:35
And I decided to create a system
161
380000
2000
Ve karmaşıklığın evrimini görmek için
06:37
that has all the properties that are necessary
162
382000
2000
gerekli bir sistem oluşturmaya
06:39
to see the evolution of complexity,
163
384000
3000
karar verdik,
06:42
more and more complex problems constantly evolving.
164
387000
3000
sürekli gelişen daha fazla ve daha karmasık bir sistem.
06:45
And of course, since I really don't know how to write code, I had help in this.
165
390000
3000
Ve tabiki , nasıl şifrenin nasıl yazılcağını bilmeyip bu konuda yardım aldığımdan beri.
06:48
I had two undergraduate students
166
393000
2000
İki lisans öğrencim vardı
06:50
at California Institute of Technology that worked with me.
167
395000
3000
benle birlikte California Teknoloji Enstütüsünde çalışan.
06:53
That's Charles Offria on the left, Titus Brown on the right.
168
398000
3000
Bu solda ki Charles Offria, sağda ki Titus Brown.
06:56
They are now actually respectable professors
169
401000
3000
Onlar şimdi
06:59
at Michigan State University,
170
404000
2000
Michigan Devlet üniverstsinde saygın birer profesör.
07:01
but I can assure you, back in the day,
171
406000
2000
ama gün içinde geri dönebileceğimi size temin ederim,
07:03
we were not a respectable team.
172
408000
2000
biz saygın bir ekip değildik.
07:05
And I'm really happy that no photo survives
173
410000
2000
Ve üçümüzün bir arada olduğu bir fotoğrafımız olmadığından gerçekten
07:07
of the three of us anywhere close together.
174
412000
3000
çok mutluyum.
07:10
But what is this system like?
175
415000
2000
Fakat; bu sistem ne gibi?
07:12
Well I can't really go into the details,
176
417000
3000
Şeyyy gerçekten detaylara giremiyorum,
07:15
but what you see here is some of the entrails.
177
420000
2000
ama burda gördükleriniz iç organlardan bazılarıdır.
07:17
But what I wanted to focus on
178
422000
2000
Ama odaklanmak istediğim
07:19
is this type of population structure.
179
424000
2000
nüfus yapısı türüdür.
07:21
There's about 10,000 programs sitting here.
180
426000
3000
Burada 10,000 program duruyor.
07:24
And all different strains are colored in different colors.
181
429000
3000
Ve tüm farklı türler farklı renklerdir.
07:27
And as you see here, there are groups that are growing on top of each other,
182
432000
3000
Ve gördüğünüz gibi, birbirlerinin üstünde büyüyen gruplar vardır.
07:30
because they are spreading.
183
435000
2000
çünkü yayılıyorlar.
07:32
Any time there is a program
184
437000
2000
her zaman dünyada var olan daha iyi bir program
07:34
that's better at surviving in this world,
185
439000
2000
vardır.
07:36
due to whatever mutation it has acquired,
186
441000
2000
ne olursa olsun mutasyon nedeniyle,
07:38
it is going to spread over the others and drive the others to extinction.
187
443000
3000
Diğerlerine yayılacak ve diğerlei yok olacak.
07:41
So I'm going to show you a movie where you're going to see that kind of dynamic.
188
446000
3000
Bu yüzden bu dinamizmi gördüğün yerin filmin, izleteceğim sana.
07:44
And these kinds of experiments are started
189
449000
3000
Ve bizim ürettiğimiz programlar ile
07:47
with programs that we wrote ourselves.
190
452000
2000
bu tür deneyler başlatılır.
07:49
We write our own stuff, replicate it,
191
454000
2000
Kendi programlarımızı ürettik ve çoğalttık
07:51
and are very proud of ourselves.
192
456000
2000
ve kendimizle çok gurur duyuyoruz.
07:53
And we put them in, and what you see immediately
193
458000
3000
Ve biz onları koyduk ve hemen gördüğümüzün
07:56
is that there are waves and waves of innovation.
194
461000
3000
yenilik dalgaları olmasıdır.
