TEDxBeaconStreet
Katie Bouman: How to take a picture of a black hole
ケイティ・バウマン: ブラックホールの写真を撮影する
Filmed:
Readability: 4.5
5,455,257 views
天の川銀河系の中心には超大質量ブラックホールがあり、回転している円盤状の熱いガスを吸い込んでいます。そのブラックホールは近づくものは何でも、光でさえも飲み込んでしまいます。そのため、ブラックホールを見ることはできません。しかし、その「事象の地平面」はガスに影を落とすので、その影の写真を撮ることで宇宙についての重要な謎を解く鍵が得られるでしょう。科学者はその写真を撮るには地球サイズの望遠鏡が必要だと考えてきました。しかし、ケイティ・バウマンと天文学者たちのチームは、賢い解決策を見出しました。どのように究極の闇を見ることができるかをご覧ください。
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.
映画『インターステラー』では
00:13
In the movie "Interstellar,"
0
1436
1860
超大質量ブラックホールの姿を
間近に見ることができました
間近に見ることができました
00:15
we get an up-close look
at a supermassive black hole.
at a supermassive black hole.
1
3320
3327
明るいガスを背景として
00:18
Set against a backdrop of bright gas,
2
6671
2143
ブラックホールの巨大な重力によって
00:20
the black hole's massive
gravitational pull
gravitational pull
3
8838
2118
光がリング状に曲げられています
00:22
bends light into a ring.
4
10980
1435
00:24
However, this isn't a real photograph,
5
12439
2109
しかし これは実際の写真ではなく
コンピュータグラフィックによるもので
00:26
but a computer graphic rendering --
6
14572
1786
ブラックホールの姿についての
イラストレーターによる想像図です
イラストレーターによる想像図です
00:28
an artistic interpretation
of what a black hole might look like.
of what a black hole might look like.
7
16382
3390
00:32
A hundred years ago,
8
20401
1166
100年前に
00:33
Albert Einstein first published
his theory of general relativity.
his theory of general relativity.
9
21591
3601
アインシュタインが
一般相対性理論を発表しました
一般相対性理論を発表しました
00:37
In the years since then,
10
25216
1439
それ以来
科学者は この理論を裏付ける
様々な証拠を発見しています
様々な証拠を発見しています
00:38
scientists have provided
a lot of evidence in support of it.
a lot of evidence in support of it.
11
26679
2973
しかし この理論で予言された
ブラックホールは
ブラックホールは
00:41
But one thing predicted
from this theory, black holes,
from this theory, black holes,
12
29676
3084
まだ 直接は観測されていません
00:44
still have not been directly observed.
13
32784
2350
ブラックホールの姿についてのアイデアは
いくつかあるのですが
いくつかあるのですが
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
まだ 実際の写真は
１枚も撮られていません
１枚も撮られていません
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
しかし まもなく可能になるとすれば
皆さんは驚かれるでしょう
皆さんは驚かれるでしょう
この数年の間に ブラックホールを撮影した
初めての写真を見ることになるでしょう
初めての写真を見ることになるでしょう
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
最初の１枚の撮影は
世界中の科学者からなるチームと
世界中の科学者からなるチームと
01:01
Getting this first picture will come down
to an international team of scientists,
to an international team of scientists,
18
49682
3958
地球サイズの望遠鏡と
01:05
an Earth-sized telescope
19
53664
1567
１枚の写真に構成する
アルゴリズムによるものです
アルゴリズムによるものです
01:07
and an algorithm that puts together
the final picture.
the final picture.
20
55255
2832
今日 皆さんにブラックホールの写真を
実際にお見せできませんが
実際にお見せできませんが
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
その最初の１枚を撮るための舞台裏を
01:13
I'd like to give you a brief glimpse
into the effort involved
into the effort involved
22
61663
2911
01:16
in getting that first picture.
23
64598
1613
ちらりとお見せします
私は ケイティ・バウマンと申します
01:19
My name is Katie Bouman,
24
67477
1437
MITの大学院生で
01:20
and I'm a PhD student at MIT.
25
68938
2566
コンピュータサイエンス研究室で
01:23
I do research in a computer science lab
26
71528
2027
コンピュータに写真やビデオを認識させる
研究をしています
研究をしています
01:25
that works on making computers
see through images and video.
see through images and video.
27
73579
3298
私が天文学者ではないのに
01:28
But although I'm not an astronomer,
28
76901
2162
この刺激的なプロジェクトに
01:31
today I'd like to show you
29
79087
1285
どのように貢献してきたかをお見せします
01:32
how I've been able to contribute
to this exciting project.
to this exciting project.
