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.
ภาพถ่ายภาพนี้ บันทึกไว้โดยศิลปิน ไมเคิล นัจจาร์ และเป็นของจริงครับ ในแง่ที่ว่าเขาได้เดินทางไปอาร์เจนตินาจริงๆ เพื่อถ่ายภาพนี้ แต่อีกแง่ก็เป็นจินตภาพ มีการตกแต่งภาพอีกพอควรหลังจากถ่ายภาพจริง และสิ่งที่เขาได้ทำ ก็คือเขาได้ปรับเปลี่ยนรูปทรงในทางดิจิตอล โครงร่างทั้งหมดของภูเขานั่น ให้ล้อไปตามการผันผวนของดัชนีดาวโจนส์ สิ่งที่คุณเห็น เงื้อมผานั่น เงื้อมผาสูงตรงหุบเขานั่น คือวิกฤตการเงินปี ค.ศ.2008 ครับ ภาพถ่ายภาพนี้ทำขึ้น ในตอนที่เราจมดิ่งลึกที่สุดในหุบเขาตรงนั้น ผมไม่รู้ว่าตอนนี้เราอยู่ ณ ตำแหน่งไหน อันนี้เป็นดัชนีฮั่งเส็ง (Hang Seng index) ของฮ่องกง และมีภูมิลักษณ์คล้ายกัน ผมสงสัยว่าเพราะเหตุใด
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.
และนี่คือศิลปะ คือการอุปมา แต่ผมคิดว่าประเด็นก็คือ นี่เป็นการอุปมาเปรียบเทียบกับฟัน และก็ด้วยฟันพวกนั้นที่ผมอยากจะเสนอให้วันนี้ ว่าเราต้องมาย้อนคิดกันนิดหนึ่ง ถึงบทบาทของคณิตศาสตร์ร่วมสมัย ไม่ใช่แค่คณิตศาสตร์การเงิน แต่เป็นคณิตศาสตร์ในภาพรวม นั่นก็คือ การแปร จากสิ่งที่เรากลั่นกรองและถอดความมาจากสิ่งที่เกิดขึ้นจริงในโลก ไปเป็นสิ่งที่ย้อนกลับมามีอิทธิพลกับ โลกรอบตัวเราและโลกในมโนภาพของเรา โดยเฉพาะอัลกอริทึม ซึ่งโดยพื้นฐานแล้วก็คือคณิตศาสตร์ ที่คอมพิวเตอร์ใช้ในการตัดสินใจ อัลกอริทึมเข้าใกล้ความเป็นจริงไปเรื่อยๆ เพราะว่ามันถูกใช้ซ้ำแล้วซ้ำอีก และมันก็เป็นรูปเป็นร่างเหมือนแปรเป็นหินเป็นแคลเซียม แล้วมันก็กลายเป็นของจริง
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?"
และผมก็คิดเกี่ยวกับอะไรพวกนี้ทั่วทุกที่ครับ บนเที่ยวบินข้ามมหาสมุทรแอตแลนติกเมื่อปีสองปีก่อน เพราะว่าผมได้นั่ง ถัดจากนักฟิสิกส์ชาวฮังการีที่อายุไล่เลี่ยกับผม แล้วเราก็คุยกัน ถึงสภาพชีวิตความเป็นอยู่ในช่วงสงครามเย็น ของนักฟิสิกส์ในฮังการี และผมว่า "งั้น ตอนนั้นคุณทำอะไรครับ?"
And he said, "Well we were mostly breaking stealth."
เขาตอบ "อืม พวกเราเป็นนักทำลายการล่องหน"
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.
ผมว่า "เยี่ยมมากเลย น่าสนใจมากครับ มันเป็นยังไงครับ?" และเพื่อที่จะเข้าใจเรื่องนี้ เราต้องเข้าใจสักนิดเสียก่อนว่าการล่องหนมีลักษณะการทำงานอย่างไร ดังนั้น -- อันนี้เป็นแบบย่นย่อให้เข้าใจง่ายๆ นะครับ -- แต่โดยทั่วๆไปแล้วมันไม่ใช่ว่าแค่ เราจะฉายสัญญาณเรดาร์ ตัดผ่านทะลุเข้าไปในเหล็กกล้าหนักร่วม 156 ตันในอากาศ มันคงไม่หายแว่บไปหรอกครับ แต่ถ้าเราเอาเจ้ายักษ์ใหญ่นี่ แล้วเปลี่ยนมันให้กลายเป็น สิ่งละอันพันละน้อยเป็นล้านๆชิ้น เหมือนกับฝูงนกงั้นแหละครับ พอเป็นแบบนั้น เรดาร์ก็ต้องจับให้ได้ ต้องสามารถจับ ฝูงนกบนฟ้าทุกฝูง และถ้าเราเป็นเรดาร์ นั่นเป็นงานที่ไม่เข้าท่าเอาเลย
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.'"
