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.
Dit is een foto van de kunstenaar Michael Najjar, en het is echt, in de zin dat hij naar Argentinië gereisd is om de foto te nemen. Maar het is ook fictie. Er is nadien veel werk in gestopt. Wat hij gedaan heeft, is digitaal de contouren van de bergen veranderen in het verloop van de Dow-Jonesindex. Dus wat je ziet, die hoge top, gevolgd door dat dal, is de financiële crisis van 2008. De foto werd gemaakt toen we diep in dat dal zaten. Ik weet niet waar we nu zitten. Dit is de Hang-Sengindex van Hong Kong. Gelijkaardige topografie. Hoe zou dat kunnen.
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.
Dit is kunst. Het is beeldspraak. Maar ik denk dat dit beeldspraak is met tanden. Het is met deze tanden dat ik wil voorstellen dat we eens nadenken over de rol van wiskunde tegenwoordig -- niet slechts financiële wiskunde, maar wiskunde in het algemeen. Haar verandering van iets dat we onttrekken aan en afleiden uit de wereld naar iets dat de wereld begint te vormen -- de wereld rondom ons en de wereld in ons. Het gaat specifiek over algoritmes, hetgeen de wiskunde is die computers gebruiken om beslissingen te nemen. Ze verwerven de logica van waarheid want ze herhalen zich keer op keer. Ze verstenen en verkalken, en ze worden werkelijk.
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?"
Ik dacht hierover na tijdens een transatlantische vlucht, enkele jaren geleden, want ik werd geplaatst naast een Hongaarse natuurkundige van mijn leeftijd en we spraken over hoe het leven tijdens de koude oorlog er uitzag voor natuurkundigen in Hongarije. Ik vroeg: "Wat deed je zoal?"
And he said, "Well we were mostly breaking stealth."
Hij zei: "We waren voornamelijk stealth aan het breken".
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.
Ik zei: "Da's een goeie baan. Dat is interessant. Hoe werkt zoiets?" Om dit te begrijpen, moet je enigszins begrijpen hoe stealth werkt. Dus -- dit is een oversimplificatie -- maar waar het op neerkomt is: je kunt geen radarsignaal dwars door 156 ton staal laten gaan. Het zal niet zomaar verdwijnen. Maar wanneer je dat grote, solide ding zou kunnen veranderen in een miljoen kleine dingen -- iets als een zwerm vogels -- dan zal de radar die ernaar speurt in staat moeten zijn om elke zwerm vogels te zien in de lucht. Als je een radar bent, is dat een hondenbaan.
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.'"
Hij zei: "Dat klopt... maar dat is als je een radar bent. Dus we gebruikten geen radar; we bouwden een zwarte doos die naar elektrische signalen speurde, elektronische communicatie. Telkens als we een zwerm vogels zagen met elektronische communicatie, dachten we: heeft waarschijnlijk iets met de Amerikanen te maken".
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?"
Ik zei: "Jaah, Da's niet mis. Dus je hebt feitelijk 60 jaar aeronautisch onderzoek tenietgedaan. Wat is je tweede akte? Wat ga je doen als je groot bent?" Hij zei: "Nou, financiële diensten." Ik zei: "Oh." Want die waren de laatste tijd in het nieuws geweest. Ik zei: "Hoe werkt dat?" Hij zei: "Nou, er werken tegenwoordig 2000 natuurkundigen op Wall Street; ik ben er eentje van". Ik zei: "Wat is de Zwarte Doos voor Wall Street?"
And he said, "It's funny you ask that, because it's actually called black box trading. And it's also sometimes called algo trading, algorithmic trading." And algorithmic trading evolved in part because institutional traders have the same problems that the United States Air Force had, which is that they're moving these positions -- whether it's Proctor & Gamble or Accenture, whatever -- they're moving a million shares of something through the market. And if they do that all at once, it's like playing poker and going all in right away. You just tip your hand. And so they have to find a way -- and they use algorithms to do this -- to break up that big thing into a million little transactions. And the magic and the horror of that is that the same math that you use to break up the big thing into a million little things can be used to find a million little things and sew them back together and figure out what's actually happening in the market.
