Tohle je fotka vytvořená umělcem, který se jmenuje Michael Najjar, a je reálná protože jel do Argentiny, aby to vyfotil. Ale je to taky fikce. Hodně na té fotce pracoval i potom. A tady je co udělal: digitálně upravil všechny obrysy a vrcholky hor, aby vypadaly jako vývoj Dow Jones indexu. Takže to, co vidíte, ten sráz, ta stěna s údolím, je finanční krize v roce 2008. Ta fotka byla vytvořená, když jsme byli hluboko v tamtom údolí. Netuším, kde jsme teď. Tohle je Hang Seng index pro Hong Kong. A podobný tvar. Přemýšlím proč.
This is a photograph by the artist Michael Najjar, and it's real, in the sense that he went there to Argentina to take the photo. But it's also a fiction. There's a lot of work that went into it after that. And what he's done is he's actually reshaped, digitally, all of the contours of the mountains to follow the vicissitudes of the Dow Jones index. So what you see, that precipice, that high precipice with the valley, is the 2008 financial crisis. The photo was made when we were deep in the valley over there. I don't know where we are now. This is the Hang Seng index for Hong Kong. And similar topography. I wonder why.
A tohle je umění. Tohle je metafora. Ale myslím, že je důležité, že je to břitká metafora. A stejně ostře bych rád dnes navrhl, abychom se trochu zamysleli nad rolí matematiky, nejenom finanční matematiky, ale matematiky obecně. A její přerod z něčeho, co jsme dostávali a odvozovali ze světa v něco, co začíná svět, kolem nás a v nás, utvářet. A jsou to především algoritmy, které jsou vlastně matematika, kterou používají počítače, aby rozhodovali věci. Učí se být citlivé vůči podstatě, protože se opakují pořád dokola. A tak kostnatí a stávají se reálnými.
And this is art. This is metaphor. But I think the point is that this is metaphor with teeth, and it's with those teeth that I want to propose today that we rethink a little bit about the role of contemporary math -- not just financial math, but math in general. That its transition from being something that we extract and derive from the world to something that actually starts to shape it -- the world around us and the world inside us. And it's specifically algorithms, which are basically the math that computers use to decide stuff. They acquire the sensibility of truth because they repeat over and over again, and they ossify and calcify, and they become real.
A přemýšlel jsem o tom hlavně, když jsem letěl před několika lety přes Atlantik, protože jsem se náhodou ocitl vedle maďarského fyzika, zhruba stejně starého. A tak jsme si povídali o tom, jaký byl život během studené války pro fyziky v Maďarsku. A tak mu říkám: "Co jste tenkrát dělali?"
And I was thinking about this, of all places, on a transatlantic flight a couple of years ago, because I happened to be seated next to a Hungarian physicist about my age and we were talking about what life was like during the Cold War for physicists in Hungary. And I said, "So what were you doing?"
On na to: "Tak, hlavně jsme se snažili prolomit maskovací technologie."
And he said, "Well we were mostly breaking stealth."
"To je dobrá práce, to je zajímavé. Jak to fungovalo?" A abyste tomu porozuměli, musíte trochu vědět, jak fungují maskovací technologie. No, hodně to zjednodušuji, ale vlastně… nemůžete jen tak dostat radarový signál skrz 156 tun železa, co je ve vzduchu. Jen tak to nezmizí. Ale když dokážete vzít tuhle obrovskou masivní věc a změnit ji v milion malých věcí, něco jako hejno ptáků, tak radar, který to hledá, musí vidět každé hejno ptáků na obloze. A pokud jste radar, tak je to fakt blbej úkol.
And I said, "That's a good job. That's interesting. How does that work?" And to understand that, you have to understand a little bit about how stealth works. And so -- this is an over-simplification -- but basically, it's not like you can just pass a radar signal right through 156 tons of steel in the sky. It's not just going to disappear. But if you can take this big, massive thing, and you could turn it into a million little things -- something like a flock of birds -- well then the radar that's looking for that has to be able to see every flock of birds in the sky. And if you're a radar, that's a really bad job.
