How algorithms shape our world | Kevin Slavin

484,482 views ・ 2011-07-21

TED


Please double-click on the English subtitles below to play the video.

Translator: Toni Beltrán Reviewer: Fran Ontanaya
00:15
This is a photograph
0
15260
2000
Aquesta fotografia és
00:17
by the artist Michael Najjar,
1
17260
2000
de l'artista Michael Najjar,
00:19
and it's real,
2
19260
2000
i en cert sentit és real,
00:21
in the sense that he went there to Argentina
3
21260
2000
doncs l'artista va anar a Argentina
00:23
to take the photo.
4
23260
2000
a fer la foto.
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
25260
3000
Però també és ficció. Hi ha un munt de feina al darrere.
00:28
And what he's done
6
28260
2000
El que l'artista ha fet,
00:30
is he's actually reshaped, digitally,
7
30260
2000
en realitat, és modificar, digitalment,
00:32
all of the contours of the mountains
8
32260
2000
tots els contorns de les muntanyes
00:34
to follow the vicissitudes of the Dow Jones index.
9
34260
3000
per a fer-les encaixar amb les fluctuacions de l'índex Dow Jones
00:37
So what you see,
10
37260
2000
Així que, això que veieu,
00:39
that precipice, that high precipice with the valley,
11
39260
2000
aquest gran precipici al costat de la vall,
00:41
is the 2008 financial crisis.
12
41260
2000
és la crisi financera del 2008.
00:43
The photo was made
13
43260
2000
La foto es va fer
00:45
when we were deep in the valley over there.
14
45260
2000
quan érem a les profunditats de la vall, allà.
00:47
I don't know where we are now.
15
47260
2000
No sé on som ara.
00:49
This is the Hang Seng index
16
49260
2000
Això és l'índex Hang Seng
00:51
for Hong Kong.
17
51260
2000
de Hong Kong.
00:53
And similar topography.
18
53260
2000
Té una topografia similar,
00:55
I wonder why.
19
55260
2000
i em pregunto perquè.
00:57
And this is art. This is metaphor.
20
57260
3000
I això és art, és metàfora.
01:00
But I think the point is
21
60260
2000
Però el més important, penso jo,
01:02
that this is metaphor with teeth,
22
62260
2000
és que és una metàfora amb força.
01:04
and it's with those teeth that I want to propose today
23
64260
3000
I és amb aquesta força que vull proposar, avui,
01:07
that we rethink a little bit
24
67260
2000
que pensem una mica
01:09
about the role of contemporary math --
25
69260
3000
en el paper de les matemàtiques modernes --
01:12
not just financial math, but math in general.
26
72260
3000
no només matemàtiques financeres, sinó matemàtiques en general
01:15
That its transition
27
75260
2000
En la seva transició
01:17
from being something that we extract and derive from the world
28
77260
3000
de quelcom que extraiem i derivem del món
01:20
to something that actually starts to shape it --
29
80260
3000
cap a quelcom que, en realitat, comença a donar-li forma --
01:23
the world around us and the world inside us.
30
83260
3000
tant al món que ens envolta com al nostre món interior.
01:26
And it's specifically algorithms,
31
86260
2000
En particular, els algoritmes
01:28
which are basically the math
32
88260
2000
són les matemàtiques
01:30
that computers use to decide stuff.
33
90260
3000
que els ordinadors usen per prendre decisions.
01:33
They acquire the sensibility of truth
34
93260
2000
Adquireixen sensibilitat a la veritat
01:35
because they repeat over and over again,
35
95260
2000
a base de repetir una vegada rere una altra.
01:37
and they ossify and calcify,
36
97260
3000
I es van ossificant i calcificant
01:40
and they become real.
37
100260
2000
i es transformen en realitat.
01:42
And I was thinking about this, of all places,
38
102260
3000
Estava pensant en això, ara fa dos anys
01:45
on a transatlantic flight a couple of years ago,
39
105260
3000
en un vol transatlàntic
01:48
because I happened to be seated
40
108260
2000
perquè resulta que seia
01:50
next to a Hungarian physicist about my age
41
110260
2000
al costat d'un físic hongarès de la meva edat
01:52
and we were talking
42
112260
2000
i estàvem xerrant
01:54
about what life was like during the Cold War
43
114260
2000
de com era la vida durant la guerra freda
01:56
for physicists in Hungary.
44
116260
2000
pels físics hongaresos
01:58
And I said, "So what were you doing?"
45
118260
2000
I li vaig dir, "I doncs, què fèieu?"