07:59
By the way, this is highly accelerated,
195
464000
2000
Bu arada bu son derece hızlandırılmıştır,
08:01
so it's like a thousand generations a second.
196
466000
2000
ikinci jenerasyon gibi.
08:03
But immediately the system goes like,
197
468000
2000
Ama hemen sistem
08:05
"What kind of dumb piece of code was this?
198
470000
2000
''Ne tür bir lanet koddu bu?''
08:07
This can be improved upon in so many ways
199
472000
2000
Böylece bu pek çok yönden
08:09
so quickly."
200
474000
2000
geliştirilmiş olabilir.
08:11
So you see waves of new types
201
476000
2000
Yani diğer türleri devralıp
08:13
taking over the other types.
202
478000
2000
yeni dalgalara bakın.
08:15
And this type of activity goes on for quite awhile,
203
480000
3000
Ve bu tür aktiviteler uzun bir süre
08:18
until the main easy things have been acquired by these programs.
204
483000
4000
bu programlarla basit temel şeyler kazanılana dek.
08:22
And then you see sort of like a stasis coming on
205
487000
4000
Ve sonra yüksek seviyede bir karmaşıklığın yeni bir türü ortaya çıkarılana dek
08:26
where the system essentially waits
206
491000
2000
bunun gibi, daha önceki tüm yenilikleri yayacak ve önceden sahip olduğu genleri silecek olan
08:28
for a new type of innovation, like this one,
207
493000
3000
bir sistemin yeni bir tür değişim için
08:31
which is going to spread
208
496000
2000
beklediği yere bağlı olarak
08:33
over all the other innovations that were before
209
498000
2000
yeni bir
08:35
and is erasing the genes that it had before,
210
500000
3000
durgunluk
08:38
until a new type of higher level of complexity has been achieved.
211
503000
4000
görürsün.
08:42
And this process goes on and on and on.
212
507000
3000
Ve bu süreç devam eder.
08:45
So what we see here
213
510000
2000
Yani burda gördüğümüz
08:47
is a system that lives
214
512000
2000
çok alışık bir şekilde kullandığımız
08:49
in very much the way we're used to life [going.]
215
514000
2000
sistemdir.
08:51
But what the NASA people had asked me really
216
516000
4000
Ama Nasa'nın bana asıl sorduğu
08:55
was, "Do these guys
217
520000
2000
''Bu adamların
08:57
have a biosignature?
218
522000
2000
biyosinyatü rü var mı? idi.
08:59
Can we measure this type of life?
219
524000
2000
Bu tür bir yaşamı ölçebilir miyiz?
09:01
Because if we can,
220
526000
2000
Çünkü yapabilirsek,
09:03
maybe we have a chance of actually discovering life somewhere else
221
528000
3000
belki herhangi bir yerlerde yaşamı keşvetme sansımız
09:06
without being biased
222
531000
2000
hiç bir ön yargı olmadan
09:08
by things like amino acids."
223
533000
2000
amino asit gibi şeyler ile vardır.''
09:10
So I said, "Well, perhaps we should construct
224
535000
3000
Böylece ''Eh belki evrensel bir süreç olarak
09:13
a biosignature
225
538000
2000
yaşama dayalı bir siyatür
09:15
based on life as a universal process.
226
540000
3000
oluşturmalıyız.
09:18
In fact, it should perhaps make use
227
543000
2000
Aslında belkide basit bir yaşam sisteminin
09:20
of the concepts that I developed
228
545000
2000
ne olabileceğini sıralamak için
09:22
just in order to sort of capture
229
547000
2000
geliştirdiğim kavramların kullanımı
09:24
what a simple living system might be."
230
549000
2000
olmalıdır.''
09:26
And the thing I came up with --
231
551000
2000
Ve benle gelen şey
09:28
I have to first give you an introduction about the idea,
232
553000
4000
İlk olarak düşüncenin tanımını vermek zorundayım
09:32
and maybe that would be a meaning detector,
233
557000
3000
ve belki hayat bulucu yerine
09:35
rather than a life detector.
234
560000
3000
bulucu olacak.