A on mi na to povídá: "Jasně, pokud jsi radar. Takže jsme nepoužili radar. Postavili jsme černou skříňku, která hledá elektronické signály, elektronickou komunikaci. A když jsme viděli hejno ptáků, ve kterém byla nějaká elektronická komunikace, řekli jsme si, že to asi bude mít co dělat s Američany."
And he said, "Yeah." He said, "But that's if you're a radar. So we didn't use a radar; we built a black box that was looking for electrical signals, electronic communication. And whenever we saw a flock of birds that had electronic communication, we thought, 'Probably has something to do with the Americans.'"
A já mu povídám: "Jo, to je dobrý. Takže jste v podstatě zničili 60 let leteckého výzkumu. Co je druhé dějství? Co děláš, když jsi vyrostl?" On na to: "To víš, finanční služby." Já mu povídám: "Hmm." Protože zrovna nedávno byly ve zprávách. Tak se ho ptám: "Jak to funguje?" A on na to: "Na Wall Street je teď 2000 fyziků a já jsem jeden z nich." "A jaká je černá skříňka pro Wall Street?"
And I said, "Yeah. That's good. So you've effectively negated 60 years of aeronautic research. What's your act two? What do you do when you grow up?" And he said, "Well, financial services." And I said, "Oh." Because those had been in the news lately. And I said, "How does that work?" And he said, "Well there's 2,000 physicists on Wall Street now, and I'm one of them." And I said, "What's the black box for Wall Street?"
A on povídá: "To je vtipný, že se ptáš zrovna takhle, protože se tomu říká obchodování přes černou skříňku. Nebo taky občas algo obchodování, algoritmické obchodování." A algoritmické obchodování se rozvinulo zčásti proto, že institucionální obchodníci měli stejné problémy, jako mělo letectvo Spojených států, protože přetvářeli své finanční pozice, ať to byl Proctor & Gamble nebo Accenture, to je jedno, přesouvali miliony akcií něčeho skrz trh. A pokud by to udělali všechno najednou, bylo by to jako hrát poker a hned vsadit všechno. Všichni by věděli, co plánují. A tak potřebovali najít způsob, jak rozdělit jednu velkou věc na milion malých transakcí – a k tomu použili algoritmy. A to kouzlo a děs je v tom, že ta stejná matematika, kterou používáme, abychom rozdělili jednu velkou věc na milion malých, se dá použít, abychom našli milion malých věcí a dali je zpátky dohromady a přišli na to, co se vlastně na trhu děje.
And he said, "It's funny you ask that, because it's actually called black box trading. And it's also sometimes called algo trading, algorithmic trading." And algorithmic trading evolved in part because institutional traders have the same problems that the United States Air Force had, which is that they're moving these positions -- whether it's Proctor & Gamble or Accenture, whatever -- they're moving a million shares of something through the market. And if they do that all at once, it's like playing poker and going all in right away. You just tip your hand. And so they have to find a way -- and they use algorithms to do this -- to break up that big thing into a million little transactions. And the magic and the horror of that is that the same math that you use to break up the big thing into a million little things can be used to find a million little things and sew them back together and figure out what's actually happening in the market.
Takže abyste si trochu představili, co se vlastně dneska děje na akciových trzích, představte si spoustu algoritmů, které jsou naprogramovány, aby se schovávaly, a spoustu algoritmů, které jsou naprogramovány, aby našly ty, co se schovávají. A všechno to je super a je to v pohodě. A je to 70 % amerického akciového trhu, 70 % operačního systému, kterému se dřív říkalo penze nebo půjčka.
So if you need to have some image of what's happening in the stock market right now, what you can picture is a bunch of algorithms that are basically programmed to hide, and a bunch of algorithms that are programmed to go find them and act. And all of that's great, and it's fine. And that's 70 percent of the United States stock market, 70 percent of the operating system formerly known as your pension, your mortgage.
