TED2010
Stephen Wolfram: Computing a theory of all knowledge
סטפן וולפרם: לחשב את התיאוריה של הכל
Filmed:
Readability: 4.4
1,811,819 views
סטפן וולפרם, היוצר של Mathematica, מדבר על שאיפתו להביא את כל הידע למצב של היותו בר חישוב -- שניתן לערוך בו חיפוש, עיבוד ותפעול. למנוע החיפוש החדש שלו, Wolfram Alfa, יש מטרה למדל ולהסביר את הפיסיקה שבבסיס היקום - לא פחות.
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
ובכן, היום אני רוצה לדבר על רעיון. זה רעיון גדול.
00:19
Actually, I think it'll eventually
1
4000
2000
למען האמת, אני חושב שבסופו של דבר
00:21
be seen as probably the single biggest idea
2
6000
2000
הוא ייחשב לרעיון הגדול היחיד
00:23
that's emerged in the past century.
3
8000
2000
שהגיח במאה האחרונה.
00:25
It's the idea of computation.
4
10000
2000
זהו רעיון החישוביות.
00:27
Now, of course, that idea has brought us
5
12000
2000
כמובן הרעיון הזה הביא לנו
00:29
all of the computer technology we have today and so on.
6
14000
3000
את כל טכנולוגית המחשב שיש לנו כיום, וכו'.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
אך למעשה יש בחישוביות הרבה מעבר לכך.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
זה באמת רעיון עמוק מאד, רב עוצמה, ובסיסי מאד,
00:38
whose effects we've only just begun to see.
9
23000
3000
שאת השפעתו אנו רק מתחילים לראות.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
ובכן, אני עצמי העברתי את 30 השנה האחרונות מחיי
00:44
working on three large projects
11
29000
2000
בעבודה על שלושה פרויקטים גדולים
00:46
that really try to take the idea of computation seriously.
12
31000
3000
אשר באמת מנסים לקחת את רעיון החישוביות ברצינות.
00:50
So I started off at a young age as a physicist
13
35000
3000
אז התחלתי בצעירותי כפיסיקאי
00:53
using computers as tools.
14
38000
2000
והשתמשתי במחשבים ככלי.
00:55
Then, I started drilling down,
15
40000
2000
ואז התחלתי לצלול יותר עמוק
00:57
thinking about the computations I might want to do,
16
42000
2000
ולחשוב על חישובים שאולי הייתי רוצה לעשות,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
תוך כדי חיפוש אחר האלמנטים שיכולים להרכיב אותם
01:02
and how they could be automated as much as possible.
18
47000
3000
וכיצד ניתן למכן אותם ככל האפשר.
01:05
Eventually, I created a whole structure
19
50000
2000
בסופו של דבר יצרתי מבנה שלם
01:07
based on symbolic programming and so on
20
52000
2000
המבוסס על תיכנות סימבולי וכו'
01:09
that let me build Mathematica.
21
54000
2000
וזה איפשר לי לבנות Mathematica.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
ובמשך 23 השנים האחרונות, בקצב הולך וגובר,
01:13
we've been pouring more and more ideas
23
58000
2000
הכנסנו יותר ויותר רעיונות
01:15
and capabilities and so on into Mathematica,
24
60000
2000
ויכולות וכו' לתוך Mathematica,
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
ואני שמח לומר שזה הוביל להרבה דברים טובים
01:20
in R & D and education,
26
65000
2000
במחקר ופיתוח ובחינוך,
01:22
lots of other areas.
27
67000
2000
בהמון תחומים אחרים.
01:24
Well, I have to admit, actually,
28
69000
2000
ובכן, עליי להודות שלמעשה
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
היתה לי סיבה מאד אנוכית לבנית Mathematica.
01:29
I wanted to use it myself,
30
74000
2000
רציתי להשתמש בה בעצמי,
01:31
a bit like Galileo got to use his telescope
31
76000
2000
קצת כמו גלילאו השתמש בטלסקופ שלו
01:33
400 years ago.
32
78000
2000
לפני 400 שנה.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
רק שאני רציתי להביט לא על היקום האסטרונומי
01:38
but at the computational universe.
34
83000
3000
אלא על היקום החישובי.
01:41
So we normally think of programs as being
35
86000
2000
אם כן, אנו בדרך כלל חושבים על תכניות מחשב כעל
01:43
complicated things that we build
36
88000
2000
דברים מורכבים שאנו בונים
01:45
for very specific purposes.
37
90000
2000
לצרכים מסויימים מאד.
01:47
But what about the space of all possible programs?
38
92000
3000
אך מה לגבי מרחב כל התכניות האפשריות?
01:50
Here's a representation of a really simple program.
39
95000
3000
הנה ייצוג של תכנית ממש פשוטה.
01:53
So, if we run this program,
40
98000
2000
אז אם נריץ את התכנית
01:55
this is what we get.
41
100000
2000
הנה מה שנקבל.
01:57
Very simple.
42
102000
2000
מאד פשוט.
01:59
So let's try changing the rule
43
104000
2000
כעת בואו ננסה לשנות טיפה את הכלל
02:01
for this program a little bit.
44
106000
2000
עבור תכנית זו.
02:03
Now we get another result,
45
108000
2000
כעת נקבל תוצאה אחרת,
02:05
still very simple.
46
110000
2000
עדיין מאד פשוטה.
02:07
Try changing it again.
47
112000
3000
נסו לשנות זאת שוב.
02:10
You get something a little bit more complicated.
48
115000
2000
תקבלו משהו מעט יותר מורכב,
02:12
But if we keep running this for a while,
49
117000
2000
אך אם נמשיך להריץ זאת זמן מה
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
נגלה כי למרות שנתבנית שאנו מקבלים היא מאד מורכבת
02:17
it has a very regular structure.
51
122000
3000
היא בעלת מבנה מאד רגיל.
02:20
So the question is: Can anything else happen?
52
125000
3000
אז השאלה היא: האם משהו אחר יכול לקרות?
02:23
Well, we can do a little experiment.
