TED2010
Stephen Wolfram: Computing a theory of all knowledge
Stephen Wolfram: een alomvattende theorie berekenen
Filmed:
Readability: 4.4
1,811,819 views
Stephen Wolfram, de maker van Mathematica, vertelt over zijn zoektocht om alle kennis berekenbaar te maken - doorzoekbaar, verwerkt en manipuleerbaar. Zijn nieuwe zoekmachine, Wolfram Alpha, heeft geen ander doel dan het modelleren en uitleggen van de natuurkunde die aan het universum ten grondslag ligt.
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
Ik wil het hebben over een groots idee.
00:19
Actually, I think it'll eventually
1
4000
2000
Ik denk dat het uiteindelijk
00:21
be seen as probably the single biggest idea
2
6000
2000
zal worden gezien als het allergrootste idee
00:23
that's emerged in the past century.
3
8000
2000
dat de afgelopen eeuw heeft voortgebracht.
00:25
It's the idea of computation.
4
10000
2000
Het is het idee van de berekening.
00:27
Now, of course, that idea has brought us
5
12000
2000
Dat idee heeft ons
00:29
all of the computer technology we have today and so on.
6
14000
3000
heel onze huidige computertechnologie gebracht.
00:32
But there's actually a lot more to computation than that.
7
17000
3000
Maar berekening
heeft veel te betekenen dan dat.
heeft veel te betekenen dan dat.
00:35
It's really a very deep, very powerful, very fundamental idea,
8
20000
3000
Het is een erg diep, erg krachtig,
erg fundamenteel idee,
erg fundamenteel idee,
00:38
whose effects we've only just begun to see.
9
23000
3000
waarvan we het effect
pas nu beginnen te zien.
pas nu beginnen te zien.
00:41
Well, I myself have spent the past 30 years of my life
10
26000
3000
Ik heb de voorbije 30 jaar
van mijn leven besteed
van mijn leven besteed
00:44
working on three large projects
11
29000
2000
aan drie grote projecten
00:46
that really try to take the idea of computation seriously.
12
31000
3000
die het idee van berekening
ernstig proberen te nemen.
ernstig proberen te nemen.
00:50
So I started off at a young age as a physicist
13
35000
3000
Ik begon op jonge leeftijd als natuurkundige
00:53
using computers as tools.
14
38000
2000
die computers
als gereedschap gebruikte.
als gereedschap gebruikte.
00:55
Then, I started drilling down,
15
40000
2000
Daarna begon ik in te zoomen.
00:57
thinking about the computations I might want to do,
16
42000
2000
Ik dacht na over de berekeningen
die ik wilde doen,
die ik wilde doen,
00:59
trying to figure out what primitives they could be built up from
17
44000
3000
uit welke primitieven
ze opgebouwd konden worden
ze opgebouwd konden worden
01:02
and how they could be automated as much as possible.
18
47000
3000
en hoe ze zoveel mogelijk
geautomatiseerd konden worden.
geautomatiseerd konden worden.
01:05
Eventually, I created a whole structure
19
50000
2000
Uiteindelijk creëerde ik een structuur
01:07
based on symbolic programming and so on
20
52000
2000
gebaseerd op symbolisch programmeren,
01:09
that let me build Mathematica.
21
54000
2000
waardoor ik Mathematica kon bouwen.
01:11
And for the past 23 years, at an increasing rate,
22
56000
2000
De afgelopen 23 jaar hebben we
01:13
we've been pouring more and more ideas
23
58000
2000
meer en meer ideeën
01:15
and capabilities and so on into Mathematica,
24
60000
2000
en functionaliteiten in Mathematica gestopt.
01:17
and I'm happy to say that that's led to many good things
25
62000
3000
Dat heeft tot veel goede dingen geleid
01:20
in R & D and education,
26
65000
2000
in onderzoek en ontwikkeling en onderwijs,
01:22
lots of other areas.
27
67000
2000
en in andere gebieden.
01:24
Well, I have to admit, actually,
28
69000
2000
Ik moet toegeven
01:26
that I also had a very selfish reason for building Mathematica:
29
71000
3000
dat ik Mathematica ook
uit eigenbelang heb gemaakt.
uit eigenbelang heb gemaakt.
01:29
I wanted to use it myself,
30
74000
2000
Ik wilde het zelf gebruiken,
01:31
a bit like Galileo got to use his telescope
31
76000
2000
een beetje zoals Galileo
zijn telescoop gebruikte
zijn telescoop gebruikte
01:33
400 years ago.
32
78000
2000
400 jaar geleden.
01:35
But I wanted to look not at the astronomical universe,
33
80000
3000
Maar ik wilde niet n
aar het astronomische universum kijken,
aar het astronomische universum kijken,
01:38
but at the computational universe.
34
83000
3000
maar naar het universum van de berekeningen.
01:41
So we normally think of programs as being
35
86000
2000
Gewoonlijk zien we programma's als
01:43
complicated things that we build
36
88000
2000
moeilijke dingen die we bouwen
01:45
for very specific purposes.
37
90000
2000
voor erg specifieke doeleinden.
01:47
But what about the space of all possible programs?
38
92000
3000
Maar wat met ruimte
van alle mogelijke programma's?
van alle mogelijke programma's?
01:50
Here's a representation of a really simple program.
39
95000
3000
Hier is een voorbeeld
van een echt simpel programma.
van een echt simpel programma.
01:53
So, if we run this program,
40
98000
2000
Als we dit programma uitvoeren,
01:55
this is what we get.
41
100000
2000
dan krijgen we dit.
01:57
Very simple.
42
102000
2000
Erg eenvoudig.
01:59
So let's try changing the rule
43
104000
2000
Laten we dus de regel
02:01
for this program a little bit.
44
106000
2000
voor dit programma een beetje veranderen.
02:03
Now we get another result,
45
108000
2000
Nu krijgen we een ander resultaat,
02:05
still very simple.
46
110000
2000
nog steeds erg eenvoudig.
02:07
Try changing it again.
47
112000
3000
Probeer het nog een keer te veranderen.
02:10
You get something a little bit more complicated.
48
115000
2000
Het wordt wat ingewikkelder,
02:12
But if we keep running this for a while,
49
117000
2000
maar als we dit een tijdje laten draaien
02:14
we find out that although the pattern we get is very intricate,
50
119000
3000
ontdekken we dat het patroon
hoewel erg complex,
hoewel erg complex,
02:17
it has a very regular structure.
51
122000
3000
toch een regelmatige structuur heeft.
02:20
So the question is: Can anything else happen?
52
125000
3000
De vraag is dus:
kan er nog iets anders gebeuren?
kan er nog iets anders gebeuren?
02:23
Well, we can do a little experiment.
53
128000
2000
We kunnen een experimentje doen.
