ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com
TEDxUIUC

Christoph Adami: Finding life we can't imagine

Christoph Adami: Poszukiwanie życia, którego nie jesteśmy w stanie sobie wyobrazić.

Filmed:
652,149 views

Jak poszukiwać życia na innych planetach jeśli nie jest podobne do naszego? Na TEDxUIUC Christoph Adami pokazuje jak wykorzystuje swoje badania sztucznego życia, samoreplikujących się programów komputerowych, by znaleźć cechę szczególną, "biomarker" który uwolniłby nasze zrozumienie tego czym jest życie ze starych schematów.
- Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions. Full bio

Double-click the English transcript below to play the video.

00:15
So I have a strangedziwne careerkariera.
0
0
2000
Historia mojej kariery jest dziwna.
00:17
I know it because people come up to me, like colleagueskoledzy,
1
2000
3000
Wiem o tym, bo ludzie mówią mi:
00:20
and say, "ChrisChris, you have a strangedziwne careerkariera."
2
5000
2000
"Chris, masz dziwną karierę."
00:22
(LaughterŚmiech)
3
7000
2000
(Śmiech)
00:24
And I can see theirich pointpunkt,
4
9000
2000
Rozumiem ich punkt widzenia,
00:26
because I startedRozpoczęty my careerkariera
5
11000
2000
bo zaczynałem
00:28
as a theoreticalteoretyczny nuclearjądrowy physicistfizyk.
6
13000
2000
jako fizyk jądrowy.
00:30
And I was thinkingmyślący about quarkskwarki and gluonsgluony
7
15000
2000
Myślałem o kwarkach i gluonach
00:32
and heavyciężki ionIon collisionskolizje,
8
17000
2000
i zderzeniach ciężkich jonów
00:34
and I was only 14 yearslat oldstary.
9
19000
2000
już w wieku 14 lat.
00:36
No, no, I wasn'tnie było 14 yearslat oldstary.
10
21000
3000
Dobra, taki młody nie byłem.
00:40
But after that,
11
25000
2000
Później jednak miałem nawet
00:42
I actuallytak właściwie had my ownwłasny lablaboratorium
12
27000
2000
własne laboratorium
00:44
in the computationalobliczeniowy neuroscienceneuronauka departmentdepartament,
13
29000
2000
na wydziale neurobiologii,
00:46
and I wasn'tnie było doing any neuroscienceneuronauka.
14
31000
2000
ale nie tym się zajmowałem.
00:48
LaterPóźniej, I would work on evolutionaryewolucyjny geneticsgenetyka,
15
33000
3000
Potem pracowałem przy genetyce ewolucyjnej
00:51
and I would work on systemssystemy biologybiologia.
16
36000
2000
i zajmowałem się biologią systemową.
00:53
But I'm going to tell you about something elsejeszcze todaydzisiaj.
17
38000
3000
Ale dziś opowiem o czymś innym.
00:56
I'm going to tell you
18
41000
2000
Opowiem jak nauczyłem się czegoś o życiu.
00:58
about how I learnednauczyli something about life.
19
43000
2000
Opowiem jak nauczyłem się czegoś o życiu.
01:00
And I was actuallytak właściwie a rocketrakieta scientistnaukowiec.
20
45000
4000
Zajmowałem się astronautyką.
01:04
I wasn'tnie było really a rocketrakieta scientistnaukowiec,
21
49000
2000
Wprawdzie nie budowałem rakiet,
01:06
but I was workingpracujący
22
51000
2000
ale pracowałem w Labolatorium Napędu Odrzutowego
01:08
at the JetJet PropulsionNapędu LaboratoryLaboratorium
23
53000
2000
ale pracowałem w Labolatorium Napędu Odrzutowego
01:10
in sunnySłoneczny CaliforniaCalifornia where it's warmciepły;
24
55000
3000
w słonecznej i ciepłej Kaliforni,
01:13
whereasnatomiast now I'm in the mid-Westśrodkowym zachodzie,
25
58000
2000
a teraz jestem na środkowym zachodzie
01:15
and it's coldzimno.
26
60000
2000
gdzie jest zimno.
01:17
But it was an excitingekscytujący experiencedoświadczenie.
27
62000
3000
To było ekscytujące doświadczenie.
01:20
One day a NASANASA managermenedżer comespochodzi into my officegabinet,
28
65000
3000
Pewnego dnia menadżer NASA
01:23
sitssiedzi down and saysmówi,
29
68000
3000
wszedł do mojego biura i poprosił,
01:26
"Can you please tell us,
30
71000
2000
żebym im powiedział,
01:28
how do we look for life outsidena zewnątrz EarthZiemia?"
31
73000
2000
jak należy szukać pozaziemskiego życia.
01:30
And that cameoprawa ołowiana witrażu as a surpriseniespodzianka to me,
32
75000
2000
Zdziwiłem się, bo byłem zatrudniony
01:32
because I was actuallytak właściwie hiredzatrudniony
33
77000
2000
do pracy przy obliczeniach kwantowych.
01:34
to work on quantumkwant computationobliczenie.
34
79000
2000
do pracy przy obliczeniach kwantowych.
01:36
YetJeszcze, I had a very good answerodpowiedź.
35
81000
2000
Miałem gotową świetną odpowiedź:
01:38
I said, "I have no ideapomysł."
36
83000
3000
"Nie mam pojęcia."
01:41
And he told me, "BiosignaturesBiosignatures,
37
86000
3000
Menadżer podpowiedział,
01:44
we need to look for a biosignaturebiosignature."
38
89000
2000
że trzeba szukać biosygnatury.
01:46
And I said, "What is that?"
39
91000
2000
Spytałem, co to takiego.
01:48
And he said, "It's any measurablemierzalne phenomenonzjawisko
40
93000
2000
"To wymierne zjawisko,
01:50
that allowspozwala us to indicatewskazać
41
95000
2000
które wskazuje na obecność życia."
01:52
the presenceobecność of life."
42
97000
2000
które wskazuje na obecność życia."
01:54
And I said, "Really?
43
99000
2000
Zdziwiony odpowiedziałem:
01:56
Because isn't that easyłatwo?
44
101000
2000
"To chyba proste?
01:58
I mean, we have life.
45
103000
2000
W końcu chodzi o życie.
02:00
Can't you applyzastosować a definitiondefinicja,
46
105000
2000
Wystarczy zastosować definicję,
02:02
like for exampleprzykład, a SupremeNajwyższy Court-likeSąd jak definitiondefinicja of life?"
47
107000
4000
jak w Sądzie Najwyższym, prawda?"
02:06
And then I thought about it a little bitkawałek, and I said,
48
111000
2000
Po chwili zastanowienia dodałem:
02:08
"Well, is it really that easyłatwo?
49
113000
2000
"Czy to na pewno takie łatwe?
02:10
Because, yes, if you see something like this,
50
115000
3000
Nie ulega wątpliwości,
02:13
then all right, fine, I'm going to call it life --
51
118000
2000
że coś takiego, to życie.
02:15
no doubtwątpić about it.
52
120000
2000
że coś takiego, to życie.
02:17
But here'soto jest something."
53
122000
2000
Ale to?"
02:19
And he goesidzie, "Right, that's life too. I know that."
54
124000
3000
"Właśnie, to też życie."
02:22
ExceptZ wyjątkiem, if you think life is alsorównież definedokreślone
55
127000
2000
Jeśli myślisz, że życie z definicji kończy się śmiercią,
02:24
by things that dieumierać,
56
129000
2000
Jeśli myślisz, że życie z definicji kończy się śmiercią,
02:26
you're not in luckszczęście with this thing,
57
131000
2000
to się przeliczyłeś,
02:28
because that's actuallytak właściwie a very strangedziwne organismorganizm.
