TEDGlobal 2011
Kevin Slavin: How algorithms shape our world
Kevin Slavin : Các thuật toán hình thành thế giới của chúng ta như thế nào
Filmed:
Readability: 3.5
4,199,898 views
Kevin Slavin lập luận rằng chúng ta đang sống trong 1 thế giới được thiết kế cho các thuật toán và ngày càng được kiểm soát bởi toán học. Trong buổi nói chuyện đầy lý thú này từ TEDGlobal, ông chỉ ra cách mà các chương trình máy tính phức tạp có thể xác định các chiến lược tình báo, giá cổ phiếu, các kịch bản phim và kiến trúc.Hơn thế nữa ông cũng muốn cảnh báo rằng chúng ta đang viết các dòng mã mà chúng ta không hiểu, cùng với những hệ lụy mà chúng ta không thể kiểm soát.
Kevin Slavin - Algoworld expert
Kevin Slavin navigates in the algoworld, the expanding space in our lives that’s determined and run by algorithms. Full bio
Kevin Slavin navigates in the algoworld, the expanding space in our lives that’s determined and run by algorithms. Full bio
Double-click the English transcript below to play the video.
00:15
This is a photograph
0
0
2000
Đây là một bức ảnh
00:17
by the artist Michael Najjar,
1
2000
2000
được chụp bởi họa sĩ Michael Najar,
00:19
and it's real,
2
4000
2000
và nó thực sự có thật,
00:21
in the sense that he went there to Argentina
3
6000
2000
theo đúng nghĩa nào đó khi anh ta tới Argentina
00:23
to take the photo.
4
8000
2000
để chụp bức ảnh.
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
10000
3000
Nhưng nó cũng là 1 sự hư cấu. Đã có rất nhiều hành động đi sâu vào tìm hiểu
00:28
And what he's done
6
13000
2000
Và những gì người nghệ sĩ đó đã làm được
00:30
is he's actually reshaped, digitally,
7
15000
2000
là anh ta đã thực sự thiết kế lại, số liệu hóa
00:32
all of the contours of the mountains
8
17000
2000
từng đường nét của những ngọn núi
00:34
to follow the vicissitudes of the Dow Jones index.
9
19000
3000
dựa theo sự bất ổn lên xuống của chỉ số chứng khoán Dow Jones.
00:37
So what you see,
10
22000
2000
Như vậy những gì các bạn đang thấy
00:39
that precipice, that high precipice with the valley,
11
24000
2000
hình ảnh những vách núi đá cao cùng với thung lũng này
00:41
is the 2008 financial crisis.
12
26000
2000
chính là hình ảnh của nền khủng hoảng kinh tế năm 2008.
00:43
The photo was made
13
28000
2000
Bức ảnh này được chụp
00:45
when we were deep in the valley over there.
14
30000
2000
khi chúng ta đang chìm trong chính cái thung lũng này.
00:47
I don't know where we are now.
15
32000
2000
Tôi không rõ chúng ta hiện tại đang đứng ở đâu.
00:49
This is the Hang Seng index
16
34000
2000
Bức ảnh này tượng trưng cho chỉ số chứng khoán Hang Seng
00:51
for Hong Kong.
17
36000
2000
ở Hồng Kông.
00:53
And similar topography.
18
38000
2000
và cũng với một địa hình tương tự.
00:55
I wonder why.
19
40000
2000
Tôi phân vân không biết vì sao.
00:57
And this is art. This is metaphor.
20
42000
3000
Đây là nghệ thuật . Đây là một sự ẩn dụ.
01:00
But I think the point is
21
45000
2000
Nhưng tôi nghĩ vấn đề là
01:02
that this is metaphor with teeth,
22
47000
2000
đây là phép ẩn dụ thực sự hiệu quả.
01:04
and it's with those teeth that I want to propose today
23
49000
3000
Và cùng với những ảnh hưởng này điều tôi muốn nói đến ngày hôm nay
01:07
that we rethink a little bit
24
52000
2000
là chúng ta nên nhìn lại một chút
01:09
about the role of contemporary math --
25
54000
3000
về vai trò của nền Toán học đương đại
01:12
not just financial math, but math in general.