02:00
And he said, "Well we were mostly breaking stealth."
46
120260
2000
i ell va dir, "Bé, bàsicament, trencàvem l'Stealth."
02:02
And I said, "That's a good job. That's interesting.
47
122260
2000
I jo, "És una bona tasca. Interessant.
02:04
How does that work?"
48
124260
2000
Com funciona?"
02:06
And to understand that,
49
126260
2000
Per entendre això,
02:08
you have to understand a little bit about how stealth works.
50
128260
3000
cal que entengueu una mica com funciona l'Stealth.
02:11
And so -- this is an over-simplification --
51
131260
3000
Això és una simplificació,
02:14
but basically, it's not like
52
134260
2000
però bé, bàsicament,
02:16
you can just pass a radar signal
53
136260
2000
no pots simplement travessar una senyal de radar
02:18
right through 156 tons of steel in the sky.
54
138260
3000
amb 156 tones de metall al cel.
02:21
It's not just going to disappear.
55
141260
3000
No pot simplement desaparèixer.
02:24
But if you can take this big, massive thing,
56
144260
3000
Però si poguessis agafar aquesta gran cosa,
02:27
and you could turn it into
57
147260
3000
i la poguessis transformar en
02:30
a million little things --
58
150260
2000
un milió de petites coses --
02:32
something like a flock of birds --
59
152260
2000
com un esbart d'ocells --
02:34
well then the radar that's looking for that
60
154260
2000
aleshores el radar que està buscant
02:36
has to be able to see
61
156260
2000
hauria de ser capaç de veure
02:38
every flock of birds in the sky.
62
158260
2000
tots els esbarts d'ocells del cel.
02:40
And if you're a radar, that's a really bad job.
63
160260
4000
I, si ets un radar, no és massa bona idea.
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
164260
3000
I va dir: "Si". Va dir: "Això si ets un radar.
02:47
So we didn't use a radar;
65
167260
2000
De manera que no vam fer servir un radar;
02:49
we built a black box that was looking for electrical signals,
66
169260
3000
vam construir una caixa negra que buscava senyals elèctriques,
02:52
electronic communication.
67
172260
3000
comunicacions electròniques.
02:55
And whenever we saw a flock of birds that had electronic communication,
68
175260
3000
I quan veiem un esbart d'ocells que tenia comunicacions electròniques,
02:58
we thought, 'Probably has something to do with the Americans.'"
69
178260
3000
sabíem que segurament tenia a veure amb els americans."
03:01
And I said, "Yeah.
70
181260
2000
I jo vaig dir, "Sí,
03:03
That's good.
71
183260
2000
molt bé.
03:05
So you've effectively negated
72
185260
2000
Per tant, acabes de destrossar
03:07
60 years of aeronautic research.
73
187260
2000
60 anys de recerca aeronàutica
03:09
What's your act two?
74
189260
2000
i després, què?
03:11
What do you do when you grow up?"
75
191260
2000
Què vas fer quan vas créixer?
03:13
And he said,
76
193260
2000
I va dir,
03:15
"Well, financial services."
77
195260
2000
"Serveis financers"
03:17
And I said, "Oh."
78
197260
2000
I jo vaig dir, "Oh."
03:19
Because those had been in the news lately.
79
199260
3000
Perquè feia poc havia sortit a les notícies.
03:22
And I said, "How does that work?"
80
202260
2000
I li vaig dir: "Com funciona?"
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
204260
2000
I ell em va dir, "Bé, ara mateix hi ha uns 2000 físics a Wall Street,
03:26
and I'm one of them."
82
206260
2000
i jo sóc un d'ells."
03:28
And I said, "What's the black box for Wall Street?"
83
208260
3000
I jo vaig dir: "I com és la caixa negra a Wall Street?"
03:31
And he said, "It's funny you ask that,
84
211260
2000
I va dir: "És graciós que em preguntis això,
03:33
because it's actually called black box trading.
85
213260
3000
perquè, en realitat, es parla de comerç de caixa negra,
03:36
And it's also sometimes called algo trading,
86
216260
2000
o també comerç algo,
03:38
algorithmic trading."
87
218260
3000
comerç algorítmic."
03:41
And algorithmic trading evolved in part
88
221260
3000
I el comerç algorítmic ha evolucionat, en part,
03:44
because institutional traders have the same problems
89
224260
3000
perquè els comerciants institucionals tenen els mateixos problemes
03:47
that the United States Air Force had,
90
227260
3000
que les Forces Armades dels Estats Units tenien,
03:50
which is that they're moving these positions --
91
230260
3000
és a dir, que estan movent aquestes accions --
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
233260
2000
ja sigui "Proctor & Gamble" o "Accenture", és igual --
03:55
they're moving a million shares of something
93
235260
2000
estan movent un milió d'accions d'alguna cosa
03:57
through the market.
