TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Como fotografar um buraco negro
Filmed:
Readability: 4.5
5,455,257 views
No centro da Via Láctea, há um buraco negro supermassivo que se alimenta de um disco giratório de gás quente, sugando tudo que passa por perto, até mesmo a luz. Não conseguimos vê-lo, mas seu horizonte de eventos lança uma sombra, e uma imagem dessa sombra poderia ajudar a responder a algumas perguntas importantes sobre o universo. Cientistas pensavam que para produzir essa imagem seria necessário utilizar um telescópio do tamanho da Terra, até que Katie Bouman e uma equipe de astrônomos encontraram uma brilhante alternativa. Saiba mais sobre como podemos enxergar na escuridão total.
Katie Bouman - Imaging scientist
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Katie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole. Full bio
Double-click the English transcript below to play the video.
00:13
In the movie "Interstellar,"
0
1436
1860
No filme "Interestelar",
temos uma visão detalhada
de um buraco negro supermassivo.
de um buraco negro supermassivo.
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
00:18
Set against a backdrop of bright gas,
2
6671
2143
Em contraste com um fundo
de gás brilhante,
de gás brilhante,
a força gravitacional
massiva do buraco negro
massiva do buraco negro
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
direciona a luz em um círculo.
00:22
bends light into a ring.
4
10980
1435
No entanto, essa não é
uma fotografia real,
uma fotografia real,
00:24
However, this isn't a real photograph,
5
12439
2109
mas uma versão de computação gráfica,
00:26
but a computer graphic rendering --
6
14572
1786
uma interpretação do que pode ser
a aparência de um buraco negro.
a aparência de um buraco negro.
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
00:32
A hundred years ago,
8
20401
1166
Cem anos atrás,
Albert Einstein publicou
sua teoria da relatividade geral.
sua teoria da relatividade geral.
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
00:37
In the years since then,
10
25216
1439
Desde então, cientistas já apresentaram
muitos indícios que a confirmam.
muitos indícios que a confirmam.
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Mas algo previsto nessa teoria,
os buracos negros,
os buracos negros,
ainda não foi observado diretamente.
00:44
still have not been directly observed.
13
32784
2350
00:47
Although we have some idea
as to what a black hole might look like,
as to what a black hole might look like,
14
35158
3206
Embora tenhamos uma ideia sobre
a aparência de um buraco negro,
a aparência de um buraco negro,
na verdade, nunca fotografamos um.
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Entretanto, isso deve mudar em breve.
00:57
We may be seeing our first picture
of a black hole in the next couple years.
of a black hole in the next couple years.
17
45494
4164
Talvez vejamos a primeira fotografia
de um buraco negro nos próximos anos.
de um buraco negro nos próximos anos.
Para isso, será necessária
uma equipe internacional de cientistas,
uma equipe internacional de cientistas,
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
um telescópio do tamanho da Terra
e um algorítimo que monta a imagem final.
e um algorítimo que monta a imagem final.
01:05
an Earth-sized telescope
19
53664
1567
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
01:10
Although I won't be able to show you
a real picture of a black hole today,
a real picture of a black hole today,
21
58111
3528
Não poderei mostrar uma fotografia
real de um buraco negro hoje,
real de um buraco negro hoje,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
mas quero dar a vocês uma breve visão
do esforço envolvido
do esforço envolvido
em conseguir essa primeira foto.
01:16
in getting that first picture.
23
64598
1613
01:19
My name is Katie Bouman,
24
67477
1437
Meu nome é Katie Bouman
e sou doutoranda no MIT.
e sou doutoranda no MIT.
01:20
and I'm a PhD student at MIT.
25
68938
2566
01:23
I do research in a computer science lab
26
71528
2027
Faço pesquisas em um laboratório
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
que tenta fazer com que computadores
vejam além de imagens e vídeo.
vejam além de imagens e vídeo.
01:28
But although I'm not an astronomer,
28
76901
2162
Apesar de não ser astrônoma,
hoje quero mostrar como pude contribuir
para esse interessante projeto.
para esse interessante projeto.
01:31
today I'd like to show you
29
79087
1285
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Se olharem além das luzes da cidade hoje,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
poderão ter a sorte de uma vista
deslumbrante da Via Láctea.
deslumbrante da Via Láctea.
01:40
of the Milky Way Galaxy.