30
80396
2903
今夜 都会の明かりから逃れて郊外へ行けば
01:35
If you go out past
the bright city lights tonight,
the bright city lights tonight,
31
83323
2831
天の川銀河系の素晴らしい姿を
目にすることができるでしょう
目にすることができるでしょう
01:38
you may just be lucky enough
to see a stunning view
to see a stunning view
32
86178
2436
01:40
of the Milky Way Galaxy.
33
88638
1493
01:42
And if you could zoom past
millions of stars,
millions of stars,
34
90155
2462
何百万もの星を通り抜けて
２万６千光年先にある渦巻き銀河の中心を
拡大して見られれば
拡大して見られれば
01:44
26,000 light-years toward the heart
of the spiraling Milky Way,
of the spiraling Milky Way,
35
92641
3755
最後には 中心にある星の集団に
たどり着くことでしょう
たどり着くことでしょう
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
天文学者たちが 宇宙空間の塵に隠れて
見えにくいこれらの星を
見えにくいこれらの星を
01:51
Peering past all the galactic dust
with infrared telescopes,
with infrared telescopes,
37
99965
3206
赤外線望遠鏡で観測し始めてから
16年以上経ちます
16年以上経ちます
01:55
astronomers have watched these stars
for over 16 years.
for over 16 years.
38
103195
3867
しかし 一番見たいものを見てはいません
01:59
But it's what they don't see
that is the most spectacular.
that is the most spectacular.
39
107086
3589
銀河系の中心の星は 見えない物体の周りを
周回するように見えます
周回するように見えます
02:02
These stars seem to orbit
an invisible object.
an invisible object.
40
110699
3066
この星々の軌道を追跡した結果
02:05
By tracking the paths of these stars,
41
113789
2323
天文学者は
02:08
astronomers have concluded
42
116136
1294
この運動を引き起こすような
サイズと質量の天体は
サイズと質量の天体は
02:09
that the only thing small and heavy
enough to cause this motion
enough to cause this motion
43
117454
3129
超大質量ブラックホールだけと結論づけました
02:12
is a supermassive black hole --
44
120607
1968
それは 密度がとても高いため
近づいたものを全て―
近づいたものを全て―
02:14
an object so dense that it sucks up
anything that ventures too close --
anything that ventures too close --
45
122599
4178
光さえも 飲み込みます
02:18
even light.
46
126801
1494
もっと拡大して見たらどうなるでしょう？
02:20
But what happens if we were
to zoom in even further?
to zoom in even further?
47
128319
3061
定義からして見えるはずのない物を
見ることはできるでしょうか？
見ることはできるでしょうか？
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
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
電波望遠鏡で観測すれば
ブラックホールの周囲の高温プラズマが
02:31
we'd expect to see a ring of light
50
139987
1682
重力で曲がることによってできる
02:33
caused by the gravitational
lensing of hot plasma
lensing of hot plasma
51
141693
2411
光のリングを観測できるはずです
02:36
zipping around the black hole.
52
144128
1829
02:37
In other words,
53
145981
1160
つまり
ブラックホールは
この明るい物質を背景に影を作り
この明るい物質を背景に影を作り
02:39
the black hole casts a shadow
on this backdrop of bright material,
on this backdrop of bright material,
54
147165
3171
球状の暗闇を作りだすのです
02:42
carving out a sphere of darkness.
55
150360
1842
この明るい輪は ブラックホールの
事象の地平面と呼ばれ
事象の地平面と呼ばれ
02:44
This bright ring reveals
the black hole's event horizon,
the black hole's event horizon,
56
152226
3339
ここから先は あまりに重力が強いので
02:47
where the gravitational pull
becomes so great
becomes so great
57
155589
2400
光でさえ逃れられなくなります
02:50
that not even light can escape.
58
158013
1626
アインシュタインの方程式で
この輪の大きさと形が予測されます
この輪の大きさと形が予測されます
02:51
Einstein's equations predict
the size and shape of this ring,
the size and shape of this ring,
59
159663
2859
ですから その写真を撮ることは
とてもかっこいいだけではなく
とてもかっこいいだけではなく
02:54
so taking a picture of it
wouldn't only be really cool,
wouldn't only be really cool,
60
162546
3208
アインシュタインの方程式が
ブラックホール周辺の
ブラックホール周辺の
02:57
it would also help to verify
that these equations hold
that these equations hold
61
165778
2618
極限状態でも成り立つかを
確認するのに役立ちます
確認するのに役立ちます
03:00
in the extreme conditions
around the black hole.
around the black hole.
62
168420
2466
しかし このブラックホールは
私たちの地球からとても遠いので
私たちの地球からとても遠いので
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
この輪は信じられないほど
小さくしか見えません
小さくしか見えません
月の表面にある１個のオレンジを
観測するのと同じ位に小さいのです
観測するのと同じ位に小さいのです
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
ですから この輪の写真を撮るのは
とてつもなく難しいのです
とてつもなく難しいのです
03:12
That makes taking a picture of it
extremely difficult.
extremely difficult.