02:25
Let's just do a little mathematical experiment, try and find out.
54
130000
3000
Laten we een wiskundig experimentje doen,
proberen en ontdekken.
proberen en ontdekken.
02:29
Let's just run all possible programs
55
134000
3000
Laten we alle mogelijke programma's uitvoeren
02:32
of the particular type that we're looking at.
56
137000
2000
van het bijzondere type waar we naar kijken.
02:34
They're called cellular automata.
57
139000
2000
Ze worden cellulaire automata genoemd.
02:36
You can see a lot of diversity in the behavior here.
58
141000
2000
Je ziet heel verscheiden gedrag.
02:38
Most of them do very simple things,
59
143000
2000
De meeste doen eenvoudige dingen.
02:40
but if you look along all these different pictures,
60
145000
2000
Maar als je lang genoeg
kijkt naar de plaatjes,
kijkt naar de plaatjes,
02:42
at rule number 30,
61
147000
2000
op regel nummer 30,
02:44
you start to see something interesting going on.
62
149000
2000
dan zie je dat er
iets interessants aan de hand is.
iets interessants aan de hand is.
02:46
So let's take a closer look
63
151000
2000
Laten we dus nader kijken
02:48
at rule number 30 here.
64
153000
2000
naar regel nummer 30 hier.
02:50
So here it is.
65
155000
2000
Hier is het.
02:52
We're just following this very simple rule at the bottom here,
66
157000
3000
We volgen alleen deze eenvoudige regel
hier beneden,
hier beneden,
02:55
but we're getting all this amazing stuff.
67
160000
2000
maar we krijgen al die verbazingwekkende dingen.
02:57
It's not at all what we're used to,
68
162000
2000
Dit is helemaal niet wat we gewend zijn,
02:59
and I must say that, when I first saw this,
69
164000
2000
en ik moet zeggen,
toen ik dit voor het eerst zag,
toen ik dit voor het eerst zag,
03:01
it came as a huge shock to my intuition.
70
166000
3000
was het een grote schok
voor mijn intuïtie.
voor mijn intuïtie.
03:04
And, in fact, to understand it,
71
169000
2000
Om het te begrijpen,
03:06
I eventually had to create
72
171000
2000
moest ik uiteindelijk
03:08
a whole new kind of science.
73
173000
2000
een hele nieuw soort wetenschap creëren.
03:11
(Laughter)
74
176000
2000
(Gelach)
03:13
This science is different, more general,
75
178000
3000
Deze wetenschap is anders, algemener
03:16
than the mathematics-based science that we've had
76
181000
2000
dan de op wiskunde gebaseerde wetenschap
03:18
for the past 300 or so years.
77
183000
3000
van de afgelopen 300 jaar.
03:21
You know, it's always seemed like a big mystery:
78
186000
2000
Het leek altijd een groot mysterie
03:23
how nature, seemingly so effortlessly,
79
188000
3000
hoe de natuur,
ogenschijnlijk zo moeiteloos
ogenschijnlijk zo moeiteloos
03:26
manages to produce so much
80
191000
2000
in staat is zoveel te produceren
03:28
that seems to us so complex.
81
193000
3000
dat voor ons zo complex lijkt.
03:31
Well, I think we've found its secret:
82
196000
3000
Ik denk dat we het geheim
hebben gevonden.
hebben gevonden.
03:34
It's just sampling what's out there in the computational universe
83
199000
3000
In het universum van de berekeningen
is er alleen sampling.
is er alleen sampling.
03:37
and quite often getting things like Rule 30
84
202000
3000
Vaak krijgen we dingen
zoals Regel 30
zoals Regel 30
03:40
or like this.
85
205000
3000
of zoals dit.
03:44
And knowing that starts to explain
86
209000
2000
Dat weten, verklaart
03:46
a lot of long-standing mysteries in science.
87
211000
3000
veel lang bestaande mysteries
in de wetenschap.
in de wetenschap.
03:49
It also brings up new issues, though,
88
214000
2000
Het zorgt ook voor nieuwe kwesties,
03:51
like computational irreducibility.
89
216000
3000
zoals de onherleidbaarheid van berekeningen.
03:54
I mean, we're used to having science let us predict things,
90
219000
3000
We zijn gewend dat wetenschap
ons dingen laat voorspellen,
ons dingen laat voorspellen,
03:57
but something like this
91
222000
2000
maar zoiets als dit
03:59
is fundamentally irreducible.
92
224000
2000
is fundamenteel onherleidbaar.
04:01
The only way to find its outcome
93
226000
2000
De enige mogelijke weg om de uitkomst te vinden
04:03
is, effectively, just to watch it evolve.
94
228000
3000
is gewoon kijken hoe het evolueert.
04:06
It's connected to, what I call,
95
231000
2000
Het is gelinkt aan
04:08
the principle of computational equivalence,
96
233000
2000
het 'principe van equivalentie van berekeningen',
04:10
which tells us that even incredibly simple systems
97
235000
3000
dat ons leert dat zelfs zeer eenvoudige systemen
04:13
can do computations as sophisticated as anything.
98
238000
3000
zeer gesofisticeerde berekeningen kunnen doen.
04:16
It doesn't take lots of technology or biological evolution
99
241000
3000
Er is niet veel technologie of biologische evolutie voor nodig
04:19
to be able to do arbitrary computation;
100
244000
2000
om arbitraire berekeningen te doen.
04:21
just something that happens, naturally,
101
246000
2000
Het gebeurt gewoon, natuurlijk,
04:23
all over the place.
102
248000
2000
overal.
04:25
Things with rules as simple as these can do it.
103
250000
3000
Dingen met zulke simpele regels als dit kunnen het.
04:29
Well, this has deep implications
104
254000
2000
Dit heeft vérstrekkende gevolgen
04:31
about the limits of science,
105
256000
2000
voor de grenzen van de wetenschap,
04:33
about predictability and controllability
106
258000
2000
voor de voorspelbaarheid
en controleerbaarheid
en controleerbaarheid
04:35
of things like biological processes or economies,
107
260000
3000
van dingen zoals
biologische processen of economieën,
biologische processen of economieën,
04:38
about intelligence in the universe,
108
263000
2000
voor intelligentie in het heelal,
04:40
about questions like free will
109
265000
2000
voor vraagstukken als de vrije wil
04:42
and about creating technology.
110
267000
3000
en voor het maken van technologie.
04:45
You know, in working on this science for many years,
111
270000
2000
Terwijl ik jaren gewerkt hebt
aan deze wetenschap,
aan deze wetenschap,
04:47
I kept wondering,
112
272000
2000
bleef ik me afvragen:
04:49
"What will be its first killer app?"
113
274000
2000
"Wat zal de eerste 'killer app' zijn?"
