TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Jak pořídit obrázek černé díry
Filmed:
Readability: 4.5
5,455,257 views
V srdci Mléčné dráhy je obří černá díra, která se živí rotujícím diskem horkého plynu, pohlcujícím cokoliv, co se octne příliš blízko -- dokonce i světlo. Nemůžeme ji vidět, ale její horizont událostí vrhá stín a obrázek tohoto stínu by nám mohl pomoci zodpovědět některé důležité otázky o vesmíru. Vědci si mysleli, že takový obrázek je možné pořídit pouze pomocí teleskopu velikosti Země -- dokud Katie Bouman a tým astronomů nepřišli s chytřejší alternativou. Podívejte se, jak můžeme vidět v absolutní temnotě.
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
Ve filmu "Interstellar"
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
můžeme vidět detailní pohled
na obří černou díru.
na obří černou díru.
00:18
Set against a backdrop of bright gas,
2
6671
2143
Na pozadí zářícího plynu
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
obrovská gravitační síla černé díry
00:22
bends light into a ring.
4
10980
1435
ohýbá světlo do prstence.
00:24
However, this isn't a real photograph,
5
12439
2109
Avšak, toto není skutečná fotografie,
00:26
but a computer graphic rendering --
6
14572
1786
ale počítačové vykreslení --
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
umělecké znázornění toho,
jak by černá díra mohla vypadat.
jak by černá díra mohla vypadat.
00:32
A hundred years ago,
8
20401
1166
Před sto lety
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
publikoval Albert Einstein
svoji teorii obecné relativity.
svoji teorii obecné relativity.
00:37
In the years since then,
10
25216
1439
Od té doby
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
vědci předložili mnoho důkazů,
které tuto teorii podpořily.
které tuto teorii podpořily.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Ale jedna věc předpovídaná
touto teorií, černá díra,
touto teorií, černá díra,
00:44
still have not been directly observed.
13
32784
2350
stále nebyla přímo pozorována.
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
Ačkoliv máme nějakou představu,
jak by černá díra mohla vypadat,
jak by černá díra mohla vypadat,
nikdy jsme žádnou nevyfotili.
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
Ale můžete být překvapeni,
že se to brzy může změnit.
že se to brzy může změnit.
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
Možná uvidíme první obrázek černé díry
v několika následujících letech.
v několika následujících letech.
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
Pořízení tohoto prvního obrázku závisí
na mezinárodním týmu vědců,
na mezinárodním týmu vědců,
01:05
an Earth-sized telescope
19
53664
1567
teleskopu velikosti Země
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
a algoritmu, který dá dohromady
výsledný obrázek.
výsledný obrázek.
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
Ačkoliv vám nebudu moci dnes ukázat
skutečný obrázek černé díry,
skutečný obrázek černé díry,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
ráda bych vám nastínila
snahu, která je potřeba
snahu, která je potřeba
01:16
in getting that first picture.
23
64598
1613
pro pořízení tohoto obrázku.
01:19
My name is Katie Bouman,
24
67477
1437
Jmenuji se Katie Bouman
01:20
and I'm a PhD student at MIT.
25
68938
2566
a jsem PhD studentkou na MIT.
Dělám výzkum v laboratoři
počítačových věd,
počítačových věd,
01:23
I do research in a computer science lab
26
71528
2027
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
která pracuje na tom, aby počítače
viděly skrze obrázky a video.
viděly skrze obrázky a video.
01:28
But although I'm not an astronomer,
28
76901
2162
Ačkoliv nejsem astronom,
01:31
today I'd like to show you
29
79087
1285
ráda bych vám dnes ukázala,
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
jak jsem mohla přispět
k tomuto vzrušujícímu projektu.
k tomuto vzrušujícímu projektu.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Pokud se dnes večer vytratíte mimo
zářící světla města,
zářící světla města,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
možná budete mít možnost
vidět úžasný pohled
vidět úžasný pohled
01:40
of the Milky Way Galaxy.