66
180758
2824
どうしてでしょうか？
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
その答えは
一つの単純な方程式によって示されます
一つの単純な方程式によって示されます
回折という現象のために
03:21
Due to a phenomenon called diffraction,
69
189724
2416
私たちが観測できる対象のサイズには
根本的に限界があります
根本的に限界があります
03:24
there are fundamental limits
70
192164
1355
私たちが観測できる対象のサイズには
根本的に限界があります
根本的に限界があります
03:25
to the smallest objects
that we can possibly see.
that we can possibly see.
71
193543
2670
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
その方程式によれば
小さいものを見ようとすればするほど
小さいものを見ようとすればするほど
望遠鏡を大きくしなければならないのです
03:32
we need to make our telescope
bigger and bigger.
bigger and bigger.
73
200485
2587
しかし 地球上の最大の光学望遠鏡でさえ
03:35
But even with the most powerful
optical telescopes here on Earth,
optical telescopes here on Earth,
74
203096
3069
月の表面の写真を撮るのに
03:38
we can't even get close
to the resolution necessary
to the resolution necessary
75
206189
2419
必要な解像度に近づくことさえできません
03:40
to image on the surface of the moon.
76
208632
2198
これは現時点での最高の解像度で撮影された
03:42
In fact, here I show one of the highest
resolution images ever taken
resolution images ever taken
77
210854
3617
地球から見た月の写真です
03:46
of the moon from Earth.
78
214495
1397
この写真は約１万３千画素ですが
03:47
It contains roughly 13,000 pixels,
79
215916
2557
１画素に 150万個以上のオレンジが
収まってしまいます
収まってしまいます
03:50
and yet each pixel would contain
over 1.5 million oranges.
over 1.5 million oranges.
80
218497
4050
03:55
So how big of a telescope do we need
81
223396
1972
月面にある１個のオレンジを
さらに あのブラックホールを観測するには
03:57
in order to see an orange
on the surface of the moon
on the surface of the moon
82
225392
2765
どんな大きさの望遠鏡が必要なのでしょうか？
04:00
and, by extension, our black hole?
83
228181
2214
まじめに計算してみると
04:02
Well, it turns out
that by crunching the numbers,
that by crunching the numbers,
84
230419
2340
地球と同じ大きさの望遠鏡が必要であることが
04:04
you can easily calculate
that we would need a telescope
that we would need a telescope
85
232783
2610
簡単に分かります
04:07
the size of the entire Earth.
86
235417
1393
（笑）
04:08
(Laughter)
87
236834
1024
もし地球サイズの望遠鏡を建設できれば
04:09
If we could build
this Earth-sized telescope,
this Earth-sized telescope,
88
237882
2119
ブラックホールの事象の地平面を示す
04:12
we could just start to make out
that distinctive ring of light
that distinctive ring of light
89
240025
2925
特別な光の輪を見分け始められるのです
04:14
indicative of the black
hole's event horizon.
hole's event horizon.
90
242974
2183
この写真は コンピュータグラフィックほど
04:17
Although this picture wouldn't contain
all the detail we see
all the detail we see
91
245181
2918
詳細ではありませんが
04:20
in computer graphic renderings,
92
248123
1506
これによって 初めて
ブラックホールの周辺の状況を
ブラックホールの周辺の状況を
04:21
it would allow us to safely get
our first glimpse
our first glimpse
93
249653
2299
確実に 一目見ることができます
04:23
of the immediate environment
around a black hole.
around a black hole.
94
251976
2487
しかし ご想像の通り
04:26
However, as you can imagine,
95
254487
1613
地球と同じ大きさの一枚の反射鏡で
望遠鏡を造ることは不可能です
望遠鏡を造ることは不可能です
04:28
building a single-dish telescope
the size of the Earth is impossible.
the size of the Earth is impossible.
96
256124
3624
でもミック・ジャガーも歌っているように
04:31
But in the famous words of Mick Jagger,
97
259772
1887
「欲しいものがいつも手に入るわけではない
04:33
"You can't always get what you want,
98
261683
1791
でも 何度もトライすれば
必要なものは手にいれられるだろう」
必要なものは手にいれられるだろう」
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
04:38
And by connecting telescopes
from around the world,
from around the world,
101
266948
2464
そして 世界中の望遠鏡を繋ごうという
「事象の地平面望遠鏡」という
国際プロジェクトでは
国際プロジェクトでは
04:41
an international collaboration
called the Event Horizon Telescope
called the Event Horizon Telescope
102
269436
3538
地球サイズの望遠鏡を
コンピュータの力で実現し
コンピュータの力で実現し
04:44
is creating a computational telescope
the size of the Earth,
the size of the Earth,
103
272998
3109
ブラックホールの事象の地平面を
04:48
capable of resolving structure
104
276131
1537
捉えられる解像度に達しようとしています
04:49
on the scale of a black
hole's event horizon.
hole's event horizon.
