How algorithms shape our world | Kevin Slavin

ケヴィン・スラヴィン 「アルゴリズムが形作る世界」

484,372 views

2011-07-21 ・ TED


New videos

How algorithms shape our world | Kevin Slavin

ケヴィン・スラヴィン 「アルゴリズムが形作る世界」

484,372 views ・ 2011-07-21

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Yasushi Aoki 校正: Yuki Okada
00:15
This is a photograph
0
15260
2000
この写真は
00:17
by the artist Michael Najjar,
1
17260
2000
マイケル・ナジャーによるものです
00:19
and it's real,
2
19260
2000
実際アルゼンチンに行って
00:21
in the sense that he went there to Argentina
3
21260
2000
撮ってきたという意味で
00:23
to take the photo.
4
23260
2000
本物の写真ですが
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
25260
3000
フィクションでもあります 後でいろいろ手が加えられているからです
00:28
And what he's done
6
28260
2000
何をしたかというと
00:30
is he's actually reshaped, digitally,
7
30260
2000
デジタル加工をして
00:32
all of the contours of the mountains
8
32260
2000
山の稜線の形を
00:34
to follow the vicissitudes of the Dow Jones index.
9
34260
3000
ダウジョーンズのグラフにしたのです
00:37
So what you see,
10
37260
2000
だからご覧いただいている
00:39
that precipice, that high precipice with the valley,
11
39260
2000
谷に落ち込んでいる絶壁は
00:41
is the 2008 financial crisis.
12
41260
2000
2008年の金融危機です
00:43
The photo was made
13
43260
2000
この写真は 私たちが
00:45
when we were deep in the valley over there.
14
45260
2000
谷の深みにいたときに作られました
00:47
I don't know where we are now.
15
47260
2000
今はどこにいるのか分かりません
00:49
This is the Hang Seng index
16
49260
2000
こちらは香港の
00:51
for Hong Kong.
17
51260
2000
ハンセン指数です
00:53
And similar topography.
18
53260
2000
似たような地形ですね
00:55
I wonder why.
19
55260
2000
どうしてなんでしょう?
00:57
And this is art. This is metaphor.
20
57260
3000
これはアートであり メタファーです
01:00
But I think the point is
21
60260
2000
でも重要なのは
01:02
that this is metaphor with teeth,
22
62260
2000
これが牙のあるメタファーだということです
01:04
and it's with those teeth that I want to propose today
23
64260
3000
その牙のために 今日はひとつ
01:07
that we rethink a little bit
24
67260
2000
現代数学の役割を
01:09
about the role of contemporary math --
25
69260
3000
再考したいと思います
01:12
not just financial math, but math in general.
26
72260
3000
金融数学でなく もっと一般的な数学です
01:15
That its transition
27
75260
2000
ここにあるのは
01:17
from being something that we extract and derive from the world
28
77260
3000
世界から何かを ただ引き出していたものが
01:20
to something that actually starts to shape it --
29
80260
3000
世界を形作り始めるようになる という変化です
01:23
the world around us and the world inside us.
30
83260
3000
私たちの周りの世界にせよ 私たちの中の世界にせよ
01:26
And it's specifically algorithms,
31
86260
2000
具体的に言うと それはアルゴリズムです
01:28
which are basically the math
32
88260
2000
アルゴリズムというのは
01:30
that computers use to decide stuff.
33
90260
3000
コンピュータが判断をするときに使う ある種数学的なものです
01:33
They acquire the sensibility of truth
34
93260
2000
繰り返しの中で アルゴリズムは
01:35
because they repeat over and over again,
35
95260
2000
真実への感覚を備えるようになり
01:37
and they ossify and calcify,
36
97260
3000
そして骨化し 石灰化して
01:40
and they become real.
37
100260
2000
現実になるのです
01:42
And I was thinking about this, of all places,
38
102260
3000
このことを考えるようになったのは
01:45
on a transatlantic flight a couple of years ago,
39
105260
3000
2、3年前に大西洋を渡る飛行機の中で
01:48
because I happened to be seated
40
108260
2000
私と同年代のハンガリー出身の
01:50
next to a Hungarian physicist about my age
41
110260
2000
物理学者と隣り合わせ
01:52
and we were talking
42
112260
2000
言葉を交わした時でした
01:54
about what life was like during the Cold War
43
114260
2000
冷戦時代のハンガリーの物理学者たちが
01:56
for physicists in Hungary.