09:38
And the way we would do that --
235
563000
2000
Ve izledimiz yol
09:40
I would like to find out how I can distinguish
236
565000
2000
Milyonlarca maymun tarafından yazılmış metin
09:42
text that was written by a million monkeys,
237
567000
2000
nasıl ayırt edilir öğrenmek istiyorum.
09:44
as opposed to text that [is] in our books.
238
569000
3000
metindeki kitapların aksine.
09:47
And I would like to do it in such a way
239
572000
2000
Ve okumak zorunda olmadığım bir yolla
09:49
that I don't actually have to be able to read the language,
240
574000
2000
öğrenmek istiyorum,
09:51
because I'm sure I won't be able to.
241
576000
2000
çünkü bunu yapamıyacağım.
09:53
As long as I know that there's some sort of alphabet.
242
578000
2000
Birkaç çeşit alfabe olduğunu bildiğim sürece .
09:55
So here would be a frequency plot
243
580000
3000
Yani burada araziyi ne sıkılıkla
09:58
of how often you find
244
583000
2000
bulduğu
10:00
each of the 26 letters of the alphabet
245
585000
2000
alfabenin 26 harfinin her biri
10:02
in a text written by random monkeys.
246
587000
3000
maymunlar tarafından yazılmış metinde
10:05
And obviously each of these letters
247
590000
2000
Ve kesinlikle her bir harf
10:07
comes off about roughly equally frequent.
248
592000
2000
eşit sıklıkta gelir.
10:09
But if you now look at the same distribution in English texts,
249
594000
4000
Fakat;şimdi İngilizce metinlerde ki aynı dağıtıma baktıysan
10:13
it looks like that.
250
598000
2000
bunun gibi görünür.
10:15
And I'm telling you, this is very robust across English texts.
251
600000
3000
Ve diyorum ki bu İngilizce metinler arasında çok sağlam.
10:18
And if I look at French texts, it looks a little bit different,
252
603000
2000
Ve biraz Fransızca metinlere baktıysam bu biraz
10:20
or Italian or German.
253
605000
2000
İtalyanca ve Almanca'dan farklı.
10:22
They all have their own type of frequency distribution,
254
607000
3000
Bunlar frekans dağılımının kendi türleridir,
10:25
but it's robust.
255
610000
2000
Fakat çok zorlardır.
10:27
It doesn't matter whether it writes about politics or about science.
256
612000
3000
Bilim hakkında mı ya da siyaset hakkında mı yazıldığı pek önemli değil.
10:30
It doesn't matter whether it's a poem
257
615000
3000
Şiir testi mi
10:33
or whether it's a mathematical text.
258
618000
3000
ya da matematik testi mi olduğu hiç önemli değil.
10:36
It's a robust signature,
259
621000
2000
Zor bir sinyatür,
10:38
and it's very stable.
260
623000
2000
ve çok istikrarlı.
10:40
As long as our books are written in English --
261
625000
2000
Kitaplarımız ingilizce yazıldığı sürece
10:42
because people are rewriting them and recopying them --
262
627000
3000
çünkü insalar onları tekrar okuyor ve kopyalıyor
10:45
it's going to be there.
263
630000
2000
orada olacak.
10:47
So that inspired me to think about,
264
632000
2000
Bu nedenle bana düşünmek için ilham veren,
10:49
well, what if I try to use this idea
265
634000
3000
şey, rastgele bir text bulmak için
10:52
in order, not to detect random texts
266
637000
2000
bu düşünceyi kullanırsanız
10:54
from texts with meaning,
267
639000
2000
anlamlı bir metinden,
10:56
but rather detect the fact that there is meaning
268
641000
4000
ama gerçek anlamı bularak
11:00
in the biomolecules that make up life.
269
645000
2000
hayatı yapan biyo moleküler biyoloji ile
11:02
But first I have to ask:
270
647000
2000
Fakat; birincisi Soru sormak zorundayım:
11:04
what are these building blocks, like the alphabet, elements that I showed you?
271
649000
3000
Sana gösterdiğim alfabe gibi bu yapı taşlarının unsurları nelerdir?
