TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Κέιτι Μπάουμαν: Πώς να φωτογραφήσετε μια μαύρη τρύπα
Filmed:
Readability: 4.5
5,455,257 views
Στο κέντρο του Γαλαξία μας, υπάρχει μια υπερμεγέθης μαύρη τρύπα που τρέφεται από έναν περιστρεφόμενο δίσκο καυτών αερίων, απορροφώντας οτιδήποτε τολμήσει να τον πλησιάσει -- ακόμα και το φως. Δεν μπορούμε να τη δούμε, αλλά ο ορίζοντας των γεγονότων δημιουργεί μια σκιά και μια εικόνα αυτής της σκιάς θα μπορούσε να βοηθήσει στην απάντηση μερικών σημαντικών ερωτημάτων σχετικά με το Σύμπαν. Οι επιστήμονες πίστευαν ότι για τη δημιουργία μιας τέτοιας εικόνας θα απαιτούνταν ένα τηλεσκόπιο στο μέγεθος της Γης -- μέχρι που η Κέιτι Μπάουμαν και μια ομάδα αστρονόμων σκέφθηκε μια έξυπνη εναλλακτική. Μάθετε περισσότερα για το πώς μπορούμε να δούμε στο απόλυτο σκοτάδι.
Katie Bouman - Imaging scientist
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Double-click the English transcript below to play the video.
00:13
In the movie "Interstellar,"
0
1436
1860
Στην ταινία «Interstellar»,
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
βλέπουμε μια κοντινή εικόνα
μιας υπερμεγέθους μαύρης τρύπας.
μιας υπερμεγέθους μαύρης τρύπας.
00:18
Set against a backdrop of bright gas,
2
6671
2143
Τοποθετημένη σε φόντο φωτεινού αερίου,
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
η μαζική βαρυτική έλξη της μαύρης τρύπας
00:22
bends light into a ring.
4
10980
1435
κάμπτει το φως σε δακτύλιο.
00:24
However, this isn't a real photograph,
5
12439
2109
Ωστόσο, αυτή δεν είναι
πραγματική φωτογραφία,
πραγματική φωτογραφία,
αλλά γραφική απεικόνιση στον υπολογιστή,
00:26
but a computer graphic rendering --
6
14572
1786
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
μία καλλιτεχνική ερμηνεία του
πώς μπορεί να μοιάζει μια μαύρη τρύπα.
πώς μπορεί να μοιάζει μια μαύρη τρύπα.
00:32
A hundred years ago,
8
20401
1166
Εκατό χρόνια πριν,
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
ο Άλμπερτ Αϊνστάιν πρωτοδημοσίευσε
τη γενική θεωρία της σχετικότητας.
τη γενική θεωρία της σχετικότητας.
00:37
In the years since then,
10
25216
1439
Στα χρόνια που ακολούθησαν,
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
οι επιστήμονες έχουν παράσχει
πολλά στοιχεία που την υποστηρίζουν.
πολλά στοιχεία που την υποστηρίζουν.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Αλλά κάτι που προβλεπόταν
από αυτή τη θεωρία, οι μαύρες τρύπες,
από αυτή τη θεωρία, οι μαύρες τρύπες,
00:44
still have not been directly observed.
13
32784
2350
δεν έχει ακόμα παρατηρηθεί άμεσα.
00:47
Although we have some idea
as to what a black hole might look like,
as to what a black hole might look like,
14
35158
3206
Παρότι έχουμε μια ιδέα για το πώς
μπορεί να μοιάζει μια μαύρη τρύπα,
μπορεί να μοιάζει μια μαύρη τρύπα,
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
δεν την έχουμε βγάλει ποτέ φωτογραφία.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Ωστόσο, μπορεί να εκπλαγείτε αν μάθετε
ότι αυτό μπορεί σύντομα ν' αλλάξει.
ότι αυτό μπορεί σύντομα ν' αλλάξει.
00:57
We may be seeing our first picture
of a black hole in the next couple years.
of a black hole in the next couple years.
17
45494
4164
Μπορεί να δούμε την πρώτη φωτογραφία
μιας μαύρης τρύπας στα επόμενα χρόνια.
μιας μαύρης τρύπας στα επόμενα χρόνια.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Η λήψη αυτής της πρώτης φωτογραφίας,
θα εξαρτηθεί από διεθνή ομάδα επιστημόνων,
θα εξαρτηθεί από διεθνή ομάδα επιστημόνων,
ένα εικονικό τηλεσκόπιο
στο μέγεθος της Γης
στο μέγεθος της Γης
01:05
an Earth-sized telescope
19
53664
1567
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
και έναν αλγόριθμο που θα
ενώσει την τελική εικόνα.
ενώσει την τελική εικόνα.
01:10
Although I won't be able to show you
a real picture of a black hole today,
a real picture of a black hole today,
21
58111
3528
Παρότι σήμερα δεν θα σας δείξω
μια πραγματική εικόνα μαύρης τρύπας,
μια πραγματική εικόνα μαύρης τρύπας,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
θέλω να ρίξουμε μια σύντομη ματιά
στην προσπάθεια που γίνεται
στην προσπάθεια που γίνεται
01:16
in getting that first picture.
23
64598
1613
για τη λήψη αυτής της πρώτης φωτογραφίας.
01:19
My name is Katie Bouman,
24
67477
1437
Ονομάζομαι Κέιτι Μπάουμαν
01:20
and I'm a PhD student at MIT.
25
68938
2566
και είμαι υποψήφια διδάκτορας στο ΜΙΤ.