แล้วเขาก็ว่า "ใช่ครับ" เขาบอก "แต่นั่นถ้าเราเป็นเรดาร์ ดังนั้น พวกผมจึงไม่ใช้เรดาร์ พวกผมสร้างกล่องดำที่ทำหน้าที่จับสัญญาณไฟฟ้า สัญญาณสื่อสารอิเล็กทรอนิกส์ และเมื่อใดก็ตามที่พวกผมเห็นฝูงนกที่มีการสื่อสารด้วยสัญญาณอิเล็กทรอนิกส์ พวกผมจะคิดว่า มันมีส่วนเกี่ยวข้องกับพวกอเมริกันแน่ๆ"
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?"
ผมบอก "ใช่แล้ว เยี่ยมครับ งั้น พวกคุณก็ได้ล้มล้างงานวิจัยด้านการบิน ที่มีมายาวนาน 60 ปีได้อย่างมีประสิทธิผล แล้วช่วงถัดมาหละครับ? พวกคุณทำอะไรตอนโต?" เขาตอบ "อ้อ ทำงานในภาคการเงินครับ" ผมว่า "โอ้" เพราะภาคการเงินมักเป็นข่าวอยู่เมื่อเร็วๆนี้เอง ผมว่า "แล้วไปไงมาไงหละครับ?" เขาตอบ "มีนักฟิสิกส์กว่า 2,000 คนทำงานที่วอลล์สตรีทในขณะนี้ และผมก็เป็นแค่หนึ่งในนั้นครับ" ผมก็ถามว่า "อะไรเป็นกล่องดำสำหรับวอลล์สตรีทครับ?"
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.
เขาตอบ "คุณถามอะไรได้ขำจริงๆครับ เพราะ เขาเรียกมันว่า "การซื้อขายแบบกล่องดำ (black box trading)" บางทีก็เรียกว่า "การซื้อขายแบบอัลกอ" การซื้อขายแบบอัลกอริทึมครับ" การซื้อขายแบบอัลกอริทึมมีส่วนเกี่ยวข้อง เพราะว่าการซื้อขายของสถาบันต้องเจอกับคำถามแบบเดียว กับที่กองทัพอากาศสหรัฐอเมริกาเจอ ก็คือ หากเขาเปลี่ยนตำแหน่งหรือจุดยืน ไม่ว่าจะเป็น พรอคเตอร์แอนด์แกมเบิล หรือ แอคเซนเชอร์ อะไรก็ตามแต่ พวกเขากำลังเคลื่อนย้ายหุ้นเป็นล้านหุ้น ผ่านระบบตลาด และถ้าพวกเขาทำแบบนั้นภายในครั้งเดียว ก็จะเหมือนกับการเล่นไพ่โป๊กเกอร์แบบทุ่มไปเลยหนเดียว เราก็แค่เปิดไพ่ให้คนอื่นเห็น เพราะงั้น พวกเขาจึงต้องค้นหาวิธีการ และพวกเขาก็ใช้อัลกอริทึม ให้การแยกของชิ้นใหญ่ ให้กลายเป็นรายการย่อยๆนับล้าน ความมหัศจรรย์และความน่าพรั่นสะพรึงก็คือ คณิตศาสตร์อย่างเดียวกัน ที่เราใช้ในการแยกส่วนของของชิ้นใหญ่ ให้เป็นชิ้นเล็กๆนับล้านชิ้น สามารถใช้ในการค้นหาสิ่งเล็กๆนับล้านชิ้น แล้วเอามาเย็บติดรวมคืนเข้าด้วยกัน เพื่อค้นหาว่าอะไรกันแน่ที่เกิดขึ้นในระบบตลาดซื้อขาย
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.