33
88638
1493
na galaxii Mléčná dráha.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
A pokud byste se mohli přiblížit
přes miliony hvězd,
přes miliony hvězd,
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
26 000 světelných let k srdci
kroužící Mléčné dráhy,
kroužící Mléčné dráhy,
dostali byste se až
ke skupině hvězd přímo uprostřed.
ke skupině hvězd přímo uprostřed.
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
Pohledem skrz veškerý galaktický prach
pomocí infračervených teleskopů
pomocí infračervených teleskopů
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
mohou astronomové tyto hvězdy
pozorovat již více než 16 let.
pozorovat již více než 16 let.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Ale to, co nevidí,
je to nejúžasnější.
je to nejúžasnější.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Zdá se, že tyto hvězdy obíhají
kolem neviditelného objektu.
kolem neviditelného objektu.
02:05
By tracking the paths of these stars,
41
113789
2323
Sledováním cest těchto hvězd
02:08
astronomers have concluded
42
116136
1294
astronomové vyvodili,
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
že jedinou věcí, tak malou a dostatečně
těžkou, aby mohla tento pohyb způsobit,
těžkou, aby mohla tento pohyb způsobit,
02:12
is a supermassive black hole --
44
120607
1968
je obří černá díra --
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
objekt tak hutný, že pohltí
cokoliv, co se přiblíží --
cokoliv, co se přiblíží --
02:18
even light.
46
126801
1494
dokonce i světlo.
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
Ale co se stane, pokud bychom
přiblížili ještě více?
přiblížili ještě více?
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
Je možné vidět něco, co,
podle definice, nemůže být spatřeno?
podle definice, nemůže být spatřeno?
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
No, ukázalo se, že pokud bychom
zaměřili na radiové vlny,
zaměřili na radiové vlny,
mohli bychom spatřit prstenec světla
02:31
we'd expect to see a ring of light
50
139987
1682
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
zapříčiněný gravitačním
zakřivením horké plasmy
zakřivením horké plasmy
02:36
zipping around the black hole.
52
144128
1829
prolétající kolem černé díry.
02:37
In other words,
53
145981
1160
Jinými slovy,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
černá díra vrhá stín
na pozadí světlého materiálu,
na pozadí světlého materiálu,
02:42
carving out a sphere of darkness.
55
150360
1842
čímž vykrajuje temný kruh.
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
Tento světlý prstenec odhaluje
horizont událostí černé díry,
horizont událostí černé díry,
kde se gravitační tah
stává tak velkým,
stává tak velkým,
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
že ani světlo nemůže uniknout.
02:50
that not even light can escape.
58
158013
1626
Einsteinovy rovnice předpověděly
velikost a tvar tohoto prstence,
velikost a tvar tohoto prstence,
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
proto by pořízení fotky nebylo
pouze hodně vzrušující,
pouze hodně vzrušující,
ale také by nám to umožnilo ověřit,
že tyto rovnice platí
že tyto rovnice platí
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
v těchto extrémních podmínkách
kolem černé díry.
kolem černé díry.
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
Jenomže, tato černá díra
je od nás tak daleko,
je od nás tak daleko,
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
že ze Země se tento prstenec
jeví neskutečně malým --
jeví neskutečně malým --
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
stejně veliký jako pomeranč
na povrchu Měsíce.
na povrchu Měsíce.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
To dělá pořízení snímku
extrémně náročným.
extrémně náročným.
03:16
Why is that?
67
184645
1302
Proč to tak je?
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Inu, všechno se to dá shrnout
jednoduchou rovnicí.
jednoduchou rovnicí.
03:21
Due to a phenomenon called diffraction,
69
189724
2416
Vzhledem k fenoménu,
kterému se říká difrakce,
kterému se říká difrakce,
03:24
there are fundamental limits
70
192164
1355
existují zásadní limity
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
nejmenších objektů,
které můžeme vidět.
které můžeme vidět.
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
Tato řídící rovnice říká,
že abychom viděli menší a menší,
že abychom viděli menší a menší,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
musíme náš teleskop
udělat větší a větší.
udělat větší a větší.
