TEDxUIUC
Christoph Adami: Finding life we can't imagine
Christoph Adami: Trovare vita come non la immaginiamo
Filmed:
Readability: 3.7
652,149 views
Come cercare vita aliena se non è minimamente simile alla vita che conosciamo? A TEDxUIUC Christoph Adami mostra come usa le sue ricerche sulla vita artificiale -- programmi auto-replicanti -- per cercare una firma, un "marcatore biologicio", che sia libero dai nostro preconcetti su cosa sia la vita
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio
Double-click the English transcript below to play the video.
00:15
So I have a strange career.
0
0
2000
Dunque, io ho una carriera strana.
00:17
I know it because people come up to me, like colleagues,
1
2000
3000
Lo so perché la gente viene da me, tipo i colleghi,
00:20
and say, "Chris, you have a strange career."
2
5000
2000
e dice "Chris, tu hai una carriera strana."
00:22
(Laughter)
3
7000
2000
(Risate)
00:24
And I can see their point,
4
9000
2000
E capisco il loro punto
00:26
because I started my career
5
11000
2000
perché ho iniziato la mia carriera
00:28
as a theoretical nuclear physicist.
6
13000
2000
come fisico nucleare teorico.
00:30
And I was thinking about quarks and gluons
7
15000
2000
Pensavo a quarks, gluoni
00:32
and heavy ion collisions,
8
17000
2000
e collisioni di metalli pesanti,
00:34
and I was only 14 years old.
9
19000
2000
e avevo solo 14 anni.
00:36
No, no, I wasn't 14 years old.
10
21000
3000
No, no, non avevo 14 anni.
00:40
But after that,
11
25000
2000
Ma successivamente,
00:42
I actually had my own lab
12
27000
2000
in effetti ho avuto il mio laboratorio
00:44
in the computational neuroscience department,
13
29000
2000
nel dipartimento di neuroscienze computazionali
00:46
and I wasn't doing any neuroscience.
14
31000
2000
e certamente non facevo neuroscienza.
00:48
Later, I would work on evolutionary genetics,
15
33000
3000
Più tardi, avrei lavorato sulla genetica evolutiva,
00:51
and I would work on systems biology.
16
36000
2000
e avrei lavorato sulla biologia dei sistemi.
00:53
But I'm going to tell you about something else today.
17
38000
3000
Ma oggi sto per raccontarvi qualcos'altro.
00:56
I'm going to tell you
18
41000
2000
Sto per raccontarvi
00:58
about how I learned something about life.
19
43000
2000
come ho imparato qualcosa sulla vita.
01:00
And I was actually a rocket scientist.
20
45000
4000
[La vita, ma non come la consociamo] Ero uno ingegnere aerospaziale.
01:04
I wasn't really a rocket scientist,
21
49000
2000
Non ero proprio un ingegnere aerospaziale,
01:06
but I was working
22
51000
2000
ma lavoravo
01:08
at the Jet Propulsion Laboratory
23
53000
2000
al Jet Propulsion Laboratory
01:10
in sunny California where it's warm;
24
55000
3000
nell'assolata California, dove fa caldo;
01:13
whereas now I'm in the mid-West,
25
58000
2000
mentre ora sono nel mid-West,
01:15
and it's cold.
26
60000
2000
e fa freddo.
01:17
But it was an exciting experience.
27
62000
3000
Ma è stata un'esperienza appassionante.
01:20
One day a NASA manager comes into my office,
28
65000
3000
Un giorno un manager della NASA entra nel mio ufficio,
01:23
sits down and says,
29
68000
3000
si siede e mi chiede
01:26
"Can you please tell us,
30
71000
2000
"Per favore, ci puoi dire
01:28
how do we look for life outside Earth?"
31
73000
2000
come cercare vita fuori dalla Terra?"
01:30
And that came as a surprise to me,
32
75000
2000
E fu una vera sorpresa per me,
01:32
because I was actually hired
33
77000
2000
perché in effetti ero stato assunto
01:34
to work on quantum computation.
34
79000
2000
per lavorare sul calcolo quantistico.
01:36
Yet, I had a very good answer.
35
81000
2000
Però, diedi un'ottima risposta.
01:38
I said, "I have no idea."
36
83000
3000
Dissi: "Non ne ho idea".
01:41
And he told me, "Biosignatures,
37
86000
3000
E mi disse "Firme Biologiche,
01:44
we need to look for a biosignature."
38
89000
2000
dobbiamo cercare firme biologiche".
01:46
And I said, "What is that?"
39
91000
2000
E io dissi "Cosa sono?"
01:48
And he said, "It's any measurable phenomenon
40
93000
2000
E lui disse "È qualsiasi fenomeno misurabile
01:50
that allows us to indicate
41
95000
2000
che ci permette di indicare
01:52
the presence of life."
42
97000
2000
la presenza di vita".
01:54
And I said, "Really?
43
99000
2000
E io dissi "Veramente?
01:56
Because isn't that easy?
44
101000
2000
Non è troppo facile?
01:58
I mean, we have life.
45
103000
2000
Voglio dire, noi abbiamo la vita.
02:00
Can't you apply a definition,
46
105000
2000
Non potete applicare una definizione
02:02
like for example, a Supreme Court-like definition of life?"
47
107000
4000
come ad esempio, una definizione di vita stile Corte Suprema?" [La riconosco quando la vedo]
02:06
And then I thought about it a little bit, and I said,
48
111000
2000
E allora ci ho riflettuto un po', e ho detto
02:08
"Well, is it really that easy?
49
113000
2000
"Bene, è veramente così facile?
02:10
Because, yes, if you see something like this,
50
115000
3000
Perché, sì, se vedete qualcosa come questo,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
allora certo, bene, la chiamerò vita --
02:15
no doubt about it.
52
120000
2000
nessun dubbio.
02:17
But here's something."
53
122000
2000
Ma ecco un'altra cosa".
02:19
And he goes, "Right, that's life too. I know that."
54
124000
3000
E prosegue "Bene, anche questa è vita. Lo so".
