TED2010
Stephen Wolfram: Computing a theory of all knowledge
스티븐 울프램: 만물이론을 찾는 계산
Filmed:
Readability: 4.4
1,811,819 views
매스매티카를 만든 스티븐 울프램이 모든 지식을 계산 가능하게 -- 검색, 처리, 조작할 수 있게 만들기 위한 그의 탐험에 대해 이야기합니다. 그가 새로 만든 검색엔진 울프램 알파는 우주의 기본이 되는 물리를 설명하고 모델링하는 것을 목표로 합니다.
Stephen Wolfram - Scientist, inventor
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research. Full bio
Stephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research. Full bio
Double-click the English transcript below to play the video.
00:16
So I want to talk today about an idea. It's a big idea.
0
1000
3000
오늘 아이디어 한 가지에 대해 말하려 합니다. 아주 큰 아이디어죠.
00:19
Actually, I think it'll eventually
1
4000
2000
실제로, 제 생각에는
00:21
be seen as probably the single biggest idea
2
6000
2000
이 아이디어가 궁극적으로 지난 세기 중에
00:23
that's emerged in the past century.
3
8000
2000
나온 가장 큰 아이디어가 될 것입니다.
00:25
It's the idea of computation.
4
10000
2000
계산에 관한 생각입니다.
00:27
Now, of course, that idea has brought us
5
12000
2000
물론 현재 이런 생각에는
00:29
all of the computer technology we have today and so on.
6
14000
3000
오늘날 우리가 가진 컴퓨터 기술이 포함됩니다.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
하지만, 그것을 능가하는 훨씬 더 많은 계산이 필요합니다.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
이것은 아주 심도 있고, 아주 강력하고, 매우 근본적인 아이디어로서
00:38
whose effects we've only just begun to see.
9
23000
3000
그 효과를 이제 겨우 보기 시작하고 있죠.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
저는 지난 30 평생 동안
00:44
working on three large projects
11
29000
2000
세 가지 큰 프로젝트를 추진해 왔죠.
00:46
that really try to take the idea of computation seriously.
12
31000
3000
계산이라는 아이디어를 심각하게 적용한 것들이죠.
00:50
So I started off at a young age as a physicist
13
35000
3000
저는 젊은 시절 물리학자로서
00:53
using computers as tools.
14
38000
2000
컴퓨터를 도구로 사용하기 시작했죠.
00:55
Then, I started drilling down,
15
40000
2000
그리고 좀 더 파고 들어가서,
00:57
thinking about the computations I might want to do,
16
42000
2000
제가 하고 싶은 계산에 대해서 생각했고,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
기본적으로 어떻게 만들어질 수 있는가 찾으려 했으며
01:02
and how they could be automated as much as possible.
18
47000
3000
가능한 많이 자동화할 수 있는가 알아보았죠.
01:05
Eventually, I created a whole structure
19
50000
2000
결국, 기호 프로그래밍을 기반으로 한
01:07
based on symbolic programming and so on
20
52000
2000
전체적인 구조를 만들 수 있었고
01:09
that let me build Mathematica.
21
54000
2000
그것이 매스매티카를 가능케 했죠.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
그리고 지난 23년 동안 꾸준히 증가한 것은
01:13
we've been pouring more and more ideas
23
58000
2000
매스매티카에 아이디어와 기능 등을
01:15
and capabilities and so on into Mathematica,
24
60000
2000
더욱 더 많이 추가해 왔다는 것이죠.
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
기쁘게 말할 수 있는 것은 이것을 통해
01:20
in R & D and education,
26
65000
2000
연구, 개발, 교육을 비롯한
01:22
lots of other areas.
27
67000
2000
여려 분야에서 많은 성과가 있었다는 것입니다.
01:24
Well, I have to admit, actually,
28
69000
2000
사실, 고백해야 할 것은
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
매스매티카를 만든 건 매우 이기적인 이유도 있었다는 것이죠.
01:29
I wanted to use it myself,
30
74000
2000
마치 400년 전에 갈릴레오가 자신의
01:31
a bit like Galileo got to use his telescope
31
76000
2000
망원경을 제작한 것처럼 그것도 제가 쓰기 위한
01:33
400 years ago.
32
78000
2000
도구였어요.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
하지만 저는 천문학적 우주만이 아니라,
01:38
but at the computational universe.
34
83000
3000
계산적 우주도 보고 싶었죠.
01:41
So we normally think of programs as being
35
86000
2000
일반적으로 우리는 프로그램을
01:43
complicated things that we build
36
88000
2000
매우 특정한 목적을 위해 만든
01:45
for very specific purposes.
37
90000
2000
복잡한 것이라고 생각합니다.
01:47
But what about the space of all possible programs?
38
92000
3000
하지만 모든 것이 가능한 프로그램의 영역은 어떨까요?
01:50
Here's a representation of a really simple program.
39
95000
3000
여기 정말 단순한 프로그램을 보여주는 것이 있습니다.
01:53
So, if we run this program,
40
98000
2000
이 프로그램을 실행하면,
01:55
this is what we get.
41
100000
2000
이런 결과가 나옵니다.
01:57
Very simple.
42
102000
2000
매우 간단하죠.
01:59
So let's try changing the rule
43
104000
2000
자, 이 프로그램의 규칙을
02:01
for this program a little bit.
44
106000
2000
조금 바꿔 보도록 하죠.
02:03
Now we get another result,
45
108000
2000
이제 다른 결과가 나왔는데,
02:05
still very simple.
46
110000
2000
여전히 매우 단순하죠.
02:07
Try changing it again.
47
112000
3000
다시 한 번 바꿔보죠.
02:10
You get something a little bit more complicated.
48
115000
2000
조그은 더 복잡한 것을 얻게 됩니다.
02:12
But if we keep running this for a while,
49
117000
2000
하지만 얼마간 이 프로그램을 계속 수행하면,
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
아주 복잡한 패턴을 얻게 되더라도
02:17
it has a very regular structure.
51
122000
3000
매우 규칙적인 구조를 가지고 있음을 발견할 수 있죠.
02:20
So the question is: Can anything else happen?
52
125000
3000
질문은 이것입니다. 무엇이든지 발생할 수 있을까요?
02:23
Well, we can do a little experiment.
