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.
Tai fotografo Michael Najjar nuotrauka. Ji yra tikra ta prasme, kad jis nuvyko į Argentiną, kad tai nufotografuotų. Bet tai kartu ir fikcija. Su šia nuotrauka buvo nemažai padirbėta. Iš tikrųjų jis skaitmeniniu būdu pertvarkė visus kalnų kontūrus, kad šie atitiktų Dow Jones indekso pokyčius. Tai, ką jūs matote, tas status skardis su slėniu, tai yra 2008-ųjų finansinė krizė. Nuotrauka buvo padaryta, kai mes buvome žemiausiame taške. Aš nežinau, kur mes esame dabar. Tai Hang Seng indeksas Honkongo akcijų biržoje. Panaši topografija. Įdomu, kodėl.
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.
Tai yra menas. Tai metafora. Esmė tame, kad ši metafora kandžiojasi. Būtent dėl to aš noriu šiandien pasiūlyti, kad mes šiek tiek permąstytume šiuolaikinės matematikos vaidmenį -- ne tik finansinės, bet ir bendrosios matematikos. Tai tarpinė būsena tarp to, ką mes paimame iš mus supančio pasaulio, ir to, kas iš tikro pradeda jį formuoti -- tiek išorinį tiek vidinį pasaulį. Tiksliau tai yra algoritmai, kurie iš esmės yra matematika, kurią naudoja kompiuteriai sprendimų priėmimui. Jie sukuria tiesos įspūdį, nes jie nuolatos kartojami. Jie sustabarėja ir užkalkėja ir tampa realiais.
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?"
Aš apie visa tai mąsčiau skrisdamas transatlantiniu reisu prieš pora metų, nes visai atsitiktinai sėdėjau šalia savo bendraamžio vengrų fiziko ir kalbėjomės apie tai, kaip fizikai gyveno Šaltojo karo metu Vengrijoje. Aš paklausiau, "Kuo jūs užsiimdavote?"
And he said, "Well we were mostly breaking stealth."
Jis atsakė, "Na, daugiausia "nematomų" lėktuvų paieškomis."
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.
Aš tariau, "Tai geras darbas. Tai įdomu. Kaip tai vyksta?" Tam suprasti reikia suvokti, kaip veikia "nematomumas". Nors tai ir labai supaprastinta, bet iš esmės negalite padaryti, kad radaro signalas eitų kiaurai per 156 tonas plieno danguje. Lėktuvas tiesiog taip neišnyks. Bet jei paverstumėte tą didžiulį, sunkų objektą milijonu mažų objektų -- tarsi į paukščių būrį -- tuomet ieškantis radaras turės sugebėti pastebėti kiekvieną paukščių pulką danguje. Jei jūs radaras, tai tikrai nedėkinga užduotis.
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.'"
Jis atsakė, "Taip, bet taip yra, jei esi radaras. Tad mes nenaudojome radarų; mes sukūrėme juodą dėžę, ieškančią elektrinių signalų, elektroninių komunikacijų. Kai tik mes pastebėdavome paukščių pulką, perduodantį elektroninius signalus, darydavome išvadą, kad tai kažkaip susiję su amerikiečiais."
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?"
Aš tariau, "Taip. Tai įdomu. Tai jūs iš esmės išmetėte į šiukšlyną 60 metų aeronautikos tyrimų. Koks buvo jūsų kitas žingsnis? Ką veikėte, kai užaugote?" Jis atsakė, "Na, finansinės paslaugos." Aš ištariau "O!". Tuo metu tai buvo populiari tema. Paklausiau, "Kaip tai vyksta?" Jis atsakė, "Na, šiuo metu Volstryte dirba 2000 fizikų ir aš esu vienas iš jų." Pasidomėjau, "Kas yra Volstryto "juodoji dėžė"?"
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.
