CÁC BÀI THUYẾT TRÌNH CỦA WOLFRAM .
Phần 1 .
Stephen Wolfram
Nhà khoa học, nhà phát minh
Website: website chính thức của Stephen Wolfram
http://www.stephenwolfram.com/
Book: A New Kind of Science
Website: Wolfram | Alpha
Thông tin cá nhân
Stephen Wolfram là tác giả của Mathematica và Wolfram | Alpha, tác giả cuốn sách A New Kind of Science , là người sáng lập và CEO của Wolfram Research.
Stephen Wolfram công bố bài báo khoa học đầu tiên của mình ở tuổi 15, và nhận bằng Tiến sĩ vật lý lý thuyết tại Caltech ở tuổi 20. Sau khi bắt đầu sử dụng máy tính trong năm 1973, Wolfram nhanh chóng trở thành một nhà lãnh đạo trong các lĩnh vực nổi bật về tính toán khoa học.
Năm 1981 Wolfram trở thành người trẻ nhất của một giải thưởng MacArthur Fellowship. Sau đó, ông vạch ra một hướng đi mới đầy tham vọng trong khoa học nhằm tìm hiểu nguồn gốc của sự phức tạp trong tự nhiên. Ý tưởng quan trọng đầu tiên Wolfram là sử dụng các thí nghiệm máy tính để nghiên cứu các hành vi của các chương trình máy tính đơn giản được gọi là tế bào automata . Điều này cho phép ông thực hiện một loạt những khám phá đáng ngạc nhiên về nguồn gốc của sự phức tạp
Wolfram thành lập các trung tâm nghiên cứu và các tạp chí đầu tiên trong lĩnh vực này, Các hệ thống phức tạp, và bắt đầu sự phát triển của phần mềm Mathematica. Wolfram Research đã sớm trở thành một nhà lãnh đạo thế giới trong ngành công nghiệp phần mềm - được công nhận rộng rãi cho sự xuất sắc trong cả hai công nghệ và kinh doanh.
Sau khi phát hành Mathematica Version 2 năm 1991, Wolfram bắt đầu phân chia thời gian của mình giữa phát triển Mathematica và nghiên cứu khoa học. Xây dựng trên công trình nghiên cứu của mình từ giữa những năm 1980, và bây giờ áp dụng với Mathematica như một công cụ, Wolfram đã thành công nhanh chóng với những khám phá mới mẻ lớn lao hơn , mà ông mô tả trong cuốn sách của mình, A New Kind of Science.
Xây dựng trên nền tảng Mathematica, A New Kind of Science, và sự thành công của Wolfram Research, Wolfram gần đây đưa ra nền tảng Wolfram | Alpha - một dự án dài hạn đầy tham vọng nhằm làm cho kiến thức của thế giới có thể tính toán càng nhiều càng tốt , và tất cả mọi người đều có thể truy cập đến nền tảng tính toán này .
Therese Littleton đã viết :
"Dù gì đi nữa cuộc cách mạng của Wolfram cuối cùng cho chúng ta những chìa khóa để khám phá vũ trụ, ngành khoa học mới của ông thực sự là cực kỳ thú vị và đầy cảm hứng ."
1. Tính toán lý thuyết cho mọi kiến thức (Computing a theory of all knowledge)
00:12
Tôi muốn nói về một ý tưởng. Một ý tưởng lớn. Thật ra, tôi nghĩ rằng dần dần ý tưởng đó sẽ được coi là ý tưởng lớn duy nhất nổi bật trong suốt thế kỷ qua. Đó là một ý tưởng về điện toán. Tất nhiên, ý tưởng đó đã đem lại cho chúng ta tất cả công nghệ máy tính mà chúng ta có ngày nay và hơn thế nữa. Nhưng thật ra điện toán không phải chỉ có thế. Đó là một ý tưởng căn bản sâu sắc và đầy quyền năng mà chúng ta mới chỉ bắt đầu thấy được tác dụng của nó.
So I want to talk today about an idea. It's a big idea. Actually, I think it'll eventually be seen as probably the single biggest idea that's emerged in the past century. It's the idea of computation. Now, of course, that idea has brought us all of the computer technology we have today and so on. But there's actually a lot more to computation than that. It's really a very deep, very powerful, very fundamental idea, whose effects we've only just begun to see.
00:37
Tôi đã bỏ ra 30 năm làm việc với ba dự án lớn cố gắng áp dụng ý tưởng về điện toán một cách nghiêm túc. Tôi đã khởi đầu khi còn là một nhà vật lý trẻ tuổi sử dụng máy tính như các công cụ. Sau đó, tôi đã bắt đầu đào sâu thêm, nghĩ về các phép toán mà có thể tôi sẽ muốn làm, cố gắng tìm ra các nguyên hàm để làm nền cho các phép toán đó và cách nào để làm cho chúng tự động hóa càng nhiều càng tốt. Cuối cùng thì tôi cũng đã tạo ra được toàn bộ cấu trúc dựa trên phương thức lập trình tượng trưng và vân vân mà đã giúp tôi xây dựng nên Mathematica. Và trong 23 năm qua, với tốc độ ngày càng nhanh, chúng tôi đã liên tục đổ thêm nhiều ý tưởng và chức năng hơn nữa vào Mathematica và tôi rất vui khi có thể nói rằng điều đó đã đem lại nhiều điều tốt trong R&D (nghiên cứu và phát triển) và giáo dục và trong nhiều lĩnh vực khác. Tôi phải thừa nhận rằng thật ra tôi đã có một lý do rất ích kỷ khi viết Mathematica. Tôi đã muốn sử dụng nó cho chính mình, gần giống như Galileo đã sử dụng chiếc ống kính thiên văn của mình vào 400 năm trước. Nhưng tôi đã không muốn ngắm lấy vũ trụ bao la, tôi muốn được tìm hiểu về vũ trụ của điện toán.