53
128000
2000
ובכן, אנו יכולים לבצע ניסוי קטן.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
בואו רק נעשה ניסוי מתמטי קטן, ננסה ונראה.
02:29
Let's just run all possible programs
55
134000
3000
בואו רק נריץ את כל התכניות האפשריות
02:32
of the particular type that we're looking at.
56
137000
2000
מהסוג המסוים אותו אנו בוחנים.
02:34
They're called cellular automata.
57
139000
2000
הם נקראים אוטומט תאי.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
ניתן לראות כאן הרבה שונות בהתנהגות.
02:38
Most of them do very simple things,
59
143000
2000
רובן עושות דברים פשוטים מאד.
02:40
but if you look along all these different pictures,
60
145000
2000
אך אם תסתכלו בין כל התמונות השונות הללו
02:42
at rule number 30,
61
147000
2000
בכלל מספר 30
02:44
you start to see something interesting going on.
62
149000
2000
תתחילו לראות משהו מעניין שקורה כאן.
02:46
So let's take a closer look
63
151000
2000
אז בואו נתבונן מקרוב
02:48
at rule number 30 here.
64
153000
2000
בכלל מספר 30 כאן.
02:50
So here it is.
65
155000
2000
אז הנה זה בא.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
אנו רק מבצעים את הכלל הפשוט הזה כאן למטה
02:55
but we're getting all this amazing stuff.
67
160000
2000
אך אנו מקבלים את כל הדברים המדהימים הללו.
02:57
It's not at all what we're used to,
68
162000
2000
זה ממש לא מה שאנו רגילים אליו
02:59
and I must say that, when I first saw this,
69
164000
2000
ואני חייב לומר שכאשר ראיתי זאת לראשונה
03:01
it came as a huge shock to my intuition.
70
166000
3000
זה היה הלם לאינטואיציה שלי,
03:04
And, in fact, to understand it,
71
169000
2000
ולמעשה, כדי להבין זאת
03:06
I eventually had to create
72
171000
2000
נאלצתי בסופו של דבר ליצור
03:08
a whole new kind of science.
73
173000
2000
מדע חדש לגמרי.
03:11
(Laughter)
74
176000
2000
.
03:13
This science is different, more general,
75
178000
3000
מדע זה הוא שונה, כללי יותר
03:16
than the mathematics-based science that we've had
76
181000
2000
מאשר מדע מבוסס מתמטיקה שהיה לנו
03:18
for the past 300 or so years.
77
183000
3000
במשך 300 ומשהו שנים אחרונות.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
אתם יודעים, זה תמיד נראה כמו מסתורין גדול -
03:23
how nature, seemingly so effortlessly,
79
188000
3000
כיצד הטבע, כאילו ללא מאמץ
03:26
manages to produce so much
80
191000
2000
מצליח ליצור דברים כה רבים
03:28
that seems to us so complex.
81
193000
3000
שנראים לנו כה מורכבים.
03:31
Well, I think we've found its secret:
82
196000
3000
ובכן, אני סבור שמצאנו את סודו.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
העניין הוא רק לדגום את מה שקיים ביקום החישובי
03:37
and quite often getting things like Rule 30
84
202000
3000
ובתדירות די גבוהה לקבל דברים כמו כלל 30
03:40
or like this.
85
205000
3000
או כמו זה.
03:44
And knowing that starts to explain
86
209000
2000
והידיעה הזאת מתחילה להסביר
03:46
a lot of long-standing mysteries in science.
87
211000
3000
הרבה תעלומות עתיקות יומין במדע.
03:49
It also brings up new issues, though,
88
214000
2000
אך זה גם מביא בעיות חדשות
03:51
like computational irreducibility.
89
216000
3000
כגון אי יכולת צימצום חישובית.
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
הכוונה, אנו רגילים לכך שמדע מאפשר לנו לחזות דברים
03:57
but something like this
91
222000
2000
אך משהו כמו זה
03:59
is fundamentally irreducible.
92
224000
2000
עקרונית אינו ניתן לצמצום.
04:01
The only way to find its outcome
93
226000
2000
הדרך היחידה לגלות את תוצאתו
04:03
is, effectively, just to watch it evolve.
94
228000
3000
היא למעשה רק תוך התבוננות בהתפתחותו.
04:06
It's connected to, what I call,
95
231000
2000
זה מחובר למה שאני קורא
04:08
the principle of computational equivalence,
96
233000
2000
העיקרון של שקילות חישובית,
04:10
which tells us that even incredibly simple systems
97
235000
3000
אשר אומר שאפילו מערכות פשוטות ביותר
04:13
can do computations as sophisticated as anything.
98
238000
3000
יכולות לבצע חישובים מורכבים לאין ערוך.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
זה לא לוקח הרבה טכנולוגיה או אבולוציה ביולוגית
04:19
to be able to do arbitrary computation;
100
244000
2000
להיות מסוגל לבצע חישובים שרירותיים,
04:21
just something that happens, naturally,
101
246000
2000
זה רק משהו שקורה, באופן טבעי,
04:23
all over the place.
102
248000
2000
בכל מקום.
04:25
Things with rules as simple as these can do it.
103
250000
3000
דברים עם כללים פשוטים כגון אלה יכולים לעשות זאת.
04:29
Well, this has deep implications
104
254000
2000
ובכן, לכך יש השלכות מרחיקות לכת
04:31
about the limits of science,
105
256000
2000
על גבולות המדע,
04:33
about predictability and controllability
106
258000
2000
על יכולת חיזוי ויכולת בקרה
04:35
of things like biological processes or economies,
107
260000
3000
של דברים כמו תהליכים ביולוגיים או כלכלות,
04:38
about intelligence in the universe,
108
263000
2000
על תבונה ביקום,
04:40
about questions like free will
109
265000
2000
על שאלות כמו רצון חופשי
04:42
and about creating technology.
110
267000
3000
ועל יצירת טכנולוגיה.
04:45
You know, in working on this science for many years,
111
270000
2000
אתם יודעים, בזמן שעבדתי על המדע הזה במשך הרבה שנים
04:47
I kept wondering,
112
272000
2000
כל הזמן תהיתי
04:49
"What will be its first killer app?"
