How algorithms shape our world | Kevin Slavin

Fordító: Orsolya Szemere Lektor: Krisztian Stancz

This is a photograph

Ez egy olyan fotó,

by the artist Michael Najjar,

amit a művész, Michael Najjar készített,

and it's real,

és eredeti,

in the sense that he went there to Argentina

abban az értelemben, hogy elment Argentínába ahhoz,

to take the photo.

hogy lefotózza.

But it's also a fiction. There's a lot of work that went into it after that.

Ugyanakkor fikció is. Sok munka lett azért utána még belefektetve.

And what he's done

Amit ő tett,

is he's actually reshaped, digitally,

az gyakorlatilag annyi, hogy digitálisan átformálta

all of the contours of the mountains

a hegyek összes kontúrját,

to follow the vicissitudes of the Dow Jones index.

ahhoz, hogy követni tudja a Dow Jones index viszontagságait.

So what you see,

Amit tehát itt láthatunk,

that precipice, that high precipice with the valley,

ez a szakadék, ez a nagy szakadék a völgyben,

is the 2008 financial crisis.

a 2008-as pénzügyi válság.

The photo was made

A fotó akkor készült,

when we were deep in the valley over there.

amikor mélyen a völgyben jártunk, amott.

I don't know where we are now.

Fogalmam sincs, hol tartunk jelenleg.

This is the Hang Seng index

Ez itt a Hang Seng index

for Hong Kong.

Hongkong számára.

And similar topography.

És hasonló topográfia.

I wonder why.

Vajon miért?

And this is art. This is metaphor.

És ilyen a művészet. Ez egy metafora.

But I think the point is

De szerintem a lényeg az,

that this is metaphor with teeth,

hogy ez egy olyan metafora, aminek fogai vannak.

and it's with those teeth that I want to propose today

És ezen fogak miatt javaslom azt,

that we rethink a little bit

hogy gondoljuk át egy kicsit

about the role of contemporary math --

a kortárs matematika szerepét --

not just financial math, but math in general.

nemcsak a pénzügyi matekét, hanem a matekét, általánosságban.

That its transition

Hogy az átmenet abból,

from being something that we extract and derive from the world

hogy valamit kivonunk és elvonatkoztatunk a világtól,

to something that actually starts to shape it --

eljut oda, hogy ez a valami ténylegesen elkezdi formálni --

the world around us and the world inside us.

a körülöttünk és a bennünk lévő világot egyaránt.

And it's specifically algorithms,

És konkrétan az algoritmusok azok,

which are basically the math

amik a matek részét képezik annak,

that computers use to decide stuff.

amit a számítógépek a dolgok eldöntéséhez felhasználnak.

They acquire the sensibility of truth

Rendelkeznek az igazság érzékenységével,

because they repeat over and over again,

mivel újra és újra ismétlődnek.

and they ossify and calcify,

És becsontosodnak és elmeszesednek,

and they become real.

majd valóságossá válnak.

And I was thinking about this, of all places,

Erre először, minden közül, egy Atlanti-óceánt

on a transatlantic flight a couple of years ago,

átszelő járaton gondoltam jónéhány évvel ezelőtt,

because I happened to be seated

mivel úgy alakult, hogy egy magyar fizikus mellé ültettek,

next to a Hungarian physicist about my age

aki kb. velem egyidős volt,

and we were talking

és arról beszélgettünk vele,

about what life was like during the Cold War

hogy milyen volt az élet a hidegháború idején,

for physicists in Hungary.

a magyar fizikusok számára.

And I said, "So what were you doing?"

Azt kérdeztem: "Szóval, miket csináltatok akkoriban?"

And he said, "Well we were mostly breaking stealth."

Ezt válaszolta: "Nos, többnyire lopakodókat kerestünk."

And I said, "That's a good job. That's interesting.

Mire én: "Hát az klassz munka. Nagyon érdekes.

How does that work?"

Hogy működik ez?"

And to understand that,

Ahhoz, hogy ezt megértsük,

you have to understand a little bit about how stealth works.

kicsit értenünk kell, hogy a lopakodó repülőgép min alapszik.

And so -- this is an over-simplification --

És persze -- ez egy túlegyszerűsítés, de --

but basically, it's not like

alapvetően nem úgy működik,

you can just pass a radar signal

hogy csak úgy áteresztjük a radarhullámot

right through 156 tons of steel in the sky.

