ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Stephen Wolfram | Speaker | TED.com
TED2010

Stephen Wolfram: Computing a theory of all knowledge

Stephen Wolfram: Menghitung teori dari semuanya.

Filmed:
1,811,819 views

Stephen Wolfram, pencipta Mathematica, berbicara tentang usahanya untuk membuat semua jenis pengetahuan komputasional -- yang dapat dicari, diproses dan dimanipulasi. Mesin pencari terbarunya, Wolfram Alpha, memiliki tujuan untuk memodelkan dan menjelaskan ilmu fisika yang merupakan dasar dari alam semesta.
- 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

Double-click the English transcript below to play the video.

00:16
So I want to talk todayhari ini about an ideaide. It's a bigbesar ideaide.
0
1000
3000
Jadi hari ini saya ingin berbicara tentang sebuah ide. Ini sebuah ide yang besar.
00:19
ActuallyBenar-benar, I think it'llitu akan eventuallyakhirnya
1
4000
2000
Sebenarnya, saya pikir hal ini lambat laun
00:21
be seenterlihat as probablymungkin the singletunggal biggestterbesar ideaide
2
6000
2000
mungkin akan dipandang sebagai salah satu ide terbesar
00:23
that's emergedmuncul in the pastlalu centuryabad.
3
8000
2000
yang muncul di abad lalu.
00:25
It's the ideaide of computationkomputasi.
4
10000
2000
Hal ini adalah ide tentang komputasi.
00:27
Now, of courseTentu saja, that ideaide has broughtdibawa us
5
12000
2000
Sekarang, tentunya, ide tersebut telah membawakan kita
00:29
all of the computerkomputer technologyteknologi we have todayhari ini and so on.
6
14000
3000
semua teknologi komputer yang kita punya sekarang dan sebagainya.
00:32
But there's actuallysebenarnya a lot more to computationkomputasi than that.
7
17000
3000
Tetapi sebenarnya, masih banyak lagi perhitungan daripada itu semua.
00:35
It's really a very deepdalam, very powerfulkuat, very fundamentalmendasar ideaide,
8
20000
3000
Ini merupakan sebuah ide yang sangat dalam, sangat kuat, sangat mendasar
00:38
whoseyang effectsefek we'vekita sudah only just begundimulai to see.
9
23000
3000
di mana efek-efeknya baru kita lihat.
00:41
Well, I myselfdiri have spentmenghabiskan the pastlalu 30 yearstahun of my life
10
26000
3000
Saya telah menghabiskan 30 tahun terakhir dari hidup saya
00:44
workingkerja on threetiga largebesar projectsproyek
11
29000
2000
mengerjakan tiga proyek yang besar
00:46
that really try to take the ideaide of computationkomputasi seriouslyserius.
12
31000
3000
yang benar-benar mencoba untuk menggunakan ide tentang komputasi secara serius.
00:50
So I starteddimulai off at a youngmuda ageusia as a physicistahli fisika
13
35000
3000
Jadi saya mulai dari usia dini sebagai seorang fisikawan
00:53
usingmenggunakan computerskomputer as toolsalat.
14
38000
2000
yang menggunakan komputer sebagai alat.
00:55
Then, I starteddimulai drillingpengeboran down,
15
40000
2000
Lalu, saya kemudian mendalaminya,
00:57
thinkingberpikir about the computationsperhitungan I mightmungkin want to do,
16
42000
2000
berpikir tentang komputasi-komputasi yang mungkin ingin saya lakukan,
00:59
tryingmencoba to figureangka out what primitivesprimitif they could be builtdibangun di up from
17
44000
3000
mencoba mencari primitif-primitif apa yang dapat membangun mereka
01:02
and how they could be automatedotomatis as much as possiblemungkin.
18
47000
3000
dan bagaimana mereka dapat diotomatisasikan sebanyak mungkin.
01:05
EventuallyAkhirnya, I createddiciptakan a wholeseluruh structurestruktur
19
50000
2000
Akhirnya, saya menciptakan sebuah struktur yang utuh
01:07
basedberbasis on symbolicsimbolis programmingpemrograman and so on
20
52000
2000
berdasarkan pemrograman simbolik dan sebagainya
01:09
that let me buildmembangun MathematicaMasternya.
21
54000
2000
yang memungkinkan saya menciptakan Mathematica.
01:11
And for the pastlalu 23 yearstahun, at an increasingmeningkat ratemenilai,
22
56000
2000
Dan selama 23 tahun terakhir ini, dengan kelajuan yang meningkat,
01:13
we'vekita sudah been pouringpenuangan more and more ideaside ide
23
58000
2000
kita telah mencurahkan makin banyak ide
01:15
and capabilitieskemampuan and so on into MathematicaMasternya,
24
60000
2000
dan kemampuan dan sebagainya ke dalam Mathematica,
01:17
and I'm happysenang to say that that's led to manybanyak good things
25
62000
3000
dan saya senang mengatakan bahwa hal ini berujung baik
01:20
in R & D and educationpendidikan,
26
65000
2000
dalam litbang dan pendidikan,
01:22
lots of other areasdaerah.
27
67000
2000
dan banyak bidang-bidang lainnya.
01:24
Well, I have to admitmengakui, actuallysebenarnya,
28
69000
2000
Saya harus akui, sebenarnya,
01:26
that I alsojuga had a very selfishegois reasonalasan for buildingbangunan MathematicaMasternya:
29
71000
3000
bahwa saya juga mempunyai alasan yang sangat egois dalam membangun Mathematica.
01:29
I wanted to use it myselfdiri,
30
74000
2000
Saya ingin menggunakannya untuk diri saya sendiri,
01:31
a bitsedikit like GalileoGalileo got to use his telescopeteleskop
31
76000
2000
sedikit seperti Galileo waktu dia menggunakan teleskopnya
01:33
400 yearstahun agolalu.
32
78000
2000
400 tahun yang lalu.
01:35
But I wanted to look not at the astronomicalastronomis universealam semesta,
33
80000
3000
Tapi saya mau melihat, bukan ke dalam dunia astronomi,
01:38
but at the computationalkomputasi universealam semesta.
34
83000
3000
tetapi ke dalam dunia komputasional.
01:41
So we normallybiasanya think of programsprogram as beingmakhluk
35
86000
2000
Jadi kita biasanya mempunyai pikiran bahwa program adalah
01:43
complicatedrumit things that we buildmembangun
36
88000
2000
barang-barang rumit yang kita ciptakan
01:45
for very specificspesifik purposestujuan.
37
90000
2000
untuk tujuan yang sangat spesifik.
01:47
But what about the spaceruang of all possiblemungkin programsprogram?
38
92000
3000
Tapi bagaimana dengan ruang dari semua program yang mungkin diciptakan?
01:50
Here'sBerikut adalah a representationperwakilan of a really simplesederhana programprogram.
39
95000
3000
Ini adalah seburah representasi dari sebuah program yang sangat sederhana.
01:53
So, if we runmenjalankan this programprogram,
40
98000
2000
Jadi, jika kita jalankan program ini,
01:55
this is what we get.
41
100000
2000
inilah yang kita dapatkan.
01:57
Very simplesederhana.
42
102000
2000
Sangat sederhana.
01:59
So let's try changingberubah the ruleaturan
43
104000
2000
Jadi mari kita coba mengganti aturan
02:01
for this programprogram a little bitsedikit.
44
106000
2000
untuk program ini sedikit saja.
02:03
Now we get anotherlain resulthasil,
45
108000
2000
Sekarang kita dapatkan hasil yang berbeda,
02:05
still very simplesederhana.
46
110000
2000
masih sangat sederhana.
02:07
Try changingberubah it again.
47
112000
3000
Ganti sekali lagi.
02:10
You get something a little bitsedikit more complicatedrumit.
48
115000
2000
Dan Anda dapatkan sesuatu yang sedikit lebih rumit,
02:12
But if we keep runningberlari this for a while,
49
117000
2000
tetapi apabila kita terus menjalankan ini selama beberapa saat,
02:14
we find out that althoughmeskipun the patternpola we get is very intricaterumit,
50
119000
3000
kita lihat bahwa, meskipun pola yang kita dapat sangatlah rumit,
02:17
it has a very regularreguler structurestruktur.
51
122000
3000
ia masih mempunyai sebuah struktur yang sangat beraturan.
02:20
So the questionpertanyaan is: Can anything elselain happenterjadi?
52
125000
3000
Jadi pertanyaannya: Dapatkah hal yang lain terjadi?
02:23
Well, we can do a little experimentpercobaan.
53
128000
2000
Kita dapat mencoba melakukan sebuah eksperimen kecil.
02:25
Let's just do a little mathematicalmatematis experimentpercobaan, try and find out.
54
130000
3000
Mari kita kerjakan sebuah eksperimen matematika kecil, coba dan cari tahu.
