TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
Katie Bouman: Cara mengambil gambar lubang hitam
Filmed:
Readability: 4.5
5,455,257 views
Di jantung Galaksi Bima Sakti, terdapat sebuah lubang hitam raksasa yang mengonsumsi cincin gas panas yang berputar, menghisap apa pun yang melintas terlalu dekat, bahkan cahaya. Kita tidak bisa melihatnya, tetapi horizon peristiwa ini menyebabkan bayangan dan gambar dari bayangan itu dapat menjawab sejumlah pertanyaan penting mengenai alam semesta. Para ilmuwan dahulu berpikir bahwa memproduksi gambar itu akan membutuhkan teleskop sebesar bumi, hingga Katie Bouman dan suatu tim astronom mengutarakan sebuah alternatif yang cerdas. Pelajari bagaimana kita bisa melihat kegelapan yang absolut.
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
Dalam film Interstellar,
kita bisa melihat dengan jelas
sebuah lubang hitam raksasa.
sebuah lubang hitam raksasa.
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
Dengan latar berupa gas bercahaya,
00:18
Set against a backdrop of bright gas,
2
6671
2143
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
tarikan kuat gravitasi lubang hitam
membelokkan cahaya membentuk cincin.
membelokkan cahaya membentuk cincin.
00:22
bends light into a ring.
4
10980
1435
00:24
However, this isn't a real photograph,
5
12439
2109
Namun, ini bukanlah gambaran sebenarnya,
00:26
but a computer graphic rendering --
6
14572
1786
tetapi hasil olahan grafis komputer.
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
Suatu interpretasi artistik dari
tampilan lubang hitam yang memungkinkan.
tampilan lubang hitam yang memungkinkan.
00:32
A hundred years ago,
8
20401
1166
Seratus tahun yang lalu,
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
Albert Einstein mempublikasikan
teori relativitas umumnya.
teori relativitas umumnya.
00:37
In the years since then,
10
25216
1439
Beberapa tahun kemudian,
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
ilmuwan menemukan banyak bukti
yang mendukung teori tersebut.
yang mendukung teori tersebut.
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
Tetapi satu prediksi dari teori ini,
lubang hitam,
lubang hitam,
00:44
still have not been directly observed.
13
32784
2350
belum diteliti secara langsung.
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
Walaupun kita memiliki sejumlah ide
akan gambaran lubang hitam,
akan gambaran lubang hitam,
kita belum pernah mengambil fotonya
secara langsung.
secara langsung.
00:50
we've never actually taken
a picture of one before.
a picture of one before.
15
38388
2779
Namun, Anda mungkin akan terkejut
mengetahui sebentar lagi itu akan berubah.
mengetahui sebentar lagi itu akan berubah.
00:53
However, you might be surprised to know
that that may soon change.
that that may soon change.
16
41191
4279
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
Kita mungkin dapat melihat foto pertama
lubang hitam dalam dua tahun lagi.
lubang hitam dalam dua tahun lagi.
Mendapatkan foto tersebut memerlukan
tim ilmuwan internasional,
tim ilmuwan internasional,
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
01:05
an Earth-sized telescope
19
53664
1567
sebuah teleskop sebesar bumi,
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
dan sebuah algoritma untuk mengolah
gambar akhir.
gambar akhir.
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
Walaupun saya belum bisa menunjukkan
foto lubang hitam hari ini,
foto lubang hitam hari ini,
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
saya ingin menjelaskan sekilas
tentang usaha yang dilakukan
tentang usaha yang dilakukan
01:16
in getting that first picture.
23
64598
1613
untuk dapatkan foto pertama itu.
01:19
My name is Katie Bouman,
24
67477
1437
Nama saya Katie Bouman.
01:20
and I'm a PhD student at MIT.
25
68938
2566
Saya adalah mahasiswa S3 di MIT.
01:23
I do research in a computer science lab
26
71528
2027
Saya melakukan riset di lab sains komputer
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
untuk membuat komputer menganalisis
gambar dan video.
gambar dan video.
01:28
But although I'm not an astronomer,
28
76901
2162
Walaupun saya bukan ahli astronomi,
01:31
today I'd like to show you
29
79087
1285
saya ingin menunjukkan
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
cara saya bisa berkontribusi
pada proyek yang menarik ini.
pada proyek yang menarik ini.
