'1994년으로 돌아가보기' 주제 테드 강의 번역(Danny Hillis)

'1994년으로 돌아가 보기' 주제 테드 강의

Because I usually take the role of trying to explain to people how wonderful the new technologies that are coming along are going to be, and I thought that, since I was among friends here, I would tell you what I really think and try to look back and try to understand what is really going on here with these amazing jumps in technology that seem so fast that we can barely keep on top of it.

 

So I'm going to start out by showing just one very boring technology slide. And then, so if you can just turn on the slide that's on. This is just a random slide that I picked out of my file. What I want to show you is not so much the details of the slide, but the general form of it. This happens to be a slide of some analysis that we were doing about the power of RISC microprocessors versus the power of local area networks. And the interesting thing about it is that this slide, like so many technology slides that we're used to, is a sort of a straight line on a semi-log curve. In other words, every step here represents an order of magnitude in performance scale. And this is a new thing that we talk about technology on semi-log curves. Something really weird is going on here. And that's basically what I'm going to be talking about.

 

So, if you could bring up the lights. If you could bring up the lights higher, because I'm just going to use a piece of paper here. Now why do we draw technology curves in semi-log curves? Well the answer is, if I drew it on a normal curve where, let's say, this is years, this is time of some sort, and this is whatever measure of the technology that I'm trying to graph, the graphs look sort of silly. They sort of go like this. And they don't tell us much. Now if I graph, for instance, some other technology, say transportation technology, on a semi-log curve, it would look very stupid, it would look like a flat line. But when something like this happens, things are qualitatively changing. So if transportation technology was moving along as fast as microprocessor technology, then the day after tomorrow, I would be able to get in a taxi cab and be in Tokyo in 30 seconds. It's not moving like that. And there's nothing precedented in the history of technology development of this kind of self-feeding growth where you go by orders of magnitude every few years.

 

Now the question that I'd like to ask is, if you look at these exponential curves, they don't go on forever. Things just can't possibly keep changing as fast as they are. One of two things is going to happen. Either it's going to turn into a sort of classical S-curve like this, until something totally different comes along, or maybe it's going to do this. That's about all it can do. Now I'm an optimist, so I sort of think it's probably going to do something like that. If so, that means that what we're in the middle of right now is a transition. We're sort of on this line in a transition from the way the world used to be to some new way that the world is. And so what I'm trying to ask, what I've been asking myself, is what's this new way that the world is? What's that new state that the world is heading toward? Because the transition seems very, very confusing when we're right in the middle of it.

 

Now when I was a kid growing up, the future was kind of the year 2000, and people used to talk about what would happen in the year 2000. Now here's a conference in which people talk about the future, and you notice that the future is still at about the year 2000. It's about as far as we go out. So in other words, the future has kind of been shrinking one year per year for my whole lifetime. Now I think that the reason is because we all feel that something's happening there. That transition is happening. We can all sense it. And we know that it just doesn't make too much sense to think out 30, 50 years because everything's going to be so different that a simple extrapolation of what we're doing just doesn't make any sense at all.

 

So what I would like to talk about is what that could be, what that transition could be that we're going through. Now in order to do that I'm going to have to talk about a bunch of stuff that really has nothing to do with technology and computers. Because I think the only way to understand this is to really step back and take a long time scale look at things. So the time scale that I would like to look at this on is the time scale of life on Earth. So I think this picture makes sense if you look at it a few billion years at a time.

 

So if you go back about two and a half billion years, the Earth was this big, sterile hunk of rock with a lot of chemicals floating around on it. And if you look at the way that the chemicals got organized, we begin to get a pretty good idea of how they do it. And I think that there's theories that are beginning to understand about how it started with RNA, but I'm going to tell a sort of simple story of it, which is that, at that time, there were little drops of oil floating around with all kinds of different recipes of chemicals in them. And some of those drops of oil had a particular combination of chemicals in them which caused them to incorporate chemicals from the outside and grow the drops of oil. And those that were like that started to split and divide. And those were the most primitive forms of cells in a sense, those little drops of oil.

 

But now those drops of oil weren't really alive, as we say it now, because every one of them was a little random recipe of chemicals. And every time it divided, they got sort of unequal division of the chemicals within them. And so every drop was a little bit different. In fact, the drops that were different in a way that caused them to be better at incorporating chemicals around them, grew more and incorporated more chemicals and divided more. So those tended to live longer, get expressed more.

