How algorithms shape our world | Kevin Slavin

484,482 views ・ 2011-07-21

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Nikos Stasinopoulos Επιμέλεια: Alexandros Tzaferidis
00:15
This is a photograph
0
15260
2000
Αυτή είναι μία φωτογραφία
00:17
by the artist Michael Najjar,
1
17260
2000
από τον καλλιτέχνη Μάικλ Νατζάρ,
00:19
and it's real,
2
19260
2000
και είναι πραγματική,
00:21
in the sense that he went there to Argentina
3
21260
2000
με την έννοια ότι πήγε εκεί στην Αργεντινή
00:23
to take the photo.
4
23260
2000
για να τραβήξει τη φωτογραφία.
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
25260
3000
Αλλά είναι επίσης φανταστική. Πολλή δουλειά έγινε πάνω της μετά από αυτό.
00:28
And what he's done
6
28260
2000
Και αυτό που έκανε
00:30
is he's actually reshaped, digitally,
7
30260
2000
είναι ότι πραγματικά ανασύνθεσε, ψηφιακά,
00:32
all of the contours of the mountains
8
32260
2000
όλα τα περιγράμματα των βουνών
00:34
to follow the vicissitudes of the Dow Jones index.
9
34260
3000
ώστε να ακολουθούν τις διακυμάνσεις του δείκτη Ντάου Τζόουνς.
00:37
So what you see,
10
37260
2000
Άρα αυτό που βλέπετε,
00:39
that precipice, that high precipice with the valley,
11
39260
2000
αυτός ο γκρεμός, ο ψηλός γκρεμός με την κοιλάδα,
00:41
is the 2008 financial crisis.
12
41260
2000
είναι η οικονομική κρίση του 2008.
00:43
The photo was made
13
43260
2000
Η φωτογραφία δημιουργήθηκε
00:45
when we were deep in the valley over there.
14
45260
2000
όταν ήμαστε εκεί βαθειά στην κοιλάδα.
00:47
I don't know where we are now.
15
47260
2000
Δεν ξέρω που βρισκόμαστε τώρα.
00:49
This is the Hang Seng index
16
49260
2000
Αυτός είναι ο δείκτης Χανγκ Σενγκ
00:51
for Hong Kong.
17
51260
2000
του Χονγκ Κονγκ.
00:53
And similar topography.
18
53260
2000
Και παρόμοια τοπογραφία.
00:55
I wonder why.
19
55260
2000
Αναρωτιέμαι γιατί.
00:57
And this is art. This is metaphor.
20
57260
3000
Και αυτό είναι τέχνη. Είναι μεταφορά.
01:00
But I think the point is
21
60260
2000
Αλλά νομίζω ότι το καίριο είναι
01:02
that this is metaphor with teeth,
22
62260
2000
ότι αυτή είναι μεταφορά με δόντια
01:04
and it's with those teeth that I want to propose today
23
64260
3000
Και με αυτά τα δόντια θέλω να προτείνω σήμερα
01:07
that we rethink a little bit
24
67260
2000
να ξανασκεφτούμε λίγο
01:09
about the role of contemporary math --
25
69260
3000
σχετικά με το ρόλο των σύγχρονων μαθηματικών --
01:12
not just financial math, but math in general.
26
72260
3000
όχι μόνο των οικονομικών μαθηματικών, αλλά των μαθηματικών εν γένει.
01:15
That its transition
27
75260
2000
Τη μετάβασή τους
01:17
from being something that we extract and derive from the world
28
77260
3000
από κάτι που εξάγουμε και παράγουμε από τον κόσμο
01:20
to something that actually starts to shape it --
29
80260
3000
σε κάτι που στην πραγματικότηα αρχίζει να τον διαμορφώνει --
01:23
the world around us and the world inside us.
30
83260
3000
τον κόσμο γύρω μας και τον κόσμο μέσα μας
01:26
And it's specifically algorithms,
31
86260
2000
Και είναι συγκεκριμένα οι αλγόριθμοι,
01:28
which are basically the math
32
88260
2000
οι οποίοι βασικά είναι τα μαθηματικά
01:30
that computers use to decide stuff.
33
90260
3000
που οι υπολογιστές χρησιμοποιούν για να αποφασίσουν για πράγματα.
01:33
They acquire the sensibility of truth
34
93260
2000
Αποκτούν την αίσθηση της αλήθειας,
01:35
because they repeat over and over again,
35
95260
2000
γιατί επαναλαμβάνονται ξανά και ξανά.
01:37
and they ossify and calcify,
36
97260
3000
Και απολιθώνονται και σκληραίνουν,
01:40
and they become real.
37
100260
2000
ώσπου γίνονται πραγματικοί.
01:42
And I was thinking about this, of all places,
38
102260
3000
Και το σκεφτόμουν αυτό, από όλα τα μέρη,
01:45
on a transatlantic flight a couple of years ago,
39
105260
3000
σε μία υπερατλαντική πτήση μερικά χρόνια πριν,
01:48
because I happened to be seated
40
108260
2000
γιατί έτυχε να κάθομαι
01:50
next to a Hungarian physicist about my age
41
110260
2000
δίπλα σε έναν Ούγγρο φυσικό περίπου στην ηλικία μου
01:52
and we were talking
42
112260
2000
και μιλούσαμε
01:54
about what life was like during the Cold War
43
114260
2000
για το πως ήταν η ζωή στη διάρκεια του Ψυχρού Πολέμου
01:56
for physicists in Hungary.
44
116260
2000
για τους φυσικούς στην Ουγγαρία.
01:58
And I said, "So what were you doing?"
45
118260
2000
Και είπα, "Με τι ασχολούσασταν;"
02:00
And he said, "Well we were mostly breaking stealth."
46
120260
2000
Και είπε, "Λοιπόν κυρίως σπάγαμε τεχνολογίες χαμηλής παρατηρησιμότητας."