A co by se mohlo porouchat? Co se mohlo stát je, že před rokem devět procent celého trhu jen tak zmizelo během pěti minut. A dneska se tomu říká propad ve 2:45. Z ničeho nic, devět procent zmizelo a dodneška se nedokážeme shodnout, co se stalo, protože to nikdo nezpůsobil, nikdo o to nepožádal. Nikdo neměl kontrolu nad tím, co se tenkrát dělo. Všechno co měli byl monitor, čísla na něm a jedno červené tlačítko, na kterém bylo napsáno "Stop."
And what could go wrong? What could go wrong is that a year ago, nine percent of the entire market just disappears in five minutes, and they called it the Flash Crash of 2:45. All of a sudden, nine percent just goes away, and nobody to this day can even agree on what happened because nobody ordered it, nobody asked for it. Nobody had any control over what was actually happening. All they had was just a monitor in front of them that had the numbers on it and just a red button that said, "Stop."
A to je ono, píšeme věci, píšeme věci, které už nedokážeme přečíst. A vytvořili jsme něco nečitelného. A ztratili jsme ponětí o tom, co se vlastně děje ve světě, který jsme stvořili. A postupně se k tomu dostáváme. V Bostonu je firma, která se jmenuje Nanex, a tam používají matematiku a magii a ještě nevím co, aby koukali do tržních dat a občas tam nacházeli některé tyhle algoritmy. A když je najdou, tak je vytáhnou a připíchnou je na zeď jako motýly. A taky dělají, co jsme vždycky dělali, když jsme čelili obrovskému množství dat, kterým nerozumíme. Pojmenovávají je a vyprávějí jejich příběh. Tohle je jeden, který našli, nazvali ho Nůž, Karneval, Žonglér, Soumrak.
And that's the thing, is that we're writing things, we're writing these things that we can no longer read. And we've rendered something illegible, and we've lost the sense of what's actually happening in this world that we've made. And we're starting to make our way. There's a company in Boston called Nanex, and they use math and magic and I don't know what, and they reach into all the market data and they find, actually sometimes, some of these algorithms. And when they find them they pull them out and they pin them to the wall like butterflies. And they do what we've always done when confronted with huge amounts of data that we don't understand -- which is that they give them a name and a story. So this is one that they found, they called the Knife, the Carnival, the Boston Shuffler, Twilight.
A vtip je v tom, že tyhle nejsou jenom na trzích. Tyhle věci najdete, kam se podíváte, pokud víte, jak se koukat. Najdete ji tady. Tahle kniha o mouchách, kterou jste možná hledali na Amazonu. Možná jste si všimli, že její cena byla 1.7 miliónu dolarů. Sice už se netiskne, ale stejně... (Smích) Pokud jste to koupili za 1.7, bylo to nakonec za babku. Za pár hodin cena vyskočila na 23.6 miliónu dolarů plus poštovné a balné. A otázka je, nikdo nic neprodával ani nekupoval, tak co se vlastně dělo? A můžete vidět tenhle druh chování na Amazonu stejně jistě jako ho uvidíte na Wall Streetu. A když něco takového uvidíte, to co vidíte je důkaz algoritmů v konfliktu, algoritmů, které jsou vzájemně uvězněny ve smyčce, bez jakéhokoliv lidského dohledu, bez dohledu dospělých, kteří by řekli: "Hmm, 1.7 milionu je dost."
And the gag is that, of course, these aren't just running through the market. You can find these kinds of things wherever you look, once you learn how to look for them. You can find it here: this book about flies that you may have been looking at on Amazon. You may have noticed it when its price started at 1.7 million dollars. It's out of print -- still ... (Laughter) If you had bought it at 1.7, it would have been a bargain. A few hours later, it had gone up to 23.6 million dollars, plus shipping and handling. And the question is: Nobody was buying or selling anything; what was happening? And you see this behavior on Amazon as surely as you see it on Wall Street. And when you see this kind of behavior, what you see is the evidence of algorithms in conflict, algorithms locked in loops with each other, without any human oversight, without any adult supervision to say, "Actually, 1.7 million is plenty."
