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.
این یک عکس است از هنرمند مایکل نجار ، و این واقعی است ، از صحنه ای که او به آنجا در آرژانتین رفت تا این عکس را بگیرد. ولی همچنین این جعلی است. کارهای زیادی هست که بعدا بروی آن انجام شده است. و کاری که او کرده است اینست که درواقع، به صورت دیجیتالی تمام محیط کوهستان را تغییر شکل داده است تا بالا و پایین شدن شاخص بورس دَن جانز Dow Jones را دنبال کند. بنابراین چیزی که می بینید، آن سراشیبی تند، آن سراشیبی تند و دره بحران مالی سال ۲۰۰۸ هست. عکس زمانی ساخته شده که ما در آن نقطۀ عمیق در دره بودیم. نمی دانم الان کجا هستیم. این هم شاخص هِنگ سِنگ Hang Seng برای هنگ کنگ و توپو گرافی یکسان تعجب می کنم چرا.
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.
و البته این اثرهنری است. یک کنایه است. اما من فکر می کنم نکته این است که این کنایه ای از دندانه است! و اشاره به دندانه هایست که می خواهم امروز ارائه کنم که مقداری دوباره فکر کنیم درباره ی نقش ریاضیات معاصر-- نه فقط ریاضیات مربوط به امور مالی، بلکه ریاضیات عمومی. این گذاری است از بودن چیزی که ما از جهان استخراج و استنباط می کنیم به چیزی که در واقع شکل دادنش را آغاز می کند -- جهان اطراف ما و جهان درون ما را. و این بطور خاص الگوریتم ها هستند، که در اصل ریاضیاتی هستند که رایانه ها برای تصمیم گیری چیزها آنرا بکار می برند. درکی از حقیقت را حاصل می شوند، برای اینکه آن ها بارها و بارها تکرار می کنند. و اسختوانی تر و سخت تر می شوند، و حقیقی می شوند.
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?"
و من همه جا دراین مورد فکر می کردم، دو سال پیش در یک پرواز بر فراز اقیانوس اطلس ، چون که اتفاق افتاده بود تا من کنار یک فیزیکدان مجارستانی تقریبا همسن خودم بنشینم و با هم صحبت می کردیم درباره ی اینکه زندگی در دوران جنگ سرد برای فیزیکدان در مجارستان چگونه بود. و من گفتم : «خوب شما چه کار می کردید؟»
And he said, "Well we were mostly breaking stealth."
اون گفت: «ما عمدتا رادارگریز را می شکستیم.»
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.
من گفتم: «خیلی خوبه، جالبه. چه طور کار می کند؟» وبرای درک آن، باید اندکی درباره اینکه رادارگریز چگونه کار میکند را بفهمید. و خب -- این بسیار ساد شده -- اما در اصل، این شبیه این نیست که شما فقط بتوانید از امواج رادار از طریق ۱۵۶ تن فولاد در آسمان از آن بگریزید. این تنها ناپدید شدن نیست. اما اگر بتوانید این چیز بزرگ، این جسم سنگین، را ببرید، و بتوانید آن را تبدیل به یک میلیون چیزهای کوچک بکنید -- چیزی شبیه یک دسته از پرندگان -- خب پس راداری که آنرا جستجو می کند باید قادر باشد که هر دسته ای از پرندگان را در هوا ببیند. و اگر شما رادار باشید، این شغل خیلی بدی است.
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.'"
و او گفت: " بله ". گفت ،" اما این درحالیست که اگر شما رادار باشید. پس ما از رادار استفاده نمی کردیم : ما یک جعبه ی سیاه ساخته بودیم که امواج الکتریکی، مخابرات الکترونیکی ، را جستجو می کرد. و هر وقت ما یک دسته از پرندگان را می دیدیم که ارتباط الکترونیکی داشتند، فکر می کردیم احتمالا یک ارتباطی با آمریکایی ها دارد."
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?"
