How algorithms shape our world | Kevin Slavin

Translator: Heartfelt Grace Reviewer: Unnawut Leepaisalsuwanna

This is a photograph

ภาพถ่ายภาพนี้

by the artist Michael Najjar,

บันทึกไว้โดยศิลปิน ไมเคิล นัจจาร์

and it's real,

และเป็นของจริงครับ

in the sense that he went there to Argentina

ในแง่ที่ว่าเขาได้เดินทางไปอาร์เจนตินาจริงๆ

to take the photo.

เพื่อถ่ายภาพนี้

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

แต่อีกแง่ก็เป็นจินตภาพ มีการตกแต่งภาพอีกพอควรหลังจากถ่ายภาพจริง

And what he's done

และสิ่งที่เขาได้ทำ

is he's actually reshaped, digitally,

ก็คือเขาได้ปรับเปลี่ยนรูปทรงในทางดิจิตอล

all of the contours of the mountains

โครงร่างทั้งหมดของภูเขานั่น

to follow the vicissitudes of the Dow Jones index.

ให้ล้อไปตามการผันผวนของดัชนีดาวโจนส์

So what you see,

สิ่งที่คุณเห็น

that precipice, that high precipice with the valley,

เงื้อมผานั่น เงื้อมผาสูงตรงหุบเขานั่น

is the 2008 financial crisis.

คือวิกฤตการเงินปี ค.ศ.2008 ครับ

The photo was made

ภาพถ่ายภาพนี้ทำขึ้น

when we were deep in the valley over there.

ในตอนที่เราจมดิ่งลึกที่สุดในหุบเขาตรงนั้น

I don't know where we are now.

ผมไม่รู้ว่าตอนนี้เราอยู่ ณ ตำแหน่งไหน

This is the Hang Seng index

อันนี้เป็นดัชนีฮั่งเส็ง (Hang Seng index)

for Hong Kong.

ของฮ่องกง

And similar topography.

และมีภูมิลักษณ์คล้ายกัน

I wonder why.

ผมสงสัยว่าเพราะเหตุใด

And this is art. This is metaphor.

และนี่คือศิลปะ คือการอุปมา

But I think the point is

แต่ผมคิดว่าประเด็นก็คือ

that this is metaphor with teeth,

นี่เป็นการอุปมาเปรียบเทียบกับฟัน

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

และก็ด้วยฟันพวกนั้นที่ผมอยากจะเสนอให้วันนี้

that we rethink a little bit

ว่าเราต้องมาย้อนคิดกันนิดหนึ่ง

about the role of contemporary math --

ถึงบทบาทของคณิตศาสตร์ร่วมสมัย

not just financial math, but math in general.

ไม่ใช่แค่คณิตศาสตร์การเงิน แต่เป็นคณิตศาสตร์ในภาพรวม

That its transition

นั่นก็คือ การแปร

from being something that we extract and derive from the world

จากสิ่งที่เรากลั่นกรองและถอดความมาจากสิ่งที่เกิดขึ้นจริงในโลก

to something that actually starts to shape it --

ไปเป็นสิ่งที่ย้อนกลับมามีอิทธิพลกับ

the world around us and the world inside us.

โลกรอบตัวเราและโลกในมโนภาพของเรา

And it's specifically algorithms,

โดยเฉพาะอัลกอริทึม

which are basically the math

ซึ่งโดยพื้นฐานแล้วก็คือคณิตศาสตร์

that computers use to decide stuff.

ที่คอมพิวเตอร์ใช้ในการตัดสินใจ

They acquire the sensibility of truth

อัลกอริทึมเข้าใกล้ความเป็นจริงไปเรื่อยๆ

because they repeat over and over again,

เพราะว่ามันถูกใช้ซ้ำแล้วซ้ำอีก

and they ossify and calcify,

และมันก็เป็นรูปเป็นร่างเหมือนแปรเป็นหินเป็นแคลเซียม

and they become real.

แล้วมันก็กลายเป็นของจริง

And I was thinking about this, of all places,

และผมก็คิดเกี่ยวกับอะไรพวกนี้ทั่วทุกที่ครับ

on a transatlantic flight a couple of years ago,

บนเที่ยวบินข้ามมหาสมุทรแอตแลนติกเมื่อปีสองปีก่อน

because I happened to be seated

เพราะว่าผมได้นั่ง

next to a Hungarian physicist about my age

ถัดจากนักฟิสิกส์ชาวฮังการีที่อายุไล่เลี่ยกับผม

and we were talking

แล้วเราก็คุยกัน

about what life was like during the Cold War

ถึงสภาพชีวิตความเป็นอยู่ในช่วงสงครามเย็น

for physicists in Hungary.

ของนักฟิสิกส์ในฮังการี

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

และผมว่า "งั้น ตอนนั้นคุณทำอะไรครับ?"