53
128000
2000
작은 실험을 해볼 수 있죠.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
간단한 수학적 실험을 통해서 찾아보도록 하죠.
02:29
Let's just run all possible programs
55
134000
3000
단지 우리가 보고 있는 형태에 대한
02:32
of the particular type that we're looking at.
56
137000
2000
모든 가능한 프로그램을 수행하는 겁니다.
02:34
They're called cellular automata.
57
139000
2000
이걸 세포 자동자(cellular automata)라고 부르죠.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
여기 행동 중에서 많은 다양성을 볼 수 있죠.
02:38
Most of them do very simple things,
59
143000
2000
대부분의 경우 매우 단순한 일을 수행합니다.
02:40
but if you look along all these different pictures,
60
145000
2000
하지만 서로 다른 모든 그림 중에서,
02:42
at rule number 30,
61
147000
2000
규칙 30 번에서,
02:44
you start to see something interesting going on.
62
149000
2000
흥미로운 일이 진행되는 것을 볼 수 있습니다.
02:46
So let's take a closer look
63
151000
2000
좀 더 자세히 살펴보죠.
02:48
at rule number 30 here.
64
153000
2000
여기 규칙 30 번,
02:50
So here it is.
65
155000
2000
바로 여기죠.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
여기 아래에 있는 매우 간단한 규칙을 따랐을 뿐이지만,
02:55
but we're getting all this amazing stuff.
67
160000
2000
이 모든 놀라운 것들을 얻었습니다.
02:57
It's not at all what we're used to,
68
162000
2000
이미 익숙해진 우리에겐 별것이 아니지만,
02:59
and I must say that, when I first saw this,
69
164000
2000
꼭 말해야 할 것은 이걸 처음 봤을 때,
03:01
it came as a huge shock to my intuition.
70
166000
3000
직관적으로 엄청난 경악으로 다가 왔고,
03:04
And, in fact, to understand it,
71
169000
2000
사실 그것을 이해한 후에는
03:06
I eventually had to create
72
171000
2000
궁극적으로 완전히 새로운 종류의
03:08
a whole new kind of science.
73
173000
2000
과학을 창조해야만 했죠.
03:11
(Laughter)
74
176000
2000
(웃음)
03:13
This science is different, more general,
75
178000
3000
이 과학에 다른 점이 있다면,
03:16
than the mathematics-based science that we've had
76
181000
2000
과거 300년 이상 연구했던 수학에 기반을 둔
03:18
for the past 300 or so years.
77
183000
3000
과학보다 더 일반적이라는 것이죠.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
알다시피, 자연이 별로 노력을 들이지 않고
03:23
how nature, seemingly so effortlessly,
79
188000
3000
우리에게 그토록 복잡해 보이는 것들을
03:26
manages to produce so much
80
191000
2000
만들어 낼 수 있는 것처럼 보이는 것은
03:28
that seems to us so complex.
81
193000
3000
언제나 큰 미스터리죠.
03:31
Well, I think we've found its secret:
82
196000
3000
제 생각에 우리는 그 비밀을 찾은 것 같아요.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
계산적 우주 안에 있는 것들의 표본을 추출하는 것만으로도
03:37
and quite often getting things like Rule 30
84
202000
3000
규칙 30 번이나 이런 것들을 매우 자주
03:40
or like this.
85
205000
3000
얻을 수 있다는 것이죠.
03:44
And knowing that starts to explain
86
209000
2000
또 이것을 밝힘으로써 과학에서 오랫동안
03:46
a lot of long-standing mysteries in science.
87
211000
3000
미스터리였던 많은 것들이 설명되기 시작했죠.
03:49
It also brings up new issues, though,
88
214000
2000
하지만 새로운 이슈도 제기하고 있는데,
03:51
like computational irreducibility.
89
216000
3000
계산적 기약성(irreducibility) 같은 것들이죠. 역) 기약성: 더 이상 줄일 수 없는 성질
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
제 말은 우리가 과학을 통해 사물을 예측해오곤 했지만,
03:57
but something like this
91
222000
2000
이러한 것들이 바로
03:59
is fundamentally irreducible.
92
224000
2000
근본적으로 필요한 계산량을 더 줄일 수 없는 것들에 속합니다.
04:01
The only way to find its outcome
93
226000
2000
그 결과를 찾는 유일한 방법은
04:03
is, effectively, just to watch it evolve.
94
228000
3000
사실상 어떻게 발달해 나가는지 지켜보는 것뿐입니다.
04:06
It's connected to, what I call,
95
231000
2000
이건 제가 계산적 등가 원칙이라고
04:08
the principle of computational equivalence,
96
233000
2000
부르는 것과 연결되어 있는데,
04:10
which tells us that even incredibly simple systems
97
235000
3000
믿기 힘들 정도로 단순한 시스템들도
04:13
can do computations as sophisticated as anything.
98
238000
3000
다른 것과 마찬가지로 복잡한 계산을 수행할 수 있다는 것이죠.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
임의적인 계산을 수행하기 위해서
04:19
to be able to do arbitrary computation;
100
244000
2000
많은 기술이나 생물학전 진화가 요구되는 것이 아니며,
04:21
just something that happens, naturally,
101
246000
2000
모든 곳에서 자연적으로 어떤 것이
04:23
all over the place.
102
248000
2000
일어난 것뿐이죠.
04:25
Things with rules as simple as these can do it.
103
250000
3000
이처럼 단순한 규칙들이 그것을 해내는 것이죠.
04:29
Well, this has deep implications
104
254000
2000
이것은 과학의 한계와
04:31
about the limits of science,
105
256000
2000
생물학적 과정이나 경제의
04:33
about predictability and controllability
106
258000
2000
예측 가능성 및 통제 가능성,
04:35
of things like biological processes or economies,
107
260000
3000
우주에 존재하는 지적 생명체,
04:38
about intelligence in the universe,
108
263000
2000
자유 의지에 대한 질문과
04:40
about questions like free will
109
265000
2000
기술을 창조하는 것에 대해
04:42
and about creating technology.
110
267000
3000
깊은 영향을 미칩니다.
04:45
You know, in working on this science for many years,
111
270000
2000
이 과학 분야에 대해 수년 간 연구한 저는
04:47
I kept wondering,
112
272000
2000
항상 궁금한 점이 있죠.
