TED2010
Stephen Wolfram: Computing a theory of all knowledge
Stephen Wolfram: Her Şey Teorisini Hesaplamak
Filmed:
Readability: 4.4
1,811,819 views
Mathematica'nın yaratıcısı Stephen Wolfram, var olan tüm bilgiyi hesaplanabilir -- aranabilir, işlenebilir ve kullanılabilir -- hale getirme macerasını anlatıyor. Kendi buluşu olan yeni arama motoru Wolfram Alpha ile hedefi, kainatın düzenine ait fizik kurallarını modelleyip açıklamaktan daha azı değil.
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
Bugün bir fikir hakkında konuşmak istiyorum. Büyük bir fikir.
00:19
Actually, I think it'll eventually
1
4000
2000
Aslında, bu fikrin sonunda,
00:21
be seen as probably the single biggest idea
2
6000
2000
geçtiğimiz yüzyılda çıkmış tek büyük
00:23
that's emerged in the past century.
3
8000
2000
fikir olarak görüleceğini düşünüyorum.
00:25
It's the idea of computation.
4
10000
2000
Bu hesaplama fikridir.
00:27
Now, of course, that idea has brought us
5
12000
2000
Şimdi, elbette ki bu fikir bize bugün
00:29
all of the computer technology we have today and so on.
6
14000
3000
sahip olduğumuz bütün bilgisayar teknolojisini de getirdi.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
Ama aslında hesaplama fikrinin daha çok işi var.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
Bu çok derin, çok güçlü, çok temel bir fikir ve
00:38
whose effects we've only just begun to see.
9
23000
3000
bunun etkilerini yeni görmeye başladık.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
Ben hayatımın son 30 senesini hesaplamayı
00:44
working on three large projects
11
29000
2000
oldukça ciddiye almaya çalışan
00:46
that really try to take the idea of computation seriously.
12
31000
3000
üç büyük projede çalışarak geçirdim.
00:50
So I started off at a young age as a physicist
13
35000
3000
Genç yaşta, bilgisayarları araç olarak kullanan
00:53
using computers as tools.
14
38000
2000
bir fizikçi olarak başladım.
00:55
Then, I started drilling down,
15
40000
2000
Sonra, daha derinlere indim,
00:57
thinking about the computations I might want to do,
16
42000
2000
yapmak istediğim hesaplamalar hakkında düşündüm,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
hangi ilklerden oluşturulabileceklerini ve nasıl mümkün olduğunca
01:02
and how they could be automated as much as possible.
18
47000
3000
otomatize edilebileceklerini tahmin etmeye çalıştım.
01:05
Eventually, I created a whole structure
19
50000
2000
Neticede, sembolik programlamaya dayalı
01:07
based on symbolic programming and so on
20
52000
2000
tam bir yapı hazırladım ve bu da
01:09
that let me build Mathematica.
21
54000
2000
Mathematica'yı oluşturmamı sağladı.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
Ve son 23 yıldır, giderek artan bir hızla,
01:13
we've been pouring more and more ideas
23
58000
2000
daha fazla yeni fikir ve yetenekleri
01:15
and capabilities and so on into Mathematica,
24
60000
2000
Mathematica'ya eklemekteyiz,
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
ve bunun Ar-Ge, eğitim ve diğer birçok alanda
01:20
in R & D and education,
26
65000
2000
iyi işlerin yapılmasını sağladığını
01:22
lots of other areas.
27
67000
2000
söylemekten mutluyum.
01:24
Well, I have to admit, actually,
28
69000
2000
Açıkçası, itiraf etmeliyim ki
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
Mathematica'yı oluşturmak için çok bencil bir nedenim de vardı.
01:29
I wanted to use it myself,
30
74000
2000
Onu kendim kullanmak istedim,
01:31
a bit like Galileo got to use his telescope
31
76000
2000
Galileo'nun 400 yıl önce kendi teleskobunu
01:33
400 years ago.
32
78000
2000
kullanması gibi.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
Ama ben astronomik evrene değil, hesaplama evrenine
01:38
but at the computational universe.
34
83000
3000
bakmak istiyordum.
01:41
So we normally think of programs as being
35
86000
2000
Normalde programları, çok özel amaçlar için
01:43
complicated things that we build
36
88000
2000
oluşturduğumuz karmaşık şeyler
01:45
for very specific purposes.
37
90000
2000
olarak görürüz.
01:47
But what about the space of all possible programs?
38
92000
3000
Peki ya tüm muhtemel programlar uzayına ne demeli?
01:50
Here's a representation of a really simple program.
39
95000
3000
Burada çok basit bir programın gösterimi var.
01:53
So, if we run this program,
40
98000
2000
Eğer bu programı çalıştırırsak,
01:55
this is what we get.
41
100000
2000
bunu elde ederiz.
01:57
Very simple.
42
102000
2000
Çok basit.
01:59
So let's try changing the rule
43
104000
2000
Şimdi bu program için kuralı
02:01
for this program a little bit.
44
106000
2000
biraz değiştirmeyi deneyelim.
02:03
Now we get another result,
45
108000
2000
Şimdi başka bir sonuç alıyoruz,
02:05
still very simple.
46
110000
2000
halen çok basit.
02:07
Try changing it again.
47
112000
3000
Tekrar değiştirmeyi deneyin.
02:10
You get something a little bit more complicated.
48
115000
2000
Biraz daha karmaşık bir şey elde edersiniz,
02:12
But if we keep running this for a while,
49
117000
2000
ama bunu bir süre çalıştırırsak,
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
anlarız ki, sonuç desenimiz biraz karışık olsa da,
02:17
it has a very regular structure.
51
122000
3000
çok düzgün bir yapısı var.
02:20
So the question is: Can anything else happen?
52
125000
3000
Soru şudur : Başka bir şey olabilir mi ?
02:23
Well, we can do a little experiment.
