TED1994
Danny Hillis: Back to the future (of 1994)
داني هيلز: العودة إلى المستقبل (من 1994)
Filmed:
Readability: 3.8
686,810 views
من عمق أرشيف TED ، يحدد داني هيلز الخطوط العريضة لنظرية مثيرة للاهتمام حول كيف ولماذا تبدو التغيرات التقنية متسارعة، عن طريق ربط ذلك بتطور الحياة بذاته. تقنيات العرض التي يستخدمها قد تبدوا قديمة، لكن الأفكار حاضرة أكثر من أي وقت مضى.
Danny Hillis - Computer theorist
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Inventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results. Full bio
Double-click the English transcript below to play the video.
00:15
Because I usually take the role
0
0
3000
لأنني عادة أضطلع بدور
00:18
of trying to explain to people
1
3000
2000
محاولة الشرح للناس
00:20
how wonderful the new technologies
2
5000
3000
مدى الروعة التي ستكون عليها
00:23
that are coming along are going to be,
3
8000
2000
التقنيات الحديثة القادمة،
00:25
and I thought that, since I was among friends here,
4
10000
3000
وفكرت، بما أنني بين أصدقائي هنا،
00:28
I would tell you what I really think
5
13000
4000
سأحدثكم بما أعتقده حقا
00:32
and try to look back and try to understand
6
17000
2000
وأحاول النظر إلي الماضي وأُحاول فهم
00:34
what is really going on here
7
19000
3000
ما الذي يحصل هنا بالفعل
00:37
with these amazing jumps in technology
8
22000
5000
مع هذه القفزات الجبارة في التقنية
00:42
that seem so fast that we can barely keep on top of it.
9
27000
3000
و التي تبدوا سريعةً لدرجة أننا بالكاد نستطيع اللحاق بها.
00:45
So I'm going to start out
10
30000
2000
لذلك سأبدأ
00:47
by showing just one very boring technology slide.
11
32000
3000
بعرض شريحة تقنية مملة واحدة فقط.
00:50
And then, so if you can just turn on the slide that's on.
12
35000
3000
ومن ثم ، حسنا الرجاء تشغيل الشريحة، ها هو.
00:56
This is just a random slide
13
41000
2000
هذه فقط شريحة عشوائية
00:58
that I picked out of my file.
14
43000
2000
والتي اخترتها من ملفي.
01:00
What I want to show you is not so much the details of the slide,
15
45000
3000
وما أريد أن أريكم إياه لا يمكن في تفاصيل الشريحة،
01:03
but the general form of it.
16
48000
2000
ولكن شكلها العام.
01:05
This happens to be a slide of some analysis that we were doing
17
50000
3000
ويصادف أن هذه شريحة لبعض التحليلات التي كنا نقوم بها
01:08
about the power of RISC microprocessors
18
53000
3000
حول قوة معالجات RISC
01:11
versus the power of local area networks.
19
56000
3000
في مقابل قوة شبكات الاتصال المحلية.
01:14
And the interesting thing about it
20
59000
2000
والشيء المثير للإهتمام بخصوصها
01:16
is that this slide,
21
61000
2000
أن هذه الشريحة،
01:18
like so many technology slides that we're used to,
22
63000
3000
مثل الكثير من الشرائح التقنية التي تعودنا عليها،
01:21
is a sort of a straight line
23
66000
2000
وهي تقريبا عبارة عن خط مستقيم
01:23
on a semi-log curve.
24
68000
2000
على منحنى شبه لوغارثمي.
01:25
In other words, every step here
25
70000
2000
وبتعبير آخر، كل خطوة هنا
01:27
represents an order of magnitude
26
72000
2000
تمثل رتبة مقدار
01:29
in performance scale.
27
74000
2000
على مقياس الأداء.
01:31
And this is a new thing
28
76000
2000
وهذا شيءٌ جديد
01:33
that we talk about technology
29
78000
2000
أننا نتحدث عن التقنية
01:35
on semi-log curves.
30
80000
2000
على منحنى شبه لوغاريثمي.
01:37
Something really weird is going on here.
31
82000
2000
هناك شيءٌ غريبٌ يحدث هنا.
01:39
And that's basically what I'm going to be talking about.
32
84000
3000
وهذا بالضبط ما سأقوم بالحديث عنه.
01:42
So, if you could bring up the lights.
33
87000
3000
حسنا، لو تفضلتم بإعادة تشغيل الأضواء.
01:47
If you could bring up the lights higher,
34
92000
2000
لو تفضلتم بزيادة الإضاءة،
01:49
because I'm just going to use a piece of paper here.
35
94000
3000
لأنني سأقوم فقط باستخدام قطعة من الورق هنا.
01:52
Now why do we draw technology curves
36
97000
2000
الآن لماذا نرسم منحنيات التقنية
01:54
in semi-log curves?
37
99000
2000
على منحنيات شبه لوغاريثمية ؟
01:56
Well the answer is, if I drew it on a normal curve
38
101000
3000
حسناً ، الإجابة هي لو أننا رسمناه على منحنى عادي
01:59
where, let's say, this is years,
39
104000
2000
حيث، دعونا نقل، أن هذا يمثل السنوات،
02:01
this is time of some sort,
40
106000
2000
هذا زمن من نوع ما،
02:03
and this is whatever measure of the technology
41
108000
3000
وهذا يمثل أيا كان مقياس التقنية
02:06
that I'm trying to graph,
42
111000
3000
التي أحاول رسمها بيانيا،
02:09
the graphs look sort of silly.
43
114000
3000
الرسم البياني يبدوا سخيفاً نوعا ما.
02:12
They sort of go like this.
44
117000
3000
سيبدو نوعا ما بهذا الشكل.
02:15
And they don't tell us much.
45
120000
3000
ولن يخبرنا بالكثير.
02:18
Now if I graph, for instance,
46
123000
3000
والآن إن رسمت بيانيا، على سبيل المثال،
02:21
some other technology, say transportation technology,
47
126000
2000
تقنية أخرى، دعونا نقل، تقنيات المواصلات،
02:23
on a semi-log curve,
48
128000
2000
على مقياسٍ شبه لوغاريثمي،
02:25
it would look very stupid, it would look like a flat line.
49
130000
3000
ستبدوا غبية جداً، ستبدوا كخطٍ مستقيم.
02:28
But when something like this happens,
50
133000
2000
لكن حين يحدث شيءٌ كهذا،
02:30
things are qualitatively changing.
51
135000
2000
تتغير الأشياء نوعيا.