04:49
"What will be its first killer app?"
113
274000
2000
"이것을 통한 첫 대박 응용은 뭘까?"
04:51
Well, ever since I was a kid,
114
276000
2000
제가 아이였을 때부터
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
생각해 온 것은 지식을 체계화하고 어느정도
04:55
and somehow making it computable.
116
280000
2000
계산 가능하게 만드는 것이었죠.
04:57
People like Leibniz had wondered about that too
117
282000
2000
라이프니츠와 같은 사람은 이미 300년 전에
04:59
300 years earlier.
118
284000
2000
같은 고민을 했었죠.
05:01
But I'd always assumed that to make progress,
119
286000
2000
하지만 저는 항상 진전을 이루기 위해서는
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
전체 두뇌를 복제하는 것이 필수라고 가정했었죠.
05:06
Well, then I got to thinking:
121
291000
2000
이제 제가 생각하고 있는 것은
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
제 과학적 패러다임은 뭔가 다른 것을 제시한다는 것입니다.
05:11
and, by the way, I've now got
123
296000
2000
그리고, 한편 지금 저는
05:13
huge computation capabilities in Mathematica,
124
298000
3000
매스매티카라는 막대한 계산 능력을 가지고 있고
05:16
and I'm a CEO with some worldly resources
125
301000
3000
거대하고 미친 것처럼 보이는 프로젝트를
05:19
to do large, seemingly crazy, projects --
126
304000
3000
추진할 수 있는 실제 자원을 가진 CEO죠.
05:22
So I decided to just try to see
127
307000
2000
그 결과 이 세상에 얼마나 많은
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
계산할 수 있는 체계적인 정보가 있는가를 살펴보기로
05:27
we could make computable.
129
312000
2000
결정했습니다.
05:29
So, it's been a big, very complex project,
130
314000
2000
이건 거대하고 매우 복잡한 프로젝트였으며,
05:31
which I was not sure was going to work at all.
131
316000
3000
잘 될 것인지 확실하지도 않았죠.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
하지만 다행스럽게도 이건 잘 수행되고 있죠.
05:37
And last year we were able
133
322000
2000
그리고 지난해 우리는
05:39
to release the first website version
134
324000
2000
최초의 웹사이트 버전을 출시했는데,
05:41
of Wolfram Alpha.
135
326000
2000
바로 울프램 알파(Wolfram Alpha)죠.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
이 사이트의 목적은 질문에 대한 계산을 수행하는
05:46
that computes answers to questions.
137
331000
3000
진정한 지식 엔진이 되는 것입니다.
05:49
So let's give it a try.
138
334000
2000
한 번 시험해보죠.
05:51
Let's start off with something really easy.
139
336000
2000
매우 쉬운 것부터 시작해봅시다.
05:53
Hope for the best.
140
338000
2000
잘 되길 바랍니다.
05:55
Very good. Okay.
141
340000
2000
아주 좋아요.
05:57
So far so good.
142
342000
2000
지금까진 잘 되고 있네요.
05:59
(Laughter)
143
344000
3000
(웃음)
06:02
Let's try something a little bit harder.
144
347000
3000
조금 더 어려운 걸 시도해보죠.
06:05
Let's do
145
350000
2000
자...
06:07
some mathy thing,
146
352000
3000
조금 수학적인 것과
06:10
and with luck it'll work out the answer
147
355000
3000
운을 포함해서 우리에게
06:13
and try and tell us some interesting things
148
358000
2000
어떤 흥미로운 것과 수학에 관련된
06:15
things about related math.
149
360000
2000
결과를 주도록 해보죠.
06:17
We could ask it something about the real world.
150
362000
3000
실세계에 관한 것을 물어볼 수도 있죠.
06:20
Let's say -- I don't know --
151
365000
2000
자... 잘 생각은 안나지만...
06:22
what's the GDP of Spain?
152
367000
3000
스페인의 GDP는 얼마일까요?
06:25
And it should be able to tell us that.
153
370000
2000
그것을 알려줄 수 있을 것입니다.
06:27
Now we could compute something related to this,
154
372000
2000
자 이제 이와 관련된 것들을 계산할 수도 있죠.
06:29
let's say ... the GDP of Spain
155
374000
2000
스페인의 GDP를 어떤 것으로
06:31
divided by, I don't know,
156
376000
2000
나눈다고 해보죠. 마땅한 것이
06:33
the -- hmmm ...
157
378000
2000
잘 떠오르지 않네요...
06:35
let's say the revenue of Microsoft.
158
380000
2000
마이크로소프트의 이익이라고 해봅시다.
06:37
(Laughter)
159
382000
2000
(웃음)
06:39
The idea is that we can just type this in,
160
384000
2000
우리는 입력과 생각할 수 있는 질문의
06:41
this kind of question in, however we think of it.
161
386000
3000
종류를 정렬할 수 있습니다.
06:44
So let's try asking a question,
162
389000
2000
질문을 한 번 해보죠.
06:46
like a health related question.
163
391000
2000
건강관련 질문입니다.
06:48
So let's say we have a lab finding that ...
164
393000
3000
검사결과, 50세 남성의
06:51
you know, we have an LDL level of 140
165
396000
2000
저밀도지질단백질(LDL) 수치가 140이
06:53
for a male aged 50.
166
398000
3000
나왔다고 해보죠.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
입력해보죠. 울프램 알파가
06:58
will go and use available public health data
168
403000
2000
가용한 공공 보건 자료를 사용해서
07:00
and try and figure out
169
405000
2000
어떤 부분의 인구가
07:02
what part of the population that corresponds to and so on.
170
407000
3000
이에 해당하는지를 포함한 정보를 밝혀줄 것입니다.
07:05
Or let's try asking about, I don't know,
171
410000
3000
다른 질문도 해보죠. 뭐가 좋을까요?
07:08
the International Space Station.
172
413000
2000
국제 우주정거장.
07:10
And what's happening here is that
173
415000
2000
여기서 일어나는 것은
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
울프램 알파가 단순히 어떤 걸 찾는 것만 아니라
07:14
it's computing, in real time,
175
419000
3000
실시간으로 수행되는 계산이죠.
07:17
where the International Space Station is right now at this moment,
176
422000
3000
바로 이순간 국제 우주정거장(ISS)이 어디에 있으며,
07:20
how fast it's going, and so on.
