How algorithms shape our world | Kevin Slavin

מתרגם: Yubal Masalker מבקר: Ido Dekkers

This is a photograph

זוהי תמונה

by the artist Michael Najjar,

שצילם האמן מייקל נאג'אר,

and it's real,

והיא אמיתית,

in the sense that he went there to Argentina

במובן זה שהוא נסע עד לארגנטינה

to take the photo.

כדי לצלם אותה.

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

אבל היא גם בדייה. הרבה עבודה הושקעה בה לאחר צילומה.

And what he's done

ומה שהוא עשה

is he's actually reshaped, digitally,

הוא עיצב מחדש, באופן דיגיטלי,

all of the contours of the mountains

את כל קווי-המיתאר של ההרים

to follow the vicissitudes of the Dow Jones index.

כך שיתאימו לעליות וירידות של מדד הדאו-ג'ונס.

So what you see,

כך שמה שאתם רואים,

that precipice, that high precipice with the valley,

הצוק הגבוה עם העמק,

is the 2008 financial crisis.

הוא המשבר הפיננסי של 2008.

The photo was made

התמונה צולמה

when we were deep in the valley over there.

כאשר היינו עמוק בתוך העמק שם.

I don't know where we are now.

איני יודע היכן אנו עכשיו.

This is the Hang Seng index

זהו מדד ההנג-סנג.

for Hong Kong.

של הונג-קונג.

And similar topography.

וטופוגרפיה דומה.

I wonder why.

אני תוהה למה.

And this is art. This is metaphor.

וזוהי אומנות. זוהי מטפורה.

But I think the point is

אבל אני סבור שהנקודה היא

that this is metaphor with teeth,

שזוהי מטפורה עוקצנית.

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

ועם העוקץ הזה אני רוצה להעלות היום

that we rethink a little bit

את הרעיון שעלינו לחשוב מחדש

about the role of contemporary math --

על תפקידה של המתמטיקה בת-זמננו --

not just financial math, but math in general.

לא רק מתמטיקה פיננסית, אלא מתמטיקה בכללותה.

That its transition

על המעבר שלה

from being something that we extract and derive from the world

ממשהו שאנו מסיקים וגוזרים מהעולם

to something that actually starts to shape it --

למשהו שבעצם מתחיל לעצב את העולם --

the world around us and the world inside us.

את העולם סביבנו ואת העולם בתוכנו.

And it's specifically algorithms,

ובאופן ספציפי אלה האלגורתמים,

which are basically the math

שהם בעצם המתמטיקה

that computers use to decide stuff.

שמשמשת את המחשבים כדי לקבל החלטות.

They acquire the sensibility of truth

הם רוכשים יכולת הבחנה לגבי האמת,

because they repeat over and over again,

מכיוון שהם חוזרים על עצמם שוב ושוב.

and they ossify and calcify,

הם מתאבנים ומסתיידים,

and they become real.

והם הופכים לממשיים.

And I was thinking about this, of all places,

חשבתי על כל זה

on a transatlantic flight a couple of years ago,

בטיסה טרנסאטלנטית לפני כמה שנים,

because I happened to be seated

מכיוון שבמקרה ישבתי

next to a Hungarian physicist about my age

ליד פיזיקאי הונגרי שהיה בערך בגילי

and we were talking

ודיברנו על איך היו החיים

about what life was like during the Cold War

בתקופת המלחמה הקרה

for physicists in Hungary.

עבור פיזיקאי בהונגריה.

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

שאלתי אותו, "מה עשית אז?"

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

והוא ענה, "בעיקר ניסינו לגלות מטוסי חמקן."

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

אני אמרתי, "זו עבודה מעניינת.

How does that work?"

איך זה בדיוק עובד?"

And to understand that,

כדי להבין זאת,

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

צריך להבין קצת איך החמקן פועל.