113
274000
2000
"מה תהיה "האפליקציה המוצלחת" הראשונה שלו?"
04:51
Well, ever since I was a kid,
114
276000
2000
ובכן, מאז שהייתי ילד
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
חשבתי על כיצד להפוך ידע לשיטתי
04:55
and somehow making it computable.
116
280000
2000
ואיך שהוא להופכו לבר חישוב.
04:57
People like Leibniz had wondered about that too
117
282000
2000
אנשים כמו לייבניץ גם תהו על כך
04:59
300 years earlier.
118
284000
2000
300 שנה קודם לכן.
05:01
But I'd always assumed that to make progress,
119
286000
2000
אך תמיד הנחתי כי כדי להתקדם
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
עקרונית הייתי חייב לשכפל מוח שלם.
05:06
Well, then I got to thinking:
121
291000
2000
ובכן, אז התחלתי לחשוב:
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
הפרדיגמה המדעית הזאת שלי מציעה משהו שונה.
05:11
and, by the way, I've now got
123
296000
2000
ודרך אגב, יש לי כרגע
05:13
huge computation capabilities in Mathematica,
124
298000
3000
יכולות חישוביות אדירות ב-Mathematica,
05:16
and I'm a CEO with some worldly resources
125
301000
3000
ואני מנכ"ל עם די משאבים
05:19
to do large, seemingly crazy, projects --
126
304000
3000
לבצע פרוייקטים גדולים ולכאורה מטורפים.
05:22
So I decided to just try to see
127
307000
2000
אז החלטתי פשוט לנסות ולראות
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
כמה מתוך הידע השיטתי שקיים בעולם
05:27
we could make computable.
129
312000
2000
ניתן לעשות בר חישוב.
05:29
So, it's been a big, very complex project,
130
314000
2000
ובכן, זה היה פרויקט גדול ומאד מורכב
05:31
which I was not sure was going to work at all.
131
316000
3000
אשר לא הייתי בטוח שבכלל יעבוד.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
אך אני שמח לבשר כי הוא דווקא הולך לא רע.
05:37
And last year we were able
133
322000
2000
ובשנה שעברה הצלחנו
05:39
to release the first website version
134
324000
2000
לשחרר גרסה ראשונה של אתר האינטרנט
05:41
of Wolfram Alpha.
135
326000
2000
של וולפרם אלפא.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
מטרתו הוא להוות מנוע ידע רציני
05:46
that computes answers to questions.
137
331000
3000
אשר מחשב תשובות לשאלות.
05:49
So let's give it a try.
138
334000
2000
אז בואו וננסה אותו.
05:51
Let's start off with something really easy.
139
336000
2000
בואו נתחיל במשהו ממש קל.
05:53
Hope for the best.
140
338000
2000
בואו נקווה לטוב.
05:55
Very good. Okay.
141
340000
2000
טוב מאד. אוקיי.
05:57
So far so good.
142
342000
2000
עד עכשיו הכל טוב.
05:59
(Laughter)
143
344000
3000
(צחוק)
06:02
Let's try something a little bit harder.
144
347000
3000
בואו ננסה משהו קצת יותר קשה.
06:05
Let's do
145
350000
2000
בוא נגיד...
06:07
some mathy thing,
146
352000
3000
הבה נעשה קצת דברים מתמטיים
06:10
and with luck it'll work out the answer
147
355000
3000
ועם קצת מזל זה יחשב את התשובה
06:13
and try and tell us some interesting things
148
358000
2000
וינסה לומר לנו כמה דברים מעניינים -
06:15
things about related math.
149
360000
2000
נושאים מתמטיים קשורים.
06:17
We could ask it something about the real world.
150
362000
3000
אנו יכולים לשאול אותו משהו על העולם האמיתי.
06:20
Let's say -- I don't know --
151
365000
2000
בואו נאמר -- לא יודע --
06:22
what's the GDP of Spain?
152
367000
3000
מהו התל"ג של ספרד?
06:25
And it should be able to tell us that.
153
370000
2000
וזה אמור להיות מסוגל לומר לנו זאת.
06:27
Now we could compute something related to this,
154
372000
2000
כעת אנו יכולים לחשב משהו שקשור לזה,
06:29
let's say ... the GDP of Spain
155
374000
2000
בואו נאמר התל"ג של ספרד
06:31
divided by, I don't know,
156
376000
2000
מחולק ב-לא יודע-
06:33
the -- hmmm ...
157
378000
2000
ה-המממ...
06:35
let's say the revenue of Microsoft.
158
380000
2000
בואו נאמר ההכנסות של מיקרוסופט.
06:37
(Laughter)
159
382000
2000
.
06:39
The idea is that we can just type this in,
160
384000
2000
הרעיון הוא שאנו פשוט יכולים להקליד את זה,
06:41
this kind of question in, however we think of it.
161
386000
3000
מין שאלה כזאת בכל דרך שאנו חושבים עליה.
06:44
So let's try asking a question,
162
389000
2000
אז הבה ננסה לשאול שאלה,
06:46
like a health related question.
163
391000
2000
כמו שאלה בנושא בריאות.
06:48
So let's say we have a lab finding that ...
164
393000
3000
אז בואו נאמר שיש לנו תוצאת מעבדה שאומרת
06:51
you know, we have an LDL level of 140
165
396000
2000
שאתם יודעים -- יש לנו LDL ברמה של 140
06:53
for a male aged 50.
166
398000
3000
אצל גבר בגיל 50.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
אז בואו נקליד את זה, וכעת וולפרם אלפא
06:58
will go and use available public health data
168
403000
2000
ילך וישתמש בנתוני בריאות הציבור שקיימים
07:00
and try and figure out
169
405000
2000
וינסה לגלות
07:02
what part of the population that corresponds to and so on.
170
407000
3000
לאיזה חלק מהאוכלוסיה זה מתאים וכו'.
07:05
Or let's try asking about, I don't know,
171
410000
3000
או הבה ננסה לשאול על, לא יודע,
07:08
the International Space Station.