177
425000
3000
얼마나 빠르게 움직이고 있나 하는 것들입니다.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
울프램 알파는 이런 종류의 정보를 아주 많이 알고 있죠.
07:27
It's got, by now,
179
432000
2000
현재 여러분이
07:29
pretty good coverage of everything you might find
180
434000
2000
표준 문헌 도서관에서 찾을 수 있는
07:31
in a standard reference library.
181
436000
3000
거의 대부분의 정보를 망라하고 있습니다.
07:34
But the goal is to go much further
182
439000
2000
하지만 그 목표는 훨씬 더 나아가
07:36
and, very broadly, to democratize
183
441000
3000
매우 광범위하게 민주화된
07:39
all of this knowledge,
184
444000
3000
모든 종류의 지식을 포함하여,
07:42
and to try and be an authoritative
185
447000
2000
모든 분야에서 권위 있는
07:44
source in all areas.
186
449000
2000
정보원이 되어
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
사람들이 가진 특정 질문에 대한 계산된 답을 제공하는 것이죠.
07:49
not by searching what other people
188
454000
2000
다른 사람들이 이전이 작성했던
07:51
may have written down before,
189
456000
2000
정보를 검색해주는 것이 아니라,
07:53
but by using built in knowledge
190
458000
2000
내장된 지식을 이용하여
07:55
to compute fresh new answers to specific questions.
191
460000
3000
특정 질문에 대해 신선하고 새로운 답을 계산해주는 것이죠.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
물론 울프램 알파는 현재
08:00
is a monumentally huge, long-term project
193
465000
2000
기념비적으로 거대하고 장기적인 프로젝트로
08:02
with lots and lots of challenges.
194
467000
2000
수 많은 도전과제를 안고 있습니다.
08:04
For a start, one has to curate a zillion
195
469000
3000
맨 처음, 수 많은 사실과 데이터 소스를
08:07
different sources of facts and data,
196
472000
3000
정리해야 했고,
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
매스매티카 자동화와 이 일에 능숙한
08:13
and human domain experts for doing this.
198
478000
3000
각 분야의 전문가와 연계하는 작업을 했죠.
08:16
But that's just the beginning.
199
481000
2000
그건 시작에 불과했죠.
08:18
Given raw facts or data
200
483000
2000
주어진 원천 사실이나 자료를 통해
08:20
to actually answer questions,
201
485000
2000
실제 질문에 대한 답을 구하려면,
08:22
one has to compute:
202
487000
2000
계산을 수행해야 하고,
08:24
one has to implement all those methods and models
203
489000
2000
이 모든 방법과 모델을 비롯해
08:26
and algorithms and so on
204
491000
2000
알고리듬 등을 구현해야만 했죠.
08:28
that science and other areas have built up over the centuries.
205
493000
3000
이것들은 수 세기에 걸쳐 쌓아온 과학과 여러 영역에 대한 것입니다.
08:31
Well, even starting from Mathematica,
206
496000
3000
사실 매스매티카를 기반으로 시작하더라도
08:34
this is still a huge amount of work.
207
499000
2000
이것은 여전히 엄청난 양의 일이죠.
08:36
So far, there are about 8 million lines
208
501000
2000
지금까지 8백만 줄의 매스매티카 코드가
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
울프램 알파에 입력되었으며,
08:40
built by experts from many, many different fields.
210
505000
3000
아주 많은 서로 다른 분야의 전문가들이 작성에 참여했죠.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
울프램 알파의 핵심적인 아이디어 하나는
08:46
is that you can just ask it questions
212
511000
2000
일반적인 인간의 언어를 통해
08:48
using ordinary human language,
213
513000
3000
질문을 할 수 있다는 것인데,
08:51
which means that we've got to be able to take
214
516000
2000
이것은 사람들이 검색창에 입력하는
08:53
all those strange utterances that people type into the input field
215
518000
3000
모든 이상한 말투를 받아들일 수 있어야 하고
08:56
and understand them.
216
521000
2000
이해해야 한다는 것이죠.
08:58
And I must say that I thought that step
217
523000
2000
분명히 말해야 하는 것은 제 생각에
09:00
might just be plain impossible.
218
525000
3000
그런 단계는 단순히 불가능할 수 있다는 거에요.
09:04
Two big things happened:
219
529000
2000
두 가지 큰 일이 발생했죠.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
첫째, 계산적 우주를 연구한 결과
09:09
that came from studying the computational universe;
221
534000
3000
언어학에 대한 새로운 많은 아이디어를 얻었죠.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
둘째, 실제 계산적 지식을 얻는 것은 언어를 이해하는 방식을
09:15
completely changes how one can
223
540000
2000
완전히 변화시킬 수 있다는 사실을
09:17
set about understanding language.
224
542000
3000
인지하게 된 것입니다.
09:20
And, of course, now
225
545000
2000
물론 지금은
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
실제 세상에 선을 보인 울프램 알파를 통해
09:24
we can learn from its actual usage.
227
549000
2000
실제 사례로부터 배울 수 있죠.
09:26
And, in fact, there's been
228
551000
2000
사실상 흥미로운 상호진화가
09:28
an interesting coevolution that's been going on
229
553000
2000
울프램 알파와 인간 사용자들 사이에서
09:30
between Wolfram Alpha
230
555000
2000
일어나고 있는 것을
09:32
and its human users,
231
557000
2000
볼 수 있습니다.
09:34
and it's really encouraging.
232
559000
2000
매우 고무적인 일이죠.
09:36
Right now, if we look at web queries,
233
561000
2000
바로 지금 웹 검색어를 본다면,
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
80% 이상의 질문이 최초 시도에서 성공적인 답을 얻고 있습니다.
09:41
And if you look at things like the iPhone app,
235
566000
2000
아이폰 응용 프로그램을 보시면,
09:43
the fraction is considerably larger.
236
568000
2000
이게 상당히 큰 부분이라는 것을 알 수 있죠.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
그래서 매우 기쁘게 생각합니다.
09:47
But, in many ways,
238
572000
2000
하지만, 많은 부분에 있어서
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
울프램 알파의 아주 시작 단계에 머물러 있죠.
09:52
I mean, everything is scaling up very nicely
240
577000
2000
모든 것이 아주 순조롭게 확대되는 중이죠.