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

เขาตอบ "อืม พวกเราเป็นนักทำลายการล่องหน"

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

ผมว่า "เยี่ยมมากเลย น่าสนใจมากครับ

How does that work?"

มันเป็นยังไงครับ?"

And to understand that,

และเพื่อที่จะเข้าใจเรื่องนี้

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

เราต้องเข้าใจสักนิดเสียก่อนว่าการล่องหนมีลักษณะการทำงานอย่างไร

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

ดังนั้น -- อันนี้เป็นแบบย่นย่อให้เข้าใจง่ายๆ นะครับ --

but basically, it's not like

แต่โดยทั่วๆไปแล้วมันไม่ใช่ว่าแค่

you can just pass a radar signal

เราจะฉายสัญญาณเรดาร์

right through 156 tons of steel in the sky.

ตัดผ่านทะลุเข้าไปในเหล็กกล้าหนักร่วม 156 ตันในอากาศ

It's not just going to disappear.

มันคงไม่หายแว่บไปหรอกครับ

But if you can take this big, massive thing,

แต่ถ้าเราเอาเจ้ายักษ์ใหญ่นี่

and you could turn it into

แล้วเปลี่ยนมันให้กลายเป็น

a million little things --

สิ่งละอันพันละน้อยเป็นล้านๆชิ้น

something like a flock of birds --

เหมือนกับฝูงนกงั้นแหละครับ

well then the radar that's looking for that

พอเป็นแบบนั้น เรดาร์ก็ต้องจับให้ได้

has to be able to see

ต้องสามารถจับ

every flock of birds in the sky.

ฝูงนกบนฟ้าทุกฝูง

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

และถ้าเราเป็นเรดาร์ นั่นเป็นงานที่ไม่เข้าท่าเอาเลย

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

แล้วเขาก็ว่า "ใช่ครับ" เขาบอก "แต่นั่นถ้าเราเป็นเรดาร์

So we didn't use a radar;

ดังนั้น พวกผมจึงไม่ใช้เรดาร์

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

พวกผมสร้างกล่องดำที่ทำหน้าที่จับสัญญาณไฟฟ้า

electronic communication.

สัญญาณสื่อสารอิเล็กทรอนิกส์

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

และเมื่อใดก็ตามที่พวกผมเห็นฝูงนกที่มีการสื่อสารด้วยสัญญาณอิเล็กทรอนิกส์

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

พวกผมจะคิดว่า มันมีส่วนเกี่ยวข้องกับพวกอเมริกันแน่ๆ"

And I said, "Yeah.

ผมบอก "ใช่แล้ว

That's good.

เยี่ยมครับ

So you've effectively negated

งั้น พวกคุณก็ได้ล้มล้างงานวิจัยด้านการบิน

60 years of aeronautic research.

ที่มีมายาวนาน 60 ปีได้อย่างมีประสิทธิผล

What's your act two?

แล้วช่วงถัดมาหละครับ?

What do you do when you grow up?"

พวกคุณทำอะไรตอนโต?"

And he said,

เขาตอบ

"Well, financial services."

"อ้อ ทำงานในภาคการเงินครับ"

And I said, "Oh."

ผมว่า "โอ้"

Because those had been in the news lately.

เพราะภาคการเงินมักเป็นข่าวอยู่เมื่อเร็วๆนี้เอง

And I said, "How does that work?"

ผมว่า "แล้วไปไงมาไงหละครับ?"

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

เขาตอบ "มีนักฟิสิกส์กว่า 2,000 คนทำงานที่วอลล์สตรีทในขณะนี้

and I'm one of them."

และผมก็เป็นแค่หนึ่งในนั้นครับ"

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

ผมก็ถามว่า "อะไรเป็นกล่องดำสำหรับวอลล์สตรีทครับ?"

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

เขาตอบ "คุณถามอะไรได้ขำจริงๆครับ

because it's actually called black box trading.

เพราะ เขาเรียกมันว่า "การซื้อขายแบบกล่องดำ (black box trading)"

And it's also sometimes called algo trading,

บางทีก็เรียกว่า "การซื้อขายแบบอัลกอ"

algorithmic trading."

การซื้อขายแบบอัลกอริทึมครับ"

And algorithmic trading evolved in part

การซื้อขายแบบอัลกอริทึมมีส่วนเกี่ยวข้อง

because institutional traders have the same problems

เพราะว่าการซื้อขายของสถาบันต้องเจอกับคำถามแบบเดียว

that the United States Air Force had,

กับที่กองทัพอากาศสหรัฐอเมริกาเจอ

which is that they're moving these positions --

ก็คือ หากเขาเปลี่ยนตำแหน่งหรือจุดยืน

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

ไม่ว่าจะเป็น พรอคเตอร์แอนด์แกมเบิล หรือ แอคเซนเชอร์ อะไรก็ตามแต่

they're moving a million shares of something

พวกเขากำลังเคลื่อนย้ายหุ้นเป็นล้านหุ้น

through the market.

