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.
Ось фотографія, зроблена художником Майклом Найджаром, і вона є справжньою в тому розумінні, що він дійсно побував у Аргентині щоб зробити це фото. Але це також і фікція. Після того в неї був вкладений великий обсяг роботи. А насправді все що він зробив -- це провів цифрову обробку, та змінив всі гірські обриси таким чином, щоб вони успадковували падіння та зростання індексу Доу Джонса. Тож те, що ви бачите, та круча, та висока круча із долиною -- це фінансова криза 2008 року. Ця фотографія була зроблена тоді, коли ми знаходились там глибоко у долині. Де ми зараз, я не знаю. Ось індекс Hang Seng для Гонконгу. Дуже схожа топографія. Цікаво, чому.
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.
І це мистецтво. Це метафора. Але як я думаю, суть у тому, що це метафора із зубами. І зважаючи на ці зуби я хочу запропонувати сьогодні дещо переглянути роль сучасної математики -- не тільки фінансової математики, але й математики взагалі. Те, що вона являє собою перехід від того, що ми отримуємо та виводимо із спостережень за світом, до чогось, що фактично починає його змінювати -- світ навколо нас та світ всередині нас. І це особливо стосується алгоритмів, які є, по суті, математикою, якою користуються комп'ютери для прийняття рішень. Вони набувають істиннісної точності, оскільки повторюють знову і знову одні й ті ж самі дії. І вони костеніють та тверднуть, і вони перетворюються на реальність.
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?"
І я обмірковував це, коли б ви думали, під час трансатлантичного перельоту пару років назад, бо так сталось, що я сидів поруч із фізиком з Угорщини десь мого віку і ми розмовляли про те, яким було життя під час холодної війни для фізиків в Угорщині. І я спитав: "Так чим же ви займались?"
And he said, "Well we were mostly breaking stealth."
І він відповів: "Ну, ми переважно займались зломом захисту літаків-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.
І я сказав: "Це гарна робота. Цікава. І як це працює?" І щоб зрозуміти це, ви маєте трохи розуміти як працює захист літаків-невидимок. Отже -- і це надмірне спрощення -- але, власне, ви не можете просто пропустити радіолокаційний сигнал прямо через 156 тон сталі в небі. Воно просто так не зникне. Але якщо б ви могли взяти цю велику, масивну штуку, і перетворити її на мільйон маленьких частин -- щось схоже на зграю птахів -- ну, тоді для того, щоб радар виявив це, він має бути спроможним бачити кожну зграю птахів в небі. І якщо б ви були радаром, для вас це була б безнадійна справа.
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.'"
"Згоден - він сказав, - але це вірно тільки якщо б ви були радаром. Тому ми не використовували радар, натомість ми побудували чорну скриню, яка виявляла електричні сигнали, електронний зв'язок. І кожен раз, коли ми спостерігали зграю птахів, що вела електронний зв'язок, ми знали, що це ймовірно якось було пов'язано із американцями."
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?"
"Так, - сказав я, - Непогано. Отже ви фактично забракували 60 років попередніх досліджень з аеронавтики. Яким був ваш наступний крок? Чим ви займаєтесь тепер, після того як удосталь награлись?" І він відповів: "Ну, фінансовими послугами". "Ах!" - здивувався я, тому що недавно про це згадувалось у новинах. І я спитав: "Як це працює?" І він відповів: "Ну, зараз на Уолл-стріт працює 2000 фізиків, і я один із них." І я спитав: "Що з себе являє чорна скринька для Уолл-стріт?"
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.