02:22
Except, if you think life is also defined
55
127000
2000
Eccetto che, se pensate che la vita si definisca anche
02:24
by things that die,
56
129000
2000
con le cose che muoiono
02:26
you're not in luck with this thing,
57
131000
2000
su questa cosa non sei stato fortunato,
02:28
because that's actually a very strange organism.
58
133000
2000
perché in realtà è un organismo molto strano.
02:30
It grows up into the adult stage like that
59
135000
2000
Cresce fino allo stadio adulto come questo
02:32
and then goes through a Benjamin Button phase,
60
137000
3000
e poi attraversa una fase alla Benjamin Button,
02:35
and actually goes backwards and backwards
61
140000
2000
e in effetti torna indietro e indietro
02:37
until it's like a little embryo again,
62
142000
2000
finché diventa di nuovo un embrione,
02:39
and then actually grows back up, and back down and back up -- sort of yo-yo --
63
144000
3000
e poi cresce di nuovo, e avanti e indietro -- una specie di yo-yo --
02:42
and it never dies.
64
147000
2000
e non muore mai.
02:44
So it's actually life,
65
149000
2000
Quindi in effetti è vita,
02:46
but it's actually not
66
151000
2000
ma in realtà non è
02:48
as we thought life would be.
67
153000
3000
la vita come pensavamo che fosse.
02:51
And then you see something like that.
68
156000
2000
E poi vedete qualcosa come questa.
02:53
And he was like, "My God, what kind of a life form is that?"
69
158000
2000
E dite " Mio Dio, che forma di vita è questa?"
02:55
Anyone know?
70
160000
2000
Nessuno lo sa?
02:57
It's actually not life, it's a crystal.
71
162000
3000
In effetti non è vita, è un cristallo.
03:00
So once you start looking and looking
72
165000
2000
Quindi una volta che iniziate a osservare e osservare
03:02
at smaller and smaller things --
73
167000
2000
cose sempre più piccole --
03:04
so this particular person
74
169000
2000
questa persona in particolare
03:06
wrote a whole article and said, "Hey, these are bacteria."
75
171000
3000
ha scritto un intero articolo per dire "Ehi, questi sono batteri".
03:09
Except, if you look a little bit closer,
76
174000
2000
Però, se guardate più da vicino,
03:11
you see, in fact, that this thing is way too small to be anything like that.
77
176000
3000
vedete, in effetti, che questa cosa è troppo piccola per essere niente di tutto ciò.
03:14
So he was convinced,
78
179000
2000
Quindi lui era convinto,
03:16
but, in fact, most people aren't.
79
181000
2000
ma, in effetti, la maggioranza non lo era.
03:18
And then, of course,
80
183000
2000
E poi, ovviamente,
03:20
NASA also had a big announcement,
81
185000
2000
la NASA fece un grande annuncio,
03:22
and President Clinton gave a press conference,
82
187000
2000
e il Presidente Clinton tenne una conferenza stampa,
03:24
about this amazing discovery
83
189000
2000
su questa scoperta incredibile
03:26
of life in a Martian meteorite.
84
191000
3000
della presenza di vita su un meteorite marziano.
03:29
Except that nowadays, it's heavily disputed.
85
194000
4000
Salvo che oggi, è pesantemente in dubbio.
03:33
If you take the lesson of all these pictures,
86
198000
3000
Se avete imparato da tutte queste foto,
03:36
then you realize, well actually maybe it's not that easy.
87
201000
2000
allora vi renderete conto che in realtà non è così facile.
03:38
Maybe I do need
88
203000
2000
Forse ho davvero bisogno
03:40
a definition of life
89
205000
2000
di una definizione di vita
03:42
in order to make that kind of distinction.
90
207000
2000
per poter fare questo tipo di distinzione.
03:44
So can life be defined?
91
209000
2000
Quindi la vita può essere definita?
03:46
Well how would you go about it?
92
211000
2000
Voi come fareste?
03:48
Well of course,
93
213000
2000
Beh certo,
03:50
you'd go to Encyclopedia Britannica and open at L.
94
215000
2000
andreste sull'Enciclopedia Britannica alla lettera V.
03:52
No, of course you don't do that; you put it somewhere in Google.
95
217000
3000
No, certo non fareste così: lo cerchereste su Google.
03:55
And then you might get something.
96
220000
3000
E potreste trovare qualcosa.
03:58
And what you might get --
97
223000
2000
E quello che potreste ottenere --
04:00
and anything that actually refers to things that we are used to,
98
225000
2000
e qualsiasi cosa si riferisca alla cose cui siamo abituati,
04:02
you throw away.
99
227000
2000
le gettate via.
04:04
And then you might come up with something like this.
100
229000
2000
Poi potreste trovare una cosa come questa.
04:06
And it says something complicated
101
231000
2000
Dice qualcosa di complicato
04:08
with lots and lots of concepts.
102
233000
2000
con tantissimi concetti.
04:10
Who on Earth would write something
103
235000
2000
Chi diavolo scriverebbe una cosa
04:12
as convoluted and complex
104
237000
2000
così contorta, complessa
04:14
and inane?
105
239000
3000
e vaga?
04:17
Oh, it's actually a really, really, important set of concepts.
106
242000
4000
Oh, in effetti è una serie di concetti molto importanti.
04:21
So I'm highlighting just a few words
107
246000
3000
Allora evidenzio solo qualche parola
04:24
and saying definitions like that
108
249000
2000
e dico che definizioni come questa
04:26
rely on things that are not based
109
251000
2000
dipendono da cose che non sono basate
04:28
on amino acids or leaves
110
253000
3000
su aminoacidi o foglie
04:31
or anything that we are used to,
111
256000
2000
o niente cui siamo abituati,
04:33
but in fact on processes only.
112
258000
2000
ma di fatto solo su processi.
04:35
And if you take a look at that,
113
260000
2000
E se date un'occhiata,
04:37
this was actually in a book that I wrote that deals with artificial life.