02:32
So if transportation technology
52
137000
2000
وبالتالي إذا كانت تقنيات المواصلات
02:34
was moving along as fast as microprocessor technology,
53
139000
3000
تتحرك بسرعة تقنية المعالجات،
02:37
then the day after tomorrow,
54
142000
2000
فإنه بعد غد،
02:39
I would be able to get in a taxi cab
55
144000
2000
سأكون قادرا على أن أستقل سيارة أجرة
02:41
and be in Tokyo in 30 seconds.
56
146000
2000
وأكون في اليابان في غضون ثلاثين ثانية.
02:43
It's not moving like that.
57
148000
2000
هي لا تتطور هكذا.
02:45
And there's nothing precedented
58
150000
2000
وليست هناك أي سوابق
02:47
in the history of technology development
59
152000
2000
في تاريخ تطور تكنولوجيا
02:49
of this kind of self-feeding growth
60
154000
2000
من هذا النوع من نمو التغذية الذاتية
02:51
where you go by orders of magnitude every few years.
61
156000
3000
حيث تنتقل برتب مقدار من التطور كل بضع سنوات.
02:54
Now the question that I'd like to ask is,
62
159000
3000
والآن السؤال الذي أود طرحه هو،
02:57
if you look at these exponential curves,
63
162000
3000
إذا نظرتم إلى هذه المنحنيات الأسية،
03:00
they don't go on forever.
64
165000
3000
فهي لا تستمر للأبد.
03:03
Things just can't possibly keep changing
65
168000
3000
فليس من الممكن أن تستمر الأشياء في التغير
03:06
as fast as they are.
66
171000
2000
بالسرعة التي هي عليها.
03:08
One of two things is going to happen.
67
173000
3000
أحد الأمررين سيحدث.
03:11
Either it's going to turn into a sort of classical S-curve like this,
68
176000
4000
إما أن تتحول إلى نوع من منحنى S التقليدي مثل هذا،
03:15
until something totally different comes along,
69
180000
4000
حتى يحدث شيء مختلف تماماً،
03:19
or maybe it's going to do this.
70
184000
2000
أو ربما ستقوم بهذا.
03:21
That's about all it can do.
71
186000
2000
هذا تقريبا كل ما يمكنها القيام به.
03:23
Now I'm an optimist,
72
188000
2000
والآن أنا متفائل،
03:25
so I sort of think it's probably going to do something like that.
73
190000
3000
لذا أعتقد نوعا ما بأنها على الأرجح ستقوم بشيء مثل ذلك.
03:28
If so, that means that what we're in the middle of right now
74
193000
3000
إذا كان هذا صحيحاً، فهذا يعني أن ما نحن في وسطه الآن
03:31
is a transition.
75
196000
2000
هو مرحلة انتقالية.
03:33
We're sort of on this line
76
198000
2000
أي أننا نوعا ما على هذا الخط
03:35
in a transition from the way the world used to be
77
200000
2000
في مرحلة انتقال مما كان عليه العالم
03:37
to some new way that the world is.
78
202000
3000
إلى طريقة جديدة لما هو عليه العالم.
03:40
And so what I'm trying to ask, what I've been asking myself,
79
205000
3000
لذا السؤال الذي أحاول طرحه، الذي كنت أطرحه على نفسي،
03:43
is what's this new way that the world is?
80
208000
3000
هو ما هو هذا الأسلوب الجديد الذي عليه العالم؟
03:46
What's that new state that the world is heading toward?
81
211000
3000
ما هي الحالة التي يتوجه نحوها العالم؟
03:49
Because the transition seems very, very confusing
82
214000
3000
لأن الإنتقال يبدوا مربكا للغاية،
03:52
when we're right in the middle of it.
83
217000
2000
عندما نكون في وسطه تماما.
03:54
Now when I was a kid growing up,
84
219000
3000
إذ عندما كنت طفلا في طور النمو،
03:57
the future was kind of the year 2000,
85
222000
3000
كان المستقبل هو نوعا ما العام 2000،
04:00
and people used to talk about what would happen in the year 2000.
86
225000
4000
وكان الناس اعتادوا الحديث عما قد يحدث في عام 2000.
04:04
Now here's a conference
87
229000
2000
والآن ها نحن في مؤتمر
04:06
in which people talk about the future,
88
231000
2000
حيث يتحدث الناس عن المستقبل،
04:08
and you notice that the future is still at about the year 2000.
89
233000
3000
وتلاحظون أن المستقبل لايزال في حوالي سنة 2000.
04:11
It's about as far as we go out.
90
236000
2000
إنه أقصى ما نصل إليه تقريبا.
04:13
So in other words, the future has kind of been shrinking
91
238000
3000
وبعبارة أخرى، كان المستقبل ينكمش نوعا ما
04:16
one year per year
92
241000
3000
بمقدار سنة كل سنة
04:19
for my whole lifetime.
93
244000
3000
طيلة حياتي.
04:22
Now I think that the reason
94
247000
2000
والآن أعتقد أن السبب
04:24
is because we all feel
95
249000
2000
هو آننا جميعاً نشعر
04:26
that something's happening there.
96
251000
2000
أن هناك شيئاً ما يحدث هناك.
04:28
That transition is happening. We can all sense it.
97
253000
2000
أن إنتقالاً يحدث. جميعنا يمكننا الشعور به.
04:30
And we know that it just doesn't make too much sense
98
255000
2000
ونعلم أن ذلك لايبدوا منطقياً كلية
04:32
to think out 30, 50 years
99
257000
2000
عند التفكير في 30 أو 50 سنة
04:34
because everything's going to be so different
100
259000
3000
لأن كل شيءٍ سيكون مختلفاً تماماً
04:37
that a simple extrapolation of what we're doing
101
262000
2000
وأن استقراءً بسيطاً لما نقوم به
04:39
just doesn't make any sense at all.
102
264000
3000
لايبدوا منطقياً البتة.
04:42
So what I would like to talk about
103
267000
2000
لذا ما أود الحديث عنه
04:44
is what that could be,
104
269000
2000
عما قد يكون ذلك،
04:46
what that transition could be that we're going through.
105
271000
3000
كيف قد يكون ذلك الإنتقال الذي نمر به.
04:49
Now in order to do that
106
274000
3000
والآن للقيام بذلك
04:52
I'm going to have to talk about a bunch of stuff
107
277000
2000
سيكون عليّ الحديث عن أشياء كثيرة
04:54
that really has nothing to do
108
279000
2000
والتي ليس لها علاقة
04:56
with technology and computers.
109
281000
2000
بالتقنية والحواسيب.
04:58
Because I think the only way to understand this
110
283000
2000
لأنني أعتقد أن الطريقة الوحيدة لفهم هذا
05:00
is to really step back
111
285000
2000
هي بالتراجع نحو الوراء
05:02
and take a long time scale look at things.
112
287000
2000
وأخذ نظرة بنطاق زمني كبير على الأمور.