58
133000
2000
bo to bardzo dziwny organizm.
02:30
It growsrośnie up into the adultdorosły stageetap like that
59
135000
2000
Osiąga dorosłość,
02:32
and then goesidzie throughprzez a BenjaminBenjamin ButtonPrzycisk phasefazy,
60
137000
3000
a potem, jak Benjamin Button,
02:35
and actuallytak właściwie goesidzie backwardsWstecz and backwardsWstecz
61
140000
2000
zaczyna młodnieć
02:37
untilaż do it's like a little embryozarodek again,
62
142000
2000
aż do fazy embrionalnej,
02:39
and then actuallytak właściwie growsrośnie back up, and back down and back up -- sortsortować of yo-yojo-jo --
63
144000
3000
kiedy znów zaczyna się starzeć, jak jojo.
02:42
and it never diesumiera.
64
147000
2000
Nigdy nie umiera.
02:44
So it's actuallytak właściwie life,
65
149000
2000
To forma życia,
02:46
but it's actuallytak właściwie not
66
151000
2000
ale niezgodna
02:48
as we thought life would be.
67
153000
3000
z naszymi oczekiwaniami.
02:51
And then you see something like that.
68
156000
2000
A potem widzicie coś takiego.
02:53
And he was like, "My God, what kinduprzejmy of a life formformularz is that?"
69
158000
2000
"O rany, co to takiego?"
02:55
AnyoneKtoś know?
70
160000
2000
Czy ktoś wie?
02:57
It's actuallytak właściwie not life, it's a crystalkryształ.
71
162000
3000
To nie forma życia, a kryształ.
03:00
So oncepewnego razu you startpoczątek looking and looking
72
165000
2000
Ale gdy mu się lepiej przyjrzeć,
03:02
at smallermniejszy and smallermniejszy things --
73
167000
2000
patrząc coraz głębiej i głębiej...
03:04
so this particularszczególny personosoba
74
169000
2000
Ktoś napisał artykuł o tym,
03:06
wrotenapisał a wholecały articleartykuł and said, "Hey, these are bacteriabakteria."
75
171000
3000
że to są bakterie.
03:09
ExceptZ wyjątkiem, if you look a little bitkawałek closerbliższy,
76
174000
2000
Ale jeśli się bliżej przyjrzeć,
03:11
you see, in factfakt, that this thing is way too smallmały to be anything like that.
77
176000
3000
widać, że by się nie zmieściły.
03:14
So he was convincedprzekonany,
78
179000
2000
Był pewien swoich racji,
03:16
but, in factfakt, mostwiększość people aren'tnie są.
79
181000
2000
ale większość ludzi się z nim nie zgadza.
03:18
And then, of coursekurs,
80
183000
2000
Potem NASA oznajmiła z wielkim szumem,
03:20
NASANASA alsorównież had a bigduży announcementogłoszenie,
81
185000
2000
Potem NASA oznajmiła z wielkim szumem,
03:22
and PresidentPrezydent ClintonClinton gavedał a pressnaciśnij conferencekonferencja,
82
187000
2000
a prezydent Clinton zwołał konferencję,
03:24
about this amazingniesamowity discoveryodkrycie
83
189000
2000
że odkryto ślady życia na marsjańskim meteorycie.
03:26
of life in a MartianMartian meteoriteMeteoryt.
84
191000
3000
że odkryto ślady życia na marsjańskim meteorycie.
03:29
ExceptZ wyjątkiem that nowadaysdzisiaj, it's heavilyciężko disputedsporne.
85
194000
4000
Dziś poddaje się to w wątpliwość.
03:33
If you take the lessonlekcja of all these pictureskino,
86
198000
3000
Reasumując, wydaje się,
03:36
then you realizerealizować, well actuallytak właściwie maybe it's not that easyłatwo.
87
201000
2000
że zdefiniowanie życia jest trudne.
03:38
Maybe I do need
88
203000
2000
By wydać taki osąd,
03:40
a definitiondefinicja of life
89
205000
2000
niezbędna może się okazać definicja życia.
03:42
in orderzamówienie to make that kinduprzejmy of distinctionróżnica.
90
207000
2000
niezbędna może się okazać definicja życia.
03:44
So can life be definedokreślone?
91
209000
2000
Czy życie można zdefiniować?
03:46
Well how would you go about it?
92
211000
2000
Jak się do tego zabrać?
03:48
Well of coursekurs,
93
213000
2000
Wystarczy otworzyć Encyklopedię PWN na Ż.
03:50
you'dty byś go to EncyclopediaEncyklopedia BritannicaBritannica and openotwarty at L.
94
215000
2000
Wystarczy otworzyć Encyklopedię PWN na Ż.
03:52
No, of coursekurs you don't do that; you put it somewheregdzieś in GoogleGoogle.
95
217000
3000
Tyle że teraz użylibyśmy Google.
03:55
And then you mightmoc get something.
96
220000
3000
Może coś się tak znajdzie.
03:58
And what you mightmoc get --
97
223000
2000
Jednak okazuje się,
04:00
and anything that actuallytak właściwie refersodnosi się to things that we are used to,
98
225000
2000
że całą ogólnie przyjętą wiedzę należy odrzucić.
04:02
you throwrzucać away.
99
227000
2000
że całą ogólnie przyjętą wiedzę należy odrzucić.
04:04
And then you mightmoc come up with something like this.
100
229000
2000
Zostanie wtedy coś takiego.
04:06
And it saysmówi something complicatedskomplikowane
101
231000
2000
To skomplikowany tekst,
04:08
with lots and lots of conceptskoncepcje.
102
233000
2000
z mnóstwem różnych pojęć.
04:10
Who on EarthZiemia would writepisać something
103
235000
2000
Kto napisałby coś tak zawiłego, skomplikowanego
04:12
as convolutedzawiłe and complexzłożony
104
237000
2000
Kto napisałby coś tak zawiłego, skomplikowanego
04:14
and inaneidiotyczny?
105
239000
3000
i niedorzecznego?
04:17
Oh, it's actuallytak właściwie a really, really, importantważny setzestaw of conceptskoncepcje.
106
242000
4000
Tak naprawdę to bardzo ważne pojęcia.
04:21
So I'm highlightingPodświetlanie just a fewkilka wordssłowa
107
246000
3000
Podświetlę kilka z nich.
04:24
and sayingpowiedzenie definitionsdefinicje like that
108
249000
2000
Te definicje nie bazują
04:26
relypolegać on things that are not basedna podstawie
109
251000
2000
na aminokwasach czy liściach,
04:28
on aminoamino acidskwasy or leavesodchodzi
110
253000
3000
na aminokwasach czy liściach,
04:31
or anything that we are used to,
111
256000
2000
ani innych znajomych rzeczach,
04:33
but in factfakt on processesprocesy only.
112
258000
2000
ale na procesach.
04:35
And if you take a look at that,
113
260000
2000
To książka, którą napisałem na temat sztucznego życia.
04:37
this was actuallytak właściwie in a bookksiążka that I wrotenapisał that dealsoferty with artificialsztuczny life.
114
262000
3000
To książka, którą napisałem na temat sztucznego życia.
04:40
And that explainswyjaśnia why
115
265000
2000
Macie więc wyjaśnienie,
04:42
that NASANASA managermenedżer was actuallytak właściwie in my officegabinet to beginzaczynać with.
116
267000
3000
czemu odwiedził mnie menadżer z NASA.