114
262000
3000
questa è in realtà in un libro che ho scritto sulla vita artificiale.
04:40
And that explains why
115
265000
2000
E questo spiega perché
04:42
that NASA manager was actually in my office to begin with.
116
267000
3000
quel dirigente della Nasa era nel mio ufficio, tanto per cominciare.
04:45
Because the idea was that, with concepts like that,
117
270000
3000
Perché l'idea era che, con concetti come questi,
04:48
maybe we can actually manufacture
118
273000
2000
magari potremmo fabbricare
04:50
a form of life.
119
275000
2000
una forma di vita.
04:52
And so if you go and ask yourself,
120
277000
3000
E se vi chiedeste
04:55
"What on Earth is artificial life?",
121
280000
2000
"Che diavolo è la vita artificiale?",
04:57
let me give you a whirlwind tour
122
282000
2000
vi faccio fare un giro veloce
04:59
of how all this stuff came about.
123
284000
2000
di come questa cosa è venuta fuori.
05:01
And it started out quite a while ago
124
286000
3000
È iniziato tutto un po' di tempo fa
05:04
when someone wrote
125
289000
2000
quando qualcuno in Nuova Zelanda ha scritto
05:06
one of the first successful computer viruses.
126
291000
2000
uno dei primi virus per computer di successo.
05:08
And for those of you who aren't old enough,
127
293000
3000
E per quelli di voi che non sono abbastanza grandi,
05:11
you have no idea how this infection was working --
128
296000
3000
che non hanno idea di come l'infezione funzionava --
05:14
namely, through these floppy disks.
129
299000
2000
per essere precisi, tramite questi floppy disk.
05:16
But the interesting thing about these computer virus infections
130
301000
3000
Ma la cosa interessante di queste infezioni da virus informatici
05:19
was that, if you look at the rate
131
304000
2000
era che, se guardate la velocità
05:21
at which the infection worked,
132
306000
2000
con cui l'infezione si propagava,
05:23
they show this spiky behavior
133
308000
2000
mostra questo comportamento a picchi
05:25
that you're used to from a flu virus.
134
310000
3000
a cui siamo abituati nei virus influenzali.
05:28
And it is in fact due to this arms race
135
313000
2000
In effetti si deve a questa guerra agli armamenti
05:30
between hackers and operating system designers
136
315000
3000
tra hackers e creatori di sistemi operativi
05:33
that things go back and forth.
137
318000
2000
il fatto che le cose vadano avanti e indietro.
05:35
And the result is kind of a tree of life
138
320000
2000
E il risultato è questa sorta di albero della vita
05:37
of these viruses,
139
322000
2000
di questi virus,
05:39
a phylogeny that looks very much
140
324000
3000
una filogenesi che somiglia molto
05:42
like the type of life that we're used to, at least on the viral level.
141
327000
3000
al tipo di vita cui siamo abituati, almeno a livello virale.
05:45
So is that life? Not as far as I'm concerned.
142
330000
3000
È dunque vita questa? Non per quanto mi riguarda.
05:48
Why? Because these things don't evolve by themselves.
143
333000
3000
Perché? Perché queste cose non evolvono da sole.
05:51
In fact, they have hackers writing them.
144
336000
2000
Di fatto, ci sono hacker che li scrivono.
05:53
But the idea was taken very quickly a little bit further
145
338000
4000
Ma l'idea è stata spinta oltre molto rapidamente
05:57
when a scientist working at the Scientific Institute decided,
146
342000
3000
quando uno scienziato dello Scientific Insitute decise
06:00
"Why don't we try to package these little viruses
147
345000
3000
"Perchè non proviamo a impacchettare questi virus
06:03
in artificial worlds inside of the computer
148
348000
2000
in mondi artificiali all'interno di un computer
06:05
and let them evolve?"
149
350000
2000
e li lasciamo evolvere?"
06:07
And this was Steen Rasmussen.
150
352000
2000
Questo era Steen Rasmussen.
06:09
And he designed this system, but it really didn't work,
151
354000
2000
E ha progettato questo sistema, ma non funzionava proprio,
06:11
because his viruses were constantly destroying each other.
152
356000
3000
perché i suoi virus continuavano a distruggersi l'un l'altro.
06:14
But there was another scientist who had been watching this, an ecologist.
153
359000
3000
Ma c'era un'altro scienziato che seguiva tutto ciò, un ecologista.
06:17
And he went home and says, "I know how to fix this."
154
362000
3000
Tornò a casa dicendo "So come sistemarla".
06:20
And he wrote the Tierra system,
155
365000
2000
E scrisse il Tierra System,
06:22
and, in my book, is in fact one of the first
156
367000
3000
che, nel mio libro, è in effetti uno dei primi
06:25
truly artificial living systems --
157
370000
2000
sistemi viventi davvero artificiali --
06:27
except for the fact that these programs didn't really grow in complexity.
158
372000
3000
se non fosse che questi programmi non crescevano realmente in complessità.
06:30
So having seen this work, worked a little bit on this,
159
375000
3000
A quel punto, dopo averlo visto funzionare, averci lavorato un po',
06:33
this is where I came in.
160
378000
2000
sono arrivato io.
06:35
And I decided to create a system
161
380000
2000
E ho deciso di creare un sistema
06:37
that has all the properties that are necessary
162
382000
2000
che abbia tutte le proprietà necessarie
06:39
to see the evolution of complexity,
163
384000
3000
per osservare l'evoluzione della complessità,
06:42
more and more complex problems constantly evolving.
164
387000
3000
problemi sempre più complessi che si evolvono.
06:45
And of course, since I really don't know how to write code, I had help in this.
165
390000
3000
Naturalmente, dato che non so realmente scrivere codice, mi hanno aiutato.
06:48
I had two undergraduate students
166
393000
2000
Avevo due studenti
06:50
at California Institute of Technology that worked with me.
167
395000
3000
al Califorina Institute of Technology che lavoravano con me.
06:53
That's Charles Offria on the left, Titus Brown on the right.
168
398000
3000
A sinistra Charles Offria, a destra Titus Brown.