94
237260
2000
a través dels mercats.
03:59
And if they do that all at once,
95
239260
2000
I si les mouen totes de cop,
04:01
it's like playing poker and going all in right away.
96
241260
2000
passa com al pòquer: apostar-ho tot d'entrada.
04:03
You just tip your hand.
97
243260
2000
És com ensenyar les teves cartes.
04:05
And so they have to find a way --
98
245260
2000
Per tant necessiten una manera --
04:07
and they use algorithms to do this --
99
247260
2000
és a dir, algoritmes --
04:09
to break up that big thing
100
249260
2000
per dividir aquell gran moviment
04:11
into a million little transactions.
101
251260
2000
en un milió de petites transaccions.
04:13
And the magic and the horror of that
102
253260
2000
I la màgia, o l'horror, de la qüestió
04:15
is that the same math
103
255260
2000
es que es poden fer servir
04:17
that you use to break up the big thing
104
257260
2000
les mateixes matemàtiques tant per trencar
04:19
into a million little things
105
259260
2000
la gran cosa en un milió de petites coses
04:21
can be used to find a million little things
106
261260
2000
com per buscar un milió de petites coses
04:23
and sew them back together
107
263260
2000
i recomposar una gran cosa i,
04:25
and figure out what's actually happening in the market.
108
265260
2000
d'aquesta manera, saber que està passant realment als mercats.
04:27
So if you need to have some image
109
267260
2000
Així que si us voleu fer una idea
04:29
of what's happening in the stock market right now,
110
269260
3000
del que passa a la borsa ara mateix,
04:32
what you can picture is a bunch of algorithms
111
272260
2000
podeu pensar en una colla d'algoritmes
04:34
that are basically programmed to hide,
112
274260
3000
pensats bàsicament per amagar,
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
277260
3000
i una altra colla d'algoritmes pensats per trobar i actuar.
04:40
And all of that's great, and it's fine.
114
280260
3000
I tot això està molt bé
04:43
And that's 70 percent
115
283260
2000
i representa el 70 %
04:45
of the United States stock market,
116
285260
2000
de la borsa dels Estats Units
04:47
70 percent of the operating system
117
287260
2000
el 70 % del sistema operatiu
04:49
formerly known as your pension,
118
289260
3000
altrament dit la teva pensió,
04:52
your mortgage.
119
292260
3000
la teva hipoteca,
04:55
And what could go wrong?
120
295260
2000
Què podria fallar?
04:57
What could go wrong
121
297260
2000
Podria passar tal com
04:59
is that a year ago,
122
299260
2000
fa un any, quan
05:01
nine percent of the entire market just disappears in five minutes,
123
301260
3000
el 9% del total del mercat simplement va desaparèixer durant 5 minuts,
05:04
and they called it the Flash Crash of 2:45.
124
304260
3000
i n'hi van dir el flash crash de les 2:45.
05:07
All of a sudden, nine percent just goes away,
125
307260
3000
Tot de cop, el 9% simplement desapareix,
05:10
and nobody to this day
126
310260
2000
i fins ara, ningú
05:12
can even agree on what happened
127
312260
2000
ha pogut aclarir que va passar,
05:14
because nobody ordered it, nobody asked for it.
128
314260
3000
perquè ningú ho va manar, ningú ho va demanar.
05:17
Nobody had any control over what was actually happening.
129
317260
3000
De fet, ningú tenia cap control sobre el que realment succeía.
05:20
All they had
130
320260
2000
Tot el que tenien era, simplement
05:22
was just a monitor in front of them
131
322260
2000
una pantalla davant d'ells
05:24
that had the numbers on it
132
324260
2000
amb un munt de números,
05:26
and just a red button
133
326260
2000
i un botó vermell
05:28
that said, "Stop."
134
328260
2000
que posava "Stop."
05:30
And that's the thing,
135
330260
2000
El que està passant,
05:32
is that we're writing things,
136
332260
2000
es que escrivim coses,
05:34
we're writing these things that we can no longer read.
137
334260
3000
coses que ja no podem llegir
05:37
And we've rendered something
138
337260
2000
Hem generat quelcom
05:39
illegible,
139
339260
2000
il·legible
05:41
and we've lost the sense
140
341260
3000
I ja no sabem
05:44
of what's actually happening
141
344260
2000
realment què està passant
05:46
in this world that we've made.