04:45
Because the ideapomysł was that, with conceptskoncepcje like that,
117
270000
3000
W zamyśle, dzięki tym pojęciom
04:48
maybe we can actuallytak właściwie manufactureprodukcja
118
273000
2000
możnaby wyprodukować jakąś formę życia.
04:50
a formformularz of life.
119
275000
2000
możnaby wyprodukować jakąś formę życia.
04:52
And so if you go and askzapytać yourselfsiebie,
120
277000
3000
Jeśli zastanawiacie się,
04:55
"What on EarthZiemia is artificialsztuczny life?",
121
280000
2000
czym jest sztuczne życie,
04:57
let me give you a whirlwindwicher tourwycieczka
122
282000
2000
to zaraz w skrócie wyjaśnię,
04:59
of how all this stuffrzeczy cameoprawa ołowiana witrażu about.
123
284000
2000
jak się to wszystko zaczęło.
05:01
And it startedRozpoczęty out quitecałkiem a while agotemu
124
286000
3000
Zaczęło się dawno temu,
05:04
when someonektoś wrotenapisał
125
289000
2000
kiedy ktoś napisał pierwszego wirusa komputerowego.
05:06
one of the first successfuludany computerkomputer viruseswirusy.
126
291000
2000
kiedy ktoś napisał pierwszego wirusa komputerowego.
05:08
And for those of you who aren'tnie są oldstary enoughdość,
127
293000
3000
Niektórzy z was mogą nie pamiętać,
05:11
you have no ideapomysł how this infectioninfekcja was workingpracujący --
128
296000
3000
w jaki sposób wirusy się rozprzestrzeniały.
05:14
namelymianowicie, throughprzez these floppydyskietki disksdyski.
129
299000
2000
Nośnikami były dyskietki.
05:16
But the interestingciekawy thing about these computerkomputer viruswirus infectionsinfekcje
130
301000
3000
Najciekawsze w tych infekcjach było tempo
05:19
was that, if you look at the rateoceniać
131
304000
2000
Najciekawsze w tych infekcjach było tempo
05:21
at whichktóry the infectioninfekcja workedpracował,
132
306000
2000
z jakim wirus się rozprzestrzeniał,
05:23
they showpokazać this spikykolczaste behaviorzachowanie
133
308000
2000
oraz fluktuacje infekcji,
05:25
that you're used to from a flugrypa viruswirus.
134
310000
3000
które znamy z wirusów grypy.
05:28
And it is in factfakt duez powodu to this armsramiona racewyścigi
135
313000
2000
Jest tak przez wyścig zbrojeń
05:30
betweenpomiędzy hackersHakerzy and operatingoperacyjny systemsystem designersprojektanci
136
315000
3000
między designerami systemów operacyjnych
05:33
that things go back and forthnaprzód.
137
318000
2000
a hakerami.
05:35
And the resultwynik is kinduprzejmy of a treedrzewo of life
138
320000
2000
W rezultacie mamy drzewo życia wirusów,
05:37
of these viruseswirusy,
139
322000
2000
W rezultacie mamy drzewo życia wirusów,
05:39
a phylogenyFilogeneza that lookswygląda very much
140
324000
3000
ich filogeneza wygląda bardzo znajomo,
05:42
like the typerodzaj of life that we're used to, at leastnajmniej on the viralwirusowe levelpoziom.
141
327000
3000
w każdym razie na poziomie wirusowym.
05:45
So is that life? Not as fardaleko as I'm concernedzaniepokojony.
142
330000
3000
Moim zdaniem to nie forma życia,
05:48
Why? Because these things don't evolveewoluować by themselvessami.
143
333000
3000
bo nie ewoluuje samoczynnie.
05:51
In factfakt, they have hackersHakerzy writingpisanie them.
144
336000
2000
Piszą je hakerzy.
05:53
But the ideapomysł was takenwzięty very quicklyszybko a little bitkawałek furtherdalej
145
338000
4000
Ten pomysł się rozwinął,
05:57
when a scientistnaukowiec workingpracujący at the ScientificNaukowych InstituteInstytut decidedzdecydowany,
146
342000
3000
gdy pracownik Scientific Institute zaproponował,
06:00
"Why don't we try to packagepakiet these little viruseswirusy
147
345000
3000
żeby wgrać te wirusy
06:03
in artificialsztuczny worldsświaty insidewewnątrz of the computerkomputer
148
348000
2000
do sztucznej rzeczywistości
06:05
and let them evolveewoluować?"
149
350000
2000
i pozwolić im ewoluować.
06:07
And this was SteenSteen RasmussenRasmussen.
150
352000
2000
To był Steen Rasmussen.
06:09
And he designedzaprojektowany this systemsystem, but it really didn't work,
151
354000
2000
Nie zdało to egzaminu,
06:11
because his viruseswirusy were constantlystale destroyingniszczenie eachkażdy other.
152
356000
3000
bo wirusy niszczyły się nawzajem.
06:14
But there was anotherinne scientistnaukowiec who had been watchingoglądanie this, an ecologistekolog.
153
359000
3000
Ekolog, który się temu przyglądał,
06:17
And he wentposzedł home and saysmówi, "I know how to fixnaprawić this."
154
362000
3000
powiedział, że wie jak to naprawić.
06:20
And he wrotenapisał the TierraTierra systemsystem,
155
365000
2000
Napisał system Tierra,
06:22
and, in my bookksiążka, is in factfakt one of the first
156
367000
3000
który uważam za jeden z pierwszych
06:25
trulynaprawdę artificialsztuczny livingżycie systemssystemy --
157
370000
2000
sztucznych żywych systemów.
06:27
exceptz wyjątkiem for the factfakt that these programsprogramy didn't really growrosnąć in complexityzłożoność.
158
372000
3000
Jednak programy te nie stawały się bardziej złożone.
06:30
So havingmający seenwidziany this work, workedpracował a little bitkawałek on this,
159
375000
3000
Po analizie dotychczasowych wyników
06:33
this is where I cameoprawa ołowiana witrażu in.
160
378000
2000
sam przystąpiłem do akcji.
06:35
And I decidedzdecydowany to createStwórz a systemsystem
161
380000
2000
Postanowiłem stworzyć system,
06:37
that has all the propertiesnieruchomości that are necessaryniezbędny
162
382000
2000
który miałby wszystko co niezbędne,
06:39
to see the evolutionewolucja of complexityzłożoność,
163
384000
3000
by umożliwić ewolucję złożoności,
06:42
more and more complexzłożony problemsproblemy constantlystale evolvingewoluować.
164
387000
3000
ewolucję coraz bardziej złożonych problemów.
06:45
And of coursekurs, sinceod I really don't know how to writepisać codekod, I had help in this.
165
390000
3000
Nie umiem programować, więc potrzebowałem pomocy.
06:48
I had two undergraduatestudia licencjackie studentsstudenci
166
393000
2000
Pracowałem z dwoma studentami z Instytutu Technologii w Kalifornii.
06:50
at CaliforniaCalifornia InstituteInstytut of TechnologyTechnologia that workedpracował with me.
167
395000
3000
Pracowałem z dwoma studentami z Instytutu Technologii w Kalifornii.
06:53
That's CharlesCharles OffriaOffria on the left, TitusTitus BrownBrown on the right.
168
398000
3000
Charles Offria po lewej i Tytus Brown po prawej.
06:56
They are now actuallytak właściwie respectablepoważny professorsprofesorowie
169
401000
3000
Są teraz szacownymi profesorami
06:59
at MichiganMichigan StatePaństwa UniversityUniwersytet,
170
404000
2000
na Uniwersytecie Michigan,
07:01
but I can assuregwarantować you, back in the day,
171
406000
2000
ale zapewniam was,
07:03
we were not a respectablepoważny teamzespół.