06:56
They are now actually respectable professors
169
401000
3000
In realtà ora sono due rispettabili professori
06:59
at Michigan State University,
170
404000
2000
alla Michigan State University,
07:01
but I can assure you, back in the day,
171
406000
2000
ma vi posso assicurare che, a quell'epoca,
07:03
we were not a respectable team.
172
408000
2000
non eravamo un gruppo rispettabile.
07:05
And I'm really happy that no photo survives
173
410000
2000
E sono felice che non sopravviva da nessuna parte
07:07
of the three of us anywhere close together.
174
412000
3000
alcuna foto di noi tre insieme.
07:10
But what is this system like?
175
415000
2000
Ma che aspetto ha questo sistema?
07:12
Well I can't really go into the details,
176
417000
3000
Beh, non posso andare proprio del dettaglio,
07:15
but what you see here is some of the entrails.
177
420000
2000
ma qui potete vedere le sue viscere.
07:17
But what I wanted to focus on
178
422000
2000
Ma quello su cui voglio concentrarmi
07:19
is this type of population structure.
179
424000
2000
è questo tipo di struttura della popolazione.
07:21
There's about 10,000 programs sitting here.
180
426000
3000
Ci sono circa 10.000 programmi seduti qui.
07:24
And all different strains are colored in different colors.
181
429000
3000
Ogni varietà viene identificata da un colore diverso.
07:27
And as you see here, there are groups that are growing on top of each other,
182
432000
3000
E vedete qui, ci sono gruppi che crescono l'uno sull'altro,
07:30
because they are spreading.
183
435000
2000
perché si estendono.
07:32
Any time there is a program
184
437000
2000
Ogni volta che c'è un programma
07:34
that's better at surviving in this world,
185
439000
2000
migliore nel sopravvivere in questo mondo,
07:36
due to whatever mutation it has acquired,
186
441000
2000
dovuto a qualunque mutazione abbia acquisito,
07:38
it is going to spread over the others and drive the others to extinction.
187
443000
3000
si espanderà sugli altri e porterà gli altri all'estinzione.
07:41
So I'm going to show you a movie where you're going to see that kind of dynamic.
188
446000
3000
Vi mostrerò un filmato dove vedrete questo tipo di dinamica.
07:44
And these kinds of experiments are started
189
449000
3000
Questo tipo di esperimenti ha inizio
07:47
with programs that we wrote ourselves.
190
452000
2000
con programmi che abbiamo scritto noi.
07:49
We write our own stuff, replicate it,
191
454000
2000
Ce li scriviamo noi, li replichiamo,
07:51
and are very proud of ourselves.
192
456000
2000
e ne siamo orgogliosi.
07:53
And we put them in, and what you see immediately
193
458000
3000
Li mettiamo dentro, e quello che vedete immediatamente
07:56
is that there are waves and waves of innovation.
194
461000
3000
è che ci sono onde e onde di innovazione.
07:59
By the way, this is highly accelerated,
195
464000
2000
A proposito, questo è molto accellerato,
08:01
so it's like a thousand generations a second.
196
466000
2000
si tratta quindi di un migliaio di generazioni al secondo.
08:03
But immediately the system goes like,
197
468000
2000
Immediatamente il sistema si chiede
08:05
"What kind of dumb piece of code was this?
198
470000
2000
"Che pezzo di strano codice è questo?
08:07
This can be improved upon in so many ways
199
472000
2000
Si può migliorare in così tanti modi
08:09
so quickly."
200
474000
2000
così rapidamente".
08:11
So you see waves of new types
201
476000
2000
Vedete quindi ondate di nuovi tipi
08:13
taking over the other types.
202
478000
2000
che prendono il sopravvento sugli altri.
08:15
And this type of activity goes on for quite awhile,
203
480000
3000
Questo tipo di attività prosegue per un po',
08:18
until the main easy things have been acquired by these programs.
204
483000
4000
finché le cose essenziali vengono acquisite da questi programmi.
08:22
And then you see sort of like a stasis coming on
205
487000
4000
E poi sopraggiunge una specie di stasi
08:26
where the system essentially waits
206
491000
2000
dove il sistema sostanzialmente aspetta
08:28
for a new type of innovation, like this one,
207
493000
3000
un nuovo tipo di innovazione, come questa,
08:31
which is going to spread
208
496000
2000
che si diffonde
08:33
over all the other innovations that were before
209
498000
2000
su tutte le altre innovazioni di prima
08:35
and is erasing the genes that it had before,
210
500000
3000
e cancella i geni che aveva prima,
08:38
until a new type of higher level of complexity has been achieved.
211
503000
4000
finché si ottiene un nuovo tipo di complessità più elevata.
08:42
And this process goes on and on and on.
212
507000
3000
E questo processo continua ad andare avanti.
08:45
So what we see here
213
510000
2000
Quello che vediamo qui
08:47
is a system that lives
214
512000
2000
è un sistema che vive
08:49
in very much the way we're used to life [going.]
215
514000
2000
nel modo in cui siamo abituati a vedere la vita.
08:51
But what the NASA people had asked me really
216
516000
4000
Ma quello che i ragazzi della NASA mi avevano chiesto in realtà
08:55
was, "Do these guys
217
520000
2000
era "Questi ragazzi
08:57
have a biosignature?
218
522000
2000
hanno un firma bilogica?
08:59
Can we measure this type of life?
219
524000
2000
Possiamo misurare questo tipo di vita?
09:01
Because if we can,
220
526000
2000
Perché se possiamo,
09:03
maybe we have a chance of actually discovering life somewhere else
221
528000
3000
forse abbiamo la possibilità di scoprire la vita da qualche altra parte
09:06
without being biased
222
531000
2000
senza essere prevenuti
09:08
by things like amino acids."
223
533000
2000
da cose come gli aminoacidi".
09:10
So I said, "Well, perhaps we should construct
224
535000
3000
Ho quindi detto "Bene, forse dovremmo costruire
09:13
a biosignature
225
538000
2000
una firma biologica
09:15
based on life as a universal process.