172
413000
2000
תחנת החלל הבינלאומית.
07:10
And what's happening here is that
173
415000
2000
ומה שקורה כאן הוא
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
שוולפרם אלפא אינו רק מחפש משהו;
07:14
it's computing, in real time,
175
419000
3000
הוא מחשב, בזמן אמת,
07:17
where the International Space Station is right now at this moment,
176
422000
3000
היכן נמצאת תחנת החלל הבינלאומית כעת, ברגע זה,
07:20
how fast it's going, and so on.
177
425000
3000
מה מהירותה וכו'.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
אם כן, וולפרם אלפא יודע המון המון מיני דברים.
07:27
It's got, by now,
179
432000
2000
עד עתה הוא השיג
07:29
pretty good coverage of everything you might find
180
434000
2000
כיסוי די טוב של כל מה שניתן למצוא
07:31
in a standard reference library.
181
436000
3000
בספריה סטנדרטית וכו'.
07:34
But the goal is to go much further
182
439000
2000
אך המטרה היא ללכת הרבה מעבר לכך
07:36
and, very broadly, to democratize
183
441000
3000
ובאופן כללי להביא להמונים
07:39
all of this knowledge,
184
444000
3000
את כל הידע הזה
07:42
and to try and be an authoritative
185
447000
2000
ולנסות להוות מקור מהימן
07:44
source in all areas.
186
449000
2000
בכל התחומים,
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
להיות מסוגל לחשב תשובות לשאלות ספציפיות שיש לאנשים,
07:49
not by searching what other people
188
454000
2000
לא על ידי חיפוש מה שאחרים
07:51
may have written down before,
189
456000
2000
אולי כתבו קודם,
07:53
but by using built in knowledge
190
458000
2000
אלא על ידי שימוש בידע מובנה
07:55
to compute fresh new answers to specific questions.
191
460000
3000
על מנת לחשב תשובות חדשות וטריות לשאלות ספציפיות.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
כמובן שוולפרם אלפא
08:00
is a monumentally huge, long-term project
193
465000
2000
הוא פרויקט ענק וארוך טווח
08:02
with lots and lots of challenges.
194
467000
2000
עם המון אתגרים.
08:04
For a start, one has to curate a zillion
195
469000
3000
ראשית, צריך לגשת לאין סוף
08:07
different sources of facts and data,
196
472000
3000
מקורות שונים של עובדות ונתונים
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
ובנינו חתיכת פייפליין של אוטומציה של Mathematica
08:13
and human domain experts for doing this.
198
478000
3000
ומומחים אנושיים לצורך זה.
08:16
But that's just the beginning.
199
481000
2000
אך זוהי רק ההתחלה.
08:18
Given raw facts or data
200
483000
2000
בהינתן עובדות או נתונים גולמיים
08:20
to actually answer questions,
201
485000
2000
על מנת באמת לענות על שאלות
08:22
one has to compute:
202
487000
2000
צריך לחשב,
08:24
one has to implement all those methods and models
203
489000
2000
צריך לממש את כל השיטות והמודלים
08:26
and algorithms and so on
204
491000
2000
והאלגוריתמים הללו וכו'
08:28
that science and other areas have built up over the centuries.
205
493000
3000
שהמדע ושאר התחומים בנו לאורך מאות בשנים.
08:31
Well, even starting from Mathematica,
206
496000
3000
ובכן, אפילו אם מתחילים ב-Mathematica
08:34
this is still a huge amount of work.
207
499000
2000
זאת עדיין כמות עצומה של עבודה.
08:36
So far, there are about 8 million lines
208
501000
2000
בינתיים, נכתבו בערך 8 מליון שורות
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
קוד של Mathematica בוולפרם אלפא
08:40
built by experts from many, many different fields.
210
505000
3000
שנבנו על ידי מומחים מהרבה הרבה תחומים שונים.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
ובכן, הרעיון המרכזי של וולפרם אלפא
08:46
is that you can just ask it questions
212
511000
2000
הוא שאפשר פשוט לשאול אותו שאלות
08:48
using ordinary human language,
213
513000
3000
תוך שימוש בשפה אנושית רגילה
08:51
which means that we've got to be able to take
214
516000
2000
כלומר אנו צריכים להיות מסוגלים לקחת
08:53
all those strange utterances that people type into the input field
215
518000
3000
את כל הביטויים המוזרים שאנשים מקלידים בשדה הקלט
08:56
and understand them.
216
521000
2000
ולהבין אותם.
08:58
And I must say that I thought that step
217
523000
2000
ואני מוכרח לומר שאני חשבתי שצעד זה
09:00
might just be plain impossible.
218
525000
3000
הוא פשוט בבחינת בלתי אפשרי.
09:04
Two big things happened:
219
529000
2000
קרו שני דברים גדולים.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
ראשית, כמה רעיונות חדשים על בלשנות
09:09
that came from studying the computational universe;
221
534000
3000
שנבעו מחקר היקום החישובי.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
ושנית, ההכרה כי רכישת ידע בר חישוב
09:15
completely changes how one can
223
540000
2000
משנה לגמרי את הדרך בה
09:17
set about understanding language.
224
542000
3000
ניתן לטפל בהבנת שפה.
09:20
And, of course, now
225
545000
2000
וכמובן, כעת
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
כשוולפרם אלפא משוחרר לחופשי
09:24
we can learn from its actual usage.
227
549000
2000
אנו יכולים ללמוד מדרך השימוש המעשית בו.
09:26
And, in fact, there's been
228
551000
2000
ולמעשה, היינו עדים
09:28
an interesting coevolution that's been going on
229
553000
2000
להתפתחות מקבילה שקרתה
09:30
between Wolfram Alpha
230
555000
2000
בין וולפרם אלפא
09:32
and its human users,
231
557000
2000
לבין המשתמשים האנושיים שלו.
09:34
and it's really encouraging.
232
559000
2000
וזה ממש מעודד.
