TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Кэти Бауман: Как сфотографировать чёрную дыру
Filmed:
Readability: 4.5
5,455,257 views
В центре Млечного Пути находится сверхмассивная чёрная дыра, которую питает вращающийся диск горячего газа. Она затягивает в себя всё, что оказывается рядом с ней, даже свет. Мы не можем её видеть, но её горизонт событий отбрасывает тень, фотография которой помогла бы нам найти ответы на многие важные вопросы о Вселенной. Учёные склонны думать, что для создания такой фотографии потребуется телескоп размером с Землю. Но Кэти Бауман и команда астрономов придумала хитроумную альтернативу. Узнайте, как можно видеть в кромешной темноте.
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
В фильме «Интерстеллар»
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
нам близко показали
сверхмассивную чёрную дыру.
сверхмассивную чёрную дыру.
00:18
Set against a backdrop of bright gas,
2
6671
2143
На фоне яркой вспышки газа
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
сильнейшее гравитационное
притяжение чёрной дыры
притяжение чёрной дыры
00:22
bends light into a ring.
4
10980
1435
изгибает свет в кольцо.
00:24
However, this isn't a real photograph,
5
12439
2109
Однако это не настоящая фотография,
00:26
but a computer graphic rendering --
6
14572
1786
а всего лишь компьютерная графика,
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
художественная интерпретация того,
как чёрная дыра могла бы выглядеть.
как чёрная дыра могла бы выглядеть.
00:32
A hundred years ago,
8
20401
1166
Сто лет назад
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
Альберт Эйнштейн впервые опубликовал
общую теорию относительности.
общую теорию относительности.
00:37
In the years since then,
10
25216
1439
Спустя годы
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
учёные предоставили много
доказательств в поддержку теории.
доказательств в поддержку теории.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Но такое явление, как чёрные дыры,
предсказанное этой теорией,
предсказанное этой теорией,
00:44
still have not been directly observed.
13
32784
2350
до сих пор непосредственно не наблюдалось.
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
Хотя мы и имеем некоторое представление,
как чёрная дыра может выглядеть,
как чёрная дыра может выглядеть,
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
нам ещё ни разу не удалось
её сфотографировать.
её сфотографировать.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
Вы, наверное, удивитесь, узнав,
что это скоро может измениться.
что это скоро может измениться.
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
В ближайшие пару лет мы сможем
увидеть первый снимок чёрной дыры.
увидеть первый снимок чёрной дыры.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Для этого понадобится
международная команда учёных,
международная команда учёных,
01:05
an Earth-sized telescope
19
53664
1567
телескоп размером с нашу планету
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
и алгоритм, который сведёт данные
в итоговое изображение.
в итоговое изображение.
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
Сегодня я не смогу вам показать
настоящую фотографию чёрной дыры,
настоящую фотографию чёрной дыры,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
но я бы хотела кратко изложить,
в чём заключаются наши усилия,
в чём заключаются наши усилия,
01:16
in getting that first picture.
23
64598
1613
чтобы получить первую фотографию.
01:19
My name is Katie Bouman,
24
67477
1437
Меня зовут Кэти Бауман,
01:20
and I'm a PhD student at MIT.
25
68938
2566
я аспирант в Массачусетском
технологическом институте.
технологическом институте.
01:23
I do research in a computer science lab
26
71528
2027
Я провожу исследования
в лаборатории компьютерных наук,
в лаборатории компьютерных наук,
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
цель которой — научить компьютеры
распознавать фото и видео.
распознавать фото и видео.
01:28
But although I'm not an astronomer,
28
76901
2162
Хотя я и не астроном,
сегодня я хотела бы вам показать,
сегодня я хотела бы вам показать,
01:31
today I'd like to show you
29
79087
1285
в чём заключается мой личный вклад
в этот уникальный проект.
в этот уникальный проект.
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
Если вы выйдете сегодня вечером
за пределы города и его огней,
за пределы города и его огней,
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
вам, возможно, посчастливится
созерцать захватывающий вид
созерцать захватывающий вид
01:40
of the Milky Way Galaxy.
33
88638
1493
Галактики Млечного пути.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Если бы вы могли приблизиться
через миллионы звёзд
через миллионы звёзд
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
на 26 тысяч световых лет
к самому сердцу Млечного пути,
к самому сердцу Млечного пути,
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
вы бы попали в скопление звёзд
прямо в его центре.