Well, I myself have spent the past 30 years of my life working on three large projects that really try to take the idea of computation seriously. So I started off at a young age as a physicist using computers as tools. Then, I started drilling down, thinking about the computations I might want to do, trying to figure out what primitives they could be built up from and how they could be automated as much as possible. Eventually, I created a whole structure based on symbolic programming and so on that let me build Mathematica. And for the past 23 years, at an increasing rate, we've been pouring more and more ideas and capabilities and so on into Mathematica, and I'm happy to say that that's led to many good things in R & D and education, lots of other areas. Well, I have to admit, actually, that I also had a very selfish reason for building Mathematica: I wanted to use it myself, a bit like Galileo got to use his telescope 400 years ago. But I wanted to look not at the astronomical universe, but at the computational universe.
01:37
Chúng ta thường nghĩ về các phần mềm như những thứ phức tạp mà chúng ta xây dựng cho những mục đích riêng biệt. Nhưng khoảng không gian cho tất cả các phần mềm thì sao? Đây là một phần mềm đơn giản. Nếu chúng ta chạy chương trình này, đây là những gì ta đạt được. Rất đơn giản. Hãy thử đổi công thức cho chương trình một chút xem sao. Bây giờ chúng ta lại có một kết quả khác, nhưng vẫn rất đơn giản. Thử đổi một lần nữa. Ta lại có một thứ khác phức tạp hơn một chút nhưng nếu chúng ta cho nó tiếp tục chạy một lúc ta sẽ thấy rằng mặc dù trình tự mà chúng ta có được rất là rắc rối, nó mang một cấu trúc rất bình thường. Nên câu hỏi là: Liệu có thể có những gì khác xảy ra không? Ừ thì chúng ta có thực hiện một thí nghiệm nho nhỏ. Hãy thử thực hiện một thí nghiệm toán học, thử xem thế nào.
So we normally think of programs as being complicated things that we build for very specific purposes. But what about the space of all possible programs? Here's a representation of a really simple program. So, if we run this program, this is what we get. Very simple. So let's try changing the rule for this program a little bit. Now we get another result, still very simple. Try changing it again. You get something a little bit more complicated. But if we keep running this for a while, we find out that although the pattern we get is very intricate, it has a very regular structure. So the question is: Can anything else happen? Well, we can do a little experiment. Let's just do a little mathematical experiment, try and find out.
02:25
Thử chạy tất cả các chương trình có thể thuộc cùng một loại mà chúng ta đang xem xét. Chúng được gọi là thiết bị tế bào tự động. Các bạn có thể thấy được sử đa dạng trong hoạt động của nó. Đa số trong chúng thực hiện những thứ rất đơn giản. Nhưng nếu các bạn nhìn các bức tranh khác nhau này, đến công thức thứ 30, các bạn sẽ thấy có điều gì đó hấp dẫn xảy ra. Hãy nhìn kỹ hơn một chút công thức thứ 30 này. Nó đây. Chúng ta chỉ làm theo cái công thức rất đơn giản ở phía dưới này nhưng chúng ta lại có được một thứ lạ kỳ này. Đó không phải là thứ mà chúng ta quen thuộc với và tôi phải nói rằng, khi tôi nhìn thấy cái này lần đầu tiên, nó đã gây sốc đối với trực giác của tôi và thật ra, để hiểu được nó, tôi đã phải tạo ra một môn khoa học mới.
Let's just run all possible programs of the particular type that we're looking at. They're called cellular automata. You can see a lot of diversity in the behavior here. Most of them do very simple things, but if you look along all these different pictures, at rule number 30, you start to see something interesting going on. So let's take a closer look at rule number 30 here. So here it is. We're just following this very simple rule at the bottom here, but we're getting all this amazing stuff. It's not at all what we're used to, and I must say that, when I first saw this, it came as a huge shock to my intuition. And, in fact, to understand it, I eventually had to create a whole new kind of science.
03:07
(Tiếng cười)
03:09
Môn khóa học này nói chung là khác với các môn khoa học dựa trên toán học khác mà chúng ta đã có trong vòng 300 năm qua. Các bạn biết đấy, thiên nhiên làm cách nào mà có thể tạo ra nhiều thứ phức tạp một cách dễ dàng đến thế đã luôn là một điều bí ẩn đối với chúng ta. Và tôi nghĩ rằng tôi đã tìm ra được bí mật của nó. Chỉ đơn giản là lấy mẫu những gì có ở ngoài đó vào trong vũ trụ của điện toán và rất thường sẽ có được những thứ như công thức thứ 30 này hay như cái này. Và khi biết được điều này, chúng ta có thể bắt đầu giải thích được nhiều bí ẩn trong khoa học. Nhưng nó cũng sinh ra nhiều vấn đề như tính tối giản của điện toán. Ý tôi là chúng ta đã quen với việc khoa học cho phép ta tiên đoán nhiều thứ nhưng những thứ như thế này thì cơ bản là tối giản. Cách duy nhất để tìm ra hệ quả của nó một cách hiệu quả là nhìn nó phát triển. Nó có liên quan đến một thứ mà tôi gọi là nguyên lý tương đương điện toán mà cho chúng ta biết rằng những hệ thống cực kỳ đơn giản đều có thể thực hiện các phép tính phức tạp. Không cần đền nhiều công nghệ hay sự tiến hóa sinh học để có thể thực hiện các phép tính bất kỳ, chỉ đơn giản là một thứ gì đó diễn ra một cách tự nhiên khắp mọi nơi. Những thứ với các công thức, luật lệ đơn giản như thế này đều có thể làm được điều đó. Điều này mang hàm ý sâu sắc về các giới hạn của khoa học về khả năng tiên đoán và điều hành những thứ như các quá trình sinh học hay kinh tế, về trí thông minh trong vũ trụ, về các câu hỏi như sự tự nguyện và về việc tạo ra các công nghệ mới.