Jis tarė, "Keista, kad taip klausi, nes tai ir vadinama "juodosios dėžės prekyba". Kartais vadinama algoprekyba, algoritmine prekyba." Algoritminė prekyba išsivystė iš dalies dėl to, kad instituciniai prekeiviai susidūrė su tomis pačiomis problemomis, kaip ir Jungtinių Valstijų oro pajėgos. Jie turėjo valdyti tas pozicijas -- ar tai būtų Proctor & Gamble ar Accenture, nesvarbu -- jie valdė milijonų akcijų srautus visoje rinkoje. Jei jūs atliksite viską vienu metu, tai kaip žaidžiant pokerį eiti "all in". Jūs atskleidžiate savo kortas. Jie turėjo rasti būdą -- tam jie naudoja algoritmus -- išskaidyti visą sandėrį į milijoną mažų transakcijų. Visas stebuklas ir siaubas yra tai, kad ta pati matematika, naudojama viso reikalo skaidymui į milijoną mažų veiksmų, gali būti naudojama milijono mažų veiksmų radimui, jų sujungimui ir išsiaiškinimui, kas iš tikrųjų vyksta rinkoje.
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.
Jei norite suvokti, kas šiuo metu vyksta akcijų rinkoje, įsivaizduokite krūvą algoritmų, iš esmės sukurtų pasislėpti, ir krūvą algoritmų, sukurtų aniems surasti ir atlikti veiksmus. Visa tai puiku ir gražu. Tai yra 70 procentų Jungtinių Valstijų akcijų rinkos, 70 procentų veikiančios sistemos, dar žinomos, kaip jūsų pensija, jūsų hipoteka.
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."
Kas gali blogo nutikti? Gali nutikti taip, kaip nutiko maždaug prieš metus, kai per penkias minutes prapuolė devyni procentai visos rinkos. Jie tai pavadino "2:45 staigia griūtimi". Visiškai netikėtai devyni procentai tiesiog dingsta ir iki pat šios dienos niekas negali atsakyti, kas nutiko, nes niekas to neužsakė, niekas neprašė. Niekas nekontroliavo to, kas vyksta. Viskas, ką jie turėjo, tai monitorius prieš akis su skaitmenimis ir elementariu raudonu mygtuku, ant kurio užrašyta "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.
Tame ir esmė, kad mes rašome dalykus, mes rašome dalykus, kurių nebegalime perskaityti. Mes kažką pavaizdavome neįskaitomai. Mes praradome suvokimą, kas iš tikrųjų vyksta šiame mūsų sukurtame pasaulyje. Ir mes pradedame judėti pirmyn. Bostone yra kompanija pavadinimu Nanex. Jie naudoja matematiką, magiją ir dar net nežinau ką. Jie paima visus rinkos duomenis ir kartais aptinka kai kuriuos iš šių algoritmų. Juos suradę jie juos ištraukia ir prisega prie sienos tarsi drugelius. Jie daro tai, ką mes visuomet darydavome susidūrę su dideliu kiekiu mums nesuprantamų duomenų -- mes suteikiame jiems vardus ir istorijas. Tuos, kuriuos surado, jie pavadino Peiliu, Karnavalu, Bostono Maišyklė, Prieblanda.
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."
Triukas tame, kad tai gali rasti ne tik rinkoje. Šitokius dalykus galite rasti bet kur, kai tik išmoksite juos atpažinti. Galite rasti čia: knygą apie muses, kurią galėjote matyti Amazon parduotuvėje. Galbūt pastebėjote, kai jos kaina siekė 1.7 milijono dolerių. Ji išparduota -- vis dar... (Juokas) Jei jūs nusipirkote ją už 1.7 milijono, tai buvo puikus sandėris. Po kelių valandų kaina pakilo iki 23.6 milijono dolerių be siuntimo ir pristatymo išlaidų. Tad kyla klausimas: Niekas nieko nepirko ir nepardavė; kas gi vyko? Tokį elgesį galite matyti Amazon taip pat dažnai, kaip ir Volstryte. Kai pastebite tokį elgesį, tai yra konfliktuojančių algoritmų įrodymas. Algoritmai užstringa uždarame cikle be jokios žmogaus priežiūros. Be jokios brandžios priežiūros, kuri pasakytų, "Iš tikrųjų 1.7 milijono yra gana daug."
(Laughter)
(Juokas)
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.