Ale i s nejsilnějšími optickými
teleskopy tady na Zemi
teleskopy tady na Zemi
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
se nemůžeme dostat ani trochu
k potřebnému rozlišení,
k potřebnému rozlišení,
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
které by zobrazilo povrch Měsíce.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Tady vidíte jedno z největších rozlišení,
které bylo kdy pořízeno
které bylo kdy pořízeno
03:46
of the moon from Earth.
78
214495
1397
na povrch Měsíce ze Země.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Obsahuje zhruba 13 000 pixelů
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
ale i tak by každý pixel obsahoval
více než 1,5 milionu pomerančů.
více než 1,5 milionu pomerančů.
03:55
So how big of a telescope do we need
81
223396
1972
Čili, jak velký teleskop potřebujeme,
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
abychom mohli vidět pomeranč
na povrchu Měsíce,
na povrchu Měsíce,
04:00
and, by extension, our black hole?
83
228181
2214
a tudíž naši černou díru?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
No, ukázalo se,
že přechroupáním čísel
že přechroupáním čísel
můžete snadno spočítat,
že bychom potřebovali teleskop
že bychom potřebovali teleskop
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
velikosti celé Země.
04:07
the size of the entire Earth.
86
235417
1393
(Smích)
04:08
(Laughter)
87
236834
1024
Pokud bychom mohli postavit
tenhle teleskop velikosti Země,
tenhle teleskop velikosti Země,
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
mohli bychom začít rozlišovat
ten zvláštní prstenec světla,
ten zvláštní prstenec světla,
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
který ukazuje na horizont událostí
černé díry.
černé díry.
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
Ačkoliv by tento obrázek neobsahoval
všechny detaily, které vidíme
všechny detaily, které vidíme
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
v počítačových vykresleních,
04:20
in computer graphic renderings,
92
248123
1506
umožnilo by nám to
získat první náznak
získat první náznak
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
prostředí v těsné blízkosti
kolem černé díry.
kolem černé díry.
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
04:26
However, as you can imagine,
95
254487
1613
Ale jak asi tušíte,
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
postavení jednotalířového teleskopu
velikosti Země je nemožné.
velikosti Země je nemožné.
Ale známými slovy Micka Jaggera,
04:31
But in the famous words of Mick Jagger,
97
259772
1887
"Nemůžeš vždy získat to, co chceš,
04:33
"You can't always get what you want,
98
261683
1791
ale pokud se někdy pokusíš,
můžeš prostě zjistit,
můžeš prostě zjistit,
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
že máš to, co potřebuješ."
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
A spojením teleskopů z celého světa,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
mezinárodní spolupráce nazvaná
Teleskop Horizontu Událostí,
Teleskop Horizontu Událostí,
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
vytváří výpočetní teleskop velikosti Země,
04:48
capable of resolving structure
104
276131
1537
schopný rozlišení struktury
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
velikosti horizontu událostí
černé díry.
černé díry.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Tato síť teleskopů plánuje pořídit
vůbec první obrázek černé díry
vůbec první obrázek černé díry
04:55
of a black hole next year.
107
283326
1815
již příští rok.
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Každý teleskop v celosvětové
síti pracuje společně.
síti pracuje společně.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Propojeni skrze přesné načasování
atomových hodin,
atomových hodin,
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
tým vědců na každém z míst
zmrazí světlo
zmrazí světlo
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
pomocí sesbírání tisíců
terabytů dat.
terabytů dat.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Tato data jsou poté zpracována
v laboratoři přímo tady v Massachusetts.
v laboratoři přímo tady v Massachusetts.
Jak tohle vůbec funguje?
05:13
So how does this even work?
113
301971
1794
Vzpomínáte si, že pokud chceme vidět
černou díru uprostřed naší galaxie,
černou díru uprostřed naší galaxie,
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
potřebujeme postavit tento neskutečně
velký teleskop velikosti Země?
velký teleskop velikosti Země?
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
Pojďme na vteřinu předstírat,
že můžeme postavit
že můžeme postavit
05:24
a telescope the size of the Earth.
117
312478
1842
teleskop velikosti Země.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
To by bylo trochu jako přeměnit Zemi
05:28
into a giant spinning disco ball.
