TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Hogy fényképezzük le egy fekete lyukat?
Filmed:
Readability: 4.5
5,455,257 views
A Tejút közepén van egy nagyon tömör fekete lyuk, amelyet forró pörgő gázkorong táplál, és amely mindent beszippant, ami túl közel vetődik hozzá. Még a fényt is. Nem láthatjuk, de az eseményhorizontja árnyékot vet, s így az árnyék képe segíthet megválaszolni a világegyetemre vonatkozó néhány kérdést. A kutatók korábban úgy vélték, hogy ilyen felvételek készítéséhez Föld-méretű távcsőre van szükség, mígnem Katie Bouman és csapata egy másik, okos megoldást ajánlott. Tudjunk meg többet arról, hogyan lehet láthatóvá tenni az abszolút sötétséget.
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
A Csillagok között c. filmben
testközelből megszemlélhetünk
egy óriási fekete lyukat.
egy óriási fekete lyukat.
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
00:18
Set against a backdrop of bright gas,
2
6671
2143
A fekete lyuk erős gravitációs vonzása
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
fénylő gázokkal a háttérben
00:22
bends light into a ring.
4
10980
1435
a fényt gyűrűvé hajlítja.
00:24
However, this isn't a real photograph,
5
12439
2109
De ez nem valódi fénykép,
00:26
but a computer graphic rendering --
6
14572
1786
hanem számítógépes grafika,
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
amely művészi ábrázolás arról,
milyen lehet egy fekete lyuk.
milyen lehet egy fekete lyuk.
00:32
A hundred years ago,
8
20401
1166
Száz éve
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
Albert Einstein először ismertette
általános relativitáselméletét.
általános relativitáselméletét.
00:37
In the years since then,
10
25216
1439
Az azóta eltelt években
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
a tudósok sok bizonyítékkal
támasztották alá.
támasztották alá.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
De az elméletileg megjósolt
egyik dolgot, a fekete lyukat,
egyik dolgot, a fekete lyukat,
00:44
still have not been directly observed.
13
32784
2350
közvetlenül még nem sikerült megfigyelni.
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
Bár némi fogalmunk van róla,
milyen lehet a fekete lyuk,
milyen lehet a fekete lyuk,
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
eddig még nem fotóztuk le.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Ám talán meglepőnek hangzik,
a helyzet hamarosan megváltozhat.
a helyzet hamarosan megváltozhat.
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
Pár éven belül lehet, hogy meglátjuk
a fekete lyukat ábrázoló első fotót.
a fekete lyukat ábrázoló első fotót.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Az első kép kutatók nemzetközi csapatának,
egy Föld-méretű távcsőnek
s egy algoritmusnak lesz köszönhető,
s egy algoritmusnak lesz köszönhető,
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
amely összerakja a végleges képet.
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
Noha ma nem tudok valódi képet
mutatni egy fekete lyukról,
mutatni egy fekete lyukról,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
azért röviden ismertetem
az első kép készítésére
tett erőfeszítéseket.
tett erőfeszítéseket.
01:16
in getting that first picture.
23
64598
1613
01:19
My name is Katie Bouman,
24
67477
1437
Katie Boumannak hívnak,
01:20
and I'm a PhD student at MIT.
25
68938
2566
az MIT PhD-hallgatója vagyok.
01:23
I do research in a computer science lab
26
71528
2027
A számítógép-tudományi laborban kutatok,
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
ahol fotókat és videókat átnéző
számítógépeket fejlesztünk.
számítógépeket fejlesztünk.
01:28
But although I'm not an astronomer,
28
76901
2162
Ugyan nem vagyok csillagász,
01:31
today I'd like to show you
29
79087
1285
de azért bemutatom,
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
mivel járulok hozzá e nagyszerű munkához.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Ha ma este elhagyják a város fényeit,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
talán szerencséjük lesz, és megpillantják
01:40
of the Milky Way Galaxy.
33
88638
1493
a Tejút lenyűgöző látványát.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Ha behatolhatnánk
a milliónyi csillag közé,
a milliónyi csillag közé,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26 000 fényévnyire
a spirál alakú Tejút közepe felé,
a spirál alakú Tejút közepe felé,
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
pont a középen elérnénk
egy csillaghalmazhoz.
egy csillaghalmazhoz.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
A galaktikus porfelhőn infravörös
távcsővel áthatolva
távcsővel áthatolva
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
a csillagászok e csillagokat
már több mint 16 éve kémlelik.
már több mint 16 éve kémlelik.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
A leglátványosabbat viszont nem látják.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
A csillagok egy láthatatlan
objektum körül keringenek.
objektum körül keringenek.