02:02
And I said, "That's a good job. That's interesting.
47
122260
2000
Και απάντησα, "Αυτή είναι μια καλή δουλειά. Είναι ενδιαφέρουσα.
02:04
How does that work?"
48
124260
2000
Πώς δουλεύει αυτό;"
02:06
And to understand that,
49
126260
2000
Και για το κατανοήσεις αυτό,
02:08
you have to understand a little bit about how stealth works.
50
128260
3000
πρέπει να καταλάβεις λιγάκι πως δουλεύει η τεχνολογία χαμηλής παρατηρησιμότητας.
02:11
And so -- this is an over-simplification --
51
131260
3000
Λοιπόν -- υπεραπλουστευμένα --
02:14
but basically, it's not like
52
134260
2000
βασικά, δεν είναι ότι
02:16
you can just pass a radar signal
53
136260
2000
μπορείς να αφήσεις ένα σήμα ραντάρ
02:18
right through 156 tons of steel in the sky.
54
138260
3000
να διαπεράσει 156 τόνους ατσαλιού στον ουρανό.
02:21
It's not just going to disappear.
55
141260
3000
Απλά δεν πρόκειται να εξαφανιστεί.
02:24
But if you can take this big, massive thing,
56
144260
3000
Αλλά αν μπορείς να πάρεις αυτό το μεγάλο, τεράστιο πράγμα,
02:27
and you could turn it into
57
147260
3000
και να το μετατρέψεις
02:30
a million little things --
58
150260
2000
σε ένα εκατομύριο μικρά πράγματα --
02:32
something like a flock of birds --
59
152260
2000
κάτι σαν ένα σμήνος πουλιών --
02:34
well then the radar that's looking for that
60
154260
2000
λοιπόν τότε το ραντάρ που ψάχνει για αυτό
02:36
has to be able to see
61
156260
2000
θα πρέπει να είναι ικανό να δει
02:38
every flock of birds in the sky.
62
158260
2000
κάθε σμήνος πουλιών στον ουρανό.
02:40
And if you're a radar, that's a really bad job.
63
160260
4000
Και εάν είσαι ραντάρ, αυτή είναι μία αληθινά δύσκολη δουλειά.
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
164260
3000
Και απάντησε, "Ναι". Είπε, "Αλλά αυτό αν είσαι ραντάρ.
02:47
So we didn't use a radar;
65
167260
2000
Έτσι δε χρησιμοποιήσαμε ραντάρ'
02:49
we built a black box that was looking for electrical signals,
66
169260
3000
χτίσαμε ένα μαύρο κουτί που έψαχνε για ηλεκτρικά σήματα,
02:52
electronic communication.
67
172260
3000
ηλεκτρονική επικοινωνία.
02:55
And whenever we saw a flock of birds that had electronic communication,
68
175260
3000
Και όποτε βλέπαμε ένα σμήνος πουλιών που είχαν ηλεκτρονική επικοινωνία,
02:58
we thought, 'Probably has something to do with the Americans.'"
69
178260
3000
θεωρούσαμε ότι πιθανότατα είχε κάτι να κάνει με τους Αμερικανούς."
03:01
And I said, "Yeah.
70
181260
2000
Είπα, "Ναι.
03:03
That's good.
71
183260
2000
Μάλιστα.
03:05
So you've effectively negated
72
185260
2000
Άρα στην πραγματικότητα ανατρέψατε
03:07
60 years of aeronautic research.
73
187260
2000
60 χρόνια αεροναυτικής έρευνας.
03:09
What's your act two?
74
189260
2000
Ποιό είναι το επόμενο βήμα σου;
03:11
What do you do when you grow up?"
75
191260
2000
Με τι θα ασχοληθείς όταν μεγάλωσεις;"
03:13
And he said,
76
193260
2000
Και απάντησε,
03:15
"Well, financial services."
77
195260
2000
"Λοιπόν, με τα οικονομικά."
03:17
And I said, "Oh."
78
197260
2000
Είπα "Α."
03:19
Because those had been in the news lately.
79
199260
3000
Γιατί αυτά ήταν στην επικαιρότητα τελευταία.
03:22
And I said, "How does that work?"
80
202260
2000
Και του είπα, "Πώς πάει αυτό;"
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
204260
2000
Και απάντησε, "Λοιπόν υπάρχουν 2.000 φυσικοί στη Γουώλ Στρητ αυτή τη στιγμή,
03:26
and I'm one of them."
82
206260
2000
και είμαι ένας από αυτούς."
03:28
And I said, "What's the black box for Wall Street?"
83
208260
3000
Ρώτησα, "Ποιο είναι το μαύρο κουτί στη Γουώλ Στρητ;"
03:31
And he said, "It's funny you ask that,
84
211260
2000
Μου απάντησε, "Είναι αστείο που το ρωτάς αυτό,
03:33
because it's actually called black box trading.
85
213260
3000
γιατί πραγματικά αποκαλούνται αγοραπωλησίες μαύρου κουτιού.
03:36
And it's also sometimes called algo trading,
86
216260
2000
Και κάποιες φορές αλγο-εμπόριο,
03:38
algorithmic trading."
87
218260
3000
αλγοριθμικό εμπόριο."
03:41
And algorithmic trading evolved in part
88
221260
3000
Και οι αλγοριθμικές αγοραπωλησίες εξελίχθηκαν εν μέρει
03:44
because institutional traders have the same problems
89
224260
3000
διότι οι θεσμικοί επενδυτές έχουν τα ίδια προβλήματα
03:47
that the United States Air Force had,
90
227260
3000
που είχε η Πολεμική Αεροπορία των ΗΠΑ,
03:50
which is that they're moving these positions --
91
230260
3000
το οποίο είναι ότι μετακινούν αυτές τις τοποθετήσεις --
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
233260
2000
είτε είναι οι Πρόκτορ και Γκαμπλ είτε η Αξέντουρ, ο,τιδήποτε --
03:55
they're moving a million shares of something
93
235260
2000
μετακινούν ένα εκατομύριο μετοχές από κάτι
03:57
through the market.
