How algorithms shape our world | Kevin Slavin

번역: Sue J. Hur 검토: Young-ho Park

This is a photograph

이것은 마이클 나자라는 예술가의

by the artist Michael Najjar,

작품인데 그가 실제로 아르헨티나에

and it's real,

가서 찍은 사진이니까

in the sense that he went there to Argentina

실제 사진이라고도

to take the photo.

말할 수 있죠.

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

하지만, 이 사진은 많은 작업을 한 사진이기 때문에 가짜 사진이라고 말할 수도 있죠.

And what he's done

이것은 사실 디지털 작업을 통해

is he's actually reshaped, digitally,

다우존스 지수가 변동한

all of the contours of the mountains

모양에 따라 산의 등고선을

to follow the vicissitudes of the Dow Jones index.

조작한 사진이지요.

So what you see,

여기에 보이는 계곡의

that precipice, that high precipice with the valley,

높은 절벽은

is the 2008 financial crisis.

2008년 금융위기를 나타내죠.

The photo was made

이 사진은 우리의 경제가 저 깊숙한

when we were deep in the valley over there.

계곡안에 있었을때 찍은것이지요.

I don't know where we are now.

요즘 요즘 다우존스는 어떤지 모르겠습니다.

This is the Hang Seng index

이 사진은 홍콩

for Hong Kong.

항생지수인데

And similar topography.

전체적 양상이 비슷하네요.

I wonder why.

왜 그럴까요?

And this is art. This is metaphor.

이것은 예술인 동시에 메타포죠.

But I think the point is

그런데 이 메타포에는 알고리즘 자체가

that this is metaphor with teeth,

실세계에 영향을 미친다는 의미가 있지요.

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

알고리즘은 실세계에 영향을 미치기 때문에 저는

that we rethink a little bit

금융수학 같은 현대 수학 뿐만 아니라

about the role of contemporary math --

일반적인 수학의 역할도

not just financial math, but math in general.

재고할 것을 저는 여러분께 건의합니다.

That its transition

저는 또한 우리가 세계로 부터 추출하고

from being something that we extract and derive from the world

유도해 내는 데이터가 우리의 생활과

to something that actually starts to shape it --

우리를 둘러싸는 세계를

the world around us and the world inside us.

실지로 만드는 전이 과정, 그리고

And it's specifically algorithms,

컴퓨터가 결정을 내릴 때 사용되는 수학,

which are basically the math

특히 알고리즘에 대해

that computers use to decide stuff.

말씀드리고자 합니다.

They acquire the sensibility of truth

컴퓨터의 알고리즘은 계속 반복적으로

because they repeat over and over again,

사용되기 때문에 그들이 옳다는 인상을 주며

and they ossify and calcify,

시간이 흐름에 따라 그들에 대한

and they become real.

신뢰도가 더 증가하고 결국에는 진실이 되죠.

And I was thinking about this, of all places,

저는 한 2년전에 대서양을 건너는 비행기 안에서

on a transatlantic flight a couple of years ago,

바로 이런 생각을 하고있었는데

because I happened to be seated

마침 제 옆에 제 나이 정도되는

next to a Hungarian physicist about my age

헝가리인 물리학자가 앉았었지요.

and we were talking

우리는 냉전 당시 헝가리에서

about what life was like during the Cold War

물리학자로 일하는게

for physicists in Hungary.

어땠는가 하는 대화를 나눴는데

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

그사람에게 무슨일을 했냐고 물었더니

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

주로 스텔스를 잡는 일을 했다고 하더군요.

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

그래서 저는 흥미있는 직업같다고 말했죠.

How does that work?"

그런데 그건 어떤 기술인가요?

And to understand that,

그 기술을 이해하려면

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

스텔스의 작동원리를 좀 알아야 하죠.

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

아주 간단히 말하자면 레이더 신호가

but basically, it's not like

하늘에 뜬 156톤의 철 덩어리를

you can just pass a radar signal

뚫고 나가거나

right through 156 tons of steel in the sky.

또는 그냥 사라지게

It's not just going to disappear.

만들 수는 없죠.

But if you can take this big, massive thing,

그렇지만 이렇게 큰 비행기를 수만개의

and you could turn it into

작은 조각으로 쪼갤 수 있다면

a million little things --

- 예를들면 새 떼 같은 것으로요 -

something like a flock of birds --

이런 비행기를 추적하는

well then the radar that's looking for that

레이다는 날라다니는

has to be able to see

모든 새 떼들을

every flock of birds in the sky.