 

Now that's sort of just a very simple chemical form of life, but when things got interesting was when these drops learned a trick about abstraction. Somehow by ways that we don't quite understand, these little drops learned to write down information. They learned to record the information that was the recipe of the cell onto a particular kind of chemical called DNA. So in other words, they worked out, in this mindless sort of evolutionary way, a form of writing that let them write down what they were, so that that way of writing it down could get copied. The amazing thing is that that way of writing seems to have stayed steady since it evolved two and a half billion years ago. In fact the recipe for us, our genes, is exactly that same code and that same way of writing. In fact, every living creature is written in exactly the same set of letters and the same code.

 

In fact, one of the things that I did just for amusement purposes is we can now write things in this code. And I've got here a little 100 micrograms of white powder, which I try not to let the security people see at airports. But this has in it -- what I did is I took this code -- the code has standard letters that we use for symbolizing it -- and I wrote my business card onto a piece of DNA and amplified it 10 to the 22 times. So if anyone would like a hundred million copies of my business card, I have plenty for everyone in the room, and, in fact, everyone in the world, and it's right here. If I had really been a egotist, I would have put it into a virus and released it in the room.

 

So what was the next step? Writing down the DNA was an interesting step. And that caused these cells -- that kept them happy for another billion years. But then there was another really interesting step where things became completely different, which is these cells started exchanging and communicating information, so that they began to get communities of cells. I don't know if you know this, but bacteria can actually exchange DNA. Now that's why, for instance, antibiotic resistance has evolved. Some bacteria figured out how to stay away from penicillin, and it went around sort of creating its little DNA information with other bacteria, and now we have a lot of bacteria that are resistant to penicillin, because bacteria communicate. Now what this communication allowed was communities to form that, in some sense, were in the same boat together; they were synergistic. So they survived or they failed together, which means that if a community was very successful, all the individuals in that community were repeated more and they were favored by evolution.

 

Now the transition point happened when these communities got so close that, in fact, they got together and decided to write down the whole recipe for the community together on one string of DNA. And so the next stage that's interesting in life took about another billion years. And at that stage, we have multi-cellular communities, communities of lots of different types of cells, working together as a single organism. And in fact, we're such a multi-cellular community. We have lots of cells that are not out for themselves anymore. Your skin cell is really useless without a heart cell, muscle cell, a brain cell and so on. So these communities began to evolve so that the interesting level on which evolution was taking place was no longer a cell, but a community which we call an organism.

 

Now the next step that happened is within these communities. These communities of cells, again, began to abstract information. And they began building very special structures that did nothing but process information within the community. And those are the neural structures. So neurons are the information processing apparatus that those communities of cells built up. And in fact, they began to get specialists in the community and special structures that were responsible for recording, understanding, learning information. And that was the brains and the nervous system of those communities. And that gave them an evolutionary advantage. Because at that point, an individual -- learning could happen within the time span of a single organism, instead of over this evolutionary time span.

 

So an organism could, for instance, learn not to eat a certain kind of fruit because it tasted bad and it got sick last time it ate it. That could happen within the lifetime of a single organism, whereas before they'd built these special information processing structures, that would have had to be learned evolutionarily over hundreds of thousands of years by the individuals dying off that ate that kind of fruit. So that nervous system, the fact that they built these special information structures, tremendously sped up the whole process of evolution. Because evolution could now happen within an individual. It could happen in learning time scales.

 

But then what happened was the individuals worked out, of course, tricks of communicating. And for example, the most sophisticated version that we're aware of is human language. It's really a pretty amazing invention if you think about it. Here I have a very complicated, messy, confused idea in my head. I'm sitting here making grunting sounds basically, and hopefully constructing a similar messy, confused idea in your head that bears some analogy to it. But we're taking something very complicated, turning it into sound, sequences of sounds, and producing something very complicated in your brain. So this allows us now to begin to start functioning as a single organism.

 

And so, in fact, what we've done is we, humanity, have started abstracting out. We're going through the same levels that multi-cellular organisms have gone through -- abstracting out our methods of recording, presenting, processing information. So for example, the invention of language was a tiny step in that direction. Telephony, computers, videotapes, CD-ROMs and so on are all our specialized mechanisms that we've now built within our society for handling that information. And it all connects us together into something that is much bigger and much faster and able to evolve than what we were before. So now, evolution can take place on a scale of microseconds. And you saw Ty's little evolutionary example where he sort of did a little bit of evolution on the Convolution program right before your eyes.