53
128000
2000
Bunun için ufak bir deney yapabiliriz.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
Hadi ufak bir matematik deneyi yapalım, deneyip bulalım.
02:29
Let's just run all possible programs
55
134000
3000
Bu baktığımız türdeki tüm
02:32
of the particular type that we're looking at.
56
137000
2000
muhtemel programları çalıştıralım.
02:34
They're called cellular automata.
57
139000
2000
Bunlara hücresel otomatlar adı verilir.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
Buradaki davranışta çok fazla çeşitlilik görebilirsiniz.
02:38
Most of them do very simple things,
59
143000
2000
Çoğu çok basit şeyler yapıyor.
02:40
but if you look along all these different pictures,
60
145000
2000
Ama eğer tüm farklı resimler arasında,
02:42
at rule number 30,
61
147000
2000
30. kurala bakarsanız,
02:44
you start to see something interesting going on.
62
149000
2000
ilginç bir şeylerin döndüğünü görebilirsiniz.
02:46
So let's take a closer look
63
151000
2000
O zaman hadi 30. kurala
02:48
at rule number 30 here.
64
153000
2000
daha yakından bakalım.
02:50
So here it is.
65
155000
2000
İşte burada.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
Biz sadece şu aşağıdaki basit kuralı takip ediyoruz
02:55
but we're getting all this amazing stuff.
67
160000
2000
ama tüm bu şaşırtıcı şeyleri elde ediyoruz.
02:57
It's not at all what we're used to,
68
162000
2000
Bu hiç de alıştığımız bir şey değil,
02:59
and I must say that, when I first saw this,
69
164000
2000
ve söylemeliyim ki, bunu ilk gördüğümde,
03:01
it came as a huge shock to my intuition.
70
166000
3000
önsezilerim büyük bir şok yaşadı,
03:04
And, in fact, to understand it,
71
169000
2000
ve, aslında, onu anlayabilmek için,
03:06
I eventually had to create
72
171000
2000
Sonunda farklı bir bilim
03:08
a whole new kind of science.
73
173000
2000
yaratmak zorunda kaldım.
03:11
(Laughter)
74
176000
2000
(Gülüşmeler)
03:13
This science is different, more general,
75
178000
3000
Bu son 300 küsür yıldır kullandığımız
03:16
than the mathematics-based science that we've had
76
181000
2000
matematik bazlı bilimden farklı, daha genel
03:18
for the past 300 or so years.
77
183000
3000
bir bilimdir.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
Bilirsiniz, doğanın bize çok karmaşık gelen
03:23
how nature, seemingly so effortlessly,
79
188000
3000
birçok şeyi nasıl görünüşte çok zahmetsizce
03:26
manages to produce so much
80
191000
2000
ürettiği bize büyük bir gizem
03:28
that seems to us so complex.
81
193000
3000
gibi gelmiştir.
03:31
Well, I think we've found its secret:
82
196000
3000
Sanırım biz onun sırrını bulduk.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
O sadece hesaplama evreninde ne varsa onları örnekliyor
03:37
and quite often getting things like Rule 30
84
202000
3000
ve çoğunlukla 30. Kural gibi şeyler elde ediyor
03:40
or like this.
85
205000
3000
ya da bunun gibi.
03:44
And knowing that starts to explain
86
209000
2000
Ve bunu bilmek, bilimde uzun zamandır
03:46
a lot of long-standing mysteries in science.
87
211000
3000
süren gizemleri açıklamaya başlıyor.
03:49
It also brings up new issues, though,
88
214000
2000
Fakat sayısal indirgenmezlik gibi
03:51
like computational irreducibility.
89
216000
3000
yeni sorunları da getiriyor.
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
Yani, biz bilimin bir şeyleri tahmin etmemize izin vermesin alışkınız,
03:57
but something like this
91
222000
2000
ama bunun gibi bir şey
03:59
is fundamentally irreducible.
92
224000
2000
esas olarak indirgenemezdir.
04:01
The only way to find its outcome
93
226000
2000
Sonucunu etkin şekilde bulmanın tek yolu,
04:03
is, effectively, just to watch it evolve.
94
228000
3000
onun gelişmesini seyretmektir.
04:06
It's connected to, what I call,
95
231000
2000
Bu benim hesaplama denkliği
04:08
the principle of computational equivalence,
96
233000
2000
adını verdiğim prensibe bağlıdır,
04:10
which tells us that even incredibly simple systems
97
235000
3000
bu prensibe göre inanılmaz basitlikteki sistemler bile
04:13
can do computations as sophisticated as anything.
98
238000
3000
herhangi bir şey kadar karmaşık hesaplamalar yapabilirler.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
Rastgele hesaplama yapabilmek gibi hemen her yerde
04:19
to be able to do arbitrary computation;
100
244000
2000
olan bir şeyi yapabilmek için,
04:21
just something that happens, naturally,
101
246000
2000
çok fazla teknoloji veya biyolojik evrim
04:23
all over the place.
102
248000
2000
gerekmez.
04:25
Things with rules as simple as these can do it.
103
250000
3000
Bu kadar basit kuralı olan şeyler bile yapabilir.
04:29
Well, this has deep implications
104
254000
2000
Bunun, bilimin sınırları hakkında,
04:31
about the limits of science,
105
256000
2000
biyolojik süreçler ve
04:33
about predictability and controllability
106
258000
2000
ekonomilerin tahmin edilebilirliği ve
04:35
of things like biological processes or economies,
107
260000
3000
kontrol edilebilirliği hakkında, evrendeki zeka hakkında,
04:38
about intelligence in the universe,
108
263000
2000
özgür irade gibi sorular hakkında
04:40
about questions like free will
109
265000
2000
ve teknoloji yaratma hakkında
04:42
and about creating technology.
110
267000
3000
derin imaları vardır.
