TED2016
Cédric Villani: What's so sexy about math?
Cédric Villani: Cos'ha di sexy la matematica?
Filmed:
Readability: 4.4
2,006,708 views
Le verità nascoste permeano il mondo; sono inaccessibili ai nostri sensi, ma la matematica ci permette di andare oltre la nostra intuizione per scoprire i suoi misteri. In questa indagine sulle scoperte matematiche, il vincitore del Field Medal Cédric Villani parla del brivido della scoperta e descrive la vita talvolta misteriosa di un matematico. "Le belle spiegazioni matematiche non sono solo per piacere," dice. "Cambiano la nostra visione del mondo."
Cédric Villani - Mathematician
Cédric Villani tackles perplexing problems in mathematical physics, analysis and geometry with rigor, wit and a signature personal style. Full bio
Cédric Villani tackles perplexing problems in mathematical physics, analysis and geometry with rigor, wit and a signature personal style. Full bio
Double-click the English transcript below to play the video.
00:12
What is it that French people
do better than all the others?
do better than all the others?
0
804
4412
Che cosa fanno i francesi
meglio di tutti gli altri?
meglio di tutti gli altri?
00:18
If you would take polls,
1
6454
1926
Se facessimo un sondaggio,
00:20
the top three answers might be:
2
8404
1807
le prime tre risposte sarebbero:
00:22
love, wine and whining.
3
10235
4039
l'amore, il vino, e i piagnistei.
00:26
(Laughter)
4
14298
1301
(Risate)
00:27
Maybe.
5
15623
1159
Forse.
00:29
But let me suggest a fourth one:
6
17530
2338
Ma lasciatemi suggerirne una quarta:
00:31
mathematics.
7
19892
1190
la matematica.
00:33
Did you know that Paris
has more mathematicians
has more mathematicians
8
21760
2853
Sapevate che a Parigi
ci sono più matematici
ci sono più matematici
00:36
than any other city in the world?
9
24637
1801
che in ogni altra città al mondo?
00:38
And more streets
with mathematicians' names, too.
with mathematicians' names, too.
10
26801
2494
E anche più strade con nomi
di matematici famosi.
di matematici famosi.
00:42
And if you look at the statistics
of the Fields Medal,
of the Fields Medal,
11
30215
3449
Se guardate le statistiche
del Fields Medal,
del Fields Medal,
00:45
often called the Nobel Prize
for mathematics,
for mathematics,
12
33688
2493
spesso denominato
Premio Nobel per la matematica,
Premio Nobel per la matematica,
00:48
and always awarded to mathematicians
below the age of 40,
below the age of 40,
13
36205
3932
che ha sempre premiato
matematici sotto i 40 anni,
matematici sotto i 40 anni,
00:52
you will find that France has more
Fields medalists per inhabitant
Fields medalists per inhabitant
14
40161
3887
scoprirete che la Francia
ha più premiati per abitante
ha più premiati per abitante
00:56
than any other country.
15
44072
1168
di qualunque altro paese.
00:58
What is it that we find so sexy in math?
16
46286
2954
Cosa c'è di così sexy nella matematica?
01:02
After all, it seems to be
dull and abstract,
dull and abstract,
17
50153
3204
Dopotutto, sembra essere
noiosa e astratta,
noiosa e astratta,
01:05
just numbers and computations
and rules to apply.
and rules to apply.
18
53381
3483
solo numeri, calcoli
e regole da applicare.
e regole da applicare.
01:10
Mathematics may be abstract,
19
58518
2112
La matematica può essere astratta,
01:12
but it's not dull
20
60654
1151
ma non è noiosa
01:13
and it's not about computing.
21
61829
1729
e non è solo calcolo.
01:16
It is about reasoning
22
64178
1747
È ragionamento
01:17
and proving our core activity.
23
65949
2260
e dimostrazione
della nostra attività principale.
della nostra attività principale.
01:20
It is about imagination,
24
68513
1522
È immaginazione,
01:22
the talent which we most praise.
25
70059
2019
il talento che dobbiamo elogiare.
01:24
It is about finding the truth.
26
72102
2101
È ricerca della verità.
01:27
There's nothing like the feeling
which invades you
which invades you
27
75613
2737
Non c'è niente come la sensazione
che vi invade dopo mesi
di complicate riflessioni,
di complicate riflessioni,
01:30
when after months of hard thinking,
28
78374
2171
01:32
you finally understand the right
reasoning to solve your problem.
reasoning to solve your problem.
29
80569
3298
quando finalmente si capisce
il ragionamento giusto
per risolvere il problema.
per risolvere il problema.
01:37
The great mathematician
André Weil likened this --
André Weil likened this --
30
85042
3576
Il grande matematico André Weil
lo paragonava --
lo paragonava --
01:40
no kidding --
31
88642
1151
non scherzo --
01:41
to sexual pleasure.
32
89817
1589
al piacere sessuale.
01:44
But noted that this feeling
can last for hours, or even days.
can last for hours, or even days.
33
92197
5341
Ma faceva notare che questa sensazione
può durare ore, o giorni.
può durare ore, o giorni.