05:04
So the time scale that I would like to look at this on
113
289000
3000
والمقياس الذي أود أن أنظر إلى ذلك من خلاله
05:07
is the time scale of life on Earth.
114
292000
3000
هو المقياس الزمني للحياة على الأرض.
05:13
So I think this picture makes sense
115
298000
2000
وفي إعتقادي أن تلك الصورة ستبدوا منطقيةً
05:15
if you look at it a few billion years at a time.
116
300000
4000
إذا نظرت إليها كل بضع ملايير سنة.
05:19
So if you go back
117
304000
2000
إذاً إذا رجعنا إلى الوراء
05:21
about two and a half billion years,
118
306000
2000
قبل حوالي ملياري سنة ونصف،
05:23
the Earth was this big, sterile hunk of rock
119
308000
3000
كانت الأرض عبارة عن قطعة ضخمة معقمة من الصخر
05:26
with a lot of chemicals floating around on it.
120
311000
3000
مع الكثير من المواد الكيميائية تطفوا حولها.
05:29
And if you look at the way
121
314000
2000
وإذا نظرت إلى الطريقة
05:31
that the chemicals got organized,
122
316000
2000
التي انتنظمت فيها تلك المواد الكيميائية،
05:33
we begin to get a pretty good idea of how they do it.
123
318000
3000
بدأنا نكون فكرةً جيدة عن كيفية قيامها بذلك.
05:36
And I think that there's theories that are beginning to understand
124
321000
3000
وأعتقد أن هناك نظريات بدأت تفهم
05:39
about how it started with RNA,
125
324000
2000
حول كيف بدأ الأمر بالحمض النووي الريبي،
05:41
but I'm going to tell a sort of simple story of it,
126
326000
3000
ولكنني سأحدثكم عن قصةٍ مبسطةٍ نوعا ما لها،
05:44
which is that, at that time,
127
329000
2000
والتي هي أنه، وفي ذلك الوقت،
05:46
there were little drops of oil floating around
128
331000
3000
كان هناك قطرات قليلة من النفط تطوف
05:49
with all kinds of different recipes of chemicals in them.
129
334000
3000
وفيها جميع أنواع الخلطات الكيميائية.
05:52
And some of those drops of oil
130
337000
2000
وبعض من قطرات النفط تلك
05:54
had a particular combination of chemicals in them
131
339000
2000
كان فيها تركيبٌ كيميائي معيّن
05:56
which caused them to incorporate chemicals from the outside
132
341000
3000
سمحت لها بمواد كيميائية من الخارج
05:59
and grow the drops of oil.
133
344000
3000
م
06:02
And those that were like that
134
347000
2000
وتلك التي كانت كذلك
06:04
started to split and divide.
135
349000
2000
بدأت بالإنقسام والتقسم.
06:06
And those were the most primitive forms of cells in a sense,
136
351000
3000
وتلك كانت أكثر أشكال الخلايا بدائية بمعنى ما،
06:09
those little drops of oil.
137
354000
2000
تلك القطرات البسيطة من النفط.
06:11
But now those drops of oil weren't really alive, as we say it now,
138
356000
3000
ولكن تلك القطرات من النفط لم تكن حيةً، كما نقول الآن،
06:14
because every one of them
139
359000
2000
لأن كل قطرةٍ منها
06:16
was a little random recipe of chemicals.
140
361000
2000
كانت خليطاً عشوائياً من المواد الكيميائية.
06:18
And every time it divided,
141
363000
2000
وفي كل مرةٍ تنقسم فيها،
06:20
they got sort of unequal division
142
365000
3000
تنفصل إلى أجزاء غير متساوية
06:23
of the chemicals within them.
143
368000
2000
من المواد الكيميائية التي تكونت منها.
06:25
And so every drop was a little bit different.
144
370000
3000
لذا فإن كل قطرةٍ كانت مختلفةً قليلا.
06:28
In fact, the drops that were different in a way
145
373000
2000
في الحقيقة، القطرات التي كانت مختلفةً بطريقةٍ ما
06:30
that caused them to be better
146
375000
2000
جعلت بعضها تصبح أفضل
06:32
at incorporating chemicals around them,
147
377000
2000
في التفاعل مع المواد الأخرى المحيطة بها ،
06:34
grew more and incorporated more chemicals and divided more.
148
379000
3000
ونمت بشكلٍ أكبر وتفاعلت أكثر وأخذت في الإنقسام أكثر.
06:37
So those tended to live longer,
149
382000
2000
لذا فإنها عاشت أطول ،
06:39
get expressed more.
150
384000
3000
وأفصحت عن نفسها أكثر.
06:42
Now that's sort of just a very simple
151
387000
3000
والآن هذا نوعٌ بسيط جدا
06:45
chemical form of life,
152
390000
2000
من أشكال الحياة الكيميائية،
06:47
but when things got interesting
153
392000
3000
ولكن الأمور أصبحت أكثر إثارة
06:50
was when these drops
154
395000
2000
عندما تعلمت تلك القطرات
06:52
learned a trick about abstraction.
155
397000
3000
حيلة حول فن التجريد.
06:55
Somehow by ways that we don't quite understand,
156
400000
3000
بطريقةٍ ما وبطرق لا نستطيع فهمها تماما،
06:58
these little drops learned to write down information.
157
403000
3000
تعلمت تلك القطرات الصغيرة كتابة المعلومات.
07:01
They learned to record the information
158
406000
2000
تعلمت تسجيل المعلومات
07:03
that was the recipe of the cell
159
408000
2000
والتي كانت خليط مكونات الخلية
07:05
onto a particular kind of chemical
160
410000
2000
على شكل خليطٍ كيميائي من نوع خاص
07:07
called DNA.
161
412000
2000
يدعى DNA.
07:09
So in other words, they worked out,
162
414000
2000
إذن وبتعبيرٍ آخر، وجدوا طريقة،
07:11
in this mindless sort of evolutionary way,
163
416000
3000
في هذه النوع من الأسلوب التطوري المجنون،
07:14
a form of writing that let them write down what they were,
164
419000
3000
شكلٍ من الكتابة سمح لهم بكتابة ما هي عليه،
07:17
so that that way of writing it down could get copied.
165
422000
3000
بحيث أن طريقة الكتابة تلك قد تستنسخ.
07:20
The amazing thing is that that way of writing
166
425000
3000
والمدهش في ذلك أن طريقة الكتابة تلك
07:23
seems to have stayed steady
167
428000
2000
بدا أنها استمرت على ذلك النحو
07:25
since it evolved two and a half billion years ago.
168
430000
2000
منذ أن تطورت قبل ملياري سنة ونصف.
07:27
In fact the recipe for us, our genes,
169
432000
3000
في الحقيقة إن خليطنا، أي جيناتنا،
07:30
is exactly that same code and that same way of writing.