33
88638
1493
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
E, se olhassem além
das milhões de estrelas,
das milhões de estrelas,
26 mil anos-luz em direção
ao interior do espiral da Via Láctea,
ao interior do espiral da Via Láctea,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
01:48
we'd eventually reach
a cluster of stars right at the center.
a cluster of stars right at the center.
36
96420
3521
encontrariam um aglomerado
de estrelas bem ao centro.
de estrelas bem ao centro.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Espiando além da poeira galáctica
com telescópios de infravermelho,
com telescópios de infravermelho,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
astrônomos observaram
essas estrelas por mais de 16 anos.
essas estrelas por mais de 16 anos.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Mas o mais espetacular
é o que eles não veem.
é o que eles não veem.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Essas estrelas parecem orbitar
em torno de um objeto invisível.
em torno de um objeto invisível.
02:05
By tracking the paths of these stars,
41
113789
2323
Monitorando o trajeto dessas estrelas,
astrônomos concluíram
astrônomos concluíram
02:08
astronomers have concluded
42
116136
1294
que a única coisa pequena e pesada
o suficiente para gerar o movimento
o suficiente para gerar o movimento
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
02:12
is a supermassive black hole --
44
120607
1968
é um buraco negro supermassivo,
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
um objeto tão denso que suga
tudo que passa por perto,
tudo que passa por perto,
02:18
even light.
46
126801
1494
até a luz.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Mas o que acontece
se olharmos mais a fundo?
se olharmos mais a fundo?
02:23
Is it possible to see something
that, by definition, is impossible to see?
that, by definition, is impossible to see?
48
131404
4733
É possível enxergar algo que,
por definição, é impossível de ser visto?
por definição, é impossível de ser visto?
02:28
Well, it turns out that if we were
to zoom in at radio wavelengths,
to zoom in at radio wavelengths,
49
136719
3244
Ocorre que, se dermos um close
ao comprimento de ondas de rádio,
ao comprimento de ondas de rádio,
02:31
we'd expect to see a ring of light
50
139987
1682
esperamos ver um círculo de luz gerado
pela lente gravitacional do plasma quente
pela lente gravitacional do plasma quente
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
movendo-se em torno do buraco negro.
02:36
zipping around the black hole.
52
144128
1829
02:37
In other words,
53
145981
1160
Ou seja, o buraco negro lança uma sombra
nesse cenário de material brilhante,
nesse cenário de material brilhante,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
criando uma esfera de escuridão.
02:42
carving out a sphere of darkness.
55
150360
1842
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Esse círculo brilhante revela
o horizonte de eventos do buraco negro,
o horizonte de eventos do buraco negro,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
no qual a força gravitacional
torna-se tão intensa
torna-se tão intensa
02:50
that not even light can escape.
58
158013
1626
que nem a luz consegue escapar.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
As equações de Einstein preveem
tamanho e forma do círculo,
tamanho e forma do círculo,
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
então fotografá-lo não seria apenas legal:
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
também ajudaria a verificar
se as equações se sustentam
se as equações se sustentam
nas situações extremas
ao redor do buraco negro.
ao redor do buraco negro.
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
No entanto, esse buraco negro
está tão distante de nós
está tão distante de nós
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
que, da Terra, esse círculo
aparece incrivelmente pequeno:
aparece incrivelmente pequeno:
03:08
the same size to us as an orange
on the surface of the moon.
on the surface of the moon.
65
176614
3590
do mesmo tamanho de uma laranja
na superfície da Lua.
na superfície da Lua.
Isso faz com que seja
extremamente difícil fotografá-lo.
extremamente difícil fotografá-lo.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
03:16
Why is that?
67
184645
1302
Mas por quê?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Tudo se resume a uma simples equação.
Devido a um fenômeno chamado difração,
03:21
Due to a phenomenon called diffraction,
69
189724
2416
03:24
there are fundamental limits
70
192164
1355
há limites fundamentais para os menores
objetos que conseguimos ver.
objetos que conseguimos ver.
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
Essa equação governante diz que,
para vermos coisas cada vez menores,
para vermos coisas cada vez menores,
03:28
This governing equation says
that in order to see smaller and smaller,
that in order to see smaller and smaller,
72
196789
3672
precisamos construir
telescópios cada vez maiores.
telescópios cada vez maiores.