09:36
Right now, if we look at web queries,
233
561000
2000
ברגע זה, אם נסתכל על שאילתות אינטרנט
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
יותר מ-80 אחוז מהן מטופלות בהצלחה בפעם הראשונה.
09:41
And if you look at things like the iPhone app,
235
566000
2000
ואם מסתכלים בדברים כמו אפליקציות אייפון
09:43
the fraction is considerably larger.
236
568000
2000
החלק היחסי הוא גדול משמעותית.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
אז אני די מרוצה עם כל זה.
09:47
But, in many ways,
238
572000
2000
אך בהרבה מובנים
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
אנו עדיין בראשית דרכינו עם וולפרם אלפא.
09:52
I mean, everything is scaling up very nicely
240
577000
2000
כוונתי, הכל גדל בצורה מאד נחמדה.
09:54
and we're getting more confident.
241
579000
2000
אנו הולכים וצוברים בטחון.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
ניתן לצפות שנראה את הטכנולוגיה של וולפרם אלפא
09:58
showing up in more and more places,
243
583000
2000
מופיעה ביותר ויותר מקומות
10:00
working both with this kind of public data, like on the website,
244
585000
3000
תוך כדי עבודה עם נתונים ציבוריים כמו אלה שבאתר האינטרנט
10:03
and with private knowledge
245
588000
2000
וגם עם ידע פרטי
10:05
for people and companies and so on.
246
590000
3000
בשביל אנשים, חברות וכו'.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
אתם יודעים, הגעתי למסקנה שוולפרם אלפא למעשה נותנת
10:11
a whole new kind of computing
248
596000
2000
מין יכולת חישובית חדשה לגמרי
10:13
that one can call knowledge-based computing,
249
598000
2000
שאפשר לקרוא לה חישוביות מבוססת ידע
10:15
in which one's starting not just from raw computation,
250
600000
3000
שבה מתחילים לא רק מחישוב טהור
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
אלא מכמות עצומה של ידע מובנה.
10:21
And when one does that, one really changes
252
606000
2000
וכשעושים זאת למעשה משנים
10:23
the economics of delivering computational things,
253
608000
3000
את הכלכלה של אספקת דברים חישוביים
10:26
whether it's on the web or elsewhere.
254
611000
2000
בין אם זה ברשת אן בכל מקום אחר.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
אתם יודעים, יש לנו מצב די מעניין כעת.
10:31
On the one hand, we have Mathematica,
256
616000
2000
מחד גיסא יש לנו את Mathematica
10:33
with its sort of precise, formal language
257
618000
3000
עם שפתה הרשמית והמדוייקת
10:36
and a huge network
258
621000
2000
ורשת עצומה
10:38
of carefully designed capabilities
259
623000
2000
של יכולות מתוכננות היטב
10:40
able to get a lot done in just a few lines.
260
625000
3000
שמסוגלות לעשות הרבה בכמה שורות קוד.
10:43
Let me show you a couple of examples here.
261
628000
3000
בואו נראה כמה דוגמאות.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
אז הנה פיסה טריויאלית של תכנית ב-Mathematica.
10:51
Here's something where we're sort of
263
636000
2000
הנה משהו שבו אנו כאילו
10:53
integrating a bunch of different capabilities here.
264
638000
3000
משלבים כמה יכולות שונות כאן.
10:56
Here we'll just create, in this line,
265
641000
3000
כאן אנו פשוט ניצור בשורה הזאת
10:59
a little user interface that allows us to
266
644000
3000
ממשק משתמש קטן שמאפשרת לנו
11:02
do something fun there.
267
647000
2000
לעשות משהו כיפי כאן.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
אם נמשיך, זוהי תכנית מעט יותר מורכבת
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
שכעת מבצעת כל מיני דברים אלגוריתמיים
11:10
and creating user interface and so on.
270
655000
2000
ויוצרת ממשק משתמש וכו'.
11:12
But it's something that is very precise stuff.
271
657000
3000
אבל זה משהו שהוא מאד מדויק.
11:15
It's a precise specification with a precise formal language
272
660000
3000
זהו אפיון מדויק עם שפה מדוייקת ורשמית
11:18
that causes Mathematica to know what to do here.
273
663000
3000
שגורמת ל-Mathematica לדעת מה לעשות כאן.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
ואז, מאידך גיסא יש לנו את וולפרם אלפא
11:24
with all the messiness of the world
275
669000
2000
עם כל אי הסדר של העולם
11:26
and human language and so on built into it.
276
671000
2000
ושפה אנושית וכו' מובנים לתוכה.
11:28
So what happens when you put these things together?
277
673000
3000
אז מה קורה כאשר מחברים את שני הדברים?
11:31
I think it's actually rather wonderful.
278
676000
2000
אני חושב שזה למעשה די נפלא.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
עם וולפרם אלפא בתוך Mathematica
11:35
you can, for example, make precise programs
280
680000
2000
אפשר למשל ליצור תכניות מדוייקות
11:37
that call on real world data.
281
682000
2000
שמשתמשות בנתונים מהעולם האמיתי.
11:39
Here's a real simple example.
282
684000
2000
הנה דוגמה ממש פשוטה.
11:44
You can also just sort of give vague input
283
689000
3000
אפשר גם פשוט לתת קלט מעורפל
11:47
and then try and have Wolfram Alpha
284
692000
2000
ואז לתת לוולפרם אלפא
11:49
figure out what you're talking about.
285
694000
2000
לגלות על מה מדובר.
11:51
Let's try this here.
286
696000
2000
בואו ננסה זאת כאן.
11:53
But actually I think the most exciting thing about this
287
698000
3000
אך למעשה אני חושב שהדבר המלהיב ביותר בהקשר הזה
11:56
is that it really gives one the chance
288
701000
2000
הוא שזה באמת נותן סיכוי
11:58
to democratize programming.