다 볼 수 있어야 겠지요.

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

레이더로 그런 일을 하는것은 참 어렵죠.

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

그리고 그 헝가리 물리학자가 말했죠,

So we didn't use a radar;

"그래서 우리는 레이더를 만들지 않고

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

전기통신이나 전기신호를 감지하는

electronic communication.

블랙박스를 만들었죠. 그리고는,

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

새 떼들이 전기통신을 할때 마다 미국인들과

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

무슨 연관이 있을지 모른다고 생각했죠".

And I said, "Yeah.

그래서 제가 그랬죠.

That's good.

"좋군요.

So you've effectively negated

당신네들이 60년간의 항공학

60 years of aeronautic research.

연구를 무효화한 셈이네요.

What's your act two?

그럼 당신의 제2장은 뭐죠?

What do you do when you grow up?"

그럼 지금은 무슨일을 하세요?"

And he said,

그가 이렇게 답했죠,

"Well, financial services."

"금융서비스에서 일해요".

And I said, "Oh."

근데 그 당시에 그런 이야기들이

Because those had been in the news lately.

뉴스에 보도되고 있었기 때문에 제가 물었죠.

And I said, "How does that work?"

"그게 뭐하는거죠?"

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

그가 말하길, "월스트리트엔 저같은

and I'm one of them."

물리학자들이 약 2000명 일하고 있죠".

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

제가 물었죠. "월스트리트의 블랙박스가 뭡니까?"

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

그가 말하길, "말그대로 블랙박스예요.

because it's actually called black box trading.

사실 블랙박스 트레이딩이라고 말하죠.

And it's also sometimes called algo trading,

어떤 사람은 알고 트레이딩, 즉

algorithmic trading."

알고리즈믹 트레이딩이라고 하죠".

And algorithmic trading evolved in part

알고리즈믹 트레이딩이 발달되게 된 이유의 하나는

because institutional traders have the same problems

월스트리트의 기관투자자들이 미국 공군이 가졌던

that the United States Air Force had,

똑 같은 문제를 가지고 있기 때문이었는데 -

which is that they're moving these positions --

그들은, 예를들면 프록터 앤 갬블

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

또는 액센쳐 같은,

they're moving a million shares of something

회사들의 수많은

through the market.

주식을 사고 팔지요.

And if they do that all at once,

그런데 이들이 주식거래를 한꺼번에 한다면

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

포커를 할때 올인하는거나 마찬가지죠.

You just tip your hand.

있는 돈을 한꺼번에 다 거는 거니까요.

And so they have to find a way --

그래서 그들은 큰 금액을

and they use algorithms to do this --

한꺼번에 거래하지 않고,

to break up that big thing

많은 수의 적은 금액으로 나눠서 거래를 하는데

into a million little transactions.

그럴때 알고리즘을 사용하죠.

And the magic and the horror of that

그런데 한가지 흥미있는 동시에 두려운 사실은

is that the same math

큰 금액의 거래를 많은 여러개의 작은 거래로 갈를때

that you use to break up the big thing

사용한 똑같은 수학방식을 사용하면

into a million little things

수많은 작은 금액의 거래들을 원래의

can be used to find a million little things

큰 금액으로 다시 조립시켜서

and sew them back together

주식 시장에서 실지로 무슨일이 벌어지고 있는지

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

알아낼 수 있다는 것입니다.

So if you need to have some image

즉, 지금 주식시장이 어떻게 돌아가는지 이해하려면

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

주식거래를 숨기는 목적의 알고리즘이 있는가 하면,

what you can picture is a bunch of algorithms

그와는 정반대로 숨겨진 거래들을 찾아내서

that are basically programmed to hide,

적절한 조치를 취하는 것을 목적으로 프로그램된

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

여러개의 알고리즘이 있다는 사실을 알아야 합니다.

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

자, 여기까지는 뭐 큰 문제가 없죠.

And that's 70 percent

그렇지만, 이런 기관투자자들의

of the United States stock market,

거래액이 총 증시거래액의

70 percent of the operating system

70%에 달하는데

formerly known as your pension,

이게 다 여러분의

your mortgage.

연금이고 모게지죠.

And what could go wrong?

이것처럼 안전한게 있겠어요?

What could go wrong

그런데 1년 전에 전 증시 거래액의

is that a year ago,

9%가 5분 동안에 갑자기

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

사라지는 사태가 벌어졌었는데

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

그들은 그 사건을 '2:45 플래시 크래쉬'라고 부르죠.

