Das ist eine Fotografie vom Künstler Michael Najjar, und sie ist echt, im Sinne, dass er nach Argentinien ging um ein Bild zu schießen. Aber es ist auch erfunden, denn danach wurde eine Menge Arbeit hineingesteckt. Und was er gemacht hat ist, dass er tatsächlich am Computer das Profil der Berge umgeformt hat, so dass es den Launen des Dow-Jones-Index folgt. Was man also sieht, dieser Steilhang, dieser hohe Steilhang mit dem Tal ist die Finanzkrise von 2008. Dieses Photo wurde gemacht, als wir tief in diesem Tal hier drüben steckten. Ich weiß nicht, wo wir jetzt sind. Das ist der Hang-Seng-Index von Hong Kong. Mit einer ähnlichen Topographie. Ich frage mich warum.
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.
Und das ist Kunst. Es sind Metaphern. Aber ich denke, der Punkt ist, es sind Metaphern mit Biss. Und mit solch einem Biss möchte ich heute vorschlagen, dass wir die Rolle von zeitgenössischer Mathematik ein bisschen überdenken – nicht nur Finanzmathematik, sondern Mathematik im Allgemeinen. Ihr Übergang von etwas das wir von der Welt abgeleitet haben zu etwas, das diese tatsächlich zu formen beginnt – die Welt um uns herum und die Welt in uns. Und es sind im Besonderen Algorithmen, die Im Grunde genommen die Mathemathik sind die Computer benutzen, um irgendwas zu entscheiden. Sie erlangen ein Wahrheitsvermögen, weil sie sich immer und immer wiederholen. Und sie verkalken und verknöchern, und werden wirklich.
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.
Und ich habe über das nachgedacht, neben allen anderen Orten, in einem transatlantischen Flug vor ein paar Jahren, weil ich zufällig neben einem ungarischen Physiker in meinem Alter saß und wir unterhielten uns darüber, wie das Leben während des Kalten Kriegs war für Physiker in Ungarn. Ich sagte: „Was habt Ihr also gemacht?“
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?"
Und er meinte: „Nun, wir haben hauptsächlich versucht, die Tarnkappentechnik zu knacken.“
And he said, "Well we were mostly breaking stealth."
Und ich sagte: „Das ist gute Arbeit. Das ist interessant. Wie funktioniert das?“ Um das zu verstehen, muss man ein bisschen wissen, wie die Tarnkappentechnik funktioniert. Und – das ist eine starke Vereinfachung – aber im Grunde ist es nicht so, dass man ein Radarsignal einfach durch 156 Tonnen Stahl im Himmel hindurch schicken kann. Es wird nicht einfach verschwinden. Aber wenn man dieses riesige, massive Ding nimmt und es in eine Million kleiner Dinge verwandelt – sowas wie ein Vogelschwarm – dann muss der Radar, der danach sucht in der Lage sein, jeden Vogelschwarm am Himmel zu sehen. Und wenn man ein Radar ist, ist das ein echt mieser Job.
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.
Er sagte: „Ja, aber so ist das, wenn man ein Radar ist. Also haben wir keinen Radar benutzt; wir haben eine Blackbox gebastelt, die nach elektrischen Signalen sucht, elektronischer Kommunikation. Und jedesmal, wenn wir einen Vogelschwarm mit elektronischer Kommunikation sahen, dachten wir, dass es wahrscheinlich etwas mit den Amerikanern zu tun hat.“
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.'"
Ich sagte: „Ja. Das ist gut. Ihr habt gewissermaßen 60 Jahre Luftfahrtforschung zunichte gemacht. Was ist der zweite Akt? Was machst du jetzt, wo du groß bist?“ Und er meinte: „Nun ja, Finanzdienstleistungen.“ Und ich sagte: „Oh.“ Denn die waren damals in den Nachrichten. Ich fragte: „Wie funktioniert das?“ Und er sagte: „Nun, es gibt heute 2.000 Physiker an der Wall Street und ich bin einer von ihnen“ Und ich fragte: „Was ist die Blackbox für die 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?"