02:05
By tracking the paths of these stars,
41
113789
2323
E csillagok pályáját elemezve
a csillagászok arra következtetnek,
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
hogy a mozgást okozó elég kicsi,
de nagy tömegű test nem más,
de nagy tömegű test nem más,
02:12
is a supermassive black hole --
44
120607
1968
mint egy óriási sűrűségű fekete lyuk,
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
ami oly sűrű, hogy mindent beszippant,
ami túl közel vetődik hozzá.
ami túl közel vetődik hozzá.
02:18
even light.
46
126801
1494
Még a fényt is.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Mi történne, ha még jobban
ki tudnánk nagyítani a képet?
ki tudnánk nagyítani a képet?
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
Meglátnánk-e valamit,
ami eredendően láthatatlan?
ami eredendően láthatatlan?
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
Kiderül, hogy ha a nagyítást
a rádióhullámok tartományában végezzük,
a rádióhullámok tartományában végezzük,
02:31
we'd expect to see a ring of light
50
139987
1682
fénygyűrű látványára számíthatunk,
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
amelyet a fekete lyuk körül
örvénylő forró plazma
örvénylő forró plazma
gravitációs fókuszálása okoz.
02:36
zipping around the black hole.
52
144128
1829
Azaz,
02:37
In other words,
53
145981
1160
a fekete lyuk árnyékot vet
a fényes anyag hátterére,
a fényes anyag hátterére,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
ezzel egy sötét gömböt metszve ki.
02:42
carving out a sphere of darkness.
55
150360
1842
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
E fényes gyűrű feltárja
a fekete lyuk eseményhorizontját,
a fekete lyuk eseményhorizontját,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
ahol a gravitációs vonzás akkora,
02:50
that not even light can escape.
58
158013
1626
hogy még a fény sem szabadul ki.
Einstein egyenletei megadják
a gyűrű méretét és alakját,
a gyűrű méretét és alakját,
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
ezért a lefényképezése
nemcsak klassz lenne,
nemcsak klassz lenne,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
hanem igazolná,
hogy az egyenletek érvényesek
hogy az egyenletek érvényesek
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
a fekete lyuk körüli
különleges viszonyok közt is.
különleges viszonyok közt is.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
De a fekete lyuk oly messze van tőlünk,
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
hogy a Földről a gyűrű
elképesztő kicsinek látszik:
elképesztő kicsinek látszik:
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
akkorának, mint egy narancs
a Hold felszínén.
a Hold felszínén.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Ezért a fényképezése nagyon nehéz.
03:16
Why is that?
67
184645
1302
Hogy miért?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Az egész egy egyszerű
egyenletre vezethető vissza.
egyenletre vezethető vissza.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
A fényelhajlás jelensége miatt
03:24
there are fundamental limits
70
192164
1355
alapvető korlátai vannak annak,
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
hogy mi a legkisebb méretű,
még látható tárgy.
még látható tárgy.
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
Az egyenlet szerint,
hogy egyre kisebb tárgyakat lássunk,
hogy egyre kisebb tárgyakat lássunk,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
növelnünk kell távcsövünk méretét.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
De még a legerősebb földi
optikai távcsővel sem érjük el
optikai távcsővel sem érjük el
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
a kellő felbontást
03:40
to image on the surface of the moon.
76
208632
2198
a Hold felszínének lefényképezéséhez.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Ez a legnagyobb felbontású kép,
amelyet valaha
amelyet valaha
a Holdról készítettek a Földről nézve.
03:46
of the moon from Earth.
78
214495
1397
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Kb. 13 000 pixel felbontású,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
s mégis, minden pixelben
több mint 1,5 millió narancs férne el.
több mint 1,5 millió narancs férne el.
03:55
So how big of a telescope do we need
81
223396
1972
Milyen nagy távcső kellene ahhoz,
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
hogy meglássunk egy narancsot
a Hold felszínén,
a Hold felszínén,
vagy célpontunkat,
a fekete lyukat az égbolton?
a fekete lyukat az égbolton?
04:00
and, by extension, our black hole?