04:51
Well, ever since I was a kid,
114
276000
2000
Sinds mijn kindertijd
04:53
I'd been thinking about systematizing knowledge
115
278000
2000
heb ik aan het systematiseren van kennis gedacht
04:55
and somehow making it computable.
116
280000
2000
om die berekenbaar te maken.
04:57
People like Leibniz had wondered about that too
117
282000
2000
Mensen zoals Leibniz
vroegen zich dat ook af,
vroegen zich dat ook af,
04:59
300 years earlier.
118
284000
2000
300 jaar geleden.
05:01
But I'd always assumed that to make progress,
119
286000
2000
Maar ik nam altijd aan
dat ik om vooruitgang te boeken,
dat ik om vooruitgang te boeken,
05:03
I'd essentially have to replicate a whole brain.
120
288000
3000
het hele brein zou moeten kopiëren.
05:06
Well, then I got to thinking:
121
291000
2000
Maar nu denk ik:
05:08
This scientific paradigm of mine suggests something different --
122
293000
3000
mijn wetenschappelijke paradigma
suggereert iets anders.
suggereert iets anders.
05:11
and, by the way, I've now got
123
296000
2000
Ik heb nu ook
05:13
huge computation capabilities in Mathematica,
124
298000
3000
enorme rekenmogelijkheden in Mathematica,
05:16
and I'm a CEO with some worldly resources
125
301000
3000
en ik ben een CEO met de wereldlijke middelen
05:19
to do large, seemingly crazy, projects --
126
304000
3000
om grote, ogenschijnlijk waanzinnige projecten te doen.
05:22
So I decided to just try to see
127
307000
2000
Dus besloot ik na te gaan
05:24
how much of the systematic knowledge that's out there in the world
128
309000
3000
hoeveel van de bestaande systematische kennis
05:27
we could make computable.
129
312000
2000
we berekenbaar kunnen maken.
05:29
So, it's been a big, very complex project,
130
314000
2000
Het was een groot en complex project,
05:31
which I was not sure was going to work at all.
131
316000
3000
waarvan ik niet zeker was
dat het zou werken.
dat het zou werken.
05:34
But I'm happy to say it's actually going really well.
132
319000
3000
Maar ik ben blij om te zeggen
dat het heel goed gaat.
dat het heel goed gaat.
05:37
And last year we were able
133
322000
2000
Vorig jaar hebben we
05:39
to release the first website version
134
324000
2000
de eerste website-versie
05:41
of Wolfram Alpha.
135
326000
2000
van Wolfram Alpha gelanceerd.
05:43
Its purpose is to be a serious knowledge engine
136
328000
3000
Ze heeft tot doel
om een serieuze kennismachine te zijn
om een serieuze kennismachine te zijn
05:46
that computes answers to questions.
137
331000
3000
die antwoorden op vragen berekent.
05:49
So let's give it a try.
138
334000
2000
Laten we het dus proberen.
05:51
Let's start off with something really easy.
139
336000
2000
Laten we met iets heel simpels beginnen.
05:53
Hope for the best.
140
338000
2000
Laten we het beste hopen.
05:55
Very good. Okay.
141
340000
2000
Erg goed. OK.
05:57
So far so good.
142
342000
2000
Tot nu toe gaat alles goed.
05:59
(Laughter)
143
344000
3000
(Gelach)
06:02
Let's try something a little bit harder.
144
347000
3000
Laten we iets moeilijkers proberen.
06:05
Let's do
145
350000
2000
Laten we zeggen...
06:07
some mathy thing,
146
352000
3000
Laten we iets wiskundigs doen.
06:10
and with luck it'll work out the answer
147
355000
3000
Met een beetje geluk
zal het een antwoord geven
zal het een antwoord geven
06:13
and try and tell us some interesting things
148
358000
2000
en ons interessante dingen
proberen te vertellen
proberen te vertellen
06:15
things about related math.
149
360000
2000
dingen over verwante wiskunde.
06:17
We could ask it something about the real world.
150
362000
3000
We zouden het iets kunnen vragen
over de echte wereld.
over de echte wereld.
06:20
Let's say -- I don't know --
151
365000
2000
Laten we zeggen --
06:22
what's the GDP of Spain?
152
367000
3000
Wat is het bnp van Spanje?
06:25
And it should be able to tell us that.
153
370000
2000
Het zou ons moeten kunnen vertellen
wat dat is.
wat dat is.
06:27
Now we could compute something related to this,
154
372000
2000
Nu berekenen we iets
dat eraan gerelateerd is,
dat eraan gerelateerd is,
06:29
let's say ... the GDP of Spain
155
374000
2000
laten we zeggen het bnp van Spanje
06:31
divided by, I don't know,
156
376000
2000
gedeeld door, weet niet,
06:33
the -- hmmm ...
157
378000
2000
de -- hmm..
06:35
let's say the revenue of Microsoft.
158
380000
2000
laten we zeggen de inkomsten van Microsoft.
06:37
(Laughter)
159
382000
2000
(Gelach)
06:39
The idea is that we can just type this in,
160
384000
2000
Het idee is dat we dit
gewoon kunnen intikken,
gewoon kunnen intikken,
06:41
this kind of question in, however we think of it.
161
386000
3000
zo'n soort vraag,
op de manier die ons invalt.
op de manier die ons invalt.
06:44
So let's try asking a question,
162
389000
2000
Laten we dus een vraag stellen,
06:46
like a health related question.
163
391000
2000
bijvoorbeeld een vraag over gezondheid.
06:48
So let's say we have a lab finding that ...
164
393000
3000
Laten we zeggen
dat er een lab is dat vaststelt --
dat er een lab is dat vaststelt --
06:51
you know, we have an LDL level of 140
165
396000
2000
weet je, we hebben een LDL-niveau van 140
06:53
for a male aged 50.
166
398000
3000
voor een man van 50.
06:56
So let's type that in, and now Wolfram Alpha
167
401000
2000
We tikken dat in
en nu zal Wolfram Alpha
en nu zal Wolfram Alpha
06:58
will go and use available public health data
168
403000
2000
met openbare gezondheidsdata
07:00
and try and figure out
169
405000
2000
proberen uit te zoeken
07:02
what part of the population that corresponds to and so on.
170
407000
3000
welk deel van de bevolking
daarmee overeenkomt.
daarmee overeenkomt.
07:05
Or let's try asking about, I don't know,
171
410000
3000
Of laten we proberen
vragen te stellen
vragen te stellen
07:08
the International Space Station.
172
413000
2000
over het internationale ruimtestation.