This science is different, more general, than the mathematics-based science that we've had for the past 300 or so years. You know, it's always seemed like a big mystery: how nature, seemingly so effortlessly, manages to produce so much that seems to us so complex. Well, I think we've found its secret: It's just sampling what's out there in the computational universe and quite often getting things like Rule 30 or like this. And knowing that starts to explain a lot of long-standing mysteries in science. It also brings up new issues, though, like computational irreducibility. I mean, we're used to having science let us predict things, but something like this is fundamentally irreducible. The only way to find its outcome is, effectively, just to watch it evolve. It's connected to, what I call, the principle of computational equivalence, which tells us that even incredibly simple systems can do computations as sophisticated as anything. It doesn't take lots of technology or biological evolution to be able to do arbitrary computation; just something that happens, naturally, all over the place. Things with rules as simple as these can do it. Well, this has deep implications about the limits of science, about predictability and controllability of things like biological processes or economies, about intelligence in the universe, about questions like free will and about creating technology.
04:41
Các bạn biết đấy, làm việc với môn khoa học này qua nhiều năm, tôi đã luôn băn khoăn "Ứng dụng hay ho đầu tiên của nó sẽ là gì?" Từ lúc tôi còn nhỏ, tôi đã nghĩ về các kiến thức về sự hệ thống hóa và làm cách nào để làm nó có thể tính toán được. Những người như Leibniz cũng đã từng suy nghĩ về điều đó vào 300 năm trước. Nhưng tôi đã luôn cho rằng để được kết quả thì tôi sẽ phải tái tạo lại nguyên bộ não. Bây giờ tôi lại nghĩ rằng: Mô hình khoa học này của tôi mang một ý nghĩa khác. Và tiện thể tôi xin nói luôn là giờ tôi đã có được nhiều khả năng tính toán lớn trong Mathematica và tôi là một CEO với một số nguồn vật chất đủ để thực hiện các dự án lớn và dường như điên rồ. Nên tôi đã quyết định thử xem bao nhiêu trong lượng kiến thức ngoài kia trên thế giới có thể làm cho tính toán được.
You know, in working on this science for many years, I kept wondering, "What will be its first killer app?" Well, ever since I was a kid, I'd been thinking about systematizing knowledge and somehow making it computable. People like Leibniz had wondered about that too 300 years earlier. But I'd always assumed that to make progress, I'd essentially have to replicate a whole brain. Well, then I got to thinking: This scientific paradigm of mine suggests something different -- and, by the way, I've now got huge computation capabilities in Mathematica, and I'm a CEO with some worldly resources to do large, seemingly crazy, projects -- So I decided to just try to see how much of the systematic knowledge that's out there in the world we could make computable.
05:25
Nên dự án đó đã rất lớn và phức tạp mà tôi cũng chẳng rõ sẽ thành công thế nào. Nhưng rất vui là tôi có thể nói rằng dự án đang tiến triển tốt. Và vào năm ngoái chúng tôi đã cho ra đời phiên bản đầu tiên của Wolfram Alpha. Mục đích của trang này là một công cụ kiến thức tính toán các câu trả lời cho các câu hỏi. Nên chúng ta hãy thử xem thế nào. Chúng ta hãy thử bắt đầu với một cái gì đó thật dễ. Và mong điều tốt nhất. Tốt. Được rồi. Đến lúc này thì vẫn tốt. (Tiếng cười) Hãy thử cái gì đó khó hơn. Thử ... Thử một phép toán và may mắn thì nó sẽ tính ra kết quả đúng và sẽ cho chúng ta biết một vài thứ thú vị về các phép toán liên quan. Chúng ta hỏi nó bất kỳ điều gì về thế giới thực. Ví dụ như -- GDP của Tây Ban Nha là nhiêu? Và nó sẽ phải trả lời được cho chúng ta. Bây giờ chúng ta sẽ có thể tính một thứ gì liên quan, ví dụ như GDP của Tây Ban Nha chia cho, tôi không biết, -- hừm ... doanh thu của Microsoft chẳng hạn.
So, it's been a big, very complex project, which I was not sure was going to work at all. But I'm happy to say it's actually going really well. And last year we were able to release the first website version of Wolfram Alpha. Its purpose is to be a serious knowledge engine that computes answers to questions. So let's give it a try. Let's start off with something really easy. Hope for the best. Very good. Okay. So far so good. (Laughter) Let's try something a little bit harder. Let's do some mathy thing, and with luck it'll work out the answer and try and tell us some interesting things things about related math. We could ask it something about the real world. Let's say -- I don't know -- what's the GDP of Spain? And it should be able to tell us that. Now we could compute something related to this, let's say ... the GDP of Spain divided by, I don't know, the -- hmmm ... let's say the revenue of Microsoft.