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
Mas, até com os telescópios ópticos
mais potentes aqui na Terra,
mais potentes aqui na Terra,
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
não chegamos nem perto
da resolução necessária
da resolução necessária
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
03:40
to image on the surface of the moon.
76
208632
2198
para retratar a superfície da Lua.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Aliás, mostro aqui uma das imagens
com maior resolução já tiradas
com maior resolução já tiradas
da Lua daqui da Terra.
03:46
of the moon from Earth.
78
214495
1397
Possui aproximadamente 13 mil pixels,
03:47
It contains roughly 13,000 pixels,
79
215916
2557
e, ainda, cada pixel contém
1,5 milhões de laranjas.
1,5 milhões de laranjas.
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
Então, quão grande deve ser o telescópio
03:55
So how big of a telescope do we need
81
223396
1972
para podermos ver uma laranja
na superfície da Lua
na superfície da Lua
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
04:00
and, by extension, our black hole?
83
228181
2214
e, por extensão, nosso buraco negro?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Bem, analisando os números,
calculamos facilmente que precisaríamos
de um telescópio do tamanho da Terra.
de um telescópio do tamanho da Terra.
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
04:07
the size of the entire Earth.
86
235417
1393
(Risos)
04:08
(Laughter)
87
236834
1024
Se conseguíssemos
construir esse telescópio,
construir esse telescópio,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
poderíamos começar a avistar
esse distinto círculo de luz
esse distinto círculo de luz
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
que indica o horizonte
de eventos do buraco negro.
de eventos do buraco negro.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
Essa fotografia não mostraria
todos os detalhes que vemos
todos os detalhes que vemos
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
nas versões de computação gráfica,
04:20
in computer graphic renderings,
92
248123
1506
mas permitiria que tivéssemos
a primeira visão
a primeira visão
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
do ambiente intermediário
ao redor do buraco negro.
ao redor do buraco negro.
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
No entanto, como podem imaginar,
04:26
However, as you can imagine,
95
254487
1613
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
construir um telescópio
do tamanho da Terra é impossível.
do tamanho da Terra é impossível.
04:31
But in the famous words of Mick Jagger,
97
259772
1887
Mas, nas palavras de Mick Jagger:
"Você nem sempre consegue o que quer,
"Você nem sempre consegue o que quer,
04:33
"You can't always get what you want,
98
261683
1791
mas, se tentar, às vezes, vai perceber
que consegue o que precisa".
que consegue o que precisa".
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
04:37
you get what you need."
100
265709
1215
Conectando telescópios do mundo todo,
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
uma parceria internacional
chamada Event Horizon Telescope
chamada Event Horizon Telescope
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
está criando um telescópio
computacional do tamanho da Terra
computacional do tamanho da Terra
que soluciona estruturação no nível
do horizonte de eventos do buraco negro.
do horizonte de eventos do buraco negro.
04:48
capable of resolving structure
104
276131
1537
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
Essa rede de telescópios deve tirar
a primeira foto de um buraco negro
a primeira foto de um buraco negro
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
04:55
of a black hole next year.
107
283326
1815
no ano que vem.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Todos os telescópios nessa rede
mundial trabalham juntos.
mundial trabalham juntos.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Ligados pelo horário preciso
dos relógios atômicos,
dos relógios atômicos,
as equipes de pesquisadores
em cada local congelam a luz
em cada local congelam a luz
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
coletando milhares de terabytes em dados.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Esses dados são processados
em um laboratório aqui em Massachusetts.
em um laboratório aqui em Massachusetts.
05:13
So how does this even work?
113
301971
1794
Então, como funciona isso?
05:15
Remember if we want to see the black hole
in the center of our galaxy,
in the center of our galaxy,
114
303789
3403
Lembram-se de que, para vermos
o buraco negro no centro na galáxia,
o buraco negro no centro na galáxia,
precisamos construir aquele
telescópio do tamanho da Terra?
telescópio do tamanho da Terra?
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Por um momento, vamos imaginar
que conseguimos construir esse telescópio.
que conseguimos construir esse telescópio.
05:24
a telescope the size of the Earth.
117
312478
1842
Seria como transformar a Terra
em uma bola de espelhos gigante.
em uma bola de espelhos gigante.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
05:28
into a giant spinning disco ball.
119
316823
1747
05:30
Each individual mirror would collect light
120
318594
2200
Cada espelho receberia luz
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
que poderíamos, então, juntar
para formar uma imagem.
para formar uma imagem.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Agora, imaginem que removamos
a maior parte dos espelhos,
a maior parte dos espelhos,
deixando restar apenas alguns.