94
237260
2000
μέσω της αγοράς.
03:59
And if they do that all at once,
95
239260
2000
Και εάν το κάνουν όλο μονομιάς,
04:01
it's like playing poker and going all in right away.
96
241260
2000
είναι σα να παίζεις πόκερ και να πηγαίνεις ρέστα κατευθείαν.
04:03
You just tip your hand.
97
243260
2000
Απλά φανερώνεις το χέρι σου.
04:05
And so they have to find a way --
98
245260
2000
Έτσι λοιπόν πρέπει να βρουν έναν τρόπο --
04:07
and they use algorithms to do this --
99
247260
2000
και χρησιμοποιούν αλγόριθμους για να το κάνουν αυτό --
04:09
to break up that big thing
100
249260
2000
για να σπασουν αυτό το μεγάλο πράγμα
04:11
into a million little transactions.
101
251260
2000
σε ένα εκατομύριο μικρές συναλλαγές.
04:13
And the magic and the horror of that
102
253260
2000
Και η μαγεία και ο τρόμος αυτού
04:15
is that the same math
103
255260
2000
είναι ότι τα ίδια μαθηματικά
04:17
that you use to break up the big thing
104
257260
2000
που χρησιμοποιείες για να σπάσεις αυτό το μεγάλο πράγμα
04:19
into a million little things
105
259260
2000
σε ένα εκατομύριο πραγματάκια
04:21
can be used to find a million little things
106
261260
2000
μπορεί να χρησιμοποιηθεί για να βρεις αυτό το εκατομύριο πράγματα
04:23
and sew them back together
107
263260
2000
και να τα συνδέσεις ξανά μαζί
04:25
and figure out what's actually happening in the market.
108
265260
2000
και να καταλάβεις τι συμβαίνει στην πραγματικότητα στην αγορά.
04:27
So if you need to have some image
109
267260
2000
Άρα εάν πρέπει να έχεις μία εικόνα
04:29
of what's happening in the stock market right now,
110
269260
3000
του τι συμβαίνεις στην αγορά μετοχών αυτή τη στιγμή,
04:32
what you can picture is a bunch of algorithms
111
272260
2000
αυτό που μπορείς να φανταστείς είναι μια ομάδα αλγορίθμων
04:34
that are basically programmed to hide,
112
274260
3000
που είναι βασικά προγραμματισμένοι ώστε να αποκρύπτουν,
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
277260
3000
και μια ομάδα αλγορίθμων που είναι προγραμματισμένοι ώστε να βρίσκουν και να ενεργούν.
04:40
And all of that's great, and it's fine.
114
280260
3000
Και όλα αυτά είναι τέλεια, είναι μια χαρά.
04:43
And that's 70 percent
115
283260
2000
Και αυτό είναι το 70 τοις εκατό
04:45
of the United States stock market,
116
285260
2000
της αγοράς μετοχών των Ηνωμένων Πολιτειών,
04:47
70 percent of the operating system
117
287260
2000
70 τοις εκατό του συστήματος
04:49
formerly known as your pension,
118
289260
3000
προηγούμενως γνωστό ως η σύνταξή σου,
04:52
your mortgage.
119
292260
3000
η υποθήκη σου.
04:55
And what could go wrong?
120
295260
2000
Και τι μπορεί να πάει στραβά;
04:57
What could go wrong
121
297260
2000
Αυτό που μπορεί να πάει στραβά
04:59
is that a year ago,
122
299260
2000
είναι ότι ένα χρόνο πριν,
05:01
nine percent of the entire market just disappears in five minutes,
123
301260
3000
το εννιά τοις εκατό ολόκληρης της αγοράς απλά εξαφανίστηκε σε 5 λεπτά,
05:04
and they called it the Flash Crash of 2:45.
124
304260
3000
και το ονόμασαν η αστραπιαία κατάρρευση των 2:45.
05:07
All of a sudden, nine percent just goes away,
125
307260
3000
Από το πουθενά, εννιά τοις εκατό απλά εξαφανίζεται,
05:10
and nobody to this day
126
310260
2000
και κανείς μέχρι σήμερα
05:12
can even agree on what happened
127
312260
2000
δεν μπορεί καν να συμφωνήσει στο τι συνέβη,
05:14
because nobody ordered it, nobody asked for it.
128
314260
3000
γιατί κανείς δεν το διέταξε, κανείς δεν το ζήτησε.
05:17
Nobody had any control over what was actually happening.
129
317260
3000
Κανείς δεν είχε κανένα έλεγχο στο τι συνέβαινε στην πραγματικότητα.
05:20
All they had
130
320260
2000
Το μόνο που είχαν
05:22
was just a monitor in front of them
131
322260
2000
ήταν μία οθόνη μπροστά τους
05:24
that had the numbers on it
132
324260
2000
που είχε τους αριθμούς πάνω της
05:26
and just a red button
133
326260
2000
και απλά ένα κόκκινο κουμπί
05:28
that said, "Stop."
134
328260
2000
που έλεγε, "Στοπ."
05:30
And that's the thing,
135
330260
2000
Και αυτό είναι το θέμα,
05:32
is that we're writing things,
136
332260
2000
ότι γράφουμε πράγματα
05:34
we're writing these things that we can no longer read.
137
334260
3000
γράφουμε πράγματα που δεν μπορούμε πλέον να διαβάσουμε.
05:37
And we've rendered something
138
337260
2000
Και δημιουργήσαμε κάτι
05:39
illegible,
139
339260
2000
δυσανάγνωστο.
05:41
and we've lost the sense
140
341260
3000
Και χάσαμε την αίσθηση
05:44
of what's actually happening
141
344260
2000
του τι πραγματικά συμβαίνει
05:46
in this world that we've made.