44
116260
2000
どんなものだったのか聞いてみました
01:58
And I said, "So what were you doing?"
45
118260
2000
「どんなことをしていたんでしょう?」
02:00
And he said, "Well we were mostly breaking stealth."
46
120260
2000
「もっぱらステルスを見破るということです」
02:02
And I said, "That's a good job. That's interesting.
47
122260
2000
「いい仕事ですね 面白そうです
02:04
How does that work?"
48
124260
2000
どういう仕組みなんですか?」
02:06
And to understand that,
49
126260
2000
これを理解するためには
02:08
you have to understand a little bit about how stealth works.
50
128260
3000
ステルスの仕組みを知る必要があります
02:11
And so -- this is an over-simplification --
51
131260
3000
ものすごく単純化して説明しますが
02:14
but basically, it's not like
52
134260
2000
空中の156トンの鋼鉄の塊が
02:16
you can just pass a radar signal
53
136260
2000
単にレーダーをくぐり抜けるというのは
02:18
right through 156 tons of steel in the sky.
54
138260
3000
基本的にできません
02:21
It's not just going to disappear.
55
141260
3000
消すことはできないのです
02:24
But if you can take this big, massive thing,
56
144260
3000
しかし巨大なものを
02:27
and you could turn it into
57
147260
3000
何百万という小さなものに
02:30
a million little things --
58
150260
2000
何か鳥の大群のようなものに
02:32
something like a flock of birds --
59
152260
2000
変えることはできます
02:34
well then the radar that's looking for that
60
154260
2000
するとそれを見たレーダーは
02:36
has to be able to see
61
156260
2000
鳥の群れだと
02:38
every flock of birds in the sky.
62
158260
2000
勘違いします
02:40
And if you're a radar, that's a really bad job.
63
160260
4000
この点でレーダーというのは あまり有能ではないのです
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
164260
3000
それで彼は言いました 「ええ でもそれはレーダーの話です
02:47
So we didn't use a radar;
65
167260
2000
だからレーダーは当てにしませんでした
02:49
we built a black box that was looking for electrical signals,
66
169260
3000
電気的な信号 電子通信を見る
02:52
electronic communication.
67
172260
3000
ブラックボックスを作ったのです
02:55
And whenever we saw a flock of birds that had electronic communication,
68
175260
3000
そして電子通信をしている鳥の群れを見たら
02:58
we thought, 'Probably has something to do with the Americans.'"
69
178260
3000
これはアメリカ人がかんでいるなと考えたわけです」
03:01
And I said, "Yeah.
70
181260
2000
私は言いました
03:03
That's good.
71
183260
2000
「そりゃいい
03:05
So you've effectively negated
72
185260
2000
60年の航空学研究を
03:07
60 years of aeronautic research.
73
187260
2000
打ち消していたわけですね
03:09
What's your act two?
74
189260
2000
それで第二幕は何ですか?
03:11
What do you do when you grow up?"
75
191260
2000
その後はどんなことをしているんですか?」
03:13
And he said,
76
193260
2000
彼は「金融業界です」
03:15
"Well, financial services."
77
195260
2000
と答えました
03:17
And I said, "Oh."
78
197260
2000
「なるほど」
03:19
Because those had been in the news lately.
79
199260
3000
最近ニュースでよく耳にしていたからです
03:22
And I said, "How does that work?"
80
202260
2000
「どんな具合になっているんですか?」と聞くと
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
204260
2000
「ウォールストリートには物理学者が2千人います
03:26
and I'm one of them."
82
206260
2000
私はその1人です」ということでした
03:28
And I said, "What's the black box for Wall Street?"
83
208260
3000
「ウォールストリートのブラックボックスは何なんでしょう?」
03:31
And he said, "It's funny you ask that,
84
211260
2000
「そう聞かれたのは面白いですね
03:33
because it's actually called black box trading.
85
213260
3000
実際それはブラックボックス・トレーディングと呼ばれているからです
03:36
And it's also sometimes called algo trading,
86
216260
2000
アルゴ・トレーディングとか
03:38
algorithmic trading."