226
540000
3000
basata sulla vita come processo universale.
09:18
In fact, it should perhaps make use
227
543000
2000
In realtà, forse dovrebbe fare uso
09:20
of the concepts that I developed
228
545000
2000
dei concetti che ho sviluppato
09:22
just in order to sort of capture
229
547000
2000
solo allo scopo di catturare
09:24
what a simple living system might be."
230
549000
2000
quello che potrebbe essere un semplice sistema vivente".
09:26
And the thing I came up with --
231
551000
2000
E quello che ho tirato fuori --
09:28
I have to first give you an introduction about the idea,
232
553000
4000
prima devo introdurvi un po' l'idea,
09:32
and maybe that would be a meaning detector,
233
557000
3000
e forse sarebbe un rilevatore di senso,
09:35
rather than a life detector.
234
560000
3000
più che un rilevatore di vita.
09:38
And the way we would do that --
235
563000
2000
E il modo in cui farlo --
09:40
I would like to find out how I can distinguish
236
565000
2000
vorrei scoprire come possiamo distinguere
09:42
text that was written by a million monkeys,
237
567000
2000
testo scritto da un milione di scimmie,
09:44
as opposed to text that [is] in our books.
238
569000
3000
rispetto al testo che è nei nostri libri.
09:47
And I would like to do it in such a way
239
572000
2000
E vorrei farlo in modo che
09:49
that I don't actually have to be able to read the language,
240
574000
2000
io non debba essere in grado di leggere la lingua,
09:51
because I'm sure I won't be able to.
241
576000
2000
perché sono sicuro che non sarei in grado.
09:53
As long as I know that there's some sort of alphabet.
242
578000
2000
L'importante è che io sappia che c'è un alfabeto.
09:55
So here would be a frequency plot
243
580000
3000
Ecco qui un grafico sulla frequenza
09:58
of how often you find
244
583000
2000
in cui trovate
10:00
each of the 26 letters of the alphabet
245
585000
2000
ognuna delle 26 lettere dell'alfabeto
10:02
in a text written by random monkeys.
246
587000
3000
in un testo scritto a caso da scimmie.
10:05
And obviously each of these letters
247
590000
2000
E ovviamente ognuna di queste lettere
10:07
comes off about roughly equally frequent.
248
592000
2000
compare più o meno con la stessa frequenza.
10:09
But if you now look at the same distribution in English texts,
249
594000
4000
Ma se osservate la stessa distribuzione nei testi inglesi,
10:13
it looks like that.
250
598000
2000
assomiglia a questo.
10:15
And I'm telling you, this is very robust across English texts.
251
600000
3000
E vi assicuro, è accertato nei testi inglesi.
10:18
And if I look at French texts, it looks a little bit different,
252
603000
2000
E se guardo i testi francesi c'è qualche differenza,
10:20
or Italian or German.
253
605000
2000
o quelli italiani o tedeschi.
10:22
They all have their own type of frequency distribution,
254
607000
3000
Hanno tutti la loro distribuzione di frequenza,
10:25
but it's robust.
255
610000
2000
ma è accertato.
10:27
It doesn't matter whether it writes about politics or about science.
256
612000
3000
Non importa se si scrive di politica o di scienza.
10:30
It doesn't matter whether it's a poem
257
615000
3000
Non importa che sia un poema
10:33
or whether it's a mathematical text.
258
618000
3000
o un testo matematico.
10:36
It's a robust signature,
259
621000
2000
È un'impronta forte,
10:38
and it's very stable.
260
623000
2000
ed è molto stabile.
10:40
As long as our books are written in English --
261
625000
2000
Finché i nostri libri sono scritti in inglese --
10:42
because people are rewriting them and recopying them --
262
627000
3000
perché la gente li riscrive e li ricopia --
10:45
it's going to be there.
263
630000
2000
ci troveremo questo.
10:47
So that inspired me to think about,
264
632000
2000
Questo mi ha spinto a pensare
10:49
well, what if I try to use this idea
265
634000
3000
di utilizzare questa idea
10:52
in order, not to detect random texts
266
637000
2000
allo scopo non di distinguere testi casuali
10:54
from texts with meaning,
267
639000
2000
da testi con un significato,
10:56
but rather detect the fact that there is meaning
268
641000
4000
ma piuttosto a identificare un significato
11:00
in the biomolecules that make up life.
269
645000
2000
nelle biomolecole che formano la vita.
11:02
But first I have to ask:
270
647000
2000
Ma prima devo chiedere:
11:04
what are these building blocks, like the alphabet, elements that I showed you?
271
649000
3000
quali sono i mattoni, come l'alfabeto, gli elementi che vi ho mostrato?
11:07
Well it turns out, we have many different alternatives
272
652000
3000
Salta fuori che ci sono diverse alternative
11:10
for such a set of building blocks.
273
655000
2000
per una tale serie di mattoni.
11:12
We could use amino acids,
274
657000
2000
Potremmo usare gli aminoacidi,
11:14
we could use nucleic acids, carboxylic acids, fatty acids.
275
659000
3000
potremmo usare gli acidi nucleici, gli acidi carbossilici, gli acidi grassi.
11:17
In fact, chemistry's extremely rich, and our body uses a lot of them.
276
662000
3000
In effetti la chimica è estremamente ricca, e il nostro corpo ne usa molti.
11:20
So that we actually, to test this idea,
277
665000
3000
Quindi, per verificare questa idea,
11:23
first took a look at amino acids and some other carboxylic acids.
278
668000
3000
prima ho osservato gli aminoacidi e qualche altro acido carbossilico.
11:26
And here's the result.
279
671000
2000
Ed ecco il risultato.