156 tonnányi repülő acélon!

It's not just going to disappear.

Az nem tűnik el olyan egyszerűen.

But if you can take this big, massive thing,

De ha ezt a nagy, tömör valamit

and you could turn it into

sok milliónyi apró

a million little things --

darabbá tudod alakítani --

something like a flock of birds --

mint valami madársereggé --,

well then the radar that's looking for that

akkor a radarnak, ami keresi,

has to be able to see

észre kell tudni venni

every flock of birds in the sky.

minden egyes madársereget az égen!

And if you're a radar, that's a really bad job.

És ha te vagy az a radar, akkor ez marha kemény munka!

And he said, "Yeah." He said, "But that's if you're a radar.

Mire ő: "Hát igen, de ez akkor van, ha te radar vagy.

So we didn't use a radar;

Ezért mi nem radart használtunk;

we built a black box that was looking for electrical signals,

hanem építettünk egy fekete dobozt, ami elektromos jeleket

electronic communication.

keresett, elektronikus kommunikációt.

And whenever we saw a flock of birds that had electronic communication,

És amikor csak megláttunk egy madársereget, akik közt

we thought, 'Probably has something to do with the Americans.'"

volt elektronikus kommunikáció, tudtuk, hogy ennek valami köze van

And I said, "Yeah.

az amerikaiakhoz!" Mire én: "Hát igen.

That's good.

Ez klassz.

So you've effectively negated

Tehát gyakorlatilag 60 évnyi

60 years of aeronautic research.

repülőgép-fejlesztést tönkrevágtatok ezzel!

What's your act two?

És még mit csináltatok?

What do you do when you grow up?"

Mit csináltok, amikor felnőtök?"

And he said,

Ő ezt válaszolta,

"Well, financial services."

"Hát pénzügyi szolgáltatást nyújtunk."

And I said, "Oh."

Mire én: "Aha."

Because those had been in the news lately.

Mert ilyesmiről volt szó mostanában a hírekben.

And I said, "How does that work?"

Megkérdeztem: "És az hogy működik?"

And he said, "Well there's 2,000 physicists on Wall Street now,

Ezt válaszolta: "Nos, 2000 fizikus dolgozik manapság

and I'm one of them."

a Wall Streeten és én közülük vagyok egy."

And I said, "What's the black box for Wall Street?"

Megkérdeztem: "Mi a Wall Street fekete doboza?"

And he said, "It's funny you ask that,

"Érdekes, hogy ezt kérdezi,

because it's actually called black box trading.

mert tényleg fekete doboz kereskedésnek nevezik.

And it's also sometimes called algo trading,

Néha algokereskedésnek is hívják,

algorithmic trading."

algoritmikus kereskedésnek."

And algorithmic trading evolved in part

És az algoritmikus kereskedés részben amiatt fejlődött ki,

because institutional traders have the same problems

hogy az intézményes kereskedőknek ugyanazok a problémái,

that the United States Air Force had,

mint az USA légierejének,

which is that they're moving these positions --

ami pedig abban áll, hogy változtatják a pozícióikat --

whether it's Proctor & Gamble or Accenture, whatever --

legyen az akár Procter & Gamble vagy Accenture, bármi --

they're moving a million shares of something

valaminek a sok millió részét mozgatják át

through the market.

a piacon keresztül.

And if they do that all at once,

És amennyiben ezt egyszerre teszik,

it's like playing poker and going all in right away.

az olyan lenne, mint amikor pókerben azonnal

You just tip your hand.

'all in'-t mondanál. Kiszórnád a kezedből.

And so they have to find a way --

Ezért olyan módot kell keresniük --

and they use algorithms to do this --

amihez algoritmusokat használnak --

to break up that big thing

hogy ezt a nagy dolgot

into a million little transactions.

millió kis tranzakcióra tördeljék.

And the magic and the horror of that

És ebben a varázslat és borzalom egyben az,

is that the same math

hogy ugyanaz a matek,

that you use to break up the big thing

amit arra használunk,

into a million little things

hogy a nagyot sok millió apró darabkára tördeljük,

can be used to find a million little things

arra is használható, hogy megtaláljunk sok millió apró darabkát,

and sew them back together

és újra összeillesszük őket,

and figure out what's actually happening in the market.

amiből aztán mérthetjük, hogy valójában mi is történik a piacon!