Er antwortete: „Witzig, dass du danach fragst, denn man nennt das tatsächlich Blackbox-Handel. Manchmal wird es auch Algo-Handel genannt, algorithmischer Handel.“ Algorithmischer Handel entwickelte sich einerseits, weil institutionelle Händler die gleichen Probleme hatten wie die United State Air Force, nämlich dass sie Positionen verschieben – sei es Proctor & Gamble oder Accenture, was auch immer – sie verschieben eine Million Aktien von irgendwas durch den Markt. Und wenn sie das alles auf einmal machen, ist es wie Poker spielen und sofort alles zu setzen. Nur ein Wink mit der Hand. Deshalb mussten sie einen Weg finden – dafür benutzen sie Algorithmen – dieses große Ding in eine Million kleiner Transaktionen aufzuspalten. Der Zauber und der Schrecken davon ist, dass die gleiche Mathemathik, die man verwendet, um das große Ding in eine Million kleiner Dinge aufzuspalten, auch dafür benutzt werden kann, eine Million kleiner Dinge zu finden, diese wieder zusammenzunähen und herauszufinden, was eigentlich im Markt vor sich geht.
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.
Also, wenn Sie irgendein Bild brauchen davon, was gerade auf dem Aktienmarkt passiert, können Sie sich einen Haufen Algorithmen vorstellen, die im Grunde dazu programmiert sind, Dinge zu verstecken und ein Haufen Algorithmen, die dafür programmiert, sind diese zu finden und zu handeln. Das ist alles großartig und es ist gut so. Und das sind 70 Prozent des Aktienmarkts in den Vereinigten Staaten, 70 Prozent des Betriebssystems, das einmal bekannt war als Ihre Pension und Ihre Hypothek.
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.
Was könnte schon schief gehen? Was schief gehen kann ist, dass vor einem Jahr neun Prozent des ganzen Markts in nur fünf Minuten verschwunden sind, sie nannten es den Flash-Crash von 2:45 Uhr. Ganz plötzlich waren neun Prozent einfach dahin und bis heute kann niemand sich darauf einigen, warum das passiert ist, weil niemand es bestellt oder darum gebeten hat. Niemand hatte Kontrolle darüber, was eigentlich vor sich geht. Alles was sie hatten, war ein Bildschirm vor sich mit Zahlen darauf und einem roten Knopf auf dem „Stop“ steht.
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."
Und das ist der Punkt, wir schreiben diese Dinger, wir schreiben diese Dinger, die wir nicht mehr lesen können. Wir haben etwas erschaffen, das unlesbar ist. Wir haben das Gefühl dafür verloren, was eigentlich vor sich geht in der Welt, die wir erschaffen haben. Wir beginnen jetzt unseren Weg dahin. Es gibt eine Firma in Boston namens Nanex, sie benutzen Mathematik und Magie und was weiß ich noch, sie greifen nach all diesen Marktdaten und sie finden tatsächlich manchmal einige dieser Algorithmen. Und wenn sie sie finden, ziehen sie sie raus und heften sie an die Wand wie Schmetterlinge. Sie machen das, was wir stets gemacht haben, wenn wir mit riesigen Datenmengen konfrontiert sind, die wir nicht verstehen – nämlich ihnen einen Namen zu geben und eine Geschichte. Und das ist einer, den sie gefunden haben, sie nennen ihn das Messer der Karneval, der „Boston Shuffler“ Dämmerung.
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.
Und der Witz ist, dass die natürlich nicht nur im Markt laufen. Man kann diese Art von Dingen überall finden, sobald man verstanden hat wie man danach suchen muss. Man kann sie hier finden: Das ist ein Buch über Fliegen, das ihr vielleicht auf Amazon nachgeschlagen habt. Ihr habt es vielleicht bemerkt, als sein Preis bei 1,7 Millionen gipfelte. Es ist vergriffen – immer noch... (Gelächter) Wenn man es bei 1,7 Millionen gekauft hätte, wäre es ein Schnäppchen gewesen. Ein paar Stunden später war der Preis bei 23,6 Millionen Dollar angekommen, plus Versand und Bearbeitung. Und man fragt sich: Niemand hat etwas gekauft oder verkauft; was ist geschehen? Man findet dieses Verhalten auf Amazon so sicher, wie man es an der Wall Street findet. Und wenn man diese Art von Verhalten sieht, sieht man tatsächlich die Anzeichen von Algorithmen im Konflikt, Algorithmen, die sich gegenseitig in Schleifen fangen ohne menschliche Übersicht, ohne irgendeine erwachsene Kontrolle, die sagt: „Eigentlich sind 1,7 Millionen viel.“
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."