 

So now we've speeded up the time scales once again. So the first steps of the story that I told you about took a billion years a piece. And the next steps, like nervous systems and brains, took a few hundred million years. Then the next steps, like language and so on, took less than a million years. And these next steps, like electronics, seem to be taking only a few decades. The process is feeding on itself and becoming, I guess, autocatalytic is the word for it -- when something reinforces its rate of change. The more it changes, the faster it changes. And I think that that's what we're seeing here in this explosion of curve. We're seeing this process feeding back on itself.

 

Now I design computers for a living, and I know that the mechanisms that I use to design computers would be impossible without recent advances in computers. So right now, what I do is I design objects at such complexity that it's really impossible for me to design them in the traditional sense. I don't know what every transistor in the connection machine does. There are billions of them. Instead, what I do and what the designers at Thinking Machines do is we think at some level of abstraction and then we hand it to the machine and the machine takes it beyond what we could ever do, much farther and faster than we could ever do. And in fact, sometimes it takes it by methods that we don't quite even understand.

 

One method that's particularly interesting that I've been using a lot lately is evolution itself. So what we do is we put inside the machine a process of evolution that takes place on the microsecond time scale. So for example, in the most extreme cases, we can actually evolve a program by starting out with random sequences of instructions. Say, "Computer, would you please make a hundred million random sequences of instructions. Now would you please run all of those random sequences of instructions, run all of those programs, and pick out the ones that came closest to doing what I wanted." So in other words, I define what I wanted. Let's say I want to sort numbers, as a simple example I've done it with. So find the programs that come closest to sorting numbers.

 

So of course, random sequences of instructions are very unlikely to sort numbers, so none of them will really do it. But one of them, by luck, may put two numbers in the right order. And I say, "Computer, would you please now take the 10 percent of those random sequences that did the best job. Save those. Kill off the rest. And now let's reproduce the ones that sorted numbers the best. And let's reproduce them by a process of recombination analogous to sex." Take two programs and they produce children by exchanging their subroutines, and the children inherit the traits of the subroutines of the two programs. So I've got now a new generation of programs that are produced by combinations of the programs that did a little bit better job. Say, "Please repeat that process." Score them again. Introduce some mutations perhaps. And try that again and do that for another generation.

 

Well every one of those generations just takes a few milliseconds. So I can do the equivalent of millions of years of evolution on that within the computer in a few minutes, or in the complicated cases, in a few hours. At the end of that, I end up with programs that are absolutely perfect at sorting numbers. In fact, they are programs that are much more efficient than programs I could have ever written by hand.

 

Now if I look at those programs, I can't tell you how they work. I've tried looking at them and telling you how they work. They're obscure, weird programs. But they do the job. And in fact, I know, I'm very confident that they do the job because they come from a line of hundreds of thousands of programs that did the job. In fact, their life depended on doing the job.

 

I was riding in a 747 with Marvin Minsky once, and he pulls out this card and says, "Oh look. Look at this. It says, 'This plane has hundreds of thousands of tiny parts working together to make you a safe flight.' Doesn't that make you feel confident?"

 

In fact, we know that the engineering process doesn't work very well when it gets complicated. So we're beginning to depend on computers to do a process that's very different than engineering. And it lets us produce things of much more complexity than normal engineering lets us produce. And yet, we don't quite understand the options of it. So in a sense, it's getting ahead of us. We're now using those programs to make much faster computers so that we'll be able to run this process much faster. So it's feeding back on itself. The thing is becoming faster and that's why I think it seems so confusing. Because all of these technologies are feeding back on themselves. We're taking off.

 

And what we are is we're at a point in time which is analogous to when single-celled organisms were turning into multi-celled organisms. So we're the amoebas and we can't quite figure out what the hell this thing is we're creating. We're right at that point of transition. But I think that there really is something coming along after us. I think it's very haughty of us to think that we're the end product of evolution. And I think all of us here are a part of producing whatever that next thing is. So lunch is coming along, and I think I will stop at that point, before I get selected out.

