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.
זוהי תמונה שצילם האמן מייקל נאג'אר, והיא אמיתית, במובן זה שהוא נסע עד לארגנטינה כדי לצלם אותה. אבל היא גם בדייה. הרבה עבודה הושקעה בה לאחר צילומה. ומה שהוא עשה הוא עיצב מחדש, באופן דיגיטלי, את כל קווי-המיתאר של ההרים כך שיתאימו לעליות וירידות של מדד הדאו-ג'ונס. כך שמה שאתם רואים, הצוק הגבוה עם העמק, הוא המשבר הפיננסי של 2008. התמונה צולמה כאשר היינו עמוק בתוך העמק שם. איני יודע היכן אנו עכשיו. זהו מדד ההנג-סנג. של הונג-קונג. וטופוגרפיה דומה. אני תוהה למה.
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.
וזוהי אומנות. זוהי מטפורה. אבל אני סבור שהנקודה היא שזוהי מטפורה עוקצנית. ועם העוקץ הזה אני רוצה להעלות היום את הרעיון שעלינו לחשוב מחדש על תפקידה של המתמטיקה בת-זמננו -- לא רק מתמטיקה פיננסית, אלא מתמטיקה בכללותה. על המעבר שלה ממשהו שאנו מסיקים וגוזרים מהעולם למשהו שבעצם מתחיל לעצב את העולם -- את העולם סביבנו ואת העולם בתוכנו. ובאופן ספציפי אלה האלגורתמים, שהם בעצם המתמטיקה שמשמשת את המחשבים כדי לקבל החלטות. הם רוכשים יכולת הבחנה לגבי האמת, מכיוון שהם חוזרים על עצמם שוב ושוב. הם מתאבנים ומסתיידים, והם הופכים לממשיים.
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?"
חשבתי על כל זה בטיסה טרנסאטלנטית לפני כמה שנים, מכיוון שבמקרה ישבתי ליד פיזיקאי הונגרי שהיה בערך בגילי ודיברנו על איך היו החיים בתקופת המלחמה הקרה עבור פיזיקאי בהונגריה. שאלתי אותו, "מה עשית אז?"
And he said, "Well we were mostly breaking stealth."
והוא ענה, "בעיקר ניסינו לגלות מטוסי חמקן."
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.
אני אמרתי, "זו עבודה מעניינת. איך זה בדיוק עובד?" כדי להבין זאת, צריך להבין קצת איך החמקן פועל. זה באופן פשטני -- אבל עקרונית, אי-אפשר סתם להעביר אות מכ"מ דרך 156 טון פלדה הנמצאת בשמיים. זה לא יכול להיעלם סתם ככה. אבל אם לוקחים את הדבר הענק הזה, והופכים אותו למיליוני דברים קטנים -- משהו כמו להקת ציפורים -- אז המכ"מ שמחפש אותו צריך להיות מסוגל להבחין בכל להקת ציפורים שבשמיים. ואם אתה מכ"מ, זו באמת משימה קשה.
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.'"
והוא אמר, "נכון, אבל זה אם אתה מכ"מ. לכן לא השתמשנו במכ"מ; בנינו קופסה שחורה שחיפשה אותות חשמליים, תקשורת אלקטרונית. בכל פעם שראינו להקת ציפורים שהיתה אצלה תקשורת אלקטרונית, חשבנו שקרוב לוודאי שזה קשור לאמריקאים."
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?"
ואני אמרתי, "נכון. זה טוב. אתה בעצם ביטלת ביעילות 60 שנה של מחקר אווירונאוטי. מה הצעד הבא שלך? מה אתה עושה לאחר שגדלת?" הוא ענה, "שירותים פיננסיים." אמרתי, "או." כי אלה היו בחדשות לאחרונה. שאלתי, "כיצד זה עובד?" הוא ענה, "כיום ישנם 2,000 פיזיקאים בוול-סטריט, ואני אחד מהם." שאלתי, "מהי הקופסה השחורה של וול-סטריט?"
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.