01:23
I do research in a computer science lab
26
71528
2027
Κάνω έρευνα σε ένα εργαστήριο πληροφορικής
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
κατασκευάζοντας υπολογιστές
που βλέπουν μέσα από εικόνες και βίντεο.
που βλέπουν μέσα από εικόνες και βίντεο.
01:28
But although I'm not an astronomer,
28
76901
2162
Παρότι δεν είμαι αστρονόμος,
01:31
today I'd like to show you
29
79087
1285
θα ήθελα να σας δείξω
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
πώς έχω συνεισφέρει
σε αυτό το συναρπαστικό έργο.
σε αυτό το συναρπαστικό έργο.
Αν πάτε κάπου μακρυά
από τα λαμπερά φώτα της πόλης απόψε,
από τα λαμπερά φώτα της πόλης απόψε,
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
μπορεί να σταθείτε τυχεροί
και να δείτε μια εκπληκτική όψη
και να δείτε μια εκπληκτική όψη
01:40
of the Milky Way Galaxy.
33
88638
1493
του Γαλαξία μας.
Εάν μπορούσατε να μεγεθύνετε
πέρα από εκατομμύρια αστέρια
πέρα από εκατομμύρια αστέρια
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26.000 έτη φωτός προς το κέντρο
του ελικοειδή Γαλαξία μας,
του ελικοειδή Γαλαξία μας,
01:48
we'd eventually reach
a cluster of stars right at the center.
a cluster of stars right at the center.
36
96420
3521
θα φτάνατε τελικά σε ένα σύμπλεγμα
αστεριών ακριβώς στο κέντρο.
αστεριών ακριβώς στο κέντρο.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Κοιτώντας πέρα από όλη τη γαλαξιακή σκόνη
με υπέρυθρα τηλεσκόπια,
με υπέρυθρα τηλεσκόπια,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
οι αστρονόμοι έχουν παρακολουθήσει
αυτά τα άστρα πάνω από 16 χρόνια.
αυτά τα άστρα πάνω από 16 χρόνια.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Αλλά το πιο θεαματικό,
είναι αυτό που δεν βλέπουν.
είναι αυτό που δεν βλέπουν.
Αυτά τα άστρα περιστρέφονται
γύρω από ένα αόρατο αντικείμενο.
γύρω από ένα αόρατο αντικείμενο.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
02:05
By tracking the paths of these stars,
41
113789
2323
Παρακολουθώντας την τροχιά
αυτών των αστεριών,
αυτών των αστεριών,
οι αστρονόμοι έχουν συμπεράνει
02:08
astronomers have concluded
42
116136
1294
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
ότι το μόνο μικρό και βαρύ πράγμα
ικανό να προκαλέσει αυτήν την κίνηση
ικανό να προκαλέσει αυτήν την κίνηση
02:12
is a supermassive black hole --
44
120607
1968
είναι μια υπερμεγέθης μαύρη τρύπα --
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
ένα αντικείμενο τόσο πυκνό που απορροφά
οτιδήποτε τολμήσει να την πλησιάσει --
οτιδήποτε τολμήσει να την πλησιάσει --
02:18
even light.
46
126801
1494
ακόμα και το φως.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Αλλά τι θα συμβεί εάν μεγεθύνουμε
ακόμα παραπέρα;
ακόμα παραπέρα;
02:23
Is it possible to see something
that, by definition, is impossible to see?
that, by definition, is impossible to see?
48
131404
4733
Είναι πιθανό να δούμε κάτι, το οποίο
εξ' ορισμού, είναι αδύνατον;
εξ' ορισμού, είναι αδύνατον;
02:28
Well, it turns out that if we were
to zoom in at radio wavelengths,
to zoom in at radio wavelengths,
49
136719
3244
Αποδεικνύεται ότι εάν μεγεθύναμε
σε επίπεδο ραδιοκυμάτων,
σε επίπεδο ραδιοκυμάτων,
θα περιμέναμε να δούμε
έναν δακτύλιο φωτός
έναν δακτύλιο φωτός
02:31
we'd expect to see a ring of light
50
139987
1682
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
που προκαλείται από τον βαρυτικό
φακό θερμού πλάσματος
φακό θερμού πλάσματος
02:36
zipping around the black hole.
52
144128
1829
που τρέχει γύρω από τη μαύρη τρύπα.
02:37
In other words,
53
145981
1160
Με άλλα λόγια,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
η μαύρη τρύπα ρίχνει τη σκιά της
σε αυτό το φόντο από φωτεινό υλικό,
σε αυτό το φόντο από φωτεινό υλικό,
02:42
carving out a sphere of darkness.
55
150360
1842
δημιουργώντας μία σκοτεινή σφαίρα.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Αυτό το φωτεινό δακτυλίδι αποκαλύπτει
τον ορίζοντα γεγονότων της μαύρης τρύπας,
τον ορίζοντα γεγονότων της μαύρης τρύπας,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
όπου η βαρυτική έλξη αυξάνεται τόσο πολύ
02:50
that not even light can escape.
58
158013
1626
που ούτε το φως δεν μπορεί να φύγει.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
Οι εξισώσεις του Αϊνστάιν προβλέπουν
το μέγεθος και το σχήμα του δακτύλιου
το μέγεθος και το σχήμα του δακτύλιου
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
έτσι μια εικόνα του
δεν θα ήταν μόνο φανταστική,
δεν θα ήταν μόνο φανταστική,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
αλλά θα βοηθούσε
και στην επαλήθευση των εξισώσεων
και στην επαλήθευση των εξισώσεων
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
στις ακραίες συνθήκες γύρω
από τη μαύρη τρύπα.
