How algorithms shape our world | Kevin Slavin

484,372 views ・ 2011-07-21

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Samuel Almeida Revisora: Margarida Ferreira
00:15
This is a photograph
0
15260
2000
Esta é uma fotografia tirada pelo artista Michael Najjar,
00:17
by the artist Michael Najjar,
1
17260
2000
00:19
and it's real,
2
19260
2000
e é verdadeira,
00:21
in the sense that he went there to Argentina
3
21260
2000
no sentido em que ele foi à Argentina
00:23
to take the photo.
4
23260
2000
para tirar esta foto.
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
25260
3000
Mas também é uma ficção.
Houve muito trabalho depois de tirá-la.
00:28
And what he's done
6
28260
2000
Ele remodelou, digitalmente,
00:30
is he's actually reshaped, digitally,
7
30260
2000
00:32
all of the contours of the mountains
8
32260
2000
todos os contornos das montanhas
00:34
to follow the vicissitudes of the Dow Jones index.
9
34260
3000
para que seguissem as vicissitudes do índice Dow Jones.
00:37
So what you see,
10
37260
2000
Então o que aqui veem,
00:39
that precipice, that high precipice with the valley,
11
39260
2000
este grande precipício com um vale,
00:41
is the 2008 financial crisis.
12
41260
2000
é a crise financeira de 2008.
00:43
The photo was made
13
43260
2000
A foto foi tirada quando estávamos ali em baixo, no vale.
00:45
when we were deep in the valley over there.
14
45260
2000
00:47
I don't know where we are now.
15
47260
2000
Não sei onde estamos agora.
00:49
This is the Hang Seng index
16
49260
2000
Este é o índice Hang Seng, de Hong Kong.
00:51
for Hong Kong.
17
51260
2000
00:53
And similar topography.
18
53260
2000
E uma topografia similar.
00:55
I wonder why.
19
55260
2000
Pergunto-me porquê.
00:57
And this is art. This is metaphor.
20
57260
3000
Isto é arte. Isto é uma metáfora.
01:00
But I think the point is
21
60260
2000
Mas eu acho que a questão é que isto é uma metáfora com dentes.
01:02
that this is metaphor with teeth,
22
62260
2000
01:04
and it's with those teeth that I want to propose today
23
64260
3000
É com esses dentes que eu quero propor, hoje,
01:07
that we rethink a little bit
24
67260
2000
que repensemos um pouco
01:09
about the role of contemporary math --
25
69260
3000
no papel da matemática contemporânea
01:12
not just financial math, but math in general.
26
72260
3000
— não só na matemática financeira, mas na matemática em geral.
01:15
That its transition
27
75260
2000
Ou seja, na transição duma coisa
01:17
from being something that we extract and derive from the world
28
77260
3000
que extraímos e obtemos do mundo
01:20
to something that actually starts to shape it --
29
80260
3000
para uma coisa que lhe começa a dar forma,
01:23
the world around us and the world inside us.
30
83260
3000
ao mundo à nossa volta e ao mundo dentro de nós.
01:26
And it's specifically algorithms,
31
86260
2000
São especificamente os algoritmos,
01:28
which are basically the math
32
88260
2000
que são basicamente a matemática
01:30
that computers use to decide stuff.
33
90260
3000
que os computadores usam para tomar decisões.
01:33
They acquire the sensibility of truth
34
93260
2000
Eles adquirem a sensibilidade da verdade,
01:35
because they repeat over and over again,
35
95260
2000
porque repetem e tornam a repetir, vezes sem conta.
01:37
and they ossify and calcify,
36
97260
3000
Ossificam-se, calcificam-se e tornam-se reais.
01:40
and they become real.
37
100260
2000
01:42
And I was thinking about this, of all places,
38
102260
3000
Eu estava a pensar nisto
01:45
on a transatlantic flight a couple of years ago,
39
105260
3000
num voo transatlântico há uns anos,
01:48
because I happened to be seated
40
108260
2000
porque aconteceu eu ir sentado
01:50
next to a Hungarian physicist about my age
41
110260
2000
ao lado de um físico húngaro da minha idade.
01:52
and we were talking
42
112260
2000
Falámos em como era a vida durante a Guerra Fria,
01:54
about what life was like during the Cold War
43
114260
2000
01:56
for physicists in Hungary.
44
116260
2000
para os físicos na Hungria.
01:58
And I said, "So what were you doing?"
45
118260
2000
E eu disse: "O que é que vocês faziam?"
02:00
And he said, "Well we were mostly breaking stealth."