прямо в его центре.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Всматриваясь в галактическую пыль
с помощью инфракрасных телескопов,
с помощью инфракрасных телескопов,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
астрономы уже более 16 лет
наблюдают за этими звёздами.
наблюдают за этими звёздами.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Но они не видят самого впечатляющего.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Кажется, что эти звёзды вращаются
вокруг невидимого объекта.
вокруг невидимого объекта.
02:05
By tracking the paths of these stars,
41
113789
2323
Наблюдая за движением этих звёзд,
астрономы пришли к выводу,
02:08
astronomers have concluded
42
116136
1294
что единственный небольшой, но тяжёлый
объект, способный вызвать это движение, —
объект, способный вызвать это движение, —
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
это сверхмассивная чёрная дыра,
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
объект настолько плотный,
что он всасывает всё поблизости,
что он всасывает всё поблизости,
02:18
even light.
46
126801
1494
даже свет.
А что, если мы приблизимся ещё больше?
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
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
Возможно ли увидеть то,
что, по определению, невозможно увидеть?
что, по определению, невозможно увидеть?
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
Оказывается, что, рассматривая дыру
в радиоволновом диапазоне,
в радиоволновом диапазоне,
02:31
we'd expect to see a ring of light
50
139987
1682
мы можем увидеть кольцо света
из-за гравитационного
линзирования горячей плазмы,
линзирования горячей плазмы,
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
02:36
zipping around the black hole.
52
144128
1829
снующей вокруг чёрной дыры.
Другими словами,
02:37
In other words,
53
145981
1160
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
чёрная дыра отбрасывает тень
на фон из светлого материала,
на фон из светлого материала,
02:42
carving out a sphere of darkness.
55
150360
1842
создавая тем самым сферу из темноты.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Это яркое кольцо очерчивает
горизонт событий чёрной дыры,
горизонт событий чёрной дыры,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
где притяжение становится
настолько сильным,
настолько сильным,
что даже свет не может вырваться.
02:50
that not even light can escape.
58
158013
1626
Эйнштейн своими расчётами предсказал
возможный размер и форму кольца.
возможный размер и форму кольца.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
Поэтому сфотографировать его
было бы не только очень круто,
было бы не только очень круто,
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
это помогло бы проверить
верность расчётов
верность расчётов
в экстремальных условиях
вокруг чёрной дыры.
вокруг чёрной дыры.
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
Однако эта чёрная дыра
настолько далека от нас,
настолько далека от нас,
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
что с Земли это кольцо выглядит крошечным,
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
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
как если бы мы хотели рассмотреть
апельсин на поверхности Луны.
апельсин на поверхности Луны.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Это чрезвычайно затрудняет
возможность съёмки кольца.
возможность съёмки кольца.
03:16
Why is that?
67
184645
1302
Почему так?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Всё сводится к простому уравнению.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
Из-за такого явления, как дифракция,
03:24
there are fundamental limits
70
192164
1355
существуют фундаментальные пределы
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
величины маленьких объектов,
которые возможно увидеть.
которые возможно увидеть.
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
Согласно этому определяющему уравнению,
чем меньше рассматриваемый объект,
чем меньше рассматриваемый объект,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
тем больше должен быть телескоп.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Но даже с помощью самых мощных
оптических телескопов на Земле
оптических телескопов на Земле
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
мы и близко не можем добиться
разрешения, необходимого
разрешения, необходимого
03:40
to image on the surface of the moon.
76
208632
2198
для снимка поверхности Луны.
Вот полученное с Земли изображение Луны
в самом высоком на сегодня разрешении.
в самом высоком на сегодня разрешении.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
03:46
of the moon from Earth.
78
214495
1397
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Это приблизительно 13 000 пикселей,
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
однако в каждом из пикселей поместится
более 1,5 миллиона апельсинов.
более 1,5 миллиона апельсинов.
03:55
So how big of a telescope do we need
81
223396
1972
Так насколько большим
должен быть телескоп,
должен быть телескоп,
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
чтобы увидеть апельсин на поверхности Луны
04:00
and, by extension, our black hole?