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

זה באופן פשטני --

but basically, it's not like

אבל עקרונית,

you can just pass a radar signal

אי-אפשר סתם להעביר אות מכ"מ

right through 156 tons of steel in the sky.

דרך 156 טון פלדה הנמצאת בשמיים.

It's not just going to disappear.

זה לא יכול להיעלם סתם ככה.

But if you can take this big, massive thing,

אבל אם לוקחים את הדבר הענק הזה,

and you could turn it into

והופכים אותו

a million little things --

למיליוני דברים קטנים --

something like a flock of birds --

משהו כמו להקת ציפורים --

well then the radar that's looking for that

אז המכ"מ שמחפש אותו

has to be able to see

צריך להיות מסוגל להבחין

every flock of birds in the sky.

בכל להקת ציפורים שבשמיים.

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

ואם אתה מכ"מ, זו באמת משימה קשה.

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

והוא אמר, "נכון, אבל זה אם אתה מכ"מ.

So we didn't use a radar;

לכן לא השתמשנו במכ"מ;

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

בנינו קופסה שחורה שחיפשה אותות חשמליים,

electronic communication.

תקשורת אלקטרונית.

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

בכל פעם שראינו להקת ציפורים שהיתה אצלה תקשורת אלקטרונית,

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

חשבנו שקרוב לוודאי שזה קשור לאמריקאים."

And I said, "Yeah.

ואני אמרתי, "נכון.

That's good.

זה טוב.

So you've effectively negated

אתה בעצם ביטלת ביעילות

60 years of aeronautic research.

60 שנה של מחקר אווירונאוטי.

What's your act two?

מה הצעד הבא שלך?

What do you do when you grow up?"

מה אתה עושה לאחר שגדלת?"

And he said,

הוא ענה,

"Well, financial services."

"שירותים פיננסיים."

And I said, "Oh."

אמרתי, "או."

Because those had been in the news lately.

כי אלה היו בחדשות לאחרונה.

And I said, "How does that work?"

שאלתי, "כיצד זה עובד?"

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

הוא ענה, "כיום ישנם 2,000 פיזיקאים בוול-סטריט,

and I'm one of them."

ואני אחד מהם."

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

שאלתי, "מהי הקופסה השחורה של וול-סטריט?"

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

והוא ענה, "מעניין שאתה שואל את זה,

because it's actually called black box trading.

כי בעצם זה נקרא מסחר קופסה שחורה.

And it's also sometimes called algo trading,

ולפעמים הוא נקרא גם מסחר אלגו,

algorithmic trading."

מסחר אלגורתמי."

And algorithmic trading evolved in part

מסחר אלגוריתמי התפתח, בחלקו,

because institutional traders have the same problems

בגלל שלסוחרים ממוסדים יש את אותן הבעיות

that the United States Air Force had,

שיש לחיל-האויר האמריקאי,

which is that they're moving these positions --

והיא שהם מעבירים פוזיציות --

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

בין אם זה "פרוקטור את גמבל" או "אקנטיור" וכו' --

they're moving a million shares of something

הם מעבירים משהו כמו מיליון מניות

through the market.

דרך השוק.

And if they do that all at once,

ואם הם עושים זאת בבת-אחת,

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

זה כמו לשחק פוקר ולהמר על הכל.

You just tip your hand.

זה כמו לגלות את הקלפים שלך.

And so they have to find a way --

ולכן עליהם למצוא דרך --

and they use algorithms to do this --

הם משתמשים באלגוריתמים כדי לבצע זאת --

to break up that big thing

לשבור דבר אחד גדול

into a million little transactions.

למיליון העברות קטנות.

And the magic and the horror of that

והקסם והפחד בזה הם

is that the same math

שאותה מתמטיקה

that you use to break up the big thing

שמשמשת לשבירת הדבר הגדול

into a million little things

למיליון חלקים קטנים,

can be used to find a million little things

ניתן להשתמש בה למציאת מיליון

and sew them back together

דברים קטנים ולחברם ביחד

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

ולגלות מה באמת מתרחש בשוק.