289
703000
3000
להביא את התיכנות להמונים.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
כלומר כל אחד יוכל פשוט לומר מה הם רוצים בשפה רגילה
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
ואז הרעיון הוא שוולפרם אלפא יוכל לגלות
12:07
what precise pieces of code
292
712000
2000
אילו פיסות קוד בדיוק
12:09
can do what they're asking for
293
714000
2000
תהינה מסוגלות לבצע את מה שהם מבקשים,
12:11
and then show them examples that will let them pick what they need
294
716000
3000
ואז להראות להם דוגמאות שתאפשרנה להם לבחור את מה שהם צריכים
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
כדי לבנות תכניות מדויקות הולכות וגדלות.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
אז לעיתים וולפרם אלפא
12:19
will be able to do the whole thing immediately
297
724000
2000
יוכל לעשות את כל זה מיד
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
ופשוט להחזיר תכנית אחת גדולה שאיתה ניתן לחשב.
12:24
Here's a big website
299
729000
2000
אז הנה אתר אינטרנט גדול
12:26
where we've been collecting lots of educational
300
731000
3000
שבו אספנו המון הדגמות חינוכיות
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
ואחרות על כל מיני דברים:
12:32
I'll show you one example here.
302
737000
3000
אז, לא יודע, אולי אראה לכם כאן דוגמה אחת.
12:36
This is just an example of one of these computable documents.
303
741000
3000
זוהי רק דוגמה של אחד המסמכים ברי החישוב הללו.
12:39
This is probably a fairly small
304
744000
2000
זהו כנראה פיסה יחסית קטנה
12:41
piece of Mathematica code
305
746000
2000
של קוד ב-Mathematica
12:43
that's able to be run here.
306
748000
2000
שאפשר להריץ כאן.
12:47
Okay. Let's zoom out again.
307
752000
3000
אוקיי. בוא נעשה זום-אאוט שוב.
12:50
So, given our new kind of science,
308
755000
2000
אז בהינתן המדע מהסוג החדש שלנו
12:52
is there a general way to use it to make technology?
309
757000
3000
האם יש דרך כללית להשתמש בה לייצור טכנולוגיה?
12:55
So, with physical materials,
310
760000
2000
ובכן, בהקשר לחומרים פיסיים
12:57
we're used to going around the world
311
762000
2000
אנחנו רגילים להסתובב בעולם
12:59
and discovering that particular materials
312
764000
2000
ולגלות שחומרים מסויימים
13:01
are useful for particular
313
766000
2000
שימושיים למטרות טכנולוגיות
13:03
technological purposes.
314
768000
2000
מסויימות וכו'.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
ובכן, מתברר שאנו יכולים לעשות דבר מאד דומה
13:07
in the computational universe.
316
772000
2000
ביקום החישובי.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
ישנו היצע בלתי נדלה של תכניות בעולם.
13:12
The challenge is to see how to
318
777000
2000
האתגר הוא לראות כיצד
13:14
harness them for human purposes.
319
779000
2000
לרתום אותן למטרות של האנושות.
13:16
Something like Rule 30, for example,
320
781000
2000
משהו כמו כלל 30 לדוגמה
13:18
turns out to be a really good randomness generator.
321
783000
2000
מתברר כמחולל ממש טוב של מספרים אקראיים.
13:20
Other simple programs are good models
322
785000
2000
תכניות פשוטות אחרות הן מודלים טובים
13:22
for processes in the natural or social world.
323
787000
3000
לתהליכים בעולם הטבעי או החברתי.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
ולדוגמה וולפרם אלפא ו-Mathematica
13:27
are actually now full of algorithms
325
792000
2000
הם כיום מלאים באלגוריתמים
13:29
that we discovered by searching the computational universe.
326
794000
3000
אותם גילינו על ידי סריקת היקום החישובי.
13:33
And, for example, this -- if we go back here --
327
798000
3000
ולדוגמה זה -- אנו חוזרים כאן לאחור --
13:37
this has become surprisingly popular
328
802000
2000
זה, באופן מפתיע, נהיה פופולרי
13:39
among composers
329
804000
2000
בקרב מלחינים
13:41
finding musical forms by searching the computational universe.
330
806000
3000
שמצאו צורות מוסיקליות תוך כדי חיפוש ביקום החישובי.
13:45
In a sense, we can use the computational universe
331
810000
2000
במובן מסוים אנו יכולים להשתמש ביקום החישובי
13:47
to get mass customized creativity.
332
812000
3000
להשגת יצירתיות המותאמת להמונים.
13:50
I'm hoping we can, for example,
333
815000
2000
אני מקווה שאנו נוכל למשל
13:52
use that even to get Wolfram Alpha
334
817000
2000
להשתמש בכך אפילו כדי לגרום לוולפרם אלפא
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
לעשות דרך קבע המצאות וגילויים תוך כדי עבודה
13:57
and to find all sorts of wonderful stuff
336
822000
2000
ולמצוא כל מיני דברים נפלאים
13:59
that no engineer
337
824000
2000
שאף מהנדס
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
ואף תהליך של אבולוציה הדרגתית לעולם לא יוכלו להשיג.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
ובכן, זה מוביל למין שאלה אולטימטיבית.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
האם ייתכן שאי שם במרחבי היקום החישובי
14:11
we might find our physical universe?
341
836000
3000
נוכל למצוא את היקום הפיסי?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
ייתכן שישנו אפילו כלל די פשוט,
14:16
some simple program for our universe.
343
841000
3000
תכנית די פשוטה ליקום שלנו.
14:19
Well, the history of physics would have us believe
344
844000
2000
ובכן, ההיסטוריה של הפיסיקה אולי גרמה לנו להאמין
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
כי הכלל ליקום הוא משהו מאד מורכב.
14:24
But in the computational universe,
346
849000
2000
אבל ביקום החישובי
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
ראינו הרגע כיצד כללים פשוטים להפליא
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
יכולים ליצור התנהגות עשירה ומורכבת להפליא.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
אז האם ייתכן שזה מה שקורה עם כל היקום שלנו?