από τη μαύρη τρύπα.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
Ωστόσο, αυτή η μαύρη τρύπα
είναι τόσο μακρυά από εμάς,
είναι τόσο μακρυά από εμάς,
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
που από τη Γη, το δακτυλίδι
μοιάζει απίστευτα μικρό --
μοιάζει απίστευτα μικρό --
03:08
the same size to us as an orange
on the surface of the moon.
on the surface of the moon.
65
176614
3590
ίδιο σε μέγεθος με ένα πορτοκάλι
στην επιφάνεια της Σελήνης.
στην επιφάνεια της Σελήνης.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Αυτό κάνει εξαιρετικά δύσκολη
τη λήψη μιας φωτογραφίας.
τη λήψη μιας φωτογραφίας.
03:16
Why is that?
67
184645
1302
Γιατί συμβαίνει αυτό;
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Όλα καταλήγουν σε μια απλή εξίσωση.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
Λόγω ενός φαινομένου
που ονομάζεται περίθλαση,
που ονομάζεται περίθλαση,
03:24
there are fundamental limits
70
192164
1355
υπάρχουν θεμελιώδη όρια
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
στα μικρότερα αντικείμενα
που μπορούμε να δούμε.
που μπορούμε να δούμε.
03:28
This governing equation says
that in order to see smaller and smaller,
that in order to see smaller and smaller,
72
196789
3672
Αυτή η κυρίαρχη εξίσωση λέει ότι
για να δούμε ακόμα μακρύτερα,
για να δούμε ακόμα μακρύτερα,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
πρέπει να φτιάξουμε
μεγαλύτερο τηλεσκόπιο.
μεγαλύτερο τηλεσκόπιο.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Αλλά, ακόμα και με τα πιο ισχυρά
οπτικά τηλεσκόπια της Γης,
οπτικά τηλεσκόπια της Γης,
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
δεν μπορούμε να πλησιάσουμε
την απαιτούμενη ανάλυση
την απαιτούμενη ανάλυση
03:40
to image on the surface of the moon.
76
208632
2198
καλής εικόνας της επιφάνειας της Σελήνης.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Αυτή είναι μία από τις μεγαλύτερες
σε ανάλυση εικόνες
σε ανάλυση εικόνες
03:46
of the moon from Earth.
78
214495
1397
της Σελήνης από τη Γη.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Περιέχει περίπου 13.000 πίξελ
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
και κάθε πίξελ μπορεί να περιέχει
πάνω από 1,5 εκατομμύρια πορτοκάλια.
πάνω από 1,5 εκατομμύρια πορτοκάλια.
03:55
So how big of a telescope do we need
81
223396
1972
Πόσο μεγαλύτερο τηλεσκόπιο χρειαζόμαστε
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
για να δούμε ένα πορτοκάλι
στην επιφάνεια της Σελήνης
στην επιφάνεια της Σελήνης
04:00
and, by extension, our black hole?
83
228181
2214
και, κατ' επέκταση, τη μαύρη τρύπα;
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Αποδεικνύεται, κάνοντας
μερικές πράξεις, ότι μπορούμε
μερικές πράξεις, ότι μπορούμε
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
εύκολα να υπολογίσουμε
ότι χρειάζεται ένα τηλεσκόπιο
ότι χρειάζεται ένα τηλεσκόπιο
04:07
the size of the entire Earth.
86
235417
1393
στο μέγεθος της Γης.
04:08
(Laughter)
87
236834
1024
(Γέλια)
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
Εάν μπορούσαμε να φτιάξουμε
αυτό το τηλεσκόπιο,
αυτό το τηλεσκόπιο,
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
ίσα που θα φαινόταν αυτό
το χαρακτηριστικό δαχτυλίδι φωτός,
το χαρακτηριστικό δαχτυλίδι φωτός,
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
ενδεικτικό του ορίζοντα γεγονότων
της μαύρης τρύπας.
της μαύρης τρύπας.
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
Αν και η εικόνα δεν θα περιείχε
όλη τη λεπτομέρεια που βλέπουμε
όλη τη λεπτομέρεια που βλέπουμε
04:20
in computer graphic renderings,
92
248123
1506
στις απεικονίσεις γραφικών υπολογιστών,
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
θα είχαμε μια πρώτη ασφαλή ματιά
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
του άμεσου περιβάλλοντος
γύρω από τη μαύρη τρύπα.
γύρω από τη μαύρη τρύπα.
04:26
However, as you can imagine,
95
254487
1613
Παρόλα αυτά, όπως φαντάζεστε,
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
η δημιουργία ενός τέτοιου τηλεσκοπίου
στο μέγεθος της Γης είναι αδύνατη.
στο μέγεθος της Γης είναι αδύνατη.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
Αλλά στα περίφημα λόγια του Μικ Τζάγκερ,
04:33
"You can't always get what you want,
98
261683
1791
«Δεν μπορείς να έχεις πάντα αυτό που θες,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
αλλά καμιά φορά αν προσπαθήσεις, θα δεις
04:37
you get what you need."
100
265709
1215
ότι παίρνεις αυτό που χρειάζεσαι».