01:50
The reward may be big.
34
98804
1853
Il premio può essere grande.
01:53
Hidden mathematical truths
permeate our whole physical world.
permeate our whole physical world.
35
101325
3864
Le verità matematiche nascoste
permeano l'intero mondo fisico.
permeano l'intero mondo fisico.
01:57
They are inaccessible to our senses
36
105680
2670
Sono inaccessibili ai nostri sensi
02:00
but can be seen
through mathematical lenses.
through mathematical lenses.
37
108374
2724
ma possono essere viste
attraverso lenti matematiche.
attraverso lenti matematiche.
02:04
Close your eyes for moment
38
112092
1592
Chiudete gli occhi per un momento
02:05
and think of what is occurring
right now around you.
right now around you.
39
113708
3475
e pensate a cosa succede
proprio ora intorno a voi.
proprio ora intorno a voi.
02:10
Invisible particles from the air
around are bumping on you
around are bumping on you
40
118337
3493
Particelle invisibili nell'aria
vi rimbalzano addosso
vi rimbalzano addosso
02:13
by the billions and billions
at each second,
at each second,
41
121854
2733
a miliardi al secondo,
02:16
all in complete chaos.
42
124611
2063
in un caos completo.
02:19
And still,
43
127049
1151
Eppure,
02:20
their statistics can be accurately
predicted by mathematical physics.
predicted by mathematical physics.
44
128224
4688
le loro statistiche possono essere
accuratamente previste
accuratamente previste
dalla fisica matematica.
02:25
And open your eyes now
45
133715
2792
Ora aprite gli occhi
02:28
to the statistics of the velocities
of these particles.
of these particles.
46
136531
3310
alle statistiche sulla velocità
di queste particelle.
di queste particelle.
02:32
The famous bell-shaped Gauss Curve,
47
140510
3240
La famosa Curva di Gauss
a forma di campana,
a forma di campana,
02:35
or the Law of Errors --
48
143774
2181
o Curva degli Errori --
02:37
of deviations with respect
to the mean behavior.
to the mean behavior.
49
145979
2722
della distribuzione
rispetto al comportamento principale.
rispetto al comportamento principale.
02:41
This curve tells about the statistics
of velocities of particles
of velocities of particles
50
149550
4302
Questa curva segna la statistica
della velocità delle particelle
della velocità delle particelle
02:45
in the same way as a demographic curve
51
153876
2539
esattamente come una curva demografica
02:48
would tell about the statistics
of ages of individuals.
of ages of individuals.
52
156439
3841
ci mostra la statistica
sull'età degli individui.
sull'età degli individui.
02:52
It's one of the most
important curves ever.
important curves ever.
53
160884
2650
È una delle curve più importanti.
02:56
It keeps on occurring again and again,
54
164137
3186
Continua a riproporsi,
02:59
from many theories and many experiments,
55
167347
2403
su tante teorie e tanti esperimenti,
03:01
as a great example of the universality
56
169774
3281
come grande esempio di universalità
03:05
which is so dear to us mathematicians.
57
173079
3552
che piace tanto a noi matematici.
03:09
Of this curve,
58
177694
1227
Di questa curva,
03:10
the famous scientist Francis Galton said,
59
178945
3049
il famoso scienziato Francis Galton
ha detto,
ha detto,
03:14
"It would have been deified by the Greeks
if they had known it.
if they had known it.
60
182018
4524
"Sarebbe stata divinizzata
dai Greci se l'avessero saputo.
dai Greci se l'avessero saputo.
03:19
It is the supreme law of unreason."
61
187064
3351
È la legge suprema dell'irrazionalità."
03:23
And there's no better way to materialize
that supreme goddess than Galton's Board.
that supreme goddess than Galton's Board.
62
191818
6602
Non c'è modo migliore di materializzare
quella divinità suprema
quella divinità suprema
della Macchina di Galton.
03:31
Inside this board are narrow tunnels
63
199774
3197
Dentro questa tabellone
ci sono stretti tunnel
ci sono stretti tunnel
03:34
through which tiny balls
will fall down randomly,
will fall down randomly,
64
202995
4628
attraverso cui cadono
casualmente delle palline,
casualmente delle palline,
03:40
going right or left, or left, etc.
65
208295
5387
che vanno a destra
o sinistra, o sinistra, ecc.
o sinistra, o sinistra, ecc.
03:46
All in complete randomness and chaos.
66
214139
3251
Tutte completamente a caso.
03:50
Let's see what happens when we look
at all these random trajectories together.
at all these random trajectories together.
67
218085
6080
Vediamo cosa succede se osserviamo
tutte queste traiettorie casuali.
tutte queste traiettorie casuali.
03:56
(Board shaking)
68
224189
5435
(Scuote il tabellone )
04:01
This is a bit of a sport,
69
229648
2844
È un po' uno sport,
04:04
because we need to resolve
some traffic jams in there.
some traffic jams in there.
70
232516
4870
perché dobbiamo districarci nel traffico.
04:11
Aha.