09:54
and we're getting more confident.
241
579000
2000
더 많은 확신을 갖게 되었죠.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
울프램 알파 기술을
09:58
showing up in more and more places,
243
583000
2000
더 많은 곳에서 보게 될 것입니다.
10:00
working both with this kind of public data, like on the website,
244
585000
3000
웹사이트의 공공 자료는 물론이고
10:03
and with private knowledge
245
588000
2000
개인, 기업 등 사적인 지식과도
10:05
for people and companies and so on.
246
590000
3000
연동하게 될 것입니다.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
알다시피, 전 울프램 알파가 새로운 형태의
10:11
a whole new kind of computing
248
596000
2000
계산을 제공해줄 것을 인지하고 있습니다.
10:13
that one can call knowledge-based computing,
249
598000
2000
지식기반 계산이라고 부르는 것이죠.
10:15
in which one's starting not just from raw computation,
250
600000
3000
단지 원천 계산에서 나오는 것이 아니라
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
방대한 내장 지식에서 나오는 것이죠.
10:21
And when one does that, one really changes
252
606000
2000
이런 일이 가능해지면, 계산된 결과를
10:23
the economics of delivering computational things,
253
608000
3000
전달하는 경제에서 큰 변화를 가져올 것입니다.
10:26
whether it's on the web or elsewhere.
254
611000
2000
웹이나 그 밖의 영역 모두에 해당됩니다.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
알다시피, 지금 매우 흥미로운 상황에 있습니다.
10:31
On the one hand, we have Mathematica,
256
616000
2000
한 손에는 매스매티카가 있습니다.
10:33
with its sort of precise, formal language
257
618000
3000
정확하고, 정형화된 언어이며
10:36
and a huge network
258
621000
2000
많은 일을 단 몇 줄안에 처리할 수 있도록
10:38
of carefully designed capabilities
259
623000
2000
잘 디자인된 기능들을 모은
10:40
able to get a lot done in just a few lines.
260
625000
3000
거대한 네트워크입니다.
10:43
Let me show you a couple of examples here.
261
628000
3000
몇 가지 예를 보여드리겠습니다.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
이것은 매스매티카 프로그램의 일부에 불과합니다.
10:51
Here's something where we're sort of
263
636000
2000
여기에 바로 여러 종류의 서로 다른
10:53
integrating a bunch of different capabilities here.
264
638000
3000
기능을 한데 모아 통합한 것이 자리하고 있죠.
10:56
Here we'll just create, in this line,
265
641000
3000
바로 여기에 조그만 유저 인터페이스를
10:59
a little user interface that allows us to
266
644000
3000
생성하는 라인을 추가하여
11:02
do something fun there.
267
647000
2000
재미있는 것을 할 수 있죠.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
계속할 경우, 좀 더 복잡한 프로그램을 통해
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
모든 종류의 알고리듬을 수행하고
11:10
and creating user interface and so on.
270
655000
2000
유저 인터페이스와 같은 것들을 만들 수 있죠.
11:12
But it's something that is very precise stuff.
271
657000
3000
하지만 이것들은 매우 정확한 것들입니다.
11:15
It's a precise specification with a precise formal language
272
660000
3000
정확한 정형 언어로 작성된 정확한 명세는
11:18
that causes Mathematica to know what to do here.
273
663000
3000
매스매티카로 하여금 무엇을 해야 하는지 알게 합니다.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
또 다른 손에는 울프램 알파가 있습니다.
11:24
with all the messiness of the world
275
669000
2000
지구상에 있는 모든 종류의 혼동과
11:26
and human language and so on built into it.
276
671000
2000
인간의 언어 등이 내장되어 있죠.
11:28
So what happens when you put these things together?
277
673000
3000
자 이 두 가지를 합치면 무슨 일이 생길까요?
11:31
I think it's actually rather wonderful.
278
676000
2000
저는 매우 멋진 것을 생각합니다.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
매스매티카가 내장된 울프램 알파로
11:35
you can, for example, make precise programs
280
680000
2000
실세계 데이터를 요구하는
11:37
that call on real world data.
281
682000
2000
정확한 프로그램을 만들 수 있는 거죠.
11:39
Here's a real simple example.
282
684000
2000
여기 간단한 실제 사례가 있습니다.
11:44
You can also just sort of give vague input
283
689000
3000
그냥 불명확한 것들을 입력한 후
11:47
and then try and have Wolfram Alpha
284
692000
2000
울프램 알파가 무엇을 의미한 것인지
11:49
figure out what you're talking about.
285
694000
2000
파악하도록 할 수도 있죠.
11:51
Let's try this here.
286
696000
2000
이걸 한 번 해보죠.
11:53
But actually I think the most exciting thing about this
287
698000
3000
저는 이에 관해 가장 흥미로운 것 중에 하나가 바로
11:56
is that it really gives one the chance
288
701000
2000
민주화된 프로그래밍의 기회를
11:58
to democratize programming.
289
703000
3000
실제로 제공해줄 것이란 생각입니다.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
이 말은 누군가 원하는 것을 평범한 언어로 말하고 나면,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
울프램 알파가 정확히 어떤 코드 조각이
12:07
what precise pieces of code
292
712000
2000
요구하는 것을 수행할 수 있는 지
12:09
can do what they're asking for
293
714000
2000
파악할 수 있을 것이라는 말입니다.
12:11
and then show them examples that will let them pick what they need
294
716000
3000
그런 다음에는 사용자에게 예시들을 보여줄 것이며 사용자는 이들을 골라
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
더 큰 정확한 프로그램을 만들 것입니다.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
따라서 때로는 울프램 알파가
12:19
will be able to do the whole thing immediately
297
724000
2000
전체를 즉각적으로 수행할 수 있을 것이고
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
나중에 계산할 때 사용할 수 있는 커다란 프로그램을 단지 돌려줄 수도 있습니다.
12:24
Here's a big website
299
729000
2000
자 여기 대형 웹사이트가 있습니다.
12:26
where we've been collecting lots of educational
300
731000
3000
여러 교육적인 것들과 많은 것들에 대한
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
데모들을 수집해 오고 있습니다.
12:32
I'll show you one example here.
302
737000
3000
어떤 것을 보여드려야 할지 모르겠지만, 이것은 어떨까요.