83
228181
2214
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Ha egy kicsit bűvészkedünk a számokkal,
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
kiderül, hogy akkora távcső kellene,
mint amekkora maga a Föld.
04:07
the size of the entire Earth.
86
235417
1393
(Nevetés)
04:08
(Laughter)
87
236834
1024
Ha Föld-méretű távcsövet építenénk,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
csak akkor pillanthatnánk meg
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
a fekete lyuk
eseményhorizontját jelző fénygyűrűt.
eseményhorizontját jelző fénygyűrűt.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
Bár a kép nem tartalmazná
a számítógépes grafika kínálta
a számítógépes grafika kínálta
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
valamennyi részletet,
04:20
in computer graphic renderings,
92
248123
1506
módot adna rá, hogy az első
megbízható pillantást vethessük
megbízható pillantást vethessük
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
egy fekete lyuk környezetére.
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
04:26
However, as you can imagine,
95
254487
1613
Nem vitás,
hogy Föld-méretű parabolaantennát
lehetetlen építeni.
lehetetlen építeni.
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
04:31
But in the famous words of Mick Jagger,
97
259772
1887
De Mick Jagger ismert szavaival szólva:
04:33
"You can't always get what you want,
98
261683
1791
"Nem mindig kaphatod meg,
amit szeretnél,
amit szeretnél,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
de ha néha megpróbálod,
tán megkapod, amire szükséged van."
04:37
you get what you need."
100
265709
1215
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Ha a világ távcsöveit összekapcsoljuk
az "Eseményhorizont Távcső"
együttműködés keretében,
együttműködés keretében,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
Föld-méretű számítási távcső keletkezik,
04:48
capable of resolving structure
104
276131
1537
amely a fekete lyuk
eseményhorizontja nagyságrendű
eseményhorizontja nagyságrendű
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
felbontásra képes.
Ezzel a távcsőhálózattal
az első képek a fekete lyukról
az első képek a fekete lyukról
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
04:55
of a black hole next year.
107
283326
1815
2017-re várhatók.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
A világméretű hálózatban
az összes távcső együttműködik.
az összes távcső együttműködik.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Atomórák pontos időzítése révén
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
a kutatócsoportok minden látványnál
befagyasztják a fényt
befagyasztják a fényt
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
több ezer terabyte adat összegyűjtésével.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Az adatokat aztán itt,
Massachusettsben dolgozzák föl.
Massachusettsben dolgozzák föl.
05:13
So how does this even work?
113
301971
1794
Miképpen?
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
Emlékszenek, hogy a fekete lyuk
megpillantásához
megpillantásához
Föld-méretű távcsövet kellene építenünk?
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Tegyük föl, hogy tudnánk
ilyen Föld-méretű távcsövet készíteni.
05:24
a telescope the size of the Earth.
117
312478
1842
Ez egy kissé olyan lenne, mintha a Földet
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
hatalmas forgó diszkógömbbé változtatnánk.
05:28
into a giant spinning disco ball.
119
316823
1747
05:30
Each individual mirror would collect light
120
318594
2200
Minden egyes tükör fényt gyűjtene,
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
amelyet aztán képpé állítanánk össze.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Tegyük föl, hogy eltávolítanánk
a tükrök zömét,
a tükrök zömét,
05:38
so only a few remained.
123
326124
1972
és csak pár darab maradna.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Még mindig össze tudnánk
belőle hozni az információt,
belőle hozni az információt,
05:43
but now there are a lot of holes.
125
331021
1993
bár sok lyuk maradna.
A maradék tükrök megfelelnek
a távcsöves helyeknek.
a távcsöves helyeknek.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
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
Hihetetlenül kevés mérésből
kell összeállítanunk a képet.
kell összeállítanunk a képet.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Bár csak kevés távcsőhelyen
gyűjtjük a fényt,
gyűjtjük a fényt,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
ahogy a Föld forog,
új mérési adatok is előkerülnek,
új mérési adatok is előkerülnek,
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
azaz a diszkógömb forgásakor
a tükrök változtatják a helyüket,
a tükrök változtatják a helyüket,
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
és a kép más-más részét figyelhetjük meg.
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
Képalkotó algoritmusunk kipótolja
a diszkógömb hiányzó részeit,
a diszkógömb hiányzó részeit,
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
hogy így építse újra a fekete lyuk
valódi képét.
valódi képét.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Ha bolygónkon mindenütt volna távcsövünk,
azaz teljes diszkógömbünk,
06:17
in other words, the entire disco ball --
135
365372
1941
a feladat egyszerű lenne.