170
435000
3000
هو نفسه ذلك الترميز ونفس أسلوب الكتابة ذاك.
07:33
In fact, every living creature is written
171
438000
3000
في الحقيقة، كل مخلوقٍ حي مكتوب
07:36
in exactly the same set of letters and the same code.
172
441000
2000
بنفس مجموعة الحروف وبنفس الترميز.
07:38
In fact, one of the things that I did
173
443000
2000
في الحقيقة، أحد الأمور التي قمت بها
07:40
just for amusement purposes
174
445000
2000
فقط لغرض التسلية
07:42
is we can now write things in this code.
175
447000
2000
هو أنه بإمكاننا الآن كتابة الأشياء بذلك الترميز.
07:44
And I've got here a little 100 micrograms of white powder,
176
449000
6000
ولدي هنا 100 ميكروغرام من المسحوق البيضاء،
07:50
which I try not to let the security people see at airports.
177
455000
4000
والتي أحاول أن أخفيها من أمن المطار.
07:54
(Laughter)
178
459000
2000
(ضحك)
07:56
But this has in it --
179
461000
2000
ولكن هذه فيها --
07:58
what I did is I took this code --
180
463000
2000
ما فعلته هو أنني أخذت هذا الترميز --
08:00
the code has standard letters that we use for symbolizing it --
181
465000
3000
والترميز لديه حروف قياسية نستخدمها لتمثيله --
08:03
and I wrote my business card onto a piece of DNA
182
468000
3000
وقمت بكتابة بطاقة عملي على جزءٍ من الحمض النووي
08:06
and amplified it 10 to the 22 times.
183
471000
3000
وقمت بتكبيرها بـ 10 بقوة 22 مرة.
08:09
So if anyone would like a hundred million copies of my business card,
184
474000
3000
لذا إذا احتاج أحدكم مائة مليون نسخة من بطاقة عملي،
08:12
I have plenty for everyone in the room,
185
477000
2000
لدي الكثير لكل شخص ٍ في القاعة،
08:14
and, in fact, everyone in the world,
186
479000
2000
وفي الحقيقة، لكل شخص ٍ على الأرض.
08:16
and it's right here.
187
481000
3000
وهي كلها هنا.
08:19
(Laughter)
188
484000
5000
(ضحك)
08:26
If I had really been a egotist,
189
491000
2000
ولو كنت بالفعل متبجحا،
08:28
I would have put it into a virus and released it in the room.
190
493000
3000
لكان بإمكاني وضعها في فيروس ونشرها في القاعة.
08:31
(Laughter)
191
496000
5000
(ضحك)
08:39
So what was the next step?
192
504000
2000
إذاً ماذا كانت الخطوة الثانية؟
08:41
Writing down the DNA was an interesting step.
193
506000
2000
كتابة الحمض النووي كانت خطوةً مميزة.
08:43
And that caused these cells --
194
508000
2000
وذلك تسبب في هذه الخلايا --
08:45
that kept them happy for another billion years.
195
510000
2000
التي جعلتهم سعداء لمليار سنة أخرى.
08:47
But then there was another really interesting step
196
512000
2000
ولكن بعد ذلك حدثت خطوةٌ مثيرةٌ بالفعل
08:49
where things became completely different,
197
514000
3000
حيث أصبحت الأشياء مختلفةً تماماً،
08:52
which is these cells started exchanging and communicating information,
198
517000
3000
وهو عندما بدأت تلك الخلايا التواصل ونقل المعلومات،
08:55
so that they began to get communities of cells.
199
520000
2000
بحيث بدأت في تشكيل مجموعاتٍ من الخلايا.
08:57
I don't know if you know this,
200
522000
2000
ولا أدري إن كنتم تعلمون ذلك،
08:59
but bacteria can actually exchange DNA.
201
524000
2000
ولكن البكتيريا تستطيع في الواقع تبادل الحمض النووي.
09:01
Now that's why, for instance,
202
526000
2000
ولهذا السبب، على سبيل المثال،
09:03
antibiotic resistance has evolved.
203
528000
2000
تطورت مقاومة المضادات الحيوية.
09:05
Some bacteria figured out how to stay away from penicillin,
204
530000
3000
بعض البكتيريا تعلمت كيف تهرب من البنسلين،
09:08
and it went around sort of creating its little DNA information
205
533000
3000
وأخذت نوعاً ما بالتنقل وتكوين بياناتها البسيطة من الحمض النووي
09:11
with other bacteria,
206
536000
2000
مع البكتيريا الأُخرى،
09:13
and now we have a lot of bacteria that are resistant to penicillin,
207
538000
3000
والآن لدينا الكثير من البكتيريا مقاومة للبنسيلين،
09:16
because bacteria communicate.
208
541000
2000
لأن البكتيريا تتواصل.
09:18
Now what this communication allowed
209
543000
2000
وما سمح لها به ذلك التواصل
09:20
was communities to form
210
545000
2000
هو تكوين مجتمعات
09:22
that, in some sense, were in the same boat together;
211
547000
2000
والتي، نوعا ما، كانت على نفس القارب معا؛
09:24
they were synergistic.
212
549000
2000
كانت متآزرة.
09:26
So they survived
213
551000
2000
وبالتالي نجت
09:28
or they failed together,
214
553000
2000
أو أنها فشلت ككل،
09:30
which means that if a community was very successful,
215
555000
2000
وهذا يعني إن كان المجتمع ناجحآ جداً،
09:32
all the individuals in that community
216
557000
2000
كل الأفراد في ذلك المجتمع
09:34
were repeated more
217
559000
2000
تكررت أكثر
09:36
and they were favored by evolution.
218
561000
3000
وكانت مفضلة تطوريا.
09:39
Now the transition point happened
219
564000
2000
والآن حدثت نقطة انتقال
09:41
when these communities got so close
220
566000
2000
حينما أصبحت تلك المجتمعات قريبةً جداً من بعضها
09:43
that, in fact, they got together
221
568000
2000
حيث، بالفعل، اجتمعت مع بعضها
09:45
and decided to write down the whole recipe for the community
222
570000
3000
وقررت أن تكتب التركيبة الكاملة للمجتمع
09:48
together on one string of DNA.
223
573000
3000
مجتمعة كسلسلة واحدة من الحمض النووي.
09:51
And so the next stage that's interesting in life
224
576000
2000
وبالتالي المرحلة التالية المثيرة للإهتمام في الحياة
09:53
took about another billion years.
225
578000
2000
استغرقت حوالي مليار سنة أخرى.
09:55
And at that stage,
226
580000
2000
وفي تلك المرحلة،
09:57
we have multi-cellular communities,
227
582000
2000
لدينا مجتمعات متعددة الخلايا.
