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.
Ez egy olyan fotó, amit a művész, Michael Najjar készített, és eredeti, abban az értelemben, hogy elment Argentínába ahhoz, hogy lefotózza. Ugyanakkor fikció is. Sok munka lett azért utána még belefektetve. Amit ő tett, az gyakorlatilag annyi, hogy digitálisan átformálta a hegyek összes kontúrját, ahhoz, hogy követni tudja a Dow Jones index viszontagságait. Amit tehát itt láthatunk, ez a szakadék, ez a nagy szakadék a völgyben, a 2008-as pénzügyi válság. A fotó akkor készült, amikor mélyen a völgyben jártunk, amott. Fogalmam sincs, hol tartunk jelenleg. Ez itt a Hang Seng index Hongkong számára. És hasonló topográfia. Vajon miért?
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.
És ilyen a művészet. Ez egy metafora. De szerintem a lényeg az, hogy ez egy olyan metafora, aminek fogai vannak. És ezen fogak miatt javaslom azt, hogy gondoljuk át egy kicsit a kortárs matematika szerepét -- nemcsak a pénzügyi matekét, hanem a matekét, általánosságban. Hogy az átmenet abból, hogy valamit kivonunk és elvonatkoztatunk a világtól, eljut oda, hogy ez a valami ténylegesen elkezdi formálni -- a körülöttünk és a bennünk lévő világot egyaránt. És konkrétan az algoritmusok azok, amik a matek részét képezik annak, amit a számítógépek a dolgok eldöntéséhez felhasználnak. Rendelkeznek az igazság érzékenységével, mivel újra és újra ismétlődnek. És becsontosodnak és elmeszesednek, majd valóságossá válnak.
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?"
Erre először, minden közül, egy Atlanti-óceánt átszelő járaton gondoltam jónéhány évvel ezelőtt, mivel úgy alakult, hogy egy magyar fizikus mellé ültettek, aki kb. velem egyidős volt, és arról beszélgettünk vele, hogy milyen volt az élet a hidegháború idején, a magyar fizikusok számára. Azt kérdeztem: "Szóval, miket csináltatok akkoriban?"
And he said, "Well we were mostly breaking stealth."
Ezt válaszolta: "Nos, többnyire lopakodókat kerestünk."
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.
Mire én: "Hát az klassz munka. Nagyon érdekes. Hogy működik ez?" Ahhoz, hogy ezt megértsük, kicsit értenünk kell, hogy a lopakodó repülőgép min alapszik. És persze -- ez egy túlegyszerűsítés, de -- alapvetően nem úgy működik, hogy csak úgy áteresztjük a radarhullámot 156 tonnányi repülő acélon! Az nem tűnik el olyan egyszerűen. De ha ezt a nagy, tömör valamit sok milliónyi apró darabbá tudod alakítani -- mint valami madársereggé --, akkor a radarnak, ami keresi, észre kell tudni venni minden egyes madársereget az égen! És ha te vagy az a radar, akkor ez marha kemény munka!
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.'"
Mire ő: "Hát igen, de ez akkor van, ha te radar vagy. Ezért mi nem radart használtunk; hanem építettünk egy fekete dobozt, ami elektromos jeleket keresett, elektronikus kommunikációt. És amikor csak megláttunk egy madársereget, akik közt volt elektronikus kommunikáció, tudtuk, hogy ennek valami köze van
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?"
az amerikaiakhoz!" Mire én: "Hát igen. Ez klassz. Tehát gyakorlatilag 60 évnyi repülőgép-fejlesztést tönkrevágtatok ezzel! És még mit csináltatok? Mit csináltok, amikor felnőtök?" Ő ezt válaszolta, "Hát pénzügyi szolgáltatást nyújtunk." Mire én: "Aha." Mert ilyesmiről volt szó mostanában a hírekben. Megkérdeztem: "És az hogy működik?" Ezt válaszolta: "Nos, 2000 fizikus dolgozik manapság a Wall Streeten és én közülük vagyok egy." Megkérdeztem: "Mi a Wall Street fekete doboza?"
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.