172
408000
2000
że wtedy nie byliśmy szacownym zespołem.
07:05
And I'm really happyszczęśliwy that no photozdjęcie survivesprzetrwa
173
410000
2000
Cieszę się, że nie przetrwało żadne grupowe zdjęcie.
07:07
of the threetrzy of us anywheregdziekolwiek closeblisko togetherRazem.
174
412000
3000
Cieszę się, że nie przetrwało żadne grupowe zdjęcie.
07:10
But what is this systemsystem like?
175
415000
2000
Ale jak działał ten system?
07:12
Well I can't really go into the detailsdetale,
176
417000
3000
Nie będę się wdawać w szczegóły,
07:15
but what you see here is some of the entrailswnętrzności.
177
420000
2000
ale tu widać jego części.
07:17
But what I wanted to focusskupiać on
178
422000
2000
Chciałem się skupić
07:19
is this typerodzaj of populationpopulacja structureStruktura.
179
424000
2000
na strukturze populacji.
07:21
There's about 10,000 programsprogramy sittingposiedzenie here.
180
426000
3000
Mamy tu około 10 tys. programów.
07:24
And all differentróżne strainsszczepy are coloredkolorowy in differentróżne colorszabarwienie.
181
429000
3000
Każdy szczep ma inny kolor.
07:27
And as you see here, there are groupsgrupy that are growingrozwój on topTop of eachkażdy other,
182
432000
3000
Widać grupy, które wyrastają na innych,
07:30
because they are spreadingrozpościerający się.
183
435000
2000
bo się rozprzestrzeniają.
07:32
Any time there is a programprogram
184
437000
2000
Gdy pojawia się program,
07:34
that's better at survivingprzeżycie in this worldświat,
185
439000
2000
który lepiej potrafi przetrwać
07:36
duez powodu to whatevercokolwiek mutationMutacja it has acquirednabyte,
186
441000
2000
dzięki nabytym mutacjom
07:38
it is going to spreadrozpiętość over the othersinni and drivenapęd the othersinni to extinctionwygaśnięcie.
187
443000
3000
rozprzestrzeni się na inne i je wypleni.
07:41
So I'm going to showpokazać you a moviefilm where you're going to see that kinduprzejmy of dynamicdynamiczny.
188
446000
3000
Pokażę wam film, który to ilustruje.
07:44
And these kindsrodzaje of experimentseksperymenty are startedRozpoczęty
189
449000
3000
Te eksperymenty są przeprowadzane
07:47
with programsprogramy that we wrotenapisał ourselvesmy sami.
190
452000
2000
z naszymi własnymi programami.
07:49
We writepisać our ownwłasny stuffrzeczy, replicatereplika it,
191
454000
2000
Piszemy programy, powielamy je
07:51
and are very prouddumny of ourselvesmy sami.
192
456000
2000
i jesteśmy z siebie dumni.
07:53
And we put them in, and what you see immediatelynatychmiast
193
458000
3000
Umieszczamy je tam i natychmiast widzimy
07:56
is that there are wavesfale and wavesfale of innovationinnowacja.
194
461000
3000
wiele fal innowacji.
07:59
By the way, this is highlywysoko acceleratedprzyśpieszony,
195
464000
2000
Film jest w dużym przyspieszeniu,
08:01
so it's like a thousandtysiąc generationspokolenia a seconddruga.
196
466000
2000
tysiące pokoleń na sekundę.
08:03
But immediatelynatychmiast the systemsystem goesidzie like,
197
468000
2000
Sytem natychmiast wykrywa
08:05
"What kinduprzejmy of dumbgłupi piecekawałek of codekod was this?
198
470000
2000
głupie fragmenty programu,
08:07
This can be improvedulepszony uponna in so manywiele wayssposoby
199
472000
2000
które można szybko ulepszyć pod wieloma względami.
08:09
so quicklyszybko."
200
474000
2000
które można szybko ulepszyć pod wieloma względami.
08:11
So you see wavesfale of newNowy typestypy
201
476000
2000
Widać nowe typy, które falami zastępują poprzednie.
08:13
takingnabierający over the other typestypy.
202
478000
2000
Widać nowe typy, które falami zastępują poprzednie.
08:15
And this typerodzaj of activityczynność goesidzie on for quitecałkiem awhilechwilę,
203
480000
3000
Dzieje się tak przez jakiś czas,
08:18
untilaż do the mainGłówny easyłatwo things have been acquirednabyte by these programsprogramy.
204
483000
4000
aż proste przystosowania zostaną przyswojone.
08:22
And then you see sortsortować of like a stasiszastój comingprzyjście on
205
487000
4000
Potem następuje zastój,
08:26
where the systemsystem essentiallygłównie waitsczeka
206
491000
2000
gdy system spokojnie czeka
08:28
for a newNowy typerodzaj of innovationinnowacja, like this one,
207
493000
3000
na nowy typ innowacji, jak ten,
08:31
whichktóry is going to spreadrozpiętość
208
496000
2000
który rozprzestrzeni się
08:33
over all the other innovationsinnowacje that were before
209
498000
2000
na wszystkie inne innowacje
08:35
and is erasingKasowanie the genesgeny that it had before,
210
500000
3000
i zastąpi ich geny,
08:38
untilaż do a newNowy typerodzaj of higherwyższy levelpoziom of complexityzłożoność has been achievedosiągnięty.
211
503000
4000
aż do uzyskania większej złożoności.
08:42
And this processproces goesidzie on and on and on.
212
507000
3000
Dzieje się tak w kółko.
08:45
So what we see here
213
510000
2000
Mamy tutaj system,
08:47
is a systemsystem that liveszyje
214
512000
2000
który żyje w znajomy nam sposób.
08:49
in very much the way we're used to life [going.]
215
514000
2000
który żyje w znajomy nam sposób.
08:51
But what the NASANASA people had askedspytał me really
216
516000
4000
Jednak ludzie z NASA chcieli wiedzieć:
08:55
was, "Do these guys
217
520000
2000
"Czy one mają biosygnaturę?
08:57
have a biosignaturebiosignature?
218
522000
2000
"Czy one mają biosygnaturę?
08:59
Can we measurezmierzyć this typerodzaj of life?
219
524000
2000
Czy to życie jest wymierne?
09:01
Because if we can,
220
526000
2000
Jeśli tak, to może mamy szansę
09:03
maybe we have a chanceszansa of actuallytak właściwie discoveringodkrywanie life somewheregdzieś elsejeszcze
221
528000
3000
na odkrycie życia gdzieś indziej,
09:06
withoutbez beingistota biasedstronniczy
222
531000
2000
wolni od założeń, że życie
09:08
by things like aminoamino acidskwasy."
223
533000
2000
opiera się na aminokwasach".
09:10
So I said, "Well, perhapsmoże we should constructzbudować
224
535000
3000
Powiedziałem, że może da się stworzyć biosygnaturę
09:13
a biosignaturebiosignature
225
538000
2000
Powiedziałem, że może da się stworzyć biosygnaturę
09:15
basedna podstawie on life as a universaluniwersalny processproces.
226
540000
3000
opartą na życiu jako procesie uniwersalnym.
09:18
In factfakt, it should perhapsmoże make use
227
543000
2000
Może powinniśmy zająć się pojęciami,
09:20
of the conceptskoncepcje that I developedrozwinięty
228
545000
2000
które rozwijałem,
09:22
just in orderzamówienie to sortsortować of capturezdobyć
229
547000
2000
by zilustrować jak może wyglądać prosty żywy system.