87
218260
3000
アルゴリズム・トレーディングと言うこともあります」
03:41
And algorithmic trading evolved in part
88
221260
3000
アルゴリズム・トレーディングが発展したのは
03:44
because institutional traders have the same problems
89
224260
3000
ある部分 金融機関のトレーダーたちが
03:47
that the United States Air Force had,
90
227260
3000
米国空軍と同じ問題を抱えていたからです
03:50
which is that they're moving these positions --
91
230260
3000
動く点がたくさんあって
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
233260
2000
P&Gであれ アクセンチュアであれ
03:55
they're moving a million shares of something
93
235260
2000
マーケットで百万という株を
03:57
through the market.
94
237260
2000
動かしています
03:59
And if they do that all at once,
95
239260
2000
それを全部同時にやるのは
04:01
it's like playing poker and going all in right away.
96
241260
2000
ポーカーですぐに全財産賭けるようなものです
04:03
You just tip your hand.
97
243260
2000
手の内を明かすことになります
04:05
And so they have to find a way --
98
245260
2000
だから彼らはその大きなものを
04:07
and they use algorithms to do this --
99
247260
2000
・・・アルゴリズムがここで出てくるのですが
04:09
to break up that big thing
100
249260
2000
百万という小さなトランザクションに
04:11
into a million little transactions.
101
251260
2000
分割する必要があります
04:13
And the magic and the horror of that
102
253260
2000
そしてその魔術的で怖いところは
04:15
is that the same math
103
255260
2000
大きなものを
04:17
that you use to break up the big thing
104
257260
2000
百万の小さなものへと
04:19
into a million little things
105
259260
2000
分割するのと同じ数学が
04:21
can be used to find a million little things
106
261260
2000
百万の小さなものを見つけてまとめ
04:23
and sew them back together
107
263260
2000
マーケットで実際何が起きているのか
04:25
and figure out what's actually happening in the market.
108
265260
2000
見極めるためにも使えるということです
04:27
So if you need to have some image
109
267260
2000
だから今株式市場で
04:29
of what's happening in the stock market right now,
110
269260
3000
何が起きているのかのイメージがほしいなら
04:32
what you can picture is a bunch of algorithms
111
272260
2000
それは隠そうとするたくさんのプログラムと
04:34
that are basically programmed to hide,
112
274260
3000
それを解き明かし 出し抜こうとする
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
277260
3000
たくさんのプログラムのせめぎ合いということです
04:40
And all of that's great, and it's fine.
114
280260
3000
これは大変結構なことです
04:43
And that's 70 percent
115
283260
2000
米国株式市場の
04:45
of the United States stock market,
116
285260
2000
70%がそうなのです
04:47
70 percent of the operating system
117
287260
2000
皆さんの年金とか
04:49
formerly known as your pension,
118
289260
3000
ローンといったものの
04:52
your mortgage.
119
292260
3000
70%がそうやって動いているのです
04:55
And what could go wrong?
120
295260
2000
それで何か悪いことがあるのでしょうか?
04:57
What could go wrong
121
297260
2000
一年前のことですが
04:59
is that a year ago,
122
299260
2000
株式市場全体の9%が
05:01
nine percent of the entire market just disappears in five minutes,
123
301260
3000
5分間で消えてなくなりました
05:04
and they called it the Flash Crash of 2:45.
124
304260
3000
「2時45分のフラッシュ・クラッシュ」と呼ばれています
05:07
All of a sudden, nine percent just goes away,
125
307260
3000
9%が突如消えてなくなり
05:10
and nobody to this day
126
310260
2000
今日に至るまで誰も
05:12
can even agree on what happened
127
312260
2000
本当のところ何が起きたのか分からないのです
05:14
because nobody ordered it, nobody asked for it.
128
314260
3000
誰が仕組んだことでもありません
05:17
Nobody had any control over what was actually happening.
129
317260
3000
誰かがコントロールしていたわけでもありません
05:20
All they had
130
320260
2000
彼らが持っていたのは
05:22
was just a monitor in front of them
131
322260
2000
数字が表示されている
05:24
that had the numbers on it
132
324260
2000
モニタと
05:26
and just a red button
133
326260
2000
「停止」と書かれた
05:28
that said, "Stop."
134
328260
2000
赤いボタンだけです
05:30
And that's the thing,
135
330260
2000
私たちがやっているのは
05:32
is that we're writing things,
136
332260
2000
もはや自分では読めないものを
05:34
we're writing these things that we can no longer read.