11:07
Well it turns out, we have many different alternatives
272
652000
3000
Şey, sonuçta bu yapı taşları gibi
11:10
for such a set of building blocks.
273
655000
2000
pek çok farklı alternatifimiz var.
11:12
We could use amino acids,
274
657000
2000
Amino asitleri kullanıyoruz ,
11:14
we could use nucleic acids, carboxylic acids, fatty acids.
275
659000
3000
Nükleik asitler, karboksilik asitler, yağ asitlerini kullanabilirdik.
11:17
In fact, chemistry's extremely rich, and our body uses a lot of them.
276
662000
3000
Aslında, Kimya çok zengin ve vucudumuz bunun büyük bir bölümünü kullanır.
11:20
So that we actually, to test this idea,
277
665000
3000
Bundan dolayı bu fikri test etmek için
11:23
first took a look at amino acids and some other carboxylic acids.
278
668000
3000
ilk olarak amino asitlere ve koboksilik asitlere bir göz attım.
11:26
And here's the result.
279
671000
2000
Ve burada sonuç.
11:28
Here is, in fact, what you get
280
673000
3000
Burda ki gerçek burda senin ne aldığın
11:31
if you, for example, look at the distribution of amino acids
281
676000
3000
Eğer amino asitlerin dağılımına baktıysan
11:34
on a comet or in interstellar space
282
679000
3000
uzayda bir kuyruklu yıldız yada yıldızlar üzerinde
11:37
or, in fact, in a laboratory,
283
682000
2000
ya da aslında bir lobarotuvarda,
11:39
where you made very sure that in your primordial soup
284
684000
2000
Senin yaptığın ilk ilkel çorbanın olduğu yerde
11:41
that there is not living stuff in there.
285
686000
2000
orada yaşayan şeylerin olmadığı yerde.
11:43
What you find is mostly glycine and then alanine
286
688000
3000
Bulduğun çoğublukla alanin ve sonrasında glisindir
11:46
and there's some trace elements of the other ones.
287
691000
3000
ve diğer bazı iz elementler vardır.
11:49
That is also very robust --
288
694000
3000
Bu hem de amino asitlerin olduğu yerde ne bulduğun
11:52
what you find in systems like Earth
289
697000
3000
dünya sisteminde
11:55
where there are amino acids,
290
700000
2000
çok zor.
11:57
but there is no life.
291
702000
2000
Ama orada yaşam yok.
11:59
But suppose you take some dirt
292
704000
2000
Ama farzek ki biraz leke eline aldın
12:01
and dig through it
293
706000
2000
ve kazı onu
12:03
and then put it into these spectrometers,
294
708000
3000
ve sonra bu spektometrelerin içine koy,
12:06
because there's bacteria all over the place;
295
711000
2000
çünkü her yerde bakteriler var;
12:08
or you take water anywhere on Earth,
296
713000
2000
ya da dünya da her hangi bir yeren su al,
12:10
because it's teaming with life,
297
715000
2000
çünkü yaşamla uyum sağlıyorlar.
12:12
and you make the same analysis;
298
717000
2000
ve biraz analiz ed;
12:14
the spectrum looks completely different.
299
719000
2000
spektrum tamamen farklı gözüküyor.
12:16
Of course, there is still glycine and alanine,
300
721000
4000
Tabiki alain ve glisin var,
12:20
but in fact, there are these heavy elements, these heavy amino acids,
301
725000
3000
fakat gerçekte, bu ağır elementler
12:23
that are being produced
302
728000
2000
üretilmiş amino asitlerdir.
12:25
because these are valuable to the organism.
303
730000
2000
çünkü organizma için değerlidirler.
12:27
And some other ones
304
732000
2000
Ve 20 seti kullanılmayan
12:29
that are not used in the set of 20,
305
734000
2000
diğer organizmalar
12:31
they will not appear at all
306
736000
2000
her türlü konsantrasyonda
12:33
in any type of concentration.
307
738000
2000
görünmeyeceklerdir.
12:35
So this also turns out to be extremely robust.
308
740000
2000
Bu yüzden son derece zor.