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
Jika Anda melihat jauh melebihi
cahaya lampu kota malam ini,
cahaya lampu kota malam ini,
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
Anda mungkin dapat melihat
pemandangan mengagumkan
pemandangan mengagumkan
01:40
of the Milky Way Galaxy.
33
88638
1493
dari Galaksi Bima Sakti.
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
Jika Anda perbesar gambar
melebihi jutaan bintang
melebihi jutaan bintang
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
hingga 26.000 tahun cahaya
di jantung Galaksi Bisa Sakti,
di jantung Galaksi Bisa Sakti,
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
kita akan dapat menemukan gugusan bintang
tepat di tengahnya.
tepat di tengahnya.
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
Memandang melewati debu galaksi
dengan teleskop inframerah,
dengan teleskop inframerah,
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
astronom telah memperhatikan
bintang-bintang tersebut selama 16 tahun.
bintang-bintang tersebut selama 16 tahun.
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
Tetapi yang tidak terlihatlah
yang sebenarnya paling mencengangkan.
yang sebenarnya paling mencengangkan.
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
Bintang-bintang itu tampak
mengitari objek tidak terlihat.
mengitari objek tidak terlihat.
02:05
By tracking the paths of these stars,
41
113789
2323
Dengan mengikuti
pergerakan bintang-bintang itu,
pergerakan bintang-bintang itu,
02:08
astronomers have concluded
42
116136
1294
astronom dapat menyimpulkan
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
satu-satunya benda yang cukup
kecil & berat yang mengakibatkan itu
kecil & berat yang mengakibatkan itu
02:12
is a supermassive black hole --
44
120607
1968
adalah lubang hitam raksasa.
Objek yang begitu padat hingga menghisap
apa pun yang melintas terlalu dekat,
apa pun yang melintas terlalu dekat,
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
02:18
even light.
46
126801
1494
bahkan cahaya.
Tapi apa yang terjadi ketika kita
lebih memperbesarnya lagi?
lebih memperbesarnya lagi?
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
Mungkinkah untuk melihat benda yang,
secara logika, tidak mungkin dilihat?
secara logika, tidak mungkin dilihat?
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
Ternyata jika kita memperbesarnya sebesar
panjang gelombang radio,
panjang gelombang radio,
02:31
we'd expect to see a ring of light
50
139987
1682
kita bisa melihat lingkaran cahaya
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
karena gravitasi membuat
plasma panas menyelubung
plasma panas menyelubung
02:36
zipping around the black hole.
52
144128
1829
menutupi sekitar lubang hitam.
02:37
In other words,
53
145981
1160
Dengan kata lain,
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
lubang hitam membuat bayangan
di balik material terang tersebut,
di balik material terang tersebut,
membentuk sebuah bola kegelapan.
02:42
carving out a sphere of darkness.
55
150360
1842
Lingkaran terang ini menunjukkan
horison peristiwa lubang hitam
horison peristiwa lubang hitam
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
di mana gravitasi menjadi begitu besar
02:50
that not even light can escape.
58
158013
1626
bahkan cahaya pun tak bisa lolos.
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
Persamaan Einstein memprediksi
ukuran dan bentuk lingkaran ini
ukuran dan bentuk lingkaran ini
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
sehingga mengambil gambarnya
bukan hanya keren,
bukan hanya keren,
tapi juga bisa membuktikan
persamaan tersebut berlaku
persamaan tersebut berlaku
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
pada kondisi ekstrem
di sekitar lubang hitam.
di sekitar lubang hitam.
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
Namun, lubang hitam ini sangat jauh
dari kita
dari kita
03:02
However, this black hole
is so far away from us,
is so far away from us,
63
170910
2558
03:05
that from Earth, this ring appears
incredibly small --
incredibly small --
64
173492
3098
sehingga lingkaran tersebut
tampak sangat kecil dari Bumi.
tampak sangat kecil dari Bumi.
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
Seukuran sebuah jeruk yang kita lihat
di permukaan bulan.
di permukaan bulan.
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
Itu membuat pengambilan gambar
menjadi sangat sulit.
menjadi sangat sulit.
Kenapa?
03:16
Why is that?