 

'1994년으로 돌아가보기' 주제 테드 강의 번역

왜냐하면 저는 보통 사람들에게 앞으로 다가올 신기술이 얼마나 멋질지 설명하는 역할을 맡거든요. 그리고 저는 이 자리에 있는 친구들 사이에서 제가 정말 무슨 생각을 하는지 말하고, 뒤돌아보고, 이 놀라운 기술의 도약으로 인해 실제로 어떤 일이 일어나고 있는지 이해하려고 노력해야겠다고 생각했습니다. 우리가 거의 따라갈 수 없을 정도로 빨라요

 

우선 아주 지루한 기술 슬라이드 하나만 보여드리면서 시작하겠습니다. 슬라이드를 켜주시면 됩니다. 이건 제 파일에서 무작위로 뽑아낸 슬라이드입니다. 제가 보여드리고 싶은 것은 슬라이드의 세부사항보다는 일반적인 형태입니다. 이것은 RISC 마이크로프로세서의 전력과 근거리 통신망의 전력에 대한 몇 가지 분석의 슬라이드입니다. 흥미로운 점은 이 슬라이드가 우리가 익숙한 수많은 기술 슬라이드처럼 세미 로그 곡선의 일직선이라는 것입니다. 다시 말해, 여기의 모든 단계는 성능 규모에서 크기순을 나타냅니다. 그리고 이것이 우리가 세미 로그 곡선에서 기술에 대해 이야기하는 새로운 것입니다. 정말 이상한 일이 벌어지고 있어 그리고 그것이 제가 말하고자 하는 것입니다.

 

그러니까 불 좀 켜주실래요? 조명을 좀 더 높여주세요. 여기 종이 한 장만 쓸 거라서요. 왜 우리는 기술 곡선을 세미 로그 곡선으로 그릴까요? 정답은, 만약 제가 이것을 일반적인 곡선으로 그린다면, 예를 들어, 이건 몇 년이고, 이건 일종의 시간이고, 이건 제가 그래프로 그리려고 하는 기술의 어떤 척도든 간에, 그래프는 좀 우스꽝스럽게 보입니다. 약간 이런 느낌이에요. 그리고 그들은 우리에게 많은 것을 알려주지 않는다. 예를 들어, 다른 기술, 예를 들어 교통 기술을 세미 로그 곡선에 표시한다면, 매우 어리석어 보일 것입니다. 평평한 선처럼 보일 것입니다. 하지만 이런 일이 일어나면 질적으로 변화한다. 그래서 만약 교통 기술이 마이크로프로세서 기술처럼 빠르게 움직인다면, 내일모레는 택시를 타고 도쿄에 30초 안에 도착할 수 있을 것입니다. 그렇게는 안 움직여. 기술 개발 역사상 이런 자급자족 성장은 전례가 없습니다. 몇 년에 한 번씩 엄청난 규모로 말이죠.

 

이제 제가 묻고 싶은 질문은, 이 지수 곡선을 보면, 그것들이 영원히 지속되지는 않는다는 것입니다. 상황이 지금처럼 빠르게 계속 변할 수는 없어요. 둘 중 하나가 일어날 것입니다. 이런 고전적인 S-곡선으로 변할 수도 있고 아니면 완전히 다른 결과가 나올 수도 있습니다. 그게 할 수 있는 전부야 지금은 제가 낙관론자이기 때문에 아마 그런 일을 할 수 있을 것 같습니다. 만약 그렇다면, 우리가 지금 중간에 있는 것은 과도기라는 뜻입니다. 우리는 이 선상에 놓여 있습니다. 세상이 그랬던 방식에서 새로운 방식으로의 전환기에 있습니다. 그래서 제가 묻고 싶은 것은, 제 스스로에게 묻고 싶은 것은, 세상이란 새로운 방식인가 하는 것입니다. 세계가 지향하는 새로운 상태는 무엇일까요? 왜냐하면 우리가 그 중간에 있을 때 그 변화는 매우, 매우 혼란스러워 보이기 때문입니다.

 

제가 어렸을 때 미래는 2000년 정도였고 사람들은 2000년에 무슨 일이 일어날지에 대해 이야기하곤 했습니다. 자, 여기 사람들이 미래에 대해 이야기하는 컨퍼런스가 있습니다. 그리고 여러분은 미래가 여전히 2000년 정도라는 것을 알 수 있습니다. 우리가 나갈 수 있는 정도야. 다시 말해, 미래는 제 평생 동안 매년 줄어들고 있습니다. 그 이유는 우리 모두가 그곳에서 무슨 일이 일어나고 있다고 느끼기 때문이라고 생각합니다. 그런 변화가 일어나고 있다. 우리 모두 느낄 수 있어 그리고 우리는 30년, 50년을 생각하는 것은 말이 안 된다는 것을 알고 있습니다. 왜냐하면 모든 것이 너무 달라져서 우리가 하고 있는 것에 대한 간단한 추론은 전혀 말이 되지 않을 것이기 때문입니다.