14:36
If the rules for the universe are simple,
350
861000
2000
אם הכללים של היקום פשוטים
14:38
it's kind of inevitable that they have to be
351
863000
2000
אזי זה בלתי נמנע שהם חייבים להיות
14:40
very abstract and very low level;
352
865000
2000
מאד אבסטרקטיים ומאד בסיסיים,
14:42
operating, for example, far below
353
867000
2000
שפועלים למשל הרבה מתחת
14:44
the level of space or time,
354
869000
2000
לרמת מרחב או זמן -
14:46
which makes it hard to represent things.
355
871000
2000
דבר שמקשה על יצוג דברים.
14:48
But in at least a large class of cases,
356
873000
2000
אך לפחות בקבוצה גדולה של מקרים
14:50
one can think of the universe as being
357
875000
2000
ניתן לחשוב על היקום כמשהו
14:52
like some kind of network,
358
877000
2000
כמו מין רשת
14:54
which, when it gets big enough,
359
879000
2000
אשר כשהיא גדלה די הצורך
14:56
behaves like continuous space
360
881000
2000
היא מתחילה להתנהג כמו מרחב רציף
14:58
in much the same way as having lots of molecules
361
883000
2000
בצורה מאד דומה למולקולות שכשמספרן רב
15:00
can behave like a continuous fluid.
362
885000
2000
הן יכולות להתנהג כמו נוזל רציף.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
ואם כך, אז היקום חייב להתפתח על ידי הפעלת
15:05
little rules that progressively update this network.
364
890000
3000
כללים קטנים אשר בהדרגה מעדכנים רשת זו.
15:08
And each possible rule, in a sense,
365
893000
2000
וכל כלל אפשרי, במובן מסוים,
15:10
corresponds to a candidate universe.
366
895000
2000
מתאים להיות מועמד ליקום.
15:12
Actually, I haven't shown these before,
367
897000
3000
למען האמת לא הראיתי את אלה לפני כן,
15:16
but here are a few of the candidate universes
368
901000
3000
אך הנה מספר מועמדים להוות יקום
15:19
that I've looked at.
369
904000
2000
שהסתכלתי עליהם.
15:21
Some of these are hopeless universes,
370
906000
2000
כמה מהם הם יקומים חסרי תקווה,
15:23
completely sterile,
371
908000
2000
סטריליים לחלוטין,
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
עם פתולוגיות אחרות כגון חוסר מרחב,
15:27
no notion of time, no matter,
373
912000
3000
חוסר זמן, חוסר חומר,
15:30
other problems like that.
374
915000
2000
בעיות אחרות דומות.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
אבל הדבר המלהיב הוא שבשנים האחרונות גיליתי
15:35
is that you actually don't have to go very far
376
920000
2000
כי אין צורך ללכת רחוק
15:37
in the computational universe
377
922000
2000
ביקום החישובי
15:39
before you start finding candidate universes
378
924000
2000
כדי למצוא מועמדים להוות יקום
15:41
that aren't obviously not our universe.
379
926000
3000
אשר אינם בבירור לא היקום שלנו.
15:44
Here's the problem:
380
929000
2000
והרי הבעיה:
15:46
Any serious candidate for our universe
381
931000
3000
כל מועמד להוות את היקום שלנו
15:49
is inevitably full of computational irreducibility.
382
934000
3000
הוא באופן בלתי נמנע גדוש באי יכולת צימצום חישובית
15:52
Which means that it is irreducibly difficult
383
937000
3000
שמשמעו שקשה, ללא אפשרות לצמצם קושי זה,
15:55
to find out how it will really behave,
384
940000
2000
לגלות כיצד הוא באמת יתנהג,
15:57
and whether it matches our physical universe.
385
942000
3000
והאם הוא תואם ליקום הפיסי שלנו.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
לפני מספר שנים התרגשתי לגלות
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
כי ישנם מועמדים להיות יקום עם כללים פשוטים להפליא
16:07
that successfully reproduce special relativity,
388
952000
2000
אשר משחזרים בהצלחה את תורת היחסות הפרטית
16:09
and even general relativity and gravitation,
389
954000
3000
ואף את תורת היחסות הכללית וגרביטציה
16:12
and at least give hints of quantum mechanics.
390
957000
3000
ולפחות נותנים רמזים על מכניקת הקוואנטים.
16:15
So, will we find the whole of physics?
391
960000
2000
אז האם נמצא את הפיסיקה בשלמותה?
16:17
I don't know for sure,
392
962000
2000
איני יודע בוודאות.
16:19
but I think at this point it's sort of
393
964000
2000
אך אני סבור שבשלב זה זה כמעט
16:21
almost embarrassing not to at least try.
394
966000
2000
מביך שלא לנסות לפחות.
16:23
Not an easy project.
395
968000
2000
לא פרויקט קל.
16:25
One's got to build a lot of technology.
396
970000
2000
צריך לפתח המון טכנולוגיות.
16:27
One's got to build a structure that's probably
397
972000
2000
צריך לפתח מבנה אשר כפי הנראה
16:29
at least as deep as existing physics.
398
974000
2000
עמוק לפחות כמו הפיסיקה של היום.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
ואיני בטוח מהי הדרך הטובה ביותר לארגן את כל הדבר הזה.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
לבנות צוות, להאיץ אותו קדימה, להציע פרסים וכו'.
16:37
But I'll tell you, here today,
401
982000
2000
אך אומר לכם כאן היום
16:39
that I'm committed to seeing this project done,
402
984000
2000
כי אני מחוייב לראות את הפרויקט הזה מגיע לסיומו,
16:41
to see if, within this decade,
403
986000
3000
לראות אם בתוך עשור
16:44
we can finally hold in our hands
404
989000
2000
נוכל סוף סוף להחזיק בידינו
16:46
the rule for our universe
405
991000
2000
את הכלל עבור היקום שלנו
16:48
and know where our universe lies
406
993000
2000
ולדעת היכן נמצא היקום שלנו
16:50
in the space of all possible universes ...
407
995000
2000
במרחב כל היקומים האפשריים --
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
ולהיות מסוגל להקליד לתוך וולפרם אלפא "תורת היקום"
16:55
and have it tell us.
409
1000000
2000
ושהוא יענה.