67
184645
1302
03:18
Well, it all comes down
to a simple equation.
to a simple equation.
68
186512
3188
Karena sebuah persamaan yang sederhana.
Karena sebuah fenomena
yang disebut difraksi,
yang disebut difraksi,
03:21
Due to a phenomenon called diffraction,
69
189724
2416
03:24
there are fundamental limits
70
192164
1355
ada batasan-batasan mendasar
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
tentang objek terkecil yang
bisa kita lihat.
bisa kita lihat.
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
Persamaan ini menyatakan bahwa
untuk melihat benda yang lebih kecil,
untuk melihat benda yang lebih kecil,
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
kita butuh teleskop yang lebih besar.
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
Tapi bahkan dengan
teleskop optik terbaik di bumi,
teleskop optik terbaik di bumi,
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
kita belum mampu menghasilkan
resolusi yang layak
resolusi yang layak
03:40
to image on the surface of the moon.
76
208632
2198
untuk mengambil gambar permukaan bulan.
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
Saya akan tunjukkan resolusi tertinggi
dari gambar bulan yang pernah diambil
dari gambar bulan yang pernah diambil
03:46
of the moon from Earth.
78
214495
1397
dari bumi.
03:47
It contains roughly 13,000 pixels,
79
215916
2557
Gambar ini memuat sekitar 13.000 piksel
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
dan setiap piksel dapat memuat
lebih dari 1,5 juta jeruk.
lebih dari 1,5 juta jeruk.
03:55
So how big of a telescope do we need
81
223396
1972
Jadi, seberapa besar teleskop
yang kita butuhkan
yang kita butuhkan
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
untuk dapat melihat satu jeruk
di permukaan bulan
di permukaan bulan
04:00
and, by extension, our black hole?
83
228181
2214
dan juga lubang hitam?
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
Ternyata dengan melakukan perhitungan,
Anda bisa menghitung dengan mudah
bahwa kita butuh teleskop
bahwa kita butuh teleskop
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
04:07
the size of the entire Earth.
86
235417
1393
yang seukuran dengan Bumi.
04:08
(Laughter)
87
236834
1024
(Tawa)
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
Jika kita bisa membuat teleskop itu,
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
kita bisa paling tidak mengenali
lingkaran cahaya tersebut
lingkaran cahaya tersebut
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
yang merupakan horison peristiwa
lubang hitam.
lubang hitam.
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
Walau gambar itu tidak akan
memuat detail yang kita lihat
memuat detail yang kita lihat
04:20
in computer graphic renderings,
92
248123
1506
pada gambar olahan komputer,
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
itu memungkinkan kita melihat
penampakan pertama
penampakan pertama
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
lingkungan di sekitar lubang hitam.
04:26
However, as you can imagine,
95
254487
1613
Namun, bisa Anda bayangkan,
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
membuat sebuah teleskop seukuran bumi
adalah tidak mungkin.
adalah tidak mungkin.
Tetapi seperti yang dikatakan Mick Jagger
04:31
But in the famous words of Mick Jagger,
97
259772
1887
04:33
"You can't always get what you want,
98
261683
1791
"Anda tak selalu bisa dapat semuanya,
04:35
but if you try sometimes,
you just might find
you just might find
99
263498
2187
tetapi jika mencoba,
bisa saja Anda mendapat
bisa saja Anda mendapat
04:37
you get what you need."
100
265709
1215
apa yang Anda butuhkan."
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
Dengan menghubungkan teleskop-teleskop
di dunia,
di dunia,
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
sebuah kolaborasi internasional bernama
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
membuat teleskop komputasional
seukuran Bumi
seukuran Bumi
04:48
capable of resolving structure
104
276131
1537
yang mampu membentuk struktur
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
berskala horison peristiwa lubang hitam.
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
Jaringan teleskop ini rencananya
akan mengambil gambar pertama
akan mengambil gambar pertama
dari lubang hitam tahun depan.
04:55
of a black hole next year.
107
283326
1815
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
Setiap teleskop dalam jaringan tersebut
akan bekerja bersama.
akan bekerja bersama.
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
Terhubung dengan waktu yang presisi
menggunakan jam atom
menggunakan jam atom
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
dan tim peneliti di setiap teleskop
menangkap cahaya
menangkap cahaya
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
dengan mengumpulkan ribuan terabita data.