46
120260
2000
E ele: "Normalmente destruíamos os escudos furtivos."
02:02
And I said, "That's a good job. That's interesting.
47
122260
2000
E eu: "Esse é um bom trabalho. Interessante.
02:04
How does that work?"
48
124260
2000
"Como é que funciona?"
02:06
And to understand that,
49
126260
2000
Para percebermos isto,
02:08
you have to understand a little bit about how stealth works.
50
128260
3000
temos de perceber um pouco a tecnologia furtiva.
02:11
And so -- this is an over-simplification --
51
131260
3000
Assim — esta é uma extrema simplificação —
02:14
but basically, it's not like
52
134260
2000
mas basicamente, não é
como se pudéssemos simplesmente passar um sinal de radar
02:16
you can just pass a radar signal
53
136260
2000
02:18
right through 156 tons of steel in the sky.
54
138260
3000
através de 156 toneladas de aço no céu.
02:21
It's not just going to disappear.
55
141260
3000
Não vai pura e simplesmente desaparecer.
02:24
But if you can take this big, massive thing,
56
144260
3000
Mas, se pudermos pegar nessas coisas enormes
02:27
and you could turn it into
57
147260
3000
e transformá-las em milhões de coisinhas pequenas
02:30
a million little things --
58
150260
2000
02:32
something like a flock of birds --
59
152260
2000
— como um bando de pássaros —
02:34
well then the radar that's looking for that
60
154260
2000
o radar que estiver à procura delas
02:36
has to be able to see
61
156260
2000
tem de ser capaz de ver todos os bandos de pássaros no céu.
02:38
every flock of birds in the sky.
62
158260
2000
02:40
And if you're a radar, that's a really bad job.
63
160260
4000
Para um radar, isso é um trabalho péssimo.
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
164260
3000
E ele disse: "Sim. Mas isso é se for um radar.
02:47
So we didn't use a radar;
65
167260
2000
"Por isso, não usamos um radar;
02:49
we built a black box that was looking for electrical signals,
66
169260
3000
"construíamos uma caixa negra que procurava sinais elétricos,
02:52
electronic communication.
67
172260
3000
"comunicação eletrónica.
02:55
And whenever we saw a flock of birds that had electronic communication,
68
175260
3000
"Sempre que víamos um bando de pássaros dotado de comunicação eletrónica,
02:58
we thought, 'Probably has something to do with the Americans.'"
69
178260
3000
"pensávamos que devia ter alguma coisa a ver com os americanos."
03:01
And I said, "Yeah.
70
181260
2000
Eu disse "Sim. Essa é boa.
03:03
That's good.
71
183260
2000
03:05
So you've effectively negated
72
185260
2000
"Então vocês efetivamente negaram
03:07
60 years of aeronautic research.
73
187260
2000
"60 anos de pesquisa aeronáutica.
03:09
What's your act two?
74
189260
2000
"Qual é o segundo ato?
03:11
What do you do when you grow up?"
75
191260
2000
"O que fazem quando crescerem?"
03:13
And he said,
76
193260
2000
E ele disse:
03:15
"Well, financial services."
77
195260
2000
"Serviços financeiros."
03:17
And I said, "Oh."
78
197260
2000
E eu disse: "Oh."
03:19
Because those had been in the news lately.
79
199260
3000
Porque isso tem estado ultimamente nas notícias.
03:22
And I said, "How does that work?"
80
202260
2000
E eu disse: "Como é que isso funciona?"
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
204260
2000
E ele disse: "Há 2000 físicos em Wall Street, agora,
03:26
and I'm one of them."
82
206260
2000
"e eu sou um deles."
03:28
And I said, "What's the black box for Wall Street?"
83
208260
3000
E eu disse: "Qual é a caixa preta de Wall Street?"
03:31
And he said, "It's funny you ask that,
84
211260
2000
E ele disse: "Tem piada que me pergunte,
03:33
because it's actually called black box trading.
85
213260
3000
"porque chamam-lhe comércio de caixa preta.
03:36
And it's also sometimes called algo trading,
86
216260
2000
"E às vezes também lhe chamam comércio algorítmico."
03:38
algorithmic trading."
87
218260
3000
03:41
And algorithmic trading evolved in part
88
221260
3000
O comércio algorítmico evoluiu
03:44
because institutional traders have the same problems
89
224260
3000
porque os investidores institucionais têm os mesmos problemas
03:47
that the United States Air Force had,
90
227260
3000
que a Força Aérea dos EUA teve,
03:50
which is that they're moving these positions --
91
230260
3000
ou seja, movimentam as suas posições
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
233260
2000
— seja Proctor & Gamble ou Accenture, tanto faz —
03:55
they're moving a million shares of something
93
235260
2000
movimentam milhões de ações de qualquer coisa pelo mercado.