ผ่านระบบตลาด

And if they do that all at once,

และถ้าพวกเขาทำแบบนั้นภายในครั้งเดียว

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

ก็จะเหมือนกับการเล่นไพ่โป๊กเกอร์แบบทุ่มไปเลยหนเดียว

You just tip your hand.

เราก็แค่เปิดไพ่ให้คนอื่นเห็น

And so they have to find a way --

เพราะงั้น พวกเขาจึงต้องค้นหาวิธีการ

and they use algorithms to do this --

และพวกเขาก็ใช้อัลกอริทึม

to break up that big thing

ให้การแยกของชิ้นใหญ่

into a million little transactions.

ให้กลายเป็นรายการย่อยๆนับล้าน

And the magic and the horror of that

ความมหัศจรรย์และความน่าพรั่นสะพรึงก็คือ

is that the same math

คณิตศาสตร์อย่างเดียวกัน

that you use to break up the big thing

ที่เราใช้ในการแยกส่วนของของชิ้นใหญ่

into a million little things

ให้เป็นชิ้นเล็กๆนับล้านชิ้น

can be used to find a million little things

สามารถใช้ในการค้นหาสิ่งเล็กๆนับล้านชิ้น

and sew them back together

แล้วเอามาเย็บติดรวมคืนเข้าด้วยกัน

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

เพื่อค้นหาว่าอะไรกันแน่ที่เกิดขึ้นในระบบตลาดซื้อขาย

So if you need to have some image

ดังนั้น ถ้าเราต้องการจะได้ภาพ

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

ว่าเกิดอะไรขึ้นในตลาดหลักทรัพย์ในขณะนี้

what you can picture is a bunch of algorithms

สิ่งที่เราอาจนึกภาพออกก็คืออัลกอริทึมกลุ่มหนึ่ง

that are basically programmed to hide,

ซึ่งถูกเขียนโปรแกรมซ่อนไว้

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

และก็อัลกอริทึมอีกกลุ่มหนึ่งที่ถูกเขียนโปรแกรมไว้ให้หากลุ่มที่ซ่อนแล้วเริ่มปฏิบัติการ

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

ทั้งหมดนี้ยอดเยี่ยมครับและก็ใช้การได้ดีด้วย

And that's 70 percent

นับแล้วร้อยละ 70

of the United States stock market,

ของตลาดหลักทรัพย์ในสหรัฐอเมริกา

70 percent of the operating system

ร้อยละ 70 ของระบบ

formerly known as your pension,

ที่เป็นที่รู้จักก่อนหน้านี้ในฐานะเงินบำนาญของคุณ

your mortgage.

การจำนองอสังหาริมทรัพย์ของคุณ

And what could go wrong?

แล้วจะเกิดความผิดพลาดอะไรงั้นหรือ?

What could go wrong

ความผิดพลาดที่อาจเกิดขึ้น

is that a year ago,

ก็คือ หนึ่งปีที่ผ่านมา

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

ร้อยละ 9 ของทั้งตลาดหายแว่บไปกับตาภายใน 5 นาที

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

พวกเขาเรียกมันว่า 'เหตุล้มครืน ณ บ่ายสองสี่สิบห้า'

All of a sudden, nine percent just goes away,

ทันทีทันควัน ร้อยละ 9 ของตลาดก็หายวับไป

and nobody to this day

และไม่มีใครเลยจนกระทั่งวันนี้

can even agree on what happened

ที่จะปักใจอธิบายได้ว่าเกิดอะไรขึ้นในวันนั้น

because nobody ordered it, nobody asked for it.

เพราะไม่มีใครสั่งให้มันเกิดขึ้น ไม่มีขอให้มันเกิดขึ้น

Nobody had any control over what was actually happening.

ไม่มีใครมีอำนาจควบคุมในสิ่งที่ได้เกิดขึ้น

All they had

ทั้งหมดที่พวกเขามี

was just a monitor in front of them

ก็แค่จอคอมพิวเตอร์ตรงหน้า

that had the numbers on it

ที่มีแต่ตัวเลขเต็มไปหมด

and just a red button

แล้วก็ปุ่มสีแดง

that said, "Stop."

ที่เขียนว่า "หยุด"

And that's the thing,

นั่นแหละครับคือประเด็นหละ

is that we're writing things,

ก็คือ เราเขียนโปรแกรมนั่นนี่ขึ้นมา

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

เรากำลังเขียนโปรแกรมในสิ่งที่เราไม่สามารถอ่านมันออกอีกต่อไป

And we've rendered something

และเราถอดความบางอย่าง

illegible,

ที่อ่านไม่ออก

and we've lost the sense

และเราสูญเสียสามัญสำนึก

of what's actually happening

ว่ากำลังเกิดอะไรขึ้น

in this world that we've made.

ในโลกที่เราสร้างขึ้นมา

And we're starting to make our way.