142
346260
2000
en aquest món que hem construït.
05:48
And we're starting to make our way.
143
348260
2000
I això és el començament.
05:50
There's a company in Boston called Nanex,
144
350260
3000
Hi ha una companyia a Boston, Nanex,
05:53
and they use math and magic
145
353260
2000
utilitza matemàtiques i màgia
05:55
and I don't know what,
146
355260
2000
no sé exactament com,
05:57
and they reach into all the market data
147
357260
2000
però agafen dades dels mercats
05:59
and they find, actually sometimes, some of these algorithms.
148
359260
3000
i troben, de vegades, alguns d'aquests algoritmes.
06:02
And when they find them they pull them out
149
362260
3000
Quan els troben, els extreuen
06:05
and they pin them to the wall like butterflies.
150
365260
3000
i els claven a la paret com papallones.
06:08
And they do what we've always done
151
368260
2000
I aleshores fan allò que tots hem fet
06:10
when confronted with huge amounts of data that we don't understand --
152
370260
3000
quan ens hem trobat davant de grans quantitats de dades que no enteniem--
06:13
which is that they give them a name
153
373260
2000
simplement, els hi posen un nom
06:15
and a story.
154
375260
2000
i una història.
06:17
So this is one that they found,
155
377260
2000
A aquest que van trobar,
06:19
they called the Knife,
156
379260
4000
li van posar "Knife",
06:23
the Carnival,
157
383260
2000
el "Carnival".
06:25
the Boston Shuffler,
158
385260
4000
el "Boston Shuffler"
06:29
Twilight.
159
389260
2000
"Twilight".
06:31
And the gag is
160
391260
2000
El més graciós de tot és
06:33
that, of course, these aren't just running through the market.
161
393260
3000
que, òbviament, aquests algoritmes no funcionen només als mercats.
06:36
You can find these kinds of things wherever you look,
162
396260
3000
Aquest tipus de coses es poden trobar arreu,
06:39
once you learn how to look for them.
163
399260
2000
un cop se sap com buscar-les.
06:41
You can find it here: this book about flies
164
401260
3000
Per exemple, aquí: aquest llibre sobre mosques
06:44
that you may have been looking at on Amazon.
165
404260
2000
que potser us heu estat mirant per Amazon.
06:46
You may have noticed it
166
406260
2000
Potser el vàreu veure
06:48
when its price started at 1.7 million dollars.
167
408260
2000
quan costava 1.700.000 dòlars
06:50
It's out of print -- still ...
168
410260
2000
No s'imprimeix -- encara...
06:52
(Laughter)
169
412260
2000
(Rialles)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
414260
3000
Si l'haguéssiu comprat a 1.700.000 hauria sigut una ganga,
06:57
A few hours later, it had gone up
171
417260
2000
doncs al cap d'unes hores havia pujat
06:59
to 23.6 million dollars,
172
419260
2000
fins als 23.600.000 dòlars.
07:01
plus shipping and handling.
173
421260
2000
costs d'enviament apart.
07:03
And the question is:
174
423260
2000
La pregunta és:
07:05
Nobody was buying or selling anything; what was happening?
175
425260
2000
Si ningú estava comprant ni venent res; què estava passant?
07:07
And you see this behavior on Amazon
176
427260
2000
Aquests tipus de comportament s'observen tant a Amazon
07:09
as surely as you see it on Wall Street.
177
429260
2000
com a Wall Street.
07:11
And when you see this kind of behavior,
178
431260
2000
I el que aquests comportaments són
07:13
what you see is the evidence
179
433260
2000
una conseqüència
07:15
of algorithms in conflict,
180
435260
2000
d'algoritmes en conflicte,
07:17
algorithms locked in loops with each other,
181
437260
2000
algoritmes bloquejats en bucles,
07:19
without any human oversight,
182
439260
2000
sense cap supervisió humana,
07:21
without any adult supervision
183
441260
3000
sense la supervisió d'un adult
07:24
to say, "Actually, 1.7 million is plenty."
184
444260
3000
que pugui dir: "Home, 1.700.000 dòlars ja és bastant."
07:27
(Laughter)
185
447260
3000
(Rialles)
07:30
And as with Amazon, so it is with Netflix.
186
450260
3000
Passa el mateix amb Netflix.
07:33
And so Netflix has gone through
187
453260
2000
Netflix ha fet servir
07:35
several different algorithms over the years.
188
455260
2000
diferents algoritmes al llarg dels anys:
07:37
They started with Cinematch, and they've tried a bunch of others --
189
457260
3000
van començar amb Cinematch, i després n'han anat provant d'altres.