105
277692
2199
2017年には
この望遠鏡ネットワークを使って
この望遠鏡ネットワークを使って
04:51
This network of telescopes is scheduled
to take its very first picture
to take its very first picture
106
279915
3387
最初のブラックホール写真の撮影を
計画しています
計画しています
04:55
of a black hole next year.
107
283326
1815
この計画では
世界規模で繋いだ望遠鏡を連動させます
世界規模で繋いだ望遠鏡を連動させます
04:57
Each telescope in the worldwide
network works together.
network works together.
108
285165
3338
原子時計による精密なタイミングで同期させ
05:00
Linked through the precise timing
of atomic clocks,
of atomic clocks,
109
288527
2712
各々の観測点では 研究者のチームが
05:03
teams of researchers at each
of the sights freeze light
of the sights freeze light
110
291263
2657
光を全部捉えて
数千兆バイトのデータを収集します
数千兆バイトのデータを収集します
05:05
by collecting thousands
of terabytes of data.
of terabytes of data.
111
293944
2962
それから このデータは
ここマサチューセッツの天文台で処理されます
ここマサチューセッツの天文台で処理されます
05:08
This data is then processed in a lab
right here in Massachusetts.
right here in Massachusetts.
112
296930
5017
仕組みをもう少し説明します
05:13
So how does this even work?
113
301971
1794
私たちの銀河系の中心にある
ブラックホールを観測したいなら
ブラックホールを観測したいなら
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
有り得ないほど大きい地球サイズの
望遠鏡が必要ですよね
望遠鏡が必要ですよね
05:19
we need to build this impossibly large
Earth-sized telescope?
Earth-sized telescope?
115
307216
2982
でも一旦 地球サイズの望遠鏡が
05:22
For just a second,
let's pretend we could build
let's pretend we could build
116
310222
2232
05:24
a telescope the size of the Earth.
117
312478
1842
造れるとしましょう
地球を巨大な回転するミラーボールだと
05:26
This would be a little bit
like turning the Earth
like turning the Earth
118
314344
2455
考えてみましょう
05:28
into a giant spinning disco ball.
119
316823
1747
各々の鏡が光を集め
05:30
Each individual mirror would collect light
120
318594
2200
１つにまとめられて１枚の写真となります
05:32
that we could then combine
together to make a picture.
together to make a picture.
121
320818
2597
ここで ほとんどの鏡は無くして
05:35
However, now let's say
we remove most of those mirrors
we remove most of those mirrors
122
323439
2661
ほんの少しだけ残しましょう
05:38
so only a few remained.
123
326124
1972
まだ これらの情報を
まとめることはできますが
まとめることはできますが
05:40
We could still try to combine
this information together,
this information together,
124
328120
2877
今回は 多くの穴があります
05:43
but now there are a lot of holes.
125
331021
1993
この残った鏡が
望遠鏡のある観測点を示しています
望遠鏡のある観測点を示しています
05:45
These remaining mirrors represent
the locations where we have telescopes.
the locations where we have telescopes.
126
333038
4373
１枚の写真にするには 信じられないほど
少ない観測データです
少ない観測データです
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
望遠鏡が設置されている数少ない場所でしか
光を集めることはできませんが
光を集めることはできませんが
05:53
But although we only collect light
at a few telescope locations,
at a few telescope locations,
128
341538
3838
地球が自転するので
別の観測データを得られます
別の観測データを得られます
05:57
as the Earth rotates, we get to see
other new measurements.
other new measurements.
129
345400
3423
つまり ミラーボールが回転すると
鏡は場所を変えるので
鏡は場所を変えるので
06:00
In other words, as the disco ball spins,
those mirrors change locations
those mirrors change locations
130
348847
3819
像の別の部分を観測することができます
06:04
and we get to observe
different parts of the image.
different parts of the image.
131
352690
2899
開発中の画像処理アルゴリズムによって
ミラーボールの欠けている部分を埋めて
ミラーボールの欠けている部分を埋めて
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
そこに隠されているブラックホールの
像を再現します
像を再現します
06:11
in order to reconstruct
the underlying black hole image.
the underlying black hole image.
133
359655
3033
もし 地表の全面に望遠鏡を設置できたとして
06:14
If we had telescopes located
everywhere on the globe --
everywhere on the globe --
134
362712
2636
つまり ミラーボールが完璧ならば
06:17
in other words, the entire disco ball --
135
365372
1941
この作業は難しくはありません
06:19
this would be trivial.