(Gelächter)
(Laughter)
Mit Netflix ist es genauso wie mit Amazon. Also hat auch Netflix über die Jahre mehrere verschiedene Algorithmen benutzt. Sie begannen mit Cinematch und probierten einige andere aus. Es gibt Dinosaur Planet oder Gravity. Jetzt benutzen sie Pragmatic Chaos. Pragmatic Chaos versucht wie alle Netflix Algorithmen, die gleiche Sache zu tun. Er versucht zu verstehen, was in deinem menschlichen Schädel tickt, damit er einen Vorschlag machen kann welchen Film du als nächstes schauen möchtest – was ein sehr, sehr schwieriges Problem ist. Aber die Schwierigkeit des Problems und die Tatsache, dass wir es nicht wirklich durchblicken, kann nicht verhindern, welche Auswirkungen Pragmatic Chaos hat. Wie alle anderen Netflix Algorithmen bestimmt Netflix letztendlich 60 Prozent aller Filme die ausgeliehen werden. Ein Stück Programmcode mit einer Vorstellung über dich ist also für 60 Prozent dieser Filme verantwortlich.
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.
Aber was wäre, wenn du diese Filme bewerten könntest bevor sie gedreht sind? Wäre das nicht praktisch? Nun, ein paar Wissenschaftler aus Großbritannien sind in Hollywood und sie haben Storyalgorithmen – ein Unternehmen namens Epagogix. Man kann sein Skript dort durchlaufen lassen, und sie können einem sagen und quantifizieren, dass es ist ein 30-Millionen-Dollar-Film ist oder ein 200-Millionen-Dollar-Film. Das Ding ist, das hier ist nicht Google. Das sind nicht Informationen. Das sind nicht Finanzdaten; das ist Kultur. Und was man hier sieht, oder was man hier eigentlich normalerweise nicht sieht, ist sowas wie die Physik der Kultur. Wenn diese Algorithmen, wie die Algorithmen der Wall Street, eines Tages schief oder krumm laufen, wie wüssten wir dann, wie sowas aussehen würde?
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?
Und sie sind in Ihrem Haus. Sie sind in Ihrem Haus. Hier sind zwei Algorithmen, die um Ihr Wohnzimmer kämpfen. Es sind zwei verschiedene Putzroboter, die zwei sehr verschiedene Vorstellungen von Sauberkeit haben. Man kann es sehen, wenn man es verlangsamt und Lichter befestigt. Sie sind eine Art geheime Architekten in Ihrem Schlafzimmer. Die Vorstellung, dass selbst Architektur sich der Optimierung von Algorithmen unterwirft, ist nicht so weit hergeholt. Es ist sehr real und es passiert um uns herum.
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.
Man kann es am meisten fühlen, wenn man sich in einer geschlossenen Metallbox befindet, eine neue Art von Aufzug, die „ankunftsbestimmte“ Aufzüge genannt werden. Es sind diejenigen, bei denen man den Knopf vom Zielstockwerk drückt, bevor man in den Aufzug einsteigt. Und die benutzen einen sogenannten Bin-Packing-Algorithmus. Also nichts von diesem Blabla, dass man jeden in die Kabine lässt, die er gerne hätte. Jeder der zum 10. Stock will, muss in den zweite Kabine, und jeder der zum dritten Stock will, muss in die fünfte Kabine. Das Problem dabei ist, dass die Leute ausflippen. Die Leute kriegen Panik. Und man sieht warum. Sie sehen warum. Es kommt daher, dass dem Aufzug ein paar wichtige Steuerungsmerkmale fehlen, zum Beispiel Knöpfe. (Gelächter) Dinge, an die Menschen gewöhnt sind. Alles was dieser hier hat, ist eine Nummer, die sich rauf oder runter bewegt und ein roter Knopf auf dem „Stop“ steht. Dahin bewegt sich unser Design. Unser Design ist gemacht für die Sprache einer Maschine. Wie weit kann man das treiben? Wie weit geht es? Man kann es sehr, sehr weit treiben.
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.