07:40
there's Dinosaur Planet; there's Gravity.
190
460260
2000
com "Dinosaur Planet". "Gravity".
07:42
They're using Pragmatic Chaos now.
191
462260
2000
i, actualment, "Pragmatic Chaos".
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
464260
2000
El que aquest algoritme intenta, igual tots els altres,
07:46
trying to do the same thing.
193
466260
2000
es el següent:
07:48
It's trying to get a grasp on you,
194
468260
2000
Tracta d'entendre't a tu,
07:50
on the firmware inside the human skull,
195
470260
2000
el que hi ha a dins teu,
07:52
so that it can recommend what movie
196
472260
2000
per a ser capaç de recomanar-te
07:54
you might want to watch next --
197
474260
2000
quina pel·lícula t'agradaria veure --
07:56
which is a very, very difficult problem.
198
476260
3000
i això és una tasca molt, molt difícil.
07:59
But the difficulty of the problem
199
479260
2000
Però que la tasca sigui difícil,
08:01
and the fact that we don't really quite have it down,
200
481260
3000
i el fet que encara no sabem realment com resoldre-la
08:04
it doesn't take away
201
484260
2000
no elimina
08:06
from the effects Pragmatic Chaos has.
202
486260
2000
les conseqüències d'usar "Pragmatic Chaos".
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
488260
3000
Al cap i a la fi, aquest algoritme, i tots els altres
08:11
determines, in the end,
204
491260
2000
que Netflix ha usat, determina
08:13
60 percent
205
493260
2000
el 60%
08:15
of what movies end up being rented.
206
495260
2000
de les pel·lícules que els clients acaben llogant.
08:17
So one piece of code
207
497260
2000
És a dir, que un tros de codi,
08:19
with one idea about you
208
499260
3000
que conté una sola idea sobre tu,
08:22
is responsible for 60 percent of those movies.
209
502260
3000
és el responsable del 60% de les vendes.
08:25
But what if you could rate those movies
210
505260
2000
Ara bé, què passaria si poguéssim puntuar aquestes pel·lícules
08:27
before they get made?
211
507260
2000
abans de que existissin?
08:29
Wouldn't that be handy?
212
509260
2000
Oi que seria molt pràctic?
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
511260
3000
Bé, alguns científics del Regne Unit, experts en dades, estan a Hollywood,
08:34
and they have "story algorithms" --
214
514260
2000
desenvolupant algoritmes per guions --
08:36
a company called Epagogix.
215
516260
2000
Hi ha una empresa anomenada Epagogix
08:38
And you can run your script through there,
216
518260
3000
que, a partir del teu guió
08:41
and they can tell you, quantifiably,
217
521260
2000
et poden dir, quantitativament,
08:43
that that's a 30 million dollar movie
218
523260
2000
si serà una pel·lícula de 30 milions de dòlars
08:45
or a 200 million dollar movie.
219
525260
2000
o una de 200 milions.
08:47
And the thing is, is that this isn't Google.
220
527260
2000
I això no és Google,
08:49
This isn't information.
221
529260
2000
no és informació,
08:51
These aren't financial stats; this is culture.
222
531260
2000
ni estadística financera: això és cultura.
08:53
And what you see here,
223
533260
2000
I el que heu vist avui aquí,
08:55
or what you don't really see normally,
224
535260
2000
o el que normalment no veieu
08:57
is that these are the physics of culture.
225
537260
4000
és la física de la cultura.
09:01
And if these algorithms,
226
541260
2000
I si aquests algoritmes,
09:03
like the algorithms on Wall Street,
227
543260
2000
igual que els de Wall Street,
09:05
just crashed one day and went awry,
228
545260
3000
produissin un crash,
09:08
how would we know?
229
548260
2000
com ho sabríem?
09:10
What would it look like?
230
550260
2000
quina pinta faria?
09:12
And they're in your house. They're in your house.
231
552260
3000
També són a casa teva.
09:15
These are two algorithms competing for your living room.
232
555260
2000
Això són dos algoritmes competint pel teu saló
09:17
These are two different cleaning robots
233
557260
2000
Són dos robots netejadors diferents
09:19
that have very different ideas about what clean means.
234
559260
3000
i tenen idees força diferents sobre que vol dir netejar
09:22
And you can see it
235
562260
2000
Això es pot veure
09:24
if you slow it down and attach lights to them,
236
564260
3000
posant càmera lenta i engantxant-los unes llums.