83
228181
2214
и, следовательно, нашу чёрную дыру?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Оказывается, если провести расчёты,
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
мы с лёгкостью сможем вычислить,
что нам нужен телескоп размером с Землю.
что нам нужен телескоп размером с Землю.
04:07
the size of the entire Earth.
86
235417
1393
(Смех)
04:08
(Laughter)
87
236834
1024
Если бы мы смогли создать такой телескоп,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
мы бы всего лишь начали
различать кольцо света,
различать кольцо света,
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
обозначающее горизонт
событий чёрной дыры.
событий чёрной дыры.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
На этом изображении
не будут видны все детали,
не будут видны все детали,
04:20
in computer graphic renderings,
92
248123
1506
как на компьютерных моделях,
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
но оно позволит нам составить
первое представление о том,
первое представление о том,
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
что находится в непосредственной
близости от чёрной дыры.
близости от чёрной дыры.
04:26
However, as you can imagine,
95
254487
1613
Как вы понимаете,
невозможно создать телескоп
с одной тарелкой размером с Землю.
с одной тарелкой размером с Землю.
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
Но как пел Мик Джаггер:
04:31
But in the famous words of Mick Jagger,
97
259772
1887
«Ты не можешь всегда
получать то, что хочешь,
получать то, что хочешь,
04:33
"You can't always get what you want,
98
261683
1791
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
но если постараешься, ты поймёшь,
что получаешь всё, что тебе нужно».
04:37
you get what you need."
100
265709
1215
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Соединяя телескопы по всему миру,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
международный проект под названием
Event Horizon Telescope
Event Horizon Telescope
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
создаёт вычислительный
телескоп размером с Землю,
телескоп размером с Землю,
04:48
capable of resolving structure
104
276131
1537
способный сфотографировать структуру
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
в масштабах горизонта событий чёрной дыры.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Планируется, что уже в следующем
году эта сеть телескопов
году эта сеть телескопов
04:55
of a black hole next year.
107
283326
1815
сможет сделать первое фото чёрной дыры.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Все телескопы в этой всемирной
сети работают сообща.
сети работают сообща.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Координируя свою работу
по точным атомным часам,
по точным атомным часам,
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
команды учёных на каждом
телескопе «замораживают» свет,
телескопе «замораживают» свет,
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
собирая тысячи терабайт данных.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Эти данные затем обрабатываются
в лаборатории прямо здесь, в Массачусетсе.
в лаборатории прямо здесь, в Массачусетсе.
05:13
So how does this even work?
113
301971
1794
Как же это делается?
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
Помните, что если мы хотим увидеть
чёрную дыру в центре нашей Галактики,
чёрную дыру в центре нашей Галактики,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
нам нужно создать невероятно большой
телескоп размером с Землю?
телескоп размером с Землю?
Давайте на секунду просто представим,
что нам удалось построить
что нам удалось построить
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
05:24
a telescope the size of the Earth.
117
312478
1842
телескоп размером с Землю.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Это будет выглядеть, как если бы мы
превратили Землю
превратили Землю
05:28
into a giant spinning disco ball.
119
316823
1747
в гигантский вращающийся диско-шар.
Каждое отдельное зеркало
будет собирать свет,
будет собирать свет,
05:30
Each individual mirror would collect light
120
318594
2200
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
из которого мы затем сложим изображение.
Но давайте представим,
что мы удалили большинство зеркал,
что мы удалили большинство зеркал,
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
так что только некоторые остались.
05:38
so only a few remained.
123
326124
1972
Мы все ещё можем попробовать
свести эту информацию воедино,
свести эту информацию воедино,
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
но теперь у нас много пробелов.
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
Оставшиеся зеркала показывают
места расположения наших телескопов.
места расположения наших телескопов.
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
Это невероятно малое количество данных
для создания целостной картины.
для создания целостной картины.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Хотя мы собираем свет только
с нескольких телескопов,
с нескольких телескопов,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
по мере вращения Земли
мы можем получать новые данные.
мы можем получать новые данные.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
То есть, когда диско-шар вращается,
зеркала меняют своё положение,
зеркала меняют своё положение,
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
и мы можем рассматривать
разные части изображения.
разные части изображения.
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
Разработанные нами алгоритмы
заполняют пробелы в диско-шаре,
заполняют пробелы в диско-шаре,
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
чтобы восстановить исходное
изображение чёрной дыры.