11:28
Here is, in fact, what you get
280
673000
3000
Ecco qui, di fatto, quello che si ottiene
11:31
if you, for example, look at the distribution of amino acids
281
676000
3000
se per esempio guardate la distribuzione degli aminoacidi
11:34
on a comet or in interstellar space
282
679000
3000
su una cometa o nello spazio interstellare
11:37
or, in fact, in a laboratory,
283
682000
2000
o, di fatto, in un laboratorio
11:39
where you made very sure that in your primordial soup
284
684000
2000
dove prima ci si è assicurati che nel brodo primordiale
11:41
that there is not living stuff in there.
285
686000
2000
non ci sia nessuna forma di vita.
11:43
What you find is mostly glycine and then alanine
286
688000
3000
Quello che trovate è principalmente glicine e poi alanina
11:46
and there's some trace elements of the other ones.
287
691000
3000
e ci sono tracce di alcuni degli altri elementi.
11:49
That is also very robust --
288
694000
3000
Anche questo è accertato --
11:52
what you find in systems like Earth
289
697000
3000
quello che trovate in sistemi come la Terra
11:55
where there are amino acids,
290
700000
2000
dove ci sono aminoacidi,
11:57
but there is no life.
291
702000
2000
ma non c'è vita.
11:59
But suppose you take some dirt
292
704000
2000
Ma supponete di prendere della terra
12:01
and dig through it
293
706000
2000
e scavarci dentro
12:03
and then put it into these spectrometers,
294
708000
3000
e poi metterla in questi spettrometri,
12:06
because there's bacteria all over the place;
295
711000
2000
perché ci sono batteri ovunque;
12:08
or you take water anywhere on Earth,
296
713000
2000
o prendete dell'acqua in qualsiasi parte della Terra,
12:10
because it's teaming with life,
297
715000
2000
perché va di pari passo con la vita,
12:12
and you make the same analysis;
298
717000
2000
e fate la stessa analisi;
12:14
the spectrum looks completely different.
299
719000
2000
lo spettro appare completamente diverso.
12:16
Of course, there is still glycine and alanine,
300
721000
4000
Certo, ci sono sempre glicine e alanina,
12:20
but in fact, there are these heavy elements, these heavy amino acids,
301
725000
3000
ma di fatto, ci sono questi elementi pesanti, questi pesanti aminoacidi,
12:23
that are being produced
302
728000
2000
che vengono prodotti
12:25
because these are valuable to the organism.
303
730000
2000
perché sono importanti per l'organismo.
12:27
And some other ones
304
732000
2000
E altri ancora,
12:29
that are not used in the set of 20,
305
734000
2000
tra i 20, che non vengono usati,
12:31
they will not appear at all
306
736000
2000
che non appariranno per niente,
12:33
in any type of concentration.
307
738000
2000
in nessuna concentrazione.
12:35
So this also turns out to be extremely robust.
308
740000
2000
Quindi anche questo si rivela essere accertato.
12:37
It doesn't matter what kind of sediment you're using to grind up,
309
742000
3000
Non importa che tipo di sedimento usate per sminuzzare,
12:40
whether it's bacteria or any other plants or animals.
310
745000
3000
che siano batteri o qualunque altra pianta o animale.
12:43
Anywhere there's life,
311
748000
2000
Ovunque ci sia vita,
12:45
you're going to have this distribution,
312
750000
2000
otterrete questa distribuzione,
12:47
as opposed to that distribution.
313
752000
2000
invece di quella distribuzione.
12:49
And it is detectable not just in amino acids.
314
754000
3000
Ed è rilevabile non solo negli aminoacidi.
12:52
Now you could ask:
315
757000
2000
Potreste chiedervi:
12:54
well, what about these Avidians?
316
759000
2000
bene, e questi Avidian?
12:56
The Avidians being the denizens of this computer world
317
761000
4000
Gli Avidian sono i cittadini di questo mondo informatico
13:00
where they are perfectly happy replicating and growing in complexity.
318
765000
3000
dove sono assolutamente felici replicandosi e crescendo in complessità.
13:03
So this is the distribution that you get
319
768000
3000
Questa è la distribuzione che ottenete
13:06
if, in fact, there is no life.
320
771000
2000
se, di fatto, non c'è vita.
13:08
They have about 28 of these instructions.
321
773000
3000
Hanno circa 28 di queste istruzioni.
13:11
And if you have a system where they're being replaced one by the other,
322
776000
3000
E se avete un sistema dove gli uni sostituiscono gli altri,
13:14
it's like the monkeys writing on a typewriter.
323
779000
2000
è come avere delle scimmie che scrivono con una macchina da scrivere.
13:16
Each of these instructions appears
324
781000
3000
Ognuna di queste istruzioni compare
13:19
with roughly the equal frequency.
325
784000
3000
con pressapoco la stessa frequenza.
13:22
But if you now take a set of replicating guys
326
787000
4000
Ma se prendete una serie di cose che si replicano
13:26
like in the video that you saw,
327
791000
2000
come nel video che avete visto,
13:28
it looks like this.
328
793000
2000
assomiglia a questo.
13:30
So there are some instructions
329
795000
2000
Ci sono alcune istruzioni
13:32
that are extremely valuable to these organisms,
330
797000
2000
che sono molto importanti per questi organismi,
13:34
and their frequency is going to be high.
331
799000
3000
e la loro frequenza sarà molto alta.
13:37
And there's actually some instructions
332
802000
2000
E ci sono in realtà alcune istruzioni
13:39
that you only use once, if ever.
333
804000
2000
usate una volta sola, se è tanto.
13:41
So they are either poisonous
334
806000
2000
Quindi o sono velenose
13:43
or really should be used at less of a level than random.
335
808000
4000
o dovrebbero veramente essere usate solo casualmente o meno.
13:47
In this case, the frequency is lower.
336
812000
3000
In questo caso, la frequenza è più bassa.
13:50
And so now we can see, is that really a robust signature?
337
815000
3000
Quindi ora possiamo controllare, questa è una firma accertata?
13:53
I can tell you indeed it is,
338
818000
2000
Posso dirvi con certezza che lo è,
13:55
because this type of spectrum, just like what you've seen in books,
339
820000
3000
perché questo tipo di spettro, così come avete visto nei libri,
13:58
and just like what you've seen in amino acids,
340
823000
2000
e così come avete visto negli aminoacidi,
14:00
it doesn't really matter how you change the environment, it's very robust;
341
825000
3000
non importa più come cambiate l'ambiente, è accertato;
14:03
it's going to reflect the environment.