12:37
It doesn't matter what kind of sediment you're using to grind up,
309
742000
3000
Bilemek için bakteri, bitki ya da herhangi bir hayvan olsun
12:40
whether it's bacteria or any other plants or animals.
310
745000
3000
bilemek için ne kullandığınızın hiç bir önemi yoktur.
12:43
Anywhere there's life,
311
748000
2000
Herhangi bir yerde hayat var,
12:45
you're going to have this distribution,
312
750000
2000
B dağıtım için gidiyoruz,
12:47
as opposed to that distribution.
313
752000
2000
dağıtıma karşı olarak.
12:49
And it is detectable not just in amino acids.
314
754000
3000
Ve bu sadece amino asitlerle saptanabilir.
12:52
Now you could ask:
315
757000
2000
Şimdi sorabilirsin:
12:54
well, what about these Avidians?
316
759000
2000
şey, bu Avidans hakkında ne var?
12:56
The Avidians being the denizens of this computer world
317
761000
4000
Avidanslar bunları kusursuzca kopyalayan ve karmaşıklığı artan
13:00
where they are perfectly happy replicating and growing in complexity.
318
765000
3000
bu bilgisayar dünyasının sakinleridir.
13:03
So this is the distribution that you get
319
768000
3000
Yani aldığın bu dağıtım
13:06
if, in fact, there is no life.
320
771000
2000
gerçekse orada yaşam yoktur.
13:08
They have about 28 of these instructions.
321
773000
3000
Bunların 28 öğretisi var.
13:11
And if you have a system where they're being replaced one by the other,
322
776000
3000
ve diğeri ile yer değiştiren bir sisteme sahipsen
13:14
it's like the monkeys writing on a typewriter.
323
779000
2000
BU maymunların daktiloda yazdığına benzer.
13:16
Each of these instructions appears
324
781000
3000
Bu talimatlardan her biri
13:19
with roughly the equal frequency.
325
784000
3000
yaklaşık olarak eşit sıklıkta görünür.
13:22
But if you now take a set of replicating guys
326
787000
4000
Ama bu videoda gördüğünüz gibi
13:26
like in the video that you saw,
327
791000
2000
bunu kopyalayan elemanlrın bir bölümünü alacaksın
13:28
it looks like this.
328
793000
2000
buna benzer.
13:30
So there are some instructions
329
795000
2000
Yani bu organizmalar için son derece değerli olan
13:32
that are extremely valuable to these organisms,
330
797000
2000
ve yoğunluğu fazla olacak olan
13:34
and their frequency is going to be high.
331
799000
3000
talimatlar var.
13:37
And there's actually some instructions
332
802000
2000
Ve bi kere kullanabileceğin
13:39
that you only use once, if ever.
333
804000
2000
bazı talimatlar var.
13:41
So they are either poisonous
334
806000
2000
Yani onlar da zehirli
13:43
or really should be used at less of a level than random.
335
808000
4000
ya da yada daha düşük bir seviyede kullanılması gerekenlerdir.
13:47
In this case, the frequency is lower.
336
812000
3000
Bu durumda frekans düşüktür.
13:50
And so now we can see, is that really a robust signature?
337
815000
3000
Ve böylece şimdi gerçekten güçlü bir imza görebilirmiyiz?
13:53
I can tell you indeed it is,
338
818000
2000
Aslında size olabileceğini söyleyebilirim,
13:55
because this type of spectrum, just like what you've seen in books,
339
820000
3000
çünkü bu tür spektrumlar kitapta ne gördüğün gibi
13:58
and just like what you've seen in amino acids,
340
823000
2000
ve amino asitlerde ne gördüğün gibidir.
14:00
it doesn't really matter how you change the environment, it's very robust;
341
825000
3000
Gerçekten çevrenin nasıl değiştiğini fark etmessiniz, çok sağlam;
14:03
it's going to reflect the environment.
342
828000
2000
O ortamı yansıtacak.
14:05
So I'm going to show you now a little experiment that we did.
343
830000
2000
Şimdi yaptığımız küçükbir deneyle size göstereceğim.