و من گفتم:« بله. بسیار خوب. پس شما به طور موثر ۶۰ سال تحقیقات هوایی را خنثی کردید. اقدام دوم شما چه بود؟ وقتی که رشد می کنید چه کار می کنید؟» و گفت، «خب، خدمات مالی.» و من گفتم، «اوه.» چرا که آنها به تازگی در خبرها بودند. و گفتم: « این چگونه کار می کند؟» و اون گفت: «خوب در حال حاضر ۲۰۰۰ فیزیکدان در وال استریت هستند من هم یکی از آنها هستم.» گفتم: «جعبه ی سیاه برای وال استریت چیست؟»
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.
گفت: « جالب است که می پرسی، برای اینکه درواقع آن تجارت با جعبه سیاه نامیده می شود. و همچنین بعضی اوقات الگو تجارت نامیده می شود، تجارت الگوریتمی.» و تجارت الگوریتمی در بخشی نمو پیدا کرد چون بنگاه های تجاری همان مشکل را دارند که نیروی هوایی آمریکا داشت، که آنها از این مواضع جابجا می شوند -- -- چه پراکتر و گمبل (P & G) باشه یا اکسنچر، یا هر چیز دیگر -- آن ها دارند میلیون ها سهام را در بازار جابه جا می کنند. و اگر همه آنرا در یک مرتبه انجام دهند، این به بازی پوکر شبیه هست و همه چیز در مسیر درست پیش می رود. شما فقط با نوک دست تان را می زنید. و بنابراین آنها مجبورند راهی پیدا کنند -- -- و آنها از الگوریتم ها برای این کار استفاده می کنند -- تا چیزی بزرگ را به میلیون ها معامله کوچک تجزیه کنند. و چیز جالب و ترسناک آن اینست که همان ریاضیاتی که شما برای شکستن چیز بزرگ به یک میلیون چیزهای کوچک استفاده می کنید می تواند برای پیدا کردن یک میلیون چیزهای کوچک بکار برود و آنها را دوباره به هم بدوزد. و دریابد که واقعا در بازار چه می گذرد.
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.
بنابراین اگر نیاز دارید که تصاویری داشته باشید از آن چه که در همین لحظه در بازار سهام در حال وقوع است، چیزی که شما می تونید مجسم کنید، مجموعه ای از الگوریتم هاست که اساسا برنامه ریزی شدند تا مخفی باشند، و مجموعه ای ازاگوریتم ها هستند که برنامه ریزی شده اند تا بروند و آنها را پیدا کنند و عمل کنند. و همه آن کار بزرگی است ، خوب است. و 70 در صد از بازار سهام ایالات متحده است 70 درصد از سیستم های عملیاتی سابقا بعنوان حقوق بازنشستگی شما شناخته می شد، قسط شما.
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."
و چه چیزمی تواند اشتباه شود؟ چیزی که می تواند اشتباه باشد اینست که یکسال پیش ، نه درصد از کل بازار تنها در 5 دقیقه ناپدید می شود، و آنرا سقوط ناگهانی 2:45 نامیدند. در یک آن ، نه درصد براحتی از بین میرود، و هیچ کس تا به امروز نمی تواتد بپذیرد که چه اتفاقی افتاد، چراکه هیچ کس سفارش آن را نداد ، هیچ کس آنرا درخواست نکرد. هیچ کس تسلطی بر آنچه که در واقع در حال رخ دادن بود ، نداشت . همه آن چیزی که داشتند یک صفحه نمایشگر بود در برابرشان که اعداد برویش قرارداشت و تنها یک دگمه قرمز که گفت ، " متوقف کنید. "
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.
و این چیزی است ، که ما چیزهایی می نویسیم ، این چیزها را می نویسیم که چندان قادر به خواندن آنها نیستیم. و ما چیزهایی ارائه کرده ایم ناخوانا. و مفهوم چیزهایی را که واقعا دارند اتفاق می افتند را در این دنیایی خود که ساخته ایم ، گم کرده ایم. و ما بنا نهادن روش مان را آغازکردیم. شرکتی در بوستون هست که نانکس نام دارد، و از ریاضی و جادو و چیزهایی که من نمی دانم استفاده می کنند، و به تمامی داده های بازاری دسترسی دارند و برخی مواقع ، بعضی از این الگوریتم ها را پیدامی کنند. و آنها را پیدا می کنند و بیرون می کشند و آنها را مثل پروانه ها به دیوار الصاق می کنند. و کارهایی را ما همیشه انجام داده ایم انجام می دهند وقتی با حجم انبوهی از داده ها مواجه می شویم که آنها را نمی فهمیم -- چیزی است که آنها نامی بر آنها می گذارند و شرح حالی . پس این چیزی است که آنها پیدا کردند، به آن کارد می گویند، جشن ، به هم زننده بوستون موهوم.