136
367337
1284
しかし 手に入れられるのは
わずかな観測データだけなので
わずかな観測データだけなので
06:20
However, we only see a few samples,
and for that reason,
and for that reason,
137
368645
3322
望遠鏡によるわずかな観測データと
完全に一致する
完全に一致する
06:23
there are an infinite number
of possible images
of possible images
138
371991
2388
像は無限に存在します
06:26
that are perfectly consistent
with our telescope measurements.
with our telescope measurements.
139
374403
2964
しかし 全ての画像が同等ではありません
06:29
However, not all images are created equal.
140
377391
3016
私たちがブラックホールだと考える姿に
他のものよりも近い画像があります
他のものよりも近い画像があります
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
最初のブラックホールの写真を撮るために
私が担当をしているのは
私が担当をしているのは
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
望遠鏡の観測データに合致する
最も合理的な画像を見つけるための
最も合理的な画像を見つけるための
06:40
is to design algorithms that find
the most reasonable image
the most reasonable image
143
388577
2932
アルゴリズムを開発することです
06:43
that also fits the telescope measurements.
144
391533
2222
06:46
Just as a forensic sketch artist
uses limited descriptions
uses limited descriptions
145
394727
3942
似顔絵捜査官がわずかな特徴の情報から
顔の構造についての知識を用いて
1枚の絵を描きあげるのと同じように
1枚の絵を描きあげるのと同じように
06:50
to piece together a picture using
their knowledge of face structure,
their knowledge of face structure,
146
398693
3514
私が開発中の画像処理アルゴリズムを使って
限られた観測データを
限られた観測データを
06:54
the imaging algorithms I develop
use our limited telescope data
use our limited telescope data
147
402231
3315
宇宙にある天体としてふさわしい
１枚の絵にまとめます
１枚の絵にまとめます
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
このアルゴリズムを使うと
このまばらでノイズだらけのデータを
このまばらでノイズだらけのデータを
07:01
Using these algorithms,
we're able to piece together pictures
we're able to piece together pictures
149
409916
3651
写真へとまとめあげられるのです
07:05
from this sparse, noisy data.
150
413591
2180
では 天の川銀河系の中心にある
ブラックホールに
ブラックホールに
07:07
So here I show a sample reconstruction
done using simulated data,
done using simulated data,
151
415795
4529
望遠鏡を向けたとする
シミュレーションのデータを使った
シミュレーションのデータを使った
07:12
when we pretend to point our telescopes
152
420348
1933
再構成の例をお見せします
07:14
to the black hole
in the center of our galaxy.
in the center of our galaxy.
153
422305
2585
これはシミュレーションに過ぎませんが
このように再構成できることで
このように再構成できることで
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
まもなく 初のブラックホールの
写真を確実に撮影し
写真を確実に撮影し
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
その輪の大きさを決められるという
希望を持てます
希望を持てます
07:24
and from it, determine
the size of its ring.
the size of its ring.
156
432870
2595
このアルゴリズムの詳細を全て
お話ししたいのはやまやまなのですが
お話ししたいのはやまやまなのですが
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
皆さんには幸いなことに
十分な時間がありませんが
十分な時間がありませんが
07:31
luckily for you, I don't have the time.
158
439341
2174
宇宙の見え方を決定する方法や
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
アルゴリズムを再構成や結果の確認に
使う方法を ざっと紹介します
使う方法を ざっと紹介します
07:37
and how we use this to reconstruct
and verify our results.
and verify our results.
161
445890
4466
さて 望遠鏡の観測データに
完全に合う画像は
完全に合う画像は
07:42
Since there are an infinite number
of possible images
of possible images
162
450380
2496
無限にあり得るので
何らかの方法で
何らかの方法で
07:44
that perfectly explain
our telescope measurements,
our telescope measurements,
163
452900
2365
その中から選び出さなくてはなりません
07:47
we have to choose
between them in some way.
between them in some way.
164
455289
2605
ブラックホールの像に近い
度合いに応じて
度合いに応じて
07:49
We do this by ranking the images
165
457918
1838
これらの画像をランク付けして
07:51
based upon how likely they are
to be the black hole image,
to be the black hole image,
166
459780
2834
最も適切な１枚を選びだします
07:54
and then choosing the one
that's most likely.
that's most likely.
167
462638
2482
もう少し分かりやすくして
07:57
So what do I mean by this exactly?
168
465144
2195
07:59
Let's say we were trying to make a model
169
467862
1978
フェイスブックに
ある写真が ありそうかどうかを
決めるモデルを考えましょう
決めるモデルを考えましょう
08:01
that told us how likely an image
were to appear on Facebook.
were to appear on Facebook.