04:45
You know, in working on this science for many years,
111
270000
2000
Bilirsiniz, bu bilim üzerinde yıllarca çalışırken
04:47
I kept wondering,
112
272000
2000
merak edip durdum,
04:49
"What will be its first killer app?"
113
274000
2000
"Bunun ilk harika uygulaması ne olacak?"
04:51
Well, ever since I was a kid,
114
276000
2000
Çocukluğumdan beri,
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
bilgiyi sistemleştirmek ve bir şekilde hesaplanabilir
04:55
and somehow making it computable.
116
280000
2000
yapmak konusunda düşünüyorum.
04:57
People like Leibniz had wondered about that too
117
282000
2000
Leibniz gibi insanlar da 300 yıl önce bunu
04:59
300 years earlier.
118
284000
2000
merak etti.
05:01
But I'd always assumed that to make progress,
119
286000
2000
Fakat hep sanıyordum ki ilerleme kaydetmek için,
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
esasında tüm beyni kopyalamam gerekiyor.
05:06
Well, then I got to thinking:
121
291000
2000
Ama şimdiki düşüncem:
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
Benim bu bilimsel paradigmam farklı bir şey öneriyor.
05:11
and, by the way, I've now got
123
296000
2000
Ve, bu arada, Mathematica'daki
05:13
huge computation capabilities in Mathematica,
124
298000
3000
devasa hesaplama yetenekleri var elimde,
05:16
and I'm a CEO with some worldly resources
125
301000
3000
ve büyük, delice projeler yapmak için
05:19
to do large, seemingly crazy, projects --
126
304000
3000
maddi kaynağı olan bir üst düzey yöneticiyim.
05:22
So I decided to just try to see
127
307000
2000
Ve dünyadaki sistematik bilginin
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
ne kadarını hesaplanabilir yapabileceğimizi görmeye
05:27
we could make computable.
129
312000
2000
çalışmaya karar verdim.
05:29
So, it's been a big, very complex project,
130
314000
2000
Bu gerçekleşeceğinden emin bile olamadığım,
05:31
which I was not sure was going to work at all.
131
316000
3000
büyük ve çok karmaşık bir projedir.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
Fakat aslında iyi gittiğini söylemekten mutluyum.
05:37
And last year we were able
133
322000
2000
Ve geçen yıl Wolfram Alpha'nın
05:39
to release the first website version
134
324000
2000
ilk web site versiyonunu
05:41
of Wolfram Alpha.
135
326000
2000
yayımlayabildik.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
Onun amacı soruların cevaplarını hesaplayan
05:46
that computes answers to questions.
137
331000
3000
ciddi bir bilgi motoru olmaktır.
05:49
So let's give it a try.
138
334000
2000
Bir deneyelim.
05:51
Let's start off with something really easy.
139
336000
2000
Çok basit bir şeyle başlayalım.
05:53
Hope for the best.
140
338000
2000
En iyisini umalım.
05:55
Very good. Okay.
141
340000
2000
Çok iyi. Pekala.
05:57
So far so good.
142
342000
2000
İyi gidiyoruz.
05:59
(Laughter)
143
344000
3000
(Gülüşmeler)
06:02
Let's try something a little bit harder.
144
347000
3000
Hadi daha zor bir şey deneyelim.
06:05
Let's do
145
350000
2000
Diyelim ki.
06:07
some mathy thing,
146
352000
3000
Matematiksel bir şey yapalım
06:10
and with luck it'll work out the answer
147
355000
3000
ve umarız cevabını verebilir
06:13
and try and tell us some interesting things
148
358000
2000
ve bize ilginç şeyler, ilgili matematik hakkında
06:15
things about related math.
149
360000
2000
şeyler anlatmaya çalışır.
06:17
We could ask it something about the real world.
150
362000
3000
Gerçek dünya hakkında bir şeyler sorabiliriz.
06:20
Let's say -- I don't know --
151
365000
2000
Bakalım, --bilmem--
06:22
what's the GDP of Spain?
152
367000
3000
İspanya'nın GSMH'sı nedir?
06:25
And it should be able to tell us that.
153
370000
2000
Ve bize bunu anlatabilmelidir.
06:27
Now we could compute something related to this,
154
372000
2000
Şimdi bununla ilgili bir hesaplama yapabiliriz,
06:29
let's say ... the GDP of Spain
155
374000
2000
Varsayalım ki İspanya'nın GSMH'sını
06:31
divided by, I don't know,
156
376000
2000
bölelim, bilmem ki,
06:33
the -- hmmm ...
157
378000
2000
--hmmm--
06:35
let's say the revenue of Microsoft.
158
380000
2000
Microsoft'un gelirine bölelim.
06:37
(Laughter)
159
382000
2000
(Gülüşmeler)
06:39
The idea is that we can just type this in,
160
384000
2000
Esas fikir bunu, bu tür bir soruyu
06:41
this kind of question in, however we think of it.
161
386000
3000
aklımıza geldiği gibi yazıp sorabilmektir.
06:44
So let's try asking a question,
162
389000
2000
O yüzden bir soru soralım,
06:46
like a health related question.
163
391000
2000
mesela sağlıkla ilgili bir soru.
06:48
So let's say we have a lab finding that ...
164
393000
3000
Varsayalım ki 50 yaşındaki bir erkeğin
06:51
you know, we have an LDL level of 140
165
396000
2000
Düşük Yoğunluklu Lipoprotein seviyesinin
06:53
for a male aged 50.
166
398000
3000
140 olduğunu bulan bir labaratuvar olsun.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
Bunu yazalım ve Wolfram Alpha şimdi
06:58
will go and use available public health data
168
403000
2000
gidip mevcut sağlık verilerini kullanacak
07:00
and try and figure out
169
405000
2000
ve bu özelliklerdeki birinin
07:02
what part of the population that corresponds to and so on.
170
407000
3000
nüfusun hangi kesimine denk geldiğini bulmaya çalışacak.