Hij zei: "Dat is ook toevallig... Het heet namelijk "black box-handel". Het wordt ook wel algohandel genoemd, algoritmische handel". Algoritmische handel werd ontwikkeld, deels omdat institutionele handelaren dezelfde problemen hebben als de Amerikaanse luchtmacht had, namelijk dat ze posities verplaatsen -- hetzij Proctor and Gamble of Accenture, wat dan ook -- ze sturen een miljoen aandelen van iets door de markt. Als ze dat in één keer doen, lijkt het op een pokerspel waarbij je meteen alles inzet. Je gooit de boel volledig open. Dus moeten ze een manier vinden -- en daar gebruiken ze algoritmes voor -- om dat grote ding te splitsen in een miljoen kleine transacties. De magie en de horror daarvan is dat dezelfde wiskunde die je gebruikt om het grote te splitsen in een miljoen kleine dingen, gebruikt kan worden om een miljoen kleine dingen op te sporen en weer samen te voegen en uit dokteren wat er nu eigenlijk gebeurt in de markt.
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.
Dus als je een idee wilt hebben van wat er momenteel gebeurt in de aandelenmarkt, kun je je een hoop algoritmes voorstellen die geprogrammeerd zijn om zich te verstoppen, en een hoop algoritmes, geprogrammeerd om ze te vinden en te handelen. Dat is allemaal mooi en goed. Het is goed voor 70 procent van de Amerikaanse aandelenmarkt, 70 procent van het besturingssysteem voorheen bekend als je pensioen, je hypotheek.
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."
Wat zou er mis kunnen gaan? Wat er mis kon gaan, is dat een jaar geleden 9 procent van de totale markt zomaar verdwijnt binnen vijf minuten. Ze noemen het de flash crash van 2u45. Opeens is 9 procent weg, en tot op heden is niemand het er zelfs maar over eens wat er gebeurde, want niemand had de opdracht gegeven, niemand vroeg erom. Niemand had enige controle over wat er gebeurde. Alles wat ze hadden, was een monitor voor zich met daarop de cijfers en een rode knop met daarop "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.
En dat is het punt. We schrijven dingen die we niet langer kunnen lezen. We hebben iets gemaakt dat onleesbaar is. We hebben alle zicht verloren op wat er werkelijk gebeurt in die wereld die we gemaakt hebben. We beginnen nu hier een begin te maken. Er is een bedrijf in Boston genaamd Nanex, en zij gebruiken wiskunde en magie en weet ik wat niet allemaal, en ze graaien in de handelsgegevens en vinden soms daadwerkelijk deze algoritmes. Dan trekken ze die eruit en prikken ze aan de muur als een vlinder. Ze doen wat we altijd gedaan hebben als we voor massa's gegevens staan die we niet snappen -- ze geven ze een naam en een verhaal. Dit is er een dat ze vonden, genaamd het Mes, het Carnaval, de Boston Shuffler, Schemering.
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."
De grap is dat deze zich uiteraard niet slechts door de markt bewegen. Je kunt deze dingen vinden waar je maar kijkt, als je weet waarop je moet letten. Je kunt het hier zien: dit boek over vliegen waarnaar je misschien gekeken hebt op Amazon. Het is je misschien opgevallen toen de prijs begon bij 1,7 miljoen dollar. Van een uitverkochte editie -- dan nog... (Gelach) Als je het had gekocht voor 1,7 was dat een koopje geweest. Een paar uur later was de prijs gestegen tot 23,6 miljoen dollar, plus verzendkosten. Het probleem is: Niemand kocht of verkocht iets; wat gebeurde er? Je ziet dit soort gedrag net zo makkelijk op Amazon als op Wall Street. Wanneer je dit ziet, aanschouw je het bewijs van algoritmes in conflict, algoritmes die in rondjes met elkaar draaien zonder enig menselijk toezicht, zonder ouderlijk toezicht dat zegt: "Weet je, 1,7 miljoen is wel genoeg".