09:24
what a simpleprosty livingżycie systemsystem mightmoc be."
230
549000
2000
by zilustrować jak może wyglądać prosty żywy system.
09:26
And the thing I cameoprawa ołowiana witrażu up with --
231
551000
2000
Wymyśliłem...
09:28
I have to first give you an introductionwprowadzenie about the ideapomysł,
232
553000
4000
Najpierw krótkie wprowadzenie,
09:32
and maybe that would be a meaningznaczenie detectorczujki,
233
557000
3000
może to będzie wykrywacz znaczenia,
09:35
ratherraczej than a life detectorczujki.
234
560000
3000
a nie wykrywacz życia.
09:38
And the way we would do that --
235
563000
2000
Robi się to tak...
09:40
I would like to find out how I can distinguishrozróżniać
236
565000
2000
Chcę się dowiedzieć, jak odróżnić
09:42
texttekst that was writtenpisemny by a millionmilion monkeysmałpy,
237
567000
2000
tekst napisany przez milion małp,
09:44
as opposedprzeciwny to texttekst that [is] in our booksksiążki.
238
569000
3000
od tekstów z naszych książek.
09:47
And I would like to do it in suchtaki a way
239
572000
2000
Chcę móc to zrobić
09:49
that I don't actuallytak właściwie have to be ablezdolny to readczytać the languagejęzyk,
240
574000
2000
nie znając języka,
09:51
because I'm sure I won'tprzyzwyczajenie be ablezdolny to.
241
576000
2000
bo nie będziemy go znali.
09:53
As long as I know that there's some sortsortować of alphabetalfabet.
242
578000
2000
Wystarczy, że będzie jakiś alfabet.
09:55
So here would be a frequencyczęstotliwość plotwątek
243
580000
3000
Można zrobić wykres
09:58
of how oftenczęsto you find
244
583000
2000
częstości występowania
10:00
eachkażdy of the 26 letterslisty of the alphabetalfabet
245
585000
2000
każdej z 26 liter alfabetu
10:02
in a texttekst writtenpisemny by randomlosowy monkeysmałpy.
246
587000
3000
w tekście napisanym przez małpy.
10:05
And obviouslyoczywiście eachkażdy of these letterslisty
247
590000
2000
Każda z tych liter pojawia się
10:07
comespochodzi off about roughlyw przybliżeniu equallyna równi frequentczęsty.
248
592000
2000
z prawie tą samą częstotliwością.
10:09
But if you now look at the samepodobnie distributiondystrybucja in EnglishAngielski textsteksty,
249
594000
4000
Ale jeśli spojrzeć na teksty w języku angielskim,
10:13
it lookswygląda like that.
250
598000
2000
widać coś takiego.
10:15
And I'm tellingwymowny you, this is very robustkrzepki acrossprzez EnglishAngielski textsteksty.
251
600000
3000
W angielskich tekstach to bardzo widoczne.
10:18
And if I look at FrenchFrancuski textsteksty, it lookswygląda a little bitkawałek differentróżne,
252
603000
2000
Teksty francuskie, włoskie czy niemieckie
10:20
or ItalianWłoski or GermanNiemiecki.
253
605000
2000
są trochę inne.
10:22
They all have theirich ownwłasny typerodzaj of frequencyczęstotliwość distributiondystrybucja,
254
607000
3000
Każdy z nich ma inny rozkład częstości,
10:25
but it's robustkrzepki.
255
610000
2000
ale różnice są widoczne.
10:27
It doesn't mattermateria whetherczy it writespisze about politicsPolityka or about sciencenauka.
256
612000
3000
Nie ważne czy mowa o polityce czy nauce.
10:30
It doesn't mattermateria whetherczy it's a poemwiersz
257
615000
3000
Nie ma znaczenia, czy to wiersz,
10:33
or whetherczy it's a mathematicalmatematyczny texttekst.
258
618000
3000
czy tekst o matematyce.
10:36
It's a robustkrzepki signaturepodpis,
259
621000
2000
To silna sygnatura,
10:38
and it's very stablestabilny.
260
623000
2000
która jest bardzo stabilna.
10:40
As long as our booksksiążki are writtenpisemny in EnglishAngielski --
261
625000
2000
Dopóki nasze książki będą po angielsku,
10:42
because people are rewritingprzepisanie them and recopyingponowne kopiowanie them --
262
627000
3000
bo ludzie cały czas je piszą i kopiują,
10:45
it's going to be there.
263
630000
2000
będą zawierać sygnaturę.
10:47
So that inspirednatchniony me to think about,
264
632000
2000
Zainspirowało mnie to do sprawdzenia,
10:49
well, what if I try to use this ideapomysł
265
634000
3000
Zainspirowało mnie to do sprawdzenia,
10:52
in orderzamówienie, not to detectwykryć randomlosowy textsteksty
266
637000
2000
czy można dzięki temu wykrywać znaczenie
10:54
from textsteksty with meaningznaczenie,
267
639000
2000
już nie w tekstach,
10:56
but ratherraczej detectwykryć the factfakt that there is meaningznaczenie
268
641000
4000
lecz w biocząsteczkach będących budulcami życia.
11:00
in the biomoleculesbiomolekuły that make up life.
269
645000
2000
lecz w biocząsteczkach będących budulcami życia.
11:02
But first I have to askzapytać:
270
647000
2000
Po pierwsze muszę spytać,
11:04
what are these buildingbudynek blocksBloki, like the alphabetalfabet, elementselementy that I showedpokazał you?
271
649000
3000
czym są te budulce życia, podobne do liter w alfabecie.
11:07
Well it turnsskręca out, we have manywiele differentróżne alternativesalternatywy
272
652000
3000
Okazuje się, że jest wiele alternatyw
11:10
for suchtaki a setzestaw of buildingbudynek blocksBloki.
273
655000
2000
na zestaw budulców życia.
11:12
We could use aminoamino acidskwasy,
274
657000
2000
Można użyć aminokwasów,
11:14
we could use nucleicnukleinowych acidskwasy, carboxylickarboksylowego acidskwasy, fattytłuszczowych acidskwasy.
275
659000
3000
kwasów nukleinowych, karboksylowych albo tłuszczowych.
11:17
In factfakt, chemistry'sChemia extremelyniezwykle richbogaty, and our bodyciało usesużywa a lot of them.
276
662000
3000
W naszych ciałach jest ich całe mnóstwo.
11:20
So that we actuallytak właściwie, to testtest this ideapomysł,
277
665000
3000
By to przetestować, przyjrzeliśmy się aminokwasom
11:23
first tookwziął a look at aminoamino acidskwasy and some other carboxylickarboksylowego acidskwasy.
278
668000
3000
i innym kwasom karboksylowym.
11:26
And here'soto jest the resultwynik.
279
671000
2000
Tu mamy rezultaty.
11:28
Here is, in factfakt, what you get
280
673000
3000
Oto jak wygląda dystrybucja aminokwasów
11:31
if you, for exampleprzykład, look at the distributiondystrybucja of aminoamino acidskwasy
281
676000
3000
Oto jak wygląda dystrybucja aminokwasów
11:34
on a cometkometa or in interstellarmiędzygwiezdny spaceprzestrzeń
282
679000
3000
na komecie albo w przestrzeni międzygwiezdnej
11:37
or, in factfakt, in a laboratorylaboratorium,
283
682000
2000
albo w laboratorium, gdzie rygorystycznie dopilnowano,
11:39
where you madezrobiony very sure that in your primordialpierwotny soupzupa
284
684000
2000
żeby w pierwotnej zupie
11:41
that there is not livingżycie stuffrzeczy in there.