06:33
(Tiếng cười)
06:35
Chúng ta có thể gõ vào đây một câu hỏi theo bất kỳ cách nào. Nên ta hãy thử hỏi một câu, ví dụ như một câu hỏi về sức khỏe. Giả dụ như chúng ta tìm thấy trong phòng thí nghiệm rằng -- ta có mức độ LDL (Low-density lipoprotein) tại 140 cho một người đàn ông 50 tuổi. Nên hãy thử gõ cái này vào và Wolfram Alpha sẽ sử dụng các số liệu thống kê được ban hành và xem thử bao nhiêu phần của dân số có cùng chỉ số đó và vân vân. Hay thử hỏi về trạm không gian quốc tế.
The idea is that we can just type this in, this kind of question in, however we think of it. So let's try asking a question, like a health related question. So let's say we have a lab finding that ... you know, we have an LDL level of 140 for a male aged 50. So let's type that in, and now Wolfram Alpha will go and use available public health data and try and figure out what part of the population that corresponds to and so on. Or let's try asking about, I don't know, the International Space Station.
07:06
Và những gì đang diễn ra ở đây là Wolfram Alpha không chỉ tìm kiếm cái gì đó; nó đang tính trong thời gina thực xem trạm không gian quốc tế đang ở đâu trong lúc này và nó đang di chuyển nhanh cỡ nào và vân vân. Nên Wolfram Alpha biết rất nhiều thứ. Đến giờ phút này, Wolfram Alpha đã có được gần như tất cả những gì mà bạn có thể tìm thấy trong một thư viện. Nhưng mục đích là để đạt được hơn thế nữa và dân chủ hóa một cách rộng rãi tất cả những kiến thức và trở nên một nguồn thông tin có căn cứ trong mọi lĩnh vực để có thể tính toán ra các câu trả lời cho những câu hỏi cụ thể không phải bằng cách tìm kiếm những gì những người khác có thể đã viết ra từ trước mà bằng cách sử dụng kiến thức có sẵn để tính toán ra các câu trả lời cho các câu hỏi của thể.
And what's happening here is that Wolfram Alpha is not just looking up something; it's computing, in real time, where the International Space Station is right now at this moment, how fast it's going, and so on. So Wolfram Alpha knows about lots and lots of kinds of things. It's got, by now, pretty good coverage of everything you might find in a standard reference library. But the goal is to go much further and, very broadly, to democratize all of this knowledge, and to try and be an authoritative source in all areas. To be able to compute answers to specific questions that people have, not by searching what other people may have written down before, but by using built in knowledge to compute fresh new answers to specific questions.
07:54
Tất nhiên, Wolfram Alpha là một dự án khổng lồ, lâu dài với rất nhiều thách thức. Để bắt đầu thì một người phải giáo phó hàng tỷ các nguồn cơ sở và thống kê khác nhau và chúng tôi đã tạo ra một đường ống của sự tự động hóa của Mathematica và các chuyên gia trong lĩnh vực để thực hiện được điều này. Nhưng đó mới chỉ là bắt đầu. Khi có các dữ liệu thống kê để trả lời các câu hỏi, một người phải tính toán, phải sử dụng tất cả các phương pháp và mô hình và phép toán và vân vân mà khoa học và các lĩnh vực khác đã xây dựng nên qua các thế kỷ. Thậm chí kể cả khi bắt đầu từ Mathematica đó vẫn là một lượng công việc lớn. Cho đến bây giờ, có khoảng 8 triệu dòng lệnh từ Mathematica ở Wolfram Alpha viết bởi các chuyên gia từ rất nhiều các lĩnh vực khác nhau.
Now, of course, Wolfram Alpha is a monumentally huge, long-term project with lots and lots of challenges. For a start, one has to curate a zillion different sources of facts and data, and we built quite a pipeline of Mathematica automation and human domain experts for doing this. But that's just the beginning. Given raw facts or data to actually answer questions, one has to compute: one has to implement all those methods and models and algorithms and so on that science and other areas have built up over the centuries. Well, even starting from Mathematica, this is still a huge amount of work. So far, there are about 8 million lines of Mathematica code in Wolfram Alpha built by experts from many, many different fields.
08:39
Ý tưởng độc đáo của Wolfram Alpha là các bạn sẽ có thể hỏi các câu hỏi dùng ngôn ngữ con người bình thường, điều này có nghĩa là chúng tôi sẽ phải có thể hiểu được tất cả các cách nói và diễn đạt mà người khác sẽ gõ vào trong mục tìm kiếm và hiểu được chúng. Và tôi phải nói rằng tôi đã nghĩ rằng bước đó sẽ có thể không thực hiện được. Hai sự việc lớn đã xảy ra. Điều đầu tiên là một đống các ý tưởng về ngôn ngữ học đến từ việc nghiên cứu về vụ trụ các phép tính toán. Và điều thứ hai là sự ngộ ra rằng khi có được một ngôn ngữ có thể tính toán được hoàn toàn làm thay đổi cách mà một người có thể hiểu ngôn ngữ. Và tất nhiên, bây giờ với Wolfram Alpha, chúng tha có thể học hỏi bằng cách sử dụng nó. Và đúng thế, đã có một sự đồng phát triển giữa Wolfram Alpha và những người sử dụng. Và điều này thật sự gây khuyến khích. Ngay bây giờ, nếu chúng ta nhìn vào các mục câu hỏi về các trang web, trên 80 phần trăm những câu hỏi đó được trả lời một cách thành công ngay từ đầu. Và nếu các bạn nhìn vào các thứ như các app cho iPhone, tỷ lệ còn cao hơn thế nhiều. Nên tôi khá là hài lòng với nó.