71
239715
1150
Aha.
04:13
We think that randomness
is going to play me a trick on stage.
is going to play me a trick on stage.
72
241313
3587
Pensiamo che la casualità mi tirerà
un brutto scherzo sul palco.
un brutto scherzo sul palco.
04:19
There it is.
73
247609
1463
Eccolo.
04:22
Our supreme goddess of unreason.
74
250382
2583
La dea suprema dell'irrazionalità,
04:24
the Gauss Curve,
75
252989
1519
la curva di Gauss,
04:26
trapped here inside this transparent box
as Dream in "The Sandman" comics.
as Dream in "The Sandman" comics.
76
254532
6452
intrappolata
in questa scatola trasparente
in questa scatola trasparente
come Sogno
nel fumetto "The Sandman".
nel fumetto "The Sandman".
04:34
For you I have shown it,
77
262623
2698
A voi l'ho mostrato,
04:37
but to my students I explain why
it could not be any other curve.
it could not be any other curve.
78
265345
5285
ma ai miei studenti spiego perché
non potrebbe essere nessun'altra curva.
non potrebbe essere nessun'altra curva.
04:43
And this is touching
the mystery of that goddess,
the mystery of that goddess,
79
271128
2870
Tutto questo tocca
il mistero della divinità,
il mistero della divinità,
04:46
replacing a beautiful coincidence
by a beautiful explanation.
by a beautiful explanation.
80
274022
4701
che sostituisce
una bellissima coincidenza
una bellissima coincidenza
con una bellissima spiegazione.
04:51
All of science is like this.
81
279027
2333
Tutta la scienza è così.
04:54
And beautiful mathematical explanations
are not only for our pleasure.
are not only for our pleasure.
82
282213
5348
Le belle spiegazioni matematiche
non sono solo per piacere.
non sono solo per piacere.
04:59
They also change our vision of the world.
83
287585
2660
Cambiano anche
la nostra visione del mondo.
la nostra visione del mondo.
05:03
For instance,
84
291040
1237
Per esempio.
05:04
Einstein,
85
292301
1150
Einstein,
05:05
Perrin,
86
293476
1150
Perrin,
05:06
Smoluchowski,
87
294651
1150
Smoluchowski,
05:07
they used the mathematical analysis
of random trajectories
of random trajectories
88
295826
3559
hanno usato l'analisi matematica
delle traiettorie casuali
delle traiettorie casuali
05:11
and the Gauss Curve
89
299409
2037
e la Curva di Gauss
05:13
to explain and prove that our
world is made of atoms.
world is made of atoms.
90
301470
4928
per spiegare e dimostrare
che il nostro mondo è fatto di atomi.
che il nostro mondo è fatto di atomi.
05:19
It was not the first time
91
307524
1802
Non era la prima volta
05:21
that mathematics was revolutionizing
our view of the world.
our view of the world.
92
309350
3390
che la matematica rivoluzionava
la nostra visione del mondo.
la nostra visione del mondo.
05:25
More than 2,000 years ago,
93
313555
2212
Più di 2000 anni fa,
05:27
at the time of the ancient Greeks,
94
315791
2610
all'epoca degli antichi Greci,
05:31
it already occurred.
95
319502
1479
succedeva già.
05:33
In those days,
96
321827
1286
All'epoca,
05:35
only a small fraction of the world
had been explored,
had been explored,
97
323137
3283
era stata esplorata
solo una frazione del mondo,
solo una frazione del mondo,
05:38
and the Earth might have seemed infinite.
98
326444
3042
e la Terra doveva sembrare infinita.
05:42
But clever Eratosthenes,
99
330034
1767
Ma l'intelligente Eratostene,
05:43
using mathematics,
100
331825
1417
usando la matematica,
05:45
was able to measure the Earth
with an amazing accuracy of two percent.
with an amazing accuracy of two percent.
101
333266
5111
fu in grado di misurare la Terra
con un errore del due per cento.
con un errore del due per cento.
05:51
Here's another example.
102
339969
1416
Ecco un altro esempio.
05:54
In 1673, Jean Richer noticed
103
342238
3805
Nel 1673, Jean Richer notò
05:58
that a pendulum swings slightly
slower in Cayenne than in Paris.
slower in Cayenne than in Paris.
104
346067
6912
che un pendolo oscilla leggermente
più piano a Cayenne che a Parigi.
più piano a Cayenne che a Parigi.
06:06
From this observation alone,
and clever mathematics,
and clever mathematics,
105
354350
4400
Solo da questa osservazione,
e un po' di matematica,
e un po' di matematica,
06:10
Newton rightly deduced
106
358774
2306
Newton dedusse giustamente
06:13
that the Earth is a wee bit
flattened at the poles,
flattened at the poles,
107
361104
5541
che la Terra è leggermente piatta ai poli,
06:18
like 0.3 percent --
108
366669
1601
uno 0,3 per cento --
06:20
so tiny that you wouldn't even
notice it on the real view of the Earth.
notice it on the real view of the Earth.
109
368843
4413
così poco che non si noterebbe
dalla visione della Terra.
dalla visione della Terra.