342
828000
2000
rifletterà l'ambiente circostante.
14:05
So I'm going to show you now a little experiment that we did.
343
830000
2000
Ora vi farò vedere un piccolo esperimento che abbiamo fatto.
14:07
And I have to explain to you,
344
832000
2000
Devo spiegarvi un po',
14:09
the top of this graph
345
834000
2000
la parte alta di questo grafico
14:11
shows you that frequency distribution that I talked about.
346
836000
3000
mostra quella distribuzione di frequenza di cui vi ho parlato.
14:14
Here, in fact, that's the lifeless environment
347
839000
3000
Ora, in effetti, è l'ambiente privo di vita
14:17
where each instruction occurs
348
842000
2000
dove ogni istruzione si verifica
14:19
at an equal frequency.
349
844000
2000
con uguale frequenza.
14:21
And below there, I show, in fact,
350
846000
3000
E lì sotto mostro, in effetti,
14:24
the mutation rate in the environment.
351
849000
3000
il tasso di mutazione dell'ambiente.
14:27
And I'm starting this at a mutation rate that is so high
352
852000
3000
Inizio ad un tasso di mutazione che è talmente alto
14:30
that, even if you would drop
353
855000
2000
che, anche se inserite
14:32
a replicating program
354
857000
2000
un programma che si replica
14:34
that would otherwise happily grow up
355
859000
2000
che continuerebbe a crescere felicemente
14:36
to fill the entire world,
356
861000
2000
fino a riempire il mondo intero,
14:38
if you drop it in, it gets mutated to death immediately.
357
863000
4000
se lo inserite, muterà fino alla morte immediatamente.
14:42
So there is no life possible
358
867000
2000
Non c'è possibilità di vita
14:44
at that type of mutation rate.
359
869000
3000
a quel tasso di mutazione.
14:47
But then I'm going to slowly turn down the heat, so to speak,
360
872000
4000
Ma poi abbasserò il riscaldamento, per così dire,
14:51
and then there's this viability threshold
361
876000
2000
e c'è questa soglia di vitalità
14:53
where now it would be possible
362
878000
2000
dove ora per un replicatore
14:55
for a replicator to actually live.
363
880000
2000
è possibile vivere.
14:57
And indeed, we're going to be dropping these guys
364
882000
3000
E davvero, inseriremo continuamente questi
15:00
into that soup all the time.
365
885000
2000
nel brodo.
15:02
So let's see what that looks like.
366
887000
2000
Vediamo a cosa assomiglia.
15:04
So first, nothing, nothing, nothing.
367
889000
3000
Prima, niente, niente, niente.
15:07
Too hot, too hot.
368
892000
2000
Troppo caldo, troppo caldo.
15:09
Now the viability threshold is reached,
369
894000
3000
Ora la soglia di vitalità viene raggiunta,
15:12
and the frequency distribution
370
897000
2000
e la distribuzione di frequenza
15:14
has dramatically changed and, in fact, stabilizes.
371
899000
3000
è cambiata radicalmente, di fatto si stabilizza.
15:17
And now what I did there
372
902000
2000
Quello che ho fatto qui, ora,
15:19
is, I was being nasty, I just turned up the heat again and again.
373
904000
3000
sono stato un po' cattivo, ho alzato il riscaldamento ancora e ancora.
15:22
And of course, it reaches the viability threshold.
374
907000
3000
E ovviamente si raggiunge la soglia di vitalità.
15:25
And I'm just showing this to you again because it's so nice.
375
910000
3000
Ve lo mostro ancora perché è così bello.
15:28
You hit the viability threshold.
376
913000
2000
Raggiungete la soglia di vitalità.
15:30
The distribution changes to "alive!"
377
915000
2000
La distribuzione diventa "vivo!"
15:32
And then, once you hit the threshold
378
917000
3000
E poi, una volta che avete raggiunto la soglia
15:35
where the mutation rate is so high
379
920000
2000
dove il tasso di mutazione è così alto
15:37
that you cannot self-reproduce,
380
922000
2000
che non potete auto-riprodurvi,
15:39
you cannot copy the information
381
924000
3000
non potetre trasmettere le informazioni
15:42
forward to your offspring
382
927000
2000
alla vostra prole
15:44
without making so many mistakes
383
929000
2000
senza fare tanti errori
15:46
that your ability to replicate vanishes.
384
931000
3000
tali per cui la vostra abilità nel replicarvi svanisce.
15:49
And then that signature is lost.
385
934000
3000
E poi la firma si perde.
15:52
What do we learn from that?
386
937000
2000
Cosa impariamo da questo?
15:54
Well, I think we learn a number of things from that.
387
939000
4000
Credo che impariamo un certo numero di cose.
15:58
One of them is,
388
943000
2000
Una di queste,
16:00
if we are able to think about life
389
945000
3000
se siamo capaci di pensare alla vita
16:03
in abstract terms --
390
948000
2000
in termini astratti --
16:05
and we're not talking about things like plants,
391
950000
2000
e non stiamo parlando di cose come le piante,
16:07
and we're not talking about amino acids,
392
952000
2000
e non stiamo parlando di aminoacidi,
16:09
and we're not talking about bacteria,
393
954000
2000
e non stiamo parlando di batteri,
16:11
but we think in terms of processes --
394
956000
2000
ma pensiamo in termini di processi --
16:13
then we could start to think about life,
395
958000
3000
poi potremo pensare alla vita,
16:16
not as something that is so special to Earth,
396
961000
2000
non a qualcosa di così speciale sulla terra,
16:18
but that, in fact, could exist anywhere.
397
963000
3000
ma che, di fatto, potrebbe esistere ovunque.