Well, a crucial idea of Wolfram Alpha is that you can just ask it questions using ordinary human language, which means that we've got to be able to take all those strange utterances that people type into the input field and understand them. And I must say that I thought that step might just be plain impossible. Two big things happened: First, a bunch of new ideas about linguistics that came from studying the computational universe; and second, the realization that having actual computable knowledge completely changes how one can set about understanding language. And, of course, now with Wolfram Alpha actually out in the wild, we can learn from its actual usage. And, in fact, there's been an interesting coevolution that's been going on between Wolfram Alpha and its human users, and it's really encouraging. Right now, if we look at web queries, more than 80 percent of them get handled successfully the first time. And if you look at things like the iPhone app, the fraction is considerably larger. So, I'm pretty pleased with it all.
09:43
Nhưng xét về nhiều mặt, chúng tôi vẫn ở bức tiến ban đầu với Wolfram Alpha. Ý tôi là mọi thứ vẫn đang phát triển lên một cách tốt đẹp. Chúng tôi ngày càng tự tin hơn. Các bạn có thể mong chờ công nghệ Wolfram Alpha xuất hiện ở nhiều và nhiều nơi hơn nữa, làm việc với các dữ liệu công khai như trên trang web và với các nguồn thông tin cá nhân cho các cá nhân và các công ty. Tôi đã nhận ra rằng Wolfram Alpha thật sự đem lại một thể loại tính toán mới mà có thể được gọi là sự tính toán dựa trên kiến thức không phải chỉ là tính toán đơn thuần mà dựa trên một lượng kiến thức khổng lồ có sẵn. Và khi thực hiện điều đó, một người có thể làm thay đổi cả hình thức kinh tế của việc cung cấp các sản phẩm tính toán, dù nó ở trên web hay ở đâu đi nữa.
But, in many ways, we're still at the very beginning with Wolfram Alpha. I mean, everything is scaling up very nicely and we're getting more confident. You can expect to see Wolfram Alpha technology showing up in more and more places, working both with this kind of public data, like on the website, and with private knowledge for people and companies and so on. You know, I've realized that Wolfram Alpha actually gives one a whole new kind of computing that one can call knowledge-based computing, in which one's starting not just from raw computation, but from a vast amount of built-in knowledge. And when one does that, one really changes the economics of delivering computational things, whether it's on the web or elsewhere.
10:24
Hiện chúng tôi đang có một hoàn cảnh khá thú vị. Một mặt, chúng tôi có Mathematica, với ngôn ngữ rõ ràng của mình và một hệ thống to lớn bao gồm các khả năng được thiết kế cẩn thận mà có thể thực hiện được nhiều thứ chỉ qua vài dòng lệnh. Để tôi cho các bạn xem vài ví dụ. Đây là một đoạn lệnh bình thường từ Mathematica. Đây là chỗ mà chúng tôi kết hợp nhiều khả năng lại với nhau. Ở đây, ta sẽ tạo một giao diện ở dòng này mà sẽ cho phép ta làm một cái gì đó thú vị đây. Nếu các bạn tiếp tục, đây là một chương trình phức tạp hơn chút mà làm đủ các phép toán và tạo ra giao diện cho người dùng và vân vân. Nhưng nó là một cái gì đó rất cụ thể. Chi tiết kỹ thuật cụ thể cùng với một ngôn ngữ cụ thể giúp cho Mathematica biết nên làm những gì.
You know, we have a fairly interesting situation right now. On the one hand, we have Mathematica, with its sort of precise, formal language and a huge network of carefully designed capabilities able to get a lot done in just a few lines. Let me show you a couple of examples here. So here's a trivial piece of Mathematica programming. Here's something where we're sort of integrating a bunch of different capabilities here. Here we'll just create, in this line, a little user interface that allows us to do something fun there. If you go on, that's a slightly more complicated program that's now doing all sorts of algorithmic things and creating user interface and so on. But it's something that is very precise stuff. It's a precise specification with a precise formal language that causes Mathematica to know what to do here.