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Διασυνδέοντας τηλεσκόπια
από όλον τον κόσμο,
από όλον τον κόσμο,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
μία διεθνής συνεργασία
ονόματι Τηλεσκόπιο Ορίζοντα Γεγονότων
ονόματι Τηλεσκόπιο Ορίζοντα Γεγονότων
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
δημιουργεί ένα υπολογιστικό
τηλεσκόπιο στο μέγεθος της Γης,
τηλεσκόπιο στο μέγεθος της Γης,
04:48
capable of resolving structure
104
276131
1537
με ικανή ανάλυση
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
στην κλίμακα του ορίζοντα γεγονότων
μιας μαύρης τρύπας.
μιας μαύρης τρύπας.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Αυτό το δίκτυο τηλεσκοπίων είναι
έτοιμο να πάρει την πρώτη εικόνα
έτοιμο να πάρει την πρώτη εικόνα
04:55
of a black hole next year.
107
283326
1815
μιας μαύρης τρύπας, την επόμενη χρονιά.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Όλα τα τηλεσκόπια στο δίκτυο
συνεργάζονται.
συνεργάζονται.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Συνδεδεμένες με την ακρίβεια
ατομικών ρολογιών,
ατομικών ρολογιών,
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
ερευνητικές ομάδες σε κάθε
σταθμό «παγώνουν» το φως
σταθμό «παγώνουν» το φως
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
συλλέγοντας δεδομένα χιλιάδων τεραμπάιτ.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Κατόπιν, τα δεδομένα αυτά επεξεργάζονται
σε ένα εργαστήριο εδώ στη Μασαχουσέτη.
σε ένα εργαστήριο εδώ στη Μασαχουσέτη.
05:13
So how does this even work?
113
301971
1794
Πώς λειτουργεί λοιπόν αυτό;
05:15
Remember if we want to see the black hole
in the center of our galaxy,
in the center of our galaxy,
114
303789
3403
Θυμάστε, αν θέλουμε να δούμε
τη μαύρη τρύπα στο κέντρο του Γαλαξία μας,
τη μαύρη τρύπα στο κέντρο του Γαλαξία μας,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
πρέπει να φτιάξουμε ένα πολύ μεγάλο
τηλεσκόπιο στο μέγεθος της Γης;
τηλεσκόπιο στο μέγεθος της Γης;
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Ας υποθέσουμε για λίγο
ότι μπορεί να φτιαχτεί
ότι μπορεί να φτιαχτεί
05:24
a telescope the size of the Earth.
117
312478
1842
ένα τηλεσκόπιο στο μέγεθος της Γης.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Αυτό είναι σαν να μετατρέπουμε τη Γη
05:28
into a giant spinning disco ball.
119
316823
1747
σε μία τεράστια ντισκομπάλα.
05:30
Each individual mirror would collect light
120
318594
2200
Κάθε μεμονωμένο κάτοπτρο δέχεται φως
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
που θα μπορούσε να συνδυαστεί,
για να φτιάξουμε μια εικόνα.
για να φτιάξουμε μια εικόνα.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Ας υποθέσουμε ότι αφαιρούμε
τα περισσότερα κάτοπτρα,
τα περισσότερα κάτοπτρα,
05:38
so only a few remained.
123
326124
1972
ώστε να μείνουν μόνο μερικά.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Θα μπορούσαμε ακόμα να συνδυάσουμε
αυτή την πληροφορία,
αυτή την πληροφορία,
05:43
but now there are a lot of holes.
125
331021
1993
αλλά τώρα θα υπάρχουν πολλά κενά.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Τα εναπομείναντα κάτοπτρα αντιπροσωπεύουν
τις θέσεις όπου έχουμε τηλεσκόπια.
τις θέσεις όπου έχουμε τηλεσκόπια.
05:49
This is an incredibly small number
of measurements to make a picture from.
of measurements to make a picture from.
127
337435
4079
Αυτός είναι ένας πολύ μικρός αριθμός
για να φτιάξουμε την εικόνα μας.
για να φτιάξουμε την εικόνα μας.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Παρότι συλλέγουμε εικόνες
σε μερικές θέσεις τηλεσκοπίων,
σε μερικές θέσεις τηλεσκοπίων,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
καθώς η Γη περιστρέφεται, βλέπουμε
άλλες νέες μετρήσεις.
άλλες νέες μετρήσεις.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Με άλλα λόγια, καθώς η ντισκομπάλα
περιστρέφεται, τα κάτοπτρα αλλάζουν θέση
περιστρέφεται, τα κάτοπτρα αλλάζουν θέση
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
και μπορούμε να παρατηρήσουμε
διαφορετικά μέρη της εικόνας.
διαφορετικά μέρη της εικόνας.
06:07
The imaging algorithms we develop
fill in the missing gaps of the disco ball
fill in the missing gaps of the disco ball
132
355613
4018
Ο συνθετικός αλγόριθμος που αναπτύσσουμε
γεμίζει τα κενά της ντισκομπάλας
γεμίζει τα κενά της ντισκομπάλας
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
ώστε να επανακτήσει την υποκείμενη
εικόνα της μαύρης τρύπας.
εικόνα της μαύρης τρύπας.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Εάν είχαμε τηλεσκόπια παντού στην υδρόγειο
06:17
in other words, the entire disco ball --
135
365372
1941
-- με άλλα λόγια σε όλη τη ντισκομπάλα --
06:19
this would be trivial.
136
367337
1284
αυτό θα ήταν παιχνιδάκι.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Ωστόσο, βλέπουμε μόνο μερικά
δείγματα, και γι' αυτόν τον λόγο
δείγματα, και γι' αυτόν τον λόγο
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
υπάρχει άπειρος αριθμός πιθανών εικόνων
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
που είναι απολύτως σύμφωνος
με τις μετρήσεις των τηλεσκοπίων.