14:07
And I have to explain to you,
344
832000
2000
Ve size açıklayacağım,
14:09
the top of this graph
345
834000
2000
bu grafiğin en üstünü
14:11
shows you that frequency distribution that I talked about.
346
836000
3000
hakkında konuşmuş olduğumuz frekansı gösterir.
14:14
Here, in fact, that's the lifeless environment
347
839000
3000
Aslında, burada eşit bir sıklıkta meydana gelen
14:17
where each instruction occurs
348
842000
2000
komutların olduğu yaşamsız bir
14:19
at an equal frequency.
349
844000
2000
ortam vardır.
14:21
And below there, I show, in fact,
350
846000
3000
Ve bunun altında ki
14:24
the mutation rate in the environment.
351
849000
3000
mutasyon oranını gösterdim.
14:27
And I'm starting this at a mutation rate that is so high
352
852000
3000
Ve bu yüksek olan mutasyon oranında işe başladım,
14:30
that, even if you would drop
353
855000
2000
hatta tüm dünyada
14:32
a replicating program
354
857000
2000
memnuniyetle
14:34
that would otherwise happily grow up
355
859000
2000
kullanılan
14:36
to fill the entire world,
356
861000
2000
bir program olsaydın ,
14:38
if you drop it in, it gets mutated to death immediately.
357
863000
4000
eğer kaybedersen hemen ölmek için mutasyona uğramış olursun.
14:42
So there is no life possible
358
867000
2000
Yani, mutasyon ranında
14:44
at that type of mutation rate.
359
869000
3000
bu tür bir yaşam olasılığı yoktur.
14:47
But then I'm going to slowly turn down the heat, so to speak,
360
872000
4000
Ama sonra tabiri caizsse ısıyı yavaş yavaş kapatmak için gidiyorum
14:51
and then there's this viability threshold
361
876000
2000
ve sonra repligatörün yaşaması için
14:53
where now it would be possible
362
878000
2000
şimdi mümkün olabiileceği yerde
14:55
for a replicator to actually live.
363
880000
2000
canlılık eşiği vardırr.
14:57
And indeed, we're going to be dropping these guys
364
882000
3000
Ve aslında bu adamları
15:00
into that soup all the time.
365
885000
2000
bunun içine bırakacağız.
15:02
So let's see what that looks like.
366
887000
2000
bu yüzden nasıl görünüyor bir göz atalım.
15:04
So first, nothing, nothing, nothing.
367
889000
3000
Bunun için ilk önce, hiçbir şey, hiçbir şey, hiçbir şey.
15:07
Too hot, too hot.
368
892000
2000
Çok sıcak, çok sıcak.
15:09
Now the viability threshold is reached,
369
894000
3000
Şimdi canlılık eşiğine ulaştı
15:12
and the frequency distribution
370
897000
2000
ve frekans dağılımı
15:14
has dramatically changed and, in fact, stabilizes.
371
899000
3000
dramatik bir şekilde değişti ve aslında dengeledi.
15:17
And now what I did there
372
902000
2000
Ve şimdi benim burda yaptığım
15:19
is, I was being nasty, I just turned up the heat again and again.
373
904000
3000
kirlenmem ve sadece ısıyı tekrar tekrar döndürmem oldu.
15:22
And of course, it reaches the viability threshold.
374
907000
3000
Elbette bu canlılık eşiğine ulaşır.
15:25
And I'm just showing this to you again because it's so nice.
375
910000
3000
Ve size tekar göateriyorum çünkü çok güzel.
15:28
You hit the viability threshold.
376
913000
2000
Canlılık eşiğini yakaladın.
15:30
The distribution changes to "alive!"
377
915000
2000
Dağılım canlı olarak değişir
15:32
And then, once you hit the threshold
378
917000
3000
Ve sonra iki kez eşiğe vur
15:35
where the mutation rate is so high
379
920000
2000
mutasyon oranının çok yüksek olduğu yerde
15:37
that you cannot self-reproduce,
380
922000
2000
senin yeniden üretemeyeceğin,
15:39
you cannot copy the information
381
924000
3000
bilgi kaydedemeyeceğin
15:42
forward to your offspring
382
927000
2000
ileri sonuçlarının
15:44
without making so many mistakes
383
929000
2000
bir çok hata yapmak olamksızın
15:46
that your ability to replicate vanishes.