และเราเริ่มสร้างหนทางของเราขึ้นมา

There's a company in Boston called Nanex,

มีบริษัทหนึ่งในเมืองบอสตัน ชื่อ นาเน็กซ์ (Nanex)

and they use math and magic

เขาใช้คณิตศาสตร์และมายากล

and I don't know what,

และก็ไม่รู้ว่าใช้อะไรอีก

and they reach into all the market data

พวกเขาเข้าถึงข้อมูลทั้งหมดของตลาด

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

บางครั้ง พวกเขาค้นพบบางส่วนของอัลกอริทึมพวกนี้

And when they find them they pull them out

พอพบมัน พวกเขาก็จัดการดึงมันออกมา

and they pin them to the wall like butterflies.

แล้วก็ปักหมุดตรึงมันไว้กับผนังเหมือนพวกผีเสื้อ

And they do what we've always done

พวกเขาทำในสิ่งที่พวกเรามักทำเสมอ

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

เมื่อเผชิญกับข้อมูลปริมาณมหาศาลที่พวกเราไม่มีความเข้าใจ

which is that they give them a name

นั่นก็คือ การตั้งชื่อให้พวกมัน

and a story.

และสร้างเรื่องราวขึ้นมา

So this is one that they found,

อันนี้เป็นหนึ่งในที่พวกเขาค้นพบ

they called the Knife,

พวกเขาเรียก "มีด (the Knife)"

the Carnival,

"เทศกาลฉลอง (the Carnival)"

the Boston Shuffler,

"ไพ่สับแบบบอสตัน (the Boston Shuffler)"

Twilight.

"แสงอัสดง (Twilight)"

And the gag is

และมุขก็คือว่า

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

แน่ๆ อัลกอริทึมพวกนี้ไม่ได้ทำงานแค่ในตลาดหลักทรัพย์เท่านั้น

You can find these kinds of things wherever you look,

เราอาจไปเจอมันที่ไหนก็ได้ถ้าเรามองหา

once you learn how to look for them.

พอเราเรียนรู้ที่จะมองหามันเป็น

You can find it here: this book about flies

คุณอาจเจอมันในนี้ ในหนังสือเล่มนี้ซึ่งเกี่ยวกับแมลง

that you may have been looking at on Amazon.

ที่คุณอาจจะมองหาจากร้านหนังสืออะเมซอน (Amazon)

You may have noticed it

คุณอาจสังเกตเห็นนะครับ

when its price started at 1.7 million dollars.

ว่าเมื่อราคาหนังสือไปอยู่ที่เล่มละ 1.7 ล้านดอลลาร์

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

หนังสือก็ยังขาดตลาดอยู่ดังเดิม

(Laughter)

(เสียงหัวเราะ)

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

ถ้าคุณซื้อมันมาในราคานั้น ถือได้ว่าคุณได้มันมาในราคาลด

A few hours later, it had gone up

สองสามชั่วโมงต่อมา ราคาพุ่งขึ้นไป

to 23.6 million dollars,

เป็น 23.6 ล้านดอลลาร์

plus shipping and handling.

บวกค่าจัดส่ง

And the question is:

และคำถามก็คือ:

Nobody was buying or selling anything; what was happening?

ไม่มีใครกำลังจะซื้อหรือขายอะไรทั้งสิ้น เกิดอะไรขึ้นกันแน่ครับ?

And you see this behavior on Amazon

และคุณเห็นพฤติกรรมแบบนี้ในร้านหนังสืออะเมซอน

as surely as you see it on Wall Street.

แน่นอนเช่นเดียวกันกับที่คุณเห็นในวอลล์สตรีท

And when you see this kind of behavior,

และเมื่อคุณเห็นพฤติกรรมประเภทนี้

what you see is the evidence

สิ่งที่คุณเห็นก็คือหลักฐานว่า

of algorithms in conflict,

อัลกอริทึมทำงานขัดแย้งกัน

algorithms locked in loops with each other,

อัลกอริทึมถูกดึงให้มาทำงานด้วยกันเป็นวงวน

without any human oversight,

โดยไม่มีใครมาคอยดู

without any adult supervision

ไม่มีผู้ใหญ่มาคอยกำกับดูแล

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

ที่จะบอกว่า "เฮ้ 1.7 ล้านดอลลาร์นี่มันเยอะอยู่นะ"

(Laughter)

(เสียงหัวเราะ)

And as with Amazon, so it is with Netflix.

และก็เหมือนกับกรณีร้านหนังสืออะเมซอน กรณีของร้านเช่าวิดีโอเน็ตฟลิคซ์ (Netflix) ก็เช่นกัน

And so Netflix has gone through

ดังนั้น เน็ตฟลิคซ์จึงต้องเปลี่ยน

several different algorithms over the years.

อัลกอริทึมหลายแบบมากตลอดหลายปีที่ผ่านมา

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

พวกเขาเริ่มต้นด้วย ซินเนแมตช์ (Cinematch) และก็ลองใช้อย่างอื่นอีกเป็นตั้ง

there's Dinosaur Planet; there's Gravity.