137
334260
3000
書くということです
05:37
And we've rendered something
138
337260
2000
判読できないものを
05:39
illegible,
139
339260
2000
書いているのです
05:41
and we've lost the sense
140
341260
3000
自分たちの作った世界で
05:44
of what's actually happening
141
344260
2000
実際何が起きているのか
05:46
in this world that we've made.
142
346260
2000
私たちは感覚を失っており
05:48
And we're starting to make our way.
143
348260
2000
それでも前に進み続けています
05:50
There's a company in Boston called Nanex,
144
350260
3000
ボストンにNanexという会社があって
05:53
and they use math and magic
145
353260
2000
数学や魔法や
05:55
and I don't know what,
146
355260
2000
そのほかよく分からないものを使って
05:57
and they reach into all the market data
147
357260
2000
あらゆるマーケットデータを見て
05:59
and they find, actually sometimes, some of these algorithms.
148
359260
3000
そこから実際アルゴリズムを見つけ出しており
06:02
And when they find them they pull them out
149
362260
3000
そして彼らが見つけ出したときには
06:05
and they pin them to the wall like butterflies.
150
365260
3000
引っ張り出して 蝶のように標本にするのです
06:08
And they do what we've always done
151
368260
2000
彼らがしているのは
06:10
when confronted with huge amounts of data that we don't understand --
152
370260
3000
私たちが理解していない巨大なデータに直面したときにすることです
06:13
which is that they give them a name
153
373260
2000
つまり 名前とストーリーを
06:15
and a story.
154
375260
2000
与えるのです
06:17
So this is one that they found,
155
377260
2000
これは彼らが見つけたものの例です
06:19
they called the Knife,
156
379260
4000
「ナイフ」に
06:23
the Carnival,
157
383260
2000
「カーニバル」に
06:25
the Boston Shuffler,
158
385260
4000
「ボストンシャフラー」に
06:29
Twilight.
159
389260
2000
「トワイライト」
06:31
And the gag is
160
391260
2000
可笑しいのは もちろん
06:33
that, of course, these aren't just running through the market.
161
393260
3000
そういったことはマーケットに限った話ではないということです
06:36
You can find these kinds of things wherever you look,
162
396260
3000
そういった類のことは 一度見方を覚えると
06:39
once you learn how to look for them.
163
399260
2000
至る所で目にするようになります
06:41
You can find it here: this book about flies
164
401260
3000
たとえばこれ あるハエに関する本を
06:44
that you may have been looking at on Amazon.
165
404260
2000
Amazonで見ていると
06:46
You may have noticed it
166
406260
2000
値段が170万ドルだということに
06:48
when its price started at 1.7 million dollars.
167
408260
2000
気づくかもしれません
06:50
It's out of print -- still ...
168
410260
2000
絶版になっています 今でも
06:52
(Laughter)
169
412260
2000
(笑)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
414260
3000
170万ドルで買っていたらお買い得でした
06:57
A few hours later, it had gone up
171
417260
2000
数時間後には2,360万ドルまで
06:59
to 23.6 million dollars,
172
419260
2000
上がったからです
07:01
plus shipping and handling.
173
421260
2000
送料別で
07:03
And the question is:
174
423260
2000
疑問は 誰も買いもしなければ
07:05
Nobody was buying or selling anything; what was happening?
175
425260
2000
売りもしていなかったということです
07:07
And you see this behavior on Amazon
176
427260
2000
このAmazonで起きた現象は
07:09
as surely as you see it on Wall Street.
177
429260
2000
ウォールストリートで起きたのと同じ現象です
07:11
And when you see this kind of behavior,
178
431260
2000
そしてこのような挙動を見て分かるのは
07:13
what you see is the evidence
179
433260
2000
それがアルゴリズムの衝突から
07:15
of algorithms in conflict,
180
435260
2000
生じたということです
07:17
algorithms locked in loops with each other,
181
437260
2000
アルゴリズムが互いにループの中に捕らわれ
07:19
without any human oversight,
182
439260
2000
常識的な観点でそれを監視する
07:21
without any adult supervision
183
441260
3000
人間の目がなかったということです
07:24
to say, "Actually, 1.7 million is plenty."
184
444260
3000
「170万ドルはちと高くないか?」
07:27
(Laughter)
185
447260
3000
(笑)
07:30
And as with Amazon, so it is with Netflix.
186
450260
3000
Amazonでのことは Netflixでも同じです
07:33
And so Netflix has gone through
187
453260
2000
Netflixはこれまでに何度となく
07:35
several different algorithms over the years.