(Smích)
(Laughter)
A jako s Amazonem, stejné je to na Netflixu. A tak Netflix prošel za několik let různé algoritmy. Začali s Cinematch a vyzkoušeli několik dalších. Tady je Dinosauří planeta, tady Přitažlivost. Teď používají Pragmatický chaos. Pragmatický chaos, stejně jako všechny algoritmy Netflixu, se snaží o stejnou věc. Snaží se vám přijít na kloub, na to, jaký je firmware uvnitř lidské lebky, aby vám mohl doporučit film, na který se budete chtít podívat příště. A to je opravdu, opravdu složitý problém. Ale složitost toho problému a fakt, že se jim to zatím nepovedlo, nic neubírá na efektech, které Pragmatický chaos má. Pragmatický chaos, jako ostatní algoritmy Netflixu, nakonec určí 60 procent filmů, které si nakonec vypůjčíte. Takže jeden kousek kódu s jednou představou o vás je zodpovědný za 60 procent filmů, které si půjčíte.
And as with Amazon, so it is with Netflix. And so Netflix has gone through several different algorithms over the years. They started with Cinematch, and they've tried a bunch of others -- there's Dinosaur Planet; there's Gravity. They're using Pragmatic Chaos now. Pragmatic Chaos is, like all of Netflix algorithms, trying to do the same thing. It's trying to get a grasp on you, on the firmware inside the human skull, so that it can recommend what movie you might want to watch next -- which is a very, very difficult problem. But the difficulty of the problem and the fact that we don't really quite have it down, it doesn't take away from the effects Pragmatic Chaos has. Pragmatic Chaos, like all Netflix algorithms, determines, in the end, 60 percent of what movies end up being rented. So one piece of code with one idea about you is responsible for 60 percent of those movies.
Ale co kdybyste mohli ty filmy ohodnotit před tím, než se natočí? Nebylo by to praktické? No, pár statistiků z UK v Hollywoodu je a mají algoritmy na příběh. Společnost, která se jmenuje Epagogix. Můžete jim dát scénář, aby ho projeli, a oni vám řeknou, kvantifikovatelně, že film vydělá 30 milionů dolarů nebo 200 milionů. A průšvih je, že tohle není Google. Tohle nejsou informace. Nebo finanční ukazatele. To je kultura. A co tady vidíte nebo co tu normálně nevidíte je, že tohle je fyzika kultury. A pokud by tyhle algoritmy, jako algoritmy na Wall Streetu, jednoho dne zkolabovaly a nevyšlo by to, jak máme vědět, jak to bude vypadat?
But what if you could rate those movies before they get made? Wouldn't that be handy? Well, a few data scientists from the U.K. are in Hollywood, and they have "story algorithms" -- a company called Epagogix. And you can run your script through there, and they can tell you, quantifiably, that that's a 30 million dollar movie or a 200 million dollar movie. And the thing is, is that this isn't Google. This isn't information. These aren't financial stats; this is culture. And what you see here, or what you don't really see normally, is that these are the physics of culture. And if these algorithms, like the algorithms on Wall Street, just crashed one day and went awry, how would we know? What would it look like?
A jsou ve vašem domě. Ve vašem domě. Tyhle dva algoritmy soupeří o váš obývák. To jsou dva automatické vysavače, každý má úplně jinou představu o uklízení. A vy to vidíte, když to zpomalíte a připnete k nim světlo. A jsou trochu jako architekti ve vaší ložnici. A myšlenka, že sama architektura jaksi podléhá algoritmické optimalizaci, není úplně přehnaná. Je to sakra reálné a děje se to kolem vás.
And they're in your house. They're in your house. These are two algorithms competing for your living room. These are two different cleaning robots that have very different ideas about what clean means. And you can see it if you slow it down and attach lights to them, and they're sort of like secret architects in your bedroom. And the idea that architecture itself is somehow subject to algorithmic optimization is not far-fetched. It's super-real and it's happening around you.