มี 'โลกไดโนเสาร์ (Dinosaur Planet)', 'แรงดึงดูด (Gravity)'

They're using Pragmatic Chaos now.

ตอนนี้ พวกเขาใช้ 'ความยุ่งเหยิงเชิงปฏิบัติ (Pragmatic Chaos)'

Pragmatic Chaos is, like all of Netflix algorithms,

'ความยุ่งเหยิงเชิงปฏิบัติ' นี้ก็เหมือนกับอัลกอริทึมของเน็ตฟริคซ์อื่นๆ

trying to do the same thing.

ที่พยายามทำในสิ่งเดิม

It's trying to get a grasp on you,

มันพยายามที่จะควบคุมคุณไว้

on the firmware inside the human skull,

ควบคุมโปรแกรมที่อยู่ในกระโหลกของมนุษย์

so that it can recommend what movie

เพื่อที่มันจะสามารถแนะนำหนัง

you might want to watch next --

เรื่องต่อไปที่คุณอาจจะอยากดู

which is a very, very difficult problem.

ซึ่งเป็นปัญหาที่ยากมากเหลือเกินครับ

But the difficulty of the problem

แต่ความยากของปัญหานี้

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

และความจริงที่ว่า เราเองก็ไม่ค่อยจะรู้หรอกว่าอยากดูอะไรจริงๆ

it doesn't take away

มันไม่ได้ทำให้ผลกระทบ

from the effects Pragmatic Chaos has.

จากอัลกอริทึมความยุ่งเหยิงเชิงปฏิบัติหายไปไหนเลย

Pragmatic Chaos, like all Netflix algorithms,

'ความยุ่งเหยิงเชิงปฏิบัติ' ก็เหมือนกับอัลกอริทึมของเน็ตฟลิคซ์อื่นๆ

determines, in the end,

ที่ในตอนท้ายสุดเป็นตัวบ่งว่า

60 percent

ร้อยละ 60

of what movies end up being rented.

ของหนังที่ถูกเช่าไปคืออะไร

So one piece of code

โปรแกรมคอมพิวเตอร์ชิ้นหนึ่ง

with one idea about you

กับไอเดียเกี่ยวกับคุณเพียงข้อเดียว

is responsible for 60 percent of those movies.

ที่มีส่วนรับผิดชอบถึงร้อยละ 60 ของหนังที่ถูกเช่าไป

But what if you could rate those movies

แต่ว่าถ้าคุณสามารถให้คะแนนหนังพวกนั้นได้ล่ะ

before they get made?

ก่อนที่เขาจะสร้างหนังนะครับ?

Wouldn't that be handy?

มันจะไม่ช่วยมากกว่าอีกหรือ?

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

อืม มีนักวิทยาศาสตร์ด้านข้อมูลสองสามคนจากอังกฤษที่อยู่ในฮอลลีวูดตอนนี้

and they have "story algorithms" --

พวกเขามีอัลกอริทึมบทหนังครับ

a company called Epagogix.

บริษัทนี้ชื่อ เอพากอกิคซ์ (Epagogix)

And you can run your script through there,

และคุณสามารถส่งบทหนังไปให้พวกเขาใช้อัลกอริทึมเช็คดู

and they can tell you, quantifiably,

เขาจะบอกคุณได้เป็นปริมาณ

that that's a 30 million dollar movie

ว่านั่นเป็นหนังงบสร้าง 30 ล้านดอลลาร์

or a 200 million dollar movie.

หรือว่าหนังงบสร้าง 200 ล้านดอลลาร์

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

และแง่มุมของมันก็คือมันไม่ใช่กูเกิ้ล

This isn't information.

มันไม่ใช่ข้อมูล

These aren't financial stats; this is culture.

มันไม่ใช่สถิติทางการเงิน แต่มันเป็นวัฒนธรรม

And what you see here,

สิ่งที่คุณเห็นที่นี่

or what you don't really see normally,

หรือที่คุณไม่อาจเห็นได้ในแบบทั่วไป

is that these are the physics of culture.

ก็คือ มีฟิสิกส์ของวัฒนธรรม

And if these algorithms,

และถ้าอัลกอริทึมพวกนี้

like the algorithms on Wall Street,

เช่นเดียวกับอัลกอริทึมในวอลล์สตรีท

just crashed one day and went awry,

พังครืนลงมาวันใดวันหนึ่งแล้วก็ทำงานผิดเพี้ยน

how would we know?

เราจะรู้ได้อย่างไร?

What would it look like?

มันจะมีลักษณะยังไง?

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

และมันอยู่ในบ้านของคุณอีกด้วย อยู่ในบ้านของคุณครับ

These are two algorithms competing for your living room.