188
455260
2000
アルゴリズムを変えてきました
07:37
They started with Cinematch, and they've tried a bunch of others --
189
457260
3000
最初は「シネマッチ」で その後たくさんのアルゴリズムを試しています
07:40
there's Dinosaur Planet; there's Gravity.
190
460260
2000
「ダイナソー・プラネット」に「グラビティ」
07:42
They're using Pragmatic Chaos now.
191
462260
2000
現在使っているのは「プラグマティック・ケイオス」です
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
464260
2000
プラグマティック・ケイオスがしようとするのは
07:46
trying to do the same thing.
193
466260
2000
他のNetflixのアルゴリズムと同じことです
07:48
It's trying to get a grasp on you,
194
468260
2000
ユーザの頭の中のファームウェアを
07:50
on the firmware inside the human skull,
195
470260
2000
把握しようとするのです
07:52
so that it can recommend what movie
196
472260
2000
ユーザが次に見たいであろう映画を
07:54
you might want to watch next --
197
474260
2000
おすすめできるように
07:56
which is a very, very difficult problem.
198
476260
3000
これはとても難しい問題です
07:59
But the difficulty of the problem
199
479260
2000
しかし問題の難しさや
08:01
and the fact that we don't really quite have it down,
200
481260
3000
私たちによく分かっていないという事実が
08:04
it doesn't take away
201
484260
2000
プラグマティック・ケイオスの効果を
08:06
from the effects Pragmatic Chaos has.
202
486260
2000
弱めることはありません
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
488260
3000
プラグマティック・ケイオスは
08:11
determines, in the end,
204
491260
2000
他のNetflixのアルゴリズム同様
08:13
60 percent
205
493260
2000
最終的には借りられる映画の
08:15
of what movies end up being rented.
206
495260
2000
60%を言い当てています
08:17
So one piece of code
207
497260
2000
ユーザについての1つの考えを表す
08:19
with one idea about you
208
499260
3000
一片のコードが
08:22
is responsible for 60 percent of those movies.
209
502260
3000
映画レンタルの60%をもたらしているのです
08:25
But what if you could rate those movies
210
505260
2000
もし映画の評価を
08:27
before they get made?
211
507260
2000
作る前にできたとしたらどうでしょう?
08:29
Wouldn't that be handy?
212
509260
2000
便利ではないでしょうか?
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
511260
3000
イギリスのデータ分析専門家がハリウッドにいて
08:34
and they have "story algorithms" --
214
514260
2000
ストーリーを評価するアルゴリズムを作っています
08:36
a company called Epagogix.
215
516260
2000
Epagogixという会社です
08:38
And you can run your script through there,
216
518260
3000
脚本をそのアルゴリズムにかけると
08:41
and they can tell you, quantifiably,
217
521260
2000
数値として
08:43
that that's a 30 million dollar movie
218
523260
2000
3千万ドルの映画だとか
08:45
or a 200 million dollar movie.
219
525260
2000
2億ドルの映画だと言い当てるのです
08:47
And the thing is, is that this isn't Google.
220
527260
2000
問題はこれはGoogleではないということ
08:49
This isn't information.
221
529260
2000
情報でも 金融統計でもなく
08:51
These aren't financial stats; this is culture.
222
531260
2000
文化なんです
08:53
And what you see here,
223
533260
2000
ここで目にしているのは
08:55
or what you don't really see normally,
224
535260
2000
・・・ まあ普通は目にしないかもしれませんが
08:57
is that these are the physics of culture.
225
537260
4000
文化の物理学だということです
09:01
And if these algorithms,
226
541260
2000
もしそれがある日
09:03
like the algorithms on Wall Street,
227
543260
2000
ウォールストリートのアルゴリズムのように
09:05
just crashed one day and went awry,
228
545260
3000
クラッシュしておかしくなったとしたら
09:08
how would we know?
229
548260
2000
どうやってそれが分かるのか?
09:10
What would it look like?
230
550260
2000
どんな風に見えるのか?
09:12
And they're in your house. They're in your house.
231
552260
3000
そしてこれは家庭の中にもあります
09:15
These are two algorithms competing for your living room.
232
555260
2000
これはリビングで競い合っている2つのアルゴリズムです
09:17
These are two different cleaning robots
233
557260
2000
この2つのロボットは
09:19
that have very different ideas about what clean means.