07:10
And what's happening here is that
173
415000
2000
Wat hier gebeurt, is
07:12
Wolfram Alpha is not just looking up something;
174
417000
2000
dat Wolfram Alpha niet zomaar iets opzoekt;
07:14
it's computing, in real time,
175
419000
3000
het berekent, in real time,
07:17
where the International Space Station is right now at this moment,
176
422000
3000
waar het internationale ruimtestation
op dit moment precies is,
op dit moment precies is,
07:20
how fast it's going, and so on.
177
425000
3000
hoe snel het gaat etc.
07:24
So Wolfram Alpha knows about lots and lots of kinds of things.
178
429000
3000
Wolfram Alpha weet een heleboel
over een heleboel dingen.
over een heleboel dingen.
07:27
It's got, by now,
179
432000
2000
Het heeft nu
07:29
pretty good coverage of everything you might find
180
434000
2000
een heel goede dekking
over alles wat je maar kunt vinden
over alles wat je maar kunt vinden
07:31
in a standard reference library.
181
436000
3000
in een standaard naslagwerk etc.
07:34
But the goal is to go much further
182
439000
2000
Het doel is om veel verder te gaan
07:36
and, very broadly, to democratize
183
441000
3000
en in ruime zin
07:39
all of this knowledge,
184
444000
3000
alle kennis van dit type
te democratiseren,
te democratiseren,
07:42
and to try and be an authoritative
185
447000
2000
en om te proberen
om een gezaghebbende bron
om een gezaghebbende bron
07:44
source in all areas.
186
449000
2000
te zijn op elk gebied,
07:46
To be able to compute answers to specific questions that people have,
187
451000
3000
om antwoorden te berekenen
op specifieke vragen van mensen,
op specifieke vragen van mensen,
07:49
not by searching what other people
188
454000
2000
niet door te zoeken wat andere mensen
07:51
may have written down before,
189
456000
2000
eerder hebben geschreven,
07:53
but by using built in knowledge
190
458000
2000
maar door ingebouwde kennis te gebruiken
07:55
to compute fresh new answers to specific questions.
191
460000
3000
om frisse nieuwe antwoorden
op specifieke vragen te berekenen.
op specifieke vragen te berekenen.
07:58
Now, of course, Wolfram Alpha
192
463000
2000
Wolfram Alpha is
08:00
is a monumentally huge, long-term project
193
465000
2000
een monumentaal groot langetermijnproject
08:02
with lots and lots of challenges.
194
467000
2000
met heel veel uitdagingen.
08:04
For a start, one has to curate a zillion
195
469000
3000
Het vergt een eindeloze verzameling
08:07
different sources of facts and data,
196
472000
3000
van verschillende bronnen
van feiten en gegevens.
van feiten en gegevens.
08:10
and we built quite a pipeline of Mathematica automation
197
475000
3000
We hebben een pipeline opgezet
van Mathematica-automatisering
van Mathematica-automatisering
08:13
and human domain experts for doing this.
198
478000
3000
en menselijke domeinexperts
om dit te doen.
om dit te doen.
08:16
But that's just the beginning.
199
481000
2000
Maar dat is slechts het begin.
08:18
Given raw facts or data
200
483000
2000
Met ruwe feiten of gegevens
08:20
to actually answer questions,
201
485000
2000
om vragen te beantwoorden
08:22
one has to compute:
202
487000
2000
berekenen we,
08:24
one has to implement all those methods and models
203
489000
2000
implementeren we al deze methoden en modellen
08:26
and algorithms and so on
204
491000
2000
en algoritmes etc.
08:28
that science and other areas have built up over the centuries.
205
493000
3000
die anderen door de eeuwen heen
hebben opgebouwd.
hebben opgebouwd.
08:31
Well, even starting from Mathematica,
206
496000
3000
Zelfs als we starten
vanuit Mathematica,
vanuit Mathematica,
08:34
this is still a huge amount of work.
207
499000
2000
is dit nog steeds
een hele berg werk.
een hele berg werk.
08:36
So far, there are about 8 million lines
208
501000
2000
Tot dusver zitten er
zo'n 8 miljoen regels
zo'n 8 miljoen regels
08:38
of Mathematica code in Wolfram Alpha
209
503000
2000
Mathematica-code
in Wolfram Alpha
in Wolfram Alpha
08:40
built by experts from many, many different fields.
210
505000
3000
gebouwd door experts
in veel verschillende vakgebieden.
in veel verschillende vakgebieden.
08:43
Well, a crucial idea of Wolfram Alpha
211
508000
3000
Een cruciaal idee van Wolfram Alpha
08:46
is that you can just ask it questions
212
511000
2000
is dat je het vragen kunt stellen
08:48
using ordinary human language,
213
513000
3000
in gewone mensentaal.
08:51
which means that we've got to be able to take
214
516000
2000
Alle vreemde uitingen
08:53
all those strange utterances that people type into the input field
215
518000
3000
die mensen in het invoerveld typen,
08:56
and understand them.
216
521000
2000
kunnen we begrijpen.
08:58
And I must say that I thought that step
217
523000
2000
Ik moet zeggen dat ik dacht dat die stap
09:00
might just be plain impossible.
218
525000
3000
gewoonweg onmogelijk zou zijn.
09:04
Two big things happened:
219
529000
2000
Er gebeurden twee grote dingen.
09:06
First, a bunch of new ideas about linguistics
220
531000
3000
Ten eerste, een aantal nieuwe ideeën over linguïstiek
09:09
that came from studying the computational universe;
221
534000
3000
die voortkwamen uit de studie
van het universum van de berekeningen.
van het universum van de berekeningen.
09:12
and second, the realization that having actual computable knowledge
222
537000
3000
Ten tweede, het besef
dat het hebben van reële berekenbare kennis
dat het hebben van reële berekenbare kennis
09:15
completely changes how one can
223
540000
2000
diepe impact heeft
op de manier
op de manier
09:17
set about understanding language.
224
542000
3000
waarop we taal kunnen begrijpen.
09:20
And, of course, now
225
545000
2000
Nu Wolfram Alpha effectief gelanceerd is,
09:22
with Wolfram Alpha actually out in the wild,
226
547000
2000
Nu Wolfram Alpha effectief gelanceerd is,
09:24
we can learn from its actual usage.
227
549000
2000
kunnen we leren van het eigenlijk gebruik ervan.
09:26
And, in fact, there's been
228
551000
2000
Er is een interessante parallelle evolutie aan de gang
09:28
an interesting coevolution that's been going on
229
553000
2000
Er is een interessante parallelle evolutie aan de gang
09:30
between Wolfram Alpha
230
555000
2000
tussen Wolfram Alpha
09:32
and its human users,
231
557000
2000
en zijn mensenlijke gebruikers.
09:34
and it's really encouraging.
232
559000
2000
Het is erg bemoedigend.
09:36
Right now, if we look at web queries,
233
561000
2000
Als we nu naar web queries kijken,
09:38
more than 80 percent of them get handled successfully the first time.