με τις μετρήσεις των τηλεσκοπίων.
06:29
However, not all images are created equal.
140
377391
3016
Ωστόσο, δεν είναι όλες
οι εικόνες ισότιμες.
οι εικόνες ισότιμες.
06:32
Some of those images look more like
what we think of as images than others.
what we think of as images than others.
141
380849
4458
Μερικές μοιάζουν πιο πολύ με αυτό
που θεωρούμε ως εικόνα.
που θεωρούμε ως εικόνα.
06:37
And so, my role in helping to take
the first image of a black hole
the first image of a black hole
142
385331
3222
Ο ρόλος μου στη λήψη της πρώτης
εικόνας μιας μαύρης τρύπας
εικόνας μιας μαύρης τρύπας
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
είναι ο σχεδιασμός αλγόριθμων
που βρίσκουν την πιο λογική εικόνα
που βρίσκουν την πιο λογική εικόνα
06:43
that also fits the telescope measurements.
144
391533
2222
που συμφωνεί με
τις μετρήσεις των τηλεσκοπίων.
τις μετρήσεις των τηλεσκοπίων.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Όπως ένας εγκληματολόγος σκιτσογράφος
χρησιμοποιεί περιορισμένες περιγραφές
χρησιμοποιεί περιορισμένες περιγραφές
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
για να φτιάξει μια εικόνα βάσει
των γνώσεων του για τη δομή του προσώπου,
των γνώσεων του για τη δομή του προσώπου,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
ο αλγόριθμος που αναπτύσσω χρησιμοποιεί
τα περιορισμένα τηλεσκοπικά δεδομένα
τα περιορισμένα τηλεσκοπικά δεδομένα
06:57
to guide us to a picture that also
looks like stuff in our universe.
looks like stuff in our universe.
148
405570
4322
για να μας οδηγήσει σε μια εικόνα
που επίσης μοιάζει με ύλη στο Σύμπαν.
που επίσης μοιάζει με ύλη στο Σύμπαν.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Χρησιμοποιώντας τέτοιους αλγόριθμους,
μπορούμε να ενώσουμε εικόνες
μπορούμε να ενώσουμε εικόνες
07:05
from this sparse, noisy data.
150
413591
2180
από αραιά, θορυβώδη δεδομένα.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Εδώ βλέπετε μια ανακατασκευή δείγματος
με τη χρήση προσομοιωμένων δεδομένων,
07:12
when we pretend to point our telescopes
152
420348
1933
όπου προσποιούμαστε
να στρέφουμε τα τηλεσκόπιά μας,
να στρέφουμε τα τηλεσκόπιά μας,
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
στη μαύρη τρύπα
στο κέντρο του Γαλαξία μας.
στο κέντρο του Γαλαξία μας.
07:16
Although this is just a simulation,
reconstruction such as this give us hope
reconstruction such as this give us hope
154
424914
4455
Παρότι εξομοίωση, μια τέτοια
ανακατασκευή μας δίνει ελπίδα
ανακατασκευή μας δίνει ελπίδα
07:21
that we'll soon be able to reliably take
the first image of a black hole
the first image of a black hole
155
429393
3453
πως σύντομα θα μπορούμε να έχουμε
μια πρώτη εικόνα μιας μαύρης τρύπας
μια πρώτη εικόνα μιας μαύρης τρύπας
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
και από αυτήν, να προσδιορίσουμε
το μέγεθος του δακτύλιού της.
το μέγεθος του δακτύλιού της.
07:28
Although I'd love to go on
about all the details of this algorithm,
about all the details of this algorithm,
157
436118
3199
Παρότι θα μου άρεσε να συνεχίσω
με λεπτομέρειες του αλγορίθμου,
με λεπτομέρειες του αλγορίθμου,
07:31
luckily for you, I don't have the time.
158
439341
2174
ευτυχώς για εσάς, δεν έχω τον χρόνο.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Αλλά θα ήθελα να σας δώσω μια σύντομη ιδέα
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
του πώς ορίζουμε με τι
μοιάζει το Σύμπαν μας
μοιάζει το Σύμπαν μας
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
και πώς κάνουμε ανακατασκευή
και επαλήθευση των αποτελεσμάτων μας.
και επαλήθευση των αποτελεσμάτων μας.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Από τη στιγμή που υπάρχει
άπειρος αριθμός πιθανών εικόνων
άπειρος αριθμός πιθανών εικόνων
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
που εξηγούν απόλυτα τις
τηλεσκοπικές μας μετρήσεις,
τηλεσκοπικές μας μετρήσεις,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
πρέπει με κάποιο τρόπο
να επιλέξουμε μεταξύ τους.
να επιλέξουμε μεταξύ τους.
07:49
We do this by ranking the images
165
457918
1838
Αυτό γίνεται με την αξιολόγηση των εικόνων
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
βάσει του πόσο πιθανό είναι
να μοιάζει με μαύρη τρύπα
να μοιάζει με μαύρη τρύπα
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
και επιλέγεται η πιο πιθανή.
07:57
So what do I mean by this exactly?
168
465144
2195
Τι ακριβώς εννοώ;
07:59
Let's say we were trying to make a model
169
467862
1978
Ας πούμε ότι προσπαθούμε
να φτιάξουμε ένα πρότυπο
να φτιάξουμε ένα πρότυπο
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
που θα αξιολογεί τη πιθανότητα
εμφάνισης κάποιας εικόνας στο Facebook.
εμφάνισης κάποιας εικόνας στο Facebook.