142
346260
2000
σε αυτόν τον κόσμο που φτιάξαμε.
05:48
And we're starting to make our way.
143
348260
2000
Και αρχίσαμε να κινούμαστε προς τα εκεί.
05:50
There's a company in Boston called Nanex,
144
350260
3000
Υπάρχει μία εταιρεία στη Βοστώνη που λέγεται Νάνεξ,
05:53
and they use math and magic
145
353260
2000
όπου χρησιμοποιούν μαθηματικά και μαγεία
05:55
and I don't know what,
146
355260
2000
και δεν ξέρω τι,
05:57
and they reach into all the market data
147
357260
2000
και φτάνουν σε όλα τα δεδομένα της αγοράς
05:59
and they find, actually sometimes, some of these algorithms.
148
359260
3000
και ανακαλύπτουν, όντως μερικές φορές, μερικούς από αυτούς τους αλγόριθμους.
06:02
And when they find them they pull them out
149
362260
3000
Και όταν τους ανακαλύπτουν τους εξάγουν
06:05
and they pin them to the wall like butterflies.
150
365260
3000
και τους καρφιτσώνουν στον τοίχο σαν πεταλούδες.
06:08
And they do what we've always done
151
368260
2000
Και κάνουν ότι πάντοτε κάναμε
06:10
when confronted with huge amounts of data that we don't understand --
152
370260
3000
όταν ερχόμαστε αντιμέτωποι με τεράστια ποσά δεδομένων που δεν καταλαβαίνουμε --
06:13
which is that they give them a name
153
373260
2000
τους δίνουν ένα όνομα
06:15
and a story.
154
375260
2000
και μία ιστορία.
06:17
So this is one that they found,
155
377260
2000
Έτσι αυτό είναι ένα που ανακάλυψαν,
06:19
they called the Knife,
156
379260
4000
το ονόμασαν το Μαχαίρι,
06:23
the Carnival,
157
383260
2000
το Καρναβάλι,
06:25
the Boston Shuffler,
158
385260
4000
ο Αναδευτήρας της Βοστώνης.
06:29
Twilight.
159
389260
2000
Λυκόφως.
06:31
And the gag is
160
391260
2000
Και το αστείο είναι
06:33
that, of course, these aren't just running through the market.
161
393260
3000
ότι, φυσικά, αυτά δε διατρέχουν μόνο την αγορά.
06:36
You can find these kinds of things wherever you look,
162
396260
3000
Μπορείς να βρεις αυτού του είδους τα πράγματα όπου κοιτάξεις,
06:39
once you learn how to look for them.
163
399260
2000
εφόσον μάθεις πως να κοιτάς για αυτά.
06:41
You can find it here: this book about flies
164
401260
3000
Μπορείτε να το βρείτε εδώ: αυτό το βιβλίο περί μυγών
06:44
that you may have been looking at on Amazon.
165
404260
2000
που μπορεί να κοιτούσατε στο Άμαζον.
06:46
You may have noticed it
166
406260
2000
Μπορεί να το είχατε παρατηρήσει
06:48
when its price started at 1.7 million dollars.
167
408260
2000
όταν η τιμή του έφτασε στα 1,7 εκατομύρια δολλάρια.
06:50
It's out of print -- still ...
168
410260
2000
Είναι εκτός κυκλοφορίας -- εντούτοις ...
06:52
(Laughter)
169
412260
2000
(Γέλια)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
414260
3000
Εάν το είχατε αγοράσει στα 1,7, θα ήταν ευκαιρία.
06:57
A few hours later, it had gone up
171
417260
2000
Μερικές ώρες αργότερα, ανέβηκε
06:59
to 23.6 million dollars,
172
419260
2000
στα 23,6 εκατομύρια δολλάρια,
07:01
plus shipping and handling.
173
421260
2000
συν τα μεταφορικά και τη συσκευασία.
07:03
And the question is:
174
423260
2000
Και το ερώτημα είναι:
07:05
Nobody was buying or selling anything; what was happening?
175
425260
2000
Κανείς δεν αγόραζε ή πωλούσε τίποτα, τι συνέβαινε;
07:07
And you see this behavior on Amazon
176
427260
2000
Και παρατηρείς αυτήν τη συμπεριφορά στo Άμαζον
07:09
as surely as you see it on Wall Street.
177
429260
2000
όπως σίγουρα την παρατηρείς και στη Γουώλ Στρητ.
07:11
And when you see this kind of behavior,
178
431260
2000
Και όταν παρατηρείς αυτό το είδος συμπεριφοράς,
07:13
what you see is the evidence
179
433260
2000
αυτό που βλέπεις είναι η ένδειξη
07:15
of algorithms in conflict,
180
435260
2000
συγκρουόμενων αλγορίθμων,
07:17
algorithms locked in loops with each other,
181
437260
2000
αλγορίθμων που έχουν εγκλωβιστεί ο ένας με τον άλλον,
07:19
without any human oversight,
182
439260
2000
χωρίς καμία ανθρώπινη επίβλεψη,
07:21
without any adult supervision
183
441260
3000
χωρίς ενήλικη εποπτεία,
07:24
to say, "Actually, 1.7 million is plenty."
184
444260
3000
που θα έλεγε, "Στην πραγματικότητα, 1,7 εκατομύρια είναι πολλά."
07:27
(Laughter)
185
447260
3000
(Γέλια)
07:30
And as with Amazon, so it is with Netflix.
186
450260
3000
Και όπως με το Άμαζον, έτσι έχει και με το Νέτφλιξ.
07:33
And so Netflix has gone through
187
453260
2000
Το Netflix έχει Νετφλιξ
07:35
several different algorithms over the years.
188
455260
2000
διάφορους αλγόριθμους με τα χρόνια.