05:38
so only a few remained.
123
326124
1972
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Ainda poderíamos juntar essas informações,
mas agora há muitos buracos.
mas agora há muitos buracos.
05:43
but now there are a lot of holes.
125
331021
1993
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Os espelhos restantes representam
os locais onde temos telescópios.
os locais onde temos telescópios.
05:49
This is an incredibly small number
of measurements to make a picture from.
of measurements to make a picture from.
127
337435
4079
É um número incrivelmente pequeno
de leituras para formar uma imagem.
de leituras para formar uma imagem.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Mas, apesar de só recebermos
luz em alguns locais,
luz em alguns locais,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
conforme a Terra gira,
podemos ver outras leituras.
podemos ver outras leituras.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Ou seja, conforme a bola de espelhos gira,
os espelhos mudam de lugar
os espelhos mudam de lugar
e podemos observar
partes diferentes da imagem.
partes diferentes da imagem.
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
06:07
The imaging algorithms we develop
fill in the missing gaps of the disco ball
fill in the missing gaps of the disco ball
132
355613
4018
Os algorítimos de imagem que desenvolvemos
preenchem os espaços na bola de espelhos
preenchem os espaços na bola de espelhos
para reconstruir a imagem
subjacente do buraco negro.
subjacente do buraco negro.
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
Se tivéssemos telescópios
em todos os lugares do globo,
em todos os lugares do globo,
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
ou seja, a bola de discos inteira,
06:17
in other words, the entire disco ball --
135
365372
1941
isso seria trivial.
06:19
this would be trivial.
136
367337
1284
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
No entanto, vemos apenas
algumas amostras e, por isso,
algumas amostras e, por isso,
há um número infinito de imagens possíveis
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
que são coerentes
com as leituras dos telescópios.
com as leituras dos telescópios.
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
06:29
However, not all images are created equal.
140
377391
3016
Mas nem todas as imagens
são criadas igualmente.
são criadas igualmente.
Algumas parecem mais com nossa ideia
de imagem do que outras.
de imagem do que outras.
06:32
Some of those images look more like
what we think of as images than others.
what we think of as images than others.
141
380849
4458
Meu papel ao ajudar a fotografar
o buraco negro pela primeira vez
o buraco negro pela primeira vez
06:37
And so, my role in helping to take
the first image of a black hole
the first image of a black hole
142
385331
3222
é desenvolver algorítimos
que encontrem a imagem mais aceitável
que encontrem a imagem mais aceitável
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
que se encaixe nas leituras do telescópio.
06:43
that also fits the telescope measurements.
144
391533
2222
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Assim como desenhistas forenses
usam descrições limitadas
usam descrições limitadas
para reconstruir uma fotografia
com conhecimento em estruturas faciais,
com conhecimento em estruturas faciais,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
os algorítimos que desenvolvo
usam dados limitados do telescópio
usam dados limitados do telescópio
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
para nos levar a uma imagem que também
se pareça com as substâncias no universo.
se pareça com as substâncias no universo.
06:57
to guide us to a picture that also
looks like stuff in our universe.
looks like stuff in our universe.
148
405570
4322
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Usando esses algorítimos,
podemos reconstruir imagens
podemos reconstruir imagens
07:05
from this sparse, noisy data.
150
413591
2180
a partir desses poucos dados ruidosos.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Aqui está um exemplo de reconstrução
feita com dados simulados,
feita com dados simulados,
07:12
when we pretend to point our telescopes
152
420348
1933
em que simulamos apontar os telescópios
para o buraco negro no centro da galáxia.
para o buraco negro no centro da galáxia.
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
07:16
Although this is just a simulation,
reconstruction such as this give us hope
reconstruction such as this give us hope
154
424914
4455
Apesar de ser apenas uma simulação,
esse tipo de reconstrução nos dá esperança
07:21
that we'll soon be able to reliably take
the first image of a black hole
the first image of a black hole
155
429393
3453
de que logo poderemos, de fato,
fotografar um buraco negro
fotografar um buraco negro
e, a partir disso, determinar
sua circunferência.
sua circunferência.