08:05
We'd probably want the model to say
171
473071
1701
Θα θέλαμε αυτό να μας λέει
08:06
it's pretty unlikely that someone
would post this noise image on the left,
would post this noise image on the left,
172
474796
3557
ότι είναι απίθανο κάποιος
να βάλει την αριστερή εικόνα
να βάλει την αριστερή εικόνα
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
και σχεδόν σίγουρο κάποιος
να βάλει τη δεξιά.
να βάλει τη δεξιά.
08:12
like this one on the right.
174
480820
1334
08:14
The image in the middle is blurry,
175
482178
1639
Η μεσαία εικόνα είναι θολή,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
και παρότι μπορεί
να τη δούμε στο Facebook
να τη δούμε στο Facebook
08:18
compared to the noise image,
177
486504
1360
σε σχέση με την αριστερή,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
είναι λιγότερο πιθανό να τη δούμε
σε σχέση με τη δεξιά.
σε σχέση με τη δεξιά.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Αλλά, όταν πρόκειται
για εικόνες μαύρης τρύπας,
για εικόνες μαύρης τρύπας,
08:25
we're posed with a real conundrum:
we've never seen a black hole before.
we've never seen a black hole before.
180
493186
3502
μας τίθεται ένα πραγματικό αίνιγμα:
δεν έχουμε δει ποτέ μαύρη τρύπα.
δεν έχουμε δει ποτέ μαύρη τρύπα.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
Τώρα, ποια είναι η πιθανή
εικόνα μιας μαύρης τρύπας
εικόνα μιας μαύρης τρύπας
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
και τι πρέπει να υποθέσουμε
για τη δομή των μαύρων τρυπών;
για τη δομή των μαύρων τρυπών;
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Θα μπορούσαμε να κάνουμε χρήση
εικόνων προσομοιώσεων,
εικόνων προσομοιώσεων,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
όπως την εικόνα από το «Interstellar»,
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
αλλά εάν το κάναμε, θα δημιουργούσε
σωρεία σοβαρών προβλημάτων.
σωρεία σοβαρών προβλημάτων.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Τι θα γινόταν εάν οι θεωρίες
του Αϊνστάιν δεν ίσχυαν;
του Αϊνστάιν δεν ίσχυαν;
08:45
We'd still want to reconstruct
an accurate picture of what was going on.
an accurate picture of what was going on.
187
513565
3961
Θα θέλαμε ακόμα να ανακατασκευάσουμε
μία ακριβή εικόνα του τι συμβαίνει.
μία ακριβή εικόνα του τι συμβαίνει.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Εάν εισάγουμε πολλές εξισώσεις
του Αϊνστάιν στον αλγόριθμο,
του Αϊνστάιν στον αλγόριθμο,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
θα καταλήξουμε να δούμε
αυτό που περιμένουμε.
αυτό που περιμένουμε.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Με άλλα λόγια, θέλουμε
να αφήσουμε ανοικτό το ενδεχόμενο
να αφήσουμε ανοικτό το ενδεχόμενο
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
να υπάρχει ένας τεράστιος ελέφαντας
στο κέντρο του Γαλαξία μας.
στο κέντρο του Γαλαξία μας.
09:00
(Laughter)
192
528971
1057
(Γέλια)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Διαφορετικοί τύποι εικόνων
έχουν πολύ διακριτά χαρακτηριστικά.
έχουν πολύ διακριτά χαρακτηριστικά.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
Μπορούμε να διακρίνουμε τις διαφορές
μεταξύ εικόνων εξομοίωσης μαύρης τρύπας
μεταξύ εικόνων εξομοίωσης μαύρης τρύπας
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
και εικόνων που παίρνουμε
καθημερινά εδώ στη Γη.
καθημερινά εδώ στη Γη.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Πρέπει να μπορεί ο αλγόριθμος
να ξεχωρίζει ποιες είναι τι
να ξεχωρίζει ποιες είναι τι
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
χωρίς να επιβάλλονται πολλά
χαρακτηριστικά ενός τύπου εικόνας.
χαρακτηριστικά ενός τύπου εικόνας.
09:17
One way we can try to get around this
198
545865
1893
Ένας τρόπος για αυτό
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
είναι η επιβολή χαρακτηριστικών
από διάφορα είδη εικόνων
από διάφορα είδη εικόνων
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
και βλέποντας πώς ο τύπος της εικόνας
επηρεάζει τις ανακατασκευές μας.
επηρεάζει τις ανακατασκευές μας.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Εάν οι τύποι όλων των εικόνων
παράγουν μια παρόμοια εικόνα,
παράγουν μια παρόμοια εικόνα,
09:31
then we can start to become more confident
202
559227
2057
τότε μπορούμε να είμαστε πιο σίγουροι
09:33
that the image assumptions we're making
are not biasing this picture that much.
are not biasing this picture that much.
203
561308
4173
ότι οι υποθέσεις που κάνουμε
δεν επηρεάζουν και τόσο την εικόνα.
δεν επηρεάζουν και τόσο την εικόνα.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Είναι σαν να δίνεις την ίδια περιγραφή
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
σε τρεις διαφορετικούς
σκιτσογράφους ανά τον κόσμο.
σκιτσογράφους ανά τον κόσμο.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Εάν όλοι φτιάξουν ένα πρόσωπο
πολύ παρόμοιο εμφανισιακά,
πολύ παρόμοιο εμφανισιακά,
09:46
then we can start to become confident
207
574423
1793
τότε μπορούμε να είμαστε πιο σίγουροι
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
ότι δεν επιβάλλουν τις δικές τους
πολιτισμικές προκαταλήψεις στα σχέδια.