Netflix viskas taip pat, kaip ir Amazon. Per visus veiklos metus Netflix naudojo keletą skirtingų algoritmų. Jie pradėjo su Cinematch ir bandė daugybę kitų. Buvo Dinozaurų Planeta, buvo Gravitacija. Dabar jie naudoja Praktišką Chaosą. Praktiškas Chaosas, kaip ir visi Netflix algoritmai, bando daryti tą patį. Jis bando jus perprasti, perprasti programinę įrangą, esančią žmogaus kaukolėje tam, kad galėtų rekomenduoti filmą, kurį norėtumėte pažiūrėti netrukus -- tai yra labai labai sunki užduotis. Bet užduoties sunkumas ir faktas, kad ji nėra pilnai įvykdyta, nepanaikina Praktiško Chaoso pasekmių. Praktiškas Chaosas, kaip ir visi Netflix algoritmai, galų gale nustato 60 procentų filmų nuomos apimčių. Vienas kodo gabalėlis su supratimu apie jus yra atsakingas už 60 procentų tų filmų.
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?
Bet jeigu jūs galėtumėte reitinguoti filmus dar prieš juos pastatant? Ar tai nebūtų patogu? Na, Holivude yra duomenų specialistų iš Jungtinės Karalystės, turinčių istorijų algoritmus -- Epagogix kompanija. Galite duoti savo scenarijų ir jie jį įvertins kiekybiškai, ar tai 30-ies milijonų dolerių filmas, ar 200 milijonų dolerių filmas. Esmė tame, kad tai ne Google. Tai ne informacija. Tai ne finansinė statistika; tai kultūra. Ką jūs čia matote, ar ko čia paprastai nematote, yra kultūros fizika. Ir jei šie algoritmai, kaip ir Volstryto algoritmai, tiesiog vieną dieną suges ir išsikreips, kaip mes tai sužinosime, kaip tai atrodys?
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.
Ir jie jūsų namuose. Jie jūsų namuose. Tai du algoritmai besivaržantys dėl jūsų svetainės. Tai tu skirtingi valymo robotai, turintys labai skirtingą supratimą, kas yra švaru. Jūs galite tai pamatyti juos sulėtinę ir pritvirtinę šviesos šaltinį. Jie tarsi slapti jūsų svetainės architektai. Ir idėja, kad pati architektūra yra susijusi su algoritmine optimizacija, nėra tokia neįtikima. Tai visiškai realu ir tai vyksta šalia jūsų.
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.
Labiausiai tai juntama būnant uždaroje metalinėje dėžėje, naujo tipo lifte, kurį vadina tikslo kontrolės liftu. Čia tie, prieš į kuriuos įlipdamas turi pasirinkti, į kurį aukštą nori patekti. Jis naudoja vadinamąjį dėžės pakavimo algoritmą. Daugiau jokių kvailysčių leidžiant visiems lipti į bet kurią kabiną. Visi norintys patekti į dešimtą aukštą lipa į antrą kabiną, o visi vykstantys į trečią aukštą lipa į penktą kabiną. Problema ta, kad žmonės išsigąsta. Žmonės supanikuoja. Ir jūs suprantate, kodėl. Suprantate, kodėl. Nes lifte trūksta kai kurių svarbių įtaisų, pavyzdžiui, mygtukų. (Juokas) Dalykų, kuriuos naudoja žmonės. Jame tėra skaitmuo, kuris didėja ar mažėja, ir raudonas mygtukas su užrašu "Stop." Ir tam mes kuriame dizainą. Mes kuriame dizainą, skirtą mašinų tarpusavio bendravimui. Ir kaip toli mes galime nueiti? Kaip toli galime nueiti? Galime nueiti labai labai toli.
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.
Grįžkime į Volstrytą. Nes Volstryto algoritmams svarbiausia yra viena savybė -- greitis. Jie veikia milisekundžių ir mikrosekundžių ribose. Kad suvoktumėte, kas yra mikrosekundė, pelės mygtuko paspaudimas užtrunka 500,000 mikrosekundžių. Bet jei esate Volstryto algoritmas ir atsiliekate penkiomis mikrosekundėmis, jūs pralaimėtojas. Jei būtumėte algoritmas, ieškotumėte architekto, kokį sutikau Frankfurte. Jis ištuštino dangoraižį -- išmetė visus baldus, visą žmonėms reikalingą infrastruktūrą, paliko tik stovinčias plienines konstrukcijas, skirtas sudėti serveriams -- viskas tam, kad algoritmas priartėtų prie interneto.
