Placeholder Image

字幕表 動画を再生する

  • In the movie "Interstellar,"

    翻訳: Kaoru Suzuki 校正: Masaki Yanagishita

  • we get an up-close look at a supermassive black hole.

    映画『インターステラー』では

  • Set against a backdrop of bright gas,

    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

  • the black hole's massive gravitational pull

    明るいガスを背景として

  • bends light into a ring.

    ブラックホールの巨大な重力によって

  • However, this isn't a real photograph,

    光がリング状に曲げられています

  • but a computer graphic rendering --

    しかし これは実際の写真ではなく

  • an artistic interpretation of what a black hole might look like.

    コンピュータグラフィックによるもので

  • A hundred years ago,

    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

  • Albert Einstein first published his theory of general relativity.

    100年前に

  • In the years since then,

    アインシュタインが 一般相対性理論を発表しました

  • scientists have provided a lot of evidence in support of it.

    それ以来

  • But one thing predicted from this theory, black holes,

    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

  • still have not been directly observed.

    しかし この理論で予言された ブラックホールは

  • Although we have some idea as to what a black hole might look like,

    まだ 直接は観測されていません

  • we've never actually taken a picture of one before.

    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

  • However, you might be surprised to know that that may soon change.

    まだ 実際の写真は 1枚も撮られていません

  • We may be seeing our first picture of a black hole in the next couple years.

    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

  • Getting this first picture will come down to an international team of scientists,

    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

  • an Earth-sized telescope

    最初の1枚の撮影は 世界中の科学者からなるチームと

  • and an algorithm that puts together the final picture.

    地球サイズの望遠鏡と

  • Although I won't be able to show you a real picture of a black hole today,

    1枚の写真に構成する アルゴリズムによるものです

  • I'd like to give you a brief glimpse into the effort involved

    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

  • in getting that first picture.

    その最初の1枚を撮るための舞台裏を

  • My name is Katie Bouman,

    ちらりとお見せします

  • and I'm a PhD student at MIT.

    私は ケイティ・バウマンと申します

  • I do research in a computer science lab

    MITの大学院生で

  • that works on making computers see through images and video.

    コンピュータサイエンス研究室で

  • But although I'm not an astronomer,

    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

  • today I'd like to show you

    私が天文学者ではないのに

  • how I've been able to contribute to this exciting project.

    この刺激的なプロジェクトに

  • If you go out past the bright city lights tonight,

    どのように貢献してきたかをお見せします

  • you may just be lucky enough to see a stunning view

    今夜 都会の明かりから逃れて郊外へ行けば

  • of the Milky Way Galaxy.

    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

  • And if you could zoom past millions of stars,

    何百万もの星を通り抜けて

  • 26,000 light-years toward the heart of the spiraling Milky Way,

    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

  • we'd eventually reach a cluster of stars right at the center.

    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

  • Peering past all the galactic dust with infrared telescopes,

    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

  • astronomers have watched these stars for over 16 years.

    赤外線望遠鏡で観測し始めてから 16年以上経ちます

  • But it's what they don't see that is the most spectacular.

    しかし 一番見たいものを見てはいません

  • These stars seem to orbit an invisible object.

    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

  • By tracking the paths of these stars,

    この星々の軌道を追跡した結果

  • astronomers have concluded

    天文学者は

  • that the only thing small and heavy enough to cause this motion

    この運動を引き起こすような サイズと質量の天体は

  • is a supermassive black hole --

    超大質量ブラックホールだけと結論づけました

  • an object so dense that it sucks up anything that ventures too close --

    それは 密度がとても高いため 近づいたものを全て―

  • even light.

    光さえも 飲み込みます

  • But what happens if we were to zoom in even further?

    もっと拡大して見たらどうなるでしょう?

  • Is it possible to see something that, by definition, is impossible to see?

    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?

  • Well, it turns out that if we were to zoom in at radio wavelengths,

    電波望遠鏡で観測すれば

  • we'd expect to see a ring of light

    ブラックホールの周囲の高温プラズマが

  • caused by the gravitational lensing of hot plasma

    重力で曲がることによってできる

  • zipping around the black hole.

    光のリングを観測できるはずです

  • In other words,

    つまり

  • the black hole casts a shadow on this backdrop of bright material,

    ブラックホールは この明るい物質を背景に影を作り

  • carving out a sphere of darkness.

    球状の暗闇を作りだすのです

  • This bright ring reveals the black hole's event horizon,

    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

  • where the gravitational pull becomes so great

    ここから先は あまりに重力が強いので

  • that not even light can escape.