Data itu kemudian diproses
di sebuah laboratorium di Massachussets.
di sebuah laboratorium di Massachussets.
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
Bagaimana mungkin itu dapat dilakukan?
05:13
So how does this even work?
113
301971
1794
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
Ingat, jika kita ingin melihat
lubang hitam di pusat tata surya kita,
lubang hitam di pusat tata surya kita,
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
kita perlu membangun teleskop raksasa
seukuran Bumi?
seukuran Bumi?
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
Mari kita bayangkan bahwa
kita bisa membangun
kita bisa membangun
05:24
a telescope the size of the Earth.
117
312478
1842
sebuah teleskop sebesar Bumi.
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
Hal ini ibarat mengubah bumi
menjadi bola disko raksasa yang berputar.
menjadi bola disko raksasa yang berputar.
05:28
into a giant spinning disco ball.
119
316823
1747
05:30
Each individual mirror would collect light
120
318594
2200
Setiap cermin akan mengumpulkan cahaya
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
yang bisa kami satukan hingga membentuk
sebuah gambar.
sebuah gambar.
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
Namun, katakanlah kita membuang
sebagian besar cermin itu
sebagian besar cermin itu
05:38
so only a few remained.
123
326124
1972
hanya sedikit yang tersisa.
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
Kita masih bisa mencoba
mengombinasikan informasi ini,
mengombinasikan informasi ini,
05:43
but now there are a lot of holes.
125
331021
1993
tetapi kini ada banyak lubang.
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
Cermin yang tersisa merepresentasikan
lokasi teleskop kita.
lokasi teleskop kita.
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
Ini hanya sejumlah kecil pengukuran
untuk membuat gambar.
untuk membuat gambar.
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
Tetapi walau kami mengumpulkan cahaya
di beberapa lokasi teleskop,
di beberapa lokasi teleskop,
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
ketika bumi berputar, kami mendapati
pengukuran baru.
pengukuran baru.
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
Dengan kata lain, seperti bola disko,
cermin tersebut bisa mengubah lokasi
cermin tersebut bisa mengubah lokasi
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
dan kami bisa melihat
bagian lain dari gambar.
bagian lain dari gambar.
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
Algoritma gambar yang kami kembangkan
mengisi kekosongan bola disko
mengisi kekosongan bola disko
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
untuk merekonstruksi
gambar dasar lubang hitam.
gambar dasar lubang hitam.
Jika kami punya teleskop
di semua tempat di dunia
di semua tempat di dunia
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
06:17
in other words, the entire disco ball --
135
365372
1941
atau di seluruh bagian bola disko,
06:19
this would be trivial.
136
367337
1284
ini masalah kecil.
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
Tetapi kami hanya dapati sejumlah contoh,
dan oleh karena itu,
dan oleh karena itu,
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
ada banyak sekali kemungkinan gambar
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
yang sangat konsisten
dengan pengukuran teleskop kami.
dengan pengukuran teleskop kami.
06:29
However, not all images are created equal.
140
377391
3016
Tetapi, tidak semua gambar sama.
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
Beberapa tampak seperti
apa yang kami harapkan.
apa yang kami harapkan.
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
Maka, peran saya dalam
mengambil gambar pertama lubang hitam
mengambil gambar pertama lubang hitam
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
adalah mendesain algoritma
yang menemukan gambar paling logis
yang menemukan gambar paling logis
06:43
that also fits the telescope measurements.
144
391533
2222
dan juga cocok dengan pengukuran teleskop.
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
Seperti halnya seniman sketsa forensik
memakai deskripsi terbatas
memakai deskripsi terbatas
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
untuk membuat gambar menggunakan
pengetahuan struktur wajah mereka,
pengetahuan struktur wajah mereka,
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
algoritma gambar yang saya kembangkan
memakai data teleskop terbatas kami
memakai data teleskop terbatas kami
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
sebagai panduan membuat gambar
seperti alam semesta kita.
seperti alam semesta kita.
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
Memakai algoritma ini,
kami dapat menggabungkan gambar
kami dapat menggabungkan gambar
07:05
from this sparse, noisy data.
150
413591
2180
dari data yang jarang dan kabur ini.