І він сказав: "Цікаво, що ви так спитали, тому ще це справді називається торгівлею чорними скриньками. Також іноді це ще називається алго-торгівлею, або алгоритмічною торгівлею." І алгоритмічна торгівля розвинулась частково через те, що у відомчих трейдерів виникають ті ж самі проблеми, які були у Військово-повітряних сил США, а саме, коли вони оперують цими торговими позиціями -- чи то Proctor & Gamble, чи Accenture, що завгодно -- вони проводять десь мільйон акцій через ринок. І якщо робити це все одразу, це буде ніби під час гри у покер йти одразу ва-банк. Таким чином ви тільки розкриваєте свою комбінацію. І тому вони мають знайти спосіб -- а для цього вони використовують алгоритми -- щоб розбити ту велику штуку на мільйон маленьких транзакцій. І магія та жах в тому, що та ж сама математика, яку ви використовуєте щоб розбити велику річ на мільйон маленьких може бути використана, щоб знайти мільйон маленьких речей та зібрати їх знову разом і таким чином зрозуміти, що ж насправді відбувається на ринку.
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.
Отже, якщо вам потрібне деяке уявлення про те, що прямо зараз відбувається на фондовій біржі, що ви можете собі уявити, -- це купа алгоритмів, яких запрограмовано приховувати, та купа алгоритмів, яких запрограмовано шукати та діяти. І все це прекрасно, і все це чудово. І це складає 70 відсотків фондової біржі США, 70 відсотків діючої системи, яка до цього була відома як ваша пенсія, ваша іпотека.
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."
І що могло піти не так? Що могло піти не так, так це те, що рік тому дев'ять відсотків усього ринку просто зникло за п'ять хвилин, і вони назвали це миттєвим падінням 2:45. Раптово, дев'ять відсотків просто зникає, і ніхто до цього дня не може навіть зійтись у думці на пояснення того, що трапилось, тому що ніхто цього не замовляв, і ніхто цього не просив. Ніхто не мав ніякого контролю над тим, що насправді сталось. Все, що у них було, так це лише монітор перед ними, який відображав числа і у них була червона кнопка на якій було написано: "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.
Склалась ситуація, що ми пишемо речі, ми пишемо ці речі, які не можемо самі прочитати. І ми представили щось нерозбірливе. І ми втратили розуміння того, що насправді відбувається в цьому світі, який ми створили. Але ми починаємо рухатись до подолання цього. В Бостоні є компанія, що називається Nanex, і вони використовують математику та магію та я не знаю що ще, і вони розглядають увесь обсяг ринкових даних і знаходять, насправді лише іноді, деякі з цих алгоритмів. І коли вони їх знаходять, вони витягають їх і вони приколюють їх до стіни як метеликів. І вони роблять те, що ми завжди робимо коли стикаємось із величезними обсягами даних, яких ми не розуміємо -- вони дають їм ім'я та історію. Тож ось екземпляр, який вони знайшли, і який вони назвали Ножем, Карнавалом, Бостонським спритником, Сутінками.
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."
І що забавно, звичайно, ці речі відбуваються не тільки на ринку. Ви зможете знайти подібні речі де б ви не шукали, як тільки ви дізнаєтесь як їх шукати. Ви можете знайти їх тут: ось книжка про мух яку б ви могли бачити на Amazon. Ви могли б її помітити, коли її початкова ціна була 1,7 мільйонів доларів. Вона більше не видається -- але все одно... (Сміх) Якщо б ви її купили за 1,7, це було б ще вигідно. Через декілька годин, ціна її зросла до 23,6 мільйонів доларів, не враховуючи доставку та пакування. І виникає питання: Ніхто нічого не купував чи продавав; що відбувалось? І таку поведінку можна помітити на Amazon так само, як і на Уолл-стріт. І коли ви бачите подібну поведінку, те, що ви спостерігаєте -- це свідчення конфлікту алгоритмів, алгоритмів, які блокують один одного під час свого виконання, без будь-якого нагляду зі сторони людини, без будь-якого нагляду дорослих, які б могли сказати: "Насправді, 1.7 мільйонів -- це занадто."
(Laughter)
(Сміх)
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.