06:26
These stories show that mathematics
110
374276
3928
Queste storie dimostrano
che la matematica
che la matematica
06:30
is able to make us go out of our intuition
111
378228
4762
è in grado di farci andare
oltre l'intuizione
oltre l'intuizione
06:35
measure the Earth which seems infinite,
112
383512
3485
di farci misurare la Terra
che sembra infinita,
che sembra infinita,
06:39
see atoms which are invisible
113
387021
2294
vedere atomi che sono invisibili
06:41
or detect an imperceptible
variation of shape.
variation of shape.
114
389339
3381
o rilevare un'impercettibile
variazione di forma.
variazione di forma.
06:44
And if there is just one thing that you
should take home from this talk,
should take home from this talk,
115
392744
3847
Se c'è una cosa che dovreste
portarvi a casa da questo intervento,
portarvi a casa da questo intervento,
06:48
it is this:
116
396615
1194
è questo:
06:49
mathematics allows us
to go beyond the intuition
to go beyond the intuition
117
397833
4378
la matematica ci permette
di andare oltre l'intuizione
di andare oltre l'intuizione
06:54
and explore territories
which do not fit within our grasp.
which do not fit within our grasp.
118
402235
4249
e esplorare territori
al di fuori della nostra portata.
al di fuori della nostra portata.
06:59
Here's a modern example
you will all relate to:
you will all relate to:
119
407609
2999
Un esempio moderno facile da capire:
07:03
searching the Internet.
120
411362
1667
la ricerca su Internet.
07:06
The World Wide Web,
121
414037
1342
Il World Wide Web,
07:07
more than one billion web pages --
122
415403
1804
più di un miliardo di pagine web --
le volete passare in rassegna tutte?
07:09
do you want to go through them all?
123
417231
1674
07:11
Computing power helps,
124
419660
1802
La potenza di calcolo aiuta,
07:13
but it would be useless without
the mathematical modeling
the mathematical modeling
125
421486
3186
ma sarebbe inutile
senza il modello matematico
senza il modello matematico
07:16
to find the information
hidden in the data.
hidden in the data.
126
424696
2563
per trovare le informazioni
nascoste nei dati.
nascoste nei dati.
07:20
Let's work out a baby problem.
127
428491
2379
Risolviamo un piccolo problema.
07:23
Imagine that you're a detective
working on a crime case,
working on a crime case,
128
431872
3807
Immaginate di essere un detective
che lavora su un crimine,
che lavora su un crimine,
07:27
and there are many people
who have their version of the facts.
who have their version of the facts.
129
435703
3788
con tante persone
con versioni diverse dei fatti.
con versioni diverse dei fatti.
07:32
Who do you want to interview first?
130
440032
1745
Chi interrogate per primo?
07:34
Sensible answer:
131
442681
1915
Risposta semplice:
07:36
prime witnesses.
132
444620
1437
il testimone principale.
07:38
You see,
133
446878
1234
Vedete,
07:40
suppose that there is person number seven,
134
448136
4220
immaginate che ci sia
una persona numero sette,
una persona numero sette,
07:44
tells you a story,
135
452380
1151
vi racconta una storia,
07:45
but when you ask where he got if from,
136
453555
2014
ma quando chiedete dove l'ha sentita,
07:47
he points to person
number three as a source.
number three as a source.
137
455593
3036
indica come fonte la persona numero tre.
07:50
And maybe person number three, in turn,
138
458653
2068
E magari la persona numero tre,
a sua volta,
a sua volta,
07:52
points at person number one
as the primary source.
as the primary source.
139
460745
3696
indica la persona numero uno
come fonte primaria.
come fonte primaria.
07:56
Now number one is a prime witness,
140
464465
1661
La numero uno è il testimone principale,
07:58
so I definitely want
to interview him -- priority
to interview him -- priority
141
466150
3238
quindi voglio assolutamente
interrogarla -- priorità
interrogarla -- priorità
08:02
And from the graph
142
470148
1151
E dal grafico
08:03
we also see that person
number four is a prime witness.
number four is a prime witness.
143
471323
3228
vediamo anche che la persona quattro
è un testimone principale.
è un testimone principale.
08:06
And maybe I even want
to interview him first,
to interview him first,
144
474575
2443
E forse voglio addirittura
interrogarla per prima,
interrogarla per prima,
08:09
because there are more
people who refer to him.
people who refer to him.
145
477042
2359
perché più persone si riferiscono a lei.
08:12
OK, that was easy,
146
480354
2664
Ok, questa era facile,
08:15
but now what about if you have
a big bunch of people who will testify?
a big bunch of people who will testify?
147
483042
5246
ma se avete un mucchio di persone
a testimoniare?
a testimoniare?
08:20
And this graph,
148
488864
1352
Questo grafico,
08:22
I may think of it as all people
who testify in a complicated crime case,
who testify in a complicated crime case,
149
490240
5619
posso vederlo come tutte le persone
che testimoniano
in un caso criminale complicato,
in un caso criminale complicato,
08:27
but it may just as well be web pages
pointing to each other,
pointing to each other,
150
495883
4022
ma possono anche essere pagine web
che puntano una all'altra,
che puntano una all'altra,
08:31
referring to each other for contents.