12:36
This is just an example of one of these computable documents.
303
741000
3000
이건 단순히 계산 가능한 문서의 한 예입니다.
12:39
This is probably a fairly small
304
744000
2000
여기서 작동되는
12:41
piece of Mathematica code
305
746000
2000
매스매티카 코드는
12:43
that's able to be run here.
306
748000
2000
아마도 매우 짧을 겁니다.
12:47
Okay. Let's zoom out again.
307
752000
3000
좋아요. 다시 논의를 넓혀보죠.
12:50
So, given our new kind of science,
308
755000
2000
우리의 새로운 종류의 과학이 있을 때,
12:52
is there a general way to use it to make technology?
309
757000
3000
기술을 만들기 위해 사용할 수 있는 일반적인 방법이 있을까요?
12:55
So, with physical materials,
310
760000
2000
물리 재료의 경우에는,
12:57
we're used to going around the world
311
762000
2000
우리는 세계를 돌면서
12:59
and discovering that particular materials
312
764000
2000
특정 물질이
13:01
are useful for particular
313
766000
2000
특정 목적에 유용하다는 사실을
13:03
technological purposes.
314
768000
2000
발견해오고는 했습니다.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
바로 이것과 동일한 방식이 계산적 우주에서도
13:07
in the computational universe.
316
772000
2000
적용될 수 있다는 것이 발견된 것입니다.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
끊임없는 프로그램의 공급이 존재합니다.
13:12
The challenge is to see how to
318
777000
2000
과제는 어떻게 이것들을
13:14
harness them for human purposes.
319
779000
2000
인간의 목적을 위해 사용할 것인가 하는 것이죠.
13:16
Something like Rule 30, for example,
320
781000
2000
예를 들어 규칙 30 번과 같은 것은
13:18
turns out to be a really good randomness generator.
321
783000
2000
임의성(randomness) 발생기로서 매우 훌륭하다는 것처럼 말입니다.
13:20
Other simple programs are good models
322
785000
2000
다른 간단한 프로그램들도 자연계나 사회에서
13:22
for processes in the natural or social world.
323
787000
3000
발생하는 과정에 대한 좋은 모델입니다.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
예를 들어, 울프램 알파와 매스매티카는
13:27
are actually now full of algorithms
325
792000
2000
실제로 계산적 우주를 찾으면서 발견한
13:29
that we discovered by searching the computational universe.
326
794000
3000
알고리듬으로 가득 차 있죠.
13:33
And, for example, this -- if we go back here --
327
798000
3000
예를 들어, 여기로 돌아가 보죠.
13:37
this has become surprisingly popular
328
802000
2000
이건 작곡가들 사이에
13:39
among composers
329
804000
2000
상당한 인기를 끌고 있는 것으로
13:41
finding musical forms by searching the computational universe.
330
806000
3000
계산적 우주를 탐색하여 음악적 형태를 찾아줍니다.
13:45
In a sense, we can use the computational universe
331
810000
2000
어떤 의미에서, 우리는 계산적 우주를 이용하여
13:47
to get mass customized creativity.
332
812000
3000
대량 맞춤형 창조성을 얻을 수 있죠.
13:50
I'm hoping we can, for example,
333
815000
2000
저는 우리가 울프램 알파를
13:52
use that even to get Wolfram Alpha
334
817000
2000
이용하여 발명과 발견을
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
사용 도중 정기적으로 이뤄내고
13:57
and to find all sorts of wonderful stuff
336
822000
2000
엔지니어와 점진적 진화를 통해서는
13:59
that no engineer
337
824000
2000
여지껏 찾아낼 수 없었던
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
모든 멋진 것들을 찾을 수 있기를 희망합니다.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
자 이것들은 궁극적인 질문에 다다르게 하죠.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
계산적 우주 어딘가에 우리의 물리적 우주를
14:11
we might find our physical universe?
341
836000
3000
찾을 수 있는 영역이 있을까요?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
아마도 심지어 어딘가에 우리 우주를 만든
14:16
some simple program for our universe.
343
841000
3000
훨씬 더 간단한 규칙과 간단한 프로그램이 있을 것입니다.
14:19
Well, the history of physics would have us believe
344
844000
2000
물리학의 역사는 우주를 만든 규칙이
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
매우 복잡해야만 한다는 것을 믿도록 했죠.
14:24
But in the computational universe,
346
849000
2000
하지만 계산적 우주에서는
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
믿을 수 없을 정도로 간단한 규칙이 어떻게
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
상상할 수 없을 정도로 풍부하고 복잡한 행동을 하는지 볼 수 있습니다.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
그것이 전체 우주가 어떻게 돌아가는지 보여줄 수 있지 않을까요?
14:36
If the rules for the universe are simple,
350
861000
2000
우주의 규칙이 간단하다면,
14:38
it's kind of inevitable that they have to be
351
863000
2000
그것들은 필연적으로 매우 추상적이고
14:40
very abstract and very low level;
352
865000
2000
매우 낮은 수준이어야 합니다.
14:42
operating, for example, far below
353
867000
2000
예를 들어 사물을 표현하는 것을
14:44
the level of space or time,
354
869000
2000
어렵게 만드는 시간이나 공간 수준보다
14:46
which makes it hard to represent things.
355
871000
2000
훨씬 낮은 수준에서 일어나는 연산이라는 거죠.
14:48
But in at least a large class of cases,
356
873000
2000
하지만 적어도 규모가 클 경우에는
14:50
one can think of the universe as being
357
875000
2000
우주가 일종의 네트워크처럼
14:52
like some kind of network,
358
877000
2000
생겼다고 생각할 수 있는데,
14:54
which, when it gets big enough,
359
879000
2000
충분히 커질 경우엔
14:56
behaves like continuous space
360
881000
2000
연속 우주처럼 행동한다는 거죠.
14:58
in much the same way as having lots of molecules
361
883000
2000
연속 유체에서 다수의 분자가
15:00
can behave like a continuous fluid.
362
885000
2000
행동하는 것과 매우 유사합니다.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
그 이후엔 우주가 이 네트워크에 작은 규칙을
15:05
little rules that progressively update this network.
364
890000
3000
점진적으로 적용하면서 진화해야 하죠.