06:19
this would be trivial.
136
367337
1284
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
De most csak néhány részletet látunk,
s ezért végtelen számú képünk lehet,
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
amelyek mind következnek
a távcsöves mérések eredményeiből.
a távcsöves mérések eredményeiből.
06:29
However, not all images are created equal.
140
377391
3016
Ám nem minden kép egyenrangú.
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
Némelyikük jobban hasonlít
az elképzelt képre.
az elképzelt képre.
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
Szerepem a fekete lyukról
készítendő első képben annyi,
készítendő első képben annyi,
hogy a mérésekkel egybevágó,
legindokoltabb képet megtalálni képes
legindokoltabb képet megtalálni képes
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
06:43
that also fits the telescope measurements.
144
391533
2222
algoritmusokat megtervezzem.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Ahogy a bűnügyi fantomkép-rajzoló
az arc szerkezetéről szóló hiányos
leírást használva összerakja a képet,
leírást használva összerakja a képet,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
az általam fejlesztett képalkotó
algoritmusok hiányos mérési adatokból
algoritmusok hiányos mérési adatokból
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
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
olyan képhez vezetnek, amely hasonlít,
univerzumunk e képződményére.
univerzumunk e képződményére.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Az algoritmusokkal
szórványos, zajos adatokból
szórványos, zajos adatokból
07:05
from this sparse, noisy data.
150
413591
2180
rakhatjuk össze a képeket.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Itt szimulált adatokból készített
minta-rekonstrukció látható,
minta-rekonstrukció látható,
07:12
when we pretend to point our telescopes
152
420348
1933
mintha távcsövünket
a galaxisban lévő
fekete lyukra szegeznénk.
fekete lyukra szegeznénk.
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
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
Ez csak szimuláció,
de a rekonstrukció reményt keltő,
de a rekonstrukció reményt keltő,
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
hogy nemsokára meglesz az első képünk,
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
és belőle meghatározhatjuk
a gyűrű méretét.
a gyűrű méretét.
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
Noha szívesen részletezném
az algoritmust,
az algoritmust,
07:31
luckily for you, I don't have the time.
158
439341
2174
szerencséjükre, erre nincs időm.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
De röviden fölvázolom,
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
milyennek képzeljük az univerzumot,
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
és ebből hogyan rekonstruáljuk
és igazoljuk az eredményeinket.
és igazoljuk az eredményeinket.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Mivel végtelen számú
lehetséges képünk van,
lehetséges képünk van,
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
amelyek tökéletesen egybevágnak
a mérésekkel,
a mérésekkel,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
valahogy választanunk kell közülük.
07:49
We do this by ranking the images
165
457918
1838
Ehhez rangsoroljuk a képeket,
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
mennyire hasonlítanak
a fekete lyuk feltételezett képére,
a fekete lyuk feltételezett képére,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
majd kiválasztjuk a legvalószínűbbet.
07:57
So what do I mean by this exactly?
168
465144
2195
Ez pontosan hogyan értendő?
07:59
Let's say we were trying to make a model
169
467862
1978
Tegyük föl, hogy modellezni szeretnénk,
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
mennyire valószínű egy kép
előfordulása a Facebookon.
előfordulása a Facebookon.
08:05
We'd probably want the model to say
171
473071
1701
Azt kellene a modellnek mondania,
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
hogy kétséges, hogy valaki ilyen szemcsés
képet tesz föl, mint a bal oldali,
képet tesz föl, mint a bal oldali,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
s elég valószínű, hogy egy ilyen szelfit,
mint a jobb felől láthatót.
08:12
like this one on the right.
174
480820
1334
A középső kép elmosódott,
08:14
The image in the middle is blurry,
175
482178
1639
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
s bár nagyobb valószínűséggel
láthatjuk a Facebookon,
láthatjuk a Facebookon,
mint a szemcsés képet,
08:18
compared to the noise image,
177
486504
1360
de kisebb valószínűséggel, mint a szelfit.
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
De a fekete lyukak képeinél
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
igazi rejtéllyel kerülünk szembe,
hiszen azokat még sohasem láttuk.
hiszen azokat még sohasem láttuk.
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
Ez esetben vajon milyen lehet a képe,
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
és milyennek föltételezzük a szerkezetét?