285
686000
2000
nie znalazły się żywe elementy.
11:43
What you find is mostlyprzeważnie glycineglicyna and then alanineaminotransferazy
286
688000
3000
Znajdziemy tam głównie glicynę i alaninę,
11:46
and there's some traceślad elementselementy of the other oneste.
287
691000
3000
oraz śladowe ilości innych związków.
11:49
That is alsorównież very robustkrzepki --
288
694000
3000
To także wyraźnie widać
11:52
what you find in systemssystemy like EarthZiemia
289
697000
3000
w systemach takich, jak Ziemia,
11:55
where there are aminoamino acidskwasy,
290
700000
2000
gdzie są aminokwasy,
11:57
but there is no life.
291
702000
2000
ale nie ma życia.
11:59
But supposeprzypuszczać you take some dirtbrud
292
704000
2000
Weźmy garść ziemi,
12:01
and digkopać throughprzez it
293
706000
2000
przekopmy się przez nią
12:03
and then put it into these spectrometersSpektrometry,
294
708000
3000
i potem włóżmy ją do spektrometru.
12:06
because there's bacteriabakteria all over the placemiejsce;
295
711000
2000
Jest tam pełno bakterii.
12:08
or you take waterwoda anywheregdziekolwiek on EarthZiemia,
296
713000
2000
Ziemska woda
12:10
because it's teamingTworzenie zespołu with life,
297
715000
2000
też tętni życiem.
12:12
and you make the samepodobnie analysisanaliza;
298
717000
2000
Ta sama analiza
12:14
the spectrumwidmo lookswygląda completelycałkowicie differentróżne.
299
719000
2000
pokazuje inne spektrum.
12:16
Of coursekurs, there is still glycineglicyna and alanineaminotransferazy,
300
721000
4000
Nadal mamy glicynę i alaninę,
12:20
but in factfakt, there are these heavyciężki elementselementy, these heavyciężki aminoamino acidskwasy,
301
725000
3000
ale ciężkie pierwiastki, ciężkie aminokwasy
12:23
that are beingistota producedwytworzony
302
728000
2000
również są produkowane,
12:25
because these are valuablecenny to the organismorganizm.
303
730000
2000
bo są cenne dla organizmu.
12:27
And some other oneste
304
732000
2000
Są też inne,
12:29
that are not used in the setzestaw of 20,
305
734000
2000
nie używane w zestawie 20,
12:31
they will not appearzjawić się at all
306
736000
2000
które się w ogóle nie pojawią,
12:33
in any typerodzaj of concentrationstężenie.
307
738000
2000
w żadnym stężeniu.
12:35
So this alsorównież turnsskręca out to be extremelyniezwykle robustkrzepki.
308
740000
2000
Te różnice też są bardzo wyraźne.
12:37
It doesn't mattermateria what kinduprzejmy of sedimentosadów you're usingza pomocą to grindgrind up,
309
742000
3000
Rodzaj osadu nie ma znaczenia,
12:40
whetherczy it's bacteriabakteria or any other plantsrośliny or animalszwierzęta.
310
745000
3000
czy pochodzi od bakterii, roślin czy zwierząt.
12:43
AnywhereWszędzie there's life,
311
748000
2000
Wszędzie, gdzie jest życie,
12:45
you're going to have this distributiondystrybucja,
312
750000
2000
dystrybucja wygląda tak,
12:47
as opposedprzeciwny to that distributiondystrybucja.
313
752000
2000
w przeciwieństwie do tej.
12:49
And it is detectablewykrywalne not just in aminoamino acidskwasy.
314
754000
3000
Widać to nie tylko w aminokwasach.
12:52
Now you could askzapytać:
315
757000
2000
Możecie teraz spytać
12:54
well, what about these AvidiansAvidians?
316
759000
2000
a co z tymi Avidianami?
12:56
The AvidiansAvidians beingistota the denizensmieszkańcy of this computerkomputer worldświat
317
761000
4000
Avidiany to mieszkańcy świata komputerów,
13:00
where they are perfectlydoskonale happyszczęśliwy replicatingreplikowanie and growingrozwój in complexityzłożoność.
318
765000
3000
którzy bez trudu rozmnażają się i komplikują.
13:03
So this is the distributiondystrybucja that you get
319
768000
3000
Dostajemy taką dystrybucję;
13:06
if, in factfakt, there is no life.
320
771000
2000
nie ma tam życia.
13:08
They have about 28 of these instructionsinstrukcje.
321
773000
3000
Mają 28 instrukcji.
13:11
And if you have a systemsystem where they're beingistota replacedzastąpiony one by the other,
322
776000
3000
W systemie, gdzie jedna zastępują drugą,
13:14
it's like the monkeysmałpy writingpisanie on a typewritermaszyna do pisania.
323
779000
2000
są jak małpy piszące na maszynie.
13:16
EachKażdy of these instructionsinstrukcje appearspojawia się
324
781000
3000
Każda z tych instrukcji pojawia się równie często.
13:19
with roughlyw przybliżeniu the equalrówny frequencyczęstotliwość.
325
784000
3000
Każda z tych instrukcji pojawia się równie często.
13:22
But if you now take a setzestaw of replicatingreplikowanie guys
326
787000
4000
Ale dla zbioru replikujących się "wirusów"
13:26
like in the videowideo that you saw,
327
791000
2000
jak na filmie, który widzieliście,
13:28
it lookswygląda like this.
328
793000
2000
dystrybucja będzie wyglądała tak.
13:30
So there are some instructionsinstrukcje
329
795000
2000
Niektóre instrukcje są bardzo cenne dla tych organizmów,
13:32
that are extremelyniezwykle valuablecenny to these organismsorganizmy,
330
797000
2000
Niektóre instrukcje są bardzo cenne dla tych organizmów,
13:34
and theirich frequencyczęstotliwość is going to be highwysoki.
331
799000
3000
więc będą pojawiały się częściej.
13:37
And there's actuallytak właściwie some instructionsinstrukcje
332
802000
2000
Mamy też instrukcje,
13:39
that you only use oncepewnego razu, if ever.
333
804000
2000
które są prawie niewykorzystane.
13:41
So they are eitherzarówno poisonoustrujący
334
806000
2000
Albo są szkodliwe,
13:43
or really should be used at lessmniej of a levelpoziom than randomlosowy.
335
808000
4000
albo powinny występować rzadziej, niż wypada statystycznie.
13:47
In this casewalizka, the frequencyczęstotliwość is lowerniższy.
336
812000
3000
W tym wypadku spada częstość występowania.
13:50
And so now we can see, is that really a robustkrzepki signaturepodpis?
337
815000
3000
Czy to silna sygnatura?
13:53
I can tell you indeedw rzeczy samej it is,
338
818000
2000
Tak, bo ten typ spektrum jest taki sam,
13:55
because this typerodzaj of spectrumwidmo, just like what you've seenwidziany in booksksiążki,
339
820000
3000
jak ten z książek,
13:58
and just like what you've seenwidziany in aminoamino acidskwasy,
340
823000
2000
i ten, który widzieliśmy przy aminokwasach,
14:00
it doesn't really mattermateria how you changezmiana the environmentśrodowisko, it's very robustkrzepki;
341
825000
3000
zmiany środowiska nie mają znaczenia,
14:03
it's going to reflectodzwierciedlić the environmentśrodowisko.
342
828000
2000
efekt będzie odpowiadał środowisku.