(Laughter)
(Gelach)
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.
Zoals het bij Amazon is, is het ook met Netflix. Netflix heeft verscheidene algoritmes versleten de afgelopen jaren. Ze begonnen met Cinematch, en ze hebben er nog een paar geprobeerd. Er was Dinosaur Planet, er was Gravity. Nu gebruiken ze Pragmatic Chaos. Pragmatic Chaos heeft, net als alle Netflix-algoritmes, hetzelfde doel. Het probeert grip te krijgen op jou, op de firmware in de menselijke schedel, zodat het kan aanraden welke film je vervolgens zou kunnen bekijken -- hetgeen een zeer moeilijk probleem is. Maar de moeilijkheid van het probleem en het feit dat we het nog niet echt beheersen, doet niets af aan het effect dat Pragmatic Chaos heeft. Pragmatic Chaos bepaalt, net als de andere Netflix-algoritmes, uiteindelijk voor 60 procent welke films er gehuurd worden. Dus één stukje code met één idee over jou is verantwoordelijk voor 60 procent van al die films.
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?
Maar wat als je die films zou kunnen beoordelen voordat ze gemaakt worden? Zou dat niet handig zijn? Welnu, een paar datawetenschappers uit Engeland zijn in Hollywood, en ze hebben verhaal-algoritmes. Het is een bedrijf genaamd Epagogix. Je kunt je script er doorheen halen, en dan vertellen zij je of dat een 30-miljoen-dollarfilm of een 200-miljoen-dollarfilm is. Het punt is: dit is niet Google. Dit is geen informatie. Dit zij geen financiële statistieken; dit is cultuur. Wat je hier ziet, of wat je niet ziet, normaal gesproken, is dat dit de natuurkunde van de cultuur is. Als deze algoritmes, net als die van Wall Street, op een dag zouden crashen en doordraaien, hoe zouden we dat dan kunnen weten? Hoe zou het er uitzien?
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.
Ze zitten in je huis. In je huis. Dit zijn twee algoritmes die wedijveren om je woonkamer. Dit zijn twee verschillende schoonmaakrobots met heel verschillende ideeën over wat schoon betekent. Dat kun je zien als je er lampjes op monteert. Ze lijken op geheime architectjes in je slaapkamer. Het idee dat architectuur zelf doelwit is van algoritmische optimalisatie is niet vergezocht. Het is de realiteit en het gebeurt om je heen.
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.
Je voelt het vooral wanneer je in een gesloten metalen doos zit, een lift-nieuwe-stijl, zogenaamde 'destination control'-liften. Dat zijn degene waarbij je moet aangeven naar welke verdieping je wilt, vóórdat je de lift binnenstapt. Het gebruikt een zogenaamd bin packing algoritme. Dus niet de gebruikelijke chaos waarbij iedereen maar lukraak een lift binnenstapt. Iedereen die naar de 10de etage wil, stapt in lift twee, en iedereen die naar de derde verdieping wil, stapt in lift vijf. Het probleem hiermee is dat mensen op tilt slaan. Mensen raken in paniek. En je ziet waarom. Je ziet waarom. Dat is omdat de lift belangrijke instrumenten mist, zoals de knoppen. (Gelach) De dingen die mensen gebruiken. Wat er wel is, is enkel een getal dat hoger of lager wordt en die rode knop waarop "Stop" staat. Dat is waarvoor we ontwerpen. We ontwerpen voor dit machinedialect. Hoe ver kun je dat doordrijven? Hoe ver ? Je kunt het heel, heel ver doordrijven.
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.