Megkísérelhetjük fölhasználni
a képet a szimulációból,
a képet a szimulációból,
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
pl. a Csillagok között c. filmből,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
de ez több problémát vetne föl.
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
Mi van, ha Einstein elmélete
nem helytálló?
nem helytálló?
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Továbbra is azt szeretnénk felidézni,
hogy mi történt valójában.
hogy mi történt valójában.
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
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Ha algoritmusunkat túlságosan
Einstein egyenleteire építjük,
Einstein egyenleteire építjük,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
akkor pontosan azt fogjuk látni,
amire számítunk.
amire számítunk.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Tehát nyitva kell hagyni
annak lehetőségét,
annak lehetőségét,
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
hogy galaxisunk közepében
esetleg egy óriási elefánt van.
esetleg egy óriási elefánt van.
(Nevetés)
09:00
(Laughter)
192
528971
1057
A különböző képfajtáknak nagyon
eltérők a tulajdonságaik.
eltérők a tulajdonságaik.
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
Könnyen meg tudjuk különböztetni
a szimulációs képeket
a szimulációs képeket
a Földről készített képektől.
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
Valahogy meg kell mondanunk
az algoritmusnak, milyenek a képek,
az algoritmusnak, milyenek a képek,
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
bármely képi jellemző
túlhangsúlyozása nélkül.
túlhangsúlyozása nélkül.
09:17
One way we can try to get around this
198
545865
1893
Erre az egyik módszer,
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
hogy különféle képek
jellemzőivel látjuk el,
jellemzőivel látjuk el,
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
és megnézzük a föltételezett képtípus
hatását a rekonstrukcióra.
hatását a rekonstrukcióra.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Ha minden képtípus
hasonló képet állít elő,
hasonló képet állít elő,
09:31
then we can start to become more confident
202
559227
2057
akkor biztosabbak lehetünk benne,
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
hogy a készülő feltételezett képek
nem nagyon torzítanak.
nem nagyon torzítanak.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Ez egy kicsit olyan, mintha a világ
három fantomkép-rajzolójának
három fantomkép-rajzolójának
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
ugyanazt a leírást adnánk meg.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Ha mindhárman egymásra
nagyon hasonlító képet készítenek,
nagyon hasonlító képet készítenek,
09:46
then we can start to become confident
207
574423
1793
akkor biztosabbak lehetünk benne,
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
hogy kultúrájukból eredő elfogultságuk
rajzaikra nem nyomja rá bélyegét.
rajzaikra nem nyomja rá bélyegét.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Egy másik módszer,
09:55
is by using pieces of existing images.
210
583219
2441
ha meglévő képek darabkáit használjuk föl.
09:58
So we take a large collection of images,
211
586214
2160
Rengeteg képet
fölszabdalunk kis képrészletekre.
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
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
Majd a képrészleteket úgy foghatjuk
föl, mint a kirakós játékot.
föl, mint a kirakós játékot.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Az ismert kirakóst
olyan képpé rakjuk össze,
olyan képpé rakjuk össze,
10:11
that also fits our telescope measurements.
215
599751
2452
amely megfelel a mérési eredményeinknek.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
A különféle képtípusoknak nagyon
eltérő kirakós darabjai vannak.
eltérő kirakós darabjai vannak.
10:18
So what happens when we take the same data
217
606807
2806
Mi történik, ha ugyanahhoz az adathoz
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
a rekonstrukció folyamán más-más
kirakós darabkákat rendelünk hozzá?
kirakós darabkákat rendelünk hozzá?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Kezdjük a szimulációs kirakós darabkákkal!
10:30
OK, this looks reasonable.
220
618581
1591
Elfogadhatónak látszik.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Ilyennek képzeljük a fekete lyukat.
De vajon azért jutottunk e képhez,
10:34
But did we just get it
222
622914
1193
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
mert a szimulációs
képecskéket tápláltuk be?
képecskéket tápláltuk be?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Válasszunk másik kirakós képhalmazt,
10:41
from astronomical, non-black hole objects.
225
629373
2509
most csillagászati,
nem feketelyuk-objektumokról.
nem feketelyuk-objektumokról.
10:44
OK, we get a similar-looking image.
226
632914
2126
Hasonló képhez jutunk.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
Mi a helyzet a nap mint nap
látható képek esetében,
látható képek esetében,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
amiket mi magunk fotózunk?
10:53
Great, we see the same image.
229
641312
2115
Remek, ugyanazt a képet kapjuk!