15:08
And each possible rule, in a sense,
365
893000
2000
어떤 의미에서는 각각 가능한 규칙이
15:10
corresponds to a candidate universe.
366
895000
2000
각 우주 모델 후보와 관련되는 거죠.
15:12
Actually, I haven't shown these before,
367
897000
3000
사실 전에는 이것들을 보여드리지 않았지만,
15:16
but here are a few of the candidate universes
368
901000
3000
여기에 제가 고려해왔던 몇 가지 우주 모델의 후보가
15:19
that I've looked at.
369
904000
2000
있습니다.
15:21
Some of these are hopeless universes,
370
906000
2000
이것들 중 일부는 전혀 가망이 없고,
15:23
completely sterile,
371
908000
2000
완전히 의미가 없는 것들로서
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
공간의 개념이 없다거나, 시간의 개념이 없다거나 등등
15:27
no notion of time, no matter,
373
912000
3000
아무튼 문제를 지닌
15:30
other problems like that.
374
915000
2000
비정상을 포함하고 있죠.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
하지만 신나는 것은 지난 몇 년 동안
15:35
is that you actually don't have to go very far
376
920000
2000
완전히 우리의 우주가 아니라고
15:37
in the computational universe
377
922000
2000
할 수 없는 수준의 후보를
15:39
before you start finding candidate universes
378
924000
2000
찾는 것은 그렇게 오래 걸리지
15:41
that aren't obviously not our universe.
379
926000
3000
않는다는 것을 발견한 사실입니다.
15:44
Here's the problem:
380
929000
2000
그러나 문제가 한 가지 있습니다:
15:46
Any serious candidate for our universe
381
931000
3000
우리 우주에 대한 어떠한 그럴듯한 후보도
15:49
is inevitably full of computational irreducibility.
382
934000
3000
필연적으로 필요한 계산량을 더 줄일 수 없는 것으로 가득차 있는데,
15:52
Which means that it is irreducibly difficult
383
937000
3000
이는 그것이 실제로 어떻게 동작할 지,
15:55
to find out how it will really behave,
384
940000
2000
우리의 물리 우주와는 일치하는지 알아내는데
15:57
and whether it matches our physical universe.
385
942000
3000
필요한 계산을 끝까지 해보지 않으면 알 수 없을 정도로 어렵다는 것을 의미합니다.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
몇 년 전에 매우 흥미로운 발견을 했는데,
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
극도로 간단한 규칙을 가진 이 후보 우주들이
16:07
that successfully reproduce special relativity,
388
952000
2000
특수 상대성, 일반 상대성, 중력을 비롯하여
16:09
and even general relativity and gravitation,
389
954000
3000
약간의 양자역학에 대한 실마리를
16:12
and at least give hints of quantum mechanics.
390
957000
3000
성공적으로 재현한 사실입니다.
16:15
So, will we find the whole of physics?
391
960000
2000
그럼 우리가 물리학 전체를 찾을 수 있을까요?
16:17
I don't know for sure,
392
962000
2000
확실하게는 모르겠어요.
16:19
but I think at this point it's sort of
393
964000
2000
하지만 현재로서는 시도조차 안 하는 것은
16:21
almost embarrassing not to at least try.
394
966000
2000
부끄러운 일이라 생각합니다.
16:23
Not an easy project.
395
968000
2000
쉬운 프로젝트가 아니죠.
16:25
One's got to build a lot of technology.
396
970000
2000
많은 기술을 쌓아야만 합니다.
16:27
One's got to build a structure that's probably
397
972000
2000
그 기술의 정도는 현존하는 물리학 만큼의
16:29
at least as deep as existing physics.
398
974000
2000
깊이를 가지고 있을 수 있죠.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
그리고 그 전체를 조직화하기 위한 최선의 방법이 무엇인지도 확신할 수 없습니다.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
팀을 만들고, 개방하고, 상을 수여하는 것 등을 시도하고 있죠.
16:37
But I'll tell you, here today,
401
982000
2000
하지만 오늘 이 자리에서 드릴 말씀은
16:39
that I'm committed to seeing this project done,
402
984000
2000
이 프로젝트를 종료시키는데 전력을 투구하고 있고,
16:41
to see if, within this decade,
403
986000
3000
가능하다면, 이번 십년 안에
16:44
we can finally hold in our hands
404
989000
2000
우리는 우주의 법칙을
16:46
the rule for our universe
405
991000
2000
손에 쥐게 될 것이며,
16:48
and know where our universe lies
406
993000
2000
모든 가능한 우주 중에
16:50
in the space of all possible universes ...
407
995000
2000
우리의 우주가 어디에 위치하는지와
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
울프램 알파가 우주의 이론을 검색할 수 있게 되어,
16:55
and have it tell us.
409
1000000
2000
그것을 우리에게 알려줄 것입니다.
16:57
(Laughter)
410
1002000
2000
(웃음)
17:00
So I've been working on the idea of computation
411
1005000
2000
저는 계산이라는 아이디어에 대해
17:02
now for more than 30 years,
412
1007000
2000
30년 이상 연구해 왔으며,
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
도구와 방법을 만들어 지적 아이디어들을
17:07
into millions of lines of code
414
1012000
2000
수백만 줄짜리 코드로 만들었고,
17:09
and grist for server farms and so on.
415
1014000
2000
방대한 서버 팜도 운영하고 있죠.
17:11
With every passing year,
416
1016000
2000
세월이 지나면서
17:13
I realize how much more powerful
417
1018000
2000
깨달은 것은 계산이라는 아이디어가
17:15
the idea of computation really is.
418
1020000
2000
진정 얼마나 강력한 것인가하는 것입니다.
17:17
It's taken us a long way already,
419
1022000
2000
이미 우리를 이 멀리 데려왔지만,
17:19
but there's so much more to come.
420
1024000
2000
아직도 더 가야할 길이 훨씬 많아요.
17:21
From the foundations of science
421
1026000
2000
과학의 기본부터
17:23
to the limits of technology
422
1028000
2000
기술의 한계에 이르기까지,
17:25
to the very definition of the human condition,
423
1030000
2000
인간의 조건에 대한 정확한 정의에 도달할 때까지,
17:27
I think computation is destined to be
424
1032000
2000
저는 계산이야 말로 우리 미래에 대한 생각을
17:29
the defining idea of our future.