02:29
Let's just runmenjalankan all possiblemungkin programsprogram
55
134000
3000
Mari kita jalankan semua program yang mungkin
02:32
of the particulartertentu typemengetik that we're looking at.
56
137000
2000
dari tipe spesifik yang kita amati.
02:34
They're calledbernama cellularseluler automataautomata.
57
139000
2000
Mereka disebut sebagai otomata selular.
02:36
You can see a lot of diversityperbedaan in the behaviortingkah laku here.
58
141000
2000
Anda dapat melihat beragam jenis kelakuan di sini.
02:38
MostSebagian of them do very simplesederhana things,
59
143000
2000
Kebanyakan dari mereka hanya mengerjakan kegiatan-kegiatan yang sederhana.
02:40
but if you look alongsepanjang all these differentberbeda picturesfoto-foto,
60
145000
2000
Tetapi jika Anda amati secara seksama semua gambar-gambar yang berbeda ini,
02:42
at ruleaturan numberjumlah 30,
61
147000
2000
di aturan nomor 30,
02:44
you startmulai to see something interestingmenarik going on.
62
149000
2000
Anda mulai melihat sesuatu yang menarik sedang terjadi.
02:46
So let's take a closerlebih dekat look
63
151000
2000
Jadi marilah kita amati lebih dekat
02:48
at ruleaturan numberjumlah 30 here.
64
153000
2000
di aturan nomor 30 di sini.
02:50
So here it is.
65
155000
2000
Jadi inilah dia.
02:52
We're just followingberikut this very simplesederhana ruleaturan at the bottombawah here,
66
157000
3000
Kita hanya mengikuti aturan yang sangat sederhana di bawah ini,
02:55
but we're gettingmendapatkan all this amazingmenakjubkan stuffbarang.
67
160000
2000
tetapi kita mendapatkan semua hal yang menarik ini.
02:57
It's not at all what we're used to,
68
162000
2000
Ini sama sekali bukanlah sesuatu yang kita biasa hadapi,
02:59
and I mustharus say that, when I first saw this,
69
164000
2000
dan saya harus mengatakan bahwa, ketika pertama kali saya melihat ini,
03:01
it camedatang as a hugebesar shocksyok to my intuitionintuisi.
70
166000
3000
saya merasakan sebuah pukulan yang sangat besar terhadap nalar saya,
03:04
And, in factfakta, to understandmemahami it,
71
169000
2000
dan, sebenarnya, untuk mengerti tentang hal ini,
03:06
I eventuallyakhirnya had to createmembuat
72
171000
2000
saya akhirnya harus menciptakan
03:08
a wholeseluruh newbaru kindjenis of scienceilmu.
73
173000
2000
sebuah sains yang sama sekali baru.
03:11
(LaughterTawa)
74
176000
2000
(Laughter)
03:13
This scienceilmu is differentberbeda, more generalumum,
75
178000
3000
Sains ini berbeda, lebih umum,
03:16
than the mathematics-basedberbasis matematika scienceilmu that we'vekita sudah had
76
181000
2000
daripada sains berdasarkan matematika yang kita punyai
03:18
for the pastlalu 300 or so yearstahun.
77
183000
3000
selama 3 abad terakhir ini.
03:21
You know, it's always seemedtampak like a bigbesar mysteryMisteri:
78
186000
2000
Anda tahu, semua ini selalu terlihat sebagai sebuah misteri yang besar
03:23
how naturealam, seeminglytampaknya so effortlesslytanpa susah payah,
79
188000
3000
bagaimana alam, sepertinya gampang sekali
03:26
managesmengelola to producemenghasilkan so much
80
191000
2000
dapat menciptakan banyak sekali hal-hal
03:28
that seemsSepertinya to us so complexkompleks.
81
193000
3000
yang bagi kita kelihatannya rumit sekali.
03:31
Well, I think we'vekita sudah foundditemukan its secretrahasia:
82
196000
3000
Saya rasa kita telah menemukan rahasianya.
03:34
It's just samplingsampling what's out there in the computationalkomputasi universealam semesta
83
199000
3000
Kita hanya perlu mengambil contoh dari dunia komputasional
03:37
and quitecukup oftensering gettingmendapatkan things like RuleAturan 30
84
202000
3000
dan seringkali kita mendapatkan hal-hal seperti Aturan 30
03:40
or like this.
85
205000
3000
atau seperti ini.
03:44
And knowingpenuh arti that startsdimulai to explainmenjelaskan
86
209000
2000
Dan setelah kita tahu hal ini, ia dapat menjelaskan
03:46
a lot of long-standinglama mysteriesmisteri in scienceilmu.
87
211000
3000
banyak misteri-misteri yang telah lama dihadapi di sains.
03:49
It alsojuga bringsmembawa up newbaru issuesMasalah, thoughmeskipun,
88
214000
2000
Akan tetapi hal ini juga menimbulkan masalah-masalah baru
03:51
like computationalkomputasi irreducibilityirreducibility.
89
216000
3000
seperti perhitungan yang tidak dapat disederhanakan lagi.
03:54
I mean, we're used to havingmemiliki scienceilmu let us predictmeramalkan things,
90
219000
3000
Maksud saya, kita sudah terbiasa menggunakan sains untuk memperkirakan sesuatu,
03:57
but something like this
91
222000
2000
tapi hal seperti yang satu ini
03:59
is fundamentallypada dasarnya irreducibletereduksi.
92
224000
2000
secara mendasar, sudah tidak dapat lagi disederhanakan.
04:01
The only way to find its outcomehasil
93
226000
2000
Satu-satunya cara untuk mengetahui hasilnya
04:03
is, effectivelyefektif, just to watch it evolveberkembang.
94
228000
3000
adalah, secara efektif, dengan cara melihatnya berevolusi.
04:06
It's connectedterhubung to, what I call,
95
231000
2000
Hal ini terkait dengan, yang saya sebut,
04:08
the principleprinsip of computationalkomputasi equivalencekesetaraan,
96
233000
2000
Aturan Perhitungan Ekuivalen,
04:10
whichyang tellsmengatakan us that even incrediblyluar biasa simplesederhana systemssistem
97
235000
3000
yang menunjukkan kita bahwa bahkan sistem-sistem yang teramat sederhana
04:13
can do computationsperhitungan as sophisticatedcanggih as anything.
98
238000
3000
dapat melakukan perhitungan yang sangat sulit sekalipun.
04:16
It doesn't take lots of technologyteknologi or biologicalbiologis evolutionevolusi
99
241000
3000
Hal ini tidak memerlukan banyak teknologi ataupun evolusi biologis
04:19
to be ablesanggup to do arbitrarysewenang-wenang computationkomputasi;
100
244000
2000
untuk dapat melakukan perhitungan macam apapun,
04:21
just something that happensterjadi, naturallytentu saja,
101
246000
2000
hanya perlu sesuatu yang terjadi, secara alamiah,
04:23
all over the placetempat.
102
248000
2000
di manapun hal ini berada.
04:25
Things with rulesaturan as simplesederhana as these can do it.
103
250000
3000
Hal-hal dengan aturan sesederhana ini dapat melakukannya.
04:29
Well, this has deepdalam implicationsimplikasi
104
254000
2000
Hal ini mempunyai dampak yang sangat besar
04:31
about the limitsbatas of scienceilmu,
105
256000
2000
terhadap batasan sains,
04:33
about predictabilityprediktabilitas and controllabilitypengendalian
106
258000
2000
mengenai kemampuan untuk memperkirakan dan mengontrol
04:35
of things like biologicalbiologis processesproses or economiesekonomi,
107
260000
3000
hal-hal seperti proses-proses biologi atau ekonomi,
04:38
about intelligenceintelijen in the universealam semesta,
108
263000
2000
tentang kepintaran di alam semesta,
04:40
about questionspertanyaan like freebebas will
109
265000
2000
tentang pertanyaan-pertanyaan seperti kehendak bebas,
04:42
and about creatingmenciptakan technologyteknologi.
110
267000
3000
dan tentang menciptakan teknologi.
04:45
You know, in workingkerja on this scienceilmu for manybanyak yearstahun,
111
270000
2000
Anda tahu, setelah bekerja di bidang sains ini bertahun-tahun,
04:47
I keptterus wonderingbertanya-tanya,
112
272000
2000
saya kerap bertanya-tanya,
04:49
"What will be its first killerpembunuh appaplikasi?"
113
274000
2000
"Apa yang dapat menjadi aplikasi penting (killer app) yang pertama?"
04:51
Well, ever sincesejak I was a kidanak,
114
276000
2000
Sejak saya masih kecil,
04:53
I'd been thinkingberpikir about systematizingsistematisasi knowledgepengetahuan
115
278000
2000
saya telah berpikir tentang bagaimana cara membuat ilmu pengetahuan sistematis
04:55
and somehowentah bagaimana makingmembuat it computablemultisektoral yang dapat dikomputasi.
