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.
Esta es una fotografía tomada por el artista Michael Najjar, y es real porque él fue a Argentina para tomarla. Pero también es ficción. Hay bastante trabajo en ella después de eso. Y lo que ha hecho es que prácticamente ha rediseñado, digitalmente, todos los contornos de las montañas para seguir las vicisitudes del índice Dow Jones. Así que lo que se ve, ese precipicio, lo alto del precipicio que se abre con el valle, es la crisis financiera del 2008. La foto fue tomada cuando estábamos muy en el fondo de aquel valle. No sé dónde estamos ahora. Este es el índice Hang Seng de la Bolsa de Hong Kong. Y la topografía es similar. Me pregunto por qué.
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.
Y esto es arte y también es una metáfora. Pero creo que lo importante es que es una metáfora con dientes. Y es con esos dientes que hoy quiero proponer que reconsideremos un poco el rol de las matemáticas contemporáneas, no solo las financieras, sino las matemáticas en general. Reconsideremos que han pasado de ser algo que se extrae y se deriva del mundo a algo que realmente empieza a darle forma, al mundo que nos rodea y al mundo dentro de nosotros. Y es específicamente con algoritmos, que son básicamente las matemáticas que utilizan los computadores para tomar decisiones. Adquieren el sentido de la verdad, porque se repiten una y otra vez y se osifican y se calcifican y se vuelven reales.
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?"
Y estaba pensando en esto, en un lugar improbable, en un vuelo transatlántico hace un par de años, porque me encontraba sentado al lado de un físico húngaro como de mi edad y hablábamos de cómo era la vida de los físicos en Hungría durante la guerra fría. Y le pregunté: "¿Qué hacían ustedes?"
And he said, "Well we were mostly breaking stealth."
Y dijo: "Mayormente, destruíamos escudos furtivos".
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 lo que le dije: "Ese es un buen trabajo. Es interesante. ¿Cómo funciona?" Y para entender eso, hay que entender primero cómo funciona la tecnología furtiva. Y para esto, voy a simplificar al extremo, en el fondo no se trata de pasar una señal de radar a través de 156 toneladas de acero en el cielo. Eso no va a desaparecer. Pero se puede tomar esta cosa enorme y transformarla en un millón de cosas pequeñas, como una bandada de pájaros, por ejemplo, y luego el radar que la está buscando tiene que ser capaz de ver todas las bandadas de pájaros en el cielo. Y si usted es un radar, ese es un trabajo muy duro.
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.'"
Y él dijo: "Sí, pero eso es solo si usted es un radar. Pero, no usábamos radares; construíamos una caja negra que buscaba señales eléctricas, de comunicación electrónica. Y cuando veíamos una bandada de pájaros que tenía comunicación electrónica, pensábamos que probablemente tenía algo que ver con los estadounidenses".
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?"
Y le dije: "Sí. Está bien. Ud. ha reducido a la nada 60 años de investigación aeronáutica. Y luego, ¿qué va a hacer? ¿Qué va a hacer cuando sea mayor?" Y respondió: "Trabajar en servicios financieros". Y le dije: "¡Oh!". Porque se había hablado de ellos en las noticias últimamente. Le pregunté: "¿Cómo funciona eso?" Y dijo: "Bueno, actualmente, hay 2 000 físicos en Wall Street, y soy uno de ellos". Y le pregunté: "¿Cuál es la caja negra de Wall Street?"
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.
Y él dijo: "Es curioso que lo pregunte, porque, en efecto, se llama comercio de caja negra. Y a veces también se le llama comercio algo, comercio algorítmico". Y el comercio algorítmico se ha desarrollado en parte porque los inversores institucionales tienen los mismos problemas que tenía la Fuerza Aérea de los Estados Unidos, es decir, que mueven sus posiciones –que se trate de Procter & Gamble, Accenture u otra compañía– y transfieren un millón de acciones de algo a través del mercado. Y si lo hacen todo a la vez, es como jugar al póker y apostar todo inmediatamente. Están mostrando su jugada. De manera que tienen que encontrar una solución –y para eso usan algoritmos– para dividir ese gran paquete en un millón de transacciones pequeñas. Y la magia y el horror de eso es que las mismas matemáticas que se usan para dividir ese gran paquete en un millón de pequeñas cosas pueden usarse para encontrar ese millón de pequeñas cosas, unirlas nuevamente y averiguar lo que sucede realmente en el mercado.
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.
Así que para que tengan una idea de lo que pasa en la bolsa en este momento, pueden imaginarse un montón de algoritmos programados básicamente para esconderse, y otro montón de algoritmos programados para ir a buscarlos y actuar. Y todo eso es genial, está muy bien. Representa el 70 % de la bolsa de los Estados Unidos, el 70 % del sistema operativo antes conocido como nuestras pensiones e hipotecas.