09:59
communities of lots of different types of cells,
228
584000
2000
مجتمعات من أنواع خلايا مختلفة كثيرة،
10:01
working together as a single organism.
229
586000
2000
تعمل معا ككائن حي واحد.
10:03
And in fact, we're such a multi-cellular community.
230
588000
3000
وفي الحقيقة ، فنحن مثل مجتمع من الخلايا المتعددة.
10:06
We have lots of cells
231
591000
2000
لدينا الكثير من الخلايا
10:08
that are not out for themselves anymore.
232
593000
2000
والتي لم تعد خارج ذواتها.
10:10
Your skin cell is really useless
233
595000
3000
خلايا الجلد التي لديكم في الحقيقة عديمة الفائدة
10:13
without a heart cell, muscle cell,
234
598000
2000
بدون خلية قلب و خلية عضلية
10:15
a brain cell and so on.
235
600000
2000
و خلية دماغية وهلم جرا.
10:17
So these communities began to evolve
236
602000
2000
لذا بدأت هذه المجتمعات في التطور
10:19
so that the interesting level on which evolution was taking place
237
604000
3000
بحيث أن المستوى المثير للاهتمام الذي كان يحدث فيه التطور
10:22
was no longer a cell,
238
607000
2000
لم يعد خلية،
10:24
but a community which we call an organism.
239
609000
3000
لكن مجتمعا نسميه كائنا حيا.
10:28
Now the next step that happened
240
613000
2000
والآن الخطوة التالية التي حدثت
10:30
is within these communities.
241
615000
2000
هي بداخل تلك المجتمعات.
10:32
These communities of cells,
242
617000
2000
تلك المجتمعات من الخلايا،
10:34
again, began to abstract information.
243
619000
2000
بدأت مجدداً باستخلاص المعلومات.
10:36
And they began building very special structures
244
621000
3000
وبدأت بتشكيل بنيات مميزة للغاية
10:39
that did nothing but process information within the community.
245
624000
3000
والتي لم تقم بعمل شيء سوى معالجة البيانات داخل المجتمع.
10:42
And those are the neural structures.
246
627000
2000
وتلك كانت البنية العصبية.
10:44
So neurons are the information processing apparatus
247
629000
3000
لذا فإن الخلايا العصبية هي أجهزة معالجة المعلومات
10:47
that those communities of cells built up.
248
632000
3000
التي بنته تلك المجتمعات من الخلايا.
10:50
And in fact, they began to get specialists in the community
249
635000
2000
وفي الحقيقة، بدأت بوضع أخصائيين في المجتمع
10:52
and special structures
250
637000
2000
وبنيات خاصة
10:54
that were responsible for recording,
251
639000
2000
التي كانت مسؤولة عن تسجيل،
10:56
understanding, learning information.
252
641000
3000
وفهم، ودراسة المعلومات.
10:59
And that was the brains and the nervous system
253
644000
2000
وذلك كان الدماغ والجهاز العصبي
11:01
of those communities.
254
646000
2000
لتلك المجتمعات.
11:03
And that gave them an evolutionary advantage.
255
648000
2000
ووفر لها ذلك ميزة تطورية.
11:05
Because at that point,
256
650000
3000
لأنه آنذاك،
11:08
an individual --
257
653000
3000
الفرد --
11:11
learning could happen
258
656000
2000
قد يحدث التعلم
11:13
within the time span of a single organism,
259
658000
2000
في المدى الزمني لكائن حي واحد،
11:15
instead of over this evolutionary time span.
260
660000
3000
عوضا عن هذا المدى الزمني التطوري.
11:18
So an organism could, for instance,
261
663000
2000
وبالتالي قد يستطيع كائن حي، على سبيل المثال،
11:20
learn not to eat a certain kind of fruit
262
665000
2000
تعلم عدم أكل نوع من أنواع الفاكهة
11:22
because it tasted bad and it got sick last time it ate it.
263
667000
4000
لأن مذاقها كان سيئاً، وسببت له مرضا في آخر مرة أكلها.
11:26
That could happen within the lifetime of a single organism,
264
671000
3000
هذا قد يحدث في المدى الزمني لكائن حي واحد،
11:29
whereas before they'd built these special information processing structures,
265
674000
4000
بينما سابقاً قد تنشئ بنيات خاصة لمعالجة المعلومات،
11:33
that would have had to be learned evolutionarily
266
678000
2000
والذي كان يتعين عليه تعلمها تطوريا،
11:35
over hundreds of thousands of years
267
680000
3000
على مدى مئات الألوف من السنين
11:38
by the individuals dying off that ate that kind of fruit.
268
683000
3000
من خلال الأفراد الذين ماتوا ممن أكلوا ذلك النوع من الفاكهة.
11:41
So that nervous system,
269
686000
2000
لذا فذلك الجهاز العصبي،
11:43
the fact that they built these special information structures,
270
688000
3000
حقيقة أنها بنت هذه البنيات المعلوماتية الخاصة،
11:46
tremendously sped up the whole process of evolution.
271
691000
3000
سرعت بشكل مذهل عملية التطور.
11:49
Because evolution could now happen within an individual.
272
694000
3000
لأن التطور أصبح ممكن الحدوث على مستوى الفرد الآن.
11:52
It could happen in learning time scales.
273
697000
3000
من الممكن أن تحدث في تعلم المقاييس الزمنية.
11:55
But then what happened
274
700000
2000
ولكن ما حدث بعد ذلك
11:57
was the individuals worked out,
275
702000
2000
هو أن الفرد توصل إلى،
11:59
of course, tricks of communicating.
276
704000
2000
بالطبع، ابتكر طرقاً للتواصل.
12:01
And for example,
277
706000
2000
على سبيل المثال،
12:03
the most sophisticated version that we're aware of is human language.
278
708000
3000
النسخة الأكثر تطوراً والتي نعيها هي لغة الإنسان.
12:06
It's really a pretty amazing invention if you think about it.
279
711000
3000
إنها بالفعل اختراعٌ مدهشٌ وعظيم عندما تفكرون به.
12:09
Here I have a very complicated, messy,
280
714000
2000
هنا لدي فكرةً معقدة جداً، وفوضوية
12:11
confused idea in my head.
281
716000
3000
فكرة مشوشة في ذهني.
12:14
I'm sitting here making grunting sounds basically,
282
719000
3000
إنني أجلس هنا أساسا وأُصدر أصوات شخير،
12:17
and hopefully constructing a similar messy, confused idea in your head
283
722000
3000
على أمل تكوين نفس الفكرة الفوضوية المشوشة في أذهانكم
12:20
that bears some analogy to it.
284
725000
2000
وهذا يعطي بعض التشبيه للأمر.