All of a sudden, nine percent just goes away,

그런 사태가 벌어질 만한 주식거래를

and nobody to this day

했던 사람도 없고 요청한 사람도 없었는데

can even agree on what happened

왜 그런 사태가 발생했었는지 아직까지도 전문가들 끼리

because nobody ordered it, nobody asked for it.

그 사건의 발생 원인에 대해 동의조차 못하고 있죠.

Nobody had any control over what was actually happening.

실제로 벌어지는 상황을 아무도 컨트롤 할 수 없었죠.

All they had

기관투자자들이 가졌던 컨트롤이라고는

was just a monitor in front of them

모니터에 표시되는 숫자들과

that had the numbers on it

'스톱'이라는 글이 적힌

and just a red button

빨간 버튼 밖에

that said, "Stop."

없었으니까요.

And that's the thing,

그러니까 우리는 우리가

is that we're writing things,

더 이상 읽을 수 없게

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

된 것 들을 쓰고 있었다는 거죠.

And we've rendered something

우리가 그 무엇인가를 더 이상

illegible,

읽을 수 없게 만들었다는 것이죠.

and we've lost the sense

그래서 우리는 우리가 만든

of what's actually happening

이 세계에서 실지로 무슨일이 발생하고 있는지를

in this world that we've made.

모르게 됐지요.

And we're starting to make our way.

그러나 인젠 형편이 나아지기 시작했죠.

There's a company in Boston called Nanex,

보스턴에 나넥스라는 회사가 있는데,

and they use math and magic

그 회사는 수학과 제가 모르는 어떤 마술을 사용해서

and I don't know what,

증권시장의 모든 데이터를 읽고

and they reach into all the market data

항상 그런것은 아니지만

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

가끔 이런 알고리즘들의 일부를 찾아내지요.

And when they find them they pull them out

그들은 그런 알고리즘을 하나 찾으면

and they pin them to the wall like butterflies.

그걸 종이에 적어서 나비처럼 벽에 붙이지요.

And they do what we've always done

우리는 이해하지 못하는 엄청난 량의

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

데이터를 이해해야 할때는 언제나

which is that they give them a name

그래왔듯이 이런식으로 그런것에

and a story.

이름과 스토리를 붙이죠.

So this is one that they found,

그들이 찾아낸 것들은 다음과 같죠.

they called the Knife,

이것은 나이프,

the Carnival,

카니발,

the Boston Shuffler,

보스턴 셔플러,

Twilight.

트와일라이트.

And the gag is

그런데 웃기는건 일단 이런 알고리즘이

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

있는가를 알아내는 방법을 터득하면

You can find these kinds of things wherever you look,

증시 뿐만아니라 모든 곳에서 알고리즘이

once you learn how to look for them.

사용되고 있다는걸 알 수 있다는 거죠.

You can find it here: this book about flies

이 책도 그런 예의 하나죠:

that you may have been looking at on Amazon.

이건 아마존에서 팔았던 건데

You may have noticed it

시작가가

when its price started at 1.7 million dollars.

170만 달러였지요.

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

절판이었는데도 말이예요.

(Laughter)

(웃음)

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

그런데 만약 170 만달러에 샀다면, 잘 투자한거죠.

A few hours later, it had gone up

왜냐하면 불과 몇 시간 뒤에,

to 23.6 million dollars,

2천360만 달러로 가격이 뛰었으니까요.

plus shipping and handling.

운송비와 포장비는 별도였죠.

And the question is:

그런데, 아무도 사거나 팔지 않았는데

Nobody was buying or selling anything; what was happening?

어떻게 그런일이 생겼을까요?

And you see this behavior on Amazon

즉, 월스트리트와 똑같은 현상을

as surely as you see it on Wall Street.

아마존에서도 볼 수 있다는 말이죠.

And when you see this kind of behavior,

이런 사건이 생긴다는 것은

what you see is the evidence

알고리즘들이 서로 충돌하고 있다는 것을

of algorithms in conflict,

증명해 주는데 간단히 말하면

algorithms locked in loops with each other,

인간의 아무런 개입이나 감독이 없이

without any human oversight,

알고리즘들이 서로 맞물고

without any adult supervision

루프에서 맴돌다가

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

"흠..170만 달러 정도면 됐어" 한거죠.

(Laughter)

(웃음)

And as with Amazon, so it is with Netflix.

네트플릭스도 아마존과 같은 형편에 있죠.

And so Netflix has gone through

그래서 네트플릭스는 지난 수년간

several different algorithms over the years.