03:57
through the market.
94
237260
2000
03:59
And if they do that all at once,
95
239260
2000
Se fizerem isso tudo de uma vez só,
04:01
it's like playing poker and going all in right away.
96
241260
2000
é como jogar póquer e apostar tudo na primeira jogada.
04:03
You just tip your hand.
97
243260
2000
Revelam o jogo todo.
04:05
And so they have to find a way --
98
245260
2000
Então, precisam de encontrar uma forma
04:07
and they use algorithms to do this --
99
247260
2000
e usam algoritmos para fazê-lo
04:09
to break up that big thing
100
249260
2000
— quebrar o todo em milhões de pequenas transações.
04:11
into a million little transactions.
101
251260
2000
04:13
And the magic and the horror of that
102
253260
2000
A magia e o horror disto
04:15
is that the same math
103
255260
2000
é que a mesma matemática
04:17
that you use to break up the big thing
104
257260
2000
que é usada para quebrar o todo em milhões de pequenas coisas
04:19
into a million little things
105
259260
2000
04:21
can be used to find a million little things
106
261260
2000
pode ser usada para encontrar milhões de coisas pequenas,
04:23
and sew them back together
107
263260
2000
uni-las novamente
04:25
and figure out what's actually happening in the market.
108
265260
2000
e descobrir o que está a acontecer no mercado.
04:27
So if you need to have some image
109
267260
2000
Se precisarem de uma imagem
04:29
of what's happening in the stock market right now,
110
269260
3000
do que está a acontecer agora no mercado de ações,
04:32
what you can picture is a bunch of algorithms
111
272260
2000
o que podem imaginar um conjunto de algoritmos
04:34
that are basically programmed to hide,
112
274260
3000
que são basicamente programados para esconder,
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
277260
3000
e um conjunto de algoritmos programados para encontrá-los e agirem.
04:40
And all of that's great, and it's fine.
114
280260
3000
Tudo isso é ótimo, é porreiro.
04:43
And that's 70 percent
115
283260
2000
E isso é 70% do mercado de ações americano,
04:45
of the United States stock market,
116
285260
2000
04:47
70 percent of the operating system
117
287260
2000
70% do sistema operacional,
04:49
formerly known as your pension,
118
289260
3000
antigamente conhecido como as nossas reformas...
04:52
your mortgage.
119
292260
3000
(Risos)
...as nossas hipotecas.
04:55
And what could go wrong?
120
295260
2000
O que é que pode correr mal?
04:57
What could go wrong
121
297260
2000
O que pode correr mal
04:59
is that a year ago,
122
299260
2000
é que há um ano, 9% de todo o mercado
05:01
nine percent of the entire market just disappears in five minutes,
123
301260
3000
desapareceu no espaço de cinco minutos.
05:04
and they called it the Flash Crash of 2:45.
124
304260
3000
Chamaram-lhe o "Flash Crash das 2 horas e 45".
05:07
All of a sudden, nine percent just goes away,
125
307260
3000
De repente, desapareceram 9%,
05:10
and nobody to this day
126
310260
2000
e ainda ninguém até hoje
05:12
can even agree on what happened
127
312260
2000
consegue chegar a acordo sobre o que aconteceu,
05:14
because nobody ordered it, nobody asked for it.
128
314260
3000
porque ninguém o ordenou, ninguém o pediu.
05:17
Nobody had any control over what was actually happening.
129
317260
3000
Ninguém tinha controlo sobre o que estava a acontecer.
05:20
All they had
130
320260
2000
Tudo que eles tinham
05:22
was just a monitor in front of them
131
322260
2000
era um monitor à frente que tinha números
05:24
that had the numbers on it
132
324260
2000
05:26
and just a red button
133
326260
2000
e um botão vermelho que dizia: "Parar."
05:28
that said, "Stop."
134
328260
2000
05:30
And that's the thing,
135
330260
2000
A questão é essa.
05:32
is that we're writing things,
136
332260
2000
Escrevemos coisas,
05:34
we're writing these things that we can no longer read.
137
334260
3000
escrevemos coisas que já não conseguimos ler.
05:37
And we've rendered something
138
337260
2000
Demos origem a uma coisa ilegível.