 

그래서 제가 말씀드리고 싶은 것은 그것이 무엇이 될 수 있는지, 우리가 겪고 있는 그 전환은 무엇일지입니다. 그러기 위해서 저는 기술과 컴퓨터와는 전혀 상관없는 많은 것들에 대해 이야기해야 합니다. 왜냐하면 저는 이것을 이해하는 유일한 방법은 정말로 한 발짝 물러서서 사물을 바라보는 것이라고 생각하기 때문입니다. 그래서 제가 이것을 보고자 하는 시간 척도는 지구 상의 생명체의 시간 척도입니다. 그래서 한 번에 몇 십억 년씩 보면 이 그림이 말이 된다고 생각합니다.

 

그래서 약 25억년 전으로 돌아가 보면 지구는 이렇게 크고 무균인 바위 덩어리였고 많은 화학물질이 떠다녔습니다. 그리고 화학물질이 어떻게 구성되었는지 보면, 우리는 그것들이 어떻게 작용하는지 꽤 잘 알 수 있습니다.

 

어떻게 RNA가 시작되었는지에 대한 이론들이 있습니다. 하지만 간단한 이야기를 해보려고 합니다. 그 당시에는 여러 종류의 화학 물질들이 떠다니고 있었습니다. 그리고 그 기름방울들 중 일부는 특정한 화학 물질들의 조합을 가지고 있었습니다. 그래서 그것들은 외부로부터 화학 물질을 흡수하고 기름방울들을 자라게 했습니다. 그리고 그런 것들이 갈라지고 분열되기 시작했습니다. 그리고 그것들은 어떤 의미에서 가장 원시적인 형태의 세포였습니다. 그 작은 기름방울들 말입니다.

 

하지만 지금 우리가 말하는 것처럼 그 기름 방울들은 실제로 살아있지 않았습니다. 왜냐하면 그 모든 것들이 화학물질의 작은 무작위 조리법이었기 때문입니다. 그리고 분열될 때마다, 그들은 화학물질의 불균등한 분열을 겪습니다. 그래서 한 방울 한 방울이 조금씩 달랐습니다. 사실, 주변의 화학물질을 더 잘 포함하게 만드는 방식으로 다른 방울들은 더 많이 자라고 더 많은 화학물질을 통합하고 더 많이 나누었습니다. 그래서 더 오래 사는 경향이 있고, 더 많이 표현되는 경향이 있습니다.

 

그건 아주 단순한 화학적 형태의 생명체지만, 흥미로운 것은 이 방울들이 추상화에 대한 묘기를 배울 때입니다. 우리가 잘 이해하지 못하는 방식으로, 이 작은 방울들은 정보를 적는 법을 배웠습니다. 그들은 세포의 레시피인 정보를 DNA라고 불리는 특정한 종류의 화학 물질에 기록하는 것을 배웠습니다. 다시 말해, 그들은 이런 생각 없는 진화적인 방법으로 그들이 무엇이었는지 쓸 수 있도록 하는 글쓰기의 형태를 연구했습니다. 그래서 그것을 적는 방법이 복사될 수 있도록 말이죠. 놀라운 것은 그런 글쓰기가 25억 년 전에 진화한 이후로 꾸준히 유지되어 온 것 같다는 것이다. 사실 우리의 유전자, 레시피는 정확히 같은 코드와 같은 쓰기 방식입니다. 사실, 모든 살아있는 생명체는 정확히 같은 문자 세트와 같은 코드로 쓰여 있습니다.

 

사실, 제가 단지 재미를 위해 했던 것 중 하나는 이제 우리가 이 코드에 무언가를 쓸 수 있다는 것입니다. 그리고 여기 100마이크로그램의 하얀 가루도 있습니다. 공항에서 보안요원들이 보지 못하게 하려고요. 하지만 이건 제가 이 코드를 가져왔습니다. 코드는 우리가 그것을 상징하기 위해 사용하는 표준 글자를 가지고 있습니다. 그리고 저는 제 명함을 DNA 조각에 쓰고 그것을 10배에서 22배로 증폭시켰습니다. 1억 장의 제 명함을 원하신다면 여기 계신 모든 분들께 드릴 수 있는 충분한 명함이 있습니다. 그리고 사실, 전 세계 모든 분들께도요. 바로 여기 있습니다. 내가 정말 이기주의자였다면 바이러스에 감염시켜서 방에 풀어놨을 거야.