πολιτισμικές προκαταλήψεις στα σχέδια.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Ένας άλλος τρόπος επιβολής
διαφορετικών χαρακτηριστικών εικόνας
διαφορετικών χαρακτηριστικών εικόνας
09:55
is by using pieces of existing images.
210
583219
2441
είναι η χρήση μερών
από πραγματικές εικόνες.
από πραγματικές εικόνες.
09:58
So we take a large collection of images,
211
586214
2160
Παίρνουμε μια μεγάλη συλλογή από εικόνες
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
και τις χωρίζουμε σε μικρά «μπαλώματα».
10:03
We then can treat each image patch
a little bit like pieces of a puzzle.
a little bit like pieces of a puzzle.
213
591140
4285
Έτσι μπορούμε να τα χρησιμοποιήσουμε
σαν τα κομμάτια ενός παζλ.
σαν τα κομμάτια ενός παζλ.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Χρησιμοποιούμε κοινότυπα κομμάτια
παζλ για να φτιάξουμε μια εικόνα
παζλ για να φτιάξουμε μια εικόνα
10:11
that also fits our telescope measurements.
215
599751
2452
που ταιριάζει
με τις τηλεσκοπικές μας μετρήσεις.
με τις τηλεσκοπικές μας μετρήσεις.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Διαφορετικοί τύποι εικόνων έχουν πολλά
διακριτά σύνολα κομματιών παζλ.
διακριτά σύνολα κομματιών παζλ.
10:18
So what happens when we take the same data
217
606807
2806
Τι συμβαίνει εάν πάρουμε τα ίδια δεδομένα,
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
αλλά κάνουμε χρήση διαφορετικών
κομματιών για την ανακατασκευή;
κομματιών για την ανακατασκευή;
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Ας αρχίσουμε με την εξομοίωση
κομματιών παζλ της μαύρης τρύπας.
κομματιών παζλ της μαύρης τρύπας.
10:30
OK, this looks reasonable.
220
618581
1591
Εντάξει, αυτό φαίνεται λογικό.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Αυτό μοιάζει όπως περιμένουμε
να μοιάζει μια μαύρη τρύπα.
να μοιάζει μια μαύρη τρύπα.
10:34
But did we just get it
222
622914
1193
Αλλά αυτό παράχθηκε
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
επειδή το τροφοδοτήσαμε με κομμάτια
εικόνων εξομοίωσης μαύρης τρύπας;
εικόνων εξομοίωσης μαύρης τρύπας;
10:39
Let's try another set of puzzle pieces
224
627469
1880
Ας δοκιμάσουμε ένα άλλο
σύνολο κομματιών παζλ
σύνολο κομματιών παζλ
10:41
from astronomical, non-black hole objects.
225
629373
2509
από αστρονομικά αντικείμενα,
όχι όμως μαύρης τρύπας.
όχι όμως μαύρης τρύπας.
10:44
OK, we get a similar-looking image.
226
632914
2126
Ωραία, παίρνουμε μια παρόμοια εικόνα.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
Τι γίνεται με κομμάτια
καθημερινών εικόνων,
καθημερινών εικόνων,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
όπως αυτές που παίρνετε
με την προσωπική σας μηχανή;
με την προσωπική σας μηχανή;
10:53
Great, we see the same image.
229
641312
2115
Υπέροχα, παίρνουμε την ίδια εικόνα.
10:55
When we get the same image
from all different sets of puzzle pieces,
from all different sets of puzzle pieces,
230
643451
3366
Όταν πάρουμε την ίδια εικόνα
από όλα τα διαφορετικά σύνολα παζλ,
από όλα τα διαφορετικά σύνολα παζλ,
10:58
then we can start to become more confident
231
646841
2046
τότε μπορούμε να είμαστε πιο σίγουροι
11:00
that the image assumptions we're making
232
648911
1966
ότι οι υποθέσεις που κάνουμε
για την εικόνα
για την εικόνα
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
δεν επηρεάζουν και τόσο την τελική εικόνα.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Κάτι άλλο που μπορούμε να κάνουμε
είναι να πάρουμε το ίδιο σύνολο,
είναι να πάρουμε το ίδιο σύνολο,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
όπως αυτό που προκύπτει
από καθημερινές εικόνες,
από καθημερινές εικόνες,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
για να ανακατασκευάσουμε
πολλά διαφορετικά είδη εικόνων.
πολλά διαφορετικά είδη εικόνων.
11:15
So in our simulations,
237
663260
1271
Έτσι, στις προσομοιώσεις μας,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
προσποιούμαστε ότι η μαύρη τρύπα
μοιάζει με άλλα αστρονομικά αντικείμενα,
μοιάζει με άλλα αστρονομικά αντικείμενα,
11:20
as well as everyday images like
the elephant in the center of our galaxy.
the elephant in the center of our galaxy.
239
668354
3849
όπως καθημερινές εικόνες σαν
τον ελέφαντα στο κέντρο του Γαλαξία μας.
τον ελέφαντα στο κέντρο του Γαλαξία μας.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Όταν τα αποτελέσματα των αλγορίθμων μας
στην κάτω σειρά, μοιάζουν
στην κάτω σειρά, μοιάζουν
11:27
to the simulation's truth image on top,
241
675419
2096
με τα πραγματικά στην πάνω σειρά,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
τότε μπορούμε να είμαστε
πιο σίγουροι για τους αλγόριθμους.
