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.
Это — фотография Майкла Найджара, и она настоящая, в том смысле, что он поехал в Аргентину, чтобы сделать фотографию. Но она также и выдумка. После этого в неё было вложено много работы. Он взял и переделал её на компьютере так, чтобы все очертания гор следовали превратностям индекса Доу-Джонса. Что вы видите, вот тот обрыв, высокий обрыв с долиной, это финансовый кризис 2008-го года. Эта фотография была сделана, когда мы были глубоко вот там в долине. Я не знаю, где мы находимся сейчас. Это индекс Хан-Сенга, из Гонконга. Схожая топография. Я в догадках, почему.
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.
Это искусство. Это метафора. Я думаю, дело в том, что это зубастая метафора. С мыслями об этих зубах я хочу предложить, чтобы мы сегодня немного переосмыслили роль современной математики — не только финансовой математики, а математики в общем. Её переход от того, что мы извлекаем и выводим из наблюдений за миром, к тому, что начинает формировать — мир вокруг нас и наш внутренний мир. Именно алгоритмы, та самая математика, которую компьютеры используют для принятия решений. Они становятся правдоподобными, из-за многократного повторения. Они костенеют и твердеют и становятся реальностью.
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?"
Я думал об этом, подумать только, во время трансатлантического перелёта много лет назад, потому что по случайности меня посадили с венгерским физиком примерно моего возраста, и мы разговаривали о том, какой была жизнь физиков во время холодной войны в Венгрии. Я спросил: «Так чем же вы занимались?»
And he said, "Well we were mostly breaking stealth."
Он ответил: «По большей части, ломали защиту самолётов-невидимок».
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.
«Хорошая работа, — сказал я, — интересная тема. А как это работает?» Чтобы это понять, нужно понимать, как работают самолёты-невидимки. Вот — и это сильное упрощение — по-простому, нельзя взять и пропустить сигнал радара сквозь 156 тонн стали в небесах. Никуда они не денутся. Но если взять эту огромную, массивную штуку, и если сделать из неё миллион маленьких — примерно как стая птиц — тогда наблюдающий радар должен уметь видеть каждую стаю птиц в небе. И для радара это не самая лёгкая работа.
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.'"
«Да, — сказал он, — это так, если использовать радар. Поэтому радар мы не использовали. Мы сделали чёрный ящик, который искал электронные сигналы, электронные сообщения. И каждый раз, когда была замечена стая птиц, ведущая электронные разговоры, мы знали, что, наверное, это что-то американское».
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?"
«Да, — ответил я, — неплохо. Вы практически взяли и перечеркнули 60 лет аэронавигационных исследований. А чем вы сейчас занимаетесь? Чем вы занимаетесь во взрослой жизни?» Он ответил: «Финансовые услуги». «Ого» — удивился я. Потому что про них недавно говорили в новостях. «А это как работает?» — спросил я. Он ответил: «На Уолл-стрит сейчас работает две тысячи физиков, и я один из них». Я спросил: «И каков же чёрный ящик для Уолл-стрит?»
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.
Он удивился: «Надо же, как вы спросили, потому что он действительно называется торговля чёрными ящиками. Иногда это называется алготорговля, алгоритмическая торговля». Алгоритмическая торговля развилась отчасти потому что у профессиональных торговцев были те же проблемы, что и у Военно-воздушных сил США, а именно, когда они торгуют акциями — будь то Proctor & Gamble или Accenture, что угодно — они проводят миллионы акций сквозь рынок. Если сделать это одним махом, то это, как в покере, поставить всё сразу. Все поймут, что у вас на руках. Итак, им нужно найти способ — и для этого они используют алгоритмы — разбить эту огромную штуку на миллион маленьких транзакций. Магия и ужас в том, что та самая математика, использованная для разбивки большой вещи на миллион маленьких вещей, может быть использована для поиска миллиона маленьких вещей, сборки их обратно, и выяснения, что же действительно происходит на рынке.
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.
В качестве представления, что сейчас происходит на рынке акций прямо сейчас, можете представить группу алгоритмов, которые запрограммированы прятать, и группу алгоритмов, которые запрограммированы искать и действовать. Конечно, всё это классно. И это составляет 70% рынка акций США, 70% того, что раньше было известно как ваша пенсия, как ваша ипотека.
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."