    光でさえ逃れられなくなります

  • Einstein's equations predict the size and shape of this ring,

    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

  • so taking a picture of it wouldn't only be really cool,

    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

  • it would also help to verify that these equations hold

    アインシュタインの方程式が ブラックホール周辺の

  • in the extreme conditions around the black hole.

    極限状態でも成り立つかを 確認するのに役立ちます

  • However, this black hole is so far away from us,

    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

  • that from Earth, this ring appears incredibly small --

    この輪は信じられないほど 小さくしか見えません

  • the same size to us as an orange on the surface of the moon.

    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

  • That makes taking a picture of it extremely difficult.

    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

  • Why is that?

    どうしてでしょうか?

  • Well, it all comes down to a simple equation.

    その答えは 一つの単純な方程式によって示されます

  • Due to a phenomenon called diffraction,

    回折という現象のために

  • there are fundamental limits

    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

  • to the smallest objects that we can possibly see.

    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

  • This governing equation says that in order to see smaller and smaller,

    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

  • we need to make our telescope bigger and bigger.

    望遠鏡を大きくしなければならないのです

  • But even with the most powerful optical telescopes here on Earth,

    しかし 地球上の最大の光学望遠鏡でさえ

  • we can't even get close to the resolution necessary

    月の表面の写真を撮るのに

  • to image on the surface of the moon.

    必要な解像度に近づくことさえできません

  • In fact, here I show one of the highest resolution images ever taken

    これは現時点での最高の解像度で撮影された

  • of the moon from Earth.

    地球から見た月の写真です

  • It contains roughly 13,000 pixels,

    この写真は約1万3千画素ですが

  • and yet each pixel would contain over 1.5 million oranges.

    1画素に 150万個以上のオレンジが 収まってしまいます

  • So how big of a telescope do we need

    月面にある1個のオレンジを

  • in order to see an orange on the surface of the moon

    さらに あのブラックホールを観測するには

  • and, by extension, our black hole?

    どんな大きさの望遠鏡が必要なのでしょうか?

  • Well, it turns out that by crunching the numbers,

    まじめに計算してみると

  • you can easily calculate that we would need a telescope

    地球と同じ大きさの望遠鏡が必要であることが

  • the size of the entire Earth.

    簡単に分かります

  • (Laughter)

    (笑)

  • If we could build this Earth-sized telescope,

    もし地球サイズの望遠鏡を建設できれば

  • we could just start to make out that distinctive ring of light

    ブラックホールの事象の地平面を示す

  • indicative of the black hole's event horizon.

    特別な光の輪を見分け始められるのです

  • Although this picture wouldn't contain all the detail we see

    この写真は コンピュータグラフィックほど

  • in computer graphic renderings,

    詳細ではありませんが

  • it would allow us to safely get our first glimpse

    これによって 初めて ブラックホールの周辺の状況を

  • of the immediate environment around a black hole.

    確実に 一目見ることができます

  • However, as you can imagine,

    しかし ご想像の通り

  • building a single-dish telescope the size of the Earth is impossible.

    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

  • But in the famous words of Mick Jagger,

    でもミック・ジャガーも歌っているように

  • "You can't always get what you want,

    「欲しいものがいつも手に入るわけではない

  • but if you try sometimes, you just might find

    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」

  • you get what you need."

    そして 世界中の望遠鏡を繋ごうという

  • And by connecting telescopes from around the world,

    「事象の地平面望遠鏡」という 国際プロジェクトでは

  • an international collaboration called the Event Horizon Telescope

    地球サイズの望遠鏡を コンピュータの力で実現し

  • is creating a computational telescope the size of the Earth,

    ブラックホールの事象の地平面を

  • capable of resolving structure

    捉えられる解像度に達しようとしています

  • on the scale of a black hole's event horizon.

    2017年には この望遠鏡ネットワークを使って

  • This network of telescopes is scheduled to take its very first picture

    最初のブラックホール写真の撮影を 計画しています

  • of a black hole next year.

    この計画では 世界規模で繋いだ望遠鏡を連動させます

  • Each telescope in the worldwide network works together.

    原子時計による精密なタイミングで同期させ

  • Linked through the precise timing of atomic clocks,

    各々の観測点では 研究者のチームが

  • teams of researchers at each of the sites freeze light

    光を全部捉えて 数千兆バイトのデータを収集します

  • by collecting thousands of terabytes of data.

    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

  • This data is then processed in a lab right here in Massachusetts.

    仕組みをもう少し説明します

  • So how does this even work?

    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

  • Remember if we want to see the black hole in the center of our galaxy,

    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

  • we need to build this impossibly large Earth-sized telescope?

    でも一旦 地球サイズの望遠鏡が

  • For just a second, let's pretend we could build

    造れるとしましょう

  • a telescope the size of the Earth.