So if you need to have some image

אז אם ברצונכם לקבל תמונה

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

על מה שמתרחש בבורסה ממש עכשיו,

what you can picture is a bunch of algorithms

אפשר לדמות קבוצת אלגוריתמים

that are basically programmed to hide,

המתוכנתים להסתתר,

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

וקבוצה אחרת של כאלה המתוכנתים למצוא אותם ולפעול.

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

כל זה נפלא והכל בסדר.

And that's 70 percent

וזה 70 אחוז

of the United States stock market,

מבורסת ארה"ב,

70 percent of the operating system

70 אחוז ממערכת מתפקדת

formerly known as your pension,

שהיתה ידועה בעבר כפנסיה שלכם,

your mortgage.

משכנתא שלכם.

And what could go wrong?

ומה יכול היה להשתבש?

What could go wrong

מה שהשתבש

is that a year ago,

הוא שלפני שנה,

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

9 אחוזים מס"ה שוק המניות נעלמו תוך 5 דקות,

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

והם קראו לזה התרסקות בהינד-עפעף של 2:45.

All of a sudden, nine percent just goes away,

ככה פתאום, 9 אחוזים פשוט נעלמו,

and nobody to this day

ואף אחד עד היום

can even agree on what happened

אפילו לא יודע מה קרה,

because nobody ordered it, nobody asked for it.

מאחר ואף אחד לא הזמין או ביקש לעשות זאת.

Nobody had any control over what was actually happening.

לאיש לא היתה שליטה על מה שקורה בפועל.

All they had

כל מה שהיה להם

was just a monitor in front of them

זה רק צג מול עיניהם

that had the numbers on it

שעליו רצים מספרים

and just a red button

וכפתור אדום

that said, "Stop."

האומר "עצור".

And that's the thing,

וזה העניין,

is that we're writing things,

שאנו כותבים דברים,

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

שאנו כבר לא מסוגלים יותר לקרוא.

And we've rendered something

יצרנו משהו

illegible,

בלתי-קריא.

and we've lost the sense

ואיבדנו את התחושה

of what's actually happening

לגבי מה שבעצם קורה

in this world that we've made.

בעולם הזה שיצרנו.

And we're starting to make our way.

ואנחנו מתחילים להתקדם.

There's a company in Boston called Nanex,

יש חברה בבוסטון בשם נאנקס,

and they use math and magic

הם משתמשים במתמטיקה וקסם

and I don't know what,

והשד יודע מה,

and they reach into all the market data

והם מגיעים לכל נתוני השוק

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

והם מוצאים לפעמים חלק מהאלגוריתמים הללו.

And when they find them they pull them out

כאשר הם מוצאים אותם, הם מוציאים אותם החוצה

and they pin them to the wall like butterflies.

ומצמידים אותם לקיר כאילו היו פרפרים.

And they do what we've always done

הם עושים מה שתמיד עשינו

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

כאשר עמדנו מול כמויות אדירות של נתונים שאיננו מבינים --

which is that they give them a name

הם נותנים לזה שם

and a story.

ויוצרים סיפור.

So this is one that they found,

הנה אחד שהם מצאו,

they called the Knife,

הם כינו אותו ה"סכין",

the Carnival,

ה"קרנבל",

the Boston Shuffler,

ה"מערבל הבוסטוני",

Twilight.

"דמדומים".

And the gag is

והקטע הוא שאלגורתמים

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

כאלה אינם מאכלסים רק את שוק המניות.

You can find these kinds of things wherever you look,

ניתן למצוא כאלה בכל מקום שמחפשים אותם,

once you learn how to look for them.

ברגע שלומדים כיצד לאתרם.

You can find it here: this book about flies

ניתן למצוא כאלה כאן: ספר הזבובים

that you may have been looking at on Amazon.