116
280000
2000
dan entah bagaimana membuatnya dapat dihitung.
04:57
People like LeibnizLeibniz had wonderedbertanya-tanya about that too
117
282000
2000
Orang-orang seperti Leibniz telah mempertanyakan hal yang sama juga
04:59
300 yearstahun earliersebelumnya.
118
284000
2000
300 tahun yang lalu.
05:01
But I'd always assumeddiasumsikan that to make progresskemajuan,
119
286000
2000
Tetapi saya selalu berasumsi bahwa untuk dapat membuat kemajuan,
05:03
I'd essentiallyintinya have to replicatemengulangi a wholeseluruh brainotak.
120
288000
3000
saya harus mereplikasi sebuah otak yang utuh.
05:06
Well, then I got to thinkingberpikir:
121
291000
2000
Jadi, saya akhirnya berpikir:
05:08
This scientificilmiah paradigmparadigma of mineranjau suggestsmenyarankan something differentberbeda --
122
293000
3000
Pola pikir sains saya ini mengajukan hal yang berbeda.
05:11
and, by the way, I've now got
123
296000
2000
Dan, omong-omong, sekarang saya mempunyai
05:13
hugebesar computationkomputasi capabilitieskemampuan in MathematicaMasternya,
124
298000
3000
kemampuan berhitung yang sangat besar dengan Mathematica,
05:16
and I'm a CEOCEO with some worldlyduniawi resourcessumber daya
125
301000
3000
dan saya seorang CEO dengan banyak dana
05:19
to do largebesar, seeminglytampaknya crazygila, projectsproyek --
126
304000
3000
untuk mengerjakan proyek-proyek besar, yang kelihatannya mustahil.
05:22
So I decidedmemutuskan to just try to see
127
307000
2000
Jadi saya memutuskan untuk mencoba melihat
05:24
how much of the systematicsistematis knowledgepengetahuan that's out there in the worlddunia
128
309000
3000
berapa banyak pengetahuan sistematis yang ada di dunia ini
05:27
we could make computablemultisektoral yang dapat dikomputasi.
129
312000
2000
yang dapat kita buat menjadi dapat dihitung.
05:29
So, it's been a bigbesar, very complexkompleks projectproyek,
130
314000
2000
Jadi, ini adalah sebuah proyek yang besar, dan sangat rumit
05:31
whichyang I was not sure was going to work at all.
131
316000
3000
yang saya tidak yakin dapat bekerja.
05:34
But I'm happysenang to say it's actuallysebenarnya going really well.
132
319000
3000
Tetapi saya senang untuk mengatakan bahwa semuanya berjalan dengan lancar.
05:37
And last yeartahun we were ablesanggup
133
322000
2000
Dan tahun lalu, kita dapat
05:39
to releasemelepaskan the first websitesitus web versionversi
134
324000
2000
mempertunjukkan versi pertama dari website
05:41
of WolframWolfram AlphaAlpha.
135
326000
2000
Wolfram Alpha.
05:43
Its purposetujuan is to be a seriousserius knowledgepengetahuan enginemesin
136
328000
3000
Tujuan hal ini adalah untuk menjadi sebuah sarana pengetahuan yang serius
05:46
that computesmenghitung answersjawaban to questionspertanyaan.
137
331000
3000
yang menghitung jawaban dari pertanyaan.
05:49
So let's give it a try.
138
334000
2000
Jadi marilah kita mencobanya.
05:51
Let's startmulai off with something really easymudah.
139
336000
2000
Mari kita mulai dengan sesuatu yang sangat mudah.
05:53
HopeHarapan for the bestterbaik.
140
338000
2000
Dan berharap untuk yang terbaik.
05:55
Very good. Okay.
141
340000
2000
Sangat bagus. Oke.
05:57
So farjauh so good.
142
342000
2000
Sejauh ini baik-baik saja.
05:59
(LaughterTawa)
143
344000
3000
(Tertawa)
06:02
Let's try something a little bitsedikit harderlebih keras.
144
347000
3000
Mari kita coba sesuatu yang lebih sulit.
06:05
Let's do
145
350000
2000
Seperti misalnya...
06:07
some mathymathy thing,
146
352000
3000
Mari kita kerjakan sesuatu yang lebih matematis
06:10
and with luckkeberuntungan it'llitu akan work out the answermenjawab
147
355000
3000
dan kalau kita beruntung, ia akan memberikan jawabannya
06:13
and try and tell us some interestingmenarik things
148
358000
2000
dan mencoba memberitahu kita beberapa hal yang menarik
06:15
things about relatedterkait mathmatematika.
149
360000
2000
hal-hal yang berhubungan dengan matematika.
06:17
We could askmeminta it something about the realnyata worlddunia.
150
362000
3000
Kita juga dapat menanyakannya sesuatu tentang dunia nyata.
06:20
Let's say -- I don't know --
151
365000
2000
Seperti misalnya -- saya tidak tahu --
06:22
what's the GDPPDB of SpainSpanyol?
152
367000
3000
Berapakah PDB dari Spanyol?
06:25
And it should be ablesanggup to tell us that.
153
370000
2000
Dan ia seharusnya dapat memberi tahu kita hal itu.
06:27
Now we could computemenghitung something relatedterkait to this,
154
372000
2000
Sekarang kita dapat menghitung sesuatu yang berkaitan dengan ini,
06:29
let's say ... the GDPPDB of SpainSpanyol
155
374000
2000
mari kita ambil PDB dari Spanyol
06:31
dividedterbagi by, I don't know,
156
376000
2000
dibagi dengan, saya tidak tahu,
06:33
the -- hmmmHmmm ...
157
378000
2000
dengan -- hmmm..
06:35
let's say the revenuependapatan of MicrosoftMicrosoft.
158
380000
2000
mari kita ambil laba dari Microsoft.
06:37
(LaughterTawa)
159
382000
2000
(Tertawa)
06:39
The ideaide is that we can just typemengetik this in,
160
384000
2000
Idenya adalah kita tinggal mengetikkan hal ini,
06:41
this kindjenis of questionpertanyaan in, howevernamun we think of it.
161
386000
3000
pertanyaan seperti ini, bagaimanapun kita memikirkannya.
06:44
So let's try askingmeminta a questionpertanyaan,
162
389000
2000
Jadi mari kita coba menanyakan sebuah pertanyaan,
06:46
like a healthkesehatan relatedterkait questionpertanyaan.
163
391000
2000
seperti pertanyaan yang berhubungan dengan kesehatan.
06:48
So let's say we have a lablaboratorium findingtemuan that ...
164
393000
3000
Jadi mari kita asumsi kita mempunyai hasil riset lab yang --
06:51
you know, we have an LDLLDL leveltingkat of 140
165
396000
2000
anda tahu, kita mempunyai level LDL setinggi 140
06:53
for a malepria agedberumur 50.
166
398000
3000
untuk lelaki berusia 50.
06:56
So let's typemengetik that in, and now WolframWolfram AlphaAlpha
167
401000
2000
Jadi marilah kita mengetikknya, dan sekarang Wolfram Alpha
06:58
will go and use availabletersedia publicpublik healthkesehatan datadata
168
403000
2000
akan pergi mengambil dan menggunakan data kesehatan publik
07:00
and try and figureangka out
169
405000
2000
dan mencoba mengartikan
07:02
what partbagian of the populationpopulasi that correspondssesuai to and so on.
170
407000
3000
mana bagian populasi yang menjelaskan bagian mana dan sebagainya.
07:05
Or let's try askingmeminta about, I don't know,
171
410000
3000
Atau mari kita tanya tentang, saya tidak tahu,
07:08
the InternationalInternasional SpaceRuang StationStasiun.
172
413000
2000
stasiun luar angkasa internasional.
07:10
And what's happeningkejadian here is that
173
415000
2000
Dan apa yang terjadi di sini adalah
07:12
WolframWolfram AlphaAlpha is not just looking up something;
174
417000
2000
Wolfram Alpha tidak hanya mencari sesuatu;
07:14
it's computingkomputasi, in realnyata time,
175
419000
3000
ia menghitung, dalam real time,
07:17
where the InternationalInternasional SpaceRuang StationStasiun is right now at this momentsaat,
176
422000
3000
di mana stasiun luar angkasa internatsional berada sekarang, di waktu ini
07:20
how fastcepat it's going, and so on.
177
425000
3000
berapa kecepatannya dan sebagainya.
07:24
So WolframWolfram AlphaAlpha knowstahu about lots and lots of kindsmacam of things.
178
429000
3000
Jadi Wolfram Alpha tahu tentang banyak hal-hal yang beragam.