Nejvíc to cítíte, když jste zavření v železné krabici, moderním výtahu. Říkají jim výtahy, které kontrolují destinaci. To jsou ty, u kterých musíte zmáčknout patro, kam jedete, před tím než nastoupíte. Používají bin-packing algoritmus. Takže žádné bláznovství, že si každý může jít, do kterého výtahu chce. Každý kdo jede do 10. patra, jde do dvojky, a každý kdo jede do třetího, jde do výtahu číslo 5. Ale problém je, že lidé z toho šílí. Propadají panice. A vidíte proč. Je to kvůli tomu, že výtah nemá jednu důležitou součást. Tlačítka. (Smích) Jako ty věci, které lidé používají. Všechno, co má, je číslo, které se hýbe buď nahoru nebo dolů a červené tlačítko, na kterém je napsáno: "Stop." A tímhle způsobem designujeme. Designujeme v jazyku strojů. A kam se to až může vyvinout? Kam? Může se to hodně přehnat.
You feel it most when you're in a sealed metal box, a new-style elevator; they're called destination-control elevators. These are the ones where you have to press what floor you're going to go to before you get in the elevator. And it uses what's called a bin-packing algorithm. So none of this mishegas of letting everybody go into whatever car they want. Everybody who wants to go to the 10th floor goes into car two, and everybody who wants to go to the third floor goes into car five. And the problem with that is that people freak out. People panic. And you see why. You see why. It's because the elevator is missing some important instrumentation, like the buttons. (Laughter) Like the things that people use. All it has is just the number that moves up or down and that red button that says, "Stop." And this is what we're designing for. We're designing for this machine dialect. And how far can you take that? How far can you take it? You can take it really, really far.
Vraťme se na Wall Street. Protože algoritmy na Wall Streetu jsou závislé především na jedné věci a tou je rychlost. Pracují v milisekundách a mikrosekundách. Abyste pochopili, co jsou mikrosekundy: zabere vám 500 000 mikrosekund jen abyste klikli myší. Ale když jste algoritmus na Wall Streetu a jste pozadu o pět mikrosekund, jste nula. Takže pokud jste algoritmus, hledali byste architekta jako jsem já potkal ve Frankfurtu. Vyklízel mrakodrap, vyhazoval všechen nábytek, zařízení pro lidi, a dával na zem železo, aby se připravil na skříně serverů. Všechno to jen kvůli tomu, aby se algoritmus dostal blíž k Internetu.
So let me take it back to Wall Street. Because the algorithms of Wall Street are dependent on one quality above all else, which is speed. And they operate on milliseconds and microseconds. And just to give you a sense of what microseconds are, it takes you 500,000 microseconds just to click a mouse. But if you're a Wall Street algorithm and you're five microseconds behind, you're a loser. So if you were an algorithm, you'd look for an architect like the one that I met in Frankfurt who was hollowing out a skyscraper -- throwing out all the furniture, all the infrastructure for human use, and just running steel on the floors to get ready for the stacks of servers to go in -- all so an algorithm could get close to the Internet.
A čekali byste, že Internet bude distribuovaný systém. Jasně, je, ale přece jen odněkud. V New Yorku je distribuovaný z Carrier Hotelu, který je na Hudson Street. A to je místo, kde dráty přichází přímo do města. A čím dál odtamtud jste, pokaždé budete mít několik mikrosekund zpoždění. Tihle fešáci na Wall Streetu, Marco Polo a Cherokee Nation, jsou osm mikrosekund pozadu oproti všem těmhle krasavcům, kteří jsou v prázdných vyklízených budovách kolem Carrier Hotelu. To se děje, vyklízíme je, protože vy, milimetr po milimetru, gram po gramu, dolar po dolaru, nikdo z vás nedokáže z toho prostoru vymáčknout takový zisk, jako algoritmus Žonglér.
And you think of the Internet as this kind of distributed system. And of course, it is, but it's distributed from places. In New York, this is where it's distributed from: the Carrier Hotel located on Hudson Street. And this is really where the wires come right up into the city. And the reality is that the further away you are from that, you're a few microseconds behind every time. These guys down on Wall Street, Marco Polo and Cherokee Nation, they're eight microseconds behind all these guys going into the empty buildings being hollowed out up around the Carrier Hotel. And that's going to keep happening. We're going to keep hollowing them out, because you, inch for inch and pound for pound and dollar for dollar, none of you could squeeze revenue out of that space like the Boston Shuffler could.