Laten we even teruggaan naar Wall Street. Want de algoritmes van Wall Street zijn boven alles afhankelijk van één factor, en dat is snelheid. Ze opereren op millisecondes en microsecondes. Om je een idee te geven wat een microseconde is, het kost jou 500.000 microseconden om met een muis te klikken. Maar als je een Wall-Streetalgoritme bent, en je bent 5 microseconden te laat, ben je een loser. Dus als je een algoritme was, zou je op zoek gaan naar de architect die ik in Frankfurt ontmoette, die een wolkenkrabber aan het uithollen was -- alle meubilair eruit, alle infrastructuur voor menselijk gebruik, en enkel staal op de vloeren als voorbereiding op de komst van de servertorens -- allemaal zodat een algoritme dichtbij het internet komt te zitten.
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.
Je denkt aan het internet als een verspreid systeem. Dat is het ook, maar het wordt verspreid vanaf bepaalde plekken. In New York is dit de bron van de verspreiding: het Carrier Hotel gelegen in Hudson Street. Dit is werkelijk waar de kabels de stad binnen komen. De realiteit is dat hoe verder je daar vandaan zit, hoe meer microseconden je elke keer later bent. Deze jongens in Wall Street, Marco Polo en Cherokee Nation, zijn 8 microseconden later dan al die lui die in die lege gebouwen trekken, die uitgehold worden rondom het Carrier Hotel. Dat zal blijven gebeuren. We gaan ze blijven uithollen, want centimeter voor centimeter en pond voor pond en dollar voor dollar -- niemand van jullie zou omzet uit die ruimte kunnen persen zoals de Boston Shuffler dat kan.
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.
Maar als je uitzoomt, als je uitzoomt, zou je een 1300 km lange geul zien tussen New York City en Chicago die gegraven is in de afgelopen jaren door een bedrijf genaamd Spread Networks. Dit is een glasvezelkabel die gelegd werd tussen die twee steden, enkel om één signaal te vervoeren, dat 37x sneller gaat dan jij met een muis kunt klikken -- enkel voor deze algoritmes, enkel voor het Carnaval en het Mes. Als je bedenkt dat we door de Verenigde Staten trekken met dynamiet en steenzagen opdat een algoritme een zakenbeslissing 3 microseconden sneller kan nemen, binnen een communicatie-omgeving die geen mens ooit zal kennen, is dat een soort manifeste lotsbestemming die altijd zal uitzien naar een volgende grens.
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.
Helaas, ons werk staat op ons lijf geschreven. Dit is slechts theoretisch. Dit zijn enkele wiskundigen van MIT. De waarheid is dat ik niet echt begrijp waar ze het soms over hebben. Dan gaat het over kegels en kwantumverstrengelingen, en die dingen begrijp ik niet echt. Maar ik kan deze kaart lezen. Wat deze kaart zegt, is dat, als je geld probeert te verdienen waar de rode stippen zijn, dat is waar de mensen zijn, waar de steden zijn, dan zul je de servers moeten neerzetten op de blauwe stippen voor een maximale effectiviteit. En wat je misschien is opgevallen aan die blauwe stippen is dat veel daarvan midden in de oceaan liggen. Dus dat gaan we doen, we bouwen luchtbellen of zoiets, of platforms. We gaan het water scheiden om geld uit de lucht te trekken, want de toekomst lacht je toe als je een algoritme bent.
(Laughter)
(Gelach)
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.
Eigenlijk is het niet het geld dat zo interessant is. Het is waartoe dat geld aanzet. Dat we de aarde aan het omvormen zijn met dit soort algoritmische efficiëntie. In dat licht ga je terug en je kijkt naar Michael Najjar's foto's, en je beseft dat ze geen beeldspraak zijn, maar voorspellingen. Ze voorspellen de soort seismische, aardse effecten van de wiskunde die we scheppen. Het landschap werd altijd bepaald door een soort vreemde, ongemakkelijke samenwerking tussen natuur en mens. Maar nu is er een derde co-evolutionaire kracht: algoritmes -- de Boston Shuffler, het Carnaval. Die zullen we als natuur moeten gaan zien. Op een bepaalde manier zijn ze dat ook.
Thank you.
Dank je wel.
(Applause)
(Applaus)