119
316823
1747
v obrovskou točící se disco kouli.
05:30
Each individual mirror would collect light
120
318594
2200
Každé jednotlivé zrcadlo
by shromáždilo světlo,
by shromáždilo světlo,
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
které bychom pak mohli spojit
a udělat z něj obrázek.
a udělat z něj obrázek.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Ale, dejme tomu, že teď
odstraníme většinu těch zrcadel,
odstraníme většinu těch zrcadel,
05:38
so only a few remained.
123
326124
1972
aby jich zbylo pouze několik.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Stále bychom mohli zkusit spojit
tyto informace dohromady,
tyto informace dohromady,
05:43
but now there are a lot of holes.
125
331021
1993
ale teď by tam bylo mnoho děr.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Tato zbývající zrcadla představují
místa, kde máme teleskopy.
místa, kde máme teleskopy.
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
To je neskutečně malý počet měření,
abychom z nich vytvořili obrázek.
abychom z nich vytvořili obrázek.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Ale ačkoliv sbíráme světlo
jen na několika místech,
jen na několika místech,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
jak se Země otáčí, dostáváme
další nová měření.
další nová měření.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Jinými slovy, jako se disco koule otáčí,
tato zrcadla mění umístění
tato zrcadla mění umístění
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
a my můžeme pozorovat
různé části obrázku.
různé části obrázku.
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
Obrazové algoritmy, které jsme vytvořili,
doplní chybějící místa disco koule,
doplní chybějící místa disco koule,
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
čímž zrekonstruujeme
obrázek černé díry.
obrázek černé díry.
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
Pokud bychom měli teleskopy umístěné
všude na planetě --
všude na planetě --
06:17
in other words, the entire disco ball --
135
365372
1941
jinými slovy, na celé disco kouli --
06:19
this would be trivial.
136
367337
1284
toto by bylo triviální.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Ale my vidíme pouze pár snímků,
a z toho důvodu
a z toho důvodu
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
je nekonečné množství
možných obrázků,
možných obrázků,
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
které jsou perfektně shodné
s měřeními našich teleskopů.
s měřeními našich teleskopů.
06:29
However, not all images are created equal.
140
377391
3016
Jenže, není obrázek jako obrázek.
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
Několik těchto obrázků vypadá
reálněji, než jiné.
reálněji, než jiné.
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
Tedy má role ve snaze
pořídit první snímek černé díry
pořídit první snímek černé díry
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
je navrhnout algoritmus, který najde
ten nejrozumnější obrázek,
ten nejrozumnější obrázek,
06:43
that also fits the telescope measurements.
144
391533
2222
který také sedí na měření teleskopu.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Tak, jako forenzní expert
používá pouze omezený popis,
používá pouze omezený popis,
aby vytvořil obrázek s pomocí
znalosti struktury obličeje,
znalosti struktury obličeje,
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
obrazové algoritmy, které vytvářím,
používají pouze omezená data z teleskopů,
používají pouze omezená data z teleskopů,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
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
aby nás dovedly k obrázku,
který vypadá jako věci v našem vesmíru.
který vypadá jako věci v našem vesmíru.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Použitím těchto algoritmů
jsme schopni složit dohromady obrázky
jsme schopni složit dohromady obrázky
07:05
from this sparse, noisy data.
150
413591
2180
z těchto řídkých, špinavých dat.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Tady ukazuji příklad rekonstrukce
pomocí simulovaných dat,
pomocí simulovaných dat,
07:12
when we pretend to point our telescopes
152
420348
1933
kdy předstíráme,
že naše teleskopy
že naše teleskopy
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
zaměříme na černou díru
uprostřed naší galaxie.
uprostřed naší galaxie.
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
Ačkoliv je toto pouze simulace,
takováto rekonstrukce nám dává naději,
takováto rekonstrukce nám dává naději,
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
že budeme brzy schopni spolehlivě
pořídit první obrázek černé díry
pořídit první obrázek černé díry
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
a z něj odvodit velikost jejího prstence.