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
Saya tunjukkan contoh rekonstruksi
menggunakan data yang disimulasi
menggunakan data yang disimulasi
07:12
when we pretend to point our telescopes
152
420348
1933
ketika kita mencoba mengarahkan teleskop
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
ke lubang hitam di tengah galaksi kita.
Walau ini hanya simulasi,
rekonstruksi seperti ini memberi harapan
rekonstruksi seperti ini memberi harapan
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
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
bahwa kita akan bisa mengambil
gambar pertama lubang hitam segera
gambar pertama lubang hitam segera
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
dan dari itu, menentukan ukuran cincinnya.
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
Walau saya senang menceritakan
algoritma ini dengan detail,
algoritma ini dengan detail,
07:31
luckily for you, I don't have the time.
158
439341
2174
Anda beruntung saya tak punya waktu.
07:33
But I'd still like
to give you a brief idea
to give you a brief idea
159
441539
2001
Tetapi saya akan beri gambaran singkat
07:35
of how we define
what our universe looks like,
what our universe looks like,
160
443564
2302
bagaimana definisi kami
tampak alam semesta kita
tampak alam semesta kita
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
dan cara kami memakainya untuk
rekonstruksi dan mengonfirmasi hasilnya.
rekonstruksi dan mengonfirmasi hasilnya.
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
Karena ada banyak gambar yang memungkinkan
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
yang sangat cocok
dengan pengukuran teleskop kami,
dengan pengukuran teleskop kami,
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
kami harus memilih di antaranya.
07:49
We do this by ranking the images
165
457918
1838
Kami lakukan dengan mengurutkan gambar
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
berdasarkan kecocokannya
menjadi gambar lubang hitam
menjadi gambar lubang hitam
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
lalu memilih satu yang paling cocok.
07:57
So what do I mean by this exactly?
168
465144
2195
Apa sesungguhnya yang saya maksud?
07:59
Let's say we were trying to make a model
169
467862
1978
Katakanlah kita mencoba membuat model
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
yang menentukan kemungkinan suatu gambar
muncul di Facebook.
muncul di Facebook.
08:05
We'd probably want the model to say
171
473071
1701
Mungkin kita mau model itu berkata
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
tidak mungkin seseorang akan mempos
gambar tidak jelas di kiri ini
gambar tidak jelas di kiri ini
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
dan sangat mungkin seseorang
mempos swafoto seperti di kanan ini.
mempos swafoto seperti di kanan ini.
08:12
like this one on the right.
174
480820
1334
08:14
The image in the middle is blurry,
175
482178
1639
Gambar di tengah kabur.
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
Jadi, walau mungkin kita melihatnya
di Facebook dibanding gambar tak jelas,
di Facebook dibanding gambar tak jelas,
08:18
compared to the noise image,
177
486504
1360
mungkin lebih tak mungkin kita melihatnya
dibanding swafoto.
dibanding swafoto.
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
Tetapi dalam kasus gambar lubang hitam,
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
kami menghadapi masalah
kami tak pernah melihat lubang hitam.
kami tak pernah melihat lubang hitam.
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
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
Lalu, apa yang mirip
dengan gambar lubang hitam
dengan gambar lubang hitam
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
dan asumsi apa yang kami pakai
untuk struktur lubang hitam?
untuk struktur lubang hitam?
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
Kami bisa memakai gambar
dari simulasi kami,
dari simulasi kami,
seperti gambar lubang hitam
di Interstellar,
di Interstellar,
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
tetapi jika kami lakukan,
akan menimbulkan masalah serius.
akan menimbulkan masalah serius.
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
Apa yang akan terjadi
jika teori Einstein tergoyahkan?
jika teori Einstein tergoyahkan?
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
Kami masih ingin merekonstruksi
gambar akurat dari yang sebenarnya.
gambar akurat dari yang sebenarnya.
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
Jika kita taruh persamaan Einstein
terlalu banyak di algoritma kami,
terlalu banyak di algoritma kami,
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
kami akan melihat apa yang kami harapkan.
Dengan kata lain,
kami ingin banyak pilihan terbuka
kami ingin banyak pilihan terbuka
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
seperti ada gajah raksasa
di pusat galaksi kita.
di pusat galaksi kita.