05:39
illegible,
139
339260
2000
05:41
and we've lost the sense
140
341260
3000
Perdemos a noção
05:44
of what's actually happening
141
344260
2000
do que realmente está a acontecer
05:46
in this world that we've made.
142
346260
2000
neste mundo que construímos.
05:48
And we're starting to make our way.
143
348260
2000
Estamos a começar a fazer o nosso percurso.
05:50
There's a company in Boston called Nanex,
144
350260
3000
Há uma empresa em Boston chamada Nanex.
05:53
and they use math and magic
145
353260
2000
Usam matemática e magia e não sei mais o quê.
05:55
and I don't know what,
146
355260
2000
05:57
and they reach into all the market data
147
357260
2000
Têm acesso a todos os dados do mercado
05:59
and they find, actually sometimes, some of these algorithms.
148
359260
3000
e encontram, às vezes, alguns desses algoritmos.
06:02
And when they find them they pull them out
149
362260
3000
Quando os encontram, extraem-nos
06:05
and they pin them to the wall like butterflies.
150
365260
3000
e pregam-nos à parede como borboletas.
06:08
And they do what we've always done
151
368260
2000
Fazem o que sempre fizemos quando confrontados
06:10
when confronted with huge amounts of data that we don't understand --
152
370260
3000
com grandes quantidades de dados que não entendemos
06:13
which is that they give them a name
153
373260
2000
— dão-lhe um nome e uma história.
06:15
and a story.
154
375260
2000
06:17
So this is one that they found,
155
377260
2000
Este é um dos que eles encontraram,
06:19
they called the Knife,
156
379260
4000
a que chamaram a Faca,
06:23
the Carnival,
157
383260
2000
o Carnaval,
06:25
the Boston Shuffler,
158
385260
4000
o Emplastro de Boston,
06:29
Twilight.
159
389260
2000
o Crepúsculo.
06:31
And the gag is
160
391260
2000
A piada é que eles não andam apenas no mercado.
06:33
that, of course, these aren't just running through the market.
161
393260
3000
06:36
You can find these kinds of things wherever you look,
162
396260
3000
Podemos encontrar este tipo de coisas para onde quer que olhemos,
06:39
once you learn how to look for them.
163
399260
2000
depois de aprendermos a procurá-los.
06:41
You can find it here: this book about flies
164
401260
3000
Podemos encontrá-los aqui: neste livro sobre moscas
06:44
that you may have been looking at on Amazon.
165
404260
2000
de que andámos à procura no Amazon.
06:46
You may have noticed it
166
406260
2000
Podemos ter reparado nele
06:48
when its price started at 1.7 million dollars.
167
408260
2000
quando o preço começou em 1,7 milhões de dólares.
06:50
It's out of print -- still ...
168
410260
2000
Está fora de impressão, mas...
06:52
(Laughter)
169
412260
2000
(Risos)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
414260
3000
se o tivéssemos comprado por 1,7 milhões, teria sido uma pechincha.
06:57
A few hours later, it had gone up
171
417260
2000
Poucas horas depois, tinha aumentado
06:59
to 23.6 million dollars,
172
419260
2000
para 23,6 milhões de dólares,
07:01
plus shipping and handling.
173
421260
2000
mais os portes de envio.
07:03
And the question is:
174
423260
2000
A questão é esta:
07:05
Nobody was buying or selling anything; what was happening?
175
425260
2000
Ninguém estava a comprar ou a vender; o que é que aconteceu?
07:07
And you see this behavior on Amazon
176
427260
2000
Este comportamento é visível na Amazon
07:09
as surely as you see it on Wall Street.
177
429260
2000
tal como se vê em Wall Street.
07:11
And when you see this kind of behavior,
178
431260
2000
Quando vemos este comportamento,
07:13
what you see is the evidence
179
433260
2000
estamos a ver a prova de algoritmos em conflito,
07:15
of algorithms in conflict,
180
435260
2000
07:17
algorithms locked in loops with each other,
181
437260
2000
algoritmos presos em círculos com outros algoritmos,
07:19
without any human oversight,
182
439260
2000
sem vigilância humana,
07:21
without any adult supervision
183
441260
3000
sem supervisão de um adulto que diga:
07:24
to say, "Actually, 1.7 million is plenty."
184
444260
3000
"Na verdade, 1,7 milhões é muito."
07:27
(Laughter)
185
447260
3000
(Risos)
07:30
And as with Amazon, so it is with Netflix.
186
450260
3000
Assim como acontece na Amazon, acontece na Netflix.