07:05
Or let's try asking about, I don't know,
171
410000
3000
Şunu sormayı deneyelim, bilmem ki,
07:08
the International Space Station.
172
413000
2000
uluslararası uzay istasyonu.
07:10
And what's happening here is that
173
415000
2000
Ve orada olup biten şudur:
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
Wolfram Alpha sadece bir şeye bakmıyor;
07:14
it's computing, in real time,
175
419000
3000
uluslararası uzay istasyonunun
07:17
where the International Space Station is right now at this moment,
176
422000
3000
şu anda nerede olduğunu, ne kadar hızlı gittiğini vs
07:20
how fast it's going, and so on.
177
425000
3000
eş zamanlı olarak hesaplıyor.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
Yani Wolfram Alpha bir sürü şey biliyor.
07:27
It's got, by now,
179
432000
2000
Şu anda,
07:29
pretty good coverage of everything you might find
180
434000
2000
herhangi bir standart referans kütüphanesinde
07:31
in a standard reference library.
181
436000
3000
bulabileceğiniz her şeyi içeriyor.
07:34
But the goal is to go much further
182
439000
2000
Fakat hedef daha da ileri gitmek
07:36
and, very broadly, to democratize
183
441000
3000
ve tüm bu bilgileri genişçe
07:39
all of this knowledge,
184
444000
3000
demokratikleştirmek,
07:42
and to try and be an authoritative
185
447000
2000
ve tüm alanlarda otorite kaynağı
07:44
source in all areas.
186
449000
2000
olmaya çalışmak,
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
ve insanların sorduğu kendine özgü soruların cevaplarını hesaplamak,
07:49
not by searching what other people
188
454000
2000
ve bunu başkalarının yazdığı
07:51
may have written down before,
189
456000
2000
bilgiler arasından arayarak değil,
07:53
but by using built in knowledge
190
458000
2000
aksine mevcut bilgileri kullanarak
07:55
to compute fresh new answers to specific questions.
191
460000
3000
bu özel sorulara taze yeni cevapları hesaplamaktır.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
Wolfram Alpha tabii ki devasa
08:00
is a monumentally huge, long-term project
193
465000
2000
büyüklükte, çok zorluklar içeren
08:02
with lots and lots of challenges.
194
467000
2000
uzun vadeli bir projedir.
08:04
For a start, one has to curate a zillion
195
469000
3000
Başlangıç için zilyon tane farklı veri
08:07
different sources of facts and data,
196
472000
3000
kaynağını düzenlemek gerekir,
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
ve bunun için beşeri alan uzmanları ve Mathematica
08:13
and human domain experts for doing this.
198
478000
3000
otomasyonu altyapısını inşa ettik.
08:16
But that's just the beginning.
199
481000
2000
Bu sadece başlangıç.
08:18
Given raw facts or data
200
483000
2000
Ham gerçekler ve veriler ile
08:20
to actually answer questions,
201
485000
2000
soruları gerçekten cevaplayabilmek için
08:22
one has to compute:
202
487000
2000
hesaplamak gerekir,
08:24
one has to implement all those methods and models
203
489000
2000
bilimin ve diğer alanların yüzyıllar boyunca ortaya çıkardığı
08:26
and algorithms and so on
204
491000
2000
tüm o yöntemleri, modelleri,
08:28
that science and other areas have built up over the centuries.
205
493000
3000
ve algoritmaları vesaire uygulamak gerekir.
08:31
Well, even starting from Mathematica,
206
496000
3000
Sadece Mathematica'yla başlamak bile,
08:34
this is still a huge amount of work.
207
499000
2000
çok büyük bir uğraştır.
08:36
So far, there are about 8 million lines
208
501000
2000
Şimdiye dek Wolfram Alpha'da
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
çok farklı alanlardaki uzmanlar tarafından yazılan
08:40
built by experts from many, many different fields.
210
505000
3000
yaklaşık 8 milyon satır Mathematica kodu var.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
Wolfram Alpha hakkındaki en önemli fikir
08:46
is that you can just ask it questions
212
511000
2000
sıradan konuşma dilini kullanarak
08:48
using ordinary human language,
213
513000
3000
ona soru sorabilmektir,
08:51
which means that we've got to be able to take
214
516000
2000
bu demektir ki insanların girdi alanına yazdığı
08:53
all those strange utterances that people type into the input field
215
518000
3000
tüm o tuhaf ifadeleri bir kenara atmak ve o yazılanları
08:56
and understand them.
216
521000
2000
anlamlandırmaktır.
08:58
And I must say that I thought that step
217
523000
2000
Ve şunu söylemeliyim ki bu adım
09:00
might just be plain impossible.
218
525000
3000
son derece imkansız olabilir.
09:04
Two big things happened:
219
529000
2000
İki büyük şey oldu.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
İlki, hesaplama evrenini araştırmaktan gelen
09:09
that came from studying the computational universe;
221
534000
3000
dilbilim ile ilgili birtakım yeni fikirlerdir.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
Ve ikincisi, gerçekten hesaplanabilir bilgiye sahip olmak
09:15
completely changes how one can
223
540000
2000
birinin dili anlama girişimini
09:17
set about understanding language.
224
542000
3000
tamamen değiştirdiğinin farkına varmaktır.
09:20
And, of course, now
225
545000
2000
Ve, tabii ki, şimdi
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
Wolfram Alpha ortalıkta geziniyorken,
09:24
we can learn from its actual usage.
227
549000
2000
onun gerçek kullanımından bir şeyler öğrenebiliriz.
09:26
And, in fact, there's been
228
551000
2000
Ve Wolfram Alpha ile
09:28
an interesting coevolution that's been going on
229
553000
2000
onun kullanıcıları arasında gerçekten ilginç bir
09:30
between Wolfram Alpha
230
555000
2000
ortak evrimleşme süreci
09:32
and its human users,
231
557000
2000
meydana gelmiştir.