ดังนั้น ถ้าเราต้องการจะได้ภาพ ว่าเกิดอะไรขึ้นในตลาดหลักทรัพย์ในขณะนี้ สิ่งที่เราอาจนึกภาพออกก็คืออัลกอริทึมกลุ่มหนึ่ง ซึ่งถูกเขียนโปรแกรมซ่อนไว้ และก็อัลกอริทึมอีกกลุ่มหนึ่งที่ถูกเขียนโปรแกรมไว้ให้หากลุ่มที่ซ่อนแล้วเริ่มปฏิบัติการ ทั้งหมดนี้ยอดเยี่ยมครับและก็ใช้การได้ดีด้วย นับแล้วร้อยละ 70 ของตลาดหลักทรัพย์ในสหรัฐอเมริกา ร้อยละ 70 ของระบบ ที่เป็นที่รู้จักก่อนหน้านี้ในฐานะเงินบำนาญของคุณ การจำนองอสังหาริมทรัพย์ของคุณ
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."
แล้วจะเกิดความผิดพลาดอะไรงั้นหรือ? ความผิดพลาดที่อาจเกิดขึ้น ก็คือ หนึ่งปีที่ผ่านมา ร้อยละ 9 ของทั้งตลาดหายแว่บไปกับตาภายใน 5 นาที พวกเขาเรียกมันว่า 'เหตุล้มครืน ณ บ่ายสองสี่สิบห้า' ทันทีทันควัน ร้อยละ 9 ของตลาดก็หายวับไป และไม่มีใครเลยจนกระทั่งวันนี้ ที่จะปักใจอธิบายได้ว่าเกิดอะไรขึ้นในวันนั้น เพราะไม่มีใครสั่งให้มันเกิดขึ้น ไม่มีขอให้มันเกิดขึ้น ไม่มีใครมีอำนาจควบคุมในสิ่งที่ได้เกิดขึ้น ทั้งหมดที่พวกเขามี ก็แค่จอคอมพิวเตอร์ตรงหน้า ที่มีแต่ตัวเลขเต็มไปหมด แล้วก็ปุ่มสีแดง ที่เขียนว่า "หยุด"
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.
นั่นแหละครับคือประเด็นหละ ก็คือ เราเขียนโปรแกรมนั่นนี่ขึ้นมา เรากำลังเขียนโปรแกรมในสิ่งที่เราไม่สามารถอ่านมันออกอีกต่อไป และเราถอดความบางอย่าง ที่อ่านไม่ออก และเราสูญเสียสามัญสำนึก ว่ากำลังเกิดอะไรขึ้น ในโลกที่เราสร้างขึ้นมา และเราเริ่มสร้างหนทางของเราขึ้นมา มีบริษัทหนึ่งในเมืองบอสตัน ชื่อ นาเน็กซ์ (Nanex) เขาใช้คณิตศาสตร์และมายากล และก็ไม่รู้ว่าใช้อะไรอีก พวกเขาเข้าถึงข้อมูลทั้งหมดของตลาด บางครั้ง พวกเขาค้นพบบางส่วนของอัลกอริทึมพวกนี้ พอพบมัน พวกเขาก็จัดการดึงมันออกมา แล้วก็ปักหมุดตรึงมันไว้กับผนังเหมือนพวกผีเสื้อ พวกเขาทำในสิ่งที่พวกเรามักทำเสมอ เมื่อเผชิญกับข้อมูลปริมาณมหาศาลที่พวกเราไม่มีความเข้าใจ นั่นก็คือ การตั้งชื่อให้พวกมัน และสร้างเรื่องราวขึ้นมา อันนี้เป็นหนึ่งในที่พวกเขาค้นพบ พวกเขาเรียก "มีด (the Knife)" "เทศกาลฉลอง (the Carnival)" "ไพ่สับแบบบอสตัน (the Boston Shuffler)" "แสงอัสดง (Twilight)"
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."