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."
Y ¿qué podría fallar? Podría pasar algo como lo de hace un año, cuando el 9 % del total del mercado desapareció en 5 minutos y lo llamaron el “flash crash” de las 2.45. De repente, 9 % simplemente desapareció, y nadie hasta hoy se pone de acuerdo sobre lo que pasó, porque nadie dio la orden, nadie quería eso. Nadie tenía ningún control sobre lo que realmente pasaba. Lo único que tenían era un monitor delante de ellos que tenía unos números y un botón rojo que decía: "Pare".
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.
Y ese es el problema, que estamos escribiendo cosas, que ya no podemos leer. Hemos dejado algo ilegible. Y en este mundo que hemos fabricado, hemos perdido el sentido de lo que realmente está sucediendo. Y hemos empezando a hacer nuestro camino. Hay una compañía en Boston llamada Nanex, que usa las matemáticas y la magia y no sé qué más, que consigue todos los datos del mercado y, a veces encuentra algunos de estos algoritmos. Y cuando los encuentra, los extrae y los sujeta contra la pared como si fueran mariposas. Y hace lo que siempre hemos hecho cuando nos enfrentamos a grandes cantidades de datos que no entendemos, les da un nombre y una historia. Aquí hay unos que encontró. A este lo llamó el Cuchillo, el Carnaval, la Mezcla de Boston, el Crepúsculo.
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."
Y el chiste es que, por supuesto, no se trata solo del mercado. Podemos encontrar este tipo de cosas donde miremos, una vez que aprendemos cómo buscarlos. Podemos encontrarlos aquí: en este libro sobre las moscas que tal vez hemos estado buscando en Amazon. Puede que lo hayamos notado, cuando su precio subió a 1,7 millones de dólares. Está agotado, aún... (Risas) Si lo hubiésemos comprado a 1,7, habría sido una ganga. Unas horas más tarde, subió a 23,6 millones de dólares, más gastos de envío. Y la pregunta es: Nadie compraba ni vendía nada; ¿qué pasaba? Y esto se ve tanto en Amazon como en Wall Street. Y cuando uno ve este tipo de comportamiento, lo que ve es la evidencia de los algoritmos en conflicto, trabados entre sí en bucles, sin ninguna supervisión humana, sin ningún tipo de supervisión de un adulto para decir: "En realidad, 1,7 millones es bastante".
(Laughter)
(Risas)
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.
A Netflix le ha sucedido lo mismo que a Amazon. Netflix ha pasado por varios algoritmos diferentes a través del tiempo. Comenzó con Cinematch, y ha probado muchos otros, pasando por Dinosaur Planet y Gravity. Ahora está usando Pragmatic Chaos que, al igual que todos los algoritmos de Netflix, trata de hacer lo mismo: conseguir un asidero en nosotros, en el “firmware” dentro del cráneo humano, para que pueda recomendar qué película podríamos tener ganas de ver próximamente, lo cual es un problema muy, muy difícil. Pero la dificultad del problema y el hecho de que en realidad no lo tengamos resuelto, no le quita los efectos que el Pragmatic Chaos tiene. Este, al igual que todos los algoritmos de Netflix, determina, en última instancia, el 60 % de las películas que terminan siendo alquiladas. De manera que un segmento de código con una idea acerca de nosotros es responsable del 60 % de esas películas.
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?
¿Qué pasaría si pudiésemos evaluar esas películas antes de que se hiciesen? ¿No sería útil? Bien, hay unos especialistas de datos del Reino Unido en Hollywood que tienen algoritmos de historias, son una empresa llamada Epagogix. Pueden probar un guion cinematográfico, y decirnos, de manera cuantificable, si será una película de 30 millones de dólares o una de 200 millones de dólares. Y el caso es que esto no es Google. No es información. No se trata de estadísticas financieras; es cultura. Y lo que vemos aquí, o más bien, lo que no vemos normalmente, es que se trata de la física de la cultura. Y si estos algoritmos, como los de Wall Street, acaban estrellándose un día y todo falla, ¿cómo podríamos saber lo que se vería?
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.
Y están en nuestras casas. Hay dos algoritmos que compiten por la sala de estar. Son dos tipos diferentes de robots de limpieza que tienen ideas muy distintas de lo que significa limpio. Y se pueden ver si les bajamos la velocidad y les fijamos luces. Son algo así como los arquitectos secretos del dormitorio. Y la idea de que la propia arquitectura esté sujeta de alguna manera a la optimización algorítmica no es descabellada. Es muy real y está ocurriendo a nuestro alrededor.
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.