שאולי חיפשתם באמאזון.

You may have noticed it

אולי הבחנתם בזה

when its price started at 1.7 million dollars.

כאשר מחירו התחיל ב-1.7 מיליון דולר.

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

הוא אזל -- אבל בכל זאת ....

(Laughter)

(צחוק)

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

אם רכשתם אותו תמורת 1.7, זכיתם במציאה.

A few hours later, it had gone up

כמה שעות אחר-כך, מחירו עלה

to 23.6 million dollars,

ל-23.6 מיליון דולר,

plus shipping and handling.

לא כולל דמי משלוח.

And the question is:

והשאלה היא: אם אף אחד לא קנה

Nobody was buying or selling anything; what was happening?

או מכר משהו, אז מה קרה כאן?

And you see this behavior on Amazon

ורואים התנהגות כזו באמאזון

as surely as you see it on Wall Street.

באותה וודאות שרואים אותה בוול-סטריט.

And when you see this kind of behavior,

כאשר רואים התנהגות כזו,

what you see is the evidence

זו העדות

of algorithms in conflict,

לסתירות בין אלגוריתמים,

algorithms locked in loops with each other,

אלגוריתמים הנעולים בלולאות של האחד בשני,

without any human oversight,

ללא השגחת אדם,

without any adult supervision

ללא בוגר אחראי

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

שיאמר, "1.7 מיליון זה יותר מדי."

(Laughter)

(צחוק)

And as with Amazon, so it is with Netflix.

וכמו באמאזון, ככה גם בנטפליקס.

And so Netflix has gone through

נטפליקס השתמשה בכמה

several different algorithms over the years.

אלגוריתמים שונים במשך השנים.

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

הם החלו עם סיינמאצ', וניסו עוד כמה.

there's Dinosaur Planet; there's Gravity.

יש את "כוכב הדינוזאורים", יש "כבידה".

They're using Pragmatic Chaos now.

כעת הם משתמשים ב"כאוס פרגמטי".

Pragmatic Chaos is, like all of Netflix algorithms,

"כאוס פרגמטי", כמו כל האלגוריתמים של נטפליקס,

trying to do the same thing.

מנסה לעשות אותו הדבר.

It's trying to get a grasp on you,

הוא מנסה להשיג עלינו אחיזה,

on the firmware inside the human skull,

על התוכנה הצרובה שבגולגלתנו,

so that it can recommend what movie

כדי שיוכל להמליץ על הסרט

you might want to watch next --

שאולי נרצה לצפות בו כעת --

which is a very, very difficult problem.

שהיא בעיה מאוד, מאוד קשה.

But the difficulty of the problem

אבל הקושי של הבעיה

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

והעובדה שלא הצלחנו להשתלט עליה,

it doesn't take away

אינם מונעים מאיתנו

from the effects Pragmatic Chaos has.

את ההשפעות שיש ל"כאוס פרגמטי".

Pragmatic Chaos, like all Netflix algorithms,

"כאוס פרגמטי", כמו כל האלגוריתמים של נטפליקס,

determines, in the end,

קובע, בסופו של דבר,

60 percent

60 אחוז

of what movies end up being rented.

של איזה סרטים יושכרו.

So one piece of code

כך שחלק אחד של התוכנית

with one idea about you

המחזיק בדימוי אחד מסויים עלינו,

is responsible for 60 percent of those movies.

אחראי ל-60 אחוז מהסרטים הללו.

But what if you could rate those movies

אבל מה אם היינו יכולים לדרג את הסרטים

before they get made?

לפני שיוצרים אותם?

Wouldn't that be handy?

האם זה לא יהיה יותר שימושי?

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

כמה מדעני נתונים מבריטניה נמצאים בהוליווד,

and they have "story algorithms" --

ויש להם אלגוריתמי עלילות --

a company called Epagogix.

חברה הנקראת אפאגוגיקס.