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."
و مضحک اینکه البته این تنها در بازار جاری نیست میتوانید این جور چیزها را در هر کجا که نگاه کنید ، پیدا کنید. به محض اینکه یاد بگیرید چگونه دنبال آنها بگردید. می توانید آنرا در اینجا هم بیابید : این کتاب راجع به مگس ها که ممکن است در سایت آمازون بدنبالش می گشتید. ممکن است آنرا ملاحظه کرده باشید وقتی قیمتش در مبلغ 1.7 میلیون دلار خیره کننده است. چاپش در معرض فروش نیست -- هنوز... (خنده حضار) اگر شما آنرا به قیمت 1.7 میلیون خریده بودید ، آن یک خرید ارزان می بوده است. چند ساعت بعد ، قیمتش بالا رفته بود به 23.6 میلیون دلار، به اضافه جابجایی و تحویل. و سئوال اینست: کسی چیزی را نه می خرد و نه می فروشد، چه اتفاقی افتاد؟ و شما این رفتار را در آمازون می بینید به همان قطعیت که در وال استریت می بینید. و وقتی شما این قبیل رفتار را می بینید، چیزی که می بینید یک گواهیست از یک الگوریتم در تضاد الگوریتم هایی که در درون حلقه های همدیگر قفل شده اند، بدون هرگونه نظارت انسانی، بدون هرگونه سرپرستی بزرگی که بگوید ، " واقعا" 1.7 میلیون ، خیلی زیاد است ."
(Laughter)
(خنده حضار)
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.
و مشابه آمازون ، اکنون این با نتفلیکس( نوعی سهام) است. و نتفلیکس در طی سالها با چندین الگوریتم مختلف رفته است . با سینمچ ( جایزه بهبود سهام) شروع کردند، و دسته های دیگری را هم امتحان کردند. داینسور پلانت ، گراویتی بودند. حالا از پراگماتیک کیاس(نوعی لگاریتم ) دارند استفاده می کنند. پراگماتیک کیاس ، مانند همه الگوریتم های نتفلیکس، سعی دارد تا چیز مشابهی را انجام دهد. سعی می کند تا فهمی از شما بدست بیاورد، از محفوظات درون مغز بشر ، بنابراین می تواند پیشنهاد کند که چه فیلمی شما ممکن است بخواهید در آینده ببینید -- که مسئله خیلی خیلی دشواریست. اما مشکل مسئله و این حقیقت که ما چندان در واقع تصور بدی از آن نداریم، ما را از تاثیراتی که پراگماتیک کیاس دارد دور نمی کند. پراگماتیک کیاس ، مانند همه الگوریتم های نتفلیکس، در نهایت ، 60 درصد از فیلم هایی را که به اجاره رفتن منتهی می شوند ، معین می کند. بنابراین یک قطعه از رمز بهمراه نظری درباره شما در خصوص 60 درصد از آن فیلم ها دخالت دارد.
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?
اما چطور اگر شما بتوانید آن فیلم ها را ارزش گذاری کنید قبل از اینکه آنها ساخته شوند؟ این مفید نخواهد بود؟ خب ، چندین دانشمند اطلاعات از بریتانیا در هالی وود هستند، و الگوریتم داستانی دارد -- شرکتی که اپاگوگیس نامیده می شود. و شما می توانید فیلم نامه تان را از این طریق اجرا کنید، و آنها می توانند به شما بگویند، بصورت عددی، که این یک فیلم 30 میلیون دلاریست یا یک فیلم 200 میلیون دلاری. و واقعیت اینست که این یک جستجوگر (گوگل) نیست. اطلاعات نیست. اینها آمار های مالی نیستند : یک فرهنگ هست. و چیزی که اینجا می بینید، و چیزی که در واقع بطور عادی نمی بینید، اینست که اینها فیزیک فرهنگ هستند. و اگر این الگوریتم ها ، همانند الگوریتم های موجود در وال استریت روزی فقط بهم ریخت و از کار خارج شد، چگونه خواهیم دانست ، که چگونه خواهند بود؟
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.