Что же плохого может случиться? А то, что год назад, 9% рынка просто исчезло за пять минут, и это было названо мгновенное падение 2:45. Вдруг, 9% просто исчезает, и по сей день, никто не может понять, что случилось, потому что никто это не заказывал, никто об этом не просил. Никто не контролировал происходящее. Всё, что было доступно — монитор перед глазами, с цифрами на нём, и красная кнопка с надписью «Стоп».
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.
Дело в том, что мы пишем вещи, мы пишем такие вещи, которые сами не в состоянии прочесть. Мы сделали что-то нечитаемое. Мы потеряли ощущение того, что происходит в мире, который мы построили. Но мы начинаем понимать. В Бостоне есть компания Nanex, они используют математику и магию и что-то ещё, получают доступ к данным рынка, и находят, иногда, некоторые из этих алгоритмов. Когда они их находят, они их вытаскивают, и прикалывают на стену как бабочек. Они делают то, что мы всегда делали, сталкиваясь с огромным количеством данных, которые мы не понимаем — они дают им имя и историю. Вот кое-что из найденного, названное Нож, Карнавал, Бостонский пройдоха, Сумерки.
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."
Прикол в том, что это не только на рынке. Эти вещи можно найти везде, где ни посмотри, как только научишься их искать. Их можно найти здесь: это книга о мухах, которую можно было заметить на Amazon. На неё можно было обратить внимание, когда она стоила 1,7 миллиона долларов. Она больше не издается — но всё же... (Смех) И если бы вы купили её за 1,7, это была бы выгодная сделка. Несколько часов позже, она выросла в цене до 23,6 миллиона долларов, плюс доставка и упаковка. Вопрос: Никто ничего не продавал и не покупал, что происходило? Такое поведение можно заметить на Amazon точно так же, как и на Уолл-стрит. При наблюдении такого поведения, вы видите свидетельство конфликтующих алгоритмов, алгоритмов, зажавших друг друга мёртвой хваткой, без человеческого контроля, без надзора взрослых, которые бы сказали: «Ну, хватит, 1,7 миллиона вполне достаточно».
(Laughter)
(Смех)
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.
Это не только на Amazon, но и на Netflix. За годы, Netflix поменял несколько разных алгоритмов. Они начали с Cinematch, и попробовали группу других. Планета Динозавров, Гравитация. Сейчас они используют Прагматический Хаос. Прагматический Хаос, как и все другие алгоритмы Netflix, пытается решить ту же задачу. Он пытается разобраться в вас, в прошивке внутри черепа, для того чтобы рекомендовать фильм, который вы можете захотеть посмотреть следующим — а это очень, очень трудная проблема. Трудность проблемы, и факт того, что она до сих пор не решена, не отменяет последствий, создаваемых Прагматическим Хаосом. Прагматический Хаос, как и все алгоритмы Netflix, в итоге определяет 60% всех взятых напрокат фильмов. Единственный участок кода, с единственным представлением о вас, отвечает за 60% фильмов.
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?
А как насчёт оценки фильмов ещё до того, как они сделаны? Было бы это здорово? Некоторые учёные из Великобритании сейчас в Голливуде, и у них есть сценарные алгоритмы — компания называется Epagogix. Она может обработать ваш сценарий, и сказать, количественно, что это кино на 30 миллионов долларов, или на 200 миллионов долларов. Суть в том, что это не Google. Это не информация. Это не финансовая статистика, это культура. То, что вы здесь видите, или же то, что обычно не видно, это физика культуры. Если эти алгоритмы, как алгоритмы на Уолл-стрит, в один прекрасный день просто сломаются и сойдут с ума, как мы об этом узнаем, как это будет выглядеть?
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.
А они уже в доме. В вашем доме. Это два алгоритма, сражающиеся за вашу гостиную. Это два разных робота-уборщика, с совершенно разными представлениями о чистоте. Это можно увидеть, если замедлить и прикрепить к ним огоньки. Они как тайные архитекторы в вашей спальне. Идея о том, что сама архитектура является объектом алгоритмической оптимизации не притянута за уши. Это абсолютно реально и уже происходит вокруг нас.
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.