และมุขก็คือว่า แน่ๆ อัลกอริทึมพวกนี้ไม่ได้ทำงานแค่ในตลาดหลักทรัพย์เท่านั้น เราอาจไปเจอมันที่ไหนก็ได้ถ้าเรามองหา พอเราเรียนรู้ที่จะมองหามันเป็น คุณอาจเจอมันในนี้ ในหนังสือเล่มนี้ซึ่งเกี่ยวกับแมลง ที่คุณอาจจะมองหาจากร้านหนังสืออะเมซอน (Amazon) คุณอาจสังเกตเห็นนะครับ ว่าเมื่อราคาหนังสือไปอยู่ที่เล่มละ 1.7 ล้านดอลลาร์ หนังสือก็ยังขาดตลาดอยู่ดังเดิม (เสียงหัวเราะ) ถ้าคุณซื้อมันมาในราคานั้น ถือได้ว่าคุณได้มันมาในราคาลด สองสามชั่วโมงต่อมา ราคาพุ่งขึ้นไป เป็น 23.6 ล้านดอลลาร์ บวกค่าจัดส่ง และคำถามก็คือ: ไม่มีใครกำลังจะซื้อหรือขายอะไรทั้งสิ้น เกิดอะไรขึ้นกันแน่ครับ? และคุณเห็นพฤติกรรมแบบนี้ในร้านหนังสืออะเมซอน แน่นอนเช่นเดียวกันกับที่คุณเห็นในวอลล์สตรีท และเมื่อคุณเห็นพฤติกรรมประเภทนี้ สิ่งที่คุณเห็นก็คือหลักฐานว่า อัลกอริทึมทำงานขัดแย้งกัน อัลกอริทึมถูกดึงให้มาทำงานด้วยกันเป็นวงวน โดยไม่มีใครมาคอยดู ไม่มีผู้ใหญ่มาคอยกำกับดูแล ที่จะบอกว่า "เฮ้ 1.7 ล้านดอลลาร์นี่มันเยอะอยู่นะ"
(Laughter)
(เสียงหัวเราะ)
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.
และก็เหมือนกับกรณีร้านหนังสืออะเมซอน กรณีของร้านเช่าวิดีโอเน็ตฟลิคซ์ (Netflix) ก็เช่นกัน ดังนั้น เน็ตฟลิคซ์จึงต้องเปลี่ยน อัลกอริทึมหลายแบบมากตลอดหลายปีที่ผ่านมา พวกเขาเริ่มต้นด้วย ซินเนแมตช์ (Cinematch) และก็ลองใช้อย่างอื่นอีกเป็นตั้ง มี 'โลกไดโนเสาร์ (Dinosaur Planet)', 'แรงดึงดูด (Gravity)' ตอนนี้ พวกเขาใช้ 'ความยุ่งเหยิงเชิงปฏิบัติ (Pragmatic Chaos)' 'ความยุ่งเหยิงเชิงปฏิบัติ' นี้ก็เหมือนกับอัลกอริทึมของเน็ตฟริคซ์อื่นๆ ที่พยายามทำในสิ่งเดิม มันพยายามที่จะควบคุมคุณไว้ ควบคุมโปรแกรมที่อยู่ในกระโหลกของมนุษย์ เพื่อที่มันจะสามารถแนะนำหนัง เรื่องต่อไปที่คุณอาจจะอยากดู ซึ่งเป็นปัญหาที่ยากมากเหลือเกินครับ แต่ความยากของปัญหานี้ และความจริงที่ว่า เราเองก็ไม่ค่อยจะรู้หรอกว่าอยากดูอะไรจริงๆ มันไม่ได้ทำให้ผลกระทบ จากอัลกอริทึมความยุ่งเหยิงเชิงปฏิบัติหายไปไหนเลย 'ความยุ่งเหยิงเชิงปฏิบัติ' ก็เหมือนกับอัลกอริทึมของเน็ตฟลิคซ์อื่นๆ ที่ในตอนท้ายสุดเป็นตัวบ่งว่า ร้อยละ 60 ของหนังที่ถูกเช่าไปคืออะไร โปรแกรมคอมพิวเตอร์ชิ้นหนึ่ง กับไอเดียเกี่ยวกับคุณเพียงข้อเดียว ที่มีส่วนรับผิดชอบถึงร้อยละ 60 ของหนังที่ถูกเช่าไป
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?