    地球を巨大な回転するミラーボールだと

  • This would be a little bit like turning the Earth

    考えてみましょう

  • into a giant spinning disco ball.

    各々の鏡が光を集め

  • Each individual mirror would collect light

    1つにまとめられて1枚の写真となります

  • that we could then combine together to make a picture.

    ここで ほとんどの鏡は無くして

  • However, now let's say we remove most of those mirrors

    ほんの少しだけ残しましょう

  • so only a few remained.

    まだ これらの情報を まとめることはできますが

  • We could still try to combine this information together,

    今回は 多くの穴があります

  • but now there are a lot of holes.

    この残った鏡が 望遠鏡のある観測点を示しています

  • These remaining mirrors represent the locations where we have telescopes.

    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

  • This is an incredibly small number of measurements to make a picture from.

    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

  • But although we only collect light at a few telescope locations,

    地球が自転するので 別の観測データを得られます

  • as the Earth rotates, we get to see other new measurements.

    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

  • In other words, as the disco ball spins, those mirrors change locations

    像の別の部分を観測することができます

  • and we get to observe different parts of the image.

    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

  • The imaging algorithms we develop fill in the missing gaps of the disco ball

    そこに隠されているブラックホールの 像を再現します

  • in order to reconstruct the underlying black hole image.

    もし 地表の全面に望遠鏡を設置できたとして

  • If we had telescopes located everywhere on the globe --

    つまり ミラーボールが完璧ならば

  • in other words, the entire disco ball --

    この作業は難しくはありません

  • this would be trivial.

    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

  • However, we only see a few samples, and for that reason,

    望遠鏡によるわずかな観測データと 完全に一致する

  • there are an infinite number of possible images

    像は無限に存在します

  • that are perfectly consistent with our telescope measurements.

    しかし 全ての画像が同等ではありません

  • However, not all images are created equal.

    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

  • Some of those images look more like what we think of as images than others.

    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

  • And so, my role in helping to take the first image of a black hole

    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

  • is to design algorithms that find the most reasonable image

    アルゴリズムを開発することです

  • that also fits the telescope measurements.

    似顔絵捜査官がわずかな特徴の情報から

  • Just as a forensic sketch artist uses limited descriptions

    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

  • to piece together a picture using their knowledge of face structure,

    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

  • the imaging algorithms I develop use our limited telescope data

    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

  • to guide us to a picture that also looks like stuff in our universe.

    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

  • Using these algorithms, we're able to piece together pictures

    写真へとまとめあげられるのです

  • from this sparse, noisy data.

    では 天の川銀河系の中心にある ブラックホールに

  • So here I show a sample reconstruction done using simulated data,

    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

  • when we pretend to point our telescopes

    再構成の例をお見せします

  • to the black hole in the center of our galaxy.

    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

  • Although this is just a simulation, reconstruction such as this give us hope

    まもなく 初のブラックホールの 写真を確実に撮影し

  • that we'll soon be able to reliably take the first image of a black hole

    その輪の大きさを決められるという 希望を持てます

  • and from it, determine the size of its ring.

    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

  • Although I'd love to go on about all the details of this algorithm,

    皆さんには幸いなことに 十分な時間がありませんが

  • luckily for you, I don't have the time.

    宇宙の見え方を決定する方法や

  • But I'd still like to give you a brief idea

    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

  • of how we define what our universe looks like,

    さて 望遠鏡の観測データに 完全に合う画像は

  • and how we use this to reconstruct and verify our results.

    無限にあり得るので 何らかの方法で

  • Since there are an infinite number of possible images

    その中から選び出さなくてはなりません

  • that perfectly explain our telescope measurements,

    ブラックホールの像に近い 度合いに応じて

  • we have to choose between them in some way.

    これらの画像をランク付けして

  • We do this by ranking the images

    最も適切な1枚を選びだします

  • based upon how likely they are to be the black hole image,

    もう少し分かりやすくして

  • and then choosing the one that's most likely.

    フェイスブックに

  • So what do I mean by this exactly?

    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

  • Let's say we were trying to make a model

    このモデルを使った場合

  • that told us how likely an image were to appear on Facebook.

    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

  • We'd probably want the model to say

    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

  • it's pretty unlikely that someone would post this noise image on the left,

    結果を期待します

  • and pretty likely that someone would post a selfie

    真ん中の写真はぼやけていて

  • like this one on the right.

    フェイスブック上に 左のノイズの写真よりは

  • The image in the middle is blurry,

    見られそうですが

  • so even though it's more likely we'd see it on Facebook

    自撮り写真と比べると可能性は低そうです

  • compared to the noise image,

    ブラックホールの写真となると これは難問です

  • it's probably less likely we'd see it compared to the selfie.