여러가지 다른 알고리즘을 써봤지요.

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

처음에는 Cinematch를 사용하다가

there's Dinosaur Planet; there's Gravity.

그후에 Dinasaur Planet, 그리고 Gravity를 사용했는데

They're using Pragmatic Chaos now.

지금은 Pragmatic Chaos를 사용하죠.

Pragmatic Chaos is, like all of Netflix algorithms,

Pragmatic Chaos도 네트플릭스가 사용했던

trying to do the same thing.

다른 알고리즘과 똑같은 일을 하려고 하지요.

It's trying to get a grasp on you,

이 알고리즘은 고객의 마음안으로

on the firmware inside the human skull,

파고 들어가서 어떤것을 좋아하는가를

so that it can recommend what movie

파악한 후에 다음번에 어떤 영화를

you might want to watch next --

보고 싶어할지를 추측하려고 하는데

which is a very, very difficult problem.

이건 엄청나게 어려운 문제지요.

But the difficulty of the problem

이것이 매우 힘든 일이고

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

또 우리들 자체가 사실 이런 알고리즘을 아직 정확히

it doesn't take away

이해하지 못하지만 Pragmatic Chaos는

from the effects Pragmatic Chaos has.

그래도 우리에게 영향을 미치고 있지요.

Pragmatic Chaos, like all Netflix algorithms,

과거의 모든 네트플릭스 알고리즘들이 그랬듯이,

determines, in the end,

우리는 Pragmatic Chaos가

60 percent

추천하는 영화의 약

of what movies end up being rented.

60%를 실제로 빌려서 보니까요.

So one piece of code

이말은 즉, 여러분에 대해 지극히 단편적인

with one idea about you

아이디어만 가지고 있는 컴퓨터 코드가

is responsible for 60 percent of those movies.

여러분이 선택하는 영화의 60%를 결정한다는 거죠.

But what if you could rate those movies

그런데 영화를 만들기도 전에 그 영화에 대한

before they get made?

평가를 내릴 수 있다면 어떨까요?

Wouldn't that be handy?

그럼 아주 유용하지 않을까요?

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

영국 데이터 과학자들이 몇명이

and they have "story algorithms" --

홀리우드에 이파고긱스라는회사를 차리고

a company called Epagogix.

스토리 알고리즘을 만들었죠.

And you can run your script through there,

그 알고리즘은

and they can tell you, quantifiably,

영화 스크립트를 읽고

that that's a 30 million dollar movie

그게 3천만불 짜리 인지

or a 200 million dollar movie.

2억불짜리 영화인지 말해 주죠.

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

이건 구글같이 정보를 찾는것도 아니고,

This isn't information.

금융상태를 파악하는 것도 아니고,

These aren't financial stats; this is culture.

문화를 판단한다는 이야기죠.

And what you see here,

여러분이 지금 보시는 이 그림은,

or what you don't really see normally,

사실 여러분이 흔히 보는 그림은 아니지만,

is that these are the physics of culture.

문명의 기본 원칙을 보여주는 그림이죠.

And if these algorithms,

그런데 이런 알고리즘들이

like the algorithms on Wall Street,

월스트리트에 있는 알고리즘처럼

just crashed one day and went awry,

어느날 갑자기 크래쉬 한다면

how would we know?

그걸 우리가 어떻게 알까요?

What would it look like?

또 어떤 일이 생길까요?

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

여러분들 집에 있는 이런 청소기의 알고리즘들은

These are two algorithms competing for your living room.

거실을 차지하려고 서로 경쟁하고 있죠.

These are two different cleaning robots

그런데 이들은 깨끗하다는

that have very different ideas about what clean means.

것을 판단하는 기준이 서로 다르죠.

And you can see it

청소기의 속도를 줄이고

if you slow it down and attach lights to them,

라이트를 달면 그 차이를 볼 수 있죠.

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

이들은 여러분의 침실에 있는

And the idea that architecture itself

일종의 숨어있는 건축가와 비슷하다고 볼 수 있겠는데,

is somehow subject to algorithmic optimization

사실은 건축 자체가 산술연산을

is not far-fetched.

최적화 한 결과라고 해도 과언은 아니지요.

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

이건 우리 주위에서 실제로 일어나고 있는 엄연한 사실이죠.

You feel it most

우리가 신형 '목적층선택 엘리베이터'의

when you're in a sealed metal box,

철판 박스 안에

a new-style elevator;

같혀 있을때는

they're called destination-control elevators.