Lassen Sie mich zur Wall Street zurückkehren. Denn die Algorithmen der Wall Street hängen alle von einer besonderen Qualität ab, nämlich Geschwindigkeit. Und die bewegt sich in Millisekunden und Mikrosekunden. Und nur um ein Gefühl zu vermitteln, was eine Mikrosekunde ist, es braucht 500.000 Mikrosekunden für einen einzelnen Mausklick. Aber wenn man ein Wall-Street-Algorithmus ist und man ist fünf Mikrosekunden hinterher, dann ist man ein Verlierer. Wenn Sie also ein Algorithmus wären, würden Sie nach einem Architekten suchen wie dem, den ich in Frankfurt traf, der einen Wolkenkratzer ausräumte – alle Möbel raus, alle Infrastruktur mit menschlichem Nutzen raus, und die Stockwerke mit Stahl auslegen, um für den Einzug einer Masse an Servern bereit zu sein – nur damit der Algorithmus näher zum Internet gelangt.
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.
Man stellt sich das Internet als ein verteiltes System vor. Und das ist es natürlich, aber verteilt von bestimmten Orten aus. In New York wird es von hier verteilt: vom Carrier Hotel das sich in der Hudson Street befindet. Genau da gelangen die Kabel in die Stadt. Und die Realität ist, je weiter entfernt man davon ist, verliert man jedes Mal einige Mikrosekunden. Diese Typen an der Wall Street, Marco Polo und Cherokee Nation, die sind acht Mikrosekunden hinter all den anderen, die in das leere Gebäude ziehen, das nur um die Ecke vom Carrier Hotel steht. Und das wird weiter so geschehen. Wir werden weiterhin Gebäude ausräumen Weil Sie, Inch für Inch und Pfund für Pfund und Dollar für Dollar, niemand von Ihnen könnte soviel Gewinn aus diesem Raum quetschen wie es ein Boston Shuffler Algorithmus kann.
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.
Aber wenn man rauszoomt, wenn man herauszoomt, kann man einen Graben von 825 Meilen sehen zwischen New York City und Chicago, der während der letzten Jahre gebaut wurde von einer Firma, die sich Spread Networks nennt. Das ist ein Glasfaserkabel, das zwischen diesen zwei Städten verlegt wurde nur um ein Signal zu senden, das 37 Mal schneller ist, als Sie eine Maus klicken können – nur für diese Algorithmen, nur für den Karneval und das Messer. Und wenn man darüber nachdenkt, dass wir uns durch die Vereinigten Staaten bohren, mit Dynamit und Steinsägen, damit ein Algorithmus einen Deal drei Mikrosekunden schneller abschließen kann, alles für ein Kommunikationsnetzwerk, das kein Mensch kennen wird, da manifestiert sich das Schicksal und es wird immer nach einer neuen Grenze streben.
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.
Leider wird unsere Arbeit auf der Strecke bleiben. Das ist nur theoretisch. Das sind einige Mathematiker vom MIT. Aber um ehrlich zu sein, verstehe ich nicht wirklich viel von dem, was sie sagen. Es kommen Lichtkegel vor und Quantenverwicklungen und ich verstehe nicht wirklich etwas davon. Aber ich kann diese Karte lesen. Und diese Karte sagt, dass wenn man versucht Geld zu verdienen in den Märkten, wo die roten Punkte sind, das ist dort wo die Menschen leben, wo die Städte sind, dann muss man die Server dorthin stellen, wo die blauen Punkte sind, um das am Effizientesten zu tun. Und die Sache, die Ihnen vielleicht bei den blauen Punkten auffällt ist, dass viele davon mitten im Ozean sind. Also das werden wir dann tun, Blasen oder irgendwas dorthin stellen oder Plattformen. Oder wir teilen das Wasser und holen uns das Geld aus der Luft, denn es ist eine rosige Zukunft wenn man ein Algorithmus ist.
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.
(Gelächter)
(Laughter)
Und es ist nicht das Geld, das tatsächlich so interessant ist. Es ist das, wozu uns das Geld bewegt. Das wir tatsächlich die Erde umbauen mit dieser Art von Algorithmeneffizienz. Und in diesem Licht, kehrt man zurück, betrachtet die Bilder von Michael Najjar und versteht, das diese keine Metapher sind, sondern eine Prophezeiung. Sie sind eine Prophezeiung für die Art von seismischen und irdischen Effekten der Mathematik, die wir schaffen. Die Landschaft wurde stets von dieser Art seltsamer, unbehaglicher Zusammenarbeit zwischen Mensch und Natur gestaltet. Aber jetzt gibt es eine dritte koevolutionäre Kraft: Algorithmen – den Bosten Shuffler, den Karneval. Wir werden diese als Natur verstehen müssen. In gewisser Weise sind sie das auch.
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.
Vielen Dank.
Thank you.
(Applaus)
(Applause)