 

그래서 다음 단계는 무엇이었나요? DNA를 적는 것은 흥미로운 단계였다. 그리고 그것이 세포들을 야기시켰죠. 그 세포들은 앞으로 10억년 동안 행복하게 유지되었습니다. 하지만 완전히 다른 흥미로운 단계가 있었습니다. 바로 이 세포들이 정보를 교환하고 소통하기 시작했고, 세포들의 공동체를 형성하기 시작했습니다. 여러분이 아실지 모르겠지만 박테리아는 실제로 DNA를 교환할 수 있습니다. 예를 들어 항생제 내성이 진화한 이유이기도 하고요. 어떤 박테리아는 페니실린을 멀리하는 방법을 알아냈고, 다른 박테리아와 함께 DNA 정보를 만들어 냈습니다. 이제 우리는 페니실린에 내성이 있는 박테리아가 많이 생겼습니다. 왜냐하면 박테리아가 소통하기 때문입니다. 이 소통이 가능했던 것은 공동체가 어떤 의미에서는 같은 배를 타고 있는 것입니다. 그들은 시너지 효과를 보였죠. 그래서 그들은 살아남았거나 함께 실패했고, 이것은 한 공동체가 매우 성공적이라면 그 공동체의 모든 개인들이 더 많이 반복되었고 진화의 총애를 받았다는 것을 의미합니다.

 

전환점은 이 커뮤니티들이 매우 가까워졌을 때 일어났습니다. 사실, 그들은 함께 모여서 하나의 DNA 줄에 커뮤니티를 위한 전체 레시피를 적기로 결정했습니다. 생명에 흥미로운 다음 단계는 약 10억 년이 더 걸렸습니다. 그리고 그 단계에서, 우리는 다세포 공동체를 가지고 있습니다. 많은 다른 종류의 세포 집단들이 하나의 유기체로 함께 일하고 있습니다. 그리고 사실, 우리는 다세포 공동체입니다. 우리는 더 이상 스스로 빠져나가지 않는 많은 세포들을 가지고 있습니다. 당신의 피부 세포는 심장 세포, 근육 세포, 뇌 세포 등이 없으면 정말 쓸모가 없습니다. 그래서 이 공동체들은 진화가 일어나는 흥미로운 수준은 더 이상 세포가 아니라 유기체라고 부르는 공동체였습니다.

 

이제 일어난 다음 단계는 이 지역 사회 안에서 일어납니다. 이러한 세포들의 공동체는, 다시, 정보를 추상화하기 시작했다. 그리고 그들은 공동체 내에서 정보를 처리하는 것 외에는 아무것도 하지 않는 매우 특별한 구조물을 짓기 시작했습니다. 그리고 그것들은 신경 구조입니다. 뉴런은 세포들의 공동체가 구축한 정보 처리 장치입니다.

 

그리고 사실, 그들은 공동체의 전문가들과 정보를 기록하고, 이해하고, 배우는 것을 담당하는 특별한 구조물을 얻기 시작했습니다. 그리고 그것은 그 공동체의 뇌와 신경계였습니다. 그리고 그것은 그들에게 진화적인 이점을 주었습니다. 왜냐하면 이 시점에서, 학습은 단일 유기체의 시간 범위 내에서 일어날 수 있기 때문입니다. 진화적인 시간 범위 대신에 말이죠.

 

예를 들어, 유기체는 특정 종류의 과일을 먹지 않는 법을 배울 수 있습니다. 왜냐하면 맛이 없고 지난번에 먹었을 때 병이 났기 때문입니다. 이런 일은 단일 유기체의 수명 내에 일어날 수 있습니다. 반면에 그들이 이런 특별한 정보처리 구조를 만들기 전에, 이런 종류의 과일을 먹어 치우는 개체들이 수십만 년에 걸쳐 진화적으로 배워야만 했습니다. 그래서 신경계, 즉 그들이 이런 특별한 정보 구조를 만들었다는 사실은 진화의 전체 과정을 엄청나게 가속화시켰습니다. 왜냐하면 진화는 이제 개인 안에서 일어날 수 있기 때문입니다. 그것은 학습 시간 척도에서 일어날 수 있습니다.