แต่ว่าถ้าคุณสามารถให้คะแนนหนังพวกนั้นได้ล่ะ ก่อนที่เขาจะสร้างหนังนะครับ? มันจะไม่ช่วยมากกว่าอีกหรือ? อืม มีนักวิทยาศาสตร์ด้านข้อมูลสองสามคนจากอังกฤษที่อยู่ในฮอลลีวูดตอนนี้ พวกเขามีอัลกอริทึมบทหนังครับ บริษัทนี้ชื่อ เอพากอกิคซ์ (Epagogix) และคุณสามารถส่งบทหนังไปให้พวกเขาใช้อัลกอริทึมเช็คดู เขาจะบอกคุณได้เป็นปริมาณ ว่านั่นเป็นหนังงบสร้าง 30 ล้านดอลลาร์ หรือว่าหนังงบสร้าง 200 ล้านดอลลาร์ และแง่มุมของมันก็คือมันไม่ใช่กูเกิ้ล มันไม่ใช่ข้อมูล มันไม่ใช่สถิติทางการเงิน แต่มันเป็นวัฒนธรรม สิ่งที่คุณเห็นที่นี่ หรือที่คุณไม่อาจเห็นได้ในแบบทั่วไป ก็คือ มีฟิสิกส์ของวัฒนธรรม และถ้าอัลกอริทึมพวกนี้ เช่นเดียวกับอัลกอริทึมในวอลล์สตรีท พังครืนลงมาวันใดวันหนึ่งแล้วก็ทำงานผิดเพี้ยน เราจะรู้ได้อย่างไร? มันจะมีลักษณะยังไง?
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.
และมันอยู่ในบ้านของคุณอีกด้วย อยู่ในบ้านของคุณครับ มีอัลกอริทึมสองตัวที่แข่งกันอยู่ในห้องนั่งเล่นของคุณ มีหุ่นยนต์ทำความสะอาดที่แตกต่างกันสองตัว ที่มีแนวคิดแตกต่างกันมากในการตีความหมายของคำว่า สะอาด และคุณพบว่า ถ้าคุณปรับมันทำงานช้าลงและติดไฟเข้าไป มันจะคล้ายกับสถาปนิกลับในห้องนอนของคุณ และแนวคิดเกี่ยวกับสถาปัตยกรรมในตัวมันเอง บางขณะก็ขึ้นอยู่กับการหาค่าที่เหมาะที่สุดของอัลกอริทึม ที่ดูแล้วมีความเป็นไปได้ มันเป็นของจริงแท้ที่เกิดขึ้นรอบตัวคุณ
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.
คุณรู้สึกถึงมันได้มากที่สุด เมื่อคุณอยู่ในกล่องเหล็กที่ปิดผนึก ลิฟต์แบบใหม่ครับ เรียกว่า ลิฟต์แบบควบคุมจุดหมายปลายทาง มีแบบที่คุณเลือกกดปุ่มชั้นที่คุณต้องการจะให้มันหยุด ก่อนที่คุณจะเข้าไปในลิฟต์ มันใช้สิ่งที่เรียนกว่า อัลกอริทึมแบบบรรจุถัง (bin packing algorithm) ดังนั้นจะไม่มีทางเลย ที่จะปล่อยให้ต่างคนต่างใช้ลิฟต์ตัวที่ตนต้องการ ใครที่อยากไปชั้น 10 ต้องไปใช้ลิฟต์ตัวที่ 2 และใครอยากไปชั้น 3 ต้องไปกับลิฟต์ตัวที่ 5 ปัญหาก็คือ มันสร้างความสะพรึงกลัวแก่ผู้คน ผู้คนตื่นตระหนก และคุณก็รู้ว่าทำไม คุณรู้ ก็เพราะว่าลิฟต์ ไม่มีเครื่องมือที่สำคัญ อย่างเช่น ปุ่ม ไงหละครับ (เสียงหัวเราะ) เหมือนอะไรๆที่ผู้คนคุ้นเคยในการใช้ แต่สิ่งที่มันมี ก็แค่ตัวเลขที่วิ่งขึ้นลง และปุ่มสีแดงที่เขียนว่า "หยุด" และนี่เป็นสิ่งที่เรากำลังออกแบบสร้าง เรากำลังออกแบบ ภาษาเฉพาะให้แก่กลไกพวกนี้ เราจะพัฒนามันไปถึงแค่ไหนกัน จะพัฒนาไปได้อีกมากเท่าไหร่กันครับ เราสามารถพัฒนามันไปได้อีกไกลมากๆ ครับ
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.