151
499929
2071
che si riferiscono
una all'altra per contenuti.
una all'altra per contenuti.
08:34
Which ones are the most authoritative?
152
502878
2336
Quali sono le più autorevoli?
08:37
Not so clear.
153
505587
1334
Non è chiaro.
08:40
Enter PageRank,
154
508091
1900
Cercate PageRank,
08:42
one of the early cornerstones of Google.
155
510015
2536
una delle fondamenta di Google.
08:45
This algorithm uses the laws
of mathematical randomness
of mathematical randomness
156
513337
4242
Questo algoritmo usa i principi
della casualità matematica
della casualità matematica
08:49
to determine automatically
the most relevant web pages,
the most relevant web pages,
157
517603
3857
per determinare automaticamente
le pagine web più rilevanti,
le pagine web più rilevanti,
08:53
in the same way as we used randomness
in the Galton Board experiment.
in the Galton Board experiment.
158
521484
5062
nello stesso modo in cui abbiamo usato
la casualità
la casualità
nell'esperimento della Macchina di Galton.
08:59
So let's send into this graph
159
527341
2341
Mandiamo in questo grafico
09:01
a bunch of tiny, digital marbles
160
529706
2850
una serie di minuscole biglie digitali
09:04
and let them go randomly
through the graph.
through the graph.
161
532580
3749
a facciamole attraversare il grafico
in modo casuale.
in modo casuale.
09:08
Each time they arrive at some site,
162
536353
1667
Ogni volta che arrivano
in un qualche sito,
in un qualche sito,
09:10
they will go out through some link
chosen at random to the next one.
chosen at random to the next one.
163
538044
4166
sceglieranno un collegamento
a caso verso quello successivo.
a caso verso quello successivo.
09:14
And again, and again, and again.
164
542234
1753
Ancora, ancora e ancora.
09:16
And with small, growing piles,
165
544358
1628
Con piccole pile che crescono,
09:18
we'll keep the record of how many
times each site has been visited
times each site has been visited
166
546010
3753
terremo traccia di quante volte
un sito è stato visitato
un sito è stato visitato
09:21
by these digital marbles.
167
549787
1945
dalle biglie digitali.
09:24
Here we go.
168
552243
1151
Ecco qui.
09:25
Randomness, randomness.
169
553418
1848
Casualità, casualità.
09:27
And from time to time,
170
555811
1448
E di tanto in tanto,
09:29
also let's make jumps completely
randomly to increase the fun.
randomly to increase the fun.
171
557283
3952
facciamo anche
dei salti completamente casuali
dei salti completamente casuali
per aumentare il divertimento.
09:34
And look at this:
172
562471
1216
E guardate qui:
09:36
from the chaos will emerge the solution.
173
564358
2785
dal caos emergerà una soluzione.
09:39
The highest piles
correspond to those sites
correspond to those sites
174
567483
2485
Le pile più alte corrispondono a quei siti
09:41
which somehow are better
connected than the others,
connected than the others,
175
569992
3511
che in qualche modo
sono meglio connessi degli altri,
sono meglio connessi degli altri,
09:45
more pointed at than the others.
176
573527
2273
con più puntamenti degli altri.
09:47
And here we see clearly
177
575824
1722
Qui vediamo chiaramente
09:49
which are the web pages
we want to first try.
we want to first try.
178
577570
3032
quali sono le pagine web
che vogliamo provare per prime.
che vogliamo provare per prime.
09:53
Once again,
179
581507
1151
Ancora una volta,
09:54
the solution emerges from the randomness.
180
582682
2460
la soluzione emerge dalla casualità.
09:57
Of course, since that time,
181
585775
2251
Certo, da allora,
10:00
Google has come up with much more
sophisticated algorithms,
sophisticated algorithms,
182
588050
3707
Google ha creato algoritmi
molto più sofisticati,
molto più sofisticati,
10:03
but already this was beautiful.
183
591781
2280
ma già questo era meraviglioso.
10:06
And still,
184
594981
1476
Eppure,
10:08
just one problem in a million.
185
596481
1611
solo un problema tra un milione.
10:10
With the advent of digital area,
186
598734
2270
Con l'avvento dell'era digitale,
10:13
more and more problems lend
themselves to mathematical analysis,
themselves to mathematical analysis,
187
601028
5016
sempre più problemi
si prestano all'analisi matematica,
si prestano all'analisi matematica,
10:18
making the job of mathematician
a more and more useful one,
a more and more useful one,
188
606068
4365
rendendo sempre più utile
il lavoro del matematico,
il lavoro del matematico,
10:23
to the extent that a few years ago,
189
611166
2722
al punto che qualche anno fa,
10:25
it was ranked number one
among hundreds of jobs
among hundreds of jobs
190
613912
3779
era il primo classificato
tra centinaia di lavori
tra centinaia di lavori
10:29
in a study about the best and worst jobs
191
617715
3968
in uno studio sui migliori e peggiori
lavori del mondo
lavori del mondo
10:33
published by the Wall Street
Journal in 2009.