"Érdekes, hogy ezt kérdezi, mert tényleg fekete doboz kereskedésnek nevezik. Néha algokereskedésnek is hívják, algoritmikus kereskedésnek." És az algoritmikus kereskedés részben amiatt fejlődött ki, hogy az intézményes kereskedőknek ugyanazok a problémái, mint az USA légierejének, ami pedig abban áll, hogy változtatják a pozícióikat -- legyen az akár Procter & Gamble vagy Accenture, bármi -- valaminek a sok millió részét mozgatják át a piacon keresztül. És amennyiben ezt egyszerre teszik, az olyan lenne, mint amikor pókerben azonnal 'all in'-t mondanál. Kiszórnád a kezedből. Ezért olyan módot kell keresniük -- amihez algoritmusokat használnak -- hogy ezt a nagy dolgot millió kis tranzakcióra tördeljék. És ebben a varázslat és borzalom egyben az, hogy ugyanaz a matek, amit arra használunk, hogy a nagyot sok millió apró darabkára tördeljük, arra is használható, hogy megtaláljunk sok millió apró darabkát, és újra összeillesszük őket, amiből aztán mérthetjük, hogy valójában mi is történik a piacon!
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.
Tehát, ha akarsz egy kis betekintést arról, mi történik az értéktőzsdén ebben a pillanatban, akkor észreveheted, hogy van egy csokor algoritmus, amik gyakorlatilag azt a célt szolgálják, hogy rejtőzködjenek, és egy csokor algoritmus, ami arra való, hogy megtalálja ezeket és cselekedjen! És ez mind nagyszerű, és jól is van így. És ez az USA értéktőzsdéjének 70%-át teszi ki! A működő rendszer 70%-a, amit azelőtt nyugdíjként, jelzálogként tartottunk számon.
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."
Mi romolhatna el? Ami elromlott, az az, hogy egy évvel ezelőtt, az egész piac kilenc százaléka egyszerűen eltűnt öt perc leforgása alatt, amit úgy neveztek el, hogy a 2:45-ös villámkrach. Hirtelen, kilenc százalék csak úgy eltűnik, és a mai napig nem ért senki egyet abban, hogy mi is történhetett, mivel senki nem rendelte el, senki sem kérte ezt. Senkinek nem volt ellenőrzése afölött, ami akkor történt. Mindössze egy monitor volt előttük, rajta a számokkal, és csak egy piros gomb, amin ez állt: "Stop."
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.
Na hát ez az, hogy mi írjuk a dolgokat, mi magunk írjuk azokat a dolgokat, amiket többé nem vagyunk képesek olvasni! Olvashatatlanná tettünk valamit. És többé már nem értjük, hogy mi is zajlik éppen, abban a világban, amit magunk teremtettünk! De kezdünk kimászni belőle. Van Bostonban egy Nanex nevű cég, akik matekot és mágiát, meg ki tudja még mit használnak, képesek elérni az összes piaci adatot és néha ténylegesen megtalálják ezen algoritmusok némelyikét. Amikor megtalálják őket, akkor kivonják ezeket, és kitűzik őket a falra, mint a pillangókat szokás. Azt teszik, amit mindig is tettünk, amikor óriási mennyiségű adattal találtuk szembe magunkat, amiket nem értettünk -- mégpedig, hogy elnevezik őket és történetet szőnek köréjük. Ez egy azok közül, amiket találtak, Késnek nevezték el, ezt Karneválnak, ezt Bostoni Csoszogónak, ezt Szürkületnek.
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."
A röhejes ebben az, hogy persze ezek nemcsak a piacon vannak jelen. Akárhová nézel beleütközöl az ilyenekbe, ha egyszer megtanultad felismerni őket. Megtalálhatod itt: van ez a legyekről szóló könyv, amit az Amazonon már lehet, hogy láttál. Lehet, hogy észrevetted, amikor az ára ott magaslott 1,7 millió dolláron! Elfogyott -- mégis... (Nevetés) Ha megvetted volna 1,7-ért, az jó üzlet lett volna! Néhány órával később, felment az ára 23,6 millió dollárra, plusz szállítási és kezelési költség. A kérdés itt az: senki nem is adott el, vagy vett semmit; akkor mi is zajlott? Láthatjuk ezt a viselkedést az Amazonon, ugyanolyan biztonsággal, mint a Wall Streeten! És amikor az ilyen viselkedést észrevesszük, amit látunk, az a bizonyíték az ellentétes algoritmusok jelenlétére, olyan algoritmusokra, amelyek rövidre zárják egymás köreit, mindenféle emberi beavatkozás nélkül, mindenféle hozzáértő felügyelet nélkül, ami azt mondaná: "Nos, az az 1,7 millió azért kicsit túl sok!
(Laughter)
Ki vele!" (Nevetés)
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.