มีอัลกอริทึมสองตัวที่แข่งกันอยู่ในห้องนั่งเล่นของคุณ

These are two different cleaning robots

มีหุ่นยนต์ทำความสะอาดที่แตกต่างกันสองตัว

that have very different ideas about what clean means.

ที่มีแนวคิดแตกต่างกันมากในการตีความหมายของคำว่า สะอาด

And you can see it

และคุณพบว่า

if you slow it down and attach lights to them,

ถ้าคุณปรับมันทำงานช้าลงและติดไฟเข้าไป

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

มันจะคล้ายกับสถาปนิกลับในห้องนอนของคุณ

And the idea that architecture itself

และแนวคิดเกี่ยวกับสถาปัตยกรรมในตัวมันเอง

is somehow subject to algorithmic optimization

บางขณะก็ขึ้นอยู่กับการหาค่าที่เหมาะที่สุดของอัลกอริทึม

is not far-fetched.

ที่ดูแล้วมีความเป็นไปได้

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

มันเป็นของจริงแท้ที่เกิดขึ้นรอบตัวคุณ

You feel it most

คุณรู้สึกถึงมันได้มากที่สุด

when you're in a sealed metal box,

เมื่อคุณอยู่ในกล่องเหล็กที่ปิดผนึก

a new-style elevator;

ลิฟต์แบบใหม่ครับ

they're called destination-control elevators.

เรียกว่า ลิฟต์แบบควบคุมจุดหมายปลายทาง

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

มีแบบที่คุณเลือกกดปุ่มชั้นที่คุณต้องการจะให้มันหยุด

before you get in the elevator.

ก่อนที่คุณจะเข้าไปในลิฟต์

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

มันใช้สิ่งที่เรียนกว่า อัลกอริทึมแบบบรรจุถัง (bin packing algorithm)

So none of this mishegas

ดังนั้นจะไม่มีทางเลย

of letting everybody go into whatever car they want.

ที่จะปล่อยให้ต่างคนต่างใช้ลิฟต์ตัวที่ตนต้องการ

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

ใครที่อยากไปชั้น 10 ต้องไปใช้ลิฟต์ตัวที่ 2

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

และใครอยากไปชั้น 3 ต้องไปกับลิฟต์ตัวที่ 5

And the problem with that

ปัญหาก็คือ

is that people freak out.

มันสร้างความสะพรึงกลัวแก่ผู้คน

People panic.

ผู้คนตื่นตระหนก

And you see why. You see why.

และคุณก็รู้ว่าทำไม คุณรู้

It's because the elevator

ก็เพราะว่าลิฟต์

is missing some important instrumentation, like the buttons.

ไม่มีเครื่องมือที่สำคัญ อย่างเช่น ปุ่ม ไงหละครับ

(Laughter)

(เสียงหัวเราะ)

Like the things that people use.

เหมือนอะไรๆที่ผู้คนคุ้นเคยในการใช้

All it has

แต่สิ่งที่มันมี

is just the number that moves up or down

ก็แค่ตัวเลขที่วิ่งขึ้นลง

and that red button that says, "Stop."

และปุ่มสีแดงที่เขียนว่า "หยุด"

And this is what we're designing for.

และนี่เป็นสิ่งที่เรากำลังออกแบบสร้าง

We're designing

เรากำลังออกแบบ

for this machine dialect.

ภาษาเฉพาะให้แก่กลไกพวกนี้

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

เราจะพัฒนามันไปถึงแค่ไหนกัน จะพัฒนาไปได้อีกมากเท่าไหร่กันครับ

You can take it really, really far.

เราสามารถพัฒนามันไปได้อีกไกลมากๆ ครับ

So let me take it back to Wall Street.

ดังนั้น ขอผมย้อนกลับไปที่วอลล์สตรีท

Because the algorithms of Wall Street

เนื่องจากอัลกอริทึมของวอลล์สตรีท

are dependent on one quality above all else,

ขึ้นอยู่กับคุณลักษณะหนึ่งเป็นพิเศษ

which is speed.

นั่นก็คือ ความเร็ว

And they operate on milliseconds and microseconds.

มันทำงานในเศษเสี้ยววินาที แค่เสี้ยวหนึ่งในล้านวินาทีครับ

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

และเพื่อให้คุณรู้ว่าเสี้ยวหนึ่งในล้านวินาที (ไมโครวินาที) เร็วแค่ไหน

it takes you 500,000 microseconds

คุณใช้เวลา 500,000 ไมโครวินาที

just to click a mouse.

ในการคลิ๊กเมาส์

But if you're a Wall Street algorithm

แต่ถ้าคุณเป็นอัลกอริทึมของวอลล์สตรีทละก็

and you're five microseconds behind,

คุณช้าไปแล้ว 5 ไมโครวินาทีครับ

you're a loser.