그런 생각이 더 나지요.

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

타기 전에 승객이 밖에서

before you get in the elevator.

미리 목적층을 선택하는 이런 신형 엘리베이터는

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

'빈 패킹'이라는 알고리즘을 사용하죠.

So none of this mishegas

승객들이 자기가 타고 싶은 승강기를

of letting everybody go into whatever car they want.

마음대로 고르는 것은 옛말이죠.

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

10층으로 갈 사람들은 2번 승강기로,

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

3층에 갈 사람들은 5번 승강기로...이런 식이죠.

And the problem with that

그런데 문제는

is that people freak out.

사람들이 당황해서

People panic.

어쩔지 모른다는 것이죠.

And you see why. You see why.

그런데 당황해 하는게 당연하죠.

It's because the elevator

그 엘레베이터에는

is missing some important instrumentation, like the buttons.

층수가 적힌 버튼 같은게 없으니까요.

(Laughter)

(웃음)

Like the things that people use.

일반 엘레베이터와는 아주 다르죠.

All it has

그저 윗쪽이나 아랫쪽으로

is just the number that moves up or down

올라갔다 내려갔다 하는 번호와

and that red button that says, "Stop."

'스톱' 이라고 적힌 빨간 버튼만 있죠.

And this is what we're designing for.

요즘 우리가 디자인하는 것들이 다들 이런식이죠.

We're designing

우리는 이런식의 인간기계

for this machine dialect.

대화를 디자인 하고 있죠.

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

우리는 이런식으로 얼마나 더 나갈 수 있을까요?

You can take it really, really far.

아마 거의 무한정 갈께에요.

So let me take it back to Wall Street.

월스트리트 이야기로 다시 돌아가죠.

Because the algorithms of Wall Street

월스트리트의 알고리즘에게

are dependent on one quality above all else,

그 무엇보다도 더

which is speed.

중요한 것은 속도죠.

And they operate on milliseconds and microseconds.

그들은 밀리세컨드와 마이크로세컨드를 따지죠.

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

마우스를 한번 클릭하는데

it takes you 500,000 microseconds

걸리는 시간은

just to click a mouse.

50만 마이크로세컨드죠.

But if you're a Wall Street algorithm

월스트리트 알고리즘의 입장에서 볼때는

and you're five microseconds behind,

단 5 마이크로세컨드만 뒤져도

you're a loser.

패자가 되는 것이죠.

So if you were an algorithm,

여러분이 알고리즘이라면 아마도

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

제가 프랑크프루트에서 만난 건축가 같은 사람들을 찾겠지요.

who was hollowing out a skyscraper --

그 건축가는 알고리즘이

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

인터넷 케이블에 좀 더 가깝게 자리잡을 수 있게

and just running steel on the floors

다수의 컴퓨터 서버들을 들어갈 장소를 만들려고

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

콘크리트 바닥만 남기고

all so an algorithm

사람들에게 필요한 모든 기반 설비와

could get close to the Internet.

가구들을 전부 다 뜯어내는 일을 했지요.

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

인터넷은 일종의 분산 시스템이지만 그것은

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

일정한 장소들로 부터 분산되는 시스템이죠.

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

뉴욕의 인터넷은

the Carrier Hotel

허드슨 스트리트에 있는

located on Hudson Street.

캐리어 호텔에서 부터 분배되지요.

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

뉴욕시로 오는 모든 인터넷 케이블이 실제로 들어오는 곳이죠

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

그래서 그곳에서 멀면 멀수록 모든 거래가

you're a few microseconds behind every time.

몇 마이크로세컨드씩 늦어지지요.

These guys down on Wall Street,

마코폴로나, 치로키 네이션 같은

Marco Polo and Cherokee Nation,

월스트리트 부근의 빌딩에 있는 사람들은

they're eight microseconds

캐리어 호텔 부근에 빌딩 내부를 허물어내고

behind all these guys

새로 인터넷 장비를 까는

going into the empty buildings being hollowed out

사람들보다 8 마이크로세컨드

up around the Carrier Hotel.

더 늦게 되죠.

And that's going to keep happening.

이런 일은 앞으로도 계속 생길겁니다.

We're going to keep hollowing them out,

그렇지 않고는 증시에서 거래를 할 때

because you, inch for inch

보스톤 셔플러처럼

and pound for pound and dollar for dollar,

마지막 한방울 까지의

none of you could squeeze revenue out of that space

이익을

like the Boston Shuffler could.