És ahogy az Amazonon, ugyanúgy van ez a Netfixen is. Tehát a Netfix keresztülment egy csomó különféle algoritmuson az évek során. A Cinemathtal kezdték, és kipróbáltak egy csomó másikat is. Ott van a 'Dinoszaurusz bolygó', ott van a 'Gravitáció'. Most a 'Pragmatikus káosz'-t használják éppen. A 'Pragmatikus káosz' az összes Netfix algoritmushoz hasonlóan ugyanezt próbálja véghezvinni. Megpróbál kiismerni téged, az emberi koponya belső vezérlőproramján belül, hogy aztán mozifilmeket javasolhasson neked, amit legközelebb szívesen megnéznél -- ami egy nagyon-nagyon összetett kérdés. De a kérdés nehézsége, és az a tény, hogy nem igazán győztük még le, nem vesz el semmit a 'Pragmatikus káosz' hatékonyságából. A 'Pragmatikus káosz', az összes Netflix algoritmushoz hasonlóan végső soron meg fogja mondani, 60%-ban, hogy milyen filmeket fognak kikölcsönözni. Tehát egyetlen darabka kód arról, hogy milyen vagy, felelős azoknak a filmeknek a 60 százalékáért.
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?
De mi lenne akkor, ha már akkor rangsorba tudnád állítani azokat a filmeket, mielőtt elkészülnek? Hát nem lenne klassz? Nos, néhány angol statisztikus tudós jelenleg Hollywoodban dolgozik, és vannak történet algoritmusaik -- ez az Epagogix nevű cég. Végigfuttathatod a kéziratodat náluk, és meg tudják mondani számszerűsítve, hogy ez egy 30 millió dolláros film lesz, vagy egy 200 millió dolláros. És a helyzet az, hogy ez nem a Google. Ez nem egyszerűen információ. Ezek nem pénzügyi statisztikák; hanem kultúra. És amit itt észrevehetünk, ill. amit normál esetben nem veszünk észre, az az, hogy ez a kultúra fizikája! És amennyiben ezek az algoritmusok, a Wall Steet-iekhez hasonlóan, egyszercsak összeomlanak és megmutatják a fonákjukat, azt hogyan tudjuk meg, hogy fog az kinézni?
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.
És ott vannak a házainkban! Ott vannak a te házadban! Két olyan algoritmus, ami a nappalidért versenyez! Két különböző takarítórobot, akiknek nagyon különböző felfogása van arról, hogy mit is jelent a tisztaság! És láthatjuk ezt, ha lelassítjuk és fényt kapcsolunk rájuk. Olyanok, mint valami titokzatos építészek a hálószobádban. És az az elképzelés, hogy maga az építészet valamiféleképpen az algoritmikus optimalizációtól függ, egyáltalán nem egy erőltetett vélemény. Szupervalóságos és körülöttünk történik!
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.
Akkor lehet legjobban érzékelni, amikor egy lezárt fémdobozban vagyunk, egy modern liftben, amiket célállomás vezérelt lifteknek neveznek. Ezek azok, amikor meg kell nyomod a gombot, hogy melyik emeletre fogsz menni, még mielőtt belépnél a liftbe. Az úgynevezett 'ládapakoló' algoritmust használja. Tehát ezen őrületek egyike sem fogja megengedni senkinek, hogy abba a liftbe szálljon be, amelyikbe akar! Mindenki, aki a tizedikre akar menni, a kettes liftbe, és mindenki, aki a harmadikra akar menni az ötösbe kell szálljon! A baj ezzel csak az, hogy az emberek ettől kiakadnak! Bepánikolnak! És látjuk, hogy miért! Látod! Azért, mert a liftben hiányzik valami alapvető dolog: a gombok! (Nevetés) Ugyanúgy, mint a használati tárgyaknál. Mindössze annyi van benne, hogy a számok mozognak fel és le, és van a piros gomb, amin ez áll: "Stop!" És ezzel a céllal tervezünk! Erre a gépnyelvjárásra tervezzük a dolgokat! Meddig vezethet ez? Meddig bírjuk elviselni ezt? Nagyon sokáig elmehetünk vele.
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.
Hadd kanyarodjak most vissza a Wall Streetre. Mert a Wall Street algoritmusai egy minőségtől függenek mindenek felett, mégpedig a sebességtől. És ezért milli- és mikroszekundumok alatt végzik el a dolgukat. Csak hogy megmutassam, mennyi is egy mikroszekundum, 500.000 mikroszekundumba telik, hogy az egérre klikkeljünk. De ha egy Wall Street-i algoritmus vagy, és 5 másodperccel lemaradsz, akkor veszítettél. Tehát ha algoritmusok lennénk, olyan építészt keresnénk, mint akivel Frankfurtban találkoztam, aki éppen egy felhőkarcolót ürített ki -- kidobálva az összes bútort, az összes emberi használathoz szükséges infrastruktúrát, és kizárólag acélsíneket helyezett el a földön, hogy előkészítse a helyet a beszállítandó szerverkupac számára -- mindezt azért, hogy egy algoritmus közel kerülhessen az internethez.