And you can run your script through there,

וניתן להריץ את תסריט הסרט שם,

and they can tell you, quantifiably,

והם יכולים להגיד באופן כמותי,

that that's a 30 million dollar movie

שזה סרט של 30 מיליון דולר

or a 200 million dollar movie.

או סרט של 200 מיליון דולר.

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

אבל העניין כאן הוא שזה לא גוגל.

This isn't information.

זה לא מידע.

These aren't financial stats; this is culture.

אלה אינן סטטיסקות פיננסיות; זוהי אומנות.

And what you see here,

ומה שרואים כאן,

or what you don't really see normally,

או מה שלא רואים באופן רגיל,

is that these are the physics of culture.

זה שאלה הם הפיזיקה של אומנות.

And if these algorithms,

ואם אלגוריתמים הללו,

like the algorithms on Wall Street,

כמו האלגוריתמים בוול-סטריט,

just crashed one day and went awry,

יתרסקו יום אחד וישתבשו,

how would we know?

כיצד נדע על זה,

What would it look like?

כיצד זה אמור להיראות?

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

והם נמצאים בביתינו.

These are two algorithms competing for your living room.

אלה הם שני אלגוריתמים המתחרים על סלון.

These are two different cleaning robots

אלה הם שני רובוטי-ניקוי שונים

that have very different ideas about what clean means.

הנושאים עימם שתי תפיסות שונות לחלוטין על מה זה ניקוי.

And you can see it

וניתן לראות זאת,

if you slow it down and attach lights to them,

בהילוך איטי כאשר מצמידים להם פנסים.

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

והם מהווים מין ארכיטקטים חשאיים בחדר-השינה שלנו.

And the idea that architecture itself

והרעיון שהארכיטקט עצמו

is somehow subject to algorithmic optimization

כפוף לאופטימיזציה אלגוריתמית

is not far-fetched.

כבר אינו דמיוני.

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

הוא ממשי ביותר ומתקיים סביבנו.

You feel it most

חשים אותו הכי הרבה

when you're in a sealed metal box,

כאשר אנו נעולים בתא-מתכת,

a new-style elevator;

מעלית מסוג חדש,

they're called destination-control elevators.

הנקראת מעלית שליטה-על-יעד.

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

אלו מעליות בהן צריך ללחוץ על הקומה שרוצים להגיע אליה

before you get in the elevator.

לפני שנכנסים למעלית.

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

והיא משתמשת באלגוריתם הנקרא אלגוריתמם אריזת תיבה.

So none of this mishegas

נגמרו השטויות האלה של לתת

of letting everybody go into whatever car they want.

לכל אחד להיכנס לכל מעלית שבא לו.

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

כל מי שרוצה להגיע לקומה העשירית, ייכנס למעלית 2,

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

וכל מי שרוצה להגיע לקומה השלישית, ייכנס למעלית 5.

And the problem with that

אבל הבעיה עם זה

is that people freak out.

היא שאנשים חוששים.

People panic.

אנשים נכנסים לחרדה.

And you see why. You see why.

ורואים מדוע.

It's because the elevator

זה בגלל שהמעלית

is missing some important instrumentation, like the buttons.

חסרה אמצעים מאוד חשובים, כמו הכפתורים.

(Laughter)

(צחוק)

Like the things that people use.

כמו אלה שאנשים משתמשים.

All it has

כל מה שיש עכשיו

is just the number that moves up or down

זה המספר שנע מעלה מטה

and that red button that says, "Stop."

והכפתור האדום הנותן פקודה לעצור.

And this is what we're designing for.

וזה מה שאנו בונים.

We're designing

אנו בונים

for this machine dialect.

ניב של מכונות.

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

כמה רחוק אפשר לקחת את זה?

You can take it really, really far.

ניתן לקחת זאת ממש, ממש רחוק.

So let me take it back to Wall Street.

אחזור ברשותכם לוול-סטריט.