изображение чёрной дыры.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Если бы у нас были телескопы
по всему земному шару,
по всему земному шару,
06:17
in other words, the entire disco ball --
135
365372
1941
другими словами, целый диско-шар,
06:19
this would be trivial.
136
367337
1284
это было бы просто.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Однако, у нас не много образцов,
и по этой причине
и по этой причине
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
существует бесконечное множество
возможных изображений,
возможных изображений,
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
прекрасно сочетающихся
с показаниями наших телескопов.
с показаниями наших телескопов.
Но не все изображения одинаковы.
06:29
However, not all images are created equal.
140
377391
3016
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
Некоторые более похожи на то,
что мы ожидаем увидеть, чем другие.
что мы ожидаем увидеть, чем другие.
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
Я помогаю в создании
первого фото чёрной дыры тем,
первого фото чёрной дыры тем,
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
что создаю алгоритмы, находящие
самые приемлемые изображения,
самые приемлемые изображения,
которые совпадают с показаниями телескопа.
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
Как художник-криминалист
использует ограниченное описание,
использует ограниченное описание,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
чтобы собрать целую картинку,
прибегая к своим знаниям о строении лица,
прибегая к своим знаниям о строении лица,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
так и созданные мной алгоритмы
используют неполные данные телескопов,
используют неполные данные телескопов,
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
чтобы привести нас к изображению чего-то,
похожего на часть нашей Вселенной.
похожего на часть нашей Вселенной.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Используя эти алгоритмы,
мы смогли собрать воедино фотографии
мы смогли собрать воедино фотографии
07:05
from this sparse, noisy data.
150
413591
2180
из этих скудных зашумлённых данных.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Вот образец реконструкции, сделанный
с использованием смоделированных данных,
с использованием смоделированных данных,
07:12
when we pretend to point our telescopes
152
420348
1933
где наши телескопы как будто направлены
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
на чёрную дыру в центре нашей Галактики.
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
Хотя это всего лишь симуляция,
подобная реконструкция даёт надежду,
подобная реконструкция даёт надежду,
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
что вскоре мы сможем сделать
первое фото чёрной дыры
первое фото чёрной дыры
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
и по нему определить размер её кольца.
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
Я хотела бы остановиться поподробнее
на деталях этого алгоритма,
на деталях этого алгоритма,
07:31
luckily for you, I don't have the time.
158
439341
2174
но к счастью для вас,
я ограничена во времени.
я ограничена во времени.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Но я всё равно хочу вкратце описать вам,
как мы определяем,
на что похожа наша Вселенная
на что похожа наша Вселенная
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
и как используем это для реконструкции
и проверки наших результатов.
и проверки наших результатов.
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
Так как существует бесконечное число
возможных изображений,
возможных изображений,
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
отлично объясняющих
показания наших телескопов,
показания наших телескопов,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
мы должны выбрать
из них наиболее подходящие.
из них наиболее подходящие.
07:49
We do this by ranking the images
165
457918
1838
Мы делаем это, упорядочивая изображения
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
на основе предположений о том,
как выглядит чёрная дыра,
как выглядит чёрная дыра,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
и затем выбирая наиболее подходящие.
07:57
So what do I mean by this exactly?
168
465144
2195
Что я под этим подразумеваю?
07:59
Let's say we were trying to make a model
169
467862
1978
Скажем, мы пытаемся создать модель,
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
определяющую вероятность того,
что некий снимок появится в Facebook.
что некий снимок появится в Facebook.
08:05
We'd probably want the model to say
171
473071
1701
Мы хотели бы, чтобы модель сказала:
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
«Вот это зашумлённое изображение слева
вряд ли кто-либо запостит,
вряд ли кто-либо запостит,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
зато наверняка кто-нибудь запостит селфи,
такое, как вот это справа.
08:12
like this one on the right.
174
480820
1334
08:14
The image in the middle is blurry,
175
482178
1639
Снимок посередине размыт,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
и хотя он выглядит предпочтительнее
08:18
compared to the noise image,
177
486504
1360
зашумлённого изображения,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
мы скорее всего увидим в Facebook селфи».