170
469864
3183
このモデルを使った場合
08:05
We'd probably want the model to say
171
473071
1701
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
左のノイズだらけの写真が投稿された
可能性はほとんどなく
可能性はほとんどなく
右の自撮り写真が投稿された可能性が
かなり高いという
かなり高いという
08:10
and pretty likely that someone
would post a selfie
would post a selfie
173
478377
2419
結果を期待します
08:12
like this one on the right.
174
480820
1334
真ん中の写真はぼやけていて
08:14
The image in the middle is blurry,
175
482178
1639
フェイスブック上に 左のノイズの写真よりは
08:15
so even though it's more likely
we'd see it on Facebook
we'd see it on Facebook
176
483841
2639
見られそうですが
08:18
compared to the noise image,
177
486504
1360
自撮り写真と比べると可能性は低そうです
08:19
it's probably less likely we'd see it
compared to the selfie.
compared to the selfie.
178
487888
2960
ブラックホールの写真となると
これは難問です
これは難問です
08:22
But when it comes to images
from the black hole,
from the black hole,
179
490872
2290
なぜなら私たちは
ブラックホールを見たことがないからです
ブラックホールを見たことがないからです
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
この場合 ブラックホールの
像らしいのはどれで
像らしいのはどれで
08:28
In that case, what is a likely
black hole image,
black hole image,
181
496712
2291
その構造として仮定すべきなのは
どれでしょうか？
どれでしょうか？
08:31
and what should we assume
about the structure of black holes?
about the structure of black holes?
182
499027
2938
「インターステラー」のブラックホールの
イメージのような
イメージのような
08:33
We could try to use images
from simulations we've done,
from simulations we've done,
183
501989
2632
シミュレーションは使えるでしょう
08:36
like the image of the black hole
from "Interstellar,"
from "Interstellar,"
184
504645
2530
しかし そうすると重大な問題が起きます
08:39
but if we did this,
it could cause some serious problems.
it could cause some serious problems.
185
507199
2938
もし アインシュタインの理論が
成立しなかったらどうなるのでしょうか？
成立しなかったらどうなるのでしょうか？
08:42
What would happen
if Einstein's theories didn't hold?
if Einstein's theories didn't hold?
186
510161
3380
私たちは 今起こっていることの
正確な写真を再構成したいのです
正確な写真を再構成したいのです
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
もし 私たちのアルゴリズムに
アインシュタインの理論を反映させすぎれば
アインシュタインの理論を反映させすぎれば
08:49
If we bake Einstein's equations
too much into our algorithms,
too much into our algorithms,
188
517550
3371
予想した通りのものを
見ることになってしまいます
見ることになってしまいます
08:52
we'll just end up seeing
what we expect to see.
what we expect to see.
189
520945
2755
つまり 銀河の中心には
大きな象がいるという可能性を
大きな象がいるという可能性を
08:55
In other words,
we want to leave the option open
we want to leave the option open
190
523724
2276
残しておきたいのです
08:58
for there being a giant elephant
at the center of our galaxy.
at the center of our galaxy.
191
526024
2923
（笑）
09:00
(Laughter)
192
528971
1057
異なるタイプの画像は
全く別個の特徴を持ちます
全く別個の特徴を持ちます
09:02
Different types of images have
very distinct features.
very distinct features.
193
530052
2989
ブラックホールのシミュレーションの画像と
09:05
We can easily tell the difference
between black hole simulation images
between black hole simulation images
194
533065
3548
地球上で日常的に撮る写真の
違いは明らかです
違いは明らかです
09:08
and images we take
every day here on Earth.
every day here on Earth.
195
536637
2276
そこで 特定のタイプの特徴を
強調しすぎていない画像はどのようなものか
強調しすぎていない画像はどのようなものか
09:10
We need a way to tell our algorithms
what images look like
what images look like
196
538937
3104
アルゴリズムに教えてやらなければなりません
09:14
without imposing one type
of image's features too much.
of image's features too much.
197
542065
3249
その方法の１つは
09:17
One way we can try to get around this
198
545865
1893
各種ある中から
ある画像タイプの特徴を強調して用い
ある画像タイプの特徴を強調して用い
09:19
is by imposing the features
of different kinds of images
of different kinds of images
199
547782
3062
それが再構成に
どのように反映されるかを調べる方法です
どのように反映されるかを調べる方法です
09:22
and seeing how the type of image we assume
affects our reconstructions.
affects our reconstructions.