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.
Úgy gondolunk az internetre, mint valami elosztott rendszerre. És persze az is, de helyekről osztják szét. New Yorkban például innen szolgáltatják: a Carrier Hotelből, ami a Hudson Streeten helyezkedik el. És ez az a hely, ahol a kábelek ténylegesen belépnek a városba, magába. És az a helyzet, hogy minél messzebb vagy ettől a helytől, annál több mikroszekundummal le vagy maradva, minden egyes esetben! Ezek a fickók ott a Wall Streeten Marco Polo és Cherokee Nation, 8 mikorszekundummal ezek mögött a srácok mögött kullognak, akik éppen a a Carrier Hotel körüli kiürített épületekbe tartanak. És ilyesmik ezentúl is lesznek! Továbbra is ki kell, hogy ürítsük őket, mert mi, centiről centire, fontról fontra, dollárról dollárra, egyikünk sem képes olyan bevételt kisajtolni abból a térből, mint amennyit a Bostoni Csoszogó tudott.
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.
De ha kijjebb lépünk ebből a körből, egyre kijjebb, láthatunk egy 1300 kilométer hosszú árkot New York és Chicago között, ami az elmúlt években épült, a Spread Networks cég által. Ez egy optikai kábel, amit azért fektettek le a két város közé, hogy képesek legyenek 37-szer gyorsabban venni a jeleket, mint ahogy az egereden klikkelsz egyet, kizárólag ezeknek az algoritmusoknak, csak a Karneválnak és a Késnek. És ha ebbe belegondolunk, hogy járunk körbe az USA-ban dinamitokkal és sziklavágókkal, hogy az algoritmusok az üzletet 3 mikroszekundummal gyorsabban meg tudják kötni, mindezt egy olyan kommunikációs keretben, amit ember soha fel nem fog fogni, ez valamiféleképpen előrevetíti a sorsot, és mindig előrefele fog húzni.
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.
Sajnos mindannyiunknak megvan a kijelölt munkája. Ez csak elmélet. Ezt néhány MIT-s matematikus találta ki. És az igazság az, hogy nem igazán értem a nagy részét annak, amiről beszélnek. Tartoznak ide fénykúpok, meg kvantumbonyodalmak, és ezek egyikét sem igazán értem. Viszont tudom olvasni ezt a térképet. És amit ez a térkép mond, az az, hogy ha ott akarsz pénzt csinálni a piacon, ahol a piros pöttyök vannak, ahol az emberek, a városok vannak, akkor a szervereket oda kell helyezned, ahol a kék pöttyök vannak, hogy a leghatékonyabban hajthasd ezt végre. És az a helyzet, és lehet, hogy ti is észrevettétek, hogy a kék pöttyök nagy része az óceánok közepére esik! Tehát valami ilyesmit kell majd tennünk, buborékokat létrehozni, vagy miket, vagy állványokat. Szó szerint részekre fogjuk osztani a vizeket ahhoz, hogy pénzt hozzunk ki a levegőből, mivel ez egy kecsegtető lehetőség, ha mi vagyunk az algoritmus.
(Laughter)
(Nevetés)
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.
És valójában nem is a pénz az érdekes ebben. Hanem az, amire a pénz motivál. Hogy tulajdonképpen átalakítjuk a földet, magát a Föld bolygót ezzel a fajta algoritmikus hatékonysággal. És ennek fényében térjünk vissza és nézzük meg Michael Najjar fotóit, és akkor észrevesszük, hogy nem is metaforák, hanem próféciák! Próféciái azoknak a szeizmikus földön zajló hatásoknak, amiket a matematikánkkal művelünk. És a tájkép mindig is ennek a fura, nem igazán könnyed, természet és ember közti együttműködésnek a következtében formálódott. De most itt van ez az evolúció következtében megjelenő erő: az algoritmusok -- a Bostoni Csoszogó, a Karnevál. És ugyanúgy meg kell értenünk ezeket, mint a természetet! Mert bizonyos értelemben ők is annak a részei.
Thank you.
Köszönöm.
(Applause)
(Taps)