16:57
(Laughter)
410
1002000
2000
(צחוק)
17:00
So I've been working on the idea of computation
411
1005000
2000
אם כן, עבדתי על רעיון החישוביות
17:02
now for more than 30 years,
412
1007000
2000
זה למעלה מ-30 שנה
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
ובניתי כלים ושיטות והפכתי רעיונות אינטלקטואליים
17:07
into millions of lines of code
414
1012000
2000
למיליוני שורות קוד
17:09
and grist for server farms and so on.
415
1014000
2000
חצץ לחוות שרתים וכו'.
17:11
With every passing year,
416
1016000
2000
עם כל שנה שעוברת
17:13
I realize how much more powerful
417
1018000
2000
אני מבין עד כמה רב עוצמה
17:15
the idea of computation really is.
418
1020000
2000
הוא הרעיון של חישוביות.
17:17
It's taken us a long way already,
419
1022000
2000
הוא כבר לקח אותנו דרך ארוכה
17:19
but there's so much more to come.
420
1024000
2000
אך יש כל כך הרבה שעוד בדרך.
17:21
From the foundations of science
421
1026000
2000
החל מאבני יסוד של מדע
17:23
to the limits of technology
422
1028000
2000
עבור לגבולות הטכנולוגיה
17:25
to the very definition of the human condition,
423
1030000
2000
וכלה בהגדרה של המצב האנושי,
17:27
I think computation is destined to be
424
1032000
2000
אני סבור כי חישוביות נועדה להיות
17:29
the defining idea of our future.
425
1034000
2000
הרעיון המגדיר של העתיד.
17:31
Thank you.
426
1036000
2000
תודה לכם.
17:33
(Applause)
427
1038000
14000
(מחיאות כפיים)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
זה היה מדהים.
17:49
Stay here. I've got a question.
429
1054000
2000
הישאר כאן. יש לי שאלה.
17:51
(Applause)
430
1056000
4000
(מחיאות כפיים)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
זה היה, צריך לומר, הרצאה מדהימה.
18:01
Are you able to say in a sentence or two
432
1066000
3000
האם תוכל לומר במשפט או שניים
18:04
how this type of thinking
433
1069000
3000
כיצד סוג זה של חשיבה
18:07
could integrate at some point
434
1072000
2000
יכולה בשלב כלשהו להשתלב
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
בדברים כמו תורת המיתרים או דברים שאנשים מחשיבים
18:11
as the fundamental explanations of the universe?
436
1076000
3000
כהסברים בסיסיים של היקום?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
ובכן, חלקים של פיסיקה
18:16
that we kind of know to be true,
438
1081000
2000
שאנו כאילו יודעים שהם נכונים,
18:18
things like the standard model of physics:
439
1083000
2000
דברים כמו המודל הסטנדרטי של הפיסיקה.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
מה שאני מנסה לעשות טוב יותר לשחזר את המודל הסטנדרטי של הפיסיקה
18:23
or it's simply wrong.
441
1088000
2000
או שהוא פשוט שגוי.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
הדברים שאנשים ניסו לעשות ב-25 השנים האחרונות
18:27
with string theory and so on
443
1092000
2000
עם תורת המיתרים וכו'
18:29
have been an interesting exploration
444
1094000
2000
היוו חקירה מעניינת
18:31
that has tried to get back to the standard model,
445
1096000
3000
שניסתה לחזור למודל הסטנדרטי
18:34
but hasn't quite gotten there.
446
1099000
2000
אך לא ממש הצליח להגיע לכך.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
הניחוש שלי הוא שכמה הפשטות רציניות של מה שאני עושה
18:39
may actually have considerable resonance
448
1104000
3000
עשויים למעשה לעורר תהודה לא מבוטלת
18:42
with what's been done in string theory,
449
1107000
2000
עם מה שנעשה בתורת המיתרים,
18:44
but that's a complicated math thing
450
1109000
3000
אך זהו דבר מתמטי מורכב
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
שאיני יודע עוד כיצד יסתיים.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
בנואה מנדלברוט נמצא בקהל.
18:52
He also has shown how complexity
453
1117000
2000
גם הוא הראה כיצד מורכבות
18:54
can arise out of a simple start.
454
1119000
2000
יכולה להתפתח מהתחלה פשוטה.
18:56
Does your work relate to his?
455
1121000
2000
האם עבודתך קשורה לזה?
18:58
SW: I think so.
456
1123000
2000
אני חושב שכן.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
אני רואה בעבודתו של בנואה מנדלברוט
19:02
as one of the founding contributions
458
1127000
3000
כאחד התרומות היסודיות
19:05
to this kind of area.
459
1130000
3000
לתחום שכזה.
19:08
Benoit has been particularly interested
460
1133000
2000
בנואה התעניין במיוחד
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
בתבניות מקוננות, בפרקטלים וכו'
19:12
where the structure is something
462
1137000
2000
שם המבנה הוא משהו
19:14
that's kind of tree-like,
463
1139000
2000
דמוי עץ,
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
וששם יש מין ענף גדול שממנו יוצאים ענפים קטנים
19:18
and even smaller branches and so on.
465
1143000
3000
ואף ענפים קטנים יותר וכו'.
19:21
That's one of the ways
466
1146000
2000
זוהי אחת הדרכים
19:23
that you get towards true complexity.
467
1148000
3000
שבה ניתן להתקרב למורכבות אמיתית.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
אני חושב שדברים כמו אוטומט תאי המבוסס על כלל 30
19:29
get us to a different level.
469
1154000
2000
יביא אותנו לרמה אחרת.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
למעשה, בדרך מאד מדויקת הם מביאים אותנו לרמה אחרת
19:34
because they seem to be things that are
471
1159000
2000
משום שנדמה כי הם הדברים
19:37
capable of complexity
472
1162000
3000
אשר ביכולתם להיות מורכבים
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
שזה משהו שהכי גדול שמורכבות יכולה להיות...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
אני יכול להרחיב על זה עד מאד, אך לא אעשה זאת.
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
סטפן וולפרם, תודה לך.
19:49
(Applause)
476
1174000
2000
(מחיאות כפיים)
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