(Tawa)
09:00
(Laughter)
192
528971
1057
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
Berbagai tipe gambar memiliki
fitur yang khas.
fitur yang khas.
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
Kami bisa menyatakan perbedaan
antara gambar simulasi lubang hitam
antara gambar simulasi lubang hitam
dan gambar yang kami ambil
tiap hari di bumi.
tiap hari di bumi.
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
Kami ingin algoritma kami
tahu seperti apa gambarnya
tahu seperti apa gambarnya
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
tanpa terlalu memaksakan satu tipe gambar.
09:17
One way we can try to get around this
198
545865
1893
Satu cara kami melakukannya
adalah dengan memasukkan fitur-fitur
bagian yang berbeda dari gambar
bagian yang berbeda dari gambar
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
dan melihat bagaimana tipe gambar
asumsi kami mempengaruhi rekonstruksi.
asumsi kami mempengaruhi rekonstruksi.
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
Jika semua tipe gambar memproduksi
gambar yang mirip,
gambar yang mirip,
09:31
then we can start to become more confident
202
559227
2057
maka kami bisa mulai yakin
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
bahwa asumsi gambar kami
tidak membuat gambar ini sangat bias.
tidak membuat gambar ini sangat bias.
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
Ini seperti memberi deskripsi yang sama
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
ke tiga seniman sketsa dari seluruh dunia.
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
Jika mereka membuat wajah
yang semuanya mirip,
yang semuanya mirip,
09:46
then we can start to become confident
207
574423
1793
maka kita bisa mulai percaya
bahwa mereka tidak memaksakan
bias kebudayaan mereka pada gambar.
bias kebudayaan mereka pada gambar.
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
Satu cara kita bisa memaksakan
fitur-fitur berbagai gambar adalah
fitur-fitur berbagai gambar adalah
09:55
is by using pieces of existing images.
210
583219
2441
menggunakan bagian gambar yang ada.
09:58
So we take a large collection of images,
211
586214
2160
Jadi, kami mengumpulkan banyak gambar
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
dan memecahnya jadi gambar-gambar kecil.
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
Lalu kami bisa anggap gambar kecil itu
seperti keping teka-teki.
seperti keping teka-teki.
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
Kemudian kami gabungkan
kepingan yang cocok menjadi gambar
kepingan yang cocok menjadi gambar
10:11
that also fits our telescope measurements.
215
599751
2452
yang juga cocok dengan
pengukuran teleskop kami.
pengukuran teleskop kami.
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
Beragamnya tipe gambar memiliki
padanan kepingannya sendiri.
padanan kepingannya sendiri.
Apa yang terjadi jika
kami mengambil data yang sama
kami mengambil data yang sama
10:18
So what happens when we take the same data
217
606807
2806
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
tetapi menggunakan kepingan yang berbeda
untuk merekonstruksi gambar?
untuk merekonstruksi gambar?
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
Mari mulai dengan simulasi gambar
kepingan teka-teki lubang hitam.
kepingan teka-teki lubang hitam.
Ini tampak masuk akal.
10:30
OK, this looks reasonable.
220
618581
1591
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
Ini mirip dengan gambaran kita
akan gambar lubang hitam.
akan gambar lubang hitam.
10:34
But did we just get it
222
622914
1193
Tetapi apa itu hasil dari
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
memberikan sejumlah kecil
potongan gambar simulasi lubang hitam?
potongan gambar simulasi lubang hitam?
10:39
Let's try another set of puzzle pieces
224
627469
1880
Mari coba kepingan lainnya
10:41
from astronomical, non-black hole objects.
225
629373
2509
dari objek astronomis bukan lubang hitam.
10:44
OK, we get a similar-looking image.
226
632914
2126
Kita mendapat gambar yang mirip.
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
Lalu bagaimana dengan kepingan
gambar sehari-hari,
gambar sehari-hari,
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
seperti gambar yang Anda ambil
dari kamera pribadi?
dari kamera pribadi?
10:53
Great, we see the same image.
229
641312
2115
Bagus, gambarnya sama.
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
Saat kita mendapat gambar yang sama
dari kepingan gambar yang berbeda,
dari kepingan gambar yang berbeda,
10:58
then we can start to become more confident
231
646841
2046
maka kami bisa mulai yakin
11:00
that the image assumptions we're making
232
648911
1966
asumsi gambar yang kami buat
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
tidak memiliki bias yang besar
untuk gambar akhirnya.
untuk gambar akhirnya.