09:34
and it's really encouraging.
232
559000
2000
Ve bu gerçekten cesaret verici.
09:36
Right now, if we look at web queries,
233
561000
2000
Şu anda web sorgularına bakarsak,
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
%80'i ilk seferde başarıyla cevaplanıyor.
09:41
And if you look at things like the iPhone app,
235
566000
2000
Ve iPhone uygulaması gibi şeylere bakarsanız,
09:43
the fraction is considerably larger.
236
568000
2000
bu oran oldukça daha büyük.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
Yani tüm bunlardan memnunum.
09:47
But, in many ways,
238
572000
2000
Fakat birçok yönden,
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
halen Wolfram Alpha'nın en başındayız.
09:52
I mean, everything is scaling up very nicely
240
577000
2000
Demek istediğim, her şey güzelce büyüyor.
09:54
and we're getting more confident.
241
579000
2000
Daha da emin oluyoruz.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
Wolfram Alpha teknolojisinin, daha birçok yerde
09:58
showing up in more and more places,
243
583000
2000
hem böyle bir sitedeki gibi halka açık
10:00
working both with this kind of public data, like on the website,
244
585000
3000
veriler üzerinde çalışırken, hem de kişi ve şirketlere has
10:03
and with private knowledge
245
588000
2000
özel veriler üzerinde çalışırken
10:05
for people and companies and so on.
246
590000
3000
karşınıza çıkmasını umabilirsiniz.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
Biliyorsunuz, Wolfram Alpha'nın bilgi-tabanlı hesaplama
10:11
a whole new kind of computing
248
596000
2000
diyebileceğimiz yepyeni bir hesaplama
10:13
that one can call knowledge-based computing,
249
598000
2000
yöntemi sunduğunu fark ettim, ki bu durumda
10:15
in which one's starting not just from raw computation,
250
600000
3000
herhangi bir kimse sadece ham veriyle değil
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
aksine çok geniş bir mevcut bilgi hazinesiyle başlıyor.
10:21
And when one does that, one really changes
252
606000
2000
Ve birisini bunu yaptığı vakit, ister internette olsun
10:23
the economics of delivering computational things,
253
608000
3000
ister başka yerde sonuçta hesaplanabilir şeyleri
10:26
whether it's on the web or elsewhere.
254
611000
2000
dağıtma ekonomisini gerçekten değiştiriyor.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
Biliyorsunuz şu anda burada çok ilginç bir durum var.
10:31
On the one hand, we have Mathematica,
256
616000
2000
Bir tarafta, muntazam ve net bir dili olan
10:33
with its sort of precise, formal language
257
618000
3000
ve birçok alanda özenle tasarlanmış
10:36
and a huge network
258
621000
2000
yetenekleri ile
10:38
of carefully designed capabilities
259
623000
2000
birçok işi birkaç satır kod ile
10:40
able to get a lot done in just a few lines.
260
625000
3000
yapabilen Mathematica var.
10:43
Let me show you a couple of examples here.
261
628000
3000
Size birkaç örnek göstereyim.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
Burada küçük bir Matematik programı var.
10:51
Here's something where we're sort of
263
636000
2000
Burada birtakım farklı özellikleri
10:53
integrating a bunch of different capabilities here.
264
638000
3000
eklediğimiz bir şeyler var.
10:56
Here we'll just create, in this line,
265
641000
3000
Burada bu çizgide sadece biraz
10:59
a little user interface that allows us to
266
644000
3000
eğlenmemizi sağlayacak bir arayüz
11:02
do something fun there.
267
647000
2000
oluşturacağız.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
Devam ederseniz, çeşitli algoritmik şeyler yapan ve
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
kullanıcı arayüzleri oluşturan bu biraz daha
11:10
and creating user interface and so on.
270
655000
2000
karmaşık program ortaya çıkar.
11:12
But it's something that is very precise stuff.
271
657000
3000
Ama bu net şeylerden oluşan bir şeydir.
11:15
It's a precise specification with a precise formal language
272
660000
3000
Bur Mathematica'ya ne yapması gerektiğini anlatan
11:18
that causes Mathematica to know what to do here.
273
663000
3000
gayet muntazam ve net bir tanımlamadır.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
Diğer tarafta elimizde dünyanın ve insan dilinin
11:24
with all the messiness of the world
275
669000
2000
tüm karmaşıklığının ve diğer şeylerin
11:26
and human language and so on built into it.
276
671000
2000
gömülü olduğu Wolfram Alpha var.
11:28
So what happens when you put these things together?
277
673000
3000
Peki bu şeyleri bir araya koyduğunuzda ne olur?
11:31
I think it's actually rather wonderful.
278
676000
2000
Bence oldukça harika olur.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
Mathematica'nın içinde Wolfram Alpha ile
11:35
you can, for example, make precise programs
280
680000
2000
örneğin, gerçek dünya verilerini alan
11:37
that call on real world data.
281
682000
2000
muntazam programlar yapabilirsiniz.
11:39
Here's a real simple example.
282
684000
2000
Burada çok basit bir örnek var.
11:44
You can also just sort of give vague input
283
689000
3000
Ayrıca belirsiz ifadeler de girebilirsiniz
11:47
and then try and have Wolfram Alpha
284
692000
2000
ve Wolfram Alpha'nın ne demek istediğinizi
11:49
figure out what you're talking about.
285
694000
2000
anlamaya çalışmasını deneyebilirsiniz.
11:51
Let's try this here.
286
696000
2000
Haydi burada deneyelim.
11:53
But actually I think the most exciting thing about this
287
698000
3000
Fakat bence burada gerçekten heyecan verici olan şey
11:56
is that it really gives one the chance
288
701000
2000
bunun bize programlamayı demokratikleştirme
11:58
to democratize programming.