16:21
Because it really only has to do
398
966000
2000
Perché ha veramente a che fare
16:23
with these concepts of information,
399
968000
2000
con quei concetti di informazione,
16:25
of storing information
400
970000
2000
di immagazzinamento dell'informazione
16:27
within physical substrates --
401
972000
2000
all'interno dei substrati fisici --
16:29
anything: bits, nucleic acids,
402
974000
2000
qualunque cosa: bit, acidi nucleici,
16:31
anything that's an alphabet --
403
976000
2000
qualunque cosa assomigli a un alfabeto --
16:33
and make sure that there's some process
404
978000
2000
e assicuratevi che ci sia un qualche processo
16:35
so that this information can be stored
405
980000
2000
così che l'informazione possa essere immagazzinata
16:37
for much longer than you would expect
406
982000
2000
più a lungo di quanto possiate aspettarvi
16:39
the time scales for the deterioration of information.
407
984000
4000
che sia necessario per il deterioramento delle informazioni.
16:43
And if you can do that,
408
988000
2000
E se riuscite a farlo,
16:45
then you have life.
409
990000
2000
allora ottenete la vita.
16:47
So the first thing that we learn
410
992000
2000
Quindi la prima cosa che si impara
16:49
is that it is possible to define life
411
994000
3000
è che è possibile definire la vita
16:52
in terms of processes alone,
412
997000
3000
in termini di soli processi,
16:55
without referring at all
413
1000000
2000
senza fare per niente riferimento
16:57
to the type of things that we hold dear,
414
1002000
2000
al tipo di cose a cui siamo legati,
16:59
as far as the type of life on Earth is.
415
1004000
3000
come il tipo di vita che c'è sulla Terra.
17:02
And that in a sense removes us again,
416
1007000
3000
E questo in un certo senso ci allontana ancora una volta,
17:05
like all of our scientific discoveries, or many of them --
417
1010000
3000
come per tutte le scoperte scientifiche, o molte di loro --
17:08
it's this continuous dethroning of man --
418
1013000
2000
è questo continuo detronizzare l'essere umano --
17:10
of how we think we're special because we're alive.
419
1015000
3000
per cui pensiamo di essere speciali perché siamo vivi.
17:13
Well we can make life. We can make life in the computer.
420
1018000
3000
Possiamo creare la vita. Possiamo creare la vita in un computer.
17:16
Granted, it's limited,
421
1021000
2000
Ve lo concedo, è limitato,
17:18
but we have learned what it takes
422
1023000
3000
ma abbiamo imparato quello che ci vuole
17:21
in order to actually construct it.
423
1026000
2000
per costruirla realmente.
17:23
And once we have that,
424
1028000
3000
E una volta che abbiamo questo,
17:26
then it is not such a difficult task anymore
425
1031000
3000
non è più un compito così difficile
17:29
to say, if we understand the fundamental processes
426
1034000
4000
dire, se capiamo i processi fondamentali
17:33
that do not refer to any particular substrate,
427
1038000
3000
che non si riferiscono a nessun substrato particolare,
17:36
then we can go out
428
1041000
2000
allora possiamo andare lontano
17:38
and try other worlds,
429
1043000
2000
e provare altri mondi,
17:40
figure out what kind of chemical alphabets might there be,
430
1045000
4000
scoprire che tipo di alfabeto chimico ci potrebbe essere,
17:44
figure enough about the normal chemistry,
431
1049000
2000
scoprire abbastanza della chimica classica,
17:46
the geochemistry of the planet,
432
1051000
3000
la geochimica del pianeta,
17:49
so that we know what this distribution would look like
433
1054000
2000
così da sapere a cosa assomiglia questa distribuzione
17:51
in the absence of life,
434
1056000
2000
in assenza di vta,
17:53
and then look for large deviations from this --
435
1058000
3000
e cercarne ampie deviazioni --
17:56
this thing sticking out, which says,
436
1061000
3000
questa cosa che spicca, che dice
17:59
"This chemical really shouldn't be there."
437
1064000
2000
"Questa sostanza chimica non dovrebbe proprio esserci".
18:01
Now we don't know that there's life then,
438
1066000
2000
A quel punto ancora non sappiamo che c'è vita,
18:03
but we could say,
439
1068000
2000
ma potremmo dire,
18:05
"Well at least I'm going to have to take a look very precisely at this chemical
440
1070000
3000
"Bene, come minimo dovrò dare un'occhiata molto attenta a questa sostanza chimica
18:08
and see where it comes from."
441
1073000
2000
e vedere da dove viene".
18:10
And that might be our chance
442
1075000
2000
E potrebbe essere la nostra opportunità
18:12
of actually discovering life
443
1077000
2000
di scoprire realmente la vita
18:14
when we cannot visibly see it.
444
1079000
2000
dove non possiamo vederla fisicamente.
18:16
And so that's really the only take-home message
445
1081000
3000
Questo è veramente il messaggio da portarvi a casa
18:19
that I have for you.
446
1084000
2000
che ho per voi.
18:21
Life can be less mysterious
447
1086000
2000
La vita può essere meno misteriosa
18:23
than we make it out to be
448
1088000
2000
di quanto pensiamo
18:25
when we try to think about how it would be on other planets.
449
1090000
4000
quando cerchiamo di pensare a come potrebbe essere su altri pianeti.
18:29
And if we remove the mystery of life,
450
1094000
3000
E se togliamo il mistero della vita,
18:32
then I think it is a little bit easier
451
1097000
3000
credo che sia un po' più facile
18:35
for us to think about how we live,
452
1100000
2000
pensare a come viviamo,
18:37
and how perhaps we're not as special as we always think we are.
453
1102000
3000
e come forse non siamo così speciali come pensiamo.
18:40
And I'm going to leave you with that.
454
1105000
2000
Vi lascerò con questo.
18:42
And thank you very much.
455
1107000
2000
E grazie molte.
18:44
(Applause)
456
1109000
2000
(Applausi)
ABOUT THE SPEAKER
Christoph Adami - Artificial life researcherChristoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.
Why you should listen
Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.
He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook.
Christoph Adami | Speaker | TED.com