Es más evidente cuando estamos en una caja metálica sellada, en un ascensor moderno llamado ascensor de control de destino. Es de aquellos en los que hay que presionar el piso al que vamos a ir antes de entrar en el ascensor. Utiliza lo que se llama un algoritmo de embalaje de cajas. Así que nada de esas locuras de dejar que todo el mundo suba a cualquier cabina que quiera. Todos los que quieran ir al décimo piso suben a la cabina 2, y los que quieran ir al tercer piso suben a la cabina 5. Y el problema con esto es que la gente enloquezca, que entre en pánico. Y es claro por qué. Porque al ascensor le faltan algunos instrumentos importantes, como los botones. (Risas) Como las cosas que la gente usa. Lo único que tiene es el número que cambia cuando sube o baja y ese botón rojo que dice "Pare". Y eso es lo que estamos diseñando. Estamos trabajando en el dialecto de esa máquina. Y ¿hasta dónde podemos ir?, ¿hasta qué punto? Podemos ir muy, muy lejos.
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.
Volvamos al tema de Wall Street. Los algoritmos de Wall Street dependen de una cualidad por encima de todo, la velocidad. Operan en milisegundos y microsegundos. Y para que tengan una idea de lo que es un microsegundo, piensen que se necesitan 500 000 microsegundos solo para hacer un clic con un mouse. Pero si un algoritmo de Wall Street tiene cinco microsegundos de tardanza, es un perdedor. Así que si fuésemos algoritmos, buscaríamos un arquitecto como el que me encontré en Frankfurt que vaciaba un rascacielos, tiraba todos los muebles, toda la infraestructura de uso humano, y solo dejaba acero en los pisos para prepararse para recibir pilas de servidores, todo para que un algoritmo pueda acercarse al internet.
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.
Creemos que el internet es un tipo de sistema descentralizado. Y, por supuesto, lo es, pero se descentraliza desde ciertos lugares. Aquí es desde donde se descentraliza en Nueva York: el hotel Carrier ubicado en la calle Hudson. Es realmente desde allí que los cables llegan hasta la ciudad. Y la realidad es que cuanto más nos alejamos de allí, más nos atrasamos en microsegundos. Estos tipos en Wall Street, Marco Polo y la nación Cherokee, están 8 microsegundos detrás de todos estos tipos que van a los edificios que se desocupan en los alrededores del hotel Carrier. Y esto va a seguir sucediendo. Vamos a seguir vaciando edificios, ya que, centímetro a centímetro, libra por libra y dólar por dólar, ninguno de nosotros podría sacar más provecho de ese espacio que la Mezcla de Boston.
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.
Pero si nos alejamos, si nos alejamos, veremos una zanja de 1 300 kilómetros entre Nueva York y Chicago construida en los últimos años por una compañía llamada Spread Networks. Este es un cable de fibra óptica colocado entre las dos ciudades solamente para hacer pasar una señal 37 veces más rápido que el clic de un mouse, solo para estos algoritmos, el Carnaval y el Cuchillo. Y cuando pensamos en esto, que estamos atravesando los Estados Unidos con dinamita y sierras de roca para que un algoritmo pueda cerrar un contrato 3 microsegundos más rápido, todo en un marco de comunicaciones que ningún ser humano sabrá nunca, es una especie de destino manifiesto que siempre buscará una nueva frontera.
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.
Pero aún tenemos mucho trabajo por hacer. Todo eso es solo teoría de unos matemáticos del MIT. Y la verdad es que no entiendo mucho de lo que hablan. Se trata de conos luminosos y conexiones cuánticas, y realmente no entiendo nada de eso. Pero puedo leer este mapa que dice que si tratamos de hacer dinero en los mercados donde están los puntos rojos, que es donde está la gente, donde están las ciudades, vamos a tener que poner los servidores en los puntos azules para tener el máximo de eficiencia. Y habrán notado que los puntos azules están mayormente en medio del océano. Así que vamos a tener que crear burbujas o plataformas. En realidad, vamos a compartir el agua para sacar dinero del aire porque allí hay un futuro brillante si somos algoritmos.
(Laughter)
(Risas)
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.
Y en realidad, el dinero no es lo que más nos interesa, sino la motivación que trae el dinero. El hecho de transformar el planeta mismo con este tipo de eficiencia algorítmica. A la luz de esto, volvemos a ver las fotografías de Michael Najjar y nos damos cuenta de que no son metafóricas, son proféticas. Se anticipan a los efectos sísmicos, terrestres de las matemáticas que hacemos. Y el paisaje siempre ha estado configurado por este tipo de colaboración extraña y difícil entre la naturaleza y el hombre. Pero ahora existe esta tercera fuerza coevolutiva: los algoritmos; la Mezcla de Boston, el Carnaval. Y vamos a tener que entenderlos como parte de la naturaleza. Y de una manera, lo son.
Thank you.
Gracias.
(Applause)
(Aplausos)