    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

  • But when it comes to images from the black hole,

    この場合 ブラックホールの 像らしいのはどれで

  • we're posed with a real conundrum: we've never seen a black hole before.

    その構造として仮定すべきなのは どれでしょうか?

  • In that case, what is a likely black hole image,

    「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

  • and what should we assume about the structure of black holes?

    シミュレーションは使えるでしょう

  • We could try to use images from simulations we've done,

    しかし そうすると重大な問題が起きます

  • like the image of the black hole from "Interstellar,"

    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?

  • but if we did this, it could cause some serious problems.

    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

  • What would happen if Einstein's theories didn't hold?

    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

  • We'd still want to reconstruct an accurate picture of what was going on.

    予想した通りのものを 見ることになってしまいます

  • If we bake Einstein's equations too much into our algorithms,

    つまり 銀河の中心には 大きな象がいるという可能性を

  • we'll just end up seeing what we expect to see.

    残しておきたいのです

  • In other words, we want to leave the option open

    (笑)

  • for there being a giant elephant at the center of our galaxy.

    異なるタイプの画像は 全く別個の特徴を持ちます

  • (Laughter)

    ブラックホールのシミュレーションの画像と

  • Different types of images have very distinct features.

    地球上で日常的に撮る写真の 違いは明らかです

  • We can easily tell the difference between black hole simulation images

    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

  • and images we take every day here on Earth.

    アルゴリズムに教えてやらなければなりません

  • We need a way to tell our algorithms what images look like

    その方法の1つは

  • without imposing one type of image's features too much.

    各種ある中から ある画像タイプの特徴を強調して用い

  • One way we can try to get around this

    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

  • is by imposing the features of different kinds of images

    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

  • and seeing how the type of image we assume affects our reconstructions.

    出来上がった画像が 私たちが設定した仮定から

  • If all images' types produce a very similar-looking image,

    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

  • then we can start to become more confident

    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

  • that the image assumptions we're making are not biasing this picture that much.

    同じ情報を提供するのに少し似ています

  • This is a little bit like giving the same description

    もし 3人ともが 非常に似た顔を描けば

  • to three different sketch artists from all around the world.

    出来上がった絵が

  • If they all produce a very similar-looking face,

    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

  • then we can start to become confident

    色々な画像タイプが持つ特徴を 反映させるには

  • that they're not imposing their own cultural biases on the drawings.

    既にある画像の部分を使う方法があります

  • One way we can try to impose different image features

    画像を大量に集めて

  • is by using pieces of existing images.

    小さな画像のかけらに分解します

  • So we take a large collection of images,

    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

  • and we break them down into their little image patches.

    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

  • We then can treat each image patch a little bit like pieces of a puzzle.

    まとめあげます

  • And we use commonly seen puzzle pieces to piece together an image

    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

  • that also fits our telescope measurements.

    同じ観測データに基づいて 異なるピースセットを使い

  • Different types of images have very distinctive sets of puzzle pieces.

    画像を再構成すると どのようになるのでしょうか?

  • So what happens when we take the same data

    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

  • but we use different sets of puzzle pieces to reconstruct the image?

    まあ 妥当ですね

  • Let's first start with black hole image simulation puzzle pieces.

    これは私たちが思うブラックホールの姿と 似ています

  • OK, this looks reasonable.

    でも こうなったのは

  • This looks like what we expect a black hole to look like.

    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?

  • But did we just get it

    では 別のセットを使いましょう

  • because we just fed it little pieces of black hole simulation images?

    今度は ブラックホールではない 天体からのものです

  • Let's try another set of puzzle pieces

    いいですね よく似ています

  • from astronomical, non-black hole objects.

    最後に 自分のカメラで撮影したような

  • OK, we get a similar-looking image.

    日常の写真から作った パズルピースではどうでしょう?

  • And then how about pieces from everyday images,

    やりました 同じ写真が出来ました

  • like the images you take with your own personal camera?

    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

  • Great, we see the same image.

    最後に得られた画像が 私たちが設定をした仮定から

  • When we get the same image from all different sets of puzzle pieces,

    大きな影響を受けていないと

  • then we can start to become more confident

    確信を持てるようになり始めます

  • that the image assumptions we're making

    もう1つの方法は ある1つのパズルピースのセットー

  • aren't biasing the final image we get too much.

    例えば日常の写真から得られたセットを使って

  • Another thing we can do is take the same set of puzzle pieces,

    色々な種類の画像を再構成する方法です

  • such as the ones derived from everyday images,

    シミュレーションでは

  • and use them to reconstruct many different kinds of source images.

    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

  • So in our simulations,

    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