234
559260
3000
「きれい」ということについて随分違った考えを持っています
09:22
And you can see it
235
562260
2000
スローダウンして
09:24
if you slow it down and attach lights to them,
236
564260
3000
電球をつけてやればそれがわかります
09:27
and they're sort of like secret architects in your bedroom.
237
567260
3000
寝室の隠れた建築家のようなものです
09:30
And the idea that architecture itself
238
570260
3000
そして建築自体が
09:33
is somehow subject to algorithmic optimization
239
573260
2000
アルゴリズムによる最適化の対象となるという考えも
09:35
is not far-fetched.
240
575260
2000
突飛というわけではありません
09:37
It's super-real and it's happening around you.
241
577260
3000
非常に現実的なことで 身の回りで起きていることなのです
09:40
You feel it most
242
580260
2000
一番よく分かるのは
09:42
when you're in a sealed metal box,
243
582260
2000
密閉された金属の箱の中にいるときです
09:44
a new-style elevator;
244
584260
2000
行先制御エレベータと呼ばれる
09:46
they're called destination-control elevators.
245
586260
2000
新式のエレベータです
09:48
These are the ones where you have to press what floor you're going to go to
246
588260
3000
どの階に行きたいのか エレベータに乗る前に
09:51
before you get in the elevator.
247
591260
2000
指定する必要があります
09:53
And it uses what's called a bin-packing algorithm.
248
593260
2000
ビンパッキングアルゴリズムが使われています
09:55
So none of this mishegas
249
595260
2000
みんなにエレベータを好き勝手に選ばせるような
09:57
of letting everybody go into whatever car they want.
250
597260
2000
馬鹿なことはしません
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
599260
2000
10階に行きたい人は2番エレベータに
10:01
and everybody who wants to go to the third floor goes into car five.
252
601260
3000
3階に行きたい人は5番エレベータにという具合にやります
10:04
And the problem with that
253
604260
2000
これの問題は
10:06
is that people freak out.
254
606260
2000
みんながパニックを
10:08
People panic.
255
608260
2000
起こすということです
10:10
And you see why. You see why.
256
610260
2000
なぜか分かりますか?
10:12
It's because the elevator
257
612260
2000
このエレベータは
10:14
is missing some important instrumentation, like the buttons.
258
614260
3000
大事なものを欠いているからです ボタンみたいな
10:17
(Laughter)
259
617260
2000
(笑)
10:19
Like the things that people use.
260
619260
2000
みんなが使い慣れているものです
10:21
All it has
261
621260
2000
このエレベータにあるのは
10:23
is just the number that moves up or down
262
623260
3000
増えたり減ったりする数字と
10:26
and that red button that says, "Stop."
263
626260
3000
「停止」と書かれた赤いボタンだけです
10:29
And this is what we're designing for.
264
629260
3000
これが私たちのデザインしようとしているものです
10:32
We're designing
265
632260
2000
私たちはこの機械の言葉に合わせて
10:34
for this machine dialect.
266
634260
2000
デザインしているのです
10:36
And how far can you take that? How far can you take it?
267
636260
3000
そうやってどこまで行けるのでしょう?
10:39
You can take it really, really far.
268
639260
2000
すごく遠くまで行けるのです
10:41
So let me take it back to Wall Street.
269
641260
3000
ウォールストリートの話に戻りましょう
10:45
Because the algorithms of Wall Street
270
645260
2000
ウォールストリートのアルゴリズムは
10:47
are dependent on one quality above all else,
271
647260
3000
何よりも1つのこと
10:50
which is speed.
272
650260
2000
スピードに依存しています
10:52
And they operate on milliseconds and microseconds.
273
652260
3000
ミリ秒とかマイクロ秒という単位で動いています
10:55
And just to give you a sense of what microseconds are,
274
655260
2000
マイクロ秒というのがどんなものかというと
10:57
it takes you 500,000 microseconds
275
657260
2000
マウスクリックには50万マイクロ秒かかる
10:59
just to click a mouse.
276
659260
2000
と言えば 感覚としてわかるでしょう
11:01
But if you're a Wall Street algorithm
277
661260
2000
しかしウォールストリートのアルゴリズムでは
11:03
and you're five microseconds behind,
278
663260
2000
5マイクロ秒遅れたら
11:05
you're a loser.