 

하지만 그 후 일어난 일은 물론, 개인들이 의사소통하는 요령을 터득하는 것이었습니다. 예를 들어, 우리가 알고 있는 가장 복잡한 버전은 인간의 언어입니다. 생각해보면 정말 놀라운 발명품입니다. 제 머릿속에는 복잡하고, 지저분하고, 혼란스러운 생각이 있습니다. 난 여기 앉아서 투덜대는 소리를 내면서 네 머릿속에 있는 비슷한 혼란스러운 생각을 떠올리길 바라. 하지만 우리는 매우 복잡한 것을 소리와 일련의 소리로 바꾸고 여러분의 뇌에서 매우 복잡한 것을 만들어냅니다. 그래서 이제 우리는 하나의 유기체로서 기능하기 시작할 수 있게 되었습니다.

 

그래서 사실, 우리가 한 일은, 우리 인류가 추상화되기 시작한 것입니다. 우리는 다세포 유기체가 겪었던 것과 같은 수준의 정보를 기록하고, 표시하고, 처리하는 우리의 방법을 추상화합니다. 예를 들어, 언어의 발명은 그러한 방향으로 가는 작은 단계였습니다. 전화 통신, 컴퓨터, 비디오테이프, CD-ROM 등은 현재 우리 사회에서 그러한 정보를 처리하기 위한 전문화된 메커니즘입니다. 그리고 이 모든 것은 우리를 예전보다 훨씬 더 크고, 빠르고, 진화할 수 있는 무언가로 연결시켜줍니다. 그래서 이제 진화는 마이크로초 단위로 일어날 수 있습니다. 그리고 여러분은 Ty의 작은 진화적인 예를 보셨을 겁니다. 그가 여러분 눈앞에서 컨볼루션 프로그램에서 약간의 진화를 한 것이죠.

 

그래서 다시 한번 시간 스케일의 속도를 높였습니다. 제가 말씀드린 이야기의 첫 단계는 한 조각에 10억년이 걸렸습니다. 그리고 신경계나 뇌와 같은 다음 단계는 수억 년이 걸렸습니다. 그 후 언어 등과 같은 다음 단계는 백만 년도 채 걸리지 않았습니다. 그리고 전자제품과 같은 이다음 단계들은 단지 몇십 년 밖에 걸리지 않는 것처럼 보입니다. 그 과정은 스스로 먹고살며, 제 생각에, 어떤 것이 그것의 변화 속도를 강화시킬 때, 자동 촉매가 되는 것입니다. 더 많이 변할수록, 더 빨리 변합니다. 그리고 제 생각에 이것이 바로 이 곡선의 폭발에서 우리가 보고 있는 것입니다. 우리는 이 과정이 스스로 되돌아가는 것을 보고 있다.

 

이제 저는 생계를 위해 컴퓨터를 디자인하는데, 제가 컴퓨터를 디자인하기 위해 사용하는 메커니즘은 최근의 컴퓨터의 발전 없이는 불가능할 것이라는 것을 알고 있습니다. 그래서 지금 제가 하는 일은 전통적인 의미에서 디자인하는 것이 정말 불가능할 정도로 복잡한 방식으로 객체를 디자인하는 것입니다. 연결기에 있는 트랜지스터가 다 무슨 역할을 하는지 모르겠어요. 수십억 명이 있어요 대신, 제가 하는 일과 Thinking Machines의 디자이너들이 하는 일은 우리가 어느 정도 추상화를 생각하고 그것을 기계에 넘겨주면 기계는 우리가 할 수 있는 것보다 훨씬 더 멀리 그리고 더 빠르게 우리가 할 수 있는 것을 가능하게 합니다. 그리고 사실, 때때로 우리가 잘 이해하지 못하는 방법을 사용하기도 합니다.

 

제가 최근에 많이 사용하고 있는 한 가지 흥미로운 방법은 진화 그 자체입니다. 그래서 우리가 하는 것은 마이크로초 단위로 일어나는 진화의 과정을 기계 안에 넣는 것입니다. 예를 들어, 가장 극단적인 경우, 우리는 실제로 무작위로 명령을 내리는 것으로 프로그램을 발전시킬 수 있습니다. "컴퓨터, 1억개의 무작위로 명령어들을 만들어 주시겠어요? 이제 이 모든 명령들을 무작위로 실행하고, 모든 프로그램들을 실행하고, 제가 원하는 것을 할 수 있는 가장 가까운 프로그램들을 골라주세요." 다시 말해서, 나는 내가 원하는 것을 정의한다. 예를 들어 숫자를 정렬하고 싶다고 가정해 보겠습니다. 그러므로 숫자를 정렬하는 것에 가장 가까운 프로그램을 찾으세요.