Так само, як це відбувається із Amazon, це відбувається і з Netflix. І тож Netflix розглянули протягом кількох років декілька різних алгоритмів. Вони почали з Cinematch, і вони спробували низку інших. Серед них Планета динозаврів, Гравітація. Зараз вони використовують Прагматичний хаос. Прагматичний хаос, подібно до всіх алгоритмів Netflix, намагається вирішити ту ж саму задачу. Він намагаєтсья осягнути вас, вбудовану програму в середині людського черепа, для того, щоб порекомендувати кінофильм, який ви, можливо, захотіли б подивитись наступним -- що є дуже, дуже складною проблемою. Але сладність проблеми та той факт, що ми ще не зовсім знаємо як її розв'язати повністю, не відміняє результатів Прагматичного хаосу. Прагматичний хаос, як і всі алгоритми Netflix, визначає у підсумку 60 відсотків тих кінофільмів, які дійсно беруться напрокат. Отже єдиний фрагмент коду за яким стоїть одна ідея про вас, відповідає за 60 відсотків тих кінофільмів.
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?
Але уявіть, що ви можете оцінювати ці кінофільми до того, як вони будуть зроблені? Чи було б це корисним? Щиро кажучи, декілька вчених з Великобританії, що займаються даними, зараз в Голівуді, і у них є сюжетні алгоритми - це компанія, яка називається Epagogix. І ви можете обробити ваш сценарій із їхньою допомогою, і вони можуть сказати вам, кількісно, що той фільм на 30 мільйонів доларів або на 200 мільйонів доларів. І суть у тому, що це не Google. Це не інформація. Це не фінансова статистика; це - культура. І те, що ви тут бачите або те, що зазвичай не бачите, це те, що все це -- фізика культури. І якщо ці алгоритми, подібно до алгоритмів на Уолл-стріт, просто одного дня дадуть збій, або почнуть неправильно працювати, як ми про це дізнаємось, на що це буде схоже?
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.
І вони вже у вас вдома. Вони у вас вдома. Ось два алгоритми, які змагаються за вашу вітальню. Це два різних робота-прибиральника які мають дуже різні уявлення про те, що означає прибирання. І ви можете це побачити якщо уповільнити та приєднати до них світлові вогні. І вони ніби таємні архітектори у вашій спальні. Та ідея про те, що сама архітектура може якимось чином піддаватись алгоритмічній оптимізації не така вже і штучна. Це реально як ніколи, і це відбувається навколо вас.
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.
Ви сильніше всього це відчуваєте коли ви знаходитесь у закритій металевій коробці, у ліфті нової розробки, вони називаються ліфтами із управлінням кінцевим призначенням. Це ті, де ви маєте обрати поверх, на який вам потрібно потрапити до того, як ви зайдете до ліфту. І він використовує так званий алгоритм пакування у контейнери. Тож не відбувається такої нісенітниці, коли кожен може заходити у ту кабіну, в яку захоче. Всі, хто хоче потрапити на 10-й поверх, йдуть у другу кабіну, і всі, хто хоче потрапити на третій поверх їдуть в кабіні під номером п'ять. І проблема із цим в тому, що люди хвилюються. Люди панікують. І ви знаєте чому. Ви знаєте чому. Це через те, що в ліфті відсутній важливий інструментарій, наприклад, кнопки. (Сміх) Ті речі, якими користуються люди. Все, що там є -- це лише число, що рухається вгору або вниз і та червона кнопка, на якій написано: "Стоп". І ось ціль нашого проектування. Ми проектуємо, так би мовити, машинний діалект. І як далеко таким чином можна зайти? Як далеко можна зайти таким чином? Ви можете зайти таким чином дуже, дуже 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.