Přesto, že bych strašně ráda pokračovala
v detailech tohoto algoritmu,
v detailech tohoto algoritmu,
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
naštěstí pro vás, nemám čas.
07:31
luckily for you, I don't have the time.
158
439341
2174
Ale i tak bych vám ráda
předala krátkou myšlenku,
předala krátkou myšlenku,
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
o tom, jak definujeme,
jak náš vesmír vypadá,
jak náš vesmír vypadá,
a jak to můžeme použít k rekonstrukci
a ověření našich výsledků.
a ověření našich výsledků.
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
Vzhledem k tomu, že je nekonečné
množství možných obrázků,
množství možných obrázků,
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
které perfektně odpovídají
měřením našich teleskopů,
měřením našich teleskopů,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
musíme z nich nějakým způsobem vybrat.
07:49
We do this by ranking the images
165
457918
1838
Děláme to pomocí hodnocení obrázků
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
na základě toho, jak moc
se jedná o obrázek černé díry,
se jedná o obrázek černé díry,
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
a pak vybíráme ten,
který je nejpravděpodobnější.
který je nejpravděpodobnější.
07:57
So what do I mean by this exactly?
168
465144
2195
Takže, co to přesně znamená?
07:59
Let's say we were trying to make a model
169
467862
1978
Řekněme, že se snažíme vytvořit model,
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
který nám řekne, jaká je šance,
že se obrázek objeví na Facebooku.
že se obrázek objeví na Facebooku.
08:05
We'd probably want the model to say
171
473071
1701
Asi bychom chtěli,
aby nám model řekl,
aby nám model řekl,
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
že je dost nepravděpodobné, že někdo
publikuje tenhle obrázek šumu nalevo,
publikuje tenhle obrázek šumu nalevo,
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
a dost pravděpodobné,
že někdo publikuje selfie,
že někdo publikuje selfie,
08:12
like this one on the right.
174
480820
1334
jako je tato napravo.
08:14
The image in the middle is blurry,
175
482178
1639
Obrázek uprostřed je rozmazaný,
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
takže ačkoliv bychom
na Facebooku viděli spíše tento,
na Facebooku viděli spíše tento,
08:18
compared to the noise image,
177
486504
1360
než obrázek šumu,
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
je méně pravděpodobné,
že bychom ho viděli v porovnání se selfie.
že bychom ho viděli v porovnání se selfie.
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
Ale když přijde na obrázky z černé díry,
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
jsme postaveni před opravdový hlavolam:
nikdy předtím jsme černou díru neviděli.
nikdy předtím jsme černou díru neviděli.
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
V tom případě, jak asi vypadá
obrázek černé díry
obrázek černé díry
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
a co bychom měli předpokládat
o struktuře černých děr?
o struktuře černých děr?
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Mohli bychom se pokusit použít obrázky
ze simulací, které jsme udělali,
ze simulací, které jsme udělali,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
jako obrázek černé díry
z filmu "Interstellar",
z filmu "Interstellar",
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
ale pokud bychom to udělali, mohlo
by to způsobit několik vážných problémů.
by to způsobit několik vážných problémů.
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Co by se stalo,
kdyby Einsteinovy teorie neobstály?
kdyby Einsteinovy teorie neobstály?
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
Stále bychom chtěli rekonstruovat
přesný obrázek toho, co se děje.
přesný obrázek toho, co se děje.
Pokud bychom zapekli Einsteinovy rovnice
příliš do našich algoritmů,
příliš do našich algoritmů,
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
viděli bychom jen to,
co chceme vidět.
co chceme vidět.
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
Jinými slovy, chceme
ponechat možnost,
ponechat možnost,
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
že se uprostřed naší galaxie
nachází obrovský slon.
nachází obrovský slon.
09:00
(Laughter)
192
528971
1057
(Smích)
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Různé typy obrázků mají
velmi odlišné vlastnosti.
velmi odlišné vlastnosti.
Můžeme velmi snadno poznat rozdíl
mezi obrázky simulace černé díry
mezi obrázky simulace černé díry
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
a obrázky, které pořizujeme
zde na Zemi každý den.
zde na Zemi každý den.