Больше всего это ощущается в закрытом металлическом ящике, лифте нового поколения, который называется лифтом с регистрацией места назначения. Это те самые, где нужно нажать кнопку этажа ещё до входа в лифт. Он использует так называемый алгоритм об упаковке в контейнеры. И никакого вольнодумства, чтобы каждый выбирал лифт сам. Все, кто едут на десятый этаж, идут в лифт номер два, и все, кто едут на третий этаж, идут в лифт номер пять. Проблема в том, что люди волнуются. Люди паникуют. И понятно почему. Потому что в лифте нет очень важных деталей, таких как кнопки. (Смех) Детали, которые люди используют. Всё, что есть, это номер, который двигается вверх и вниз, и та самая красная кнопка с надписью «Стоп». Вот для чего мы это делаем. Мы это делаем удобным для машин. Сколько это можно терпеть? Как далеко можно зайти? Очень, очень далеко.
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.
Давайте вернёмся на Уолл-стрит. Алгоритмы Уолл-стрит зависят, прежде всего, от одной вещи, и это скорость. Они работают с милли- и микросекундами. Чтобы дать понять, что такое микросекунда — щелчок мышью занимает полмиллиона микросекунд. Но, если алгоритм с Уолл-стрит опоздал на пять микросекунд, он проиграл. Так что если вы — алгоритм, вы бы искали такого архитектора, какого я встретил во Франкфурте. Он опустошал небоскрёб — выкидывал всю мебель, всю инфраструктуру для людей, покрывал полы сталью, подготавливая их для серверных стоек — всё для того, чтобы алгоритм мог подобраться поближе к интернету.
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.
Вы думаете, что интернет — это такая распределённая система. Конечно, так и есть, но она откуда-то начинается. В Нью-Йорке, она начинается отсюда: Carrier Hotel, расположенный на Гудзон-стрит. Вот, где провода приходят в город. Дело в том, что с каждым удалением отсюда теряются несколько микросекунд. Вот эти парни на Уолл-стрит, Марко Поло и Чероки Нэйшн, они восемь микросекунд позади всех парней, заселяющихся в здания, опустошаемые вокруг Carrier Hotel. И это будет продолжаться. Здания будут опустошаться, потому никто из вас, сантиметр за сантиметром, доллар за долларом, вы никогда не сможете выжать столько прибыли из этого пространства, сколько смог выжать Бостонский пройдоха.
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.
Но если подняться, подняться высоко, можно увидеть ров длиной 1300 километров между Нью-Йорком и Чикаго, построенный за последние несколько лет компанией Spread Networks. Это оптоволоконный кабель, проложенный между двумя городами для передачи одного сигнала в 37 раз быстрее, чем щелчок мышью — только для этих алгоритмов, только для Карнавала и для Ножа. Подумать только, мы прогрызаем США насквозь, динамитом и землеройками, чтобы алгоритм смог закрыть сделку микросекундой раньше, всё ради каналов связи, которые никогда не использует человек. Это предсказание судьбы, всегда продвигаться дальше.
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.
К сожалению, наша работа уже предопределена. Всё это только теория. Это математики из MIT. Правда в том, что я не понимаю практически ничего, о чём они говорят. Это что-то о световых конусах и квантовом связывании, и я в этом не разбираюсь. Но я понимаю эту карту. Она говорит, что, если вы пытаетесь зарабатывать на рынках, обозначенных красными точками, это где люди и города, нужно помещать сервера в места, обозначенные голубыми точками, для наибольшей эффективности. Как можно заметить, большая часть этих голубых точек находится посреди океана. Вот этим и займёмся, постройкой пузырей, или платформ. Чтобы делать деньги из воздуха, надо лезть в воду, потому что это мудрое решение, если ты — алгоритм.
(Laughter)
(Смех)
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.
Деньги сами по себе не так интересны. Интересно, что деньги мотивируют. Мы изменяем саму Землю вот такой алгоритмической оптимизацией. Если вернуться, и посмотреть на фото Майкла Найджара в этом свете, можно понять, что они не метафора, а пророчество. Они — пророчество эффектов сейсмического, земного масштаба, которые имеет наша математика. Ландшафт всегда формировался подобным образом, нелёгким сотрудничеством человека и природы. Но сейчас появилась третья эволюционная сила: алгоритмы — Бостонский пройдоха, Карнавал. И нам нужно их понять, как и природу. В каком-то смысле, они и есть природа.
Thank you.
Спасибо.
(Applause)
(Аплодисменты)