คุณแพ้ราบคาบ

So if you were an algorithm,

ดังนั้นถ้าคุณเป็นอัลกอริทึม

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

คุณก็จะค้นหาสถาปนิกแบบคนที่ผมไปพบที่เมืองแฟรงค์เฟิร์ต

who was hollowing out a skyscraper --

เป็นคนที่ออกแบบให้ตึกระฟ้ามีโพรงครับ

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

โยนเฟอร์นิเจอร์และโครงสร้างพื้นฐานที่มนุษย์ใช้ออกไปให้หมด

and just running steel on the floors

แล้วก็ก่อเหล็กขึ้นมาในแต่ละชั้น

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

เพื่อให้พร้อมสำหรับการใส่อุปกรณ์คอมพิวเตอร์เซิร์ฟเวอร์เข้าไป

all so an algorithm

เพื่อให้อัลกอริทึม

could get close to the Internet.

สามารถอยู่ใกล้กับอินเตอร์เน็ต

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

แล้วเราก็คิดเสียว่าอินเตอร์เน็ตเป็นระบบแพร่กระจายประเภทหนึ่ง

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

และมันก็เป็นแบบนั้นจริงๆ แต่ว่ามันกระจายจากที่หนึ่งไปที่หนึ่ง

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

ในนครนิวยอร์ก นี่คือจุดศูนย์กลางของการแพร่กระจาย

the Carrier Hotel

โรงแรมแคร์ริเออร์ (Carrier Hotel)

located on Hudson Street.

ตั้งอยู่บนถนนฮัดสัน (Hudson)

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

และนี่เป็นสถานที่ซึ่งส่งกระจายสายเชื่อมสู่เมือง

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

ความจริงก็คือ ยิ่งเราอยู่ไกลจากโรงแรมนี้ไปเท่าไหร่

you're a few microseconds behind every time.

เราก็จะทำอะไรช้าไป 2-3 ไมโครวินาที ทุกๆครั้ง

These guys down on Wall Street,

พวกที่อยู่บนวอลล์สตรีท

Marco Polo and Cherokee Nation,

มาร์โค โปโล (Marco Polo) และ เชอโรกีเนชั่น (Cherokee Nation)

they're eight microseconds

พวกเขาทำอะไรช้าไป 8 ไมโครวินาที

behind all these guys

กว่าพวกที่

going into the empty buildings being hollowed out

จะเข้าไปอยู่ในตึกเปล่าที่ถูกเจาะโพรงไว้

up around the Carrier Hotel.

รอบๆ โรงแรมแคร์ริเออร์

And that's going to keep happening.

และมันก็จะเกิดแบบนี้ไปเรื่อยๆ

We're going to keep hollowing them out,

เราก็จะเจาะตึกเป็นโพรง

because you, inch for inch

เพราะคุณ นิ้วต่อนิ้ว

and pound for pound and dollar for dollar,

ปอนด์ต่อปอนด์ ดอลลาร์ต่อดอลลาร์

none of you could squeeze revenue out of that space

ไม่มีใครคนใดเลยที่จะสามารถดึงเม็ดเงินออกมาจากที่นั่นได้

like the Boston Shuffler could.

เหมือนที่อัลกอริทึม 'ไพ่สับแบบบอสตัน" ทำได้

But if you zoom out,

แต่ถ้าคุณขยับออกมาดู

if you zoom out,

ถ้าคุณย่อภาพลง

you would see an 825-mile trench

คุณจะเห็นสนามเพลาะยาว 825 ไมล์

between New York City and Chicago

ระหว่างนครนิวยอร์กกับชิคาโก

that's been built over the last few years

ที่ถูกสร้างขึ้นมาในช่วง 2-3 ปีที่ผ่านมา

by a company called Spread Networks.

โดยบริษัทสะเปรดเน็ตเวิร์คส์ (Spread Networks)

This is a fiber optic cable

อันนี้ สายใยแก้วนำแสง

that was laid between those two cities

ที่ใช้ฝังเดินสายไว้ระหว่างสองเมืองนี้

to just be able to traffic one signal

เพื่อที่จะส่งสัญญาณ

37 times faster than you can click a mouse --

ให้เร็วกว่าเมื่อคุณคลิ๊กเม้าส์ไป 37 เท่า

just for these algorithms,

เพื่ออัลกอริทึมพวกนี้

just for the Carnival and the Knife.

เพื่ออัลกอริทึม "เทศกาลฉลอง" กับ "มีด"

And when you think about this,

ลองคิดดูนะครับ

that we're running through the United States

ว่าเราเจาะระเบิดผืนดินสหรัฐอเมริกา

with dynamite and rock saws

ด้วยระเบิดไดนาไมท์และเลื่อยตัดหิน

so that an algorithm can close the deal

เพื่อให้อัลกอริทึมสามารถปิดการซื้อขาย

three microseconds faster,

ได้เร็วขึ้นอีก 3 ไมโครวินาที

all for a communications framework

ทั้งหมดนี้ก็เพื่อกรอบแนวคิดด้านการสื่อสาร

that no human will ever know,

ที่ไม่มีมนุษย์คนไหนจะได้รู้จักหรือใช้งาน

that's a kind of manifest destiny;

นี่เป็นชะตากรรมที่ปรากฏชัดอันหนึ่ง

and we'll always look for a new frontier.