So if you need to have some image

Tehát, ha akarsz egy kis betekintést arról,

of what's happening in the stock market right now,

mi történik az értéktőzsdén ebben a pillanatban,

what you can picture is a bunch of algorithms

akkor észreveheted, hogy van egy csokor algoritmus,

that are basically programmed to hide,

amik gyakorlatilag azt a célt szolgálják, hogy rejtőzködjenek,

and a bunch of algorithms that are programmed to go find them and act.

és egy csokor algoritmus, ami arra való, hogy megtalálja ezeket

And all of that's great, and it's fine.

és cselekedjen! És ez mind nagyszerű, és jól is van így.

And that's 70 percent

És ez az USA értéktőzsdéjének

of the United States stock market,

70%-át teszi ki!

70 percent of the operating system

A működő rendszer 70%-a,

formerly known as your pension,

amit azelőtt nyugdíjként, jelzálogként

your mortgage.

tartottunk számon.

And what could go wrong?

Mi romolhatna el?

What could go wrong

Ami elromlott,

is that a year ago,

az az, hogy egy évvel ezelőtt, az egész piac

nine percent of the entire market just disappears in five minutes,

kilenc százaléka egyszerűen eltűnt öt perc leforgása alatt,

and they called it the Flash Crash of 2:45.

amit úgy neveztek el, hogy a 2:45-ös villámkrach.

All of a sudden, nine percent just goes away,

Hirtelen, kilenc százalék csak úgy eltűnik,

and nobody to this day

és a mai napig nem ért senki egyet abban,

can even agree on what happened

hogy mi is történhetett,

because nobody ordered it, nobody asked for it.

mivel senki nem rendelte el, senki sem kérte ezt.

Nobody had any control over what was actually happening.

Senkinek nem volt ellenőrzése afölött, ami akkor történt.

All they had

Mindössze

was just a monitor in front of them

egy monitor volt előttük,

that had the numbers on it

rajta a számokkal,

and just a red button

és csak egy piros gomb,

that said, "Stop."

amin ez állt: "Stop."

And that's the thing,

Na hát ez az,

is that we're writing things,

hogy mi írjuk a dolgokat, mi magunk írjuk

we're writing these things that we can no longer read.

azokat a dolgokat, amiket többé nem vagyunk képesek olvasni!

And we've rendered something

Olvashatatlanná tettünk

illegible,

valamit.

and we've lost the sense

És többé már nem értjük,

of what's actually happening

hogy mi is zajlik éppen,

in this world that we've made.

abban a világban, amit magunk teremtettünk!

And we're starting to make our way.

De kezdünk kimászni belőle.

There's a company in Boston called Nanex,

Van Bostonban egy Nanex nevű cég,

and they use math and magic

akik matekot és mágiát,

and I don't know what,

meg ki tudja még mit használnak,

and they reach into all the market data

képesek elérni az összes piaci adatot

and they find, actually sometimes, some of these algorithms.

és néha ténylegesen megtalálják ezen algoritmusok némelyikét.

And when they find them they pull them out

Amikor megtalálják őket, akkor kivonják ezeket,

and they pin them to the wall like butterflies.

és kitűzik őket a falra, mint a pillangókat szokás.

And they do what we've always done

Azt teszik, amit mindig is tettünk,

when confronted with huge amounts of data that we don't understand --

amikor óriási mennyiségű adattal találtuk szembe magunkat,

which is that they give them a name

amiket nem értettünk -- mégpedig, hogy elnevezik őket

and a story.

és történetet szőnek köréjük.

So this is one that they found,

Ez egy azok közül, amiket találtak,

they called the Knife,

Késnek nevezték el,

the Carnival,

ezt Karneválnak,

the Boston Shuffler,

ezt Bostoni Csoszogónak,

Twilight.

ezt Szürkületnek.

And the gag is

A röhejes ebben az,

that, of course, these aren't just running through the market.

hogy persze ezek nemcsak a piacon vannak jelen.

You can find these kinds of things wherever you look,

Akárhová nézel beleütközöl az ilyenekbe,

once you learn how to look for them.

ha egyszer megtanultad felismerni őket.