11:17
Mặt khác, chúng ta lại có Wolfram Alpha cùng với đủ thứ hỗn độn của thế giới và ngôn ngữ con người và những thứ như thế được cấu thành ở bên trong. Vậy điều gì sẽ xảy ra nếu chúng ta đem mọi thứ lại với nhau? Tôi nghĩ rằng đó là một điều tuyệt vời. Với Wolfram Alpha ở bên trong Mathematica, các bạn có thể xây dựng các phần mềm mà sử dụng các số liệu thống kê thực. Đây là một ví dụ đơn giản. Các bạn có thể cho một giá trị vào mơ hồ và sau đó thử và bắt Wolfram Alpha đoán xem các bạn đang nói về cái gì. Hãy thử xem. Tôi nghĩ rằng, thật ra, điều thú vị nhất là Wolfram Alpha thật sự cho chúng ta cơ hội để dân chủ hóa việc lập trình. Ý tôi là, ai cũng sẽ có thể nói bất kỳ cái gì bằng ngôn ngữ thông thường sau đó, Wolfram Alpha sẽ có thể tìm ra được những phần lệnh nào có thể giải quyết được những gì đã được hỏi và sau đó đưa ra các ví dụ mà sẽ cho người sử dụng chọn lấy những gì họ cần để xây dựng nên những phần mềm cụ thể lớn hơn nữa. Đôi khi, Wolfram Alpha sẽ có thể làm mọi thứ ngay lập tức và trả lại một chương trình lớn mà các bạn có thể sử dụng để tính toán. Đây là một trang web lớn nơi mà chúng tôi đã thu thập nhiều thứ về giáo dục và nhiều thứ khác. Tôi sẽ cho các bạn xem một ví dụ. Đây là một ví dụ về một trong những tập tin tính toán ấy. Đây là một mẫu lậnh nhỏ của Mathematica mà chúng ta có thể chạy ở đây.
Then on the other hand, we have Wolfram Alpha, with all the messiness of the world and human language and so on built into it. So what happens when you put these things together? I think it's actually rather wonderful. With Wolfram Alpha inside Mathematica, you can, for example, make precise programs that call on real world data. Here's a real simple example. You can also just sort of give vague input and then try and have Wolfram Alpha figure out what you're talking about. Let's try this here. But actually I think the most exciting thing about this is that it really gives one the chance to democratize programming. I mean, anyone will be able to say what they want in plain language. Then, the idea is that Wolfram Alpha will be able to figure out what precise pieces of code can do what they're asking for and then show them examples that will let them pick what they need to build up bigger and bigger, precise programs. So, sometimes, Wolfram Alpha will be able to do the whole thing immediately and just give back a whole big program that you can then compute with. Here's a big website where we've been collecting lots of educational and other demonstrations about lots of kinds of things. I'll show you one example here. This is just an example of one of these computable documents. This is probably a fairly small piece of Mathematica code that's able to be run here.
12:43
Ok. Có được môn khoa học mới này, liệu có cách nào để sử dụng nó để tạo ra công nghệ không? Với các vật liệu vật lý, chúng ta đã quen thuộc với việc đi vòng quanh thế giới và phát hiện ra các vật liệu mới mà có ích cho các mục đích công nghệ khác nhau. Chúng ta có thể làm điều tương tự trong vũ trụ của các phép toán. Có một nguồn các phần mềm không đáy ở ngoài kia. Thách thức bây giờ làm sao để thu hoạch chúng cho các mục đích của con người. Một thứ gì đó giống như Rule 30, Rule 30 hóa ra lại là một bộ máy khá tốt trong việc cho ra các số bất kỳ. Các chương trình khác là các mô hình khá tốt cho các quá trình trong thế giới tự nhiện và xa hội. Và Wolfram Alpha và Mathematica hiện giờ có trong mình đầy rẫy các thuật toán mà chúng tôi đã tìm thấy trong quá trình tìm kiếm vụ trụ của các phép toán. Và, vú dụ, cái này -- chúng ta quay lại đây -- Cái này đã trở nên phổ biến một cách lạ thường trong giới nhạc sỹ tìm kiếm các mẫu nhạc bằng cách lục lọi vũ trụ của các phép toán. Chúng ta có thể sử dụng vũ trụ này để đem lại sự sáng tạo tùy biến. Tôi mong rằng chúng ta sẽ có thể sử dụng Wolfram Alpha để thực hiện các phát minh và khám phá và những điều tuyệt với khác mà không nhà kỹ sư nào và không quá trình tiến hóa nào có thể thực hiện được.
Okay. Let's zoom out again. So, given our new kind of science, is there a general way to use it to make technology? So, with physical materials, we're used to going around the world and discovering that particular materials are useful for particular technological purposes. Well, it turns out we can do very much the same kind of thing in the computational universe. There's an inexhaustible supply of programs out there. The challenge is to see how to harness them for human purposes. Something like Rule 30, for example, turns out to be a really good randomness generator. Other simple programs are good models for processes in the natural or social world. And, for example, Wolfram Alpha and Mathematica are actually now full of algorithms that we discovered by searching the computational universe. And, for example, this -- if we go back here -- this has become surprisingly popular among composers finding musical forms by searching the computational universe. In a sense, we can use the computational universe to get mass customized creativity. I'm hoping we can, for example, use that even to get Wolfram Alpha to routinely do invention and discovery on the fly, and to find all sorts of wonderful stuff that no engineer and no process of incremental evolution would ever come up with.
14:01
Điều này dẫn đến một câu hỏi tối cao. Liệu ta có thể tìm thấy thế giới vật lý của chúng ta ở đâu đó trong vũ trụ các phép toán hay không? Có lẽ có một công thức đơn giản nào đó, một chương trình đơn giản nào đó cho vũ trụ của chúng ta. Lịch sử vật lý sẽ cố gắng thuyết phục ta tin rằng công thức cho vũ trụ quả sẽ phải phức tạp lắm. Nhưng trong vũ trụ các phép toán chúng ta đã thấy được rằng những công thức cực kỳ đơn giản có thể dẫn đến các hoạt động giàu có và phức tạp. Vậy điều gì đang diễn ra với vũ trụ của chúng ta? Nếu các công thức cho vũ trụ là đơn giản, có khả năng cao là chúng sẽ phải rất trừu tượng và cấp thấp, ví dụ như hoạt động dưới cả cấp thời gian và không gian mà rất khó để biểu trưng cho sự vật. Nhưng trong nhiều trường hợp, một người có thể nghĩ răng vũ trụ là một hệ thống mà khi đợt được kích cỡ nhất định sẽ như là một khoảng không gian liên tiếp giống như là hàng loạt các nguyên tố có thể hoạt động như một chất lỏng. Thế nên vũ trụ phát triển bằng cách áp dụng các công thức nhỏ này mà sẽ dần dần làm mới hệ thống. Và mỗi công thức thay mặt cho một vũ trụ.