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
07:28
Although I'd love to go on
about all the details of this algorithm,
about all the details of this algorithm,
157
436118
3199
Gostaria muito de falar
sobre os detalhes desse algorítimo,
sobre os detalhes desse algorítimo,
mas, para a sorte de vocês,
não temos tempo.
não temos tempo.
07:31
luckily for you, I don't have the time.
158
439341
2174
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Ainda assim, quero dar uma breve noção
sobre como definimos
a aparência do universo
a aparência do universo
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
e como usamos isso para reconstruir
e verificar nossos resultados.
e verificar nossos resultados.
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Como há um número infinito
de imagens possíveis,
de imagens possíveis,
que bem explicam
as leituras do telescópio,
as leituras do telescópio,
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
temos que escolher
entre elas de alguma forma.
entre elas de alguma forma.
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
Fazemos isso classificando as imagens
07:49
We do this by ranking the images
165
457918
1838
com base na probabilidade de serem
imagens do buraco negro
imagens do buraco negro
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
e escolhendo a mais provável.
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
07:57
So what do I mean by this exactly?
168
465144
2195
O que isso significa?
07:59
Let's say we were trying to make a model
169
467862
1978
Imaginem que tentamos montar um modelo
que mostra a probabilidade
de uma imagem aparecer no Facebook.
de uma imagem aparecer no Facebook.
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
Seria preferível que ele mostrasse
08:05
We'd probably want the model to say
171
473071
1701
que é bem improvável que alguém poste
essa imagem ruidosa à esquerda,
essa imagem ruidosa à esquerda,
08:06
it's pretty unlikely that someone
would post this noise image on the left,
would post this noise image on the left,
172
474796
3557
e que é bem provável que alguém poste
uma "selfie" como a da direita.
uma "selfie" como a da direita.
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
08:12
like this one on the right.
174
480820
1334
A imagem ao centro está desfocada,
08:14
The image in the middle is blurry,
175
482178
1639
então, embora seja mais provável vê-la
no Facebook do que a imagem ruidosa,
no Facebook do que a imagem ruidosa,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
08:18
compared to the noise image,
177
486504
1360
é menos provável vê-la
ao compará-la com a "selfie".
ao compará-la com a "selfie".
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
Mas, quando se trata
de imagens do buraco negro,
de imagens do buraco negro,
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
deparamo-nos com um enigma:
nunca vimos um buraco negro.
nunca vimos um buraco negro.
08:25
we're posed with a real conundrum:
we've never seen a black hole before.
we've never seen a black hole before.
180
493186
3502
Então, como deve ser
a imagem de um buraco negro,
a imagem de um buraco negro,
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
e o que supor sobre a estrutura
dos buracos negros?
dos buracos negros?
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
Podemos tentar usar imagens
de simulações que fizemos,
de simulações que fizemos,
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
como a imagem do buraco
negro de "Interestelar",
negro de "Interestelar",
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
mas, se fizermos isso,
podemos causar sérios problemas.
podemos causar sérios problemas.
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
O que aconteceria se a teoria
de Einstein não fosse sustentada?
de Einstein não fosse sustentada?
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
08:45
We'd still want to reconstruct
an accurate picture of what was going on.
an accurate picture of what was going on.
187
513565
3961
Ainda íamos querer reconstruir um cenário
preciso do que estava acontecendo.
preciso do que estava acontecendo.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Se incorporarmos demais as equações
de Einstein em nossos algorítimos,
de Einstein em nossos algorítimos,
vamos acabar vendo o que esperamos ver.
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Queremos deixar as opções em aberto
para caso haja um elefante gigante
no centro da galáxia.
no centro da galáxia.
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
(Risos)
09:00
(Laughter)
192
528971
1057
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Tipos diferentes de imagens
têm características bem distintas.
têm características bem distintas.
Podemos diferenciar facilmente
imagens de simulação do buraco negro
imagens de simulação do buraco negro
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
das fotos tiradas
todos os dias aqui na Terra.
todos os dias aqui na Terra.
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Precisamos saber dizer
aos algorítimos como as imagens são
aos algorítimos como as imagens são
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
sem aplicar somente
um tipo de característica.
um tipo de característica.
09:17
One way we can try to get around this
198
545865
1893
Uma forma de contornarmos isso
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
é aplicando características
de diferentes tipos de imagens
de diferentes tipos de imagens
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
para ver como o tipo de imagem
que adotamos afeta as reconstruções.
que adotamos afeta as reconstruções.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Se todos os tipos de imagem
produzem uma imagem similar,
produzem uma imagem similar,
podemos começar a ficar mais confiantes
09:31
then we can start to become more confident
202
559227
2057
de que as suposições que estamos fazendo
não influenciam muito a foto.
não influenciam muito a foto.