짜낼 수 없기 때문이죠.

But if you zoom out,

이제 줌아웃을 해보지요.

if you zoom out,

줌아웃을 해보면,

you would see an 825-mile trench

뉴욕시와 시카고를 연결하기 위해

between New York City and Chicago

스프레드 네트워크라는 회사가

that's been built over the last few years

지난 몇년에 걸쳐 공사하고 있는

by a company called Spread Networks.

825 마일 길이의 기반시설 공사 전경을 볼 수 있지요.

This is a fiber optic cable

이것은 카니발이나 나이프 알고리즘 전용으로

that was laid between those two cities

두 도시간에 깔린 광케이블 루트인데

to just be able to traffic one signal

마우스를 클릭하는 것보다

37 times faster than you can click a mouse --

37배 더 빠른 속도로

just for these algorithms,

신호를 전송하는

just for the Carnival and the Knife.

단 한가지의 목적을 위해 건설된 것이죠.

And when you think about this,

우리는 아무도 알지 못할

that we're running through the United States

통신 프레임워크를 구축해서

with dynamite and rock saws

주식거래를 3 마이크로세컨드

so that an algorithm can close the deal

더 빨리 체결할 수 있게

three microseconds faster,

미국의 곳곳을

all for a communications framework

다이나마이트와 암석톱으로

that no human will ever know,

폭발시키고 자르고하는데

that's a kind of manifest destiny;

이것은 서부로 팽창하자는 우리의 '명백한 운명'이겠고,

and we'll always look for a new frontier.

우리는 또한 앞으로도 계속 미개척지를 찾아 다니겠지요.

Unfortunately, we have our work cut out for us.

앞으로 우리가 할일이 태산같지요.

This is just theoretical.

이건 MIT의 수학자들이

This is some mathematicians at MIT.

작성한 단순히 이론적인 그림인데

And the truth is I don't really understand

솔직히 말하면

a lot of what they're talking about.

전 그들이 무슨 말을 하는지 몰라요.

It involves light cones and quantum entanglement,

'빛원뿔', '양자얽힘' 뭐 그런 말을하는데

and I don't really understand any of that.

전 한마디도 이해를 못하죠.

But I can read this map,

그렇지만 이 지도는 제가 이해하죠.

and what this map says

이 지도가 보여주는 것은

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

도시가 있는 증권시장이 있는

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

빨간 점들에서 돈을 벌려면

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

푸른 점들에 서버를 설치하는 것이

to do that most effectively.

가장 효율적이라는 것입니다.

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

그런데 이 지도에는

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

대양에도 푸른 점들이 많이 있죠.

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

그럼 이건 어떨까요?

or platforms.

우리가 알고리즘이 되면

We'll actually part the water

바다 한가운데 큰 공같은 구조물이나

to pull money out of the air,

플랫폼을 만들고 거기서 바다를

because it's a bright future

가르는 기적처럼 대기로 부터

if you're an algorithm.

돈을 무진장 만들 수 있겠지요.

(Laughter)

(웃음)

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

사실은 돈 자체가 흥미있는게 아니죠.

It's what the money motivates,

돈이 어떤 의욕을 주는가가 중요하죠.

that we're actually terraforming

우리는 알고리즘 같은 효율로

the Earth itself

지구 자체를

with this kind of algorithmic efficiency.

실제로 바꾸고 있지요.

And in that light,

우리가 이런 생각을 염두에 두고

you go back

마이클 나자의 사진들을 다시 한번 본다면

and you look at Michael Najjar's photographs,

그것은 사실 메타포가 아닌

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

예언이라는 것을 깨달을 수 있지요.

They're prophecy

그의 사진들은 우리가 만드는 수학이

for the kind of seismic, terrestrial effects

지구의 지형에 얼마나

of the math that we're making.

거대한 변화를 줄것이라는 것을 예언해 줍니다.

And the landscape was always made

풍경이란 원래

by this sort of weird, uneasy collaboration

자연과 인간의 괴상하고

between nature and man.

거북한 협동으로 만들어 지죠.

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

그러나 이제는 풍경을 바꾸는 제3의 요소가 생겼는데

the Boston Shuffler, the Carnival.

그것은 즉 보스턴 셔플러, 카니발 같은 알고리즘이죠.

And we will have to understand those as nature,

우리는 이제 알고리즘을 자연이라고 생각해야 하는데 어떻게 보면

and in a way, they are.

사실 그말이 맞습니다.

Thank you.

감사합니다.

(Applause)

(박수)