12:22
But we're taking something very complicated,
285
727000
2000
ولكننا نأخذ شيئاً معقداً جداً،
12:24
turning it into sound, sequences of sounds,
286
729000
3000
ونحوله إلى أصوات، تسلسل من الأصوات،
12:27
and producing something very complicated in your brain.
287
732000
4000
وننتج شيئاً معقداً جداً في أذهانكم.
12:31
So this allows us now
288
736000
2000
وهذا يتيح لنا الآن
12:33
to begin to start functioning
289
738000
2000
ببدء القيام بوظائف
12:35
as a single organism.
290
740000
3000
ككائنٍ حي مفرد.
12:38
And so, in fact, what we've done
291
743000
3000
لذلك، في الحقيقة، ما قمنا به
12:41
is we, humanity,
292
746000
2000
هو أننا، البشرية،
12:43
have started abstracting out.
293
748000
2000
بدأنا بالتلخيص.
12:45
We're going through the same levels
294
750000
2000
ونحن نمر بنفس المستويات
12:47
that multi-cellular organisms have gone through --
295
752000
2000
التي مرت بها الكائنات الحية متعددة الخلايا --
12:49
abstracting out our methods of recording,
296
754000
3000
نستخلص أساليبنا للتسجيل
12:52
presenting, processing information.
297
757000
2000
والعرض ومعالجة المعلومات.
12:54
So for example, the invention of language
298
759000
2000
فعلى سبيل المثال، اختراع اللغة
12:56
was a tiny step in that direction.
299
761000
3000
كان خطوةً صغيرةً بذلك الإتجاه.
12:59
Telephony, computers,
300
764000
2000
الاتصالات الهاتفية، الحواسيب
13:01
videotapes, CD-ROMs and so on
301
766000
3000
أشرطة الفيديو، الأقراص المضغوطة وهلم جرا
13:04
are all our specialized mechanisms
302
769000
2000
كلها آلياتنا الخاصة
13:06
that we've now built within our society
303
771000
2000
التي بنيناها الآن في داخل مجتمعنا
13:08
for handling that information.
304
773000
2000
للتعامل مع المعلومات.
13:10
And it all connects us together
305
775000
3000
وكلها تربطنا معا
13:13
into something
306
778000
2000
إلى شيء
13:15
that is much bigger
307
780000
2000
أكبر بكثير
13:17
and much faster
308
782000
2000
وأسرع بكثير
13:19
and able to evolve
309
784000
2000
وقابل للتطور
13:21
than what we were before.
310
786000
2000
أكثر مما كنا عليه سابقا.
13:23
So now, evolution can take place
311
788000
2000
إذاً الآن، بإمكان التطور أن يأخذ مجراه
13:25
on a scale of microseconds.
312
790000
2000
في سلم الميكروثانية.
13:27
And you saw Ty's little evolutionary example
313
792000
2000
وقد رأيتم المثال التطوري الصغير لTy
13:29
where he sort of did a little bit of evolution
314
794000
2000
حيث أجرى نوعاً من التطور
13:31
on the Convolution program right before your eyes.
315
796000
3000
في برنامج الضغط أمام أعينكم.
13:34
So now we've speeded up the time scales once again.
316
799000
3000
لذا فنحن قمنا بتسريع المقاييس الزمنية مرة أخرى.
13:37
So the first steps of the story that I told you about
317
802000
2000
لذا فالخطوات الأولى من القصة التي أخبرتكم بها
13:39
took a billion years a piece.
318
804000
2000
استغرقت ملايير السنين في كل مرحلة.
13:41
And the next steps,
319
806000
2000
والخطوات التالية،
13:43
like nervous systems and brains,
320
808000
2000
مثل الجهاز العصبي والدماغ،
13:45
took a few hundred million years.
321
810000
2000
استغرقت بضع مئات الملايين من السنين.
13:47
Then the next steps, like language and so on,
322
812000
3000
ثم الخطوات الموالية، مثل اللغة وما إلى ذلك،
13:50
took less than a million years.
323
815000
2000
استغرقت أقل من مليون سنة.
13:52
And these next steps, like electronics,
324
817000
2000
وهذه الخطوات القادمة، مثل الإلكترونيات،
13:54
seem to be taking only a few decades.
325
819000
2000
يبدوا أنها تستغرق بضع عقود فقط.
13:56
The process is feeding on itself
326
821000
2000
والعملية تتغذى على ذاتها
13:58
and becoming, I guess, autocatalytic is the word for it --
327
823000
3000
وتصبح، حسب اعتقادي، ذاتية التحفيز هي العبارة التي تصفها --
14:01
when something reinforces its rate of change.
328
826000
3000
عندما يعزز شيئاً ما من وتيرة تغيره.
14:04
The more it changes, the faster it changes.
329
829000
3000
كلما تغير، ازدادت سرعة تغيره.
14:07
And I think that that's what we're seeing here in this explosion of curve.
330
832000
3000
وفي اعتقادي أن هذا ما نراه في انفجار المنحنيات هذا.
14:10
We're seeing this process feeding back on itself.
331
835000
3000
نرى هذه العملية تتغذى على ذاتها.
14:13
Now I design computers for a living,
332
838000
3000
والآن أعيش من تصميم الحواسيب،
14:16
and I know that the mechanisms
333
841000
2000
وأعلم أن الآليات
14:18
that I use to design computers
334
843000
3000
التي أستخدمها في تصميم الحواسيب
14:21
would be impossible
335
846000
2000
ستكون مستحيلةً
14:23
without recent advances in computers.
336
848000
2000
بدون تطورٍ جديد في الحواسيب.
14:25
So right now, what I do
337
850000
2000
لذا ما أفعله حاليا
14:27
is I design objects at such complexity
338
852000
3000
هو أن أصمم أشياء بتعقيد
14:30
that it's really impossible for me to design them in the traditional sense.
339
855000
3000
لدرجة أنه كان من المستحيل فعلا أن أصممها بالطرق التقليدية.
14:33
I don't know what every transistor in the connection machine does.
340
858000
4000
لا أعلم ما الذي يقوم به كل ترانزيستور بداخل آلة الاتصال.
14:37
There are billions of them.
341
862000
2000
وهناك الملايير منها.
14:39
Instead, what I do
342
864000
2000
ما أقوم بها بدلاً من ذلك
14:41
and what the designers at Thinking Machines do
343
866000
3000
وما يفعله المصممون في "Thinking Machines"
14:44
is we think at some level of abstraction
344
869000
2000
هو أن نفكر في مستوى معين من التجريد
14:46
and then we hand it to the machine
345
871000
2000
ومن ثم نسلمها للآلات
14:48
and the machine takes it beyond what we could ever do,
346
873000
3000
فتأخذها الآلات إلى ما يتجاوز ما قد نقوم به على الاطلاق،
14:51
much farther and faster than we could ever do.