07:33
And so Netflix has gone through
187
453260
2000
A Netflix tem utilizado vários algoritmos ao longo dos anos.
07:35
several different algorithms over the years.
188
455260
2000
07:37
They started with Cinematch, and they've tried a bunch of others --
189
457260
3000
Começaram com o Cinemath, e tentaram vários outros
07:40
there's Dinosaur Planet; there's Gravity.
190
460260
2000
— há o Dinosaur Planet; há o Gravity.
07:42
They're using Pragmatic Chaos now.
191
462260
2000
Agora estão a usar o Pragmatic Chaos.
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
464260
2000
O Pragmatic Chaos está, como todos os algoritmos da Netflix,
07:46
trying to do the same thing.
193
466260
2000
a tentar fazer a mesma coisa.
07:48
It's trying to get a grasp on you,
194
468260
2000
Está a tentar compreender
07:50
on the firmware inside the human skull,
195
470260
2000
a programação do" hardware do crânio humano,
07:52
so that it can recommend what movie
196
472260
2000
para poder recomendar que filme
07:54
you might want to watch next --
197
474260
2000
podemos querer ver em seguida
07:56
which is a very, very difficult problem.
198
476260
3000
— o que é um problema muito difícil.
07:59
But the difficulty of the problem
199
479260
2000
Mas a dificuldade do problema
08:01
and the fact that we don't really quite have it down,
200
481260
3000
e o facto que ainda não entendemos,
08:04
it doesn't take away
201
484260
2000
não elimina os efeitos que o Pragmatic Chaos tem.
08:06
from the effects Pragmatic Chaos has.
202
486260
2000
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
488260
3000
O Pragmatic Chaos, tal como todos os algoritmos da Netflix,
08:11
determines, in the end,
204
491260
2000
acaba por determinar
08:13
60 percent
205
493260
2000
uns 60% dos filmes que acabam por ser alugados.
08:15
of what movies end up being rented.
206
495260
2000
08:17
So one piece of code
207
497260
2000
Assim, um pedaço de código
08:19
with one idea about you
208
499260
3000
com uma ideia sobre cada um de nós,
08:22
is responsible for 60 percent of those movies.
209
502260
3000
é responsável por 60% desses filmes.
08:25
But what if you could rate those movies
210
505260
2000
E se nós pudéssemos avaliar esses filmes antes de serem feitos?
08:27
before they get made?
211
507260
2000
08:29
Wouldn't that be handy?
212
509260
2000
Não seria útil?
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
511260
3000
Há alguns cientistas de dados no Reino Unido, ou em Hollywood
08:34
and they have "story algorithms" --
214
514260
2000
que têm "algoritmos de história"
08:36
a company called Epagogix.
215
516260
2000
— é uma empresa chamada Epagogix.
08:38
And you can run your script through there,
216
518260
3000
Podemos apresentar-lhes o nosso guião
08:41
and they can tell you, quantifiably,
217
521260
2000
e eles podem dizer, quantitativamente,
08:43
that that's a 30 million dollar movie
218
523260
2000
se é um filme de 30 milhões de dólares ou de 200 milhões de dólares.
08:45
or a 200 million dollar movie.
219
525260
2000
08:47
And the thing is, is that this isn't Google.
220
527260
2000
O facto é que isto não é o Google.
08:49
This isn't information.
221
529260
2000
Isto não são informações.
08:51
These aren't financial stats; this is culture.
222
531260
2000
Não são estatísticas financeiras; isto é cultura.
08:53
And what you see here,
223
533260
2000
O que vemos aqui, ou o que normalmente não vemos,
08:55
or what you don't really see normally,
224
535260
2000
08:57
is that these are the physics of culture.
225
537260
4000
é que isto é a física da cultura.
09:01
And if these algorithms,
226
541260
2000
Se estes algoritmos
09:03
like the algorithms on Wall Street,
227
543260
2000
— como os algoritmos em Wall Street —
09:05
just crashed one day and went awry,
228
545260
3000
um dia falhassem e dessem para o torto,
09:08
how would we know?
229
548260
2000
como é que saberíamos?
09:10
What would it look like?
230
550260
2000
Qual seria o aspeto?
09:12
And they're in your house. They're in your house.
231
552260
3000
Eles estão em nossa casa. Estão na nossa casa.
09:15
These are two algorithms competing for your living room.
232
555260
2000
Há dois algoritmos que competem pela nossa sala de estar.
09:17
These are two different cleaning robots
233
557260
2000
São dois tipos de robôs de limpeza
09:19
that have very different ideas about what clean means.