והוא ענה, "מעניין שאתה שואל את זה, כי בעצם זה נקרא מסחר קופסה שחורה. ולפעמים הוא נקרא גם מסחר אלגו, מסחר אלגורתמי." מסחר אלגוריתמי התפתח, בחלקו, בגלל שלסוחרים ממוסדים יש את אותן הבעיות שיש לחיל-האויר האמריקאי, והיא שהם מעבירים פוזיציות -- בין אם זה "פרוקטור את גמבל" או "אקנטיור" וכו' -- הם מעבירים משהו כמו מיליון מניות דרך השוק. ואם הם עושים זאת בבת-אחת, זה כמו לשחק פוקר ולהמר על הכל. זה כמו לגלות את הקלפים שלך. ולכן עליהם למצוא דרך -- הם משתמשים באלגוריתמים כדי לבצע זאת -- לשבור דבר אחד גדול למיליון העברות קטנות. והקסם והפחד בזה הם שאותה מתמטיקה שמשמשת לשבירת הדבר הגדול למיליון חלקים קטנים, ניתן להשתמש בה למציאת מיליון דברים קטנים ולחברם ביחד ולגלות מה באמת מתרחש בשוק.
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.
אז אם ברצונכם לקבל תמונה על מה שמתרחש בבורסה ממש עכשיו, אפשר לדמות קבוצת אלגוריתמים המתוכנתים להסתתר, וקבוצה אחרת של כאלה המתוכנתים למצוא אותם ולפעול. כל זה נפלא והכל בסדר. וזה 70 אחוז מבורסת ארה"ב, 70 אחוז ממערכת מתפקדת שהיתה ידועה בעבר כפנסיה שלכם, משכנתא שלכם.
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."
ומה יכול היה להשתבש? מה שהשתבש הוא שלפני שנה, 9 אחוזים מס"ה שוק המניות נעלמו תוך 5 דקות, והם קראו לזה התרסקות בהינד-עפעף של 2:45. ככה פתאום, 9 אחוזים פשוט נעלמו, ואף אחד עד היום אפילו לא יודע מה קרה, מאחר ואף אחד לא הזמין או ביקש לעשות זאת. לאיש לא היתה שליטה על מה שקורה בפועל. כל מה שהיה להם זה רק צג מול עיניהם שעליו רצים מספרים וכפתור אדום האומר "עצור".
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.
וזה העניין, שאנו כותבים דברים, שאנו כבר לא מסוגלים יותר לקרוא. יצרנו משהו בלתי-קריא. ואיבדנו את התחושה לגבי מה שבעצם קורה בעולם הזה שיצרנו. ואנחנו מתחילים להתקדם. יש חברה בבוסטון בשם נאנקס, הם משתמשים במתמטיקה וקסם והשד יודע מה, והם מגיעים לכל נתוני השוק והם מוצאים לפעמים חלק מהאלגוריתמים הללו. כאשר הם מוצאים אותם, הם מוציאים אותם החוצה ומצמידים אותם לקיר כאילו היו פרפרים. הם עושים מה שתמיד עשינו כאשר עמדנו מול כמויות אדירות של נתונים שאיננו מבינים -- הם נותנים לזה שם ויוצרים סיפור. הנה אחד שהם מצאו, הם כינו אותו ה"סכין", ה"קרנבל", ה"מערבל הבוסטוני", "דמדומים".
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."
והקטע הוא שאלגורתמים כאלה אינם מאכלסים רק את שוק המניות. ניתן למצוא כאלה בכל מקום שמחפשים אותם, ברגע שלומדים כיצד לאתרם. ניתן למצוא כאלה כאן: ספר הזבובים שאולי חיפשתם באמאזון. אולי הבחנתם בזה כאשר מחירו התחיל ב-1.7 מיליון דולר. הוא אזל -- אבל בכל זאת .... (צחוק) אם רכשתם אותו תמורת 1.7, זכיתם במציאה. כמה שעות אחר-כך, מחירו עלה ל-23.6 מיליון דולר, לא כולל דמי משלוח. והשאלה היא: אם אף אחד לא קנה או מכר משהו, אז מה קרה כאן? ורואים התנהגות כזו באמאזון באותה וודאות שרואים אותה בוול-סטריט. כאשר רואים התנהגות כזו, זו העדות לסתירות בין אלגוריתמים, אלגוריתמים הנעולים בלולאות של האחד בשני, ללא השגחת אדם, ללא בוגר אחראי שיאמר, "1.7 מיליון זה יותר מדי."
(Laughter)
(צחוק)
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.