Well, so, that leads to kind of an ultimate question: Could it be that someplace out there in the computational universe we might find our physical universe? Perhaps there's even some quite simple rule, some simple program for our universe. Well, the history of physics would have us believe that the rule for the universe must be pretty complicated. But in the computational universe, we've now seen how rules that are incredibly simple can produce incredibly rich and complex behavior. So could that be what's going on with our whole universe? If the rules for the universe are simple, it's kind of inevitable that they have to be very abstract and very low level; operating, for example, far below the level of space or time, which makes it hard to represent things. But in at least a large class of cases, one can think of the universe as being like some kind of network, which, when it gets big enough, behaves like continuous space in much the same way as having lots of molecules can behave like a continuous fluid. Well, then the universe has to evolve by applying little rules that progressively update this network. And each possible rule, in a sense, corresponds to a candidate universe.
15:08
Thật ra, tôi chưa cho các bạn xem, nhưng đây là một vài vũ trụ mà tôi chú ý đến. Một vài trong số này là các vũ trụ không có tương lai, chúng hoàn toàn "vô sinh", với cái căn nguyên như sự vô không, vô thời gian, vô vật chất và các vấn đề khác. Nhưng điều thú vị mà tôi đã tìm được trong vòng vài năm qua là bạn không phải đi xa trong vũ trụ phép toán đến khi bạn có thể bắt đầu tìm thấy các vũ trụ mà không khác vũ trụ chúng ta một cách rõ ràng. Vấn đề là ở đây: Bất kỳ ứng cử viên nào cho vũ trụ của chúng ta hẳn sẽ phải đầy tính tối giản nghĩa là rất khó để tối giản hóa nó để tìm ra nó sẽ hoạt động như thế nào và nó có giống vũ trụ vật lý của chúng ta. Một vài năm trước, tôi đã khám phá ra rằng có các ứng cử viên vũ trụ với các công thức cực kỳ đơn giản mà tái tạo lại một cách thành công thuyết tương đối riêng và thậm chí cả thuyết tương đối tổng quát và trọng lực và ít nhất là cho thấy một vài dấu hiệu về cơ học lượng tử. Vậy ta sẽ tìm được toàn bộ vật lý ư? Tôi không chắc. Nhưng tôi nghĩ là sẽ thật sự xấu hổ nếu ta không thử.
Actually, I haven't shown these before, but here are a few of the candidate universes that I've looked at. Some of these are hopeless universes, completely sterile, with other kinds of pathologies like no notion of space, no notion of time, no matter, other problems like that. But the exciting thing that I've found in the last few years is that you actually don't have to go very far in the computational universe before you start finding candidate universes that aren't obviously not our universe. Here's the problem: Any serious candidate for our universe is inevitably full of computational irreducibility. Which means that it is irreducibly difficult to find out how it will really behave, and whether it matches our physical universe. A few years ago, I was pretty excited to discover that there are candidate universes with incredibly simple rules that successfully reproduce special relativity, and even general relativity and gravitation, and at least give hints of quantum mechanics. So, will we find the whole of physics? I don't know for sure, but I think at this point it's sort of almost embarrassing not to at least try.
16:19
Đây không phải là một dự án dễ dàng. Sẽ phải xây dựng rất nhiều công nghệ. Sẽ phải xây dựng một hệ thống mà sẽ phải sâu bằng vật lý hiện tại của chúng ta. Và tôi không rõ làm thế nào để sắp xếp toàn bộ mọi thứ. Xây dựng một đội nhóm, khởi đầu dự án, cho các giải thưởng và vân vân. Nhưng hôm nay tôi xin nói với các bạn rằng tôi quyết tâm hoàn thành dự án này để có thể xem xem trong thập kỷ này chúng ta có thể nắm được trong tay chúng ta công thức cho vũ trụ của chúng ta hay không và để biết được rằng vũ trụ chúng ta nằm ở đâu trong khoảng không gian của các vũ trụ -- và để ta có thể gõ vào Wolfram Alpha "thuyết vũ trụ" và bắt nó trả lời cho chúng ta.
Not an easy project. One's got to build a lot of technology. One's got to build a structure that's probably at least as deep as existing physics. And I'm not sure what the best way to organize the whole thing is. Build a team, open it up, offer prizes and so on. But I'll tell you, here today, that I'm committed to seeing this project done, to see if, within this decade, we can finally hold in our hands the rule for our universe and know where our universe lies in the space of all possible universes ... and be able to type into Wolfram Alpha, "the theory of the universe," and have it tell us.