07:27
It's got, by now,
179
432000
2000
Sekarang ia mempunyai,
07:29
prettycantik good coveragecakupan of everything you mightmungkin find
180
434000
2000
cakupan yang cukup baik tentang hal-hal
07:31
in a standardstandar referencereferensi libraryPerpustakaan.
181
436000
3000
yang dapat anda temukan di perpustakaan-perpustakaan standar dan sebagainya.
07:34
But the goaltujuan is to go much furtherlebih lanjut
182
439000
2000
Tetapi tujuannya adalah untuk maju lebih banyak lagi
07:36
and, very broadlyluas, to democratizemendemokrasikan
183
441000
3000
dan, secara luas, untuk mendemokratisasikan
07:39
all of this knowledgepengetahuan,
184
444000
3000
semua bentuk pengetahuan seperti ini,
07:42
and to try and be an authoritativeotoritatif
185
447000
2000
dan untuk mencoba menjadi sebuah
07:44
sourcesumber in all areasdaerah.
186
449000
2000
sumber otoritatif di semua area,
07:46
To be ablesanggup to computemenghitung answersjawaban to specificspesifik questionspertanyaan that people have,
187
451000
3000
untuk dapat menghitung jawaban ke pertanyaan-pertanyaan spesifik yang dipunyai orang-orang,
07:49
not by searchingmencari what other people
188
454000
2000
bukan dengan mencari apa yang orang lain
07:51
maymungkin have writtentertulis down before,
189
456000
2000
sudah pernah tulis sebelumnya,
07:53
but by usingmenggunakan builtdibangun di in knowledgepengetahuan
190
458000
2000
tetapi dengan menggunakan pengetahuan yang dibangun ke dalamnya
07:55
to computemenghitung freshsegar newbaru answersjawaban to specificspesifik questionspertanyaan.
191
460000
3000
untuk menghitung jawaban yang baru ke pertanyaan yang spesifik.
07:58
Now, of courseTentu saja, WolframWolfram AlphaAlpha
192
463000
2000
Sekarang, tentunya, Wolfram Alpha
08:00
is a monumentallymonumental hugebesar, long-termjangka panjang projectproyek
193
465000
2000
adalah sebuah proyek yang besar, jangka panjang
08:02
with lots and lots of challengestantangan.
194
467000
2000
dengan banyak tantangan.
08:04
For a startmulai, one has to curatependeta pembantu a zillionjutaan
195
469000
3000
Awalnya, kita harus mengumpulkan banyak
08:07
differentberbeda sourcessumber of factsfakta and datadata,
196
472000
3000
dan berbagai macam fakta dan data,
08:10
and we builtdibangun di quitecukup a pipelinepipa of MathematicaMasternya automationotomatisasi
197
475000
3000
dan kita membangun sebuah struktur untuk otomatisasi Mathematica
08:13
and humanmanusia domaindomain expertsahli for doing this.
198
478000
3000
dan keahlian manusia untuk mengerjakan ini.
08:16
But that's just the beginningawal.
199
481000
2000
Tetapi hal ini hanyalah awalnya.
08:18
GivenDiberikan rawmentah factsfakta or datadata
200
483000
2000
Dengan fakta-fakta atau data mentah
08:20
to actuallysebenarnya answermenjawab questionspertanyaan,
201
485000
2000
untuk menjawab pertanyaan-pertanyaan,
08:22
one has to computemenghitung:
202
487000
2000
seseorang harus menghitung,
08:24
one has to implementmelaksanakan all those methodsmetode and modelsmodel
203
489000
2000
seseorang harus menerapkan semua metode dan model
08:26
and algorithmsalgoritma and so on
204
491000
2000
dan algoritma dan seterusnya
08:28
that scienceilmu and other areasdaerah have builtdibangun di up over the centuriesabad.
205
493000
3000
yang telah dibangun oleh sains dan area-area lainnya selama berabad-abad.
08:31
Well, even startingmulai from MathematicaMasternya,
206
496000
3000
Bahkan jika kita memulai dari Mathematica,
08:34
this is still a hugebesar amountjumlah of work.
207
499000
2000
ini masih sebuah tugas yang sangat besar.
08:36
So farjauh, there are about 8 millionjuta linesgaris
208
501000
2000
Sejauh ini, ada sekitar 8 juta baris
08:38
of MathematicaMasternya codekode in WolframWolfram AlphaAlpha
209
503000
2000
dari kode Mathematica di dalam Wolfram Alpha
08:40
builtdibangun di by expertsahli from manybanyak, manybanyak differentberbeda fieldsladang.
210
505000
3000
yang dibangun oleh ahli-ahli dari beragam bidang.
08:43
Well, a crucialsangat penting ideaide of WolframWolfram AlphaAlpha
211
508000
3000
Ide yang penting dari Wolfram Alpha
08:46
is that you can just askmeminta it questionspertanyaan
212
511000
2000
adalah Anda dapat mengajukan pertanyaan kepadanya
08:48
usingmenggunakan ordinarybiasa humanmanusia languagebahasa,
213
513000
3000
dalam bahasa manusia sehari-hari,
08:51
whichyang meanscara that we'vekita sudah got to be ablesanggup to take
214
516000
2000
dengan kata lain kita harus dapat mengambil
08:53
all those strangeaneh utterancesucapan-ucapan that people typemengetik into the inputmemasukkan fieldbidang
215
518000
3000
semua hal aneh yang diketikkan orang ke kolom masukan
08:56
and understandmemahami them.
216
521000
2000
dan mengartikannya.
08:58
And I mustharus say that I thought that steplangkah
217
523000
2000
Dan saya harus bilang bahwa saya pikir langkah itu
09:00
mightmungkin just be plainpolos impossiblemustahil.
218
525000
3000
mungkin saja mustahil.
09:04
Two bigbesar things happenedterjadi:
219
529000
2000
Dua hal yang sangat besar terjadi.
09:06
First, a bunchbanyak of newbaru ideaside ide about linguisticslinguistik
220
531000
3000
Pertama, sekelompok ide baru tentang linguistik
09:09
that camedatang from studyingbelajar the computationalkomputasi universealam semesta;
221
534000
3000
yang muncul waktu kita mempelajari dunia komputasional.
09:12
and secondkedua, the realizationrealisasi that havingmemiliki actualsebenarnya computablemultisektoral yang dapat dikomputasi knowledgepengetahuan
222
537000
3000
Dan kedua, penyadaran bahwa mempunyai pengetahuan komputasional yang nyata
09:15
completelysama sekali changesperubahan how one can
223
540000
2000
mengubah bagaimana kita dapat
09:17
setset about understandingpengertian languagebahasa.
224
542000
3000
memahami bahasa.
09:20
And, of courseTentu saja, now
225
545000
2000
Dan, tentunya, sekarang
09:22
with WolframWolfram AlphaAlpha actuallysebenarnya out in the wildliar,
226
547000
2000
dengan beredarnya Wolfram Alpha,
09:24
we can learnbelajar from its actualsebenarnya usagepemakaian.
227
549000
2000
kita dapat belajar dari pemakaian sebenarnya.
09:26
And, in factfakta, there's been
228
551000
2000
Dan, sebenarnya, ada
09:28
an interestingmenarik coevolutioncoevolution that's been going on
229
553000
2000
ko-evolusi yang menarik yang sedang terjadi
09:30
betweenantara WolframWolfram AlphaAlpha
230
555000
2000
antara Wolfram Alpha
09:32
and its humanmanusia userspengguna,
231
557000
2000
dan manusia-manusia yang menggunakannya.
09:34
and it's really encouragingmendorong.
232
559000
2000
Dan hal ini sangatlah meyakinkan.
09:36
Right now, if we look at webweb queriespertanyaan,
233
561000
2000
Sekarang ini, jika kita lihat pencarian-pencarian di Internet,
09:38
more than 80 percentpersen of them get handledditangani successfullyberhasil the first time.
234
563000
3000
lebih dari 80% nya sukses diatasi pada pencarian pertamanya.
09:41
And if you look at things like the iPhoneiPhone appaplikasi,
235
566000
2000
Dan jika Anda melihat hal-hal seperti aplikasi iPhone,
09:43
the fractionpecahan is considerablysangat largerlebih besar.
236
568000
2000
jumlah yang berhasil lebih besar lagi.
09:45
So, I'm prettycantik pleasedsenang with it all.
237
570000
2000
Jadi, saya cukup senang dengan semua ini.
09:47
But, in manybanyak wayscara,
238
572000
2000
Tetapi, dalam berbagai hal,
09:49
we're still at the very beginningawal with WolframWolfram AlphaAlpha.
239
574000
3000
kita baru saja memulai dengan Wolfram Alpha.
09:52
I mean, everything is scalingpenskalaan up very nicelybaik
240
577000
2000
Maksud saya, semuanya sedang berjalan secara lancar.
09:54
and we're gettingmendapatkan more confidentpercaya diri.
241
579000
2000
Kita semakin percaya diri.