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
Potřebujeme nějak říci našim
algoritmům, jak obrázky vypadají,
algoritmům, jak obrázky vypadají,
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
aniž bychom příliš vnucovali
vlastnosti jednoho typu obrázků.
vlastnosti jednoho typu obrázků.
09:17
One way we can try to get around this
198
545865
1893
Jedna z cest, jak se tomu vyhnout,
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
je aplikovat vlastnosti
různých druhů obrázků
různých druhů obrázků
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
a pozorovat, jak námi zvolený typ obrázku
ovlivňuje naše rekonstrukce.
ovlivňuje naše rekonstrukce.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Pokud všechny typy obrázků vytvoří velmi
podobně vypadající obrázek,
podobně vypadající obrázek,
09:31
then we can start to become more confident
202
559227
2057
pak si můžeme být více jisti,
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
že naše předpoklady příliš
neovlivňují tento obrázek.
neovlivňují tento obrázek.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Je to podobné,
jako kdybyste dali stejný popis
jako kdybyste dali stejný popis
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
třem různým kreslířům
portrétů z celého světa.
portrétů z celého světa.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Pokud vytvoří velmi podobně
vypadající obličej,
vypadající obličej,
09:46
then we can start to become confident
207
574423
1793
pak se můžeme spoléhat,
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
že se nesnaží vložit do kreseb
svoje vlastní kulturní odlišnosti.
svoje vlastní kulturní odlišnosti.
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Jednou z cest, jak se pokusit
aplikovat různé vlastnosti obrázků,
aplikovat různé vlastnosti obrázků,
09:55
is by using pieces of existing images.
210
583219
2441
je použití částí existujících obrázků.
09:58
So we take a large collection of images,
211
586214
2160
Proto jsme vytvořili
velkou sbírku obrázků
velkou sbírku obrázků
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
a rozdělili jsme je na malé dílky.
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
Pak si můžeme s dílky hrát
jako s kousky puzzle.
jako s kousky puzzle.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Ty dílky, které se vyskytují často,
pak použijeme k vytvoření obrázku,
pak použijeme k vytvoření obrázku,
10:11
that also fits our telescope measurements.
215
599751
2452
který odpovídá měření našich teleskopů.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Odlišné typy obrázků mají
velmi odlišné skupiny dílků.
velmi odlišné skupiny dílků.
10:18
So what happens when we take the same data
217
606807
2806
Takže co se stane,
když vezmeme stejná data,
když vezmeme stejná data,
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
ale použijeme různé skupiny dílků
k rekonstrukci obrázku?
k rekonstrukci obrázku?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Začněme nejdříve s dílky
z obrázku simulace černé díry.
z obrázku simulace černé díry.
OK, to vypadá rozumně.
10:30
OK, this looks reasonable.
220
618581
1591
Vypadá to tak, jak bychom očekávali,
že bude černá díra vypadat.
že bude černá díra vypadat.
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Ale nezískali jsme to proto,
10:34
But did we just get it
222
622914
1193
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
že jsme algoritmus nakrmili
právě obrázky simulace černé díry?
právě obrázky simulace černé díry?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Pojďme zkusit další sadu dílků
10:41
from astronomical, non-black hole objects.
225
629373
2509
z astronomických objektů,
které nejsou černými děrami.
které nejsou černými děrami.
10:44
OK, we get a similar-looking image.
226
632914
2126
OK, dostali jsme
podobně vypadající obrázek.
podobně vypadající obrázek.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
A pak, co ty dílky
z každodenních obrázků,
z každodenních obrázků,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
jako obrázky, které vyfotíte
svým osobním foťákem?
svým osobním foťákem?
10:53
Great, we see the same image.
229
641312
2115
Skvělé, vidíme ten samý obrázek.
Když dostaneme ten samý obrázek
z různých skupin dílků,
z různých skupin dílků,
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
pak můžeme začít více věřit,
10:58
then we can start to become more confident
231
646841
2046
že předpoklady, ze kterých vycházíme,
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
neovlivňují výsledný obrázek.