You can find it here: this book about flies

Megtalálhatod itt: van ez a legyekről szóló könyv,

that you may have been looking at on Amazon.

amit az Amazonon már lehet, hogy láttál.

You may have noticed it

Lehet, hogy észrevetted,

when its price started at 1.7 million dollars.

amikor az ára ott magaslott 1,7 millió dolláron!

It's out of print -- still ...

Elfogyott -- mégis...

(Laughter)

(Nevetés)

If you had bought it at 1.7, it would have been a bargain.

Ha megvetted volna 1,7-ért, az jó üzlet lett volna!

A few hours later, it had gone up

Néhány órával később,

to 23.6 million dollars,

felment az ára 23,6 millió dollárra,

plus shipping and handling.

plusz szállítási és kezelési költség.

And the question is:

A kérdés itt az:

Nobody was buying or selling anything; what was happening?

senki nem is adott el, vagy vett semmit; akkor mi is zajlott?

And you see this behavior on Amazon

Láthatjuk ezt a viselkedést az Amazonon,

as surely as you see it on Wall Street.

ugyanolyan biztonsággal, mint a Wall Streeten!

And when you see this kind of behavior,

És amikor az ilyen viselkedést észrevesszük,

what you see is the evidence

amit látunk,

of algorithms in conflict,

az a bizonyíték az ellentétes algoritmusok jelenlétére,

algorithms locked in loops with each other,

olyan algoritmusokra, amelyek rövidre zárják egymás köreit,

without any human oversight,

mindenféle emberi beavatkozás nélkül,

without any adult supervision

mindenféle hozzáértő felügyelet nélkül,

to say, "Actually, 1.7 million is plenty."

ami azt mondaná: "Nos, az az 1,7 millió azért kicsit túl sok!

(Laughter)

Ki vele!" (Nevetés)

And as with Amazon, so it is with Netflix.

És ahogy az Amazonon, ugyanúgy van ez a Netfixen is.

And so Netflix has gone through

Tehát a Netfix keresztülment egy csomó

several different algorithms over the years.

különféle algoritmuson az évek során.

They started with Cinematch, and they've tried a bunch of others --

A Cinemathtal kezdték, és kipróbáltak egy csomó másikat is.

there's Dinosaur Planet; there's Gravity.

Ott van a 'Dinoszaurusz bolygó', ott van a 'Gravitáció'.

They're using Pragmatic Chaos now.

Most a 'Pragmatikus káosz'-t használják éppen.

Pragmatic Chaos is, like all of Netflix algorithms,

A 'Pragmatikus káosz' az összes Netfix algoritmushoz hasonlóan

trying to do the same thing.

ugyanezt próbálja véghezvinni.

It's trying to get a grasp on you,

Megpróbál kiismerni téged,

on the firmware inside the human skull,

az emberi koponya belső vezérlőproramján belül,

so that it can recommend what movie

hogy aztán mozifilmeket javasolhasson neked,

you might want to watch next --

amit legközelebb szívesen megnéznél --

which is a very, very difficult problem.

ami egy nagyon-nagyon összetett kérdés.

But the difficulty of the problem

De a kérdés nehézsége,

and the fact that we don't really quite have it down,

és az a tény, hogy nem igazán győztük még le,

it doesn't take away

nem vesz el semmit

from the effects Pragmatic Chaos has.

a 'Pragmatikus káosz' hatékonyságából.

Pragmatic Chaos, like all Netflix algorithms,

A 'Pragmatikus káosz', az összes Netflix algoritmushoz hasonlóan

determines, in the end,

végső soron meg fogja mondani,

60 percent

60%-ban, hogy

of what movies end up being rented.

milyen filmeket fognak kikölcsönözni.

So one piece of code

Tehát egyetlen darabka kód arról,

with one idea about you

hogy milyen vagy,

is responsible for 60 percent of those movies.

felelős azoknak a filmeknek a 60 százalékáért.

But what if you could rate those movies

De mi lenne akkor, ha már akkor rangsorba tudnád állítani

before they get made?

azokat a filmeket, mielőtt elkészülnek?

Wouldn't that be handy?

Hát nem lenne klassz?