09:27
and they're sort of like secret architects in your bedroom.
237
567260
3000
Són com una mena d'arquitectes secrets a la teva habitació.
09:30
And the idea that architecture itself
238
570260
3000
I la idea que la pròpia arquitectura
09:33
is somehow subject to algorithmic optimization
239
573260
2000
està subjecte a l'optimització algorítmica
09:35
is not far-fetched.
240
575260
2000
no és gens descabellada.
09:37
It's super-real and it's happening around you.
241
577260
3000
És ben real, i està passant al teu voltant.
09:40
You feel it most
242
580260
2000
Ho notareu, per exemple,
09:42
when you're in a sealed metal box,
243
582260
2000
si esteu en una d'aquestes caixes metàl·liques hermètiques
09:44
a new-style elevator;
244
584260
2000
un d'aquests ascensors d'última generació
09:46
they're called destination-control elevators.
245
586260
2000
ascensor amb control de destinació, se'n diuen.
09:48
These are the ones where you have to press what floor you're going to go to
246
588260
3000
Són aquests on has de prémer el botó del pis on vas
09:51
before you get in the elevator.
247
591260
2000
abans d'entrar a l'ascensor.
09:53
And it uses what's called a bin-packing algorithm.
248
593260
2000
Utilitzen un algoritme d'empaquetament per grups.
09:55
So none of this mishegas
249
595260
2000
És a dir, que res de la bogeria
09:57
of letting everybody go into whatever car they want.
250
597260
2000
de deixar que cadascú es fiqui a l'ascensor que vol:
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
599260
2000
Tothom qui va al desè pis, ha d'agafar el segon ascensor,
10:01
and everybody who wants to go to the third floor goes into car five.
252
601260
3000
i tothom qui va al tercer pis ha d'agafar el cinquè ascensor.
10:04
And the problem with that
253
604260
2000
El problema, però,
10:06
is that people freak out.
254
606260
2000
és que la gent s'espanta.
10:08
People panic.
255
608260
2000
S'esgarrifa.
10:10
And you see why. You see why.
256
610260
2000
I no és difícil veure perquè passa això.
10:12
It's because the elevator
257
612260
2000
Passa perquè a l'ascensor
10:14
is missing some important instrumentation, like the buttons.
258
614260
3000
li falten certs elements bàsics, com els botons.
10:17
(Laughter)
259
617260
2000
(rialles)
10:19
Like the things that people use.
260
619260
2000
Coses que la gent fa servir.
10:21
All it has
261
621260
2000
Tot el que té
10:23
is just the number that moves up or down
262
623260
3000
és l'indicador del pis
10:26
and that red button that says, "Stop."
263
626260
3000
i el boto vermell que diu: "STOP".
10:29
And this is what we're designing for.
264
629260
3000
I això és el que estem creant.
10:32
We're designing
265
632260
2000
Estem creant
10:34
for this machine dialect.
266
634260
2000
aquesta comunicació amb les màquines
10:36
And how far can you take that? How far can you take it?
267
636260
3000
I fins on podem arribar, estirant aquest concepte?
10:39
You can take it really, really far.
268
639260
2000
Doncs bastant, bastant lluny
10:41
So let me take it back to Wall Street.
269
641260
3000
Deixeu-me que torni a Wall Street.
10:45
Because the algorithms of Wall Street
270
645260
2000
Els algoritmes de Wall Street
10:47
are dependent on one quality above all else,
271
647260
3000
depenent, per sobre de tot, d'una característica:
10:50
which is speed.
272
650260
2000
la velocitat.
10:52
And they operate on milliseconds and microseconds.
273
652260
3000
Operen en milisegons i microsegons
10:55
And just to give you a sense of what microseconds are,
274
655260
2000
Per que us en feu una idea,
10:57
it takes you 500,000 microseconds
275
657260
2000
es triguen uns 500.000 microsegons
10:59
just to click a mouse.
276
659260
2000
a fer clic amb el ratolí.
11:01
But if you're a Wall Street algorithm
277
661260
2000
Però si ets un algoritme de Wall Street
11:03
and you're five microseconds behind,
278
663260
2000
i vas 5 microsegons enrere
11:05
you're a loser.
279
665260
2000
estàs perdut.