07:37
They started with Cinematch, and they've tried a bunch of others --
189
457260
3000
Ξεκίνησα με τον Σίνεματς, και έχουν δοκιμάσει ένα σωρό άλλους.
07:40
there's Dinosaur Planet; there's Gravity.
190
460260
2000
Υπάρχει ο Πλανήτης Δινοσαύρων, η Βαρύτητα.
07:42
They're using Pragmatic Chaos now.
191
462260
2000
Χρησιμοποιούν τον Πραγματιστικό Χάος τώρα.
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
464260
2000
Ο Πραγματιστικό Χάος, όπως όλοι οι αλγόριθμοι της Νετφλιξ,
07:46
trying to do the same thing.
193
466260
2000
προσπαθεί να κάνει το ίδιο πράγμα.
07:48
It's trying to get a grasp on you,
194
468260
2000
Προσπαθεί να σε κατανοήσει,
07:50
on the firmware inside the human skull,
195
470260
2000
στo υλικολογισμικό μέσα στο ανθρώπινο κρανίο,
07:52
so that it can recommend what movie
196
472260
2000
ώστε να μπορέσει να προτείνει ποια ταινία
07:54
you might want to watch next --
197
474260
2000
μπορεί να θες να παρακολουθήσεις στη συνέχεια --
07:56
which is a very, very difficult problem.
198
476260
3000
το οποίο είναι ένα πολύ, πολύ δύσκολο πρόβλημα.
07:59
But the difficulty of the problem
199
479260
2000
Αλλά η δυσκολία του προβλήματος
08:01
and the fact that we don't really quite have it down,
200
481260
3000
και το γεγονός ότι δεν το έχουμε ακριβώς καταφέρει,
08:04
it doesn't take away
201
484260
2000
δε μειώνει
08:06
from the effects Pragmatic Chaos has.
202
486260
2000
τις συνέπειες που ο Πραγματιστικό Χάος έχει.
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
488260
3000
Ο Πραγματιστικό Χάος, όπως κάθε αλγόριθμος της Νέτφλιξ,
08:11
determines, in the end,
204
491260
2000
αποφασίζει, εν τέλει,
08:13
60 percent
205
493260
2000
το 60 τοις εκατό
08:15
of what movies end up being rented.
206
495260
2000
των ταινιών που καταλήγουν να ενοικιαστούν.
08:17
So one piece of code
207
497260
2000
Συνεπώς ένα κομμάτι κώδικα
08:19
with one idea about you
208
499260
3000
με μία αντίληψη για εσένα
08:22
is responsible for 60 percent of those movies.
209
502260
3000
είναι υπεύθυνο για το 60 τοις εκατό αυτών των ταινιών.
08:25
But what if you could rate those movies
210
505260
2000
Αλλά αν μπορούσες να βαθμολογήσεις αυτές τις ταινίες
08:27
before they get made?
211
507260
2000
πριν παραχθούν;
08:29
Wouldn't that be handy?
212
509260
2000
Δε θα ήταν χρήσιμο;
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
511260
3000
Λοιπόν, μερικά επιστήμονες δεδομένων από το Ηνωμένο Βασίλειο βρίσκονται στο Χόλυγουντ
08:34
and they have "story algorithms" --
214
514260
2000
και έχουν αλγόριθμους ιστοριών --
08:36
a company called Epagogix.
215
516260
2000
μία εταιρεία που λέγεται Επαγκόγκιξ.
08:38
And you can run your script through there,
216
518260
3000
Και μπορεί να τρέξεις το σενάριό σου εκεί,
08:41
and they can tell you, quantifiably,
217
521260
2000
και εκείνοι να σου πουν, μετρήσιμα,
08:43
that that's a 30 million dollar movie
218
523260
2000
ότι αυτή είναι μία ταινία 30 εκατομυρίων δολλαρίων
08:45
or a 200 million dollar movie.
219
525260
2000
ή μία ταινία 200 εκατομυρίων δολλαρίων.
08:47
And the thing is, is that this isn't Google.
220
527260
2000
Και το θέμα είναι ότι δεν πρόκειται για αναζήτηση στο Γκουγκλ.
08:49
This isn't information.
221
529260
2000
Αυτό δεν είναι πληροφορία.
08:51
These aren't financial stats; this is culture.
222
531260
2000
Αυτά είναι οικονομικά στοιχεία; είναι κουλτούρα.
08:53
And what you see here,
223
533260
2000
Και αυτό που βλέπεις εδώ,
08:55
or what you don't really see normally,
224
535260
2000
ή δε βλέπεις υπό κανονικές συνθήκες,
08:57
is that these are the physics of culture.
225
537260
4000
είναι ότι αυτή είναι η φυσική της κουλτούρας.
09:01
And if these algorithms,
226
541260
2000
Και εάν αυτοί οι αλγόριθμοι,
09:03
like the algorithms on Wall Street,
227
543260
2000
όπως οι αλγόριθμοι της Γουώλ Στρητ,
09:05
just crashed one day and went awry,
228
545260
3000
απλά κρασάρουν μία ημέρα και πάνε στραβά,
09:08
how would we know?
229
548260
2000
πως θα ξέρουμε,
09:10
What would it look like?
230
550260
2000
με τι θα έμοιαζε αυτό;
09:12
And they're in your house. They're in your house.
231
552260
3000
Και είναι μες στο σπίτι σου. Είναι μέσα στο σπίτι σου.
09:15
These are two algorithms competing for your living room.
232
555260
2000
Αυτοί είναι δύο αλγόριθμοι που συναγωνίζονται για το καθιστικό σου.
09:17
These are two different cleaning robots
233
557260
2000
Είναι δύο διαφορετικά ρομπότ καθαρισμού
09:19
that have very different ideas about what clean means.
234
559260
3000
που έχουν πολύ διαφορετικές ιδέες για το τι σημαίνει καθαρό.