384
931000
3000
taklit yeteneğini ortadan kaybeden.
15:49
And then that signature is lost.
385
934000
3000
Ve sonra isaretler kayıp.
15:52
What do we learn from that?
386
937000
2000
biz ne öğrenebiliriz?
15:54
Well, I think we learn a number of things from that.
387
939000
4000
Bundan bir çok şey öğrenebileceğimizi düşünüyorum.
15:58
One of them is,
388
943000
2000
bunlardan biri,
16:00
if we are able to think about life
389
945000
3000
eğer biz yaşamı
16:03
in abstract terms --
390
948000
2000
soyur bir açıdan düşünebilirsek--
16:05
and we're not talking about things like plants,
391
950000
2000
ve bu gibi bitkilerden bassetmez isek,
16:07
and we're not talking about amino acids,
392
952000
2000
ve biz amino asitlerden bassetmez isek ,
16:09
and we're not talking about bacteria,
393
954000
2000
ve bakterilerden bassetmes isek,
16:11
but we think in terms of processes --
394
956000
2000
ama biz süreçler açısından düşünüyoruz.
16:13
then we could start to think about life,
395
958000
3000
sonra o zaman biz yaşam hakkında düşünmeye başlarız,
16:16
not as something that is so special to Earth,
396
961000
2000
değil dünya için çok özel olamayan,
16:18
but that, in fact, could exist anywhere.
397
963000
3000
ama , aslında , herhangi bir yerde var olabilecek bir şey.
16:21
Because it really only has to do
398
966000
2000
Çünkü gerçekten ve sadece
16:23
with these concepts of information,
399
968000
2000
bu bilgilerle
16:25
of storing information
400
970000
2000
fiziksel subratlar içinde
16:27
within physical substrates --
401
972000
2000
bilgi depolamak zorudadır.
16:29
anything: bits, nucleic acids,
402
974000
2000
herhangi bir şey:bit nükleik asit
16:31
anything that's an alphabet --
403
976000
2000
alfabenin herhangi bir unsuru--
16:33
and make sure that there's some process
404
978000
2000
ve kesinlikle bir çok süreç var
16:35
so that this information can be stored
405
980000
2000
böylece bu bilgi sandığından çok uzun bir süre
16:37
for much longer than you would expect
406
982000
2000
depolanabilir.
16:39
the time scales for the deterioration of information.
407
984000
4000
bilgi bozulma ölçeklerinde
16:43
And if you can do that,
408
988000
2000
Ve eğer yapabilirsen,
16:45
then you have life.
409
990000
2000
sonra bir yaşama sahip olursun.
16:47
So the first thing that we learn
410
992000
2000
böulece öğrendiğimiz ilk sey
16:49
is that it is possible to define life
411
994000
3000
hayatı tanımlamak
16:52
in terms of processes alone,
412
997000
3000
tek başına süreçleri açısından,
16:55
without referring at all
413
1000000
2000
hiç bir referasn olmadan
16:57
to the type of things that we hold dear,
414
1002000
2000
bizim tuttuğumuz varlıkların türü
16:59
as far as the type of life on Earth is.
415
1004000
3000
dünya da ki hayatın yanı sıra
17:02
And that in a sense removes us again,
416
1007000
3000
ve bir bakıma bizi tekrar ortadan kaldırır.
17:05
like all of our scientific discoveries, or many of them --
417
1010000
3000
bizim bilimsel keşiflerimiz gibi ya da bir çoğu gibi
17:08
it's this continuous dethroning of man --
418
1013000
2000
tahttan indirilen bu adam kalıcıdır
17:10
of how we think we're special because we're alive.
419
1015000
3000
düşünüyoruz çünkü varız.
17:13
Well we can make life. We can make life in the computer.
420
1018000
3000
Biz bir yaşam oluşturabiliriz.biz bilgisaar ortamında bir yaşam oluşturabiliriz.