234
559260
3000
que têm ideias distintas quanto ao significado de limpeza.
09:22
And you can see it
235
562260
2000
E podemos vê-lo
09:24
if you slow it down and attach lights to them,
236
564260
3000
se lhes reduzirmos a velocidade e os iluminarmos.
09:27
and they're sort of like secret architects in your bedroom.
237
567260
3000
São como arquitetos secretos no nosso quarto.
09:30
And the idea that architecture itself
238
570260
3000
A ideia de que a arquitetura em si
09:33
is somehow subject to algorithmic optimization
239
573260
2000
está de certa forma sujeita à otimização algorítmica
09:35
is not far-fetched.
240
575260
2000
não é impossível.
09:37
It's super-real and it's happening around you.
241
577260
3000
É muito real e está a acontecer à nossa volta.
09:40
You feel it most
242
580260
2000
Sentimos mais isso
09:42
when you're in a sealed metal box,
243
582260
2000
quando estamos dentro duma caixa de metal fechada,
09:44
a new-style elevator;
244
584260
2000
dum elevador novo
09:46
they're called destination-control elevators.
245
586260
2000
— são os elevadores de destino controlado,
09:48
These are the ones where you have to press what floor you're going to go to
246
588260
3000
em que temos que escolher o andar para onde vamos
09:51
before you get in the elevator.
247
591260
2000
antes de entrar no elevador.
09:53
And it uses what's called a bin-packing algorithm.
248
593260
2000
Usam um algoritmo 'bin-packing'.
09:55
So none of this mishegas
249
595260
2000
Portanto, nada daqueles disparates
09:57
of letting everybody go into whatever car they want.
250
597260
2000
de deixar cada um entrar no elevador que quiser.
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
599260
2000
Os que querem ir para o 10º andar vão para a cabina 2,
10:01
and everybody who wants to go to the third floor goes into car five.
252
601260
3000
e os que querem ir para o 3º andar vão para a cabina 5.
10:04
And the problem with that
253
604260
2000
O problema com isso é que as pessoas passam-se.
10:06
is that people freak out.
254
606260
2000
10:08
People panic.
255
608260
2000
As pessoas entram em pânico.
10:10
And you see why. You see why.
256
610260
2000
E vemos porquê.
10:12
It's because the elevator
257
612260
2000
É porque o elevador
10:14
is missing some important instrumentation, like the buttons.
258
614260
3000
não tem componentes importantes, como os botões.
10:17
(Laughter)
259
617260
2000
(Risos)
10:19
Like the things that people use.
260
619260
2000
Como as coisas que as pessoas usam.
10:21
All it has
261
621260
2000
Só tem o número que vai para cima ou para baixo
10:23
is just the number that moves up or down
262
623260
3000
10:26
and that red button that says, "Stop."
263
626260
3000
e o botão vermelho que diz "Parar".
10:29
And this is what we're designing for.
264
629260
3000
É para isso que estamos a trabalhar.
10:32
We're designing
265
632260
2000
Estamos a trabalhar para esse dialeto de máquinas.
10:34
for this machine dialect.
266
634260
2000
10:36
And how far can you take that? How far can you take it?
267
636260
3000
Até onde é que isso pode levar? Até onde?
10:39
You can take it really, really far.
268
639260
2000
Podemos levar isso muito longe.
10:41
So let me take it back to Wall Street.
269
641260
3000
Então, vou voltar a Wall Street,
10:45
Because the algorithms of Wall Street
270
645260
2000
porque os algoritmos de Wall Street
10:47
are dependent on one quality above all else,
271
647260
3000
dependem sobretudo de um atributo,
10:50
which is speed.
272
650260
2000
que é a velocidade.
10:52
And they operate on milliseconds and microseconds.
273
652260
3000
Funcionam em milissegundos e microssegundos.
10:55
And just to give you a sense of what microseconds are,
274
655260
2000
Só para vos dar uma ideia do que são microssegundos,
10:57
it takes you 500,000 microseconds
275
657260
2000
levamos 500 000 microssegundos só para clicar no rato.
10:59
just to click a mouse.
276
659260
2000
11:01
But if you're a Wall Street algorithm
277
661260
2000
Mas se um algoritmo de Wall Street
11:03
and you're five microseconds behind,
278
663260
2000
estiver atrasado cinco microssegundos,
11:05
you're a loser.
279
665260
2000
é um perdedor.