09:56
You can expectmengharapkan to see WolframWolfram AlphaAlpha technologyteknologi
242
581000
2000
Anda dapat berharap untuk melihat teknologi Wolfram Alpha
09:58
showingmenunjukkan up in more and more placestempat,
243
583000
2000
muncul di bidang-bidang yang lebih banyak lagi,
10:00
workingkerja bothkedua with this kindjenis of publicpublik datadata, like on the websitesitus web,
244
585000
3000
bekerja dengan data-data umum, seperti di halaman ini,
10:03
and with privatepribadi knowledgepengetahuan
245
588000
2000
dan dengan pengetahuan yang lebih privat
10:05
for people and companiesperusahaan and so on.
246
590000
3000
untuk orang-orang dan perusahaan dan sebagainya.
10:08
You know, I've realizedmenyadari that WolframWolfram AlphaAlpha actuallysebenarnya givesmemberi one
247
593000
3000
Anda tahu, saya telah menyadari bahwa Wolfram Alpha sebenarnya memberikan
10:11
a wholeseluruh newbaru kindjenis of computingkomputasi
248
596000
2000
sebuah konsep yang sangat baru tentang komputasi
10:13
that one can call knowledge-basedberbasis pengetahuan computingkomputasi,
249
598000
2000
yang dapat kita sebut sebagai komputasi berbasis pengetahuan,
10:15
in whichyang one'ssatu startingmulai not just from rawmentah computationkomputasi,
250
600000
3000
di mana seseorang memulai, bukan hanya dari komputasi mentah,
10:18
but from a vastluas amountjumlah of built-inbuilt-in knowledgepengetahuan.
251
603000
3000
tetapi juga dengan pengetahuan yang sangat banyak yang sudah tersedia.
10:21
And when one does that, one really changesperubahan
252
606000
2000
Dan ketika kita melakukan hal tersebut, kita telah mengubah
10:23
the economicsekonomi of deliveringmengantarkan computationalkomputasi things,
253
608000
3000
ekonomi dari pengantaran hal-hal komputasional,
10:26
whetherapakah it's on the webweb or elsewheredi tempat lain.
254
611000
2000
baik itu ada di web atau di mana pun.
10:28
You know, we have a fairlycukup interestingmenarik situationsituasi right now.
255
613000
3000
Anda tahu, kita mempunyai sebuah situasi yang lumayan menarik sekarang ini.
10:31
On the one handtangan, we have MathematicaMasternya,
256
616000
2000
Di satu sisi, kita punya Mathematica,
10:33
with its sortmenyortir of precisetepat, formalresmi languagebahasa
257
618000
3000
dengan bahasanya yang tepat, formal
10:36
and a hugebesar networkjaringan
258
621000
2000
dan sebuah kumpulan yang sangat besar
10:38
of carefullyhati-hati designeddirancang capabilitieskemampuan
259
623000
2000
dari kemampuan-kemampuan yang dirancang secara seksama
10:40
ablesanggup to get a lot doneselesai in just a fewbeberapa linesgaris.
260
625000
3000
yang dapat melakukan banyak hal hanya dengan beberapa baris saja.
10:43
Let me showmenunjukkan you a couplepasangan of examplescontoh here.
261
628000
3000
Mari saya tunjukkan Anda beberapa contoh di sini.
10:47
So here'sini a trivialsepele piecebagian of MathematicaMasternya programmingpemrograman.
262
632000
3000
Jadi ini adalah sesuatu yang sangat sederhana dalam pemrograman Mathematica.
10:51
Here'sBerikut adalah something where we're sortmenyortir of
263
636000
2000
Jadi di sini kita mempunyai sesuatu di mana kita lebih kurang
10:53
integratingmengintegrasikan a bunchbanyak of differentberbeda capabilitieskemampuan here.
264
638000
3000
memadukan sejumlah kemampuan yang berbeda di sini.
10:56
Here we'llbaik just createmembuat, in this linegaris,
265
641000
3000
Kita hanya perlu menciptakan, di baris ini,
10:59
a little userpengguna interfaceantarmuka that allowsmemungkinkan us to
266
644000
3000
sebuah antarmuka pengguna yang memperbolehkan kita untuk
11:02
do something funmenyenangkan there.
267
647000
2000
melakukan sesuatu yang keren.
11:05
If you go on, that's a slightlysedikit more complicatedrumit programprogram
268
650000
2000
Jika Anda melanjutkannya, masih ada sebuah program yang sedikit lebih rumit
11:07
that's now doing all sortsmacam of algorithmicalgoritma things
269
652000
3000
yang sekarang sedang melakukan segala macam algoritma
11:10
and creatingmenciptakan userpengguna interfaceantarmuka and so on.
270
655000
2000
dan menciptakan antarmuka pengguna dan sebagainya.
11:12
But it's something that is very precisetepat stuffbarang.
271
657000
3000
Tetapi itu semua sebuah hal yang sangatlah spesifik.
11:15
It's a precisetepat specificationSpesifikasi with a precisetepat formalresmi languagebahasa
272
660000
3000
Ini adalah spesifikasi yang tepat dengan bahasa formal yang tepat juga
11:18
that causespenyebab MathematicaMasternya to know what to do here.
273
663000
3000
yang membuat Mathematica tahu apa yang perlu dilakukan di sini.
11:21
Then on the other handtangan, we have WolframWolfram AlphaAlpha,
274
666000
3000
Di sisi yang lain, kita punya Wolfram Alpha,
11:24
with all the messinessmessiness of the worlddunia
275
669000
2000
dengan semua kekacauan yang ada di dunia
11:26
and humanmanusia languagebahasa and so on builtdibangun di into it.
276
671000
2000
dan bahasa manusia dan sebagainya, dibangun di dalamnya.
11:28
So what happensterjadi when you put these things togetherbersama?
277
673000
3000
Jadi apa yang terjadi ketika kita menggabungkan semua ini?
11:31
I think it's actuallysebenarnya ratheragak wonderfulhebat.
278
676000
2000
Saya rasa ini adalah sesuatu yang sangat indah.
11:33
With WolframWolfram AlphaAlpha insidedalam MathematicaMasternya,
279
678000
2000
Dengan Wolfram Alpha di dalam Mathematica,
11:35
you can, for examplecontoh, make precisetepat programsprogram
280
680000
2000
Anda dapat, contohnya, membuat program-program
11:37
that call on realnyata worlddunia datadata.
281
682000
2000
yang memanggil dan menggunakan data dunia nyata.
11:39
Here'sBerikut adalah a realnyata simplesederhana examplecontoh.
282
684000
2000
Ini sebuah contoh yang sangat sederhana.
11:44
You can alsojuga just sortmenyortir of give vaguesamar inputmemasukkan
283
689000
3000
Anda juga dapat memberikan masukan yang kurang jelas
11:47
and then try and have WolframWolfram AlphaAlpha
284
692000
2000
dan membiarkan Wolfram Alpha untuk mencoba
11:49
figureangka out what you're talkingpembicaraan about.
285
694000
2000
mengerti apa yang sedang Anda maksudkan.
11:51
Let's try this here.
286
696000
2000
Mari kita coba ini di sini.
11:53
But actuallysebenarnya I think the mostpaling excitingseru thing about this
287
698000
3000
Tetapi sebenarnya, saya pikir hal yang paling menarik dari semua ini
11:56
is that it really givesmemberi one the chancekesempatan
288
701000
2000
adalah bahwa hal ini memberikan seseorang kesempatan
11:58
to democratizemendemokrasikan programmingpemrograman.
289
703000
3000
untuk membuat pemrograman menjadi demokratis.
12:01
I mean, anyonesiapa saja will be ablesanggup to say what they want in plainpolos languagebahasa.
290
706000
3000
Maksud saya, semua orang hanya perlu mengatakan apa yang mereka mau dalam bahasa sehari-hari
12:04
Then, the ideaide is that WolframWolfram AlphaAlpha will be ablesanggup to figureangka out
291
709000
3000
lalu, idenya adalah, Wolfram Alpha akan dapat mengerti
12:07
what precisetepat piecespotongan of codekode
292
712000
2000
apa yang kode-kode spesifik
12:09
can do what they're askingmeminta for
293
714000
2000
dapat kerjakan untuk apa yang mereka minta
12:11
and then showmenunjukkan them examplescontoh that will let them pickmemilih what they need
294
716000
3000
lalu menunjukkan mereka contoh-contoh yang akan membiarkan mereka memilih apa yang mereka perlukan
12:14
to buildmembangun up biggerlebih besar and biggerlebih besar, precisetepat programsprogram.
295
719000
3000
untuk membangun program-program yang semakin besar dan tepat.