Because the algorithms of Wall Street

מאחר והאלגוריתמים בוול-סטריט

are dependent on one quality above all else,

תלויים בתכונה אחת המעפילה על השאר,

which is speed.

שזו מהירות.

And they operate on milliseconds and microseconds.

והם פועלים במילישניות או מיקרושניות.

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

ורק כדי לתת לכם מושג מה זה מיקרושניה,

it takes you 500,000 microseconds

לוקח לנו 500,000 מיקרושניות

just to click a mouse.

רק כדי להקליק על עכבר.

But if you're a Wall Street algorithm

אבל אם אתה אלגוריתם בוול-סטריט

and you're five microseconds behind,

ואתה מפגר ב-5 מיקרושניות מאחור,

you're a loser.

אתה נחשב למפסידן.

So if you were an algorithm,

לכן אם הייתם אלגוריתם,

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

הייתם מחפשים ארכיטקט כמו זה שפגשתי בפרנקפורט

who was hollowing out a skyscraper --

שרוקן גורד-שחקים --

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

זורק את כל הריהוט, את כל האביזרים לשימוש אדם,

and just running steel on the floors

ורק משאיר פלדות בריצפה

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

כדי להתכונן למדפי שרתים העומדים להיכנס --

all so an algorithm

כל זה כדי שאלגוריתמים

could get close to the Internet.

יוכלו להתקרב עוד לאינטרנט.

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

אתם חושבים על אינטרנט כמערכת מבוזרת.

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

כמובן שהיא כן, אבל היא מבוזרת ממקומות מסויימים.

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

בניו-יורק, זה המקום ממנו היא מבוזרת:

the Carrier Hotel

מלון קארייר

located on Hudson Street.

הממוקם ברחוב הדסן.

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

וזה המקום ממנו יוצאים הכבלים אל תוך העיר.

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

והמציאות היא שככל שמישהו יותר רחוק ממנו,

you're a few microseconds behind every time.

הוא נשאר מפגר מאחור בכמה מיקרושניות.

These guys down on Wall Street,

האדונים האלה בוול-סטריט,

Marco Polo and Cherokee Nation,

מרקו פולו וצ'רוקי ניישן,

they're eight microseconds

הם 8 מיקרושניות

behind all these guys

מאחורי האדונים האלה

going into the empty buildings being hollowed out

העומדים להיכנס לבניינים הריקים המרוקנים כעת

up around the Carrier Hotel.

בסביבת מלון קארייר.

And that's going to keep happening.

וזה ימשיך לקרות שוב ושוב.

We're going to keep hollowing them out,

אנו עומדים להמשיך ולרוקן אותם,

because you, inch for inch

מאחר ואתם, אינטש אחר אינטש

and pound for pound and dollar for dollar,

ופאונד אחר פאונד דולר אחר דולר,

none of you could squeeze revenue out of that space

אף אחד מכם אינו מסוגל לסחוט כסף מהמרחב הזה

like the Boston Shuffler could.

כמו שה"מערבל הבוסטוני" יכול.

But if you zoom out,

אבל אם תתרחקו,

if you zoom out,

אם תתרחקו,

you would see an 825-mile trench

תראו תעלה באורך 1300 ק"מ

between New York City and Chicago

בין ניו-יורק לשיקגו

that's been built over the last few years

הנבנית בשנים האחרונות

by a company called Spread Networks.

על-ידי חברה הנקראת ספרייד נטוורקס.

This is a fiber optic cable

זהו כבל סיב אופטי

that was laid between those two cities

שהונח בין שתי הערים הללו

to just be able to traffic one signal

פשוט כדי להיות מסוגלים להעביר אות אחד

37 times faster than you can click a mouse --

מהר יותר פי-37 ממה שאתם יכולים להקליק על עכבר --

just for these algorithms,

אך ורק בשביל אלגוריתמים הללו,

just for the Carnival and the Knife.