11:07
So if you were an algorithm,
280
667260
2000
Per tant, si fossis un algoritme
11:09
you'd look for an architect like the one that I met in Frankfurt
281
669260
3000
buscaries un arquitecte com el que jo vaig conèixer a Frankfurt
11:12
who was hollowing out a skyscraper --
282
672260
2000
que estava buidant un gratacels --
11:14
throwing out all the furniture, all the infrastructure for human use,
283
674260
3000
llençant tots els mobles i tot allò que les persones usen,
11:17
and just running steel on the floors
284
677260
3000
i posant acer al terra
11:20
to get ready for the stacks of servers to go in --
285
680260
3000
per a poder posar-hi piles de servidors --
11:23
all so an algorithm
286
683260
2000
tot per tal que un algoritme
11:25
could get close to the Internet.
287
685260
3000
pogués estar més a prop d'Internet.
11:28
And you think of the Internet as this kind of distributed system.
288
688260
3000
Potser penseu que Internet es un sistema distribuït.
11:31
And of course, it is, but it's distributed from places.
289
691260
3000
És distribuït, però distribuït des de certs llocs.
11:34
In New York, this is where it's distributed from:
290
694260
2000
A Nova York, per exemple, es distribueix des d'aquí:
11:36
the Carrier Hotel
291
696260
2000
l'Hotel Carrier
11:38
located on Hudson Street.
292
698260
2000
al carrer Hudson.
11:40
And this is really where the wires come right up into the city.
293
700260
3000
Aquí és de on realment surten els cables cap a la ciutat
11:43
And the reality is that the further away you are from that,
294
703260
4000
I el que passa és que si estàs més lluny d'aquí,
11:47
you're a few microseconds behind every time.
295
707260
2000
estàs uns microsegons enrere.
11:49
These guys down on Wall Street,
296
709260
2000
I aquesta gent de Wall Street,
11:51
Marco Polo and Cherokee Nation,
297
711260
2000
Marco Polo i Cherokee Nation,
11:53
they're eight microseconds
298
713260
2000
van 8 microsegons endarrere
11:55
behind all these guys
299
715260
2000
respecte tota aquesta gent
11:57
going into the empty buildings being hollowed out
300
717260
4000
que van als edificis que es buiden
12:01
up around the Carrier Hotel.
301
721260
2000
al voltant de l'hotel Carrier.
12:03
And that's going to keep happening.
302
723260
3000
I això seguirà passant.
12:06
We're going to keep hollowing them out,
303
726260
2000
Seguirem buidant edificis,
12:08
because you, inch for inch
304
728260
3000
ja que, centímetre a centímetre,
12:11
and pound for pound and dollar for dollar,
305
731260
3000
lliura a lliura i dòlar a dòlar
12:14
none of you could squeeze revenue out of that space
306
734260
3000
cap de nosaltres podria treure més profit d'aquest espai
12:17
like the Boston Shuffler could.
307
737260
3000
que el Boston Shuffler.
12:20
But if you zoom out,
308
740260
2000
Però si ens allunyem,
12:22
if you zoom out,
309
742260
2000
si ens allunyem,
12:24
you would see an 825-mile trench
310
744260
4000
veiem una rasa de 1300 quilòmetres de llargada
12:28
between New York City and Chicago
311
748260
2000
entre Nova York i Chicago
12:30
that's been built over the last few years
312
750260
2000
que ha estat construïda darrerament
12:32
by a company called Spread Networks.
313
752260
3000
per una empresa anomenada Spread Networks.
12:35
This is a fiber optic cable
314
755260
2000
Això és un cable de fibra òptica
12:37
that was laid between those two cities
315
757260
2000
estès entre aquestes dues ciutats.
12:39
to just be able to traffic one signal
316
759260
3000
només per transmetre un senyal
12:42
37 times faster than you can click a mouse --
317
762260
3000
37 vegades més ràpid que el clic d'un ratolí,
12:45
just for these algorithms,
318
765260
3000
només per aquests algoritmes:
12:48
just for the Carnival and the Knife.
319
768260
3000
el Carnival i el Knife.
12:51
And when you think about this,
320
771260
2000
I quan pensem això,
12:53
that we're running through the United States
321
773260
2000
que estem foradant els Estats Units
12:55
with dynamite and rock saws
322
775260
3000
amb dinamita i serres de roca
12:58
so that an algorithm can close the deal
323
778260
2000
per a que un algoritme pugui tancar un contracte
13:00
three microseconds faster,
324
780260
3000
tres microsegons més ràpid,
13:03
all for a communications framework
325
783260
2000
tot en un marc de comunicacions
13:05
that no human will ever know,
326
785260
4000
que cap humà arribarà a conèixer,
13:09
that's a kind of manifest destiny;
327
789260
3000
és una mena de destí manifest
13:12
and we'll always look for a new frontier.
328
792260
3000
que sempre cercarà una frontera nova.