12:17
So, sometimesterkadang, WolframWolfram AlphaAlpha
296
722000
2000
Jadi, kadang-kadang, Wolfram Alpha
12:19
will be ablesanggup to do the wholeseluruh thing immediatelysegera
297
724000
2000
akan dapat mengerjakan semuanya secara langsung
12:21
and just give back a wholeseluruh bigbesar programprogram that you can then computemenghitung with.
298
726000
3000
dan akhirnya memberikan sebuah program besar yang dapat Anda hitung.
12:24
Here'sBerikut adalah a bigbesar websitesitus web
299
729000
2000
Jadi ini website yang sangat besar
12:26
where we'vekita sudah been collectingmengumpulkan lots of educationalpendidikan
300
731000
3000
di mana kita sedang mengumpulkan berbagai macam pendidikan
12:29
and other demonstrationsdemonstrasi about lots of kindsmacam of things.
301
734000
3000
demonstrasi tentang berbagai macam hal.
12:32
I'll showmenunjukkan you one examplecontoh here.
302
737000
3000
Jadi, saya tidak tahu, saya akan memberikan satu contoh kepada Anda, mungkin ini.
12:36
This is just an examplecontoh of one of these computablemultisektoral yang dapat dikomputasi documentsdokumen.
303
741000
3000
Ini hanyalah sebuah contoh dari salah satu dokumen di sini.
12:39
This is probablymungkin a fairlycukup smallkecil
304
744000
2000
Ini mungkin hanya sebagian kecil
12:41
piecebagian of MathematicaMasternya codekode
305
746000
2000
dari kode Mathematica
12:43
that's ablesanggup to be runmenjalankan here.
306
748000
2000
yang dapat dijalankan di sini.
12:47
Okay. Let's zoomzoom out again.
307
752000
3000
Ok. Mari kita mundur sedikit lagi.
12:50
So, givendiberikan our newbaru kindjenis of scienceilmu,
308
755000
2000
Jadi, dengan sains kita yang baru,
12:52
is there a generalumum way to use it to make technologyteknologi?
309
757000
3000
apakah ada sebuah cara yang lebih umum untuk menciptakan teknologi?
12:55
So, with physicalfisik materialsbahan,
310
760000
2000
Jadi, dengan bahan-bahan fisikal,
12:57
we're used to going around the worlddunia
311
762000
2000
kita terbiasa untuk menjelajahi dunia
12:59
and discoveringmenemukan that particulartertentu materialsbahan
312
764000
2000
dan menemukan bahwa bahan-bahan tertentu
13:01
are usefulberguna for particulartertentu
313
766000
2000
sangat berguna untuk tujuan
13:03
technologicalteknologi purposestujuan.
314
768000
2000
teknologi tertentu dan seterusnya.
13:05
Well, it turnsberubah out we can do very much the samesama kindjenis of thing
315
770000
2000
Jadi, ternyata, kita dapat melakukan hal yang mirip
13:07
in the computationalkomputasi universealam semesta.
316
772000
2000
di alam semesta komputasional.
13:09
There's an inexhaustibletak habis-habisnya supplymenyediakan of programsprogram out there.
317
774000
3000
Program-program yang ada di dalamnya tidak mungkin habis.
13:12
The challengetantangan is to see how to
318
777000
2000
Tantangannya adalah bagaimana kita
13:14
harnessmemanfaatkan them for humanmanusia purposestujuan.
319
779000
2000
dapat menggunakannya untuk tujuan-tujuan manusia.
13:16
Something like RuleAturan 30, for examplecontoh,
320
781000
2000
Sesuatu seperti Aturan 30, sebagai contoh,
13:18
turnsberubah out to be a really good randomnesskeserampangan generatorgenerator.
321
783000
2000
ternyata dapat digunakan untuk menghasilkan keacakan dengan baik.
13:20
Other simplesederhana programsprogram are good modelsmodel
322
785000
2000
Program-program sederhana lainnya adalah model yang baik
13:22
for processesproses in the naturalalam or socialsosial worlddunia.
323
787000
3000
untuk proses di alam atau dunia sosial.
13:25
And, for examplecontoh, WolframWolfram AlphaAlpha and MathematicaMasternya
324
790000
2000
Dan, contohnya, Wolfram Alpha dan Mathematica
13:27
are actuallysebenarnya now fullpenuh of algorithmsalgoritma
325
792000
2000
sekarang sebenarnya sangat penuh dengan algoritma-algoritma
13:29
that we discoveredditemukan by searchingmencari the computationalkomputasi universealam semesta.
326
794000
3000
yang kita temukan waktu kita mencari-cari di alam semesta komputasional.
13:33
And, for examplecontoh, this -- if we go back here --
327
798000
3000
Dan, contohnya, ini -- kita balik lagi ke sini --
13:37
this has becomemenjadi surprisinglyheran popularpopuler
328
802000
2000
Ini telah menjadi sesuatu yang populer
13:39
amongantara composerskomposer
329
804000
2000
di antara para penggubah lagu
13:41
findingtemuan musicalmusikal formsformulir by searchingmencari the computationalkomputasi universealam semesta.
330
806000
3000
untuk menemukan bentuk musikal dengan mencarinya di alam semesta komputasional.
13:45
In a sensemerasakan, we can use the computationalkomputasi universealam semesta
331
810000
2000
Dengan kata lain, kita dapat menggunakan alam semesta komputasional
13:47
to get massmassa customizeddisesuaikan creativitykreativitas.
332
812000
3000
untuk mendapatkan kreativitas yang dibentuk massa.
13:50
I'm hopingberharap we can, for examplecontoh,
333
815000
2000
Saya berharap kita dapat, contohnya,
13:52
use that even to get WolframWolfram AlphaAlpha
334
817000
2000
menggunakan Wolfram Alpha
13:54
to routinelysecara rutin do inventionpenemuan and discoverypenemuan on the flyterbang,
335
819000
3000
secara rutin untuk menciptakan dan menemukan hal-hal baru
13:57
and to find all sortsmacam of wonderfulhebat stuffbarang
336
822000
2000
dan untuk menemukan berbagai macam hal-hal yang indah
13:59
that no engineerinsinyur
337
824000
2000
yang tidak ada insinyur
14:01
and no processproses of incrementaltambahan evolutionevolusi would ever come up with.
338
826000
3000
dan tidak ada proses evolusi bertahap dapat ciptakan.
14:05
Well, so, that leadsmemimpin to kindjenis of an ultimateterakhir questionpertanyaan:
339
830000
3000
Jadi akhirnya ini semua berujung ke pertanyaan akhir.
14:08
Could it be that someplacetempat out there in the computationalkomputasi universealam semesta
340
833000
3000
Apakah ada sebuah tempat di alam semesta komputasional ini
14:11
we mightmungkin find our physicalfisik universealam semesta?
341
836000
3000
di mana kita dapat temukan alam semesta fisikal kita?
14:14
PerhapsMungkin there's even some quitecukup simplesederhana ruleaturan,
342
839000
2000
Bahkan mungkin ada beberapa aturan-aturan yang sederhana,
14:16
some simplesederhana programprogram for our universealam semesta.
343
841000
3000
sebuah program sederhana untuk alam semesta kita.
14:19
Well, the historysejarah of physicsfisika would have us believe
344
844000
2000
Sejarah fisika membuat kita percaya
14:21
that the ruleaturan for the universealam semesta mustharus be prettycantik complicatedrumit.
345
846000
3000
bahwa aturan alam semesta kita ini pasti rumit.
14:24
But in the computationalkomputasi universealam semesta,
346
849000
2000
Tetapi di alam semesta komputasional
14:26
we'vekita sudah now seenterlihat how rulesaturan that are incrediblyluar biasa simplesederhana
347
851000
3000
kita sekarang telah melihat bagaimana aturan-aturan yang sangat sederhana
14:29
can producemenghasilkan incrediblyluar biasa richkaya and complexkompleks behaviortingkah laku.
348
854000
3000
dapat menghasilkan perilaku yang beragam dan rumit.
14:32
So could that be what's going on with our wholeseluruh universealam semesta?
349
857000
3000
Jadi mungkinkah hal yang sama terjadi dengan alam semesta kita?
14:36
If the rulesaturan for the universealam semesta are simplesederhana,
350
861000
2000
Jika aturan-aturan untuk alam semesta sangatlah sederhana,
14:38
it's kindjenis of inevitabletak terelakkan that they have to be
351
863000
2000
tidak dapat dihindari bahwa mereka haruslah
14:40
very abstractabstrak and very lowrendah leveltingkat;
352
865000
2000
sangat abstrak dan sangat-sangat mendasar,
14:42
operatingoperasi, for examplecontoh, farjauh belowdi bawah
353
867000
2000
yang bekerja, seperti contoh, jauh di bawah
14:44
the leveltingkat of spaceruang or time,
354
869000
2000
tingkatan ruang dan waktu,
14:46
whichyang makesmembuat it hardkeras to representmewakili things.
355
871000
2000
yang membuatnya sulit untuk merepresentasikan benda-benda.