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Но когда дело касается
изображений чёрной дыры,
изображений чёрной дыры,
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
мы сталкиваемся с реальной проблемой:
мы никогда раньше не видели чёрную дыру.
мы никогда раньше не видели чёрную дыру.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
На что она может быть похожа,
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
и какие предположения
мы можем делать о её строении?
мы можем делать о её строении?
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Мы могли бы использовать
симулированные нами изображения,
симулированные нами изображения,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
такие как, например, чёрная дыра
в фильме «Интерстеллар»,
в фильме «Интерстеллар»,
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
но это могло бы привести
к серьёзным проблемам.
к серьёзным проблемам.
Что, если теория Эйнштейна
не подтвердится?
не подтвердится?
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
Мы всё ещё хотим воссоздать
верное изображение происходящего.
верное изображение происходящего.
Слишком активно используя
уравнения Эйнштейна в наших алгоритмах,
уравнения Эйнштейна в наших алгоритмах,
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
в результате мы просто увидим то,
что ожидали увидеть.
что ожидали увидеть.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Другими словами, мы хотим
сохранить вариант
сохранить вариант
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
существования огромного слона
в центре нашей Галактики.
в центре нашей Галактики.
09:00
(Laughter)
192
528971
1057
(Смех)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Различные типы изображений
имеют свои характерные особенности.
имеют свои характерные особенности.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
Мы можем легко отличить изображения
симулированной чёрной дыры
симулированной чёрной дыры
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
от снимков, которые мы
ежедневно делаем с Земли.
ежедневно делаем с Земли.
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Нужно найти способ объяснить алгоритму,
как изображение выглядит
как изображение выглядит
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
без введения в него слишком большого
количества черт однотипных объектов.
количества черт однотипных объектов.
09:17
One way we can try to get around this
198
545865
1893
Один из способов избежать этого —
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
применять черты различных изображений
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
и наблюдать, как конкретное изображение
влияет на получившиеся результаты.
влияет на получившиеся результаты.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Если все типы изображений
воспроизведут в итоге одно похожее,
воспроизведут в итоге одно похожее,
09:31
then we can start to become more confident
202
559227
2057
тогда мы почувствуем уверенность,
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
что делаемые нами предположения
не сильно отличаются от реальности.
не сильно отличаются от реальности.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Это как если дать одно и то же описание
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
трём разным художникам
из разных частей света.
из разных частей света.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Если они все нарисуют очень похожее лицо,
09:46
then we can start to become confident
207
574423
1793
то мы будем уверены,
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
что на их портреты не повлияли
особенности их культуры.
особенности их культуры.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Один из способов ввести в алгоритм
разные черты изображения —
разные черты изображения —
09:55
is by using pieces of existing images.
210
583219
2441
использовать части уже
имеющихся изображений.
имеющихся изображений.
09:58
So we take a large collection of images,
211
586214
2160
Поэтому мы берём большую
коллекцию изображений
коллекцию изображений
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
и разделяем их на множество
маленьких частей.
маленьких частей.
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
И тогда мы можем рассматривать каждый
кусочек изображения как часть пазла.
кусочек изображения как часть пазла.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Из типовых частей пазла
мы собираем целое изображение,
мы собираем целое изображение,
10:11
that also fits our telescope measurements.
215
599751
2452
которое соответствует
показаниям телескопа.
показаниям телескопа.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Каждый тип изображений имеет
определённый набор кусочков пазла.
определённый набор кусочков пазла.
10:18
So what happens when we take the same data
217
606807
2806
Так что же получится,
если взять одинаковые данные,
если взять одинаковые данные,
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
но использовать разные наборы пазлов
для воспроизведения изображения?
для воспроизведения изображения?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Начнём с набора с кусочками пазла
для получения изображения чёрной дыры.
для получения изображения чёрной дыры.
10:30
OK, this looks reasonable.
220
618581
1591
Выглядит вполне приемлемо.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Это похоже на то,
что мы ожидаем увидеть.
что мы ожидаем увидеть.
10:34
But did we just get it
222
622914
1193
Но получили ли мы его,
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
потому что составили из кусочков
для моделирования изображения чёрной дыры?
для моделирования изображения чёрной дыры?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Давайте возьмём другой набор
10:41
from astronomical, non-black hole objects.
225
629373
2509
с астрономическими объектами,
не являющимися чёрными дырами.