אך ורק בשביל ה"קרנבל" וה"סכין".

And when you think about this,

כאשר חושבים על כך,

that we're running through the United States

שאנו עוברים על ארה"ב

with dynamite and rock saws

עם מסורי דינמיט וסלעים

so that an algorithm can close the deal

כדי שאלגוריתם יוכל לסגור עיסקה

three microseconds faster,

3 מיקרושניות יותר מהר,

all for a communications framework

הכל בשביל מערכת תקשורת

that no human will ever know,

שאף אדם לא יכירה אי-פעם,

that's a kind of manifest destiny;

זהו מין מינשר של גורל ידוע מראש,

and we'll always look for a new frontier.

שתמיד יחפש חזיתות חדשות.

Unfortunately, we have our work cut out for us.

לרוע המזל, העבודה כבר נעשתה בשבילנו.

This is just theoretical.

זה רק תאורטי.

This is some mathematicians at MIT.

אלה כמה מתמטיקאים ב-MIT.

And the truth is I don't really understand

והאמת היא שאיני מבין

a lot of what they're talking about.

הרבה ממה שהם מדברים עליו.

It involves light cones and quantum entanglement,

זה קשור לקונוסי אור ותסבוכת קוונטית,

and I don't really understand any of that.

והאמת היא שאני לא מבין שום דבר מזה.

But I can read this map,

אבל אני יכול להבין את המפה.

and what this map says

ומה שהמפה הזו אומרת

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

הוא שאם אתם מנסים לעשות כסף בשווקים היכן שהנקודות האדומות מופיעות,

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

ששם נמצאים האנשים, היכן שהערים הגדולות,

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

תצטרכו להניח את השרתים היכן שנמצאות הנקודות הכחולות

to do that most effectively.

כדי לבצע זאת בצורה היעילה ביותר.

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

ואולי כבר הבחנתם משהו בנוגע לנקודות הכחולות,

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

שרבות מהן נמצאות בתוך האוקיינוס.

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

אז זה מה שנעשה. נבנה מין שלפוחיות או משהו,

or platforms.

או רציפים.

We'll actually part the water

אנו בעצם נחצה את המים

to pull money out of the air,

כדי לסחוט כסף מהאויר,

because it's a bright future

מכיוון שהעתיד ורוד

if you're an algorithm.

אם אתה אלגוריתם.

(Laughter)

(צחוק)

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

וזה לא הכסף עצמו שמעניין כל-כך,

It's what the money motivates,

אלא מה שהכסף גורם לנו לעשות.

that we're actually terraforming

אנו למעשה מעצבים מחדש

the Earth itself

את פני-השטח של כדור-הארץ עצמו

with this kind of algorithmic efficiency.

עם סוג כזה של יעילות אלגוריתמית.

And in that light,

לאור כל זאת,

you go back

נחזור ונסתכל

and you look at Michael Najjar's photographs,

בצילומיו של מייקל נאג'אר,

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

ונגלה שהן לא מטפורה, אלא נבואה.

They're prophecy

הן נבואה

for the kind of seismic, terrestrial effects

על ההשפעות הססמיות, הקרקעיות

of the math that we're making.

שיש למתמטיקה שאנו יוצרים.

And the landscape was always made

ותוואי הקרקע תמיד נוצר בעבר

by this sort of weird, uneasy collaboration

על-ידי סוג כזה של שיתוף-פעולה מוזר ומדאיג

between nature and man.

בין הטבע והאדם.

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

אבל כעת ישנו כח אבולוציוני-שיתופי שלישי: האלגוריתמים --

the Boston Shuffler, the Carnival.

ה"מערבל הבוסטוני", ה"קרנבל".

And we will have to understand those as nature,

ועלינו יהיה להביט עליהם בתור טבע.

and in a way, they are.

ובמובן מסויים, הם באמת כאלה.

Thank you.

תודה.

(Applause)

(מחיאות כפיים)