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
Hal lain yang bisa dilakukan adalah
mengambil kepingan yang sama,
mengambil kepingan yang sama,
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
seperti gambar dari hal sehari-hari,
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
dan pakai untuk rekonstruksi
berbagai berbagai jenis gambar sumber.
berbagai berbagai jenis gambar sumber.
11:15
So in our simulations,
237
663260
1271
Dalam simulasi kami,
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
kami anggap lubang hitam tampak seperti
objek astonomis bukan lubang hitam
objek astonomis bukan lubang hitam
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
dan gambar hal sehari-hari tampak seperti
gajah di tengah galaksi kita.
gajah di tengah galaksi kita.
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
Saat hasil algoritma kami
di bawah tampak sangat mirip
di bawah tampak sangat mirip
11:27
to the simulation's truth image on top,
241
675419
2096
dengan gambar hasil simulasi di atas,
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
maka kami mulai yakin pada algoritma kami.
11:32
And I really want to emphasize here
243
680909
1867
Saya ingin menekankan
11:34
that all of these pictures were created
244
682800
1934
bahwa semua gambar ini dibuat
dengan menyatukan kepingan kecil
foto hal sehari-hari,
foto hal sehari-hari,
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
seperti gambar yang Anda ambil
dari kamera pribadi.
dari kamera pribadi.
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
Jadi, gambar lubang hitam
yang belum pernah kita lihat
yang belum pernah kita lihat
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
11:45
may eventually be created by piecing
together pictures we see all the time
together pictures we see all the time
248
693257
3943
mungkin dapat dibuat dengan menyatukan
gambar yang kita lihat sepanjang waktu,
gambar yang kita lihat sepanjang waktu,
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
seperti orang, bangunan, pohon,
kucing, dan anjing.
kucing, dan anjing.
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
Ide gambaran seperti ini membuat kami bisa
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
mengambil gambar pertama lubang hitam
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
dan semoga bisa membuktikan
teori terkenal itu
teori terkenal itu
11:59
on which scientists rely on a daily basis.
253
707776
2421
yang diandalkan para ilmuwan
sehari-sehari.
sehari-sehari.
Tetapi tentu saja,
keberhasilan kreasi gambar seperti ini
keberhasilan kreasi gambar seperti ini
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
takkan mungkin tanpa
tim peneliti luar biasa
tim peneliti luar biasa
dan saya merasa terhormat
bekerja dengan mereka.
bekerja dengan mereka.
12:08
that I have the privilege to work with.
256
716199
1887
12:10
It still amazes me
257
718110
1163
Saya masih merasa takjub
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
walau saya memulai proyek ini
tanpa latar belakang astrofisika,
tanpa latar belakang astrofisika,
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
tetapi pencapaian kami
melalui kolaborasi unik ini
melalui kolaborasi unik ini
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
menghasilkan gambar lubang hitam pertama.
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
Kesuksesan proyek besar
seperti Event Horizon Telescope
seperti Event Horizon Telescope
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
karena semua kontribusi
keahlian interdisiplin
keahlian interdisiplin
12:25
different people bring to the table.
263
733658
1790
dari berbagai orang di tim kami.
12:27
We're a melting pot of astronomers,
264
735472
1706
Kami kumpulan astronom,
12:29
physicists, mathematicians and engineers.
265
737202
2232
fisikawan, matematikawan, dan insinyur.
12:31
This is what will make it soon possible
266
739458
2554
Ini faktor yang menjadikan
hal yang tak mungkin
hal yang tak mungkin
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
dapat mungkin terjadi.
12:36
I'd like to encourage all of you to go out
268
744913
2256
Saya ingin mendorong Anda semua keluar
12:39
and help push the boundaries of science,
269
747193
2096
dan membantu mendorong batasan
ilmu pengetahuan
ilmu pengetahuan
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
walau awalnya tampak misterius bagi Anda
seperti lubang hitam.
seperti lubang hitam.
12:45
Thank you.
271
753238
1174
Terima kasih.
12:46
(Applause)
272
754436
2397
(Tepuk tangan)
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