17:16
Granted, it's limited,
421
1021000
2000
farz edelim ki bu sınırlı,
17:18
but we have learned what it takes
422
1023000
3000
ama gerçekten yaratmak için ne gerektiğini
17:21
in order to actually construct it.
423
1026000
2000
öğrendik.
17:23
And once we have that,
424
1028000
3000
Ve bir defa sahip olduğumuz,
17:26
then it is not such a difficult task anymore
425
1031000
3000
sonra temel süreçleri anlamak ve acıklamak gibi
17:29
to say, if we understand the fundamental processes
426
1034000
4000
zor bir görev olmaktan çıkar
17:33
that do not refer to any particular substrate,
427
1038000
3000
yani herhangi bir özel yüzeyden söz etmiyoruz,
17:36
then we can go out
428
1041000
2000
sonra dışarı
17:38
and try other worlds,
429
1043000
2000
diğer dünyalara gidebiliriz,
17:40
figure out what kind of chemical alphabets might there be,
430
1045000
4000
burda ne tür bir alfabe olduğunu anlarız belki,
17:44
figure enough about the normal chemistry,
431
1049000
2000
normal kimyası hakkında yeterli bir bilgi,
17:46
the geochemistry of the planet,
432
1051000
3000
gezegenin jeokimyası
17:49
so that we know what this distribution would look like
433
1054000
2000
böylece biz bu dağılım neye benziyor biliyoruz
17:51
in the absence of life,
434
1056000
2000
yaşam yokluğunda,
17:53
and then look for large deviations from this --
435
1058000
3000
ve o zaman bu büyük sapmalar
17:56
this thing sticking out, which says,
436
1061000
3000
bu dışarı taşacak,
17:59
"This chemical really shouldn't be there."
437
1064000
2000
''Bu kimyasal gerçekten orda olmalı'' deyip.
18:01
Now we don't know that there's life then,
438
1066000
2000
Şimdi orda yaşam olup olmadığını bilmiyoruz,
18:03
but we could say,
439
1068000
2000
Fakat
18:05
"Well at least I'm going to have to take a look very precisely at this chemical
440
1070000
3000
''Eh en azından ben bu hassas kimyasala göz atmaya gidiyorum
18:08
and see where it comes from."
441
1073000
2000
ve nerden geldiğime bak'' diyebilirdim.
18:10
And that might be our chance
442
1075000
2000
Ve bu bizim gözle görülür
18:12
of actually discovering life
443
1077000
2000
hayatı keşvetme bir şansımız
18:14
when we cannot visibly see it.
444
1079000
2000
olabilir.
18:16
And so that's really the only take-home message
445
1081000
3000
Ve bu yüzden senden aldığım
18:19
that I have for you.
446
1084000
2000
ev mesajıdır.
18:21
Life can be less mysterious
447
1086000
2000
Hayat bizim yaptığımızdan biraz
18:23
than we make it out to be
448
1088000
2000
daha gizemli olabilir.
18:25
when we try to think about how it would be on other planets.
449
1090000
4000
biz diğer gezegenlerde nasıl bir yaşam olduğunu düşünürsek.
18:29
And if we remove the mystery of life,
450
1094000
3000
Ve biz hayatın gizemini kaldırırsak
18:32
then I think it is a little bit easier
451
1097000
3000
sonra biraz kolay olur
18:35
for us to think about how we live,
452
1100000
2000
nasıl yaşayacağımızı dünmemiz için
18:37
and how perhaps we're not as special as we always think we are.
453
1102000
3000
ve belki de biz düşündüğümüz kadar özel değiliz.
18:40
And I'm going to leave you with that.
454
1105000
2000
artık ayrılıyorum.
18:42
And thank you very much.
455
1107000
2000
Ve hepinize teşekkürler.
18:44
(Applause)
456
1109000
2000
(Alkış)
ABOUT THE SPEAKER
Christoph Adami - Artificial life researcherChristoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.
Why you should listen
Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.
He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook.
Christoph Adami | Speaker | TED.com