09:22
And you can see it
235
562260
2000
Και μπορείτε να το δείτε
09:24
if you slow it down and attach lights to them,
236
564260
3000
εάν το επιβραδύνετε και εγκαταστήσετε φώτα σε αυτά.
09:27
and they're sort of like secret architects in your bedroom.
237
567260
3000
Είναι κάτι σαν μικροί αρχιτέκτονες στο δωμάτιό σας.
09:30
And the idea that architecture itself
238
570260
3000
Και η ιδέα ότι η ίδια η αρχιτεκτονική
09:33
is somehow subject to algorithmic optimization
239
573260
2000
υπόκειται κατά κάποιον τρόπο στην αλγοριθμική βελτιστοποίηση
09:35
is not far-fetched.
240
575260
2000
δεν είναι τραβηγμένη.
09:37
It's super-real and it's happening around you.
241
577260
3000
Είναι πραγματική και συμβαίνει γύρω σας.
09:40
You feel it most
242
580260
2000
Το νιώθεις περισσότερο
09:42
when you're in a sealed metal box,
243
582260
2000
όταν είσαι σε ένα σφραγισμένο μεταλλικό κουτί,
09:44
a new-style elevator;
244
584260
2000
έναν ανελκυστήρα καινούριου ύφους,
09:46
they're called destination-control elevators.
245
586260
2000
ονομάζονται ανελκυστήρες ελέγχου προορισμού.
09:48
These are the ones where you have to press what floor you're going to go to
246
588260
3000
Είναι αυτοί που πρέπει να πατήσεις σε ποιο όροφο πρόκειται να πας
09:51
before you get in the elevator.
247
591260
2000
πριν μπεις στον ανελκυστήρα.
09:53
And it uses what's called a bin-packing algorithm.
248
593260
2000
Και χρησιμοποιεί αυτό που ονομάζεται αλγόριθμος πακεταρίσμενος καλαθιών.
09:55
So none of this mishegas
249
595260
2000
Οπότε τέλος αυτή η τρέλα
09:57
of letting everybody go into whatever car they want.
250
597260
2000
του να αφήνεις οποιονδήποτε να πηγαίνεται σε όποιο ασανσέρ θέλει.
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
599260
2000
Όποιος θέλει να πάει στο 10ο όροφο μπαίνει στο όχημα δύο,
10:01
and everybody who wants to go to the third floor goes into car five.
252
601260
3000
και όποιος θέλει να πάει στον τρίτο μπαίνει το όχημα πέντε.
10:04
And the problem with that
253
604260
2000
Και το πρόβλημα με αυτό είναι
10:06
is that people freak out.
254
606260
2000
ότι οι άνθρωποι φρικάρουν.
10:08
People panic.
255
608260
2000
Οι άνθρωποι πανικοβάλλονται.
10:10
And you see why. You see why.
256
610260
2000
Και καταλαβαίνετε γιατί. Καταλαβαίνετε.
10:12
It's because the elevator
257
612260
2000
Είναι επειδή ο ανελκυστήρας
10:14
is missing some important instrumentation, like the buttons.
258
614260
3000
δε διαθέτει κάποια σημαντικά όργανα, όπως τα κουμπιά.
10:17
(Laughter)
259
617260
2000
(Γέλια)
10:19
Like the things that people use.
260
619260
2000
Όπως έχουν τα πράγματα που χρησιμοποιούν οι άνθρωποι.
10:21
All it has
261
621260
2000
Το μόνο που διαθέτει
10:23
is just the number that moves up or down
262
623260
3000
είναι ο αριθμός που αυξάνεται ή μειώνεται
10:26
and that red button that says, "Stop."
263
626260
3000
και εκείνο το κόκκινο κουμπί που λέει, "Σταμάτα."
10:29
And this is what we're designing for.
264
629260
3000
Αυτό είναι που σχεδιάζουμε.
10:32
We're designing
265
632260
2000
Σχεδιάζουμε
10:34
for this machine dialect.
266
634260
2000
αυτή τη διάλεκτο της μηχανής.
10:36
And how far can you take that? How far can you take it?
267
636260
3000
Και μέχρι που μπορείς να το πας; Πόσο μακριά μπορείς να το πας;
10:39
You can take it really, really far.
268
639260
2000
Μπορείς να το φτάσεις πολύ, πολύ μακριά.
10:41
So let me take it back to Wall Street.
269
641260
3000
Λοιπόν, αφήστε με να επιστρέψω στη Γουώλ Στρητ.
10:45
Because the algorithms of Wall Street
270
645260
2000
Γιατί οι αλγόριθμοι της Γουώλ Στρητ
10:47
are dependent on one quality above all else,
271
647260
3000
εξαρτώνται από ένα χαρακτηριστικό πάνω από όλα τα άλλα,
10:50
which is speed.
272
650260
2000
το οποίο είναι η ταχύτητα.
10:52
And they operate on milliseconds and microseconds.
273
652260
3000
Και λειτουργούν σε μιλλιδευτερόλεπτα και μικροδευτερόλεπτα.
10:55
And just to give you a sense of what microseconds are,
274
655260
2000
Και για να σας δώσω μία αίσθηση του τι είναι τα μικροδευτερόλεπτα,
10:57
it takes you 500,000 microseconds
275
657260
2000
σας παίρνει 500.000 μικροδευτερόλεπτα
10:59
just to click a mouse.
276
659260
2000
για να πατήσετε το πλήκτρο ενός ποντικιού.
11:01
But if you're a Wall Street algorithm
277
661260
2000
Αλλά εάν είστε ένας αλγόριθμος της Γουώλ Στρητ
11:03
and you're five microseconds behind,
278
663260
2000
και υπολείπεστε 5 μικροδευτερόλεπτα,
11:05
you're a loser.
279
665260
2000
είστε αποτυχημένος.