و آنها در خانه شما هستند. اینها دو الگوریتم هستند که دارند برای اتاق نشیمن شما رقابت می کنند. اینها دو ربات تمیزکننده مختلف هستند که برداشت های کاملا متفاوتی راجع به اینکه تمیزی یعنی چه ، دارند. و شما می توانید آنرا ببینید اگر سرعت آنرا کم کنید و یک چراغ به آنها وصل کنید. و آنها شبیه نوعی معماری سری در اتاق خواب شماست. و این نظریه که خود معماری به نوعی موضوع بهینه سازی الگوریتمی است دور از ذهن نیست. یک حقیقت مشهود است و در اطراف شما درحال رخ دادن است.
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.
این را بیشتر احساس می کنید زمانیکه درون یک جعبه فلزی محکم شده هستید، یک بالابر سبک جدید ، آنها بالابر های مقصد کنترل نامیده می شود. اینها از آنهایی هستند که شما باید فشار دهید که به کدام طبقه می خواهید بروید قبل از اینکه به داخل بالابر بروید. و از الگوریتمی استفاده می کند که بسته بندی سطل زباله نام دارد. بنابراین هیچ یک از این چیزهای عجیب اجازه نمی دهد هرکس داخل دستگاهی شود که آنها می خواهند. هرکسی که می خواهد که به طبقه 10 ام برود ، داخل دستگاه شماره دو می شود، و هرکس که می خواهد به طبقه سوم برود ، داخل دستگاه شماره پنج می شود. و مشکل اینجاست که افراد برخورد تندی دارند. آنها نگران می شوند. و می بینید که چرا. برای اینکه بالابر چندین تجهیزات مهم مثل دگمه ، را از قلم انداخته است. ( خنده حضار) مثل چیزهایی که مردم بکار می برند. همه چیزی که دارد عدد می باشد که فقط بالا و پایین حرکت می کند و دگمه قرمز که می گوید " بایست ." و این چیزی است که ما طراحی می کنیم. ما بیان این دستگاه را طراحی می کنیم. و تا کجا می توانید آن را ببرید؟ تا کجا می توانید آنرا ببرید؟ می توانید آنرا خیلی واقعا دور ببرید.
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.
خب ، بگذارید آنرا به وال استریت برگردانم. چرا که الگوریتم های وال استریت به یک کیفیت فرای تمامی بقیه آنها وابسته هستند ، که آن سرعت است. و آنها روی میلی ثانیه و میکرو ثانیه کار می کنند. و برای اینکه یک درکی بشما بدهم از اینکه میکروثانیه چیستند، به اندازه 500000 میکروثانیه طول می کشد تا شما موس را کلیک کنید. اما اگر شما الگوریتم وال استریت هستید و به اندازه 5 میکروثانیه عقب باشید ، یک بازنده هستید. خب اگر شما یک الگوریتم بودید ، بدنبال یک معمار نظیر یکی که من در فرانکفورت آشنا شدم کسی که داشت یک آسمان خراش را خالی می کرد -- همه اثاثیه ها و زیرساختهای مورد استفاده انسان را بیرون می ریخت ، و فقط فولاد را روی طبقات نگه میداشت تا آنرا برای داخل کردن دسته هایی از سرورها آماده کند -- تماما مانند یک الگوریتم می توانست به اینترنت نزدیک باشد.
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.