13:15
Unfortunately, we have our work cut out for us.
329
795260
3000
Però encara tenim molta feina a fer.
13:18
This is just theoretical.
330
798260
2000
Tot això es teoria
13:20
This is some mathematicians at MIT.
331
800260
2000
d'uns matemàtics del MIT.
13:22
And the truth is I don't really understand
332
802260
2000
I, la veritat, és que no entenc
13:24
a lot of what they're talking about.
333
804260
2000
gaire del que parlen.
13:26
It involves light cones and quantum entanglement,
334
806260
3000
Es tracta de cons lluminosos y connexions quàntiques.
13:29
and I don't really understand any of that.
335
809260
2000
i el cert és que no comprenc res d'això.
13:31
But I can read this map,
336
811260
2000
Això sí, puc llegir aquest mapa.
13:33
and what this map says
337
813260
2000
que diu que
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
815260
3000
si intentem guanyar diners als mercats a on es troben els punts vermells,
13:38
that's where people are, where the cities are,
339
818260
2000
és a dir, a on es troba la gent, a on són les ciutats,
13:40
you're going to have to put the servers where the blue dots are
340
820260
3000
haurem de posar els servidors a on estan els punts blaus
13:43
to do that most effectively.
341
823260
2000
per tal d'obtenir la màxima eficiència.
13:45
And the thing that you might have noticed about those blue dots
342
825260
3000
I potser heu notat que la majoria de punts blaus
13:48
is that a lot of them are in the middle of the ocean.
343
828260
3000
es troben al mig de l'oceà.
13:51
So that's what we'll do: we'll build bubbles or something,
344
831260
3000
Així doncs, haurem de construir bombolles
13:54
or platforms.
345
834260
2000
o plataformes.
13:56
We'll actually part the water
346
836260
2000
En realitat, anem a compartir l'aigua
13:58
to pull money out of the air,
347
838260
2000
per tal d'extreure diners a l'aire
14:00
because it's a bright future
348
840260
2000
perquè allí hi ha un futur brillant
14:02
if you're an algorithm.
349
842260
2000
si som algoritmes.
14:04
(Laughter)
350
844260
2000
(Rialles)
14:06
And it's not the money that's so interesting actually.
351
846260
3000
En realitat, els diners no són el que ens interessa més,
14:09
It's what the money motivates,
352
849260
2000
sinó més aviat la motivació que porten els diners.
14:11
that we're actually terraforming
353
851260
2000
El fet de transformar
14:13
the Earth itself
354
853260
2000
el mateix planeta
14:15
with this kind of algorithmic efficiency.
355
855260
2000
amb aquesta mena d'eficiència algorítmica.
14:17
And in that light,
356
857260
2000
Sota aquesta perspectiva
14:19
you go back
357
859260
2000
tornem a veure
14:21
and you look at Michael Najjar's photographs,
358
861260
2000
les fotografies de Michael Najjar
14:23
and you realize that they're not metaphor, they're prophecy.
359
863260
3000
i ens adonem de que no són metafòriques, són profètiques.
14:26
They're prophecy
360
866260
2000
S'anticipen
14:28
for the kind of seismic, terrestrial effects
361
868260
4000
als efectes sísmics, terrestres
14:32
of the math that we're making.
362
872260
2000
de les matemàtiques que fem.
14:34
And the landscape was always made
363
874260
3000
I el paisatge sempre ha estat configurat
14:37
by this sort of weird, uneasy collaboration
364
877260
3000
per aquesta mena de col·laboració, estranya i difícil,
14:40
between nature and man.
365
880260
3000
entre la natura i el home.
14:43
But now there's this third co-evolutionary force: algorithms --
366
883260
3000
Però ara existeix aquesta tercera força coevolutiva: els algoritmes;
14:46
the Boston Shuffler, the Carnival.
367
886260
3000
el "Boston Shuffler", el "Carnival".
14:49
And we will have to understand those as nature,
368
889260
3000
I haurem de considerar-los com una part de la natura.
14:52
and in a way, they are.
369
892260
2000
I d'alguna, ho són.
14:54
Thank you.
370
894260
2000
Gràcies.
14:56
(Applause)
371
896260
20000
(Aplaudiment)
About this website

This site will introduce you to YouTube videos that are useful for learning English. You will see English lessons taught by top-notch teachers from around the world. Double-click on the English subtitles displayed on each video page to play the video from there. The subtitles scroll in sync with the video playback. If you have any comments or requests, please contact us using this contact form.

https://forms.gle/WvT1wiN1qDtmnspy7