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
Ha különféle képhalmazból
ugyanazt a képet kapjuk,
ugyanazt a képet kapjuk,
10:58
then we can start to become more confident
231
646841
2046
már kissé biztosabbak lehetünk benne,
11:00
that the image assumptions we're making
232
648911
1966
hogy a képekre vonatkozó föltevésünk
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
nem torzítja túlságosan a kész képet.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Van még egy módszer: ugyanazokból
a kirakós darabkákból,
a kirakós darabkákból,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
pl. a nap mint nap készített fotókból
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
sokféle forrásképet rekonstruálhatunk.
11:15
So in our simulations,
237
663260
1271
Szimulációnkban föltesszük,
hogy a fekete lyuk
hogy a fekete lyuk
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
hasonlít a csillagászati
nem feketelyuk-objektumokra,
nem feketelyuk-objektumokra,
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
ahogy a szokásos képek hasonlítanak
a galaxis közepén lévő elefántra.
a galaxis közepén lévő elefántra.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Ha algoritmusunk lenti eredményei
nagyon hasonlítanak
nagyon hasonlítanak
a szimulációnak a dián
fönt látható valódi képére,
fönt látható valódi képére,
11:27
to the simulation's truth image on top,
241
675419
2096
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
akkor biztosabbak lehetünk
az algoritmusunkban.
az algoritmusunkban.
11:32
And I really want to emphasize here
243
680909
1867
Hangsúlyozom, hogy minden képet
11:34
that all of these pictures were created
244
682800
1934
úgy hoztunk létre,
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
hogy olyan szokásos fotók
darabkáit raktuk össze,
darabkáit raktuk össze,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
amilyeneket saját fényképezőgépünkkel
is készíthetünk.
is készíthetünk.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
A sohasem látott fekete lyuk képe
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
megalkotható a nap mint nap látható
képek részleteinek összerakásával.
képek részleteinek összerakásával.
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
Ezek emberek, házak, fák,
macskák, kutyák képei.
macskák, kutyák képei.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Az ilyen képalkotási elvek
lehetővé teszik,
lehetővé teszik,
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
hogy elsőként készítsünk
képet a fekete lyukról,
képet a fekete lyukról,
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
s igazolhassuk a tudósok
mindennapi munkája alapjául szolgáló
mindennapi munkája alapjául szolgáló
11:59
on which scientists rely on a daily basis.
253
707776
2421
híres elméleteket.
De az ilyen képalkotási ötletek
kidolgozása nem lett volna lehetséges
kidolgozása nem lett volna lehetséges
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
kutatók ragyogó csapata nélkül,
amilyennel magamnak is
megtiszteltetés dolgozni.
megtiszteltetés dolgozni.
12:08
that I have the privilege to work with.
256
716199
1887
Örömmel tölt el,
12:10
It still amazes me
257
718110
1163
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
hogy bár asztrofizikai tudás
nélkül kapcsolódtam a munkába,
nélkül kapcsolódtam a munkába,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
e kivételes együttműködés révén elértük,
hogy elsőként készíthetünk
képet egy fekete lyukról.
képet egy fekete lyukról.
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
De az Eseményhorizont Távcsőhöz
hasonló nagy kezdeményezések sikere
hasonló nagy kezdeményezések sikere
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
a különböző területekről
érkező szakemberek közös
érkező szakemberek közös
interdiszciplináris ismereteinek
köszönhető.
köszönhető.
12:25
different people bring to the table.
263
733658
1790
12:27
We're a melting pot of astronomers,
264
735472
1706
Csillagászok, fizikusok, matematikusok
12:29
physicists, mathematicians and engineers.
265
737202
2232
és mérnökök olvasztótégelye vagyunk.
12:31
This is what will make it soon possible
266
739458
2554
Ez teszi hamarosan lehetővé,
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
amit valaha lehetetlennek hittünk.
12:36
I'd like to encourage all of you to go out
268
744913
2256
Mindenkit arra szeretnék ösztönözni,
12:39
and help push the boundaries of science,
269
747193
2096
hogy segítsen tágítani a tudomány határait
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
még akkor is, ha elsőre olyan rejtélyesnek
látszik, mint egy fekete lyuk.
látszik, mint egy fekete lyuk.
12:45
Thank you.
271
753238
1174
Köszönöm.
12:46
(Applause)
272
754436
2397
(Taps)
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