ดังนั้น ขอผมย้อนกลับไปที่วอลล์สตรีท เนื่องจากอัลกอริทึมของวอลล์สตรีท ขึ้นอยู่กับคุณลักษณะหนึ่งเป็นพิเศษ นั่นก็คือ ความเร็ว มันทำงานในเศษเสี้ยววินาที แค่เสี้ยวหนึ่งในล้านวินาทีครับ และเพื่อให้คุณรู้ว่าเสี้ยวหนึ่งในล้านวินาที (ไมโครวินาที) เร็วแค่ไหน คุณใช้เวลา 500,000 ไมโครวินาที ในการคลิ๊กเมาส์ แต่ถ้าคุณเป็นอัลกอริทึมของวอลล์สตรีทละก็ คุณช้าไปแล้ว 5 ไมโครวินาทีครับ คุณแพ้ราบคาบ ดังนั้นถ้าคุณเป็นอัลกอริทึม คุณก็จะค้นหาสถาปนิกแบบคนที่ผมไปพบที่เมืองแฟรงค์เฟิร์ต เป็นคนที่ออกแบบให้ตึกระฟ้ามีโพรงครับ โยนเฟอร์นิเจอร์และโครงสร้างพื้นฐานที่มนุษย์ใช้ออกไปให้หมด แล้วก็ก่อเหล็กขึ้นมาในแต่ละชั้น เพื่อให้พร้อมสำหรับการใส่อุปกรณ์คอมพิวเตอร์เซิร์ฟเวอร์เข้าไป เพื่อให้อัลกอริทึม สามารถอยู่ใกล้กับอินเตอร์เน็ต
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.
แล้วเราก็คิดเสียว่าอินเตอร์เน็ตเป็นระบบแพร่กระจายประเภทหนึ่ง และมันก็เป็นแบบนั้นจริงๆ แต่ว่ามันกระจายจากที่หนึ่งไปที่หนึ่ง ในนครนิวยอร์ก นี่คือจุดศูนย์กลางของการแพร่กระจาย โรงแรมแคร์ริเออร์ (Carrier Hotel) ตั้งอยู่บนถนนฮัดสัน (Hudson) และนี่เป็นสถานที่ซึ่งส่งกระจายสายเชื่อมสู่เมือง ความจริงก็คือ ยิ่งเราอยู่ไกลจากโรงแรมนี้ไปเท่าไหร่ เราก็จะทำอะไรช้าไป 2-3 ไมโครวินาที ทุกๆครั้ง พวกที่อยู่บนวอลล์สตรีท มาร์โค โปโล (Marco Polo) และ เชอโรกีเนชั่น (Cherokee Nation) พวกเขาทำอะไรช้าไป 8 ไมโครวินาที กว่าพวกที่ จะเข้าไปอยู่ในตึกเปล่าที่ถูกเจาะโพรงไว้ รอบๆ โรงแรมแคร์ริเออร์ และมันก็จะเกิดแบบนี้ไปเรื่อยๆ เราก็จะเจาะตึกเป็นโพรง เพราะคุณ นิ้วต่อนิ้ว ปอนด์ต่อปอนด์ ดอลลาร์ต่อดอลลาร์ ไม่มีใครคนใดเลยที่จะสามารถดึงเม็ดเงินออกมาจากที่นั่นได้ เหมือนที่อัลกอริทึม 'ไพ่สับแบบบอสตัน" ทำได้
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.
แต่ถ้าคุณขยับออกมาดู ถ้าคุณย่อภาพลง คุณจะเห็นสนามเพลาะยาว 825 ไมล์ ระหว่างนครนิวยอร์กกับชิคาโก ที่ถูกสร้างขึ้นมาในช่วง 2-3 ปีที่ผ่านมา โดยบริษัทสะเปรดเน็ตเวิร์คส์ (Spread Networks) อันนี้ สายใยแก้วนำแสง ที่ใช้ฝังเดินสายไว้ระหว่างสองเมืองนี้ เพื่อที่จะส่งสัญญาณ ให้เร็วกว่าเมื่อคุณคลิ๊กเม้าส์ไป 37 เท่า เพื่ออัลกอริทึมพวกนี้ เพื่ออัลกอริทึม "เทศกาลฉลอง" กับ "มีด" ลองคิดดูนะครับ ว่าเราเจาะระเบิดผืนดินสหรัฐอเมริกา ด้วยระเบิดไดนาไมท์และเลื่อยตัดหิน เพื่อให้อัลกอริทึมสามารถปิดการซื้อขาย ได้เร็วขึ้นอีก 3 ไมโครวินาที ทั้งหมดนี้ก็เพื่อกรอบแนวคิดด้านการสื่อสาร ที่ไม่มีมนุษย์คนไหนจะได้รู้จักหรือใช้งาน นี่เป็นชะตากรรมที่ปรากฏชัดอันหนึ่ง และก็จะขยายพรมแดนความรู้ใหม่ๆ เสมอ
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.