Well, a few data scientists from the U.K. are in Hollywood,

Nos, néhány angol statisztikus tudós jelenleg

and they have "story algorithms" --

Hollywoodban dolgozik, és vannak történet algoritmusaik

a company called Epagogix.

-- ez az Epagogix nevű cég.

And you can run your script through there,

Végigfuttathatod a kéziratodat náluk,

and they can tell you, quantifiably,

és meg tudják mondani számszerűsítve,

that that's a 30 million dollar movie

hogy ez egy 30 millió dolláros film lesz,

or a 200 million dollar movie.

vagy egy 200 millió dolláros.

And the thing is, is that this isn't Google.

És a helyzet az, hogy ez nem a Google.

This isn't information.

Ez nem egyszerűen információ.

These aren't financial stats; this is culture.

Ezek nem pénzügyi statisztikák; hanem kultúra.

And what you see here,

És amit itt észrevehetünk,

or what you don't really see normally,

ill. amit normál esetben nem veszünk észre,

is that these are the physics of culture.

az az, hogy ez a kultúra fizikája!

And if these algorithms,

És amennyiben ezek az algoritmusok,

like the algorithms on Wall Street,

a Wall Steet-iekhez hasonlóan,

just crashed one day and went awry,

egyszercsak összeomlanak és megmutatják a fonákjukat,

how would we know?

azt hogyan tudjuk meg,

What would it look like?

hogy fog az kinézni?

And they're in your house. They're in your house.

És ott vannak a házainkban! Ott vannak a te házadban!

These are two algorithms competing for your living room.

Két olyan algoritmus, ami a nappalidért versenyez!

These are two different cleaning robots

Két különböző takarítórobot, akiknek nagyon különböző

that have very different ideas about what clean means.

felfogása van arról, hogy mit is jelent a tisztaság!

And you can see it

És láthatjuk ezt,

if you slow it down and attach lights to them,

ha lelassítjuk és fényt kapcsolunk rájuk.

and they're sort of like secret architects in your bedroom.

Olyanok, mint valami titokzatos építészek a hálószobádban.

And the idea that architecture itself

És az az elképzelés, hogy maga az építészet

is somehow subject to algorithmic optimization

valamiféleképpen az algoritmikus optimalizációtól függ,

is not far-fetched.

egyáltalán nem egy erőltetett vélemény.

It's super-real and it's happening around you.

Szupervalóságos és körülöttünk történik!

You feel it most

Akkor lehet legjobban érzékelni,

when you're in a sealed metal box,

amikor egy lezárt fémdobozban vagyunk,

a new-style elevator;

egy modern liftben,

they're called destination-control elevators.

amiket célállomás vezérelt lifteknek neveznek.

These are the ones where you have to press what floor you're going to go to

Ezek azok, amikor meg kell nyomod a gombot, hogy melyik

before you get in the elevator.

emeletre fogsz menni, még mielőtt belépnél a liftbe.

And it uses what's called a bin-packing algorithm.

Az úgynevezett 'ládapakoló' algoritmust használja.

So none of this mishegas

Tehát ezen őrületek egyike sem fogja megengedni

of letting everybody go into whatever car they want.

senkinek, hogy abba a liftbe szálljon be, amelyikbe akar!

Everybody who wants to go to the 10th floor goes into car two,

Mindenki, aki a tizedikre akar menni, a kettes liftbe,

and everybody who wants to go to the third floor goes into car five.

és mindenki, aki a harmadikra akar menni az ötösbe kell szálljon!

And the problem with that

A baj ezzel csak az,

is that people freak out.

hogy az emberek ettől

People panic.

kiakadnak! Bepánikolnak!

And you see why. You see why.

És látjuk, hogy miért! Látod!

It's because the elevator

Azért, mert a liftben

is missing some important instrumentation, like the buttons.

hiányzik valami alapvető dolog: a gombok!

(Laughter)

(Nevetés)

Like the things that people use.

Ugyanúgy, mint a használati tárgyaknál.

All it has

Mindössze annyi van benne,

is just the number that moves up or down

hogy a számok mozognak fel és le,

and that red button that says, "Stop."

és van a piros gomb, amin ez áll: "Stop!"

And this is what we're designing for.

És ezzel a céllal tervezünk!

We're designing

Erre a gépnyelvjárásra

for this machine dialect.

tervezzük a dolgokat!

And how far can you take that? How far can you take it?