16:53
(Tiếng cười)
16:56
Tôi đã làm việc với cái ý tưởng về các phép toán đã hơn 30 năm nay, xây dựng các công cụ và phương pháp và biến các ý tưởng thành hàng triệu các dòng lệnh và thành lúa mỳ cho các nông trại các máy chủ và vân vân. Cứ mỗi năm trôi qua, tôi càng hiểu thêm rằng ý tưởng về sự tính toán hùng mạnh đến cỡ nào. Nó đã đem ta đi rất xa nhưng còn rất nhiều thứ nữa đang đợi chờ. Từ các nền tảng khoa học cho đến các giới hạn về công nghệ đến tận định nghĩa về điều kiện của con người, tôi nghĩ rằng các phép tính toán đã được định chức phận để trở thành một ý tưởng xác định của tương lai chúng ta.
So I've been working on the idea of computation now for more than 30 years, building tools and methods and turning intellectual ideas into millions of lines of code and grist for server farms and so on. With every passing year, I realize how much more powerful the idea of computation really is. It's taken us a long way already, but there's so much more to come. From the foundations of science to the limits of technology to the very definition of the human condition, I think computation is destined to be the defining idea of our future.
17:27
Cảm ơn các bạn.
Thank you.
17:29
(Applause)
17:29
(Vỗ tay)
17:43
Chris Anderson: Thật là kinh ngạc. Anh đứng lại đây chút. Tôi có một câu hỏi.
Chris Anderson: That was astonishing. Stay here. I've got a question.
17:47
(Vỗ tay)
(Applause)
17:53
Bài nói của anh thật đáng kinh ngạc. Anh có thể nói trong một hai câu làm sao để kiểu suy nghĩ này có thể một lúc nào đó hòa nhập với những thứ như thuyết dây và những thứ mà người ta cho rằng là những lời giải thích căn bản cho vũ trụ?
So, that was, fair to say, an astonishing talk. Are you able to say in a sentence or two how this type of thinking could integrate at some point to things like string theory or the kind of things that people think of as the fundamental explanations of the universe?
18:10
Stephen Wolfram: Thì, các phần về vật lý mà chúng ta đã biết là đúng, những thứ như các mô hình vật lý cơ bản. Những gì tôi đang cố gắng làm là tái tạo lại một mô hình chuẩn cho vật lý nếu không thì sai hẳn. Những thứ mà người ta đã cố làm trong vòng 25 năm qua với thuyết dây và vân vân đã là một sự khám phá thú vị mà đã cố gắng quay trở lại với mô hình tiêu chuẩn nhưng chưa hẳn đến nơi. Tôi cho rằng với một ít sự đơn giản hóa những gì tôi đang làm có thể sẽ có phần nào cộng hưởng với những gì đã được làm với thuyết dây, nhưng đó là một thứ phức tạp liên quan đến toán mà tôi không biết nó sẽ ra sao nữa.
Stephen Wolfram: Well, the parts of physics that we kind of know to be true, things like the standard model of physics: what I'm trying to do better reproduce the standard model of physics or it's simply wrong. The things that people have tried to do in the last 25 years or so with string theory and so on have been an interesting exploration that has tried to get back to the standard model, but hasn't quite gotten there. My guess is that some great simplifications of what I'm doing may actually have considerable resonance with what's been done in string theory, but that's a complicated math thing that I don't yet know how it's going to work out.
18:46
CA: Benoit Mandlebrot đang ở trong hội trường. Ông ấy cũng đã cho thấy sự phức tạp cũng có thể xuất hiện từ đầu. Công việc của anh có liên quan đến điều đó không?
CA: Benoit Mandelbrot is in the audience. He also has shown how complexity can arise out of a simple start. Does your work relate to his?
18:54
SW: Tôi nghĩ là có. Tôi xem công việc của Benoit Mandlebrot như sự đóng góp nền tảng cho lĩnh vực này. Benoit đã rất chú ý đến các mô hình lồng nhau, "fractal" và vân vân nơi mà cấu trúc là một thứ gì đó giống như mô hình cây và nơi mà có một nhánh lớn sẻ ra các nhánh nhỏ và thậm chí thêm các nhánh nhỏ khác và vân vân. Đó là một trong những cách mà bạn tiến đến sự phức tạp thật sự. Tôi nghĩ rằng những thứ như Công thức 30 dẫn chúng ta đến một cấp bậc khác. Thật ra, cách mà chúng ta lên một cấp bậc khác bởi vì chúng là những thứ phức tạp phức tạp thật sự.
SW: I think so. I view Benoit Mandelbrot's work as one of the founding contributions to this kind of area. Benoit has been particularly interested in nested patterns, in fractals and so on, where the structure is something that's kind of tree-like, and where there's sort of a big branch that makes little branches and even smaller branches and so on. That's one of the ways that you get towards true complexity. I think things like the Rule 30 cellular automaton get us to a different level. In fact, in a very precise way, they get us to a different level because they seem to be things that are capable of complexity that's sort of as great as complexity can ever get ...
19:40
Tôi có thể nói thêm nhiều, nhưng tôi sẽ dừng ở đây
I could go on about this at great length, but I won't. (Laughter) (Applause)
19:43
CA: Stephen Wolfram, cảm ơn anh.
CA: Stephen Wolfram, thank you.
19:45
(Vỗ tay)
(Applause)
Translated by LD .
Reviewed by Ha Tran
Nguồn : http://www.ted.com/speakers/stephen_wolfram
.-------------------------------------------------------------------------------------------
Mục đích cuộc sống càng cao thì đời người càng giá trị.
Geothe