14:48
But in at leastpaling sedikit a largebesar classkelas of caseskasus,
356
873000
2000
Tetapi setidaknya di dalam sebuah kumpulan kasus-kasus yang besar,
14:50
one can think of the universealam semesta as beingmakhluk
357
875000
2000
kita dapat memikirkan alam semesta seperti
14:52
like some kindjenis of networkjaringan,
358
877000
2000
semacam jaringan,
14:54
whichyang, when it getsmendapat bigbesar enoughcukup,
359
879000
2000
yang, ketika jaringan ini menjadi cukup besar,
14:56
behavesberperilaku like continuouskontinu spaceruang
360
881000
2000
bertingkah laku seperti ruang yang kontinu
14:58
in much the samesama way as havingmemiliki lots of moleculesmolekul
361
883000
2000
mirip dengan kasus di mana molekul-molekul dengan jumlah yang banyak
15:00
can behavebertingkah like a continuouskontinu fluidcairan.
362
885000
2000
dapat bertindak seperti sebuah cairan yang kontinu.
15:02
Well, then the universealam semesta has to evolveberkembang by applyingmenerapkan
363
887000
3000
Jadi kalau begitu alam semesta harus berevolusi untuk menerapkan
15:05
little rulesaturan that progressivelysecara progresif updatememperbarui this networkjaringan.
364
890000
3000
aturan-aturan kecil yang terus meningkatkan kinerja jaringan ini.
15:08
And eachsetiap possiblemungkin ruleaturan, in a sensemerasakan,
365
893000
2000
Dan setiap aturan yang mungkin,
15:10
correspondssesuai to a candidatecalon universealam semesta.
366
895000
2000
terkait dengan sebuah kandidat alam semesta.
15:12
ActuallyBenar-benar, I haven'ttidak shownditunjukkan these before,
367
897000
3000
Sebenarnya, saya belum pernah menunjukkan ini sebelumnya,
15:16
but here are a fewbeberapa of the candidatecalon universesalam semesta
368
901000
3000
tapi ini beberapa dari kandidat alam semesta
15:19
that I've lookedtampak at.
369
904000
2000
yang sudah saya teliti.
15:21
Some of these are hopelessputus asa universesalam semesta,
370
906000
2000
Beberapa dari ini adalah alam semesta yang tidak mempunyai harapan,
15:23
completelysama sekali sterilesteril,
371
908000
2000
sama sekali steril,
15:25
with other kindsmacam of pathologiesPatologi like no notiongagasan of spaceruang,
372
910000
2000
dan hal-hal lain yang merusak seperti tidak ada gagasan ruang.
15:27
no notiongagasan of time, no mattermasalah,
373
912000
3000
tidak ada gagasan waktu, tidak ada
15:30
other problemsmasalah like that.
374
915000
2000
masalah seperti itu.
15:32
But the excitingseru thing that I've foundditemukan in the last fewbeberapa yearstahun
375
917000
3000
Tetapi hal yang menarik yang telah saya temukan dalam beberapa tahun terakhir ini
15:35
is that you actuallysebenarnya don't have to go very farjauh
376
920000
2000
adalah bahwa Anda sebenarnya tidak harus merantau jauh
15:37
in the computationalkomputasi universealam semesta
377
922000
2000
di dalam alam semesta komputasional
15:39
before you startmulai findingtemuan candidatecalon universesalam semesta
378
924000
2000
sebelum Anda menemukan kandidat alam semesta
15:41
that aren'ttidak obviouslyjelas not our universealam semesta.
379
926000
3000
yang tentunya bukan alam semesta kita.
15:44
Here'sBerikut adalah the problemmasalah:
380
929000
2000
Jadi masalahnya ini:
15:46
Any seriousserius candidatecalon for our universealam semesta
381
931000
3000
Kandidat alam semesta yang serius untuk alam semesta kita.
15:49
is inevitablymau tak mau fullpenuh of computationalkomputasi irreducibilityirreducibility.
382
934000
3000
tidak dapat luput dari komputasi yang tidak dapat dijabarkan,
15:52
WhichYang meanscara that it is irreduciblyirreducibly difficultsulit
383
937000
3000
artinya sangatlah sulit bagi kita
15:55
to find out how it will really behavebertingkah,
384
940000
2000
untuk menentukan perilaku kandidat itu sebenarnya,
15:57
and whetherapakah it matchespertandingan our physicalfisik universealam semesta.
385
942000
3000
dan apakah ia cocok dengan alam semesta fisikal kita.
16:01
A fewbeberapa yearstahun agolalu, I was prettycantik excitedgembira to discovermenemukan
386
946000
3000
Beberapa tahun yang lalu, saya cukup senang untuk menemukan
16:04
that there are candidatecalon universesalam semesta with incrediblyluar biasa simplesederhana rulesaturan
387
949000
3000
bahwa ada beberapa kandidat alam semesta dengan aturan-aturan yang benar-benar sederhana
16:07
that successfullyberhasil reproducebereproduksi specialkhusus relativityrelativitas,
388
952000
2000
yang dapat menghasilkan relativitas spesial secara sukses
16:09
and even generalumum relativityrelativitas and gravitationgravitasi,
389
954000
3000
dan bahkan relativitas umum dan gravitasi
16:12
and at leastpaling sedikit give hintspetunjuk of quantumkuantum mechanicsMekanika.
390
957000
3000
dan setidaknya memberikan tanda-tanda adanya mekanika kuantum.
16:15
So, will we find the wholeseluruh of physicsfisika?
391
960000
2000
Jadi, akankah kita menemukan semua fisika?
16:17
I don't know for sure,
392
962000
2000
Saya tidak tahu secara pasti.
16:19
but I think at this pointtitik it's sortmenyortir of
393
964000
2000
Tetapi saya pikir, di saat ini, sepertinya
16:21
almosthampir embarrassingmemalukan not to at leastpaling sedikit try.
394
966000
2000
cukup memalukan jika kita tidak mecobanya.
16:23
Not an easymudah projectproyek.
395
968000
2000
Bukan sebuah projek yang gampang.
16:25
One'sSalah satu got to buildmembangun a lot of technologyteknologi.
396
970000
2000
Kita harus merancang banyak teknologi.
16:27
One'sSalah satu got to buildmembangun a structurestruktur that's probablymungkin
397
972000
2000
Kita harus membangun sebuah struktur yang mungkin saja
16:29
at leastpaling sedikit as deepdalam as existingada physicsfisika.
398
974000
2000
sekurang-kurangnya sedalam fisika sekarang ini.
16:31
And I'm not sure what the bestterbaik way to organizemengatur the wholeseluruh thing is.
399
976000
3000
Dan saya tidak yakin apa cara terbaik untuk mengatur semua ini.
16:34
BuildMembangun a teamtim, openBuka it up, offermenawarkan prizeshadiah and so on.
400
979000
3000
Membangun sebuah tim, mengedarkannya, menawarkan hadiah-hadiah dan sebagainya.
16:37
But I'll tell you, here todayhari ini,
401
982000
2000
Tetapi saya mengatakan hal ini kepada Anda sekalian hari ini
16:39
that I'm committedberkomitmen to seeingmelihat this projectproyek doneselesai,
402
984000
2000
bahwa saya bertekad untuk melihat proyek ini selesai dilaksanakan,
16:41
to see if, withindalam this decadedasawarsa,
403
986000
3000
untuk melihat bahwa, di dalam dasawarsa ini,
16:44
we can finallyakhirnya holdmemegang in our handstangan
404
989000
2000
kita akhirnya dapat menggenggam
16:46
the ruleaturan for our universealam semesta
405
991000
2000
aturan dari alam semesta kita ini
16:48
and know where our universealam semesta lieskebohongan
406
993000
2000
dan tahu di mana alam semesta kita berada
16:50
in the spaceruang of all possiblemungkin universesalam semesta ...
407
995000
2000
di dalam himpunan dari semua alam semesta yang mungkin --
16:52
and be ablesanggup to typemengetik into WolframWolfram AlphaAlpha, "the theoryteori of the universealam semesta,"
408
997000
3000
dan juga dapat mengetik ke dalam Wolfram Alpha "teori alam semesta,"
16:55
and have it tell us.
409
1000000
2000
dan mendapat jawaban darinya.
16:57
(LaughterTawa)
410
1002000
2000
(Tertawa)
17:00
So I've been workingkerja on the ideaide of computationkomputasi
411
1005000
2000
Jadi saya telah bekerja dengan ide tentang komputasi ini
17:02
now for more than 30 yearstahun,
412
1007000
2000
sekarang selama lebih dari 30 tahun,
17:04
buildingbangunan toolsalat and methodsmetode and turningberputar intellectualintelektual ideaside ide
413
1009000
3000
membuat perkakas-perkakas dan metode-metode dan mengubah ide-ide
17:07
into millionsjutaan of linesgaris of codekode
414
1012000
2000
ke dalam jutaan baris kode
17:09
and gristmenggiling for serverServer farmspeternakan and so on.