234
563000
3000
dan wordt meer dan 80 procent
al bij de eerste keer succesvol afgehandeld.
al bij de eerste keer succesvol afgehandeld.
09:41
And if you look at things like the iPhone app,
235
566000
2000
Bij de iPhone-app
09:43
the fraction is considerably larger.
236
568000
2000
is het percentage aanzienlijk groter.
09:45
So, I'm pretty pleased with it all.
237
570000
2000
Dus ik ben er erg tevreden mee.
09:47
But, in many ways,
238
572000
2000
Maar in vele opzichten
09:49
we're still at the very beginning with Wolfram Alpha.
239
574000
3000
staan we nog helemaal aan het begin
van Wolfram Alpha.
van Wolfram Alpha.
09:52
I mean, everything is scaling up very nicely
240
577000
2000
We worden groter.
09:54
and we're getting more confident.
241
579000
2000
We worden zelfverzekerder.
09:56
You can expect to see Wolfram Alpha technology
242
581000
2000
Je zal Wolfram Alpha-technologie
09:58
showing up in more and more places,
243
583000
2000
zien verschijnen op steeds meer plekken,
10:00
working both with this kind of public data, like on the website,
244
585000
3000
terwijl het zowel werkt met openbare data,
zoals op de website,
zoals op de website,
10:03
and with private knowledge
245
588000
2000
en ook met private kennis
10:05
for people and companies and so on.
246
590000
3000
van mensen en bedrijven etc.
10:08
You know, I've realized that Wolfram Alpha actually gives one
247
593000
3000
Wolfram Alpha geeft
10:11
a whole new kind of computing
248
596000
2000
een heel nieuwe soort van berekening
10:13
that one can call knowledge-based computing,
249
598000
2000
die je 'kennisgebaseerd' zou kunnen noemen.
10:15
in which one's starting not just from raw computation,
250
600000
3000
Je begint niet gewoon
vanaf een ruwe berekening
vanaf een ruwe berekening
10:18
but from a vast amount of built-in knowledge.
251
603000
3000
maar vanaf een grote hoeveelheid
ingebouwde kennis.
ingebouwde kennis.
10:21
And when one does that, one really changes
252
606000
2000
Daarbij verandert je
10:23
the economics of delivering computational things,
253
608000
3000
de economie van het aanleveren
van berekeningen,
van berekeningen,
10:26
whether it's on the web or elsewhere.
254
611000
2000
of het nu op het web is
of ergens anders.
of ergens anders.
10:28
You know, we have a fairly interesting situation right now.
255
613000
3000
De huidige situatie is erg interessant.
10:31
On the one hand, we have Mathematica,
256
616000
2000
Aan de ene kant hebben we Mathematica,
10:33
with its sort of precise, formal language
257
618000
3000
met zijn heel precieze, formele taal
10:36
and a huge network
258
621000
2000
en een gigantisch netwerk
10:38
of carefully designed capabilities
259
623000
2000
van zorgvuldig ontworpen mogelijkheden
10:40
able to get a lot done in just a few lines.
260
625000
3000
die veel kan doen in weinig regels.
10:43
Let me show you a couple of examples here.
261
628000
3000
Laat me jullie een paar voorbeelden laten zien.
10:47
So here's a trivial piece of Mathematica programming.
262
632000
3000
Hier is een klein stukje Mathematica-programmatie.
10:51
Here's something where we're sort of
263
636000
2000
We proberen hier
10:53
integrating a bunch of different capabilities here.
264
638000
3000
enkele verschillende mogelijkheden te integreren.
10:56
Here we'll just create, in this line,
265
641000
3000
In deze regel hier
10:59
a little user interface that allows us to
266
644000
3000
makenwe een kleine user interface
11:02
do something fun there.
267
647000
2000
waardoor we daar iets leuks doen.
11:05
If you go on, that's a slightly more complicated program
268
650000
2000
Dat is een iets gecompliceerder programma
11:07
that's now doing all sorts of algorithmic things
269
652000
3000
dat wat algoritmische dingen doet
11:10
and creating user interface and so on.
270
655000
2000
en een user interface aan het maken is etc.
11:12
But it's something that is very precise stuff.
271
657000
3000
Maar het is een echt precisiewerkje.
11:15
It's a precise specification with a precise formal language
272
660000
3000
Het is een precieze specificatie
met een precieze formele taal
met een precieze formele taal
11:18
that causes Mathematica to know what to do here.
273
663000
3000
die ervoor zorgt dat Mathematica
weet wat het hier moet doen.
weet wat het hier moet doen.
11:21
Then on the other hand, we have Wolfram Alpha,
274
666000
3000
Aan de andere kant
hebben we Wolfram Alpha,
hebben we Wolfram Alpha,
11:24
with all the messiness of the world
275
669000
2000
met al de slordigheden van de wereld
11:26
and human language and so on built into it.
276
671000
2000
en van de menselijke taal erin gebouwd.
11:28
So what happens when you put these things together?
277
673000
3000
Wat gebeurt er
als je die samenvoegt?
als je die samenvoegt?
11:31
I think it's actually rather wonderful.
278
676000
2000
Ik vind het prachtig.
11:33
With Wolfram Alpha inside Mathematica,
279
678000
2000
Met Wolfram Alpha in Mathematica
11:35
you can, for example, make precise programs
280
680000
2000
kun je precieze programma's maken
11:37
that call on real world data.
281
682000
2000
die gebruik maken van echte data.
11:39
Here's a real simple example.
282
684000
2000
Hier is een eenvoudig voorbeeld.
11:44
You can also just sort of give vague input
283
689000
3000
Je kan ook van vage input geven
11:47
and then try and have Wolfram Alpha
284
692000
2000
en dan proberen om Wolfram Alpha
11:49
figure out what you're talking about.
285
694000
2000
te laten uitzoeken
waarover je het hebt.
waarover je het hebt.
11:51
Let's try this here.
286
696000
2000
Laten we dit hier proberen.
11:53
But actually I think the most exciting thing about this
287
698000
3000
Volgens mij is het spannendste
11:56
is that it really gives one the chance
288
701000
2000
dat het je de kans geeft
11:58
to democratize programming.
289
703000
3000
om het programmeren te democratiseren.
12:01
I mean, anyone will be able to say what they want in plain language.
290
706000
3000
Ieder zegt wat hij wil in gewone taal,
12:04
Then, the idea is that Wolfram Alpha will be able to figure out
291
709000
3000
en Wolfram Alpha zoekt uit
12:07
what precise pieces of code
292
712000
2000
welke precieze stukjes code
12:09
can do what they're asking for
293
714000
2000
kunnen doen wat ze vragen,
12:11
and then show them examples that will let them pick what they need
294
716000
3000
en toont dan voorbeelden om uit te kiezen,
12:14
to build up bigger and bigger, precise programs.