Тож давайте повернемося до Уолл-стріт. Тому що алгоритми на Уолл-стріт залежать від єдиної характеристики попри інші -- це швидкість. Вони оперують мілісекундами та мікросекундами. І для того, щоб подати відчуття того, що являють собою мікросекунди, у вас забере 500,000 мікросекунд просто щоб клацнути мишею. Але якщо ви алгоритм з Уолл-стріт і ви відстаєте на п'ять мікросекунд, то ви програли. Таким чином, якщо б ви були алгоритмом, ви б шукали архітектора, такого, як я зустрів у Франкфурті, який займався вивільненням хмарочоса від меблів, від усієї інфраструктури, яку викристовують люди, і лише покривав підлоги сталлю для того, щоб підготуватись до розміщення серверних стійок -- все для того, щоб алгоритм міг ближче підібратись до Інтернету.
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.
І ви вбачаєте у мережі Інтернет певний різновид розподіленої системи. І звичайно так і є, але вона розподіляється із конкретних місць. В Нью Йорку ось звідки вона розподіляєтсья: Готель Carrier, що знаходиться на Гудзон-стріт. І це насправді звідки дроти тягнуться прямо у місто. І в дійсності чим далі ви знаходитись від того місця, ви завжди відстаєте на декілька мікросекунд. Ці хлопці на Уолл-стріт, Marco Polo та Cherokee Nation, вони на вісім мікросекунд відстають від усіх цих хлопців які прямують у порожні будинки, що вивільняються навколо Готеля Carrier. І це буде продовжуватись. І ми будемо продовжувати їх вивільнювати, тому що ніхто з вас, дюйм за дюймом і фунт за фунтом, і долар за доларом ніхто з вас не зможе вичавити прибуток з усього того простору, як це може Бостонський спритник.
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.
Але якщо ви зменшете масштаб, якщо ви зменшете масштаб, ви побачите рів довжиною у 1,300 кілометрів між Нью Йорком та Чикаго який побудувала за декілька останніх років компанія, що називається Spread Networks. Це оптоволоконний кабель який проклали між двома тими містами лише для того, щоб передавати єдиний сигнал в 37 разів швидше, ніж ви зможете клацнути мишею - ексклюзивно для цих алгоритмів, ексклюзивно для Карнавала, і для Ножа. Подумати тільки, ми прориваємось через усі Сполучені Штати за допомогою динаміту та землерийок для того, щоб алгоритм завершив угоду на три мікросекунди швидше, все заради інфраструктури зв'язку, про яку не дізнається жодна людина, це приречення долі, яке завжди знайде спосіб проявити себе.
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.
На жаль, наша робота вже визначена. Це лише теорія. Це зробили математики з MIT. І насправді я не розумію багато чого з того, про що вони говорять. Тут використовуються світлові конуси та квантова заплутаність, і я насправді на всьому цьому не розуміюсь. Але я можу читати цю мапу. І ця мапа каже, що якщо ви намагаєтесь заробити на ринках, які позначено червоними точками, це там де люди, де міста, то вам потрібно розмістити сервери у місцях, де знаходяться сині точки, щоб зробити це найбільш ефективно. І головним, що можна сказати про сині точки, як ви вже мабуть помітили, є те, що багато з них знаходяться посеред океану. Отже це ми і зробимо, ми побудуємо бульбашки, чи щось подібне, або платформи, ми справді розсунемо води аби отримати гроші з повітря тому що це світле майбутнє для вас, якщо ви - алгоритм.
(Laughter)
(Сміх)
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.
І гроші самі по собі не цікаві. Цікаво, на що гроші спонукають. На те, щоб змінювати в планетарому маштабі саму Землю за допомогою такої алгоритмічної оптимізації. І в світлі цього повертаючись і вдивляючись на фотографії Майкла Найджара ви розумієте, що вони -- не метафора, вони -- пророцтво. Вони пророкують сейсмічні, земні наслідки математики, яку ми створюємо. І ландшафт завжди формувався у такому дивному та складному співробітництві між природою та людиною. Але зараз з'явилась третя супутня еволюційна сила: алгоритми -- Бостонський спритник, Карнавал. І ми будемо змушені зрозуміти їх, як і природу. І в деякому розумінні, вони нею і є.
Thank you.
Дякую.
(Applause)
(Аплодисменти)