Ale pokud to oddálíte, pokud to oddálíte, uviděli byste 825 mil dlouhý příkop mezi New Yorkem a Chicagem, který byl vybudován během posledních let společností Spread Networks. Je to optický kabel, který byl položený mezi tahle dvě města, jen kvůli tomu, aby přenášel jeden signál 37krát rychleji, než dokážete kliknout na myš, jen pro tyhle algoritmy, jen pro Karneval a Nůž. A když o tom přemýšlíte, že přerýváme Spojené státy dynamitem a řezáním skal jen kvůli tomu, aby algoritmus mohl obchodovat o tři mikrosekundy rychleji, všechno kvůli komunikačnímu rámci, o kterém nebude člověk ani vědět, to je trochu projev osudu, který bude vždycky hledat další hranice.
But if you zoom out, if you zoom out, you would see an 825-mile trench between New York City and Chicago that's been built over the last few years by a company called Spread Networks. This is a fiber optic cable that was laid between those two cities to just be able to traffic one signal 37 times faster than you can click a mouse -- just for these algorithms, just for the Carnival and the Knife. And when you think about this, that we're running through the United States with dynamite and rock saws so that an algorithm can close the deal three microseconds faster, all for a communications framework that no human will ever know, that's a kind of manifest destiny; and we'll always look for a new frontier.
Naneštěstí už teď víme, co máme dělat. Tohle je jen teoretické. Nějaký matematik z MIT. A popravdě moc nerozumím tomu o čem mluví. Zahrnuje to světelné kužely a nějaké kvantové věci a opravdu nerozumím ani jednomu. Ale umím si přečíst tuhle mapu. A co ta mapa říká je, že pokud se snažíte vydělávat peníze na trzích, kde jsou červené tečky – to je kde jsou lidé a kde jsou města – budete muset dát servery do míst, kde jsou modré tečky, abyste to dělali efektivně. A čeho jste si už mohli všimnout, spousta modrých teček je uprostřed oceánů. To je to co budeme dělat, budeme budovat bubliny nebo plošiny. Půjdeme na vodu, abychom vydělali peníze z čistého nebe, protože to je přece dobrá budoucnost, pokud jste algoritmus.
Unfortunately, we have our work cut out for us. This is just theoretical. This is some mathematicians at MIT. And the truth is I don't really understand a lot of what they're talking about. It involves light cones and quantum entanglement, and I don't really understand any of that. But I can read this map, and what this map says is that, if you're trying to make money on the markets where the red dots are, that's where people are, where the cities are, you're going to have to put the servers where the blue dots are to do that most effectively. And the thing that you might have noticed about those blue dots is that a lot of them are in the middle of the ocean. So that's what we'll do: we'll build bubbles or something, or platforms. We'll actually part the water to pull money out of the air, because it's a bright future if you're an algorithm.
(Smích)
(Laughter)
A nejsou to ani tak peníze, co je na tom zajímavé. Je to to, co peníze motivují. Že přetváříme samotnou Zemi s nějakou algoritmickou efektivností. A teď když to víme a vrátíme se a podíváme se na fotky Michaela Najjara, zjistíme, že vůbec nejsou metaforou, ale proroctvím. Jsou proroctvím seismických a pozemních manifestací matematiky, kterou vytváříme. A krajina byla vždycky utvářena tou podivnou a složitou spoluprací člověka a přírody. Ale teď tu máme třetí evoluční sílu: algoritmy – Žongléra, Karneval. A budeme je muset chápat jako přírodu. A svým způsobem přírodní jsou.
And it's not the money that's so interesting actually. It's what the money motivates, that we're actually terraforming the Earth itself with this kind of algorithmic efficiency. And in that light, you go back and you look at Michael Najjar's photographs, and you realize that they're not metaphor, they're prophecy. They're prophecy for the kind of seismic, terrestrial effects of the math that we're making. And the landscape was always made by this sort of weird, uneasy collaboration between nature and man. But now there's this third co-evolutionary force: algorithms -- the Boston Shuffler, the Carnival. And we will have to understand those as nature, and in a way, they are.
Děkuji.
Thank you.
(Potlesk)
(Applause)