πιο σίγουροι για τους αλγόριθμους.
11:32
And I really want to emphasize here
243
680909
1867
Θέλω πραγματικά να τονίσω εδώ
11:34
that all of these pictures were created
244
682800
1934
ότι όλες αυτές οι εικόνες δημιουργήθηκαν
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
από την ένωση μικρών κομματιών
από καθημερινές φωτογραφίες,
από καθημερινές φωτογραφίες,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
σαν αυτές που παίρνετε
με την προσωπική σας μηχανή.
με την προσωπική σας μηχανή.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
Έτσι, μια εικόνα μιας μαύρης τρύπας
που δεν έχουμε ποτέ δει
που δεν έχουμε ποτέ δει
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
μπορεί τελικά να δημιουργηθεί
από την ένωση κοινών εικόνων
από την ένωση κοινών εικόνων
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
ανθρώπων, κτιρίων, δένδρων,
γατιών και σκυλιών.
γατιών και σκυλιών.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Ιδέες απεικόνισης, όπως αυτή,
θα μας επιτρέψουν
θα μας επιτρέψουν
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
να πάρουμε τις πρώτες μας
εικόνες μιας μαύρης τρύπας
εικόνες μιας μαύρης τρύπας
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
και να επαληθεύσουμε τις διάσημες θεωρίες
11:59
on which scientists rely on a daily basis.
253
707776
2421
πάνω στις οποίες βασίζονται
καθημερινά οι επιστήμονες.
καθημερινά οι επιστήμονες.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Αλλά φυσικά, δεν θα ήταν εφικτό
να λειτουργήσουν
να λειτουργήσουν
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
αυτές οι ιδέες απεικόνισης χωρίς
την απίστευτη ερευνητική ομάδα
την απίστευτη ερευνητική ομάδα
12:08
that I have the privilege to work with.
256
716199
1887
με την οποία έχω την τιμή να συνεργάζομαι.
12:10
It still amazes me
257
718110
1163
Εξακολουθεί να με εκπλήσσει
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
το ότι ενώ ξεκίνησα χωρίς
υπόβαθρο στην αστροφυσική,
υπόβαθρο στην αστροφυσική,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
αυτό που έχουμε επιτύχει
μέσα από αυτή τη μοναδική συνεργασία
μέσα από αυτή τη μοναδική συνεργασία
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
θα μπορούσε να οδηγήσει στις πρώτες
εικόνες μιας μαύρης τρύπας.
εικόνες μιας μαύρης τρύπας.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Αλλά μεγάλα έργα, όπως
το Τηλεσκόπιο Ορίζοντα Γεγονότων
το Τηλεσκόπιο Ορίζοντα Γεγονότων
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
επιτυγχάνουν λόγω της
διεπιστημονικής εμπειρογνωμοσύνης
διεπιστημονικής εμπειρογνωμοσύνης
12:25
different people bring to the table.
263
733658
1790
που φέρνουν στο τραπέζι διαφορετικά άτομα.
12:27
We're a melting pot of astronomers,
264
735472
1706
Είμαστε ένα χωνευτήρι αστρονόμων,
12:29
physicists, mathematicians and engineers.
265
737202
2232
φυσικών, μαθηματικών και μηχανικών.
12:31
This is what will make it soon possible
266
739458
2554
Αυτό θα κάνει σύντομα δυνατή
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
την επίτευξη αυτού που κάποτε
φαινόταν αδύνατο.
φαινόταν αδύνατο.
12:36
I'd like to encourage all of you to go out
268
744913
2256
Θα ήθελα να σας ενθαρρύνω
όλους να βγείτε έξω
όλους να βγείτε έξω
12:39
and help push the boundaries of science,
269
747193
2096
και να βοηθήσετε στη διεύρυνση
των ορίων της επιστήμης,
των ορίων της επιστήμης,
12:41
even if it may at first seem
as mysterious to you as a black hole.
as mysterious to you as a black hole.
270
749313
3901
ακόμα και εάν αρχικά σας φανεί
μυστηριώδης όπως μια μαύρη τρύπα.
μυστηριώδης όπως μια μαύρη τρύπα.
12:45
Thank you.
271
753238
1174
Σας ευχαριστώ.
12:46
(Applause)
272
754436
2397
(Χειροκρότημα)
ABOUT THE SPEAKER
Katie Bouman - Imaging scientistKatie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole.
Why you should listen
It is believed that the heart of the Milky Way hosts a four-million-solar-mass black hole feeding off a spinning disk of hot gas. An image of the shadow cast by the event horizon of the black hole could help to address a number of important scientific questions. For instance, does Einstein's theory of general relativity hold in extreme conditions? Unfortunately, the event horizon of this black hole appears so small in the sky that imaging it would require a single-dish radio telescope the size of the entire Earth. Although a single-dish telescope this large is unrealizable, by connecting disjoint radio telescopes located all around the globe, Katie Bouman and a team of astronomers are creating an Earth-sized computational telescope -- the Event Horizon Telescope -- that is capable of taking the very first up-close picture of a black hole.
Bouman is a PhD candidate in the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT). The focus of her research is on using emerging computational methods to push the boundaries of interdisciplinary imaging. By combining techniques from both astronomy and computer science, Bouman has been working on developing innovative ways to combine the information from the Event Horizon Telescope network to produce the first picture of a black hole. Her work on imaging for the Event Horizon Telescope has been featured on BBC, The Boston Globe, The Washington Post, Popular Science and NPR.
Katie Bouman | Speaker | TED.com