11:07
So if you were an algorithm,
280
667260
2000
Άρα αν είστε αλγόριθμος,
11:09
you'd look for an architect like the one that I met in Frankfurt
281
669260
3000
θα ψάχνατε για έναν αρχιτέκτονα όπως αυτόν που γνώρισα στη Φρανκφούρτη
11:12
who was hollowing out a skyscraper --
282
672260
2000
που άδειαζε έναν ουρανοξύστη --
11:14
throwing out all the furniture, all the infrastructure for human use,
283
674260
3000
πετώντας έξω όλα τα έπιπλα, όλη την υποδομή προς ανθρώπινη χρήση,
11:17
and just running steel on the floors
284
677260
3000
και απλά τοποθετούσε ατσάλι στα πατώματα
11:20
to get ready for the stacks of servers to go in --
285
680260
3000
για να προετοιμαστεί για τις στοίβες εξυπηρετητών που θα έμπαιναν --
11:23
all so an algorithm
286
683260
2000
όλα αυτά ώστε ένας αλγόριθμος
11:25
could get close to the Internet.
287
685260
3000
να έρθει πιο κοντά στο Ίντερνετ.
11:28
And you think of the Internet as this kind of distributed system.
288
688260
3000
Και θεωρείς το Ίντερνετ ένα είδος διανεμημένου συστήματος.
11:31
And of course, it is, but it's distributed from places.
289
691260
3000
Και φυσικά είναι, αλλά είναι διανεμημένο από μέρη.
11:34
In New York, this is where it's distributed from:
290
694260
2000
Στη Νέα Υόρκη, να από που διανέμεται:
11:36
the Carrier Hotel
291
696260
2000
το Ξενοδοχείο Κάρριερ
11:38
located on Hudson Street.
292
698260
2000
που βρίσκεται στην Οδό Χάντσον.
11:40
And this is really where the wires come right up into the city.
293
700260
3000
Και εδώ είναι από που έρχονται τα καλώδια στην πόλη.
11:43
And the reality is that the further away you are from that,
294
703260
4000
Και η πραγματικότητα είναι ότι όσο μακρύτεραείσαι από αυτό,
11:47
you're a few microseconds behind every time.
295
707260
2000
είσαι λίγα μικροδευτερόλεπτα πίσω κάθε φορά.
11:49
These guys down on Wall Street,
296
709260
2000
Αυτοί οι τύποι στη Γουώλ Στρητ,
11:51
Marco Polo and Cherokee Nation,
297
711260
2000
ο Μάρκο Πόλο και ο Τσιρόκι Νέισιον,
11:53
they're eight microseconds
298
713260
2000
βρίσκονται οκτώ μικροδευτερόλεπτα
11:55
behind all these guys
299
715260
2000
πίσω από όλους εκείνους
11:57
going into the empty buildings being hollowed out
300
717260
4000
που μπαίνουν στα άδεια κτήρια που αδειάζονται
12:01
up around the Carrier Hotel.
301
721260
2000
γύρω από το ξενοδοχείο Κάρριερ.
12:03
And that's going to keep happening.
302
723260
3000
Και αυτό θα συνεχίσει να συμβαίνει.
12:06
We're going to keep hollowing them out,
303
726260
2000
Θα συνεχίσουμε να τα αδειάζουμε,
12:08
because you, inch for inch
304
728260
3000
γιατί εσείς, ίντσα προς ίντσα
12:11
and pound for pound and dollar for dollar,
305
731260
3000
και λίρα προς λίρα και δολλάριο προς δολλάριο,
12:14
none of you could squeeze revenue out of that space
306
734260
3000
κανείς από εσάς δε θα μπορούσε να βγάλει κέρδος από αυτόν τον χώρο
12:17
like the Boston Shuffler could.
307
737260
3000
όπως μπορεί ο Αναδευτήρας της Βοστώνης.
12:20
But if you zoom out,
308
740260
2000
Αλλά εάν μεγενθύνετε την εικόνα,
12:22
if you zoom out,
309
742260
2000
εάν τη μεγενθύνετε,
12:24
you would see an 825-mile trench
310
744260
4000
θα βλέπατε ότι ένα χαντάκι 825 μιλίων
12:28
between New York City and Chicago
311
748260
2000
ανάμεσα στη Νέα Υόρκη και το Σικάγο
12:30
that's been built over the last few years
312
750260
2000
που χτίζεται τα τελευταία χρόνια
12:32
by a company called Spread Networks.
313
752260
3000
από μία εταιρεί που λέγεται Σπρεντ Νετγοουρκς.
12:35
This is a fiber optic cable
314
755260
2000
Αυτό είναι ένα καλώδιο οπτικής ίνας
12:37
that was laid between those two cities
315
757260
2000
που απλώθηκε ανάμεσα σε αυτές τις δύο πόλεις
12:39
to just be able to traffic one signal
316
759260
3000
απλά για να είναι δυνατό να μεταφερθεί ένα σήμα
12:42
37 times faster than you can click a mouse --
317
762260
3000
37 φορές πιο γρήγορα από το να πατήσεις το πλήκτρο ενός ποντικιού --
12:45
just for these algorithms,
318
765260
3000
μόνο για αυτούς του αλγόριθμους,
12:48
just for the Carnival and the Knife.
319
768260
3000
μόνο για το Καρναβάλι και το Μαχαίρι.
12:51
And when you think about this,
320
771260
2000
Και όσο το σκέφτεστε αυτό,
12:53
that we're running through the United States
321
773260
2000
ότι διατρέχουμε τις Ηνωμένες Πολιτείες
12:55
with dynamite and rock saws
322
775260
3000
με δυναμίτης και βραχοπρίονα
12:58
so that an algorithm can close the deal
323
778260
2000
ώστε ένας αλγόριθμος να μπορεί να κλείσει τη δουλειά
13:00
three microseconds faster,
324
780260
3000
τρία μικροδευτερόλεπτα πιο γρήγορα,
13:03
all for a communications framework
325
783260
2000
για ένα πλαίσιο επικοινωνιών
13:05
that no human will ever know,
326
785260
4000
που κανένας άνθρωπος δε θα μάθει ποτέ,
13:09
that's a kind of manifest destiny;
327
789260
3000
αυτό είναι ένα είδος δήλωσης του πεπρωμένου
13:12
and we'll always look for a new frontier.