289
703000
3000
şansı vermesidir.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
Demek istediğim, herhangi bir kimse ne istediğini gündelik dilde söyleyecek,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
ve, esas fikir, Wolfram Alpha bu yazılanlarla istenen şeyi tam olarak
12:07
what precise pieces of code
292
712000
2000
hangi kodun yapabileceğini
12:09
can do what they're asking for
293
714000
2000
bulmaya çalışacak ve onlara
12:11
and then show them examples that will let them pick what they need
294
716000
3000
daha büyük ve net programlar inşa etmelerini sağlayacak örnekler sunup
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
bunlar arasından istediklerini seçmelerini sağlayacak.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
Bazen, Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
724000
2000
istenen her şeyi anında yapabilecek
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
ve ardından hesaplamayı yapabileceğin büyük programı tümüyle verecek.
12:24
Here's a big website
299
729000
2000
Burada birçok eğitsel malzemenin
12:26
where we've been collecting lots of educational
300
731000
3000
ve diğer birçok şey hakkında topladığımız bir sürü
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
örneklerin yer aldığı büyük bir web sitesi var.
12:32
I'll show you one example here.
302
737000
3000
Bilmiyorum, size bir örnek göstereceğim, belki burada.
12:36
This is just an example of one of these computable documents.
303
741000
3000
Bu sadece tüm bu hesaplanabilir belgelerin bir örneği.
12:39
This is probably a fairly small
304
744000
2000
Bu, burada çalışabilen
12:41
piece of Mathematica code
305
746000
2000
muhtemelen oldukça kısa bir
12:43
that's able to be run here.
306
748000
2000
Mathematica kodudur.
12:47
Okay. Let's zoom out again.
307
752000
3000
Pekala, tekrar uzaklaşalım.
12:50
So, given our new kind of science,
308
755000
2000
Pekala, bu yeni bilim türümüzü
12:52
is there a general way to use it to make technology?
309
757000
3000
teknoloji üretmek için kullanacağımız genel bir yöntem var mı?
12:55
So, with physical materials,
310
760000
2000
Söz konusu fiziksel maddeler olunca
12:57
we're used to going around the world
311
762000
2000
dünyayı dolaşıp belirli maddelerin
12:59
and discovering that particular materials
312
764000
2000
belirli teknolojik amaçlar için uygun
13:01
are useful for particular
313
766000
2000
olup olmadığını
13:03
technological purposes.
314
768000
2000
araştırmaya alışmışız.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
Görünen o ki aynı şeyi hesaplama evreninde de
13:07
in the computational universe.
316
772000
2000
yapabiliriz.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
Bitmez tükenmez bir program kaynağı var dışarıda.
13:12
The challenge is to see how to
318
777000
2000
Asıl mesele onları insanların
13:14
harness them for human purposes.
319
779000
2000
kullanımı için nasıl toplayacağımızdır.
13:16
Something like Rule 30, for example,
320
781000
2000
Örneğin Kural 30'un gerçekten
13:18
turns out to be a really good randomness generator.
321
783000
2000
iyi bir rastgelelik üreticisi olması gibi.
13:20
Other simple programs are good models
322
785000
2000
Diğer basit programlar doğal ve sosyal
13:22
for processes in the natural or social world.
323
787000
3000
dünyadaki işlemler için iyi modeldir.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
Ve, örneğin, Wolfram Alpha ve Mathematica
13:27
are actually now full of algorithms
325
792000
2000
gerçekten bizim hesaplama evrenini
13:29
that we discovered by searching the computational universe.
326
794000
3000
araştırırken keşfettiğimiz algoritmalarla doludur.
13:33
And, for example, this -- if we go back here --
327
798000
3000
Ve, örneğin, bu -- buraya geri dönüyoruz --
13:37
this has become surprisingly popular
328
802000
2000
Bu, hesaplama evreninde arama yaparak
13:39
among composers
329
804000
2000
müziksel yapılar bulan
13:41
finding musical forms by searching the computational universe.
330
806000
3000
besteciler arasında şaşırtıcı derecede popüler oldu.
13:45
In a sense, we can use the computational universe
331
810000
2000
Bir anlamda, kitlece düzenlenmiş yaratıcılığı
13:47
to get mass customized creativity.
332
812000
3000
edinmek için hesaplama evrenini kullanabiliriz.
13:50
I'm hoping we can, for example,
333
815000
2000
Umuyorum ki, örneğin,
13:52
use that even to get Wolfram Alpha
334
817000
2000
Wolfram Alpha'yı rutin olarak
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
icat ve keşif yapmak ve hiçbir mühendisin
13:57
and to find all sorts of wonderful stuff
336
822000
2000
ve hiçbir artan evrim sürecinin
13:59
that no engineer
337
824000
2000
bulamayacağı
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
tüm bu harika şeyleri bulmak için kullanabiliriz.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
Bu bizi mutlak soruya götürüyor.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
Hesaplama evrenin bir yerinde kendi fiziksel evrenimizi
14:11
we might find our physical universe?
341
836000
3000
bulmamız mümkün müdür?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
Belki de evrenimiz için oldukça basit bir kural
14:16
some simple program for our universe.
343
841000
3000
veya basit bir program vardır.
14:19
Well, the history of physics would have us believe
344
844000
2000
Fizik tarihi bizden, evrenin kuralının son derece
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
karmaşık olduğuna inanmamızı isteyecektir.
14:24
But in the computational universe,
346
849000
2000
Fakat hesaplama evreninde
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
son derece basit kuralların nasıl oldukça
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
zengin ve karmaşık davranışlar ürettiğini gördük.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
Bizim bütün evrende de olup biten bu olabilir mi?