และก็จะขยายพรมแดนความรู้ใหม่ๆ เสมอ

Unfortunately, we have our work cut out for us.

โชคร้ายก็คือ เรามีงานที่ถูกคัดสรรไว้ให้แล้ว

This is just theoretical.

นี่เป็นแค่ทฤษฎีครับ

This is some mathematicians at MIT.

นี่ก็แค่นักคณิตศาสตร์ที่สถาบันเทคโนโลยีแมสซาชูเสตต์ (MIT)

And the truth is I don't really understand

ความจริงก็คือ จริงๆแล้ว ผมไม่เข้าใจ

a lot of what they're talking about.

หลายสิ่งหลายอย่างที่พวกเขาพูดกัน

It involves light cones and quantum entanglement,

มันเกี่ยวข้องกับกรวยแสงและความทับซ้อนเชิงควอนตัม

and I don't really understand any of that.

ผมไม่เข้าใจอะไรพวกนี้เอาเสียเลย

But I can read this map,

แต่ผมอ่านแผนที่นี้ได้

and what this map says

แผนที่นี้บอกว่า

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

ถ้าเราพยายามที่จะทำเงินในตลาดหลักทรัพย์ที่มีจุดสีแดงนี้

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

ตรงนั้นเป็นตำแหน่งที่มีผู้คนอาศัย เป็นตำแหน่งที่มีเมือง

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

เราจะต้องไปติดตั้งอุปกรณ์คอมพิวเตอร์เซิร์ฟเวอร์ตรงจุดสีน้ำเงินพวกนี้

to do that most effectively.

เพื่อที่จะทำให้ได้ประสิทธิภาพสูงที่สุด

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

และสิ่งที่คุณอาจสังเกตออกเกี่ยวกับจุดสีน้ำเงินพวกนี้

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

ก็คือ จำนวนมากเลยที่อยู่กลางมหาสมุทร

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

ดังนั้นสิ่งที่เราจะทำก็คือ เราจะสร้างฟองอากาศหรืออะไรแบบนั้น

or platforms.

หรือไม่ก็ แท่นปฏิบัติการ

We'll actually part the water

จริงๆแล้ว เราจะแยกน้ำ

to pull money out of the air,

เพื่อดึงเงินออกมาจากอากาศ

because it's a bright future

เพราะว่ามันเป็นอนาคตอันสดใส

if you're an algorithm.

ถ้าคุณคืออัลกอริทึม

(Laughter)

(เสียงหัวเราะ)

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

และจริงๆแล้ว ก็ไม่ใช่เงินที่น่าสนใจ

It's what the money motivates,

มันเป็นสิ่งที่ได้รับการกระตุ้นด้วยเงิน

that we're actually terraforming

จริงๆแล้ว เรากำลังแปลงรูปผืนแผ่นดิน

the Earth itself

ให้กับโลกของเรา

with this kind of algorithmic efficiency.

ด้วยประสิทธิภาพเชิงอัลกอริทึมชนิดดังกล่าว

And in that light,

และในประเด็นนี้

you go back

เราต้องย้อนกลับ

and you look at Michael Najjar's photographs,

ไปดูภาพถ่ายของไมเคิล นัจจาร์

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

แล้วคุณก็จะพบว่า มันไม่ใช่การอุปมาเปรียบเทียบ แต่มันเป็นการชี้ชะตา

They're prophecy

มันเป็นการชี้ชะตา

for the kind of seismic, terrestrial effects

ของผลกระทบต่อการไหวสะเทือนของผืนแผ่นดินโลก

of the math that we're making.

ที่จะมาจากคณิตศาสตร์ที่เราสรรสร้างขึ้น

And the landscape was always made

ภูมิทัศน์มักจะถูกสร้าง

by this sort of weird, uneasy collaboration

จากการประสานร่วมแรงแบบอึดอัดพิลึกพิลั่นแบบนี้

between nature and man.

ระหว่างธรรมชาติกับมนุษย์อยู่เสมอ

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

แต่ตอนนี้ มีแรงขับเคลื่อนทางวิวัฒนาการร่วมอย่างที่สาม ก็ อัลกอริทึมไงล่ะครับ

the Boston Shuffler, the Carnival.

อัลกอริทึม "ไพ่สับแบบบอสตัน", "เทศกาลฉลอง"

And we will have to understand those as nature,

และเราจะต้องทำความเข้าใจกับสิ่งพวกนี้ว่าเป็นธรรมชาติแบบหนึ่ง

and in a way, they are.

ในทางหนึ่ง พวกมันก็ใช่อย่างนั้นจริงๆ

Thank you.

ขอบคุณครับ

(Applause)

(เสียงปรบมือ)