Meddig vezethet ez? Meddig bírjuk elviselni ezt?

You can take it really, really far.

Nagyon sokáig elmehetünk vele.

So let me take it back to Wall Street.

Hadd kanyarodjak most vissza a Wall Streetre.

Because the algorithms of Wall Street

Mert a Wall Street algoritmusai

are dependent on one quality above all else,

egy minőségtől függenek mindenek felett,

which is speed.

mégpedig a sebességtől.

And they operate on milliseconds and microseconds.

És ezért milli- és mikroszekundumok alatt végzik el a dolgukat.

And just to give you a sense of what microseconds are,

Csak hogy megmutassam, mennyi is egy mikroszekundum,

it takes you 500,000 microseconds

500.000 mikroszekundumba telik,

just to click a mouse.

hogy az egérre klikkeljünk.

But if you're a Wall Street algorithm

De ha egy Wall Street-i algoritmus vagy,

and you're five microseconds behind,

és 5 másodperccel lemaradsz,

you're a loser.

akkor veszítettél.

So if you were an algorithm,

Tehát ha algoritmusok lennénk,

you'd look for an architect like the one that I met in Frankfurt

olyan építészt keresnénk, mint akivel Frankfurtban találkoztam,

who was hollowing out a skyscraper --

aki éppen egy felhőkarcolót ürített ki --

throwing out all the furniture, all the infrastructure for human use,

kidobálva az összes bútort, az összes emberi használathoz szükséges infrastruktúrát,

and just running steel on the floors

és kizárólag acélsíneket helyezett el a földön,

to get ready for the stacks of servers to go in --

hogy előkészítse a helyet a beszállítandó szerverkupac számára --

all so an algorithm

mindezt azért, hogy egy algoritmus

could get close to the Internet.

közel kerülhessen az internethez.

And you think of the Internet as this kind of distributed system.

Úgy gondolunk az internetre, mint valami elosztott rendszerre.

And of course, it is, but it's distributed from places.

És persze az is, de helyekről osztják szét.

In New York, this is where it's distributed from:

New Yorkban például innen szolgáltatják:

the Carrier Hotel

a Carrier Hotelből,

located on Hudson Street.

ami a Hudson Streeten helyezkedik el. És ez az a hely,

And this is really where the wires come right up into the city.

ahol a kábelek ténylegesen belépnek a városba, magába.

And the reality is that the further away you are from that,

És az a helyzet, hogy minél messzebb vagy ettől a helytől,

you're a few microseconds behind every time.

annál több mikroszekundummal le vagy maradva, minden egyes

These guys down on Wall Street,

esetben! Ezek a fickók ott a Wall Streeten

Marco Polo and Cherokee Nation,

Marco Polo és Cherokee Nation,

they're eight microseconds

8 mikorszekundummal

behind all these guys

ezek mögött a srácok mögött kullognak,

going into the empty buildings being hollowed out

akik éppen a a Carrier Hotel körüli

up around the Carrier Hotel.

kiürített épületekbe tartanak.

And that's going to keep happening.

És ilyesmik ezentúl is lesznek!

We're going to keep hollowing them out,

Továbbra is ki kell, hogy ürítsük őket,

because you, inch for inch

mert mi, centiről centire,

and pound for pound and dollar for dollar,

fontról fontra, dollárról dollárra,

none of you could squeeze revenue out of that space

egyikünk sem képes olyan bevételt kisajtolni abból a térből,

like the Boston Shuffler could.

mint amennyit a Bostoni Csoszogó tudott.

But if you zoom out,

De ha kijjebb lépünk

if you zoom out,

ebből a körből, egyre kijjebb,

you would see an 825-mile trench

láthatunk egy 1300 kilométer hosszú árkot

between New York City and Chicago

New York és Chicago között,

that's been built over the last few years

ami az elmúlt években épült,

by a company called Spread Networks.

a Spread Networks cég által.

This is a fiber optic cable

Ez egy optikai kábel,

that was laid between those two cities

amit azért fektettek le a két város közé,

to just be able to traffic one signal

hogy képesek legyenek 37-szer gyorsabban

37 times faster than you can click a mouse --

venni a jeleket, mint ahogy az egereden klikkelsz egyet,

just for these algorithms,

kizárólag ezeknek az algoritmusoknak,

just for the Carnival and the Knife.

csak a Karneválnak és a Késnek.