Další věcí, kterou můžeme udělat,
je vzít stejnou skupinu dílků,
je vzít stejnou skupinu dílků,
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
jako jsou ty odvozené
od každodenních obrázků,
od každodenních obrázků,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
a použít je k rekonstrukci
mnoha různých druhů zdrojových obrázků.
mnoha různých druhů zdrojových obrázků.
11:15
So in our simulations,
237
663260
1271
Pak v našich simulacích
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
předstíráme, že černá díra vypadá jako
jiné astronomické objekty,
jiné astronomické objekty,
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
stejně jako každodenní obrázky,
jako třeba slon uprostřed naší galaxie.
jako třeba slon uprostřed naší galaxie.
Když výsledky našich algoritmů
ve spodní části vypadají velmi podobně
ve spodní části vypadají velmi podobně
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
11:27
to the simulation's truth image on top,
241
675419
2096
jako skutečná simulace v horní části,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
pak můžeme více důvěřovat
našim algoritmům.
našim algoritmům.
11:32
And I really want to emphasize here
243
680909
1867
A ráda bych tady chtěla zdůraznit,
11:34
that all of these pictures were created
244
682800
1934
že všechny tyto obrázky byly vytvořeny
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
spojením malých kousků
každodenních fotografií,
každodenních fotografií,
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
které byste mohli pořídit
vlastním foťákem.
vlastním foťákem.
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
Proto obrázek černé díry,
kterou jsme nikdy neviděli,
kterou jsme nikdy neviděli,
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
může být nakonec vytvořen spojením
obrázků, které vídáme pořád,
obrázků, které vídáme pořád,
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
jako například lidí, budov,
stromů, koček a psů.
stromů, koček a psů.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Nápady zobrazování,
jako jsou tyto, nám umožní
jako jsou tyto, nám umožní
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
pořídit vůbec první obrázky černé díry
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
a, doufejme, ověřit
ty slavné teorie,
ty slavné teorie,
11:59
on which scientists rely on a daily basis.
253
707776
2421
na které vědci spoléhají
na denní bázi.
na denní bázi.
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
Ale, samozřejmě, uvedení
takových nápadů do praxe
takových nápadů do praxe
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
by nikdy nebylo možné
bez úžasného týmu vědců,
bez úžasného týmu vědců,
12:08
that I have the privilege to work with.
256
716199
1887
se kterými mám možnost spolupracovat.
12:10
It still amazes me
257
718110
1163
Stále mě fascinuje,
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
že, ačkoliv jsem začala tento projekt
bez základů v astrofyzice,
bez základů v astrofyzice,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
to, co jsme dokázali
skrze tuto unikátní spolupráci,
skrze tuto unikátní spolupráci,
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
může vyústit ve vůbec
první obrázky černé díry.
první obrázky černé díry.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Ale velké projekty, jako je
Teleskop Horizontu Událostí,
Teleskop Horizontu Událostí,
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
jsou úspěšné díky veškerým
mezioborovým zkušenostem,
mezioborovým zkušenostem,
12:25
different people bring to the table.
263
733658
1790
kterými jednotliví lidé přispívají.
12:27
We're a melting pot of astronomers,
264
735472
1706
Jsme jeden velký kotel astronomů,
12:29
physicists, mathematicians and engineers.
265
737202
2232
fyziků, matematiků a inženýrů.
12:31
This is what will make it soon possible
266
739458
2554
To je to, co brzo umožní
dosáhnout něco,
co dříve nebylo ani myslitelné.
co dříve nebylo ani myslitelné.
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
Ráda bych vás všechny povzbudila,
abyste vyšli ven
abyste vyšli ven
12:36
I'd like to encourage all of you to go out
268
744913
2256
12:39
and help push the boundaries of science,
269
747193
2096
a pomohli posunout hranice vědy,
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
ačkoliv se na první pohled můžou
zdát stejně tajemné, jako je černá díra.
zdát stejně tajemné, jako je černá díra.
12:45
Thank you.
271
753238
1174
Děkuji.
12:46
(Applause)
272
754436
2397
(Potlesk)
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