โชคร้ายก็คือ เรามีงานที่ถูกคัดสรรไว้ให้แล้ว นี่เป็นแค่ทฤษฎีครับ นี่ก็แค่นักคณิตศาสตร์ที่สถาบันเทคโนโลยีแมสซาชูเสตต์ (MIT) ความจริงก็คือ จริงๆแล้ว ผมไม่เข้าใจ หลายสิ่งหลายอย่างที่พวกเขาพูดกัน มันเกี่ยวข้องกับกรวยแสงและความทับซ้อนเชิงควอนตัม ผมไม่เข้าใจอะไรพวกนี้เอาเสียเลย แต่ผมอ่านแผนที่นี้ได้ แผนที่นี้บอกว่า ถ้าเราพยายามที่จะทำเงินในตลาดหลักทรัพย์ที่มีจุดสีแดงนี้ ตรงนั้นเป็นตำแหน่งที่มีผู้คนอาศัย เป็นตำแหน่งที่มีเมือง เราจะต้องไปติดตั้งอุปกรณ์คอมพิวเตอร์เซิร์ฟเวอร์ตรงจุดสีน้ำเงินพวกนี้ เพื่อที่จะทำให้ได้ประสิทธิภาพสูงที่สุด และสิ่งที่คุณอาจสังเกตออกเกี่ยวกับจุดสีน้ำเงินพวกนี้ ก็คือ จำนวนมากเลยที่อยู่กลางมหาสมุทร ดังนั้นสิ่งที่เราจะทำก็คือ เราจะสร้างฟองอากาศหรืออะไรแบบนั้น หรือไม่ก็ แท่นปฏิบัติการ จริงๆแล้ว เราจะแยกน้ำ เพื่อดึงเงินออกมาจากอากาศ เพราะว่ามันเป็นอนาคตอันสดใส ถ้าคุณคืออัลกอริทึม
(Laughter)
(เสียงหัวเราะ)
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.
และจริงๆแล้ว ก็ไม่ใช่เงินที่น่าสนใจ มันเป็นสิ่งที่ได้รับการกระตุ้นด้วยเงิน จริงๆแล้ว เรากำลังแปลงรูปผืนแผ่นดิน ให้กับโลกของเรา ด้วยประสิทธิภาพเชิงอัลกอริทึมชนิดดังกล่าว และในประเด็นนี้ เราต้องย้อนกลับ ไปดูภาพถ่ายของไมเคิล นัจจาร์ แล้วคุณก็จะพบว่า มันไม่ใช่การอุปมาเปรียบเทียบ แต่มันเป็นการชี้ชะตา มันเป็นการชี้ชะตา ของผลกระทบต่อการไหวสะเทือนของผืนแผ่นดินโลก ที่จะมาจากคณิตศาสตร์ที่เราสรรสร้างขึ้น ภูมิทัศน์มักจะถูกสร้าง จากการประสานร่วมแรงแบบอึดอัดพิลึกพิลั่นแบบนี้ ระหว่างธรรมชาติกับมนุษย์อยู่เสมอ แต่ตอนนี้ มีแรงขับเคลื่อนทางวิวัฒนาการร่วมอย่างที่สาม ก็ อัลกอริทึมไงล่ะครับ อัลกอริทึม "ไพ่สับแบบบอสตัน", "เทศกาลฉลอง" และเราจะต้องทำความเข้าใจกับสิ่งพวกนี้ว่าเป็นธรรมชาติแบบหนึ่ง ในทางหนึ่ง พวกมันก็ใช่อย่างนั้นจริงๆ
Thank you.
ขอบคุณครับ
(Applause)
(เสียงปรบมือ)