And when you think about this,

És ha ebbe belegondolunk,

that we're running through the United States

hogy járunk körbe az USA-ban

with dynamite and rock saws

dinamitokkal és sziklavágókkal,

so that an algorithm can close the deal

hogy az algoritmusok az üzletet

three microseconds faster,

3 mikroszekundummal gyorsabban meg tudják kötni,

all for a communications framework

mindezt egy olyan kommunikációs keretben,

that no human will ever know,

amit ember soha fel nem fog fogni,

that's a kind of manifest destiny;

ez valamiféleképpen előrevetíti a sorsot,

and we'll always look for a new frontier.

és mindig előrefele fog húzni.

Unfortunately, we have our work cut out for us.

Sajnos mindannyiunknak megvan a kijelölt munkája.

This is just theoretical.

Ez csak elmélet.

This is some mathematicians at MIT.

Ezt néhány MIT-s matematikus találta ki.

And the truth is I don't really understand

És az igazság az, hogy nem igazán értem

a lot of what they're talking about.

a nagy részét annak, amiről beszélnek.

It involves light cones and quantum entanglement,

Tartoznak ide fénykúpok, meg kvantumbonyodalmak,

and I don't really understand any of that.

és ezek egyikét sem igazán értem.

But I can read this map,

Viszont tudom olvasni ezt a térképet.

and what this map says

És amit ez a térkép mond,

is that, if you're trying to make money on the markets where the red dots are,

az az, hogy ha ott akarsz pénzt csinálni a piacon, ahol a piros pöttyök vannak,

that's where people are, where the cities are,

ahol az emberek, a városok vannak,

you're going to have to put the servers where the blue dots are

akkor a szervereket oda kell helyezned, ahol a kék pöttyök vannak,

to do that most effectively.

hogy a leghatékonyabban hajthasd ezt végre.

And the thing that you might have noticed about those blue dots

És az a helyzet, és lehet, hogy ti is észrevettétek,

is that a lot of them are in the middle of the ocean.

hogy a kék pöttyök nagy része az óceánok közepére esik!

So that's what we'll do: we'll build bubbles or something,

Tehát valami ilyesmit kell majd tennünk, buborékokat létrehozni,

or platforms.

vagy miket, vagy állványokat.

We'll actually part the water

Szó szerint részekre fogjuk osztani a vizeket ahhoz,

to pull money out of the air,

hogy pénzt hozzunk ki a levegőből,

because it's a bright future

mivel ez egy kecsegtető lehetőség,

if you're an algorithm.

ha mi vagyunk az algoritmus.

(Laughter)

(Nevetés)

And it's not the money that's so interesting actually.

És valójában nem is a pénz az érdekes ebben.

It's what the money motivates,

Hanem az, amire a pénz motivál.

that we're actually terraforming

Hogy tulajdonképpen átalakítjuk a földet,

the Earth itself

magát a Föld bolygót

with this kind of algorithmic efficiency.

ezzel a fajta algoritmikus hatékonysággal.

And in that light,

És ennek fényében

you go back

térjünk vissza

and you look at Michael Najjar's photographs,

és nézzük meg Michael Najjar fotóit,

and you realize that they're not metaphor, they're prophecy.

és akkor észrevesszük, hogy nem is metaforák, hanem próféciák!

They're prophecy

Próféciái azoknak a szeizmikus

for the kind of seismic, terrestrial effects

földön zajló hatásoknak,

of the math that we're making.

amiket a matematikánkkal művelünk.

And the landscape was always made

És a tájkép mindig is ennek a fura,

by this sort of weird, uneasy collaboration

nem igazán könnyed, természet és ember közti

between nature and man.

együttműködésnek a következtében formálódott.

But now there's this third co-evolutionary force: algorithms --

De most itt van ez az evolúció következtében megjelenő erő:

the Boston Shuffler, the Carnival.

az algoritmusok -- a Bostoni Csoszogó, a Karnevál.

And we will have to understand those as nature,

És ugyanúgy meg kell értenünk ezeket, mint a természetet!

and in a way, they are.

Mert bizonyos értelemben ők is annak a részei.

Thank you.

Köszönöm.

(Applause)

(Taps)