11:07
So if you were an algorithm,
280
667260
2000
Se fôssemos um algoritmo
11:09
you'd look for an architect like the one that I met in Frankfurt
281
669260
3000
procuraríamos um arquiteto como aquele que conheci em Frankfurt
11:12
who was hollowing out a skyscraper --
282
672260
2000
que estava a esvaziar um arranha-céus,
11:14
throwing out all the furniture, all the infrastructure for human use,
283
674260
3000
a deitar fora toda a mobília, todas as infraestruturas para uso humano,
11:17
and just running steel on the floors
284
677260
3000
sobrando apenas aço nos pisos
11:20
to get ready for the stacks of servers to go in --
285
680260
3000
preparados para receber as pilhas de servidores,
11:23
all so an algorithm
286
683260
2000
tudo para que um algoritmo
11:25
could get close to the Internet.
287
685260
3000
possa estar mais perto da Internet.
11:28
And you think of the Internet as this kind of distributed system.
288
688260
3000
Pensamos na Internet como um tipo de sistema distribuído.
11:31
And of course, it is, but it's distributed from places.
289
691260
3000
Claro que é, mas é distribuído a partir de locais diferentes.
11:34
In New York, this is where it's distributed from:
290
694260
2000
Em Nova Iorque, é distribuído daqui:
11:36
the Carrier Hotel
291
696260
2000
o Carrier Hotel, localizado na Hudson Street.
11:38
located on Hudson Street.
292
698260
2000
11:40
And this is really where the wires come right up into the city.
293
700260
3000
É daqui que saem os cabos pela cidade.
11:43
And the reality is that the further away you are from that,
294
703260
4000
Na verdade, se estivermos longe deste local,
11:47
you're a few microseconds behind every time.
295
707260
2000
estaremos sempre atrasados uns microssegundos.
11:49
These guys down on Wall Street,
296
709260
2000
Aqueles tipos em Wall Street,
11:51
Marco Polo and Cherokee Nation,
297
711260
2000
Marco Polo e Cherokee Nation,
11:53
they're eight microseconds
298
713260
2000
estão oito microssegundos atrasados
11:55
behind all these guys
299
715260
2000
em relação a estes tipos
11:57
going into the empty buildings being hollowed out
300
717260
4000
que andam pelos edifícios que estão a ser esvaziados
12:01
up around the Carrier Hotel.
301
721260
2000
em volta do Carrier Hotel.
12:03
And that's going to keep happening.
302
723260
3000
Isso continuará a acontecer.
12:06
We're going to keep hollowing them out,
303
726260
2000
Vamos continuar a esvaziar edifícios,
12:08
because you, inch for inch
304
728260
3000
porque nenhum de nós, centímetro a centímetro
12:11
and pound for pound and dollar for dollar,
305
731260
3000
libra a libra, e dólar a dólar,
12:14
none of you could squeeze revenue out of that space
306
734260
3000
nenhum de nós conseguiria extrair lucro daquele espaço
12:17
like the Boston Shuffler could.
307
737260
3000
como o Emplastro de Boston consegue.
12:20
But if you zoom out,
308
740260
2000
Mas se vocês se afastarem
12:22
if you zoom out,
309
742260
2000
12:24
you would see an 825-mile trench
310
744260
4000
veriam um fosso com 1.3 km
12:28
between New York City and Chicago
311
748260
2000
entre Nova Iorque e Chicago
12:30
that's been built over the last few years
312
750260
2000
que foi construído nos últimos anos
12:32
by a company called Spread Networks.
313
752260
3000
por uma empresa chamada "Spread Networks".
12:35
This is a fiber optic cable
314
755260
2000
Isto é um cabo de fibra ótica.
12:37
that was laid between those two cities
315
757260
2000
que foi estendido entre as duas cidades
12:39
to just be able to traffic one signal
316
759260
3000
para poder enviar um sinal
12:42
37 times faster than you can click a mouse --
317
762260
3000
37 vezes mais rápido do que clicar no rato,
12:45
just for these algorithms,
318
765260
3000
só para estes algoritmos,
12:48
just for the Carnival and the Knife.
319
768260
3000
só para o Carnaval e a Faca.
12:51
And when you think about this,
320
771260
2000
Se pensarem nisto,
12:53
that we're running through the United States
321
773260
2000
que estamos a percorrer os Estados Unidos
12:55
with dynamite and rock saws
322
775260
3000
com dinamite e serras
12:58
so that an algorithm can close the deal
323
778260
2000
para que um algoritmo possa fechar um negócio
13:00
three microseconds faster,
324
780260
3000
três microssegundos mais depressa,
13:03
all for a communications framework
325
783260
2000
tudo para uma estrutura de comunicações
13:05
that no human will ever know,
326
785260
4000
que nenhum humano alguma vez conhecerá,
13:09
that's a kind of manifest destiny;
327
789260
3000
isto é um tipo de destino manifesto;
13:12
and we'll always look for a new frontier.