14:05
So I'm going to showpokazać you now a little experimenteksperyment that we did.
343
830000
2000
Przedstawię wam nasz eksperyment.
14:07
And I have to explainwyjaśniać to you,
344
832000
2000
Muszę wyjaśnić,
14:09
the topTop of this graphwykres
345
834000
2000
że górna część wykresu
14:11
showsprzedstawia you that frequencyczęstotliwość distributiondystrybucja that I talkedrozmawialiśmy about.
346
836000
3000
pokazuje rozkład częstości, o którym mówiłem.
14:14
Here, in factfakt, that's the lifelessmartwe environmentśrodowisko
347
839000
3000
To środowisko bez życia,
14:17
where eachkażdy instructioninstrukcja occurswystępuje
348
842000
2000
każda instrukcja występuje równie często.
14:19
at an equalrówny frequencyczęstotliwość.
349
844000
2000
każda instrukcja występuje równie często.
14:21
And belowponiżej there, I showpokazać, in factfakt,
350
846000
3000
Pod spodem widać tempo mutacji w środowisku.
14:24
the mutationMutacja rateoceniać in the environmentśrodowisko.
351
849000
3000
Na dole widać tempo mutacji w środowisku.
14:27
And I'm startingstartowy this at a mutationMutacja rateoceniać that is so highwysoki
352
852000
3000
Zaczynamy od mutacji tak szybkich,
14:30
that, even if you would dropupuszczać
353
855000
2000
że umieszczony tam program replikujący,
14:32
a replicatingreplikowanie programprogram
354
857000
2000
że umieszczony tam program replikujący,
14:34
that would otherwisew przeciwnym razie happilySzczęśliwie growrosnąć up
355
859000
2000
który gdzie indziej urósłby,
14:36
to fillwypełniać the entireCały worldświat,
356
861000
2000
żeby zająć cały świat,
14:38
if you dropupuszczać it in, it getsdostaje mutatedzmutowane to deathśmierć immediatelynatychmiast.
357
863000
4000
teraz natychmiast zmutuje się na śmierć.
14:42
So there is no life possiblemożliwy
358
867000
2000
Życie nie może istnieć
14:44
at that typerodzaj of mutationMutacja rateoceniać.
359
869000
3000
przy takim tempie mutacji.
14:47
But then I'm going to slowlypowoli turnskręcać down the heatciepło, so to speakmówić,
360
872000
4000
Teraz powoli "przykręcę gaz",
14:51
and then there's this viabilityzdolność do życia thresholdpróg
361
876000
2000
i osiągniemy próg przeżywalności replikatora.
14:53
where now it would be possiblemożliwy
362
878000
2000
i osiągniemy próg przeżywalności replikatora.
14:55
for a replicatorReplikator to actuallytak właściwie liverelacja na żywo.
363
880000
2000
i osiągniemy próg przeżywalności replikatora.
14:57
And indeedw rzeczy samej, we're going to be droppingupuszczanie these guys
364
882000
3000
Będziemy je wrzucać
15:00
into that soupzupa all the time.
365
885000
2000
do naszej zupy cały czas.
15:02
So let's see what that lookswygląda like.
366
887000
2000
Zobaczmy jak to wygląda.
15:04
So first, nothing, nothing, nothing.
367
889000
3000
Nic się nie dzieje.
15:07
Too hotgorąco, too hotgorąco.
368
892000
2000
Jest zbyt gorąco.
15:09
Now the viabilityzdolność do życia thresholdpróg is reachedosiągnięty,
369
894000
3000
A teraz granica zostaje osiągnięta,
15:12
and the frequencyczęstotliwość distributiondystrybucja
370
897000
2000
dystrybucja częstości zmieniła się i ustabilizowała.
15:14
has dramaticallydramatycznie changedzmienione and, in factfakt, stabilizesstabilizuje.
371
899000
3000
dystrybucja częstości zmieniła się i ustabilizowała.
15:17
And now what I did there
372
902000
2000
A teraz byłem złośliwy
15:19
is, I was beingistota nastypaskudny, I just turnedobrócony up the heatciepło again and again.
373
904000
3000
i znów podkręciłem im gaz.
15:22
And of coursekurs, it reachessięga the viabilityzdolność do życia thresholdpróg.
374
907000
3000
Znów dotarły do granicy przeżywalności.
15:25
And I'm just showingseans this to you again because it's so nicemiły.
375
910000
3000
Pokazuję wam to w kółko, bo to bardzo fajne.
15:28
You hittrafienie the viabilityzdolność do życia thresholdpróg.
376
913000
2000
Gdy osiągnie się granicę życia,
15:30
The distributiondystrybucja changeszmiany to "aliveżywy!"
377
915000
2000
dystrybucja zmienia się na "żywy organizm!".
15:32
And then, oncepewnego razu you hittrafienie the thresholdpróg
378
917000
3000
A gdy dosięgnie się granicy,
15:35
where the mutationMutacja rateoceniać is so highwysoki
379
920000
2000
tempo mutacji jest tak wysokie,
15:37
that you cannotnie może self-reproducesamo-reprodukcji,
380
922000
2000
że nie można się rozmnażać
15:39
you cannotnie może copyKopiuj the informationInformacja
381
924000
3000
i przekazywać informacji
15:42
forwardNaprzód to your offspringpotomstwo
382
927000
2000
swojemu potomstwu
15:44
withoutbez makingzrobienie so manywiele mistakesbłędy
383
929000
2000
bez popełniania tak wielu błędów,
15:46
that your abilityzdolność to replicatereplika vanishesznika.
384
931000
3000
że znika zdolność do replikacji.
15:49
And then that signaturepodpis is lostStracony.
385
934000
3000
Wtedy sygnatura ginie.
15:52
What do we learnuczyć się from that?
386
937000
2000
Jaki z tego morał?
15:54
Well, I think we learnuczyć się a numbernumer of things from that.
387
939000
4000
Jest ich kilka.
15:58
One of them is,
388
943000
2000
Po pierwsze, jeśli możemy myśleć o życiu
16:00
if we are ablezdolny to think about life
389
945000
3000
Po pierwsze, jeśli możemy myśleć o życiu
16:03
in abstractabstrakcyjny termswarunki --
390
948000
2000
w kategoriach abstrakcyjnych,
16:05
and we're not talkingmówić about things like plantsrośliny,
391
950000
2000
a nie mówię tu o rzeczach takich jak rośliny,
16:07
and we're not talkingmówić about aminoamino acidskwasy,
392
952000
2000
czy aminokwasy,
16:09
and we're not talkingmówić about bacteriabakteria,
393
954000
2000
ani bakterie,
16:11
but we think in termswarunki of processesprocesy --
394
956000
2000
ale myśląc w kategoriach procesów,
16:13
then we could startpoczątek to think about life,
395
958000
3000
wtedy postrzeżemy życie,
16:16
not as something that is so specialspecjalny to EarthZiemia,
396
961000
2000
nie jako coś właściwego tylko Ziemi
16:18
but that, in factfakt, could exististnieć anywheregdziekolwiek.
397
963000
3000
ale coś, co może istnieć wszędzie.
16:21
Because it really only has to do
398
966000
2000
Bo życie polega na informacji,
16:23
with these conceptskoncepcje of informationInformacja,
399
968000
2000
na przechowywaniu informacji
16:25
of storingprzechowywanie informationInformacja
400
970000
2000
na fizycznych podłożach:.