09:33
that the image assumptions we're making
are not biasing this picture that much.
are not biasing this picture that much.
203
561308
4173
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
É quase como dar a mesma descrição
a três desenhistas
de diferentes partes do mundo.
de diferentes partes do mundo.
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Se todos produzirem um rosto parecido,
09:46
then we can start to become confident
207
574423
1793
podemos começar a confiar
que não estão aplicando
suas tendências culturais nos desenhos.
suas tendências culturais nos desenhos.
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Uma forma de aplicarmos diferentes
características de imagem
características de imagem
09:55
is by using pieces of existing images.
210
583219
2441
é usando partes de imagens existentes.
09:58
So we take a large collection of images,
211
586214
2160
Pegamos um grande conjunto de imagens
e as repartimos em pequenos pedaços.
e as repartimos em pequenos pedaços.
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
10:03
We then can treat each image patch
a little bit like pieces of a puzzle.
a little bit like pieces of a puzzle.
213
591140
4285
Podemos considerar cada pedaço
uma peça de quebra-cabeça.
uma peça de quebra-cabeça.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
E utilizamos peças comumente vistas
para montar uma imagem
para montar uma imagem
que se encaixa nas leituras do telescópio.
10:11
that also fits our telescope measurements.
215
599751
2452
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Tipos diferentes de imagens
têm conjuntos diferentes de peças.
têm conjuntos diferentes de peças.
10:18
So what happens when we take the same data
217
606807
2806
Então, o que acontece
quando pegamos os mesmos dados
quando pegamos os mesmos dados
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
mas usamos conjuntos diferentes
de peças para reconstruir a imagem?
de peças para reconstruir a imagem?
Vamos começar com as peças
da simulação da imagem do buraco negro.
da simulação da imagem do buraco negro.
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
10:30
OK, this looks reasonable.
220
618581
1591
Bem, parece aceitável. É como esperamos
que seja um buraco negro.
que seja um buraco negro.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Mas será que a obtivemos
10:34
But did we just get it
222
622914
1193
porque utilizamos partes de imagens
de simulação do buraco negro?
de simulação do buraco negro?
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
10:39
Let's try another set of puzzle pieces
224
627469
1880
Vamos tentar outro conjunto de peças
de outros objetos astronômicos.
de outros objetos astronômicos.
10:41
from astronomical, non-black hole objects.
225
629373
2509
10:44
OK, we get a similar-looking image.
226
632914
2126
Conseguimos uma imagem semelhante.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
E que tal partes de imagens cotidianas,
como as fotos que tiramos
com nossas câmeras?
com nossas câmeras?
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
10:53
Great, we see the same image.
229
641312
2115
Ótimo, vemos a mesma imagem.
Quando obtemos a mesma imagem
de todos os conjuntos de peças,
de todos os conjuntos de peças,
10:55
When we get the same image
from all different sets of puzzle pieces,
from all different sets of puzzle pieces,
230
643451
3366
podemos começar a ficar mais confiantes
10:58
then we can start to become more confident
231
646841
2046
de que as suposições que fazemos
não influenciam muito a imagem final.
não influenciam muito a imagem final.
11:00
that the image assumptions we're making
232
648911
1966
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
Também podemos pegar
o mesmo conjunto de peças,
o mesmo conjunto de peças,
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
como aquelas extraídas
de imagens cotidianas,
de imagens cotidianas,
e usá-las para reconstruir vários tipos
diferentes de imagens originais.
diferentes de imagens originais.
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
Então, nas simulações,
11:15
So in our simulations,
237
663260
1271
imaginamos que um buraco negro se parece
com outros objetos astronômicos,
com outros objetos astronômicos,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
bem como imagens cotidianas se parecem
com elefantes no centro da galáxia.
com elefantes no centro da galáxia.
11:20
as well as everyday images like
the elephant in the center of our galaxy.
the elephant in the center of our galaxy.
239
668354
3849
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Quando os resultados dos algorítimos
abaixo são semelhantes
abaixo são semelhantes
à simulação de imagem real acima,
11:27
to the simulation's truth image on top,
241
675419
2096
podemos começar a confiar
em nossos algorítimos.
em nossos algorítimos.