וכמו באמאזון, ככה גם בנטפליקס. נטפליקס השתמשה בכמה אלגוריתמים שונים במשך השנים. הם החלו עם סיינמאצ', וניסו עוד כמה. יש את "כוכב הדינוזאורים", יש "כבידה". כעת הם משתמשים ב"כאוס פרגמטי". "כאוס פרגמטי", כמו כל האלגוריתמים של נטפליקס, מנסה לעשות אותו הדבר. הוא מנסה להשיג עלינו אחיזה, על התוכנה הצרובה שבגולגלתנו, כדי שיוכל להמליץ על הסרט שאולי נרצה לצפות בו כעת -- שהיא בעיה מאוד, מאוד קשה. אבל הקושי של הבעיה והעובדה שלא הצלחנו להשתלט עליה, אינם מונעים מאיתנו את ההשפעות שיש ל"כאוס פרגמטי". "כאוס פרגמטי", כמו כל האלגוריתמים של נטפליקס, קובע, בסופו של דבר, 60 אחוז של איזה סרטים יושכרו. כך שחלק אחד של התוכנית המחזיק בדימוי אחד מסויים עלינו, אחראי ל-60 אחוז מהסרטים הללו.
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?
אבל מה אם היינו יכולים לדרג את הסרטים לפני שיוצרים אותם? האם זה לא יהיה יותר שימושי? כמה מדעני נתונים מבריטניה נמצאים בהוליווד, ויש להם אלגוריתמי עלילות -- חברה הנקראת אפאגוגיקס. וניתן להריץ את תסריט הסרט שם, והם יכולים להגיד באופן כמותי, שזה סרט של 30 מיליון דולר או סרט של 200 מיליון דולר. אבל העניין כאן הוא שזה לא גוגל. זה לא מידע. אלה אינן סטטיסקות פיננסיות; זוהי אומנות. ומה שרואים כאן, או מה שלא רואים באופן רגיל, זה שאלה הם הפיזיקה של אומנות. ואם אלגוריתמים הללו, כמו האלגוריתמים בוול-סטריט, יתרסקו יום אחד וישתבשו, כיצד נדע על זה, כיצד זה אמור להיראות?
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.
והם נמצאים בביתינו. אלה הם שני אלגוריתמים המתחרים על סלון. אלה הם שני רובוטי-ניקוי שונים הנושאים עימם שתי תפיסות שונות לחלוטין על מה זה ניקוי. וניתן לראות זאת, בהילוך איטי כאשר מצמידים להם פנסים. והם מהווים מין ארכיטקטים חשאיים בחדר-השינה שלנו. והרעיון שהארכיטקט עצמו כפוף לאופטימיזציה אלגוריתמית כבר אינו דמיוני. הוא ממשי ביותר ומתקיים סביבנו.
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.
חשים אותו הכי הרבה כאשר אנו נעולים בתא-מתכת, מעלית מסוג חדש, הנקראת מעלית שליטה-על-יעד. אלו מעליות בהן צריך ללחוץ על הקומה שרוצים להגיע אליה לפני שנכנסים למעלית. והיא משתמשת באלגוריתם הנקרא אלגוריתמם אריזת תיבה. נגמרו השטויות האלה של לתת לכל אחד להיכנס לכל מעלית שבא לו. כל מי שרוצה להגיע לקומה העשירית, ייכנס למעלית 2, וכל מי שרוצה להגיע לקומה השלישית, ייכנס למעלית 5. אבל הבעיה עם זה היא שאנשים חוששים. אנשים נכנסים לחרדה. ורואים מדוע. זה בגלל שהמעלית חסרה אמצעים מאוד חשובים, כמו הכפתורים. (צחוק) כמו אלה שאנשים משתמשים. כל מה שיש עכשיו זה המספר שנע מעלה מטה והכפתור האדום הנותן פקודה לעצור. וזה מה שאנו בונים. אנו בונים ניב של מכונות. כמה רחוק אפשר לקחת את זה? ניתן לקחת זאת ממש, ממש רחוק.
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.
אחזור ברשותכם לוול-סטריט. מאחר והאלגוריתמים בוול-סטריט תלויים בתכונה אחת המעפילה על השאר, שזו מהירות. והם פועלים במילישניות או מיקרושניות. ורק כדי לתת לכם מושג מה זה מיקרושניה, לוקח לנו 500,000 מיקרושניות רק כדי להקליק על עכבר. אבל אם אתה אלגוריתם בוול-סטריט ואתה מפגר ב-5 מיקרושניות מאחור, אתה נחשב למפסידן. לכן אם הייתם אלגוריתם, הייתם מחפשים ארכיטקט כמו זה שפגשתי בפרנקפורט שרוקן גורד-שחקים -- זורק את כל הריהוט, את כל האביזרים לשימוש אדם, ורק משאיר פלדות בריצפה כדי להתכונן למדפי שרתים העומדים להיכנס -- כל זה כדי שאלגוריתמים יוכלו להתקרב עוד לאינטרנט.