Journal in 2009.
192
621707
2975
pubblicato dal Wall Street Journal
nel 2009.
nel 2009.
10:37
Mathematician --
193
625445
1852
Matematici --
10:39
best job in the world.
194
627321
1433
il miglior lavoro del mondo.
10:41
That's because of the applications:
195
629646
3068
È a causa delle applicazioni:
10:44
communication theory,
196
632738
2139
la teoria della comunicazione,
10:46
information theory,
197
634901
1820
la teoria dell'informazione,
10:48
game theory,
198
636745
1260
la teoria dei giochi,
10:50
compressed sensing,
199
638029
1446
compressed sensing,
10:51
machine learning,
200
639499
1562
apprendimento automatico,
10:53
graph analysis,
201
641085
1567
analisi dei grafici,
10:54
harmonic analysis.
202
642676
1742
l'analisi armonica.
10:56
And why not stochastic processes,
203
644442
2640
E perché non i processi stocastici,
10:59
linear programming,
204
647106
1630
la programmazione lineare,
11:00
or fluid simulation?
205
648760
2028
o la simulazione dei fluidi?
11:03
Each of these fields have
monster industrial applications.
monster industrial applications.
206
651292
3895
Ognuno di questi campi
ha applicazioni industriali enormi.
ha applicazioni industriali enormi.
11:07
And through them,
207
655211
1151
E grazie a loro,
11:08
there is big money in mathematics.
208
656386
1999
in matematica girano molti soldi.
11:11
And let me concede
209
659400
2040
E permettetemi,
11:13
that when it comes to making
money from the math,
money from the math,
210
661464
2477
quando si tratta di fare soldi
con la matematica,
con la matematica,
11:15
the Americans are by a long shot
the world champions,
the world champions,
211
663965
3824
gli Americani sono di gran lunga
i campioni mondiali,
i campioni mondiali,
11:19
with clever, emblematic billionaires
and amazing, giant companies,
and amazing, giant companies,
212
667813
4619
con miliardari intelligenti
e rappresentativi
e rappresentativi
e società enormi e fantastiche,
11:24
all resting, ultimately,
on good algorithm.
on good algorithm.
213
672456
3280
in fin dei conti, tutte poggiate
su un buon algoritmo.
su un buon algoritmo.
11:29
Now with all this beauty,
usefulness and wealth,
usefulness and wealth,
214
677091
3972
Con tutta questa bellezza,
utilità e ricchezza,
utilità e ricchezza,
11:33
mathematics does look more sexy.
215
681087
2284
la matematica sembra più sexy.
11:36
But don't you think
216
684399
1617
Ma non pensate
11:38
that the life a mathematical
researcher is an easy one.
researcher is an easy one.
217
686040
4120
che la vita di un ricercatore matematico
sia facile.
sia facile.
11:42
It is filled with perplexity,
218
690959
2741
È piena di perplessità,
11:46
frustration,
219
694347
1150
frustrazioni,
11:48
a desperate fight for understanding.
220
696172
2445
e una lotta disperata
con la comprensione.
con la comprensione.
11:51
Let me evoke for you
221
699955
2140
Vi ricorderò
11:54
one of the most striking days
in my mathematician's life.
in my mathematician's life.
222
702119
4380
uno dei giorni più straordinari
della mia vita da matematico.
della mia vita da matematico.
11:58
Or should I say,
223
706523
1151
O dovrei dire,
11:59
one of the most striking nights.
224
707698
1737
una delle notti più straordinarie.
12:02
At that time,
225
710713
1151
All'epoca,
12:03
I was staying at the Institute
for Advanced Studies in Princeton --
for Advanced Studies in Princeton --
226
711888
3151
stavo all'Istituto per gli Studi Avanzati
a Princeton --
a Princeton --
12:07
for many years, the home
of Albert Einstein
of Albert Einstein
227
715063
2139
per tanti anni, la casa di Albert Einstein
12:09
and arguably the most holy place
for mathematical research in the world.
for mathematical research in the world.
228
717226
4428
e forse il posto più sacro al mondo
per la ricerca matematica.
per la ricerca matematica.
12:14
And that night I was working
and working on an elusive proof,
and working on an elusive proof,
229
722878
3844
Quella notte lavoravo accanitamente
su una prova sfuggente,
su una prova sfuggente,
12:18
which was incomplete.
230
726746
1378
che era incompleta.
12:21
It was all about understanding
231
729304
2208
Si trattava di capire
12:23
the paradoxical stability
property of plasmas,
property of plasmas,
232
731536
3823
la proprietà di stabilità paradossale
del plasma,
del plasma,
12:27
which are a crowd of electrons.
233
735383
1958
ossia una montagna di elettroni.
12:30
In the perfect world of plasma,
234
738423
2736
Nel mondo perfetto del plasma,
12:33
there are no collisions
235
741183
1778
non ci sono collisioni
12:34
and no friction to provide
the stability like we are used to.
the stability like we are used to.