14:36
If the rules for the universe are simple,
350
861000
2000
Eğer evrenin kuralları basitse,
14:38
it's kind of inevitable that they have to be
351
863000
2000
onların çok soyut ve çok alt düzeyde olmaları,
14:40
very abstract and very low level;
352
865000
2000
örneğin bir şeyleri tanımlamayı
14:42
operating, for example, far below
353
867000
2000
zorlaştıran zaman ve uzay düzeyinin
14:44
the level of space or time,
354
869000
2000
çok altında işliyor olmaları
14:46
which makes it hard to represent things.
355
871000
2000
gerektiği kaçınılmaz olacaktır.
14:48
But in at least a large class of cases,
356
873000
2000
Fakat geniş bir vaka sınıfında,
14:50
one can think of the universe as being
357
875000
2000
evreni bir tür ağ gibi görebiliriz,
14:52
like some kind of network,
358
877000
2000
öyle ki bu ağ
14:54
which, when it gets big enough,
359
879000
2000
yeterince büyük olduğunda
14:56
behaves like continuous space
360
881000
2000
aynen birçok molekülün
14:58
in much the same way as having lots of molecules
361
883000
2000
daimi bir sıvı gibi hareket ettiği şekilde
15:00
can behave like a continuous fluid.
362
885000
2000
davranmaya başlayacaktır.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
Ardından evren, bu ağı dereceli olarak güncelleyen
15:05
little rules that progressively update this network.
364
890000
3000
küçük kuralları uygulayarak evrimleşmek zorundadır.
15:08
And each possible rule, in a sense,
365
893000
2000
Ve her olası kural, bir şekilde,
15:10
corresponds to a candidate universe.
366
895000
2000
aday bir evrene karşılık gelir.
15:12
Actually, I haven't shown these before,
367
897000
3000
Aslında, Bunları henüz göstermedim,
15:16
but here are a few of the candidate universes
368
901000
3000
ama burada benim baktığım birkaç aday evren
15:19
that I've looked at.
369
904000
2000
yer alıyor.
15:21
Some of these are hopeless universes,
370
906000
2000
Bunların bazıları umutsuz evrenler,
15:23
completely sterile,
371
908000
2000
tamamen kısır,
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
boşluk, zaman veya maddenin olmadığı diğer
15:27
no notion of time, no matter,
373
912000
3000
patolojiler gibi
15:30
other problems like that.
374
915000
2000
buna benzer sorunlar.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
Fakat son birkaç yılda bulduğum heyecan verici şey,
15:35
is that you actually don't have to go very far
376
920000
2000
bizim evrenimiz olmadığı gayet açık olan aday
15:37
in the computational universe
377
922000
2000
evrenleri bulmaya başlamak için
15:39
before you start finding candidate universes
378
924000
2000
hesaplama evreninde çok da uzağa
15:41
that aren't obviously not our universe.
379
926000
3000
gitmeniz gerekmediğidir.
15:44
Here's the problem:
380
929000
2000
İşte problem:
15:46
Any serious candidate for our universe
381
931000
3000
Bizim evrenimiz için ciddi bir aday,
15:49
is inevitably full of computational irreducibility.
382
934000
3000
mutlak şekilde sayısal indirgenmezlikle doludur,
15:52
Which means that it is irreducibly difficult
383
937000
3000
bu da demektir ki, onun gerçekten nasıl
15:55
to find out how it will really behave,
384
940000
2000
davranacağını veya fiziksel evrenimizle
15:57
and whether it matches our physical universe.
385
942000
3000
eşleşip eşleşmediğini kestirmek indirgenemez derecede zordur.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
Birkaç yıl önce izafiyet teorisini ve hatta
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
genel görelilik kuramı ve yer çekimini başarılı bir şekilde kopyalayan
16:07
that successfully reproduce special relativity,
388
952000
2000
ve en azından kuantum mekaniği hakkında ipuçları veren
16:09
and even general relativity and gravitation,
389
954000
3000
son derece basit kurallı aday evrenler olduğunu
16:12
and at least give hints of quantum mechanics.
390
957000
3000
keşfettiğimde oldukça heyecanlanmıştım.
16:15
So, will we find the whole of physics?
391
960000
2000
Peki, fiziğin tamamını bulabilecek miyiz?
16:17
I don't know for sure,
392
962000
2000
Emin değilim.
16:19
but I think at this point it's sort of
393
964000
2000
Fakat bence bu aşamada
16:21
almost embarrassing not to at least try.
394
966000
2000
en azından denememek utanç vericidir.
16:23
Not an easy project.
395
968000
2000
Kolay bir proje değil.
16:25
One's got to build a lot of technology.
396
970000
2000
Çok teknoloji oluşturmak zorundayız.
16:27
One's got to build a structure that's probably
397
972000
2000
Muhtemelen en az mevcut fizik kadar derin
16:29
at least as deep as existing physics.
398
974000
2000
yapılar inşa etmeliyiz.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
Ve tüm bunu organize edecek en iyi yöntemin ne olduğundan emin değilim.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
Bir takım oluştur, aç dünyaya, ödüller ver vb.
16:37
But I'll tell you, here today,
401
982000
2000
Fakat bugün burada size
16:39
that I'm committed to seeing this project done,
402
984000
2000
bu on yıl için evrenimizin kuralını elimizde
16:41
to see if, within this decade,
403
986000
3000
tutup tutamayacağımızı,
16:44
we can finally hold in our hands
404
989000
2000
ve evrenimizin tüm aday evrenler
16:46
the rule for our universe
405
991000
2000
içinde nerede yer aldığını
16:48
and know where our universe lies
406
993000
2000
görüp göremeyeceğimizi,
16:50
in the space of all possible universes ...
407
995000
2000
ve Wolfram Alpha'ya "evrenin teorisi" yazınca
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
onun bize anlatıp anlatamayacağını görebilmek için bu projenin bitmesine
16:55
and have it tell us.
409
1000000
2000
kendimi adadığımı söyleyeceğim.