328
792260
3000
και πάντα θα ψάχνουμε το επόμενο σύνορο.
13:15
Unfortunately, we have our work cut out for us.
329
795260
3000
Δυστυχώς, η δουλειά μας είναι δύσκολη.
13:18
This is just theoretical.
330
798260
2000
Αυτό είναι απλά θεωρητικό.
13:20
This is some mathematicians at MIT.
331
800260
2000
Είναι μερικοί μαθηματικοί στο ΜΙΤ.
13:22
And the truth is I don't really understand
332
802260
2000
Και η αλήθεια είναι ότι δεν καταλαβαίνω πλήρως
13:24
a lot of what they're talking about.
333
804260
2000
πολλά από αυτά για τα οποία μιλούν.
13:26
It involves light cones and quantum entanglement,
334
806260
3000
Περιέχει κώνους φωτός και κβαντική σύμπλεξη,
13:29
and I don't really understand any of that.
335
809260
2000
και δεν πολυκαταλαβαίνω τίποτα από αυτά.
13:31
But I can read this map,
336
811260
2000
Αλλά μπορώ να διαβάσω αυτόν το χάρτη.
13:33
and what this map says
337
813260
2000
Και αυτό που λέει αυτός ο χάρτης
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
815260
3000
είναι ότι, εάν προσπαθείς να βγάλεις λεφτά στις αγορές που βρίσκονται εκεί που είναι οι κόκκινες τελείες,
13:38
that's where people are, where the cities are,
339
818260
2000
εκεί που είναι οι άνθρωποι, οι πόλεις,
13:40
you're going to have to put the servers where the blue dots are
340
820260
3000
πρέπει να βάλεις τους εξυπηρετητές εκεί που είναι οι μπλε τελείες
13:43
to do that most effectively.
341
823260
2000
για να το κάνεις με τον πιο αποτελεσματικό τρόπο.
13:45
And the thing that you might have noticed about those blue dots
342
825260
3000
Και αυτό που ίσως παρατηρήσατε σχετικά με τις μπλε τελείες
13:48
is that a lot of them are in the middle of the ocean.
343
828260
3000
είναι ότι πολλές από αυτές βρίσκονται στη μέση του ωκεανού.
13:51
So that's what we'll do: we'll build bubbles or something,
344
831260
3000
Άρα αυτό είναι που θα κάνουμε, θα χτίσουμε φυσαλίδες ή κάτι,
13:54
or platforms.
345
834260
2000
ή πλατφόρμες.
13:56
We'll actually part the water
346
836260
2000
Βασικά θα διαχωρίσουμε τα ύδατα
13:58
to pull money out of the air,
347
838260
2000
για να φέρουμε λεφτά από τον ουρανό
14:00
because it's a bright future
348
840260
2000
γιατί είναι λαμπρό το μέλλον
14:02
if you're an algorithm.
349
842260
2000
εάν είσαι αλγόριθμος.
14:04
(Laughter)
350
844260
2000
(Γέλια)
14:06
And it's not the money that's so interesting actually.
351
846260
3000
Και δεν είναι το χρήμα που είναι τόσο ενδιαφέρον στην πραγματικότητα.
14:09
It's what the money motivates,
352
849260
2000
Είναι τι κινητοποιεί το χρήμα.
14:11
that we're actually terraforming
353
851260
2000
Ότι ουσιαστικά γεωμορφοποιούμε
14:13
the Earth itself
354
853260
2000
την ίδια τη Γη
14:15
with this kind of algorithmic efficiency.
355
855260
2000
με αυτό το είδος αλγοριθμικής αποτελεσματικότητας.
14:17
And in that light,
356
857260
2000
Και υπό αυτό το πρίσμα,
14:19
you go back
357
859260
2000
γυρνάς πίσω
14:21
and you look at Michael Najjar's photographs,
358
861260
2000
και κοιτάς τις φωτογραφίες του Μαικλ Νατζάρ,
14:23
and you realize that they're not metaphor, they're prophecy.
359
863260
3000
και διαπιστώνεις ότι δεν είναι μεταφορά, είναι προφητεία.
14:26
They're prophecy
360
866260
2000
Είναι προφητεία
14:28
for the kind of seismic, terrestrial effects
361
868260
4000
για τις σεισμικές, κοσμογονικές επιπτώσεις
14:32
of the math that we're making.
362
872260
2000
των μαθηματικών που φτιάχνουμε.
14:34
And the landscape was always made
363
874260
3000
Και το τοπίο πάντοτε φτιαχνόταν
14:37
by this sort of weird, uneasy collaboration
364
877260
3000
από τέτοιες περίεργες, ταραχώδεις συμπράξεις
14:40
between nature and man.
365
880260
3000
ανάμεσα στη φύση και τον άνθρωπο.
14:43
But now there's this third co-evolutionary force: algorithms --
366
883260
3000
Αλλά τώρα υπάρχει αυτή η τρίτη συνεξελικτική δύναμη: οι αλγόριθμοι --
14:46
the Boston Shuffler, the Carnival.
367
886260
3000
ο Αναδευτήρας της Βοστώνης, το Καρναβάλι.
14:49
And we will have to understand those as nature,
368
889260
3000
Και πρέπει να τους αντιλαμβανόμαστε ως φύση.
14:52
and in a way, they are.
369
892260
2000
Και υπό μίαν έννοια, είναι.
14:54
Thank you.
370
894260
2000
Σας ευχαριστώ.
14:56
(Applause)
371
896260
20000
(Χειροκροτήματα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7