415
1014000
2000
dan banyak server dan sebagainya.
17:11
With everysetiap passinglewat yeartahun,
416
1016000
2000
Dengan setiap tahun yang berlalu,
17:13
I realizemenyadari how much more powerfulkuat
417
1018000
2000
saya menyadari bagaimana begitu kuatnya
17:15
the ideaide of computationkomputasi really is.
418
1020000
2000
ide tentang komputasi yang sebenarnya.
17:17
It's takendiambil us a long way alreadysudah,
419
1022000
2000
Kita telah berjalan sangat jauh,
17:19
but there's so much more to come.
420
1024000
2000
tetapi masih banyak lagi hal-hal yang akan datang.
17:21
From the foundationsYayasan of scienceilmu
421
1026000
2000
Dari dasar-dasar sains
17:23
to the limitsbatas of technologyteknologi
422
1028000
2000
ke batas-batas teknologi
17:25
to the very definitiondefinisi of the humanmanusia conditionkondisi,
423
1030000
2000
ke definisi asli kondisi manusia,
17:27
I think computationkomputasi is destinedditakdirkan to be
424
1032000
2000
saya rasa komputasi ditakdirkan untuk menjadi
17:29
the definingmendefinisikan ideaide of our futuremasa depan.
425
1034000
2000
ide yang mendefinisikan masa depan kita.
17:31
Thank you.
426
1036000
2000
Terima kasih.
17:33
(ApplauseTepuk tangan)
427
1038000
14000
(Tepuk tangan)
17:47
ChrisChris AndersonAnderson: That was astonishingmengherankan.
428
1052000
2000
Chris Anderson: Itu sangat mengagumkan.
17:49
StayMenginap here. I've got a questionpertanyaan.
429
1054000
2000
Tetaplah di sini. Saya ada pertanyaan.
17:51
(ApplauseTepuk tangan)
430
1056000
4000
(Tepuk tangan)
17:57
So, that was, fairadil to say, an astonishingmengherankan talk.
431
1062000
3000
Jadi, itu sebuah ceramah yang sangat mengagumkan.
18:01
Are you ablesanggup to say in a sentencekalimat or two
432
1066000
3000
Apakah Anda dapat mengatakan dalam satu atau dua kalimat
18:04
how this typemengetik of thinkingberpikir
433
1069000
3000
bagaimana pemikiran seperti ini
18:07
could integratemengintegrasikan at some pointtitik
434
1072000
2000
dapat berintegrasi di suatu titik
18:09
to things like stringtali theoryteori or the kindjenis of things that people think of
435
1074000
2000
dengan hal-hal seperti teori string ataupun hal-hal yang orang-orang pikir
18:11
as the fundamentalmendasar explanationspenjelasan of the universealam semesta?
436
1076000
3000
sebagai penjelasan mendasar dari alam semesta?
18:14
StephenStephen WolframWolfram: Well, the partsbagian of physicsfisika
437
1079000
2000
Stephen Wolfram: Bagian-bagian dari fisika
18:16
that we kindjenis of know to be truebenar,
438
1081000
2000
yang kita tahu benar,
18:18
things like the standardstandar modelmodel of physicsfisika:
439
1083000
2000
ialah hal-hal seperti model standar fisika.
18:20
what I'm tryingmencoba to do better reproducebereproduksi the standardstandar modelmodel of physicsfisika
440
1085000
3000
Apa yang saya coba adalah untuk menghasilkan model standar dari fisika yang lebih baik
18:23
or it's simplysecara sederhana wrongsalah.
441
1088000
2000
atau membuktikan bahwa itu semua salah.
18:25
The things that people have triedmencoba to do in the last 25 yearstahun or so
442
1090000
2000
Hal-hal yang sedang orang-orang coba di dalam 25 tahun terakhir ini
18:27
with stringtali theoryteori and so on
443
1092000
2000
dengan teori string dan lain sebagainya
18:29
have been an interestingmenarik explorationeksplorasi
444
1094000
2000
adalah sebuah penjelajahan yang menarik
18:31
that has triedmencoba to get back to the standardstandar modelmodel,
445
1096000
3000
yang mencoba untuk kembali ke model standar,
18:34
but hasn'tbelum quitecukup gottensudah there.
446
1099000
2000
tetapi belum sampai di sana.
18:36
My guesskira is that some great simplificationspenyederhanaan of what I'm doing
447
1101000
3000
Dugaan saya adalah beberapa penyederhanaan yang saya buat
18:39
maymungkin actuallysebenarnya have considerablecukup resonanceresonansi
448
1104000
3000
mungkin sebenarnya mempunyai kemiripan
18:42
with what's been doneselesai in stringtali theoryteori,
449
1107000
2000
dengan apa yang sedang dikerjakan di teori string,
18:44
but that's a complicatedrumit mathmatematika thing
450
1109000
3000
tetapi itu merupakan persoalan matematika yang sangat rumit
18:47
that I don't yetnamun know how it's going to work out.
451
1112000
3000
yang saya belum tahu bagaimana semuanya dapat bekerja dengan lancar.
18:50
CACA: BenoitBenoit MandelbrotMandelbrot is in the audiencehadirin.
452
1115000
2000
CA: Benoit Mandlebrot juga salah satu penonton.
18:52
He alsojuga has shownditunjukkan how complexitykompleksitas
453
1117000
2000
Dia telah membuktikan bagaimana kompleksitas
18:54
can arisetimbul out of a simplesederhana startmulai.
454
1119000
2000
dapat timbul dari sebuah awal yang sederhana.
18:56
Does your work relateberhubungan to his?
455
1121000
2000
Apakah yang Anda lakukan berhubungan dengan hasil kerjanya?
18:58
SWDARI BARAT KE BARATDAYA: I think so.
456
1123000
2000
SW: Saya rasa demikian.
19:00
I viewmelihat BenoitBenoit Mandelbrot'sMandelbrot's work
457
1125000
2000
Saya menganggap hasil kerja Benoit Mandlebrot
19:02
as one of the foundingpendiri contributionskontribusi
458
1127000
3000
sebagai salah satu faktor penunjang awal
19:05
to this kindjenis of areadaerah.
459
1130000
3000
di area seperti ini.
19:08
BenoitBenoit has been particularlyterutama interestedtertarik
460
1133000
2000
Benoit tertarik
19:10
in nestedbersarang patternspola, in fractalsFractals and so on,
461
1135000
2000
pada pola-pola yang tersarang, fraktal dan sebagainya,
19:12
where the structurestruktur is something
462
1137000
2000
di mana strukturnya seperti sesuatu
19:14
that's kindjenis of tree-likeseperti pohon,
463
1139000
2000
yang menyerupai pohon,
19:16
and where there's sortmenyortir of a bigbesar branchcabang that makesmembuat little branchescabang
464
1141000
2000
dan di mana ada sebuah cabang besar yang membuat cabang-cabang yang kecil,
19:18
and even smallerlebih kecil branchescabang and so on.
465
1143000
3000
dan bahkan cabang yang lebih kecil dan seterusnya.
19:21
That's one of the wayscara
466
1146000
2000
Itu merupakan salah satu cara
19:23
that you get towardsmenuju truebenar complexitykompleksitas.
467
1148000
3000
untuk mendapatkan kompleksitas yang sesungguhnya.
19:26
I think things like the RuleAturan 30 cellularseluler automatonrobot
468
1151000
3000
Saya rasa hal seperti otomata seluar Aturan 30
19:29
get us to a differentberbeda leveltingkat.
469
1154000
2000
membawa kita ke tahapan yang berbeda.
19:31
In factfakta, in a very precisetepat way, they get us to a differentberbeda leveltingkat
470
1156000
3000
Bahkan, mereka membawa kita ke tahapan yang berbeda secara spesifik
19:34
because they seemterlihat to be things that are
471
1159000
2000
karena kelihatannya mereka adalah benda-benda yang
19:37
capablemampu of complexitykompleksitas
472
1162000
3000
mempunyai kapasitas kompleksitas
19:40
that's sortmenyortir of as great as complexitykompleksitas can ever get ...
473
1165000
3000
yang sangat rumit sekali.
19:44
I could go on about this at great lengthpanjangnya, but I won'tbiasa. (LaughterTawa) (ApplauseTepuk tangan)
474
1169000
3000
Saya tidak akan membahas hal ini lebih dalam lagi.
19:47
CACA: StephenStephen WolframWolfram, thank you.
475
1172000
2000
CA: Stephen Wolfram, terima kasih.
19:49
(ApplauseTepuk tangan)
476
1174000
2000
(Tepuk tangan)

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Stephen Wolfram | Speaker | TED.com