295
719000
3000
om steeds grotere precieze programma's te bouwen.
12:17
So, sometimes, Wolfram Alpha
296
722000
2000
Dus soms zal Wolfram Alpha
12:19
will be able to do the whole thing immediately
297
724000
2000
alles in een keer doen
12:21
and just give back a whole big program that you can then compute with.
298
726000
3000
en het hele programma opleveren
waarmee je kunt berekenen.
waarmee je kunt berekenen.
12:24
Here's a big website
299
729000
2000
Hier is een grote website
12:26
where we've been collecting lots of educational
300
731000
3000
waar we heel veel educatieve en andere demo's
12:29
and other demonstrations about lots of kinds of things.
301
734000
3000
over een heleboel dingen hebben verzameld.
12:32
I'll show you one example here.
302
737000
3000
Ik geef jullie een voorbeeld.
12:36
This is just an example of one of these computable documents.
303
741000
3000
Dit is een van deze berekenbare documenten.
12:39
This is probably a fairly small
304
744000
2000
Dit is een erg klein stuk
12:41
piece of Mathematica code
305
746000
2000
Mathematica-code
12:43
that's able to be run here.
306
748000
2000
dat daar kan draaien.
12:47
Okay. Let's zoom out again.
307
752000
3000
OK. Laten we weer uitzoomen.
12:50
So, given our new kind of science,
308
755000
2000
Kunnen we onze nieuwe soort wetenschap
12:52
is there a general way to use it to make technology?
309
757000
3000
gebruiken om technologie te maken?
12:55
So, with physical materials,
310
760000
2000
Dus met fysieke materialen,
12:57
we're used to going around the world
311
762000
2000
gaan we meestal de wereld rond
12:59
and discovering that particular materials
312
764000
2000
en ontdekken we dat specifieke materialen
13:01
are useful for particular
313
766000
2000
bruikbaar zijn voor speciale
13:03
technological purposes.
314
768000
2000
technologische doeleinden etc.
13:05
Well, it turns out we can do very much the same kind of thing
315
770000
2000
Blijkt dat hetzelfde mogelijk is
13:07
in the computational universe.
316
772000
2000
in het universum van de berekeningen.
13:09
There's an inexhaustible supply of programs out there.
317
774000
3000
Er is een onuitputtelijke voorraad
van programma's.
van programma's.
13:12
The challenge is to see how to
318
777000
2000
De uitdaging is om te zien
13:14
harness them for human purposes.
319
779000
2000
hoe we ze kunnen aanwenden
voor menselijke doeleinden.
voor menselijke doeleinden.
13:16
Something like Rule 30, for example,
320
781000
2000
Zoiets als Regel 30 bijvoorbeeld,
13:18
turns out to be a really good randomness generator.
321
783000
2000
dat blijkt een goede randomness generator te zijn.
13:20
Other simple programs are good models
322
785000
2000
Andere simpele programma's zijn goede modellen
13:22
for processes in the natural or social world.
323
787000
3000
voor processen in de natuurlijke of sociale wereld.
13:25
And, for example, Wolfram Alpha and Mathematica
324
790000
2000
Wolfram Alpha en Mathematica
13:27
are actually now full of algorithms
325
792000
2000
zitten vol met algoritmes
13:29
that we discovered by searching the computational universe.
326
794000
3000
die we ontdekt hebben
in het universum van de berekeningen.
in het universum van de berekeningen.
13:33
And, for example, this -- if we go back here --
327
798000
3000
We gaan hier terug--
13:37
this has become surprisingly popular
328
802000
2000
Dit is onverwacht populair
13:39
among composers
329
804000
2000
onder componisten
13:41
finding musical forms by searching the computational universe.
330
806000
3000
om muzikale vormen te vinden
in het universum van de berekeningen.
in het universum van de berekeningen.
13:45
In a sense, we can use the computational universe
331
810000
2000
We kunnen het universum van de berekeningen
13:47
to get mass customized creativity.
332
812000
3000
gebruiken om 'mass customized'-creativiteit te maken.
13:50
I'm hoping we can, for example,
333
815000
2000
Ik hoop dat we dat bijvoorbeeld
13:52
use that even to get Wolfram Alpha
334
817000
2000
kunnen gebruiken
om Wolfram Alpha
om Wolfram Alpha
13:54
to routinely do invention and discovery on the fly,
335
819000
3000
routinematig onderweg
uitvindingen te laten doen
uitvindingen te laten doen
13:57
and to find all sorts of wonderful stuff
336
822000
2000
en om allerlei wonderlijke dingen te vinden
13:59
that no engineer
337
824000
2000
die geen technicus
14:01
and no process of incremental evolution would ever come up with.
338
826000
3000
of geen proces van geleidelijke evolutie
ooit zou ontdekken.
ooit zou ontdekken.
14:05
Well, so, that leads to kind of an ultimate question:
339
830000
3000
Dat leidt tot een ultieme vraag.
14:08
Could it be that someplace out there in the computational universe
340
833000
3000
Zou het kunnen dat we
ergens in het universum van de berekeningen
ergens in het universum van de berekeningen
14:11
we might find our physical universe?
341
836000
3000
ons fysieke universum kunnen vinden?
14:14
Perhaps there's even some quite simple rule,
342
839000
2000
Misschien is er wel een simpele regel,
14:16
some simple program for our universe.
343
841000
3000
een simpel programma voor ons universum.
14:19
Well, the history of physics would have us believe
344
844000
2000
De geschiedenis van de natuurkunde zegt ons
14:21
that the rule for the universe must be pretty complicated.
345
846000
3000
dat de regel voor het universum
erg moeilijk moet zijn.
erg moeilijk moet zijn.
14:24
But in the computational universe,
346
849000
2000
Maar in het berekenbare universum
14:26
we've now seen how rules that are incredibly simple
347
851000
3000
hebben we nu gezien
hoe regels die erg eenvoudig zijn
hoe regels die erg eenvoudig zijn
14:29
can produce incredibly rich and complex behavior.
348
854000
3000
ongelooflijk rijk en complex gedrag kunnen produceren.
14:32
So could that be what's going on with our whole universe?
349
857000
3000
Zou dat dus aan de hand kunnen zijn
met ons hele universum?
met ons hele universum?
14:36
If the rules for the universe are simple,
350
861000
2000
Als de regels voor het universum eenvoudig zijn,
14:38
it's kind of inevitable that they have to be
351
863000
2000
is het in zekere zin onvermijdelijk
14:40
very abstract and very low level;
352
865000
2000
dat ze abstract en erg basic zijn,
14:42
operating, for example, far below
353
867000
2000
omdat ze, bij voorbeeld, ver onder
14:44
the level of space or time,
354
869000
2000
het niveau van ruimte en tijd opereren,
14:46
which makes it hard to represent things.