200
550868
4130
もし それぞれの画像タイプ全てから
同じような画像が得られれば
同じような画像が得られれば
09:27
If all images' types produce
a very similar-looking image,
a very similar-looking image,
201
555712
3491
出来上がった画像が
私たちが設定した仮定から
私たちが設定した仮定から
09:31
then we can start to become more confident
202
559227
2057
大きな影響を受けていないだろうという
確信を強める方向です
確信を強める方向です
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
このことは 世界のあちこちから集められた
３人の似顔絵描きに
３人の似顔絵描きに
09:37
This is a little bit like
giving the same description
giving the same description
204
565505
2990
同じ情報を提供するのに少し似ています
09:40
to three different sketch artists
from all around the world.
from all around the world.
205
568519
2996
もし ３人ともが 非常に似た顔を描けば
09:43
If they all produce
a very similar-looking face,
a very similar-looking face,
206
571539
2860
出来上がった絵が
09:46
then we can start to become confident
207
574423
1793
各々の文化の影響を受けていないという
確信を強める方向です
確信を強める方向です
09:48
that they're not imposing their own
cultural biases on the drawings.
cultural biases on the drawings.
208
576240
3616
色々な画像タイプが持つ特徴を
反映させるには
反映させるには
09:51
One way we can try to impose
different image features
different image features
209
579880
3315
既にある画像の部分を使う方法があります
09:55
is by using pieces of existing images.
210
583219
2441
画像を大量に集めて
09:58
So we take a large collection of images,
211
586214
2160
小さな画像のかけらに分解します
10:00
and we break them down
into their little image patches.
into their little image patches.
212
588398
2718
そうすると 一つ一つの画像のかけらを
パズルのピースのように使えます
パズルのピースのように使えます
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
そのよくあるパズルピースを使って
望遠鏡の観測データに合致する画像を
望遠鏡の観測データに合致する画像を
10:07
And we use commonly seen puzzle pieces
to piece together an image
to piece together an image
214
595449
4278
まとめあげます
10:11
that also fits our telescope measurements.
215
599751
2452
異なるタイプの画像からは
違った特徴のピースセットが得られます
違った特徴のピースセットが得られます
10:15
Different types of images have
very distinctive sets of puzzle pieces.
very distinctive sets of puzzle pieces.
216
603040
3743
同じ観測データに基づいて
異なるピースセットを使い
異なるピースセットを使い
10:18
So what happens when we take the same data
217
606807
2806
画像を再構成すると
どのようになるのでしょうか？
どのようになるのでしょうか？
10:21
but we use different sets of puzzle pieces
to reconstruct the image?
to reconstruct the image?
218
609637
4130
ブラックホールのシミュレーションから
取ったピースを使いましょう
取ったピースを使いましょう
10:25
Let's first start with black hole
image simulation puzzle pieces.
image simulation puzzle pieces.
219
613791
4766
まあ 妥当ですね
10:30
OK, this looks reasonable.
220
618581
1591
これは私たちが思うブラックホールの姿と
似ています
似ています
10:32
This looks like what we expect
a black hole to look like.
a black hole to look like.
221
620196
2694
でも こうなったのは
10:34
But did we just get it
222
622914
1193
ブラックホールのシミュレーションの
ピースを使ったからでしょうか？
ピースを使ったからでしょうか？
10:36
because we just fed it little pieces
of black hole simulation images?
of black hole simulation images?
223
624131
3314
では 別のセットを使いましょう
10:39
Let's try another set of puzzle pieces
224
627469
1880
今度は ブラックホールではない
天体からのものです
天体からのものです
10:41
from astronomical, non-black hole objects.
225
629373
2509
いいですね
よく似ています
よく似ています
10:44
OK, we get a similar-looking image.
226
632914
2126
最後に 自分のカメラで撮影したような
10:47
And then how about pieces
from everyday images,
from everyday images,
227
635064
2236
日常の写真から作った
パズルピースではどうでしょう？
パズルピースではどうでしょう？
10:49
like the images you take
with your own personal camera?
with your own personal camera?
228
637324
2785
やりました
同じ写真が出来ました
同じ写真が出来ました
10:53
Great, we see the same image.
229
641312
2115
異なるパズルピースのセット全てから
同じ画像が出来上がれば
同じ画像が出来上がれば
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
最後に得られた画像が
私たちが設定をした仮定から
私たちが設定をした仮定から
10:58
then we can start to become more confident
231
646841
2046
大きな影響を受けていないと
11:00
that the image assumptions we're making
232
648911
1966
確信を持てるようになり始めます
11:02
aren't biasing the final
image we get too much.
image we get too much.
233
650901
2921
もう１つの方法は
ある１つのパズルピースのセットー
ある１つのパズルピースのセットー
11:05
Another thing we can do is take
the same set of puzzle pieces,
the same set of puzzle pieces,
234
653846
3253
例えば日常の写真から得られたセットを使って
11:09
such as the ones derived
from everyday images,
from everyday images,
235
657123
2489
色々な種類の画像を再構成する方法です
11:11
and use them to reconstruct
many different kinds of source images.
many different kinds of source images.