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.
אתם חושבים על אינטרנט כמערכת מבוזרת. כמובן שהיא כן, אבל היא מבוזרת ממקומות מסויימים. בניו-יורק, זה המקום ממנו היא מבוזרת: מלון קארייר הממוקם ברחוב הדסן. וזה המקום ממנו יוצאים הכבלים אל תוך העיר. והמציאות היא שככל שמישהו יותר רחוק ממנו, הוא נשאר מפגר מאחור בכמה מיקרושניות. האדונים האלה בוול-סטריט, מרקו פולו וצ'רוקי ניישן, הם 8 מיקרושניות מאחורי האדונים האלה העומדים להיכנס לבניינים הריקים המרוקנים כעת בסביבת מלון קארייר. וזה ימשיך לקרות שוב ושוב. אנו עומדים להמשיך ולרוקן אותם, מאחר ואתם, אינטש אחר אינטש ופאונד אחר פאונד דולר אחר דולר, אף אחד מכם אינו מסוגל לסחוט כסף מהמרחב הזה כמו שה"מערבל הבוסטוני" יכול.
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.
אבל אם תתרחקו, אם תתרחקו, תראו תעלה באורך 1300 ק"מ בין ניו-יורק לשיקגו הנבנית בשנים האחרונות על-ידי חברה הנקראת ספרייד נטוורקס. זהו כבל סיב אופטי שהונח בין שתי הערים הללו פשוט כדי להיות מסוגלים להעביר אות אחד מהר יותר פי-37 ממה שאתם יכולים להקליק על עכבר -- אך ורק בשביל אלגוריתמים הללו, אך ורק בשביל ה"קרנבל" וה"סכין". כאשר חושבים על כך, שאנו עוברים על ארה"ב עם מסורי דינמיט וסלעים כדי שאלגוריתם יוכל לסגור עיסקה 3 מיקרושניות יותר מהר, הכל בשביל מערכת תקשורת שאף אדם לא יכירה אי-פעם, זהו מין מינשר של גורל ידוע מראש, שתמיד יחפש חזיתות חדשות.
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.
לרוע המזל, העבודה כבר נעשתה בשבילנו. זה רק תאורטי. אלה כמה מתמטיקאים ב-MIT. והאמת היא שאיני מבין הרבה ממה שהם מדברים עליו. זה קשור לקונוסי אור ותסבוכת קוונטית, והאמת היא שאני לא מבין שום דבר מזה. אבל אני יכול להבין את המפה. ומה שהמפה הזו אומרת הוא שאם אתם מנסים לעשות כסף בשווקים היכן שהנקודות האדומות מופיעות, ששם נמצאים האנשים, היכן שהערים הגדולות, תצטרכו להניח את השרתים היכן שנמצאות הנקודות הכחולות כדי לבצע זאת בצורה היעילה ביותר. ואולי כבר הבחנתם משהו בנוגע לנקודות הכחולות, שרבות מהן נמצאות בתוך האוקיינוס. אז זה מה שנעשה. נבנה מין שלפוחיות או משהו, או רציפים. אנו בעצם נחצה את המים כדי לסחוט כסף מהאויר, מכיוון שהעתיד ורוד אם אתה אלגוריתם.
(Laughter)
(צחוק)
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.
וזה לא הכסף עצמו שמעניין כל-כך, אלא מה שהכסף גורם לנו לעשות. אנו למעשה מעצבים מחדש את פני-השטח של כדור-הארץ עצמו עם סוג כזה של יעילות אלגוריתמית. לאור כל זאת, נחזור ונסתכל בצילומיו של מייקל נאג'אר, ונגלה שהן לא מטפורה, אלא נבואה. הן נבואה על ההשפעות הססמיות, הקרקעיות שיש למתמטיקה שאנו יוצרים. ותוואי הקרקע תמיד נוצר בעבר על-ידי סוג כזה של שיתוף-פעולה מוזר ומדאיג בין הטבע והאדם. אבל כעת ישנו כח אבולוציוני-שיתופי שלישי: האלגוריתמים -- ה"מערבל הבוסטוני", ה"קרנבל". ועלינו יהיה להביט עליהם בתור טבע. ובמובן מסויים, הם באמת כאלה.
Thank you.
תודה.
(Applause)
(מחיאות כפיים)