355
871000
2000
wat het moeilijk maakt
om dingen voor te stellen.
om dingen voor te stellen.
14:48
But in at least a large class of cases,
356
873000
2000
Maar in een grote groep gevallen
14:50
one can think of the universe as being
357
875000
2000
kan men over het universum denken als
14:52
like some kind of network,
358
877000
2000
een soort netwerk,
14:54
which, when it gets big enough,
359
879000
2000
dat, wanneer het groot genoeg wordt,
14:56
behaves like continuous space
360
881000
2000
zich gedraagt
als een continue ruimte
als een continue ruimte
14:58
in much the same way as having lots of molecules
361
883000
2000
net zoals iets dat veel moleculen heeft
15:00
can behave like a continuous fluid.
362
885000
2000
zich kan gedragen
als een continue vloeistof.
als een continue vloeistof.
15:02
Well, then the universe has to evolve by applying
363
887000
3000
Dan moet het universum zich ontwikkelen
15:05
little rules that progressively update this network.
364
890000
3000
via kleine regels die progressief
dit netwerk updaten.
dit netwerk updaten.
15:08
And each possible rule, in a sense,
365
893000
2000
Elke mogelijke regel
15:10
corresponds to a candidate universe.
366
895000
2000
komt overeen
met een kandidaat-universum.
met een kandidaat-universum.
15:12
Actually, I haven't shown these before,
367
897000
3000
Ik heb dit nog niet eerder laten zien,
15:16
but here are a few of the candidate universes
368
901000
3000
maar hier zijn een aantal kandidaat-universums
15:19
that I've looked at.
369
904000
2000
waarnaar ik heb gekeken.
15:21
Some of these are hopeless universes,
370
906000
2000
Sommige zijn hopeloze universums,
15:23
completely sterile,
371
908000
2000
compleet steriel,
15:25
with other kinds of pathologies like no notion of space,
372
910000
2000
met andere problemen, zoals
geen notie van ruimte,
geen notie van ruimte,
15:27
no notion of time, no matter,
373
912000
3000
geen notie van tijd, geen materie,
15:30
other problems like that.
374
915000
2000
en andere soortgelijke problemen.
15:32
But the exciting thing that I've found in the last few years
375
917000
3000
Het spannende is
dat ik heb ontdekt
dat ik heb ontdekt
15:35
is that you actually don't have to go very far
376
920000
2000
dat je eigenlijk
niet zo ver hoeft te gaan
niet zo ver hoeft te gaan
15:37
in the computational universe
377
922000
2000
in het universum van de berekeningen
15:39
before you start finding candidate universes
378
924000
2000
voordat je kandidaat-universums kunt vinden
15:41
that aren't obviously not our universe.
379
926000
3000
die overduidelijk niet ons universum zijn.
15:44
Here's the problem:
380
929000
2000
Dit is het probleem:
15:46
Any serious candidate for our universe
381
931000
3000
elke serieuze kandidaat voor ons universum,
15:49
is inevitably full of computational irreducibility.
382
934000
3000
zit vol met onherleidbaarheid van berekeningen,
15:52
Which means that it is irreducibly difficult
383
937000
3000
wat betekent dat het onherleidbaar moeilijk is
15:55
to find out how it will really behave,
384
940000
2000
om uit te vinden hoe het zich werkelijk gedraagt,
15:57
and whether it matches our physical universe.
385
942000
3000
en of het met ons fysieke universum overeenstemt.
16:01
A few years ago, I was pretty excited to discover
386
946000
3000
Een paar jaar geleden ontdekte ik
16:04
that there are candidate universes with incredibly simple rules
387
949000
3000
dat er kandidaat-universums waren
met zeer eenvoudige regels
met zeer eenvoudige regels
16:07
that successfully reproduce special relativity,
388
952000
2000
die speciale relativiteit konden reproduceren
16:09
and even general relativity and gravitation,
389
954000
3000
en zelfs algemene relativiteit en zwaartekracht
16:12
and at least give hints of quantum mechanics.
390
957000
3000
en die sporen van kwantummechanica vertoonden.
16:15
So, will we find the whole of physics?
391
960000
2000
Zullen we de hele natuurkunde vinden?
16:17
I don't know for sure,
392
962000
2000
Dat weet ik natuurlijk niet zeker.
16:19
but I think at this point it's sort of
393
964000
2000
Maar ik denk dat het op dit punt
16:21
almost embarrassing not to at least try.
394
966000
2000
bijna beschamend is
om het niet minstens te proberen.
om het niet minstens te proberen.
16:23
Not an easy project.
395
968000
2000
Geen makkelijk project.
16:25
One's got to build a lot of technology.
396
970000
2000
Men moet heel veel technologie bouwen.
16:27
One's got to build a structure that's probably
397
972000
2000
Men moet een structuur bouwen
16:29
at least as deep as existing physics.
398
974000
2000
die net zo diep is
als de bestaande natuurkunde.
als de bestaande natuurkunde.
16:31
And I'm not sure what the best way to organize the whole thing is.
399
976000
3000
Ik weet niet zeker hoe we dit best organiseren.
16:34
Build a team, open it up, offer prizes and so on.
400
979000
3000
Maak een team, stel het open, loof prijzen uit enz.
16:37
But I'll tell you, here today,
401
982000
2000
Maar ik ben vastbesloten
16:39
that I'm committed to seeing this project done,
402
984000
2000
om dit project af te werken
16:41
to see if, within this decade,
403
986000
3000
om te kijken of we nog deze eeuw,
16:44
we can finally hold in our hands
404
989000
2000
eindelijk
16:46
the rule for our universe
405
991000
2000
de regel voor ons universum
in handen kunnen hebben
in handen kunnen hebben
16:48
and know where our universe lies
406
993000
2000
en weten
waar ons universum zich bevindt
waar ons universum zich bevindt
16:50
in the space of all possible universes ...
407
995000
2000
in de ruimte van alle mogelijke universums --
16:52
and be able to type into Wolfram Alpha, "the theory of the universe,"
408
997000
3000
Dan kunnen we intikken in Wolfram Alpha
"de theorie van het universum"
"de theorie van het universum"
16:55
and have it tell us.
409
1000000
2000
en krijgen we een antwoord.
16:57
(Laughter)
410
1002000
2000
(Gelach)
17:00
So I've been working on the idea of computation
411
1005000
2000
Ik heb aan dit idee van berekenen
17:02
now for more than 30 years,
412
1007000
2000
nu meer dan 30 jaar gewerkt,
17:04
building tools and methods and turning intellectual ideas
413
1009000
3000
tools gemaakt,
methodes en intellectuele ideeën omgezet
methodes en intellectuele ideeën omgezet
17:07
into millions of lines of code
414
1012000
2000
in miljoenen regels code
17:09
and grist for server farms and so on.