236
659636
3600
シミュレーションでは
11:15
So in our simulations,
237
663260
1271
ブラックホールが それ以外の天体と
似ているという仮定だけではなく
似ているという仮定だけではなく
11:16
we pretend a black hole looks like
astronomical non-black hole objects,
astronomical non-black hole objects,
238
664555
3775
同様に象のような日常の写真と似た形が
銀河系の中心にあることも仮定します
銀河系の中心にあることも仮定します
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
図の下にある
アルゴリズムを使ってできた画像が
アルゴリズムを使ってできた画像が
11:24
When the results of our algorithms
on the bottom look very similar
on the bottom look very similar
240
672227
3168
図の上の本当の写真とよく似ていれば
11:27
to the simulation's truth image on top,
241
675419
2096
このアルゴリズムの確信を強める方向です
11:29
then we can start to become
more confident in our algorithms.
more confident in our algorithms.
242
677539
3346
皆さんにお伝えしておきたいことは
11:32
And I really want to emphasize here
243
680909
1867
この全ての画像には
11:34
that all of these pictures were created
244
682800
1934
皆さんがご自分のカメラで撮った
11:36
by piecing together little pieces
of everyday photographs,
of everyday photographs,
245
684758
2936
日常の写真からのピースが使われたことです
11:39
like you'd take with your own
personal camera.
personal camera.
246
687718
2215
私たちが見たこともない
ブラックホールの写真は
ブラックホールの写真は
11:41
So an image of a black hole
we've never seen before
we've never seen before
247
689957
3276
人々や建物 木 犬 それから猫のような
いつも見ているような写真を
いつも見ているような写真を
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
まとめあげれば 最終的にできるでしょう
11:49
of people, buildings,
trees, cats and dogs.
trees, cats and dogs.
249
697224
2745
このような画像処理の考え方によって
11:51
Imaging ideas like this
will make it possible for us
will make it possible for us
250
699993
2645
11:54
to take our very first pictures
of a black hole,
of a black hole,
251
702662
2619
ブラックホールの最初の写真を撮り
さらには 科学者たちが常に根拠としている
11:57
and hopefully, verify
those famous theories
those famous theories
252
705305
2447
有名な理論を裏付けることができるでしょう
11:59
on which scientists rely on a daily basis.
253
707776
2421
もちろん このような画像処理のアイデアは
12:02
But of course, getting
imaging ideas like this working
imaging ideas like this working
254
710221
2608
光栄なことに私が一緒に働ける
素晴らしい研究者のチームなしには
素晴らしい研究者のチームなしには
12:04
would never have been possible
without the amazing team of researchers
without the amazing team of researchers
255
712853
3322
不可能でした
12:08
that I have the privilege to work with.
256
716199
1887
素晴らしいことに
12:10
It still amazes me
257
718110
1163
私はこの仕事を始めた時には
天文学の素養がありませんでしたが
天文学の素養がありませんでしたが
12:11
that although I began this project
with no background in astrophysics,
with no background in astrophysics,
258
719297
3351
この他に類をみない共同研究を通じて
12:14
what we have achieved
through this unique collaboration
through this unique collaboration
259
722672
2619
最初のブラックホールの画像に
至ることができるかもしれません
至ることができるかもしれません
12:17
could result in the very first
images of a black hole.
images of a black hole.
260
725315
2759
この「事象の地平面望遠鏡」のような
大規模な共同研究は
大規模な共同研究は
12:20
But big projects like
the Event Horizon Telescope
the Event Horizon Telescope
261
728098
2698
様々な人が学際的な専門知識を持ち寄ることで
12:22
are successful due to all
the interdisciplinary expertise
the interdisciplinary expertise
262
730820
2814
成功へと繋がります
12:25
different people bring to the table.
263
733658
1790
私たちのチームは 天文学者と物理学者
12:27
We're a melting pot of astronomers,
264
735472
1706
数学者と技術者のるつぼです
12:29
physicists, mathematicians and engineers.
265
737202
2232
かつては不可能と考えられていたことが
12:31
This is what will make it soon possible
266
739458
2554
12:34
to achieve something
once thought impossible.
once thought impossible.
267
742036
2853
もうすぐ可能になります
皆さんにも 外に出て
科学の限界を広げるのを
科学の限界を広げるのを
12:36
I'd like to encourage all of you to go out
268
744913
2256
手伝っていただきたいのです
12:39
and help push the boundaries of science,
269
747193
2096
たとえそれがブラックホールのように
初めは不可思議に見えても
初めは不可思議に見えても
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
ありがとうございました
12:45
Thank you.
271
753238
1174
（拍手）
12:46
(Applause)
272
754436
2397
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