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.
Jūs galvojate, kad internetas yra tam tikra išskirstyta sistema. Taip ir yra, bet ji skirstoma iš konkrečių vietų. Štai iš kur ji skirstoma Niujorke: Carrier viešbutis, esantis Hadsono gatvėje. Būtent iš ten laidai išeina į miestą. Realybė tokia, kad kuo toliau esi nuo tos vietos, kaskart atsilieki keliomis mikrosekundėmis. Tie algoritmai Volstryte, Marco Polo ir Čerokių Tauta, jie atsilieka aštuoniomis mikrosekundėmis nuo tų, kurie užima ištuštintus pastatus aplink Carrier viešbutį. Taip tęsis ir toliau. Mes ir toliau juos tuštinsime, nes nei vienas iš mūsų, colis po colio, svaras po svaro ir doleris po dolerio negalime išspausti tiek pajamų iš tos vietos, kiek sugeba Bostono Maišyklė.
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.
Bet jei pažvelgtumėte iš toliau, jei pažvelgtumėte iš toliau, pamatytumėte 825 mylių ilgio tranšėją tarp Niujorko ir Čikagos, kurią paskutinius kelerius metus kasė kompanija Spread Networks. Tai optinis kabelis, nutiestas tarp tų dviejų miestų tam, kad perduoti vieną signalą 37 kartus greičiau, nei galite spustelėti pelės mygtuką -- vien šiems algoritmams, vien Karnavalui ir Peiliui. Kai apie tai pagalvoji, kad mes braunamės per Jungtines Valstijas su dinamitu ir akmens skaldikliais tam, kad algoritmas galėtų atlikti sandėrį trimis mikrosekundėmis greičiau, viskas dėl tos komunikacijų sistemos, kurios joks žmogus niekad nesupras, tai tarsi parodo mūsų likimą ir tam niekada nebus ribų.
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.
Nelaimei, mums reikia atlikti daug sunkaus darbo. Tai kol kas tik teorija. Tai keli MIT matematikai. Teisybės dėlei, aš nesuprantu daugumos dalykų, apie kuriuos jie kalba. Tai susiję su šviesos kūgiais ir kvantinėmis jungtimis. Aš tikrai nieko apie tai nenutuokiu. Bet aš suprantu šį žemėlapį. Šis žemėlapis rodo, jei nori uždirbti pinigų raudonų taškų rinkose, kur gyvena žmonės, kur stovi miestai, tai reikia įrengti serverius mėlynuosiuose taškuose, kad pasiektum didžiausią efektyvumą. Turbūt pastebėjote, kad dauguma tų mėlynų taškų yra viduryje vandenyno. Taip mes ir padarysime -- įrengsime plūdurus ar platformas. Mes praskirsime vandenį tam, kad ištrauktume pinigus iš oro, nes tai ir yra šviesi ateitis, jei esate algoritmas.
(Laughter)
(Juokas)
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.
Įdomiausia ne patys pinigai. Įdomiausia, ką tie pinigai skatina. Mes formuojame pačią Žemės planetą šiuo algoritminiu efektyvumu. Tai suvokęs vėl pažvelgi į Michael Najjar nuotraukas ir supranti, kad tai ne metafora - tai pranašystė. Tai mūsų sukurtos matematikos seisminių, globalinių pasekmių pranašystė. Kraštovaizdis visada formavosi dėl to keisto, sunkaus gamtos ir žmogaus bendradarbiavimo. Bet dabar atsirado trečioji bendros evoliucijos jėga: algoritmai -- Bostono Maišyklė, Karnavalas. Mes juos turime suvokti, kaip gamtą. Nes iš dalies, jie tokie ir yra.
Thank you.
Ačiū jums.
(Applause)
(Plojimai)