236
742985
3658
e nessuna frizione che generi
la stabilità a cui siamo abituati.
la stabilità a cui siamo abituati.
12:39
But still,
237
747392
1151
Eppure,
12:40
if you slightly perturb
a plasma equilibrium,
a plasma equilibrium,
238
748567
3033
se si disturba leggermente
l'equilibro del plasma,
l'equilibro del plasma,
12:43
you will find that the
resulting electric shield
resulting electric shield
239
751624
2688
scoprirete che lo scudo elettrico
che ne risulta
che ne risulta
12:46
spontaneously vanishes,
240
754336
2339
svanisce spontaneamente,
12:48
or damps out,
241
756699
1975
o viene smorzato,
12:50
as if by some mysterious friction force.
242
758698
3294
da una qualche misteriosa frizione.
12:54
This paradoxical effect,
243
762728
1835
Questo effetto paradossale,
12:56
called the Landau damping,
244
764587
1477
chiamato assorbimento di Landau,
12:58
is one of the most important
in plasma physics,
in plasma physics,
245
766088
2989
è uno dei più importanti
nella fisica del plasma,
nella fisica del plasma,
13:01
and it was discovered
through mathematical ideas.
through mathematical ideas.
246
769101
3002
ed è stato scoperto
attraverso idee matematiche.
attraverso idee matematiche.
13:04
But still,
247
772970
1151
Eppure,
13:06
a full mathematical understanding
of this phenomenon was missing.
of this phenomenon was missing.
248
774145
4230
mancava una comprensione matematica
completa di questo fenomeno.
completa di questo fenomeno.
13:10
And together with my former student
and main collaborator Clément Mouhot,
and main collaborator Clément Mouhot,
249
778399
4786
Insieme a un mio ex studente
e principale collaboratore Clément Mouhot,
e principale collaboratore Clément Mouhot,
13:15
in Paris at the time,
250
783209
1492
all'epoca a Parigi,
13:16
we had been working for months
and months on such a proof.
and months on such a proof.
251
784725
4086
lavoravamo da mesi
su questa dimostrazione.
su questa dimostrazione.
13:21
Actually,
252
789832
1335
In realtà,
13:23
I had already announced by mistake
that we could solve it.
that we could solve it.
253
791191
4746
avevo già annunciato
per errore di averlo risolto.
per errore di averlo risolto.
13:27
But the truth is,
254
795961
1725
Ma la verità è
13:29
the proof was just not working.
255
797710
2147
che la dimostrazione non funzionava.
13:32
In spite of more than 100 pages
of complicated, mathematical arguments,
of complicated, mathematical arguments,
256
800196
4349
A dispetto di più di 100 pagine
di complicate argomentazioni matematiche,
13:36
and a bunch discoveries,
257
804569
1690
una serie di scoperte,
13:38
and huge calculation,
258
806283
1267
e grandi calcoli,
13:39
it was not working.
259
807574
1169
non funzionava.
13:41
And that night in Princeton,
260
809290
1681
Quella notte a Princeton,
13:42
a certain gap in the chain of arguments
was driving me crazy.
was driving me crazy.
261
810995
4301
un certo buco nella serie di ragionamenti
mi faceva diventare matto.
mi faceva diventare matto.
13:47
I was putting in there all my energy
and experience and tricks,
and experience and tricks,
262
815658
4593
Ci mettevo tutte le energie,
l'esperienza e i trucchi,
l'esperienza e i trucchi,
13:52
and still nothing was working.
263
820275
1742
eppure non funzionava.
13:54
1 a.m., 2 a.m., 3 a.m.,
264
822553
3882
L'una, le due, le tre,
13:58
not working.
265
826459
1308
non funzionava.
14:00
Around 4 a.m., I go to bed in low spirits.
266
828545
4321
Intorno alle quattro,
vado a letto giù di morale.
vado a letto giù di morale.
14:05
Then a few hours later,
267
833915
2460
Qualche ora dopo,
14:08
waking up and go,
268
836399
1151
mi alzo per andare,
14:09
"Ah, it's time to get
the kids to school --"
the kids to school --"
269
837574
3357
"È l'ora di portare i bimbi a scuola --"
14:12
What is this?
270
840955
1151
Cos'è questo?
14:14
There was this voice in my head, I swear.
271
842130
2142
Avevo questa voce in testa, ve lo giuro.
"Porta il secondo termine
dall'altra parte,
dall'altra parte,
14:16
"Take the second term to the other side,
272
844894
1913
14:18
Fourier transform and invert in L2."
273
846831
1919
trasformata di Fourier e inverti in L2."
14:21
(Laughter)
274
849257
1151
(Risate)
14:22
Damn it,
275
850432
1702
Dannazione,
14:24
that was the start of the solution!
276
852158
2113
era l'inizio della soluzione!
14:27
You see,
277
855519
1151
Vedete,
14:28
I thought I had taken some rest,
278
856694
2283
pensavo di essermi riposato,
14:31
but really my brain had
continued to work on it.
continued to work on it.