16:27
withinw ciągu physicalfizyczny substratesSubstraty --
401
972000
2000
na fizycznych podłożach:
16:29
anything: bitsbity, nucleicnukleinowych acidskwasy,
402
974000
2000
bitach, kwasach nukleinowych,
16:31
anything that's an alphabetalfabet --
403
976000
2000
czymkolwiek, co może być alfabetem,
16:33
and make sure that there's some processproces
404
978000
2000
wystarczy, że jest jakiś proces,
16:35
so that this informationInformacja can be storedzapisane
405
980000
2000
dzięki któremu informacja przetrwa dużo dłużej,
16:37
for much longerdłużej than you would expectoczekiwać
406
982000
2000
niż wynikałoby z typowego okresu degradacji.
16:39
the time scaleswaga for the deteriorationpogorszenie of informationInformacja.
407
984000
4000
niż wynikałoby z typowego okresu degradacji.
16:43
And if you can do that,
408
988000
2000
Jeśli da się to zrobić,
16:45
then you have life.
409
990000
2000
to mamy życie.
16:47
So the first thing that we learnuczyć się
410
992000
2000
Po pierwsze uczymy się,
16:49
is that it is possiblemożliwy to definedefiniować life
411
994000
3000
że można zdefiniować życie
16:52
in termswarunki of processesprocesy alonesam,
412
997000
3000
dzięki samym procesom,
16:55
withoutbez referringreferring at all
413
1000000
2000
bez odniesień do rzeczy,
16:57
to the typerodzaj of things that we holdutrzymać deardrogi,
414
1002000
2000
które są nam bliskie,
16:59
as fardaleko as the typerodzaj of life on EarthZiemia is.
415
1004000
3000
jak typ życia na Ziemi.
17:02
And that in a sensesens removesusuwa us again,
416
1007000
3000
To znów zmienia naszą perspektywę,
17:05
like all of our scientificnaukowy discoveriesodkrycia, or manywiele of them --
417
1010000
3000
jak większość odkryć naukowych,
17:08
it's this continuousciągły dethroningdetronizacji of man --
418
1013000
2000
to ciągła detronizacja człowieka,
17:10
of how we think we're specialspecjalny because we're aliveżywy.
419
1015000
3000
przekonanie, że jesteśmy wyjątkowi, bo żyjemy.
17:13
Well we can make life. We can make life in the computerkomputer.
420
1018000
3000
Możemy tworzyć życie w komputerze.
17:16
GrantedPrzyznane, it's limitedograniczony,
421
1021000
2000
Ma to swoje granice,
17:18
but we have learnednauczyli what it takes
422
1023000
3000
ale nauczyliśmy się,
17:21
in orderzamówienie to actuallytak właściwie constructzbudować it.
423
1026000
2000
jak na prawdę je stworzyć.
17:23
And oncepewnego razu we have that,
424
1028000
3000
Kiedy się to uda,
17:26
then it is not suchtaki a difficulttrudny taskzadanie anymorejuż
425
1031000
3000
przestaje być trudne stwierdzenie,
17:29
to say, if we understandzrozumieć the fundamentalfundamentalny processesprocesy
426
1034000
4000
że jeśli zrozumiemy podstawowe procesy,
17:33
that do not referodnosić się to any particularszczególny substratesubstrat,
427
1038000
3000
które nie odnoszą się do konkretnego podłoża,
17:36
then we can go out
428
1041000
2000
możemy zacząć badać inne światy,
17:38
and try other worldsświaty,
429
1043000
2000
możemy zacząć badać inne światy,
17:40
figurepostać out what kinduprzejmy of chemicalchemiczny alphabetsalfabety mightmoc there be,
430
1045000
4000
odkryć potencjalne alfabety chemiczne,
17:44
figurepostać enoughdość about the normalnormalna chemistrychemia,
431
1049000
2000
zrozumieć zwyczajną chemię
17:46
the geochemistrygeochemii of the planetplaneta,
432
1051000
3000
i geochemię danej planety,
17:49
so that we know what this distributiondystrybucja would look like
433
1054000
2000
by wiedzieć, jak wygląda dystrybucja tam,
17:51
in the absencebrak of life,
434
1056000
2000
gdzie życia nie ma,
17:53
and then look for largeduży deviationsodchylenia from this --
435
1058000
3000
a potem odnaleźć odchylenia,
17:56
this thing stickingklejący out, whichktóry saysmówi,
436
1061000
3000
rzeczy, które są nietypowe,
17:59
"This chemicalchemiczny really shouldn'tnie powinien be there."
437
1064000
2000
np. "tego związku nie powinno tam być".
18:01
Now we don't know that there's life then,
438
1066000
2000
Nie wiemy, czy to życie,
18:03
but we could say,
439
1068000
2000
ale możemy zdecydować,
18:05
"Well at leastnajmniej I'm going to have to take a look very preciselydokładnie at this chemicalchemiczny
440
1070000
3000
że przyjrzymy się tym związkom bliżej,
18:08
and see where it comespochodzi from."
441
1073000
2000
by zobaczyć skąd pochodzą.
18:10
And that mightmoc be our chanceszansa
442
1075000
2000
To może być nasza szansa
18:12
of actuallytak właściwie discoveringodkrywanie life
443
1077000
2000
na odkrycie życia,
18:14
when we cannotnie może visiblyWidocznie see it.
444
1079000
2000
nawet gdy go nie widać.
18:16
And so that's really the only take-homezabrać do domu messagewiadomość
445
1081000
3000
Mam dla was tylko jedno przesłanie.
18:19
that I have for you.
446
1084000
2000
Mam dla was tylko jedno przesłanie.
18:21
Life can be lessmniej mysterioustajemniczy
447
1086000
2000
Życie może być mniej tajemnicze,
18:23
than we make it out to be
448
1088000
2000
niż je sobie przedstawiamy,
18:25
when we try to think about how it would be on other planetsplanety.
449
1090000
4000
gdy spekulujemy, jak może wyglądać na innych planetach.
18:29
And if we removeusunąć the mysteryzagadka of life,
450
1094000
3000
Gdy odjąć mu tajemniczość,
18:32
then I think it is a little bitkawałek easierłatwiejsze
451
1097000
3000
myślenie o tym, jak żyjemy
18:35
for us to think about how we liverelacja na żywo,
452
1100000
2000
może stać się prostsze.
18:37
and how perhapsmoże we're not as specialspecjalny as we always think we are.
453
1102000
3000
Może zauważymy, że nie jesteśmy tacy wyjątkowi.
18:40
And I'm going to leavepozostawiać you with that.
454
1105000
2000
Z tym was zostawię.
18:42
And thank you very much.
455
1107000
2000
Bardzo dziękuję.
18:44
(ApplauseAplauz)
456
1109000
2000
(Brawa)
Translated by Kinga Skorupska
Reviewed by Rysia Wand

▲Back to top

ABOUT THE SPEAKER
Christoph Adami - Artificial life researcher
Christoph Adami works on the nature of life and evolution, trying to define life in a way that is as free as possible from our preconceptions.

Why you should listen

Christoph Adami researches the nature of living systems, using 'artificial life' -- small, self-replicating computer programs. His main research focus is Darwinian evolution, which he studies at different levels of organization (from simple molecules to brains). He has pioneered theapplication of methods from information theory to the study of evolution, and designed the "Avida" system that launched the use of digital life as a tool for investigating basic questions in evolutionary biology.

He is Professor of Applied Life Sciences at the Keck Graduate Institute in Claremont, CA, and a Visiting Professor at the BEACON Center for the Study of Evolution in Action at Michigan State University. He obtained his PhD in theoretical physics from the State University of New York at Stony Brook. 

More profile about the speaker
Christoph Adami | Speaker | TED.com