16:57
(Laughter)
410
1002000
2000
(Gülüşmeler)
17:00
So I've been working on the idea of computation
411
1005000
2000
Hesaplama fikri üzerinde 30 yıldan fazladır
17:02
now for more than 30 years,
412
1007000
2000
araçlar ve metotlar oluşturarak,
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
zeki fikirleri miyonlarca satır koda dönüştürerek ve bunları
17:07
into millions of lines of code
414
1012000
2000
sunucu tarlaları üzerinde
17:09
and grist for server farms and so on.
415
1014000
2000
öğüterek çalışıyorum.
17:11
With every passing year,
416
1016000
2000
Her geçen yıl ile birlikte,
17:13
I realize how much more powerful
417
1018000
2000
hesaplama fikrinin ne kadar
17:15
the idea of computation really is.
418
1020000
2000
güçlü olduğunu fark ediyorum.
17:17
It's taken us a long way already,
419
1022000
2000
Bize zaten uzun bir yol kat ettirdi,
17:19
but there's so much more to come.
420
1024000
2000
fakat bunun dahası var.
17:21
From the foundations of science
421
1026000
2000
Bilimin temellerinden
17:23
to the limits of technology
422
1028000
2000
teknolojinin limitlerine,
17:25
to the very definition of the human condition,
423
1030000
2000
bizzat insan durumunun tanımına kadar,
17:27
I think computation is destined to be
424
1032000
2000
bence hesaplamanın kaderi
17:29
the defining idea of our future.
425
1034000
2000
geleceğimizin fikrini tanımlamaktır.
17:31
Thank you.
426
1036000
2000
Teşekkürler.
17:33
(Applause)
427
1038000
14000
(Alkış)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
Chris Anderson: Bu hayret vericiydi.
17:49
Stay here. I've got a question.
429
1054000
2000
Bekle burada. Bir sorum var.
17:51
(Applause)
430
1056000
4000
(Alkış)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
Doğrusu çok şaşırtıcı bir konuşmaydı.
18:01
Are you able to say in a sentence or two
432
1066000
3000
Bu tür bir düşünce tarzının nasıl
18:04
how this type of thinking
433
1069000
3000
bir şekilde sicim kuramına
18:07
could integrate at some point
434
1072000
2000
veya insanların evrenin
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
temel açıklaması olarak gördüğü şeylere bağlanabileceğini
18:11
as the fundamental explanations of the universe?
436
1076000
3000
bir veya iki cümlede anlatabilir misin?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
Stephen Wolfram: Fiziğin, doğru olduğunu
18:16
that we kind of know to be true,
438
1081000
2000
bildiğimiz, örneğin fiziğin standart
18:18
things like the standard model of physics:
439
1083000
2000
modelleri gibi taraflarını bağlayabiliriz.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
Yapmaya çalıştığım şey, fiziğin standart modelini daha iyi şekilde yeniden üretmek
18:23
or it's simply wrong.
441
1088000
2000
veya baştan yanlıştır.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
İnsanların son 25 küsür yıldır sicim kuramı ve diğer şeyler ile
18:27
with string theory and so on
443
1092000
2000
yapmaya çalıştıkları,
18:29
have been an interesting exploration
444
1094000
2000
standart modele dönebilmek için yapılan
18:31
that has tried to get back to the standard model,
445
1096000
3000
fakat henüz o noktaya ulaşamayan
18:34
but hasn't quite gotten there.
446
1099000
2000
ilginç araştırmalardır.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
Benim tahminim yaptığım büyük sadeleştirmelerin
18:39
may actually have considerable resonance
448
1104000
3000
sicim kuramında yapılan kadar
18:42
with what's been done in string theory,
449
1107000
2000
gerçekten kayda değer etki yapmasıdır,
18:44
but that's a complicated math thing
450
1109000
3000
fakat bu henüz nasıl olacağını bilmediğim
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
karmaşık bir matematik şeyidir.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
CA: Dinleyiciler arasında Benoit Mandlebrot var.
18:52
He also has shown how complexity
453
1117000
2000
O da basit bir başlangıçtan nasıl
18:54
can arise out of a simple start.
454
1119000
2000
karmaşıklık çıkacağını göstermiştir.
18:56
Does your work relate to his?
455
1121000
2000
Senin çalışman bununla alakalı mı?
18:58
SW: I think so.
456
1123000
2000
SW: Öyle sanırım.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
Benoit Mandlebrot'un çalışmalarını
19:02
as one of the founding contributions
458
1127000
3000
bu tür alanların temel taşı olarak
19:05
to this kind of area.
459
1130000
3000
görüyorum.
19:08
Benoit has been particularly interested
460
1133000
2000
Benoit özellikle iç içe kalıplar,
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
fraktallar ve yapının
19:12
where the structure is something
462
1137000
2000
bir ağacın dallarına benzeyen
19:14
that's kind of tree-like,
463
1139000
2000
büyük dallardan küçüklerin çıktığı
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
ve küçük dallardan da daha küçüklerinin çıktığı
19:18
and even smaller branches and so on.
465
1143000
3000
yapılara ilgi duyuyor.
19:21
That's one of the ways
466
1146000
2000
Bu gerçek karmaşıklığa giden
19:23
that you get towards true complexity.
467
1148000
3000
yollardan bir tanesidir.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
Bence, kural 30 gibi hücre otomasyonları bizi
19:29
get us to a different level.
469
1154000
2000
farklı seviyelere götürür.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
Aslında bizi farklı bir seviyeye çok net bir yoldan götürüyorlar
19:34
because they seem to be things that are
471
1159000
2000
çünkü onlar karmaşıklık oluşturabilen
19:37
capable of complexity
472
1162000
3000
şeyler gibiler
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
bu karmaşıklığın olabileceği en büyük hali gibi bir şey ...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
Daha çok anlatırım ama lafı uzatmayacağım.
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
CA: Stephen Wolfram, teşekkürler.
19:49
(Applause)
476
1174000
2000
(Alkış)
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