279
665260
2000
負けるのです
11:07
So if you were an algorithm,
280
667260
2000
だから皆さんがアルゴリズムなら
11:09
you'd look for an architect like the one that I met in Frankfurt
281
669260
3000
私がフランクフルトで出会った建築家のような人間を探すことでしょう
11:12
who was hollowing out a skyscraper --
282
672260
2000
彼は高層ビルを空洞にしています
11:14
throwing out all the furniture, all the infrastructure for human use,
283
674260
3000
家具のような人間が使うためのインフラはすべて取り去って
11:17
and just running steel on the floors
284
677260
3000
床を鉄骨で補強し
11:20
to get ready for the stacks of servers to go in --
285
680260
3000
サーバの山を積み上げられるようにするのです
11:23
all so an algorithm
286
683260
2000
それもすべて アルゴリズムが
11:25
could get close to the Internet.
287
685260
3000
インターネットに近づけるようにするためです
11:28
And you think of the Internet as this kind of distributed system.
288
688260
3000
インターネットは分散システムだと皆さんお考えでしょう
11:31
And of course, it is, but it's distributed from places.
289
691260
3000
もちろんそうですが それは場所として分散しています
11:34
In New York, this is where it's distributed from:
290
694260
2000
ニューヨークでは これが分散の元です
11:36
the Carrier Hotel
291
696260
2000
コロケーションセンターが
11:38
located on Hudson Street.
292
698260
2000
ハドソン通りにあります
11:40
And this is really where the wires come right up into the city.
293
700260
3000
ここはまさにケーブルがこの都市に出てくる場所です
11:43
And the reality is that the further away you are from that,
294
703260
4000
この場所から離れるたびに
11:47
you're a few microseconds behind every time.
295
707260
2000
何マイクロ秒かずつ遅れることになります
11:49
These guys down on Wall Street,
296
709260
2000
ウォールストリートのこの辺にいる
11:51
Marco Polo and Cherokee Nation,
297
711260
2000
「マルコポーロ」とか「チェロキーネーション」といった連中は
11:53
they're eight microseconds
298
713260
2000
コロケーションセンターのまわりの
11:55
behind all these guys
299
715260
2000
空洞化されたビルに入り込んだ
11:57
going into the empty buildings being hollowed out
300
717260
4000
この連中に対して
12:01
up around the Carrier Hotel.
301
721260
2000
8マイクロ秒遅れをとることになります
12:03
And that's going to keep happening.
302
723260
3000
そういうことが起き続けているのです
12:06
We're going to keep hollowing them out,
303
726260
2000
ビルが空洞にされています
12:08
because you, inch for inch
304
728260
3000
なぜなら
12:11
and pound for pound and dollar for dollar,
305
731260
3000
どのような見地から見ても
12:14
none of you could squeeze revenue out of that space
306
734260
3000
その場所から「ボストンシャフラー」みたいに
12:17
like the Boston Shuffler could.
307
737260
3000
利益を絞り出せる者は他にいないからです
12:20
But if you zoom out,
308
740260
2000
しかし
12:22
if you zoom out,
309
742260
2000
ズームアウトしてみると
12:24
you would see an 825-mile trench
310
744260
4000
ニューヨークとシカゴの間に
12:28
between New York City and Chicago
311
748260
2000
825マイルのトンネルがあるのが分かります
12:30
that's been built over the last few years
312
750260
2000
Spread Networksという会社によって
12:32
by a company called Spread Networks.
313
752260
3000
この何年かの間に作られたものです
12:35
This is a fiber optic cable
314
755260
2000
この2つの都市を結ぶ
12:37
that was laid between those two cities
315
757260
2000
光ケーブルで
12:39
to just be able to traffic one signal
316
759260
3000
マウスクリックの37倍の速さで
12:42
37 times faster than you can click a mouse --
317
762260
3000
信号を伝えることができます
12:45
just for these algorithms,
318
765260
3000
それがすべてアルゴリズムのため
12:48
just for the Carnival and the Knife.
319
768260
3000
カーニバルやナイフのためのものなのです
12:51
And when you think about this,
320
771260
2000
考えてみてください
12:53
that we're running through the United States
321
773260
2000
私たちはアメリカ中を
12:55
with dynamite and rock saws
322
775260
3000
ダイナマイトとロックソーで切り進んでいるのです
12:58
so that an algorithm can close the deal
323
778260
2000
アルゴリズムが3マイクロ秒
13:00
three microseconds faster,
324
780260
3000
早く売買できるようにするために
13:03
all for a communications framework
325
783260
2000
人の知ることのない
13:05
that no human will ever know,
326
785260
4000
コミュニケーションフレームワークのために
13:09
that's a kind of manifest destiny;
327
789260
3000
それが「明白なる使命」であるかのように
13:12
and we'll always look for a new frontier.