не являющимися чёрными дырами.
10:44
OK, we get a similar-looking image.
226
632914
2126
Хорошо, мы получили похожее изображение.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
А как насчёт кусочков
повседневных изображений,
повседневных изображений,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
которые можно снять на обычную камеру?
10:53
Great, we see the same image.
229
641312
2115
Отлично, мы видим одно
и то же изображение.
и то же изображение.
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
Когда одинаковое изображение
получается из разных наборов кусочков,
получается из разных наборов кусочков,
10:58
then we can start to become more confident
231
646841
2046
тогда у нас появляется уверенность,
11:00
that the image assumptions we're making
232
648911
1966
что наши предположения
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
не сильно влияют на конечный результат.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Другой вариант: мы можем взять
тот же самый набор из кусочков пазла,
тот же самый набор из кусочков пазла,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
как, например, производные
из повседневных снимков,
из повседневных снимков,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
и использовать их для воспроизведения
разных видов исходных изображений.
разных видов исходных изображений.
11:15
So in our simulations,
237
663260
1271
В наших моделях мы предполагаем,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
что чёрная дыра похожа
на другие астрономические объекты
на другие астрономические объекты
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
и такие обыденные образы,
как слон в центре нашей Галактики.
как слон в центре нашей Галактики.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Когда результаты работы наших
алгоритмов будут совпадать
алгоритмов будут совпадать
11:27
to the simulation's truth image on top,
241
675419
2096
со смоделированными изображениями вверху,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
мы будем уверены,
что наши алгоритмы верны.
что наши алгоритмы верны.
11:32
And I really want to emphasize here
243
680909
1867
И я хочу подчеркнуть здесь,
11:34
that all of these pictures were created
244
682800
1934
что все эти изображения были созданы
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
путём склеивания маленьких кусочков
повседневных фотографий,
повседневных фотографий,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
которые можно снять на обычную камеру.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
Изображение чёрной дыры,
которое раньше никто не видел,
которое раньше никто не видел,
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
можно получить с помощью
объединения уже имеющихся снимков,
объединения уже имеющихся снимков,
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
на которых изображены люди, дома,
деревья, кошки и собаки.
деревья, кошки и собаки.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Подобные идеи визуализации
могут позволить нам
могут позволить нам
создать первую фотографию чёрной дыры,
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
а также, надеюсь, проверить
известные теории,
известные теории,
11:59
on which scientists rely on a daily basis.
253
707776
2421
на которые опираются учёные
в своей ежедневной работе.
в своей ежедневной работе.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Конечно, заставить такую идею работать
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
было бы невозможно
без удивительной команды учёных,
без удивительной команды учёных,
12:08
that I have the privilege to work with.
256
716199
1887
с которыми я имею честь сотрудничать.
12:10
It still amazes me
257
718110
1163
Меня поражает тот факт,
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
что несмотря на отсутствие у меня
опыта в астрофизике,
опыта в астрофизике,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
совместной работой
мы добились результата,
мы добились результата,
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
который может дать нам
первый снимок чёрной дыры.
первый снимок чёрной дыры.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Такие крупные проекты,
как Event Horizon Telescope,
как Event Horizon Telescope,
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
успешны благодаря сотрудничеству
множества учёных,
множества учёных,
12:25
different people bring to the table.
263
733658
1790
являющихся экспертами
в различных областях знаний.
в различных областях знаний.
12:27
We're a melting pot of astronomers,
264
735472
1706
Все мы: астрономы, физики,
математики и инженеры —
математики и инженеры —
12:29
physicists, mathematicians and engineers.
265
737202
2232
плавимся в одном котле науки.
12:31
This is what will make it soon possible
266
739458
2554
Так мы вскоре сделаем возможным то,
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
что когда-то казалось невозможным.
12:36
I'd like to encourage all of you to go out
268
744913
2256
Я бы хотела призвать всех вас
12:39
and help push the boundaries of science,
269
747193
2096
помогать в расширении границ науки,
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
даже если на первый взгляд она кажется
такой же непостижимой, как чёрная дыра.
такой же непостижимой, как чёрная дыра.
12:45
Thank you.
271
753238
1174
Спасибо.
12:46
(Applause)
272
754436
2397
(Аплодисменты)
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