347
876000
3000
وأسرع بكثير مما نستطيع القيام به.
14:54
And in fact, sometimes it takes it by methods
348
879000
2000
وفي الحقيقة، تقوم بعمل ذلك أحياناً بأساليب
14:56
that we don't quite even understand.
349
881000
3000
نعجز نحن حتى عن فهمها.
14:59
One method that's particularly interesting
350
884000
2000
وأحد تلك الطرق المثيرة للإهتمام بشكل خاص
15:01
that I've been using a lot lately
351
886000
3000
والتي كنت أستخدمها بكثرةٍ مؤخراً
15:04
is evolution itself.
352
889000
2000
هي عملية التطور نفسها.
15:06
So what we do
353
891000
2000
حسنا ما نفعله
15:08
is we put inside the machine
354
893000
2000
هو أننا نضع بداخل الآلة
15:10
a process of evolution
355
895000
2000
عملية تطور
15:12
that takes place on the microsecond time scale.
356
897000
2000
تأخذ مجراها في مقياس زمني يعادل الميكروثانية.
15:14
So for example,
357
899000
2000
فعلى سبيل المثال،
15:16
in the most extreme cases,
358
901000
2000
وفي أكثر الحالات تطرفاً،
15:18
we can actually evolve a program
359
903000
2000
بإمكاننا أن نطور برنامجا
15:20
by starting out with random sequences of instructions.
360
905000
4000
بالبدأ بسلسلة أوامر مرتبة عشوائياً.
15:24
Say, "Computer, would you please make
361
909000
2000
لنقل : " هل من الممكن أيها الحاسوب أن تصنع
15:26
a hundred million random sequences of instructions.
362
911000
3000
قائمة من مئات الملايين من سلاسل الأوامر العشوائية.
15:29
Now would you please run all of those random sequences of instructions,
363
914000
3000
والآن قم بفضلك بتشغيل جميع سلاسل الأوامر العشوائية تلك،
15:32
run all of those programs,
364
917000
2000
شغل جميع تلك البرامج،
15:34
and pick out the ones that came closest to doing what I wanted."
365
919000
3000
واختر منها البرامج الأقرب إلى القيام بما أريده".
15:37
So in other words, I define what I wanted.
366
922000
2000
لذا بعبارة أخرى، أعرف ما أريده.
15:39
Let's say I want to sort numbers,
367
924000
2000
ولنقل أنني أريد ترتيب الأرقام،
15:41
as a simple example I've done it with.
368
926000
2000
كمثالٍ بسيط قمت به معه.
15:43
So find the programs that come closest to sorting numbers.
369
928000
3000
وبالتالي أبحث عن البرامج التي كانت أقرب إلى ترتيب الأرقام.
15:46
So of course, random sequences of instructions
370
931000
3000
وبالطبع، سلسلة من الأوامر العشوائية
15:49
are very unlikely to sort numbers,
371
934000
2000
من غير المحتمل أن تقوم بترتيب الأرقام،
15:51
so none of them will really do it.
372
936000
2000
لذا من غير الممكن أن تقوم بذلك أي منها.
15:53
But one of them, by luck,
373
938000
2000
ولكن واحدة منها، وبالمصادفة،
15:55
may put two numbers in the right order.
374
940000
2000
قد ترتب رقمين بالترتيب الصحيح.
15:57
And I say, "Computer,
375
942000
2000
ثم أقول: " أيها الحاسوب،
15:59
would you please now take the 10 percent
376
944000
3000
هل بإمكانك أن تأخذ الآن ال10%
16:02
of those random sequences that did the best job.
377
947000
2000
من تلك السلاسل العشوائية التي قامت بأفضل مهمة.
16:04
Save those. Kill off the rest.
378
949000
2000
قم بحفظها، وأتلف الباقي.
16:06
And now let's reproduce
379
951000
2000
والآن لنعد إنتاج
16:08
the ones that sorted numbers the best.
380
953000
2000
تلك التي رتبت الأرقام بشكل أفضل.
16:10
And let's reproduce them by a process of recombination
381
955000
3000
ولكن لنعد إنتاجها بعملية إعادة التركيب
16:13
analogous to sex."
382
958000
2000
مشابهة لممارسة الجنس."
16:15
Take two programs and they produce children
383
960000
3000
خذ برنامجين لينتجوا أطفالا
16:18
by exchanging their subroutines,
384
963000
2000
عن طريق تبادل الوظائف الفرعية،
16:20
and the children inherit the traits of the subroutines of the two programs.
385
965000
3000
والأطفال يرثون صفات الوظائف الفرعية لكل من البرنامجين.
16:23
So I've got now a new generation of programs
386
968000
3000
لذا لدي جيلٍ جديدٍ من البرامج
16:26
that are produced by combinations
387
971000
2000
والتي أنتجت عن طريق مزج
16:28
of the programs that did a little bit better job.
388
973000
2000
البرامج التي أبلت أحسن بقليل من غيرها.
16:30
Say, "Please repeat that process."
389
975000
2000
لنقل : " الرجاء تكرار العملية".
16:32
Score them again.
390
977000
2000
وسجل النتائج مجددا.
16:34
Introduce some mutations perhaps.
391
979000
2000
أدخل بعض الطفرات ربما.
16:36
And try that again and do that for another generation.
392
981000
3000
وكرر ذلك مرةً أخرى مع جيلٍ آخر.
16:39
Well every one of those generations just takes a few milliseconds.
393
984000
3000
وكل جيلٍ يستغرق فقط بضعة أجزاء من الألف من الثانية.
16:42
So I can do the equivalent
394
987000
2000
لذا بإمكاني عمل ما يماثل
16:44
of millions of years of evolution on that
395
989000
2000
ملايين السنين من التطور على ذلك
16:46
within the computer in a few minutes,
396
991000
3000
داخل الحاسوب في غضون بضع دقائق
16:49
or in the complicated cases, in a few hours.
397
994000
2000
أو في الحالات المعقدة، في بضع ساعات.
16:51
At the end of that, I end up with programs
398
996000
3000
وفي نهاية المطاف، أحصل على برامج
16:54
that are absolutely perfect at sorting numbers.
399
999000
2000
مثاليةً جداً في ترتيب الأرقام.¼
16:56
In fact, they are programs that are much more efficient
400
1001000
3000
وفي الحقيقة ، إنها برامج أكثر فعالية بكثير
16:59
than programs I could have ever written by hand.
401
1004000
2000
من أي برامج مكتوبة باليد.
17:01
Now if I look at those programs,
402
1006000
2000
والآن إذا نظرت إلى تلك البرامج،
17:03
I can't tell you how they work.