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
E quero destacar aqui
que todas essas images foram criadas
que todas essas images foram criadas
11:32
And I really want to emphasize here
243
680909
1867
11:34
that all of these pictures were created
244
682800
1934
juntando pequenas peças
de fotografias cotidianas,
de fotografias cotidianas,
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
como as que tiramos com nossas câmeras.
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
Então, uma imagem
de um buraco negro jamais vista
de um buraco negro jamais vista
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
pode ser criada se juntarmos
imagens que vemos o tempo todo
imagens que vemos o tempo todo
de pessoas, prédios,
árvores, gatos e cães.
árvores, gatos e cães.
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Ideias de imagens como essas permitirão
que tiremos as primeiras
fotos de um buraco negro
fotos de um buraco negro
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
e, com sorte, comprovemos
as famosas teorias
as famosas teorias
com as quais os cientistas
contam diariamente.
contam diariamente.
11:59
on which scientists rely on a daily basis.
253
707776
2421
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Mas é claro que a obtenção
de ideias como essas
de ideias como essas
nunca teria sido possível sem a incrível
equipe de pesquisadores
equipe de pesquisadores
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
com quem tenho o privilégio de trabalhar.
12:08
that I have the privilege to work with.
256
716199
1887
Ainda me surpreende
12:10
It still amazes me
257
718110
1163
que, embora tenha começado o projeto
sem conhecimento em astrofísica,
sem conhecimento em astrofísica,
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
o que alcançamos por meio
dessa colaboração singular
dessa colaboração singular
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
poderá resultar nas primeiras
imagens de um buraco negro.
imagens de um buraco negro.
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
Mas grandes projetos
como o Event Horizon Telescope
como o Event Horizon Telescope
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
obtêm êxito devido a todo
o conhecimento interdisciplinar
o conhecimento interdisciplinar
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
12:25
different people bring to the table.
263
733658
1790
que pessoas diferentes trazem.
12:27
We're a melting pot of astronomers,
264
735472
1706
Somos uma mistura de astrônomos,
físicos, matemáticos e engenheiros.
físicos, matemáticos e engenheiros.
12:29
physicists, mathematicians and engineers.
265
737202
2232
12:31
This is what will make it soon possible
266
739458
2554
Em breve, será possível alcançar algo
que já foi considerado impossível.
que já foi considerado impossível.
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
12:36
I'd like to encourage all of you to go out
268
744913
2256
Gostaria de encorajá-los a saírem
12:39
and help push the boundaries of science,
269
747193
2096
e ajudarem a ampliar
os limites da ciência,
os limites da ciência,
12:41
even if it may at first seem
as mysterious to you as a black hole.
as mysterious to you as a black hole.
270
749313
3901
mesmo que, no início, pareça
tão misterioso quanto um buraco negro.
tão misterioso quanto um buraco negro.
Obrigada.
12:45
Thank you.
271
753238
1174
12:46
(Applause)
272
754436
2397
(Aplausos)
ABOUT THE SPEAKER
Katie Bouman - Imaging scientistKatie Bouman is part of an international team of astronomers that's creating the world's largest telescope to take the very first picture of a black hole.
Why you should listen
It is believed that the heart of the Milky Way hosts a four-million-solar-mass black hole feeding off a spinning disk of hot gas. An image of the shadow cast by the event horizon of the black hole could help to address a number of important scientific questions. For instance, does Einstein's theory of general relativity hold in extreme conditions? Unfortunately, the event horizon of this black hole appears so small in the sky that imaging it would require a single-dish radio telescope the size of the entire Earth. Although a single-dish telescope this large is unrealizable, by connecting disjoint radio telescopes located all around the globe, Katie Bouman and a team of astronomers are creating an Earth-sized computational telescope -- the Event Horizon Telescope -- that is capable of taking the very first up-close picture of a black hole.
Bouman is a PhD candidate in the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT). The focus of her research is on using emerging computational methods to push the boundaries of interdisciplinary imaging. By combining techniques from both astronomy and computer science, Bouman has been working on developing innovative ways to combine the information from the Event Horizon Telescope network to produce the first picture of a black hole. Her work on imaging for the Event Horizon Telescope has been featured on BBC, The Boston Globe, The Washington Post, Popular Science and NPR.
Katie Bouman | Speaker | TED.com