و به اینترنت به عنوان چنین نوعی از مجموعه گسترده فکر کنید. و البته ، این چنین هست ، اما از چندین مکان توزیع شده است . در نیویورک ، این مکانی است که از آن توزیع شده است : کرییر هتل واقع در خیابان هادسون. و در واقع جایست که سیم ها درست تا درون شهر بالا می آیند. و حقیقت اینست که دورتر از که شما باشید ، به اندازه چند میکرو ثانیه از هر زمانی عقب هستید. این افراد پایین هستند در وال استریت ، مارکوپولو و چروکی نیشن ، آنها هشت میکروثانیه از این افرادی عقب تر هستند که وارد ساختمانهای خالی که توخالی شده اطراف بالای هتل کارییر می شوند. واین اتفاقی است که دارد مدام رخ می دهد. ما قصد داریم تا به توخالی کردن آنها ادامه دهیم ، چرا که شما ، اینچ به اینچ و پوند به پوند و دلار به دلار ، هیچکدام از شما نمی توانست سودی از این فضا بچلاند مثل آنچه که بوستون شافلر توانست .
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.
ولی اگر بازتر نگاه کنید ، اگر بازتر نگاه کنید، یک کانال 825 مایلی خواهید دید بین شهر نیویورک و شیکاگو که در خلال چند سال اخیر ساخته شده است توسط یک شرکت به نام ( شبکه گستر) اسپرید نتورک . این یک کابل نوری است که بین دو شهر خوابانده شده است تا فقط قادر باشد تا یک سیگنال را انتقال دهد 37 مرتبه سریعتر از آنکه شما بتوانید موس را کلیک کنید -- تنها برای اینگونه الگوریتم ها، تنها برای کارنوال و برای نایف . و وقتی که شما به آن فکر می کنید ، که ما ایالات متحده را هدر می دادیم با دینامیت و اره سنگبری خب یک الگوریتم می تواند یک معامله را سه میکروثانیه سریعتر ببندد. تماما بواسطه یک چهارچوب ارتباطی که هیچ بشری نخواهد دانست ، این یک نوع سرنوشت بارز است و همواره بدنبال یک پیشروی جدید می باشد.
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.
متاسفانه ، ما برای خودمان مشکل داریم. این تنها در تئوری است. اینها چند ریاضیدان در ام آی تی هستند. و حقیقت اینست که من در واقع بسیاری از چیزهاییکه آنها در موردش صحبت می کنند را نمی فهمم. اینها راجع به هرم های سبک و پیچیدگی های کوانتومی هستند، و من واقعا هیچکدام را نمی فهمم. اما این نقشه را می توانم بخوانم. و چیزی که این نقشه می گوید اینستکه ، اگر شما در پی آن هستید تا در بازارهایی که در نقطه های قرمز هستند پول در بیاورید، جاییکه مردم هستند، شهرها هستند، شما مجبور خواهید شد تا سرورهایتان را در نقاط آبی قراردهید تا آنرا با بالاترین بازده انجام رسانید. وچیزیکه شما شاید در خصوص آن نقاط آبی باید متوجه شده باشید اینست که بسیاری از آن در میان اقیانوس هستند. بنابراین این کاریست که ما خواهیم کرد، ما جبابها یا چیزهایی یا بسترهایی، خواهیم ساخت. ما در حقیقت آب را قسمت می کنیم تا پول را از هوا بیرون بکشیم، چراکه این یک آینده روشن است اگر شما یک الگوریتم باشید.
(Laughter)
(خنده حضار)
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.
و این تنها پول نیست که در حقیقت جالب توجه است. این چیزی است که پول می انگیزاند. ما داریم در واقع خود زمین را تبدیل به سیاره قابل زیست می کنیم با این مدل کارایی الگوریتمی . و در این وضوح ، به عقب بر می گردید و به عکس های مایکل نجار نگاه می کنید، و متوجه می شوید که آنها کنایه نیستند، آنها رسالت هستند. آنها رسالتند برای نوعی از پدیده های ناپایدار زمینی از ریاضیاتی که ما درحال ساخت آن هستیم. و دورنما همواره توسط چنین چیزهای عجیب، همکاری پریشان بین طبیعت و انسان ساخته شد. اما اکنون این سومین نیروی تکامل مشترک است : الگوریتم -- بوستون شافلر ، کارنوال . و ما باید آنها را بعنوان طبیعت درک کنیم. و از طریقی ، آنها هستند.
Thank you.
با تشکر.
(Applause)
(تشویق حضار)