403
1008000
2000
أستطيع أن أخبركم كيف تعمل.
17:05
I've tried looking at them and telling you how they work.
404
1010000
2000
حاولت النظر فيها وإخباركم كيف تشتغل.
17:07
They're obscure, weird programs.
405
1012000
2000
إنها برامج غامضة، وغريبة.
17:09
But they do the job.
406
1014000
2000
ولكنها تؤدي الوظيفة.
17:11
And in fact, I know, I'm very confident that they do the job
407
1016000
3000
وبالفعل، أثق تماماً، أنها تؤدي الوظيفة
17:14
because they come from a line
408
1019000
2000
لأنها أتت من سطر
17:16
of hundreds of thousands of programs that did the job.
409
1021000
2000
من مئات الآلاف من البرامج التي قامت بالوظيفة.
17:18
In fact, their life depended on doing the job.
410
1023000
3000
في الحقيقة ، فإن حياتها تعتمد على أداء الوظيفة.
17:21
(Laughter)
411
1026000
4000
(ضحك)
17:26
I was riding in a 747
412
1031000
2000
كنت على متن طائرة 747
17:28
with Marvin Minsky once,
413
1033000
2000
ذات مرة مع "مارفن مينسكي"،
17:30
and he pulls out this card and says, "Oh look. Look at this.
414
1035000
3000
وسحب هذه البطاقة وقال: " آه انظر، انظر إلى هذا.
17:33
It says, 'This plane has hundreds of thousands of tiny parts
415
1038000
4000
تقول: " هذه الطائرة تحتوي على مئات الآلاف من الأجزاء الصغيرة
17:37
working together to make you a safe flight.'
416
1042000
4000
التي تعمل معاً لتجعل رحلتك آمنة."
17:41
Doesn't that make you feel confident?"
417
1046000
2000
ألا يجعلك ذلك تشعر بالأمان ؟"
17:43
(Laughter)
418
1048000
2000
(ضحك)
17:45
In fact, we know that the engineering process doesn't work very well
419
1050000
3000
في الحقيقة، نعلم أن العمليات الهندسية لا تعمل بشكل جيد جيداً
17:48
when it gets complicated.
420
1053000
2000
عندما تصبح معقدةً.
17:50
So we're beginning to depend on computers
421
1055000
2000
لذا فنحن بدأنا في الإعتماد على الحواسيب
17:52
to do a process that's very different than engineering.
422
1057000
4000
للقيام عملياتٍ مختلفةٍ تماماً عن الهندسة.
17:56
And it lets us produce things of much more complexity
423
1061000
3000
وتسمح لنا بالقيام بأُمور أكثر تعقيداً بكثير
17:59
than normal engineering lets us produce.
424
1064000
2000
مما تسمح لنا الهندسة الاعتيادية بانتاجه.
18:01
And yet, we don't quite understand the options of it.
425
1066000
3000
ومع ذلك، لانفهم جيداً خياراتها.
18:04
So in a sense, it's getting ahead of us.
426
1069000
2000
لذا من جهة، فهي تسبقنا في التطور.
18:06
We're now using those programs
427
1071000
2000
ونحن الآن نستخدم تلك البرامج
18:08
to make much faster computers
428
1073000
2000
لإنتاج حواسيب أسرع بكثير
18:10
so that we'll be able to run this process much faster.
429
1075000
3000
بحيث نستطيع إجراء تلك العمليات بسرعةٍ أكبر.
18:13
So it's feeding back on itself.
430
1078000
3000
وهكذا تغذي العملية نفسها.
18:16
The thing is becoming faster
431
1081000
2000
ويصبح الشيء أسرع
18:18
and that's why I think it seems so confusing.
432
1083000
2000
وهذا حسب إعتقادي ما يبدو مربكا للغاية.
18:20
Because all of these technologies are feeding back on themselves.
433
1085000
3000
لأن كل تلك التقنيات تتغذى على ذواتها.
18:23
We're taking off.
434
1088000
2000
إننا في مرحلة الإقلاع.
18:25
And what we are is we're at a point in time
435
1090000
3000
وما نحن عليه هو أننا في لحظة زمنية
18:28
which is analogous to when single-celled organisms
436
1093000
2000
مشابهة لما حدث حين كانت الكائنات الحية الوحيدة الخلية
18:30
were turning into multi-celled organisms.
437
1095000
3000
تتحول إلى كائنات حية متعددة الخلايا.
18:33
So we're the amoebas
438
1098000
2000
لذا فنحن كالأميبيا
18:35
and we can't quite figure out what the hell this thing is we're creating.
439
1100000
3000
ولا نملك أدنى فكرة ما هو ذلك الشيء الذي نحن بصدد خلقه.
18:38
We're right at that point of transition.
440
1103000
2000
نحن في تلك النقطة بالضبط من التحول.
18:40
But I think that there really is something coming along after us.
441
1105000
3000
ولكن أعتقد أن هناك شيئاً ضخماً قادماً.
18:43
I think it's very haughty of us
442
1108000
2000
وأعتقد أنه من الغرور منا
18:45
to think that we're the end product of evolution.
443
1110000
3000
أن نعتقد أننا نهاية التطور.
18:48
And I think all of us here
444
1113000
2000
وأعتقد أن جميعنا هنا
18:50
are a part of producing
445
1115000
2000
جزء من إنتاج
18:52
whatever that next thing is.
446
1117000
2000
أيا كان ذلك الأمر الموالي
18:54
So lunch is coming along,
447
1119000
2000
حسنا اقترب موعد الغذاء.
18:56
and I think I will stop at that point,
448
1121000
2000
وأعتقد أنني سأقف عند هذه النقطة،
18:58
before I get selected out.
449
1123000
2000
قبل أن يتم إخراجي.
19:00
(Applause)
450
1125000
3000
(تصفيق)
ABOUT THE SPEAKER
Danny Hillis - Computer theoristInventor, scientist, author, engineer -- over his broad career, Danny Hillis has turned his ever-searching brain on an array of subjects, with surprising results.
Why you should listen
Danny Hillis is an inventor, scientist, author and engineer. While completing his doctorate at MIT, he pioneered the concept of parallel computers that is now the basis for graphics processors and cloud computing. He holds more than 300 US patents, covering parallel computers, disk arrays, forgery prevention methods, various electronic and mechanical devices, and the pinch-to-zoom display interface. He has recently been working on problems in medicine as well. He is also the designer of a 10,000-year mechanical clock, and he gave a TED Talk in 1994 that is practically prophetic. Throughout his career, Hillis has worked at places like Disney, and now MIT and Applied Invention, always looking for the next fascinating problem.
Danny Hillis | Speaker | TED.com