328
792260
3000
常に新たなフロンティアを求めているのです
13:15
Unfortunately, we have our work cut out for us.
329
795260
3000
あいにくと 私たちには難しい仕事が待ち構えています
13:18
This is just theoretical.
330
798260
2000
これは単なる理論ですが
13:20
This is some mathematicians at MIT.
331
800260
2000
MITの数学者によるもので
13:22
And the truth is I don't really understand
332
802260
2000
正直なところ 彼らの言うことの
13:24
a lot of what they're talking about.
333
804260
2000
多くは理解できません
13:26
It involves light cones and quantum entanglement,
334
806260
3000
何か光円錐とか量子もつれがどうのという話で
13:29
and I don't really understand any of that.
335
809260
2000
どれも私にはよくわかりません
13:31
But I can read this map,
336
811260
2000
しかしこの地図ならわかります
13:33
and what this map says
337
813260
2000
この地図が表しているのは
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
815260
3000
赤い点で示される市場で儲けようと思ったら
13:38
that's where people are, where the cities are,
339
818260
2000
そこは人のいる所 都市ですが
13:40
you're going to have to put the servers where the blue dots are
340
820260
3000
最大の効率を得るためにサーバを
13:43
to do that most effectively.
341
823260
2000
青い点のところに置く必要があるということです
13:45
And the thing that you might have noticed about those blue dots
342
825260
3000
お気づきかもしれませんが
13:48
is that a lot of them are in the middle of the ocean.
343
828260
3000
青い点の多くは海の真ん中にあります
13:51
So that's what we'll do: we'll build bubbles or something,
344
831260
3000
それが私たちのするであろうことです
13:54
or platforms.
345
834260
2000
泡かプラットフォームでも作るのでしょう
13:56
We'll actually part the water
346
836260
2000
水をどけて
13:58
to pull money out of the air,
347
838260
2000
無からお金を引き出すのです
14:00
because it's a bright future
348
840260
2000
輝かしい未来です
14:02
if you're an algorithm.
349
842260
2000
アルゴリズムにとっては
14:04
(Laughter)
350
844260
2000
(笑)
14:06
And it's not the money that's so interesting actually.
351
846260
3000
実際に興味深い部分はお金ではなく
14:09
It's what the money motivates,
352
849260
2000
お金が動機付けるものです
14:11
that we're actually terraforming
353
851260
2000
私たちは
14:13
the Earth itself
354
853260
2000
アルゴリズム的な効率で
14:15
with this kind of algorithmic efficiency.
355
855260
2000
地球を変えつつあります
14:17
And in that light,
356
857260
2000
そういう観点で
14:19
you go back
357
859260
2000
前に戻って
14:21
and you look at Michael Najjar's photographs,
358
861260
2000
マイケル・ナジャーの写真を見れば
14:23
and you realize that they're not metaphor, they're prophecy.
359
863260
3000
あれはメタファーではなく 予言だということに気づくでしょう
14:26
They're prophecy
360
866260
2000
私たちが起こしている
14:28
for the kind of seismic, terrestrial effects
361
868260
4000
地殻変動的な
14:32
of the math that we're making.
362
872260
2000
数学の影響に対する予言です
14:34
And the landscape was always made
363
874260
3000
地形はいつもこのような
14:37
by this sort of weird, uneasy collaboration
364
877260
3000
奇妙で不安定な人間と自然の
14:40
between nature and man.
365
880260
3000
コラボレーションによって作られてきました
14:43
But now there's this third co-evolutionary force: algorithms --
366
883260
3000
しかし今では第三の共進化の勢力があります アルゴリズムです
14:46
the Boston Shuffler, the Carnival.
367
886260
3000
ボストンシャフラーに カーニバル
14:49
And we will have to understand those as nature,
368
889260
3000
そういったものを自然の一部として理解する必要があるでしょう
14:52
and in a way, they are.
369
892260
2000
ある意味では実際そうなのですから
14:54
Thank you.
370
894260
2000
どうもありがとうございました
14:56
(Applause)
371
896260
20000
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7