425
1034000
2000
정의하도록 되어 있는 것이라고 생각합니다.
17:31
Thank you.
426
1036000
2000
감사합니다.
17:33
(Applause)
427
1038000
14000
(박수)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
크리스 앤더슨: 와 멋지네요.
17:49
Stay here. I've got a question.
429
1054000
2000
가만 계세요. 질문이 있어요.
17:51
(Applause)
430
1056000
4000
(박수)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
정말 놀라운 강연이었습니다.
18:01
Are you able to say in a sentence or two
432
1066000
3000
한 두 문장으로 요약해서
18:04
how this type of thinking
433
1069000
3000
이러한 생각의 형태가
18:07
could integrate at some point
434
1072000
2000
어떤 점에서 끈 이론이나
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
이와 유사한 우주의 기본을 설명할 수 있는 이론을 통합할 수 있을 지
18:11
as the fundamental explanations of the universe?
436
1076000
3000
설명해주실 수 있습니까?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
스티븐 울프램: 글쎄요, 물리학의 일부 중에
18:16
that we kind of know to be true,
438
1081000
2000
우리가 진실이라고 알고 있는 것들은
18:18
things like the standard model of physics:
439
1083000
2000
물리학의 표준 모델과 같은 것들이 있죠.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
제가 하려는 것은 이 물리학의 표준 모델을 더 잘 재현하는 것이거나
18:23
or it's simply wrong.
441
1088000
2000
혹은 단순히 잘못된 것입니다.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
사람들이 지난 25년 간 하려고 한 것은
18:27
with string theory and so on
443
1092000
2000
끈 이론이나 기타 이론들을 통해
18:29
have been an interesting exploration
444
1094000
2000
바로 이 표준 모델로 회귀하려는
18:31
that has tried to get back to the standard model,
445
1096000
3000
흥미로운 탐험이었죠.
18:34
but hasn't quite gotten there.
446
1099000
2000
하지만, 그 목표에 전혀 도달하지 못하고 있어요.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
제 추측은 제가 하고 있는 것을 아주 단순화한 것이
18:39
may actually have considerable resonance
448
1104000
3000
실제로 끈 이론에서 해오고 있던 것과
18:42
with what's been done in string theory,
449
1107000
2000
큰 관련이 있을지 모른다는 것입니다.
18:44
but that's a complicated math thing
450
1109000
3000
하지만 매우 복잡한 수학이 요구되고
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
어떻게 해결이 날지 아직도 모르겠어요.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
CA: 여기 베누아 만델브로(Benoit Mandlebrot)가 청중으로 와 있습니다만.
18:52
He also has shown how complexity
453
1117000
2000
그도 단순한 시작에 얼마나 복잡한 것이
18:54
can arise out of a simple start.
454
1119000
2000
나올 수 있는가를 보여준 바 있어요.
18:56
Does your work relate to his?
455
1121000
2000
당신의 일이 그와 관련이 있나요?
18:58
SW: I think so.
456
1123000
2000
SW: 그럴것입니다.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
전 베누아 만델브로의 성과를
19:02
as one of the founding contributions
458
1127000
3000
이런 종류의 분야에 있어서
19:05
to this kind of area.
459
1130000
3000
근본적인 공헌 중에 하나로 봅니다.
19:08
Benoit has been particularly interested
460
1133000
2000
베누아는 특히 프랙탈(fractal)과 같은 것들에서 볼 수 있는
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
중첩된(nested) 패턴에 관심이 있었죠.
19:12
where the structure is something
462
1137000
2000
이 경우 구조물은
19:14
that's kind of tree-like,
463
1139000
2000
나무와 같은 모양을 가지고 있고
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
일종의 큰 가지가 작은 가지들을 만들고
19:18
and even smaller branches and so on.
465
1143000
3000
더욱 작은 가지들을 만드는 식이죠.
19:21
That's one of the ways
466
1146000
2000
이것은 진정한 복잡성을
19:23
that you get towards true complexity.
467
1148000
3000
향하는 방법 중에 하나죠.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
저는 규칙 30번과 같은 세포 자동자들(cellular automaton)이
19:29
get us to a different level.
469
1154000
2000
또 다른 수준의 복잡성을 만든다고 봅니다.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
사실상, 매우 정확하게 말해서 다른 수준에 도달하는 거죠.
19:34
because they seem to be things that are
471
1159000
2000
왜냐면 그것들은 복잡성을 발휘할 수 있는
19:37
capable of complexity
472
1162000
3000
것처럼 보이는데,
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
이러한 종류의 복잡성은 여태 본 적이 없는 것이죠...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
엄청 길게 설명할 수도 있지만, 하지 않도록 하겠습니다.
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
CA: 스티븐 울프램, 감사합니다.
19:49
(Applause)
476
1174000
2000
(박수)
ABOUT THE SPEAKER
Stephen Wolfram - Scientist, inventorStephen Wolfram is the creator of Mathematica and Wolfram|Alpha, the author of A New Kind of Science, and the founder and CEO of Wolfram Research.
Why you should listen
Stephen Wolfram published his first scientific paper at the age of 15, and received his PhD in theoretical physics from Caltech by the age of 20. Having started to use computers in 1973, Wolfram rapidly became a leader in the emerging field of scientific computing.
In 1981 Wolfram became the youngest recipient of a MacArthur Prize Fellowship. He then set out on an ambitious new direction in science aimed at understanding the origins of complexity in nature. Wolfram's first key idea was to use computer experiments to study the behavior of simple computer programs known as cellular automata. This allowed him to make a series of startling discoveries about the origins of complexity.
Wolfram founded the first research center and the first journal in the field, Complex Systems, and began the development of Mathematica. Wolfram Research soon became a world leader in the software industry -- widely recognized for excellence in both technology and business.
Following the release of Mathematica Version 2 in 1991, Wolfram began to divide his time between Mathematica development and scientific research. Building on his work from the mid-1980s, and now with Mathematica as a tool, Wolfram made a rapid succession of major new discoveries, which he described in his book, A New Kind of Science.
Building on Mathematica, A New Kind of Science, and the success of Wolfram Research, Wolfram recently launched Wolfram|Alpha -- an ambitious, long-term project to make as much of the world's knowledge as possible computable, and accessible to everyone.
Stephen Wolfram | Speaker | TED.com