 

물론 무작위로 배열된 명령은 숫자를 정렬할 가능성이 매우 낮기 때문에 실제로 숫자를 정렬할 수 있는 방법은 없습니다. 하지만 운 좋게도 그들 중 하나는 두 숫자를 올바른 순서로 배열할 수 있다.

 

그리고 저는 이렇게 말합니다. "컴퓨터, 이제 가장 잘한 랜덤 시퀀스의 10%를 뽑아주시겠어요? 아껴요. 나머지를 죽여라. 그리고 이제 숫자를 가장 잘 정렬한 것을 재현해 봅시다. 그리고 성과 유사한 재조합 과정을 통해 그것들을 재생산합시다." 프로그램 두 개를 취하면 서브루틴을 교환하여 자식 프로그램을 제작하고, 자식 프로그램은 두 프로그램의 서브루틴의 특성을 이어받습니다. 그래서 저는 이제 조금 더 잘한 프로그램들을 조합해서 제작하는 새로운 세대의 프로그램들을 가지고 있습니다. "그 과정을 반복해 주세요."라고 말합니다. 다시 점수를 매겨라. 돌연변이를 도입해봐 그리고 다시 시도하고 다음 세대를 위해 그렇게 하세요.

 

이 모든 세대들은 몇 밀리초밖에 걸리지 않습니다. 그래서 저는 컴퓨터 안에서 몇 분 안에 또는 복잡한 경우에는 몇 시간 안에 수백만 년의 진화를 할 수 있습니다. 그 끝에, 저는 숫자를 완벽하게 정렬하는 프로그램들로 끝납니다. 사실 제가 직접 작성할 수 있었던 프로그램들보다 훨씬 더 효율적인 프로그램들이에요.

 

지금 그 프로그램들을 보면 어떻게 작동하는지 말씀드릴 수가 없습니다. 난 그것들을 보고 어떻게 작동하는지 말해보려고 노력했어. 잘 알려지지 않은 이상한 프로그램들이야 하지만 그들은 그 일을 한다. 그리고 사실, 저는 그들이 그 일을 한다는 것을 매우 확신합니다. 왜냐하면 그들은 그 일을 했던 수십만 개의 프로그램들로부터 오기 때문입니다. 사실, 그들의 목숨은 그 일을 하는 데 달렸습니다.

 

한 번은 마빈 민스키와 747기를 타고 있었는데, 그가 카드를 꺼내서 말했습니다. "오, 보세요. 이것 좀 봐요. '이 비행기에는 안전한 비행을 위해 함께 작동하는 수십만 개의 작은 부품들이 있습니다.'라고 쓰여 있습니다. 그러면 자신감이 생기지 않나요?"

 

사실 우리는 엔지니어링 과정이 복잡해지면 잘 안 된다는 것을 알고 있습니다. 그래서 우리는 공학과는 매우 다른 과정을 하기 위해 컴퓨터에 의존하기 시작했습니다. 그리고 그것은 우리가 생산하는 일반적인 공학보다 훨씬 더 복잡한 것들을 만들 수 있게 해 줍니다. 그럼에도 불구하고, 우리는 그것의 선택지를 잘 이해하지 못합니다. 그래서 어떤 면에서는, 그것은 우리를 앞서고 있다. 우리는 이제 이러한 프로그램을 사용하여 훨씬 더 빠른 컴퓨터를 만들고 있습니다. 그래야 이 프로세스를 훨씬 더 빠르게 실행할 수 있습니다. 그래서 스스로 되갚고 있는 거군요. 일이 점점 빨라져서 헷갈리는 것 같아. 왜냐하면 이 모든 기술들이 스스로 역행하고 있기 때문입니다. 이륙한다.

 

그리고 우리는 단세포 유기체가 다세포 유기체로 변하던 때와 비슷한 시점에 있습니다. 그러니까 우린 아메바고 우리가 만드는 게 뭔지 알 수가 없단 거군 우리는 바로 그 전환점에 있다. 하지만 정말 우리 뒤에 뭔가가 오고 있는 것 같아. 저는 우리가 진화의 최종 산물이라고 생각하는 것은 매우 거만한 일이라고 생각합니다. 그리고 여기 있는 우리 모두는 그다음 것이 무엇이든지 간에 생산의 한 부분이라고 생각합니다. 점심시간이 다가오는데, 선발되기 전에 이쯤에서 끝내야 할 것 같아요.