328
792260
3000
estaremos sempre à procura duma nova fronteira.
13:15
Unfortunately, we have our work cut out for us.
329
795260
3000
Infelizmente, teremos muitas dificuldades.
13:18
This is just theoretical.
330
798260
2000
Isto é apenas teórico.
13:20
This is some mathematicians at MIT.
331
800260
2000
Isto são alguns matemáticos no MIT.
13:22
And the truth is I don't really understand
332
802260
2000
A verdade é que não compreendo bem
13:24
a lot of what they're talking about.
333
804260
2000
grande parte do que falam.
13:26
It involves light cones and quantum entanglement,
334
806260
3000
Envolve cones de luz e emaranhamento quântico,
13:29
and I don't really understand any of that.
335
809260
2000
e eu não percebo muito sobre isso.
13:31
But I can read this map,
336
811260
2000
Mas consigo ler este mapa.
13:33
and what this map says
337
813260
2000
Este mapa diz que, se estivermos a tentar fazer dinheiro no mercado
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
815260
3000
onde estão os pontos vermelhos,
13:38
that's where people are, where the cities are,
339
818260
2000
onde estão as pessoas e as cidades,
13:40
you're going to have to put the servers where the blue dots are
340
820260
3000
temos que colocar os servidores onde estiverem os pontos azuis
13:43
to do that most effectively.
341
823260
2000
para fazer isso de forma mais eficaz.
13:45
And the thing that you might have noticed about those blue dots
342
825260
3000
Podem reparar que muitos dos pontos azuis
13:48
is that a lot of them are in the middle of the ocean.
343
828260
3000
estão no meio do oceano.
13:51
So that's what we'll do: we'll build bubbles or something,
344
831260
3000
É isso que faremos: vamos construir bolhas,
13:54
or platforms.
345
834260
2000
ou plataformas.
13:56
We'll actually part the water
346
836260
2000
Vamos separar a água
13:58
to pull money out of the air,
347
838260
2000
para extrair dinheiro do ar,
14:00
because it's a bright future
348
840260
2000
porque é um futuro risonho para um algoritmo.
14:02
if you're an algorithm.
349
842260
2000
14:04
(Laughter)
350
844260
2000
(Risos)
14:06
And it's not the money that's so interesting actually.
351
846260
3000
Mas não é o dinheiro que é interessante.
14:09
It's what the money motivates,
352
849260
2000
É aquilo que o dinheiro motiva,
14:11
that we're actually terraforming
353
851260
2000
que nos leva a transformer o planeta Terra
14:13
the Earth itself
354
853260
2000
14:15
with this kind of algorithmic efficiency.
355
855260
2000
com este tipo de eficácia algorítmica.
14:17
And in that light,
356
857260
2000
A essa luz, voltamos
14:19
you go back
357
859260
2000
14:21
and you look at Michael Najjar's photographs,
358
861260
2000
e olhamos para as fotografias de Michael Najjar.
14:23
and you realize that they're not metaphor, they're prophecy.
359
863260
3000
Percebemos que não são uma metáfora, são uma profecia.
14:26
They're prophecy
360
866260
2000
São uma profecia
14:28
for the kind of seismic, terrestrial effects
361
868260
4000
para o tipo de efeitos sísmicos e terrestres
14:32
of the math that we're making.
362
872260
2000
da matemática que andamos a fazer.
14:34
And the landscape was always made
363
874260
3000
A paisagem foi sempre feita
14:37
by this sort of weird, uneasy collaboration
364
877260
3000
através desta estranha e inquietante colaboração
14:40
between nature and man.
365
880260
3000
entre a natureza e o homem.
14:43
But now there's this third co-evolutionary force: algorithms --
366
883260
3000
Mas agora há esta terceira força co-evolucionária: os algoritmos
14:46
the Boston Shuffler, the Carnival.
367
886260
3000
— o Emplastro de Boston, o Carnaval.
14:49
And we will have to understand those as nature,
368
889260
3000
Teremos que os compreender como natureza.
14:52
and in a way, they are.
369
892260
2000
De certa forma, é o que eles são.
14:54
Thank you.
370
894260
2000
Obrigado.
14:56
(Applause)
371
896260
20000
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7