279
859001
3388
invece il mio cervello
aveva continuato a lavorare.
aveva continuato a lavorare.
14:35
In those moments,
280
863008
1597
In quei momenti,
14:36
you don't think of your career
or your colleagues,
or your colleagues,
281
864629
2601
non pensi alla tua carriera o ai colleghi,
14:39
it's just a complete battle
between the problem and you.
between the problem and you.
282
867254
3690
è una battaglia tra te e il problema.
14:44
That being said,
283
872098
1328
Detto questo,
14:45
it does not harm when you do get
a promotion in reward for your hard work.
a promotion in reward for your hard work.
284
873450
3949
non guasta ricevere una promozione
come premio per il duro lavoro.
come premio per il duro lavoro.
14:49
And after we completed our huge
analysis of the Landau damping,
analysis of the Landau damping,
285
877808
5160
Dopo aver completato l'enorme analisi
dell'assorbimento di Landau,
dell'assorbimento di Landau,
14:54
I was lucky enough
286
882992
1615
sono stato così fortunato
14:56
to get the most coveted Fields Medal
287
884631
3030
da ricevere la Fields Medal più ambita
14:59
from the hands of the President of India,
288
887685
2867
dalle mani del Presidente dell'India,
15:02
in Hyderabad on 19 August, 2010 --
289
890576
3920
a Hyderabad il 19 agosto 2010 --
15:07
an honor that mathematicians
never dare to dream,
never dare to dream,
290
895453
3251
un onore che un matematico
non osa immaginare,
non osa immaginare,
15:10
a day that I will remember until I live.
291
898728
2399
un giorno che ricorderò tutta la vita.
15:14
What do you think,
292
902366
1447
Cosa pensate,
15:15
on such an occasion?
293
903837
2141
in queste occasioni?
15:18
Pride, yes?
294
906002
1150
Orgoglio, sì?
15:19
And gratitude to the man collaborators
who made this possible.
who made this possible.
295
907791
3640
Gratitudine per i collaboratori
che lo hanno reso possibile.
che lo hanno reso possibile.
15:24
And because it was a collective adventure,
296
912304
2212
E siccome era un'avventura collettiva,
15:26
you need to share it,
not just with your collaborators.
not just with your collaborators.
297
914540
4142
va condivisa,
non solo con i collaboratori.
non solo con i collaboratori.
15:31
I believe that everybody can appreciate
the thrill of mathematical research,
the thrill of mathematical research,
298
919548
5692
Credo che tutti possano apprezzare
il brivido della ricerca matematica,
il brivido della ricerca matematica,
15:37
and share the passionate stories
of humans and ideas behind it.
of humans and ideas behind it.
299
925264
4318
e condividere le storie appassionanti
degli uomini e delle idee
che vi stanno dietro.
che vi stanno dietro.
15:42
And I've been working with my staff
at Institut Henri Poincaré,
at Institut Henri Poincaré,
300
930494
4774
Lavoro con il mio staff
all'Istituto Henri Poincaré,
all'Istituto Henri Poincaré,
15:47
together with partners and artists
of mathematical communication worldwide,
of mathematical communication worldwide,
301
935292
5181
con partner e artisti
di comunicazione matematica del mondo,
di comunicazione matematica del mondo,
15:52
so that we can found our own,
very special museum of mathematics there.
very special museum of mathematics there.
302
940497
4587
per poter fondare lì
il nostro speciale museo della matematica.
il nostro speciale museo della matematica.
15:58
So in a few years,
303
946537
1777
Tra qualche anno,
16:00
when you come to Paris,
304
948885
1577
quando verrete a Parigi,
16:02
after tasting the great, crispy
baguette and macaroon,
baguette and macaroon,
305
950486
5658
dopo aver assaggiato la fantastica
baguette croccante e i macaron
baguette croccante e i macaron
16:08
please come and visit us
at Institut Henri Poincaré,
at Institut Henri Poincaré,
306
956168
3663
venite a trovarci
all'Istituto Henri Poincaré,
all'Istituto Henri Poincaré,
16:11
and share the mathematical dream with us.
307
959856
2515
e condividete con noi il sogno matematico.
16:14
Thank you.
308
962395
1151
Grazie.
16:15
(Applause)
309
963570
7000
(Applausi)
ABOUT THE SPEAKER
Cédric Villani - MathematicianCédric Villani tackles perplexing problems in mathematical physics, analysis and geometry with rigor, wit and a signature personal style.
Why you should listen
His Byronesque hair, colorful ascots and spider brooches have earned Cédric Villani the nickname “the Lady Gaga of Mathematics.” But this moniker has not obscured Villani’s deeper, serious mission: inspiring students to delve into the mysteries of mathematics.
Villani’s fame is based on his work resolving difficult problems of kinetic theory, for which he received the Fields Medal in 2010. His book Birth of a Theorem is an exhilarating journey into the nocturnal dilemmas of mathematicians hot on the trail of discovery.
Villani was elected to the French National Assembly in June 2017.
Cédric Villani | Speaker | TED.com