415
1014000
2000
en grist voor server farms enz.
17:11
With every passing year,
416
1016000
2000
Met elk jaar dat voorbijgaat,
17:13
I realize how much more powerful
417
1018000
2000
realiseer ik me hoe krachtig
17:15
the idea of computation really is.
418
1020000
2000
het idee van berekenen eigenlijk is.
17:17
It's taken us a long way already,
419
1022000
2000
Het heeft ons al een heel eind gebracht,
17:19
but there's so much more to come.
420
1024000
2000
maar er is zo veel meer dat nog komt.
17:21
From the foundations of science
421
1026000
2000
Van de grondslagen van de wetenschap
17:23
to the limits of technology
422
1028000
2000
tot de grenzen van de technologie
17:25
to the very definition of the human condition,
423
1030000
2000
tot de definitie zelf
van het menselijke bestaan,
van het menselijke bestaan,
17:27
I think computation is destined to be
424
1032000
2000
denk ik dat berekenen
17:29
the defining idea of our future.
425
1034000
2000
het idee is dat onze toekomst definieert.
17:31
Thank you.
426
1036000
2000
Dank u.
17:33
(Applause)
427
1038000
14000
(Applaus)
17:47
Chris Anderson: That was astonishing.
428
1052000
2000
Chris Anderson: Dat was verbazingwekkend.
17:49
Stay here. I've got a question.
429
1054000
2000
Blijf nog even. Ik heb een vraag.
17:51
(Applause)
430
1056000
4000
(Applaus)
17:57
So, that was, fair to say, an astonishing talk.
431
1062000
3000
Dat was een verbijsterende speech.
18:01
Are you able to say in a sentence or two
432
1066000
3000
Ben je in staat om in twee zinnen te zeggen
18:04
how this type of thinking
433
1069000
3000
hoe dit soort denken
18:07
could integrate at some point
434
1072000
2000
op een bepaald punt
18:09
to things like string theory or the kind of things that people think of
435
1074000
2000
dingen zoals de snaartheorie zou kunnen omvatten
18:11
as the fundamental explanations of the universe?
436
1076000
3000
of de fundamentele verklaring van het universum?
18:14
Stephen Wolfram: Well, the parts of physics
437
1079000
2000
Stephen Wolfram: De onderdelen van de natuurkunde
18:16
that we kind of know to be true,
438
1081000
2000
waarvan we weten dat ze waar zijn,
18:18
things like the standard model of physics:
439
1083000
2000
zoals het standaardmodel van de natuurkunde.
18:20
what I'm trying to do better reproduce the standard model of physics
440
1085000
3000
We kunnen maar beter het standaard model
van de fysica reproduceren,
van de fysica reproduceren,
18:23
or it's simply wrong.
441
1088000
2000
anders is het gewoon verkeerd.
18:25
The things that people have tried to do in the last 25 years or so
442
1090000
2000
Wat de mensen de afgelopen 25 jaar hebben geprobeerd
18:27
with string theory and so on
443
1092000
2000
met de snaartheorie enz.
18:29
have been an interesting exploration
444
1094000
2000
is een interessante verkenning geweest
18:31
that has tried to get back to the standard model,
445
1096000
3000
die geprobeerd heeft uit te komen bij het standaardmodel,
18:34
but hasn't quite gotten there.
446
1099000
2000
maar daar niet in geslaagd is.
18:36
My guess is that some great simplifications of what I'm doing
447
1101000
3000
Als je mijn werk heel erg vereenvoudigt,
18:39
may actually have considerable resonance
448
1104000
3000
stemt het grotendeels overeen
18:42
with what's been done in string theory,
449
1107000
2000
met de snaartheorie,
18:44
but that's a complicated math thing
450
1109000
3000
maar dat is een complex wiskundig ding
18:47
that I don't yet know how it's going to work out.
451
1112000
3000
waarvan ik nog niet weet hoe het uitpakt.
18:50
CA: Benoit Mandelbrot is in the audience.
452
1115000
2000
CA: Benoit Mandelbrot is in het publiek.
18:52
He also has shown how complexity
453
1117000
2000
Hij heeft ook laten zien hoe complexiteit
18:54
can arise out of a simple start.
454
1119000
2000
kan voortkomen uit een eenvoudig startpunt.
18:56
Does your work relate to his?
455
1121000
2000
Heeft je werk daarmee te maken?
18:58
SW: I think so.
456
1123000
2000
SW: Ik denk het wel.
19:00
I view Benoit Mandelbrot's work
457
1125000
2000
Ik zie Benoit Mandlebrot's werk
19:02
as one of the founding contributions
458
1127000
3000
als één van de fundamentele bijdragen
19:05
to this kind of area.
459
1130000
3000
aan dit soort van gebied.
19:08
Benoit has been particularly interested
460
1133000
2000
Benoit is specifiek geïnteresseerd
19:10
in nested patterns, in fractals and so on,
461
1135000
2000
in geneste patronen, in fractalen en zo
19:12
where the structure is something
462
1137000
2000
waarvan de structuur
19:14
that's kind of tree-like,
463
1139000
2000
een soort boomstructuur is,
19:16
and where there's sort of a big branch that makes little branches
464
1141000
2000
en waar er een grote tak is
die kleine takken maakt,
die kleine takken maakt,
19:18
and even smaller branches and so on.
465
1143000
3000
en nog veel kleinere takken enz.
19:21
That's one of the ways
466
1146000
2000
Dat is één van de manieren
19:23
that you get towards true complexity.
467
1148000
3000
die je leidt naar echte complexiteit.
19:26
I think things like the Rule 30 cellular automaton
468
1151000
3000
Ik denk dat dingen zoals
het Regel 30 cellulaire automaton
het Regel 30 cellulaire automaton
19:29
get us to a different level.
469
1154000
2000
ons naar een ander niveau brengen.
19:31
In fact, in a very precise way, they get us to a different level
470
1156000
3000
Ze brengen ons op een ander niveau
19:34
because they seem to be things that are
471
1159000
2000
omdat ze dingen lijken te zijn
19:37
capable of complexity
472
1162000
3000
die in staat zijn
19:40
that's sort of as great as complexity can ever get ...
473
1165000
3000
tot de grootst mogelijke complexiteit ...
19:44
I could go on about this at great length, but I won't. (Laughter) (Applause)
474
1169000
3000
Ik zou er nog lang over kunnen doorbomen.
(Gelach) (Applaus)
(Gelach) (Applaus)
19:47
CA: Stephen Wolfram, thank you.
475
1172000
2000
CA: Sephen Wolfram, dank u.
19:49
(Applause)
476
1174000
2000
(Applaus)
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