26
57000
3000
không chỉ là toán kinh tế nói riêng, mà là toán học nói chung.
01:15
That its transition
27
60000
2000
Rằng thời kỳ chuyển tiếp của nó
01:17
from being something that we extract and derive from the world
28
62000
3000
từ một thứ mà con người tách ra và tìm thấy căn nguyên từ vạn vật
01:20
to something that actually starts to shape it --
29
65000
3000
trở thành một thứ bắt đầu có hình dạng --
01:23
the world around us and the world inside us.
30
68000
3000
thế giới quanh ta và bên trong ta.
01:26
And it's specifically algorithms,
31
71000
2000
Và các thuật toán đặc trưng
01:28
which are basically the math
32
73000
2000
mà căn bản là phép toán
01:30
that computers use to decide stuff.
33
75000
3000
mà các máy tính sử dụng để quyết định các thứ.
01:33
They acquire the sensibility of truth
34
78000
2000
Chúng yêu cầu sự nhạy bén thực sự,
01:35
because they repeat over and over again,
35
80000
2000
bởi vì chúng được lặp đi lặp lại.
01:37
and they ossify and calcify,
36
82000
3000
Chúng trở nên cứng nhắc và hóa vôi,
01:40
and they become real.
37
85000
2000
và chúng trở thành thật.
01:42
And I was thinking about this, of all places,
38
87000
3000
Và tôi đã nghĩ về điều này, ở mọi chỗ,
01:45
on a transatlantic flight a couple of years ago,
39
90000
3000
ở trên một chuyến bay vượt Đại Tây Dương vài năm về trước,
01:48
because I happened to be seated
40
93000
2000
vì tôi tình cờ ngồi
01:50
next to a Hungarian physicist about my age
41
95000
2000
cạnh một nhà vật lý học người Hungari khoảng bằng tuổi tôi
01:52
and we were talking
42
97000
2000
và chúng tôi đã nói chuyện
01:54
about what life was like during the Cold War
43
99000
2000
về cuộc sống của các nhà vật lý Hungary
01:56
for physicists in Hungary.
44
101000
2000
trong thời chiến tranh lạnh.
01:58
And I said, "So what were you doing?"
45
103000
2000
Và tôi nói, "Vậy các anh đã làm gì?"
02:00
And he said, "Well we were mostly breaking stealth."
46
105000
2000
Và anh ta nói, "Ừ thì chúng tôi đã hầu như vô hiệu hóa máy bay tàng hình."
02:02
And I said, "That's a good job. That's interesting.
47
107000
2000
Và tôi nói, "Đó là một công việc tốt đấy. Thú vị thật.
02:04
How does that work?"
48
109000
2000
Thế nó hoạt động như thế nào?"
02:06
And to understand that,
49
111000
2000
Và để hiểu vấn đề này,
02:08
you have to understand a little bit about how stealth works.
50
113000
3000
bạn cần phải hiểu một chút về cách thức hoạt động của máy bay tàng hình.
02:11
And so -- this is an over-simplification --
51
116000
3000
Và vì thế -- đây là một sự tối giản qua mức --
02:14
but basically, it's not like
52
119000
2000
nhưng căn bản, nó không phải như là
02:16
you can just pass a radar signal
53
121000
2000
bạn có thể phát một tín hiệu radar
02:18
right through 156 tons of steel in the sky.
54
123000
3000
xuyên qua khối sắt 156 tấn trên trời.
02:21
It's not just going to disappear.
55
126000
3000
Nó sẽ không biến mất.
02:24
But if you can take this big, massive thing,
56
129000
3000
Nhưng nếu bạn có thể chọn thứ to lớn dường đó,
02:27
and you could turn it into
57
132000
3000
và có thể biến nó thành
02:30
a million little things --
58
135000
2000
hàng triệu thứ nhỏ xíu --
02:32
something like a flock of birds --
59
137000
2000
thứ gì đó như một đàn chim --
02:34
well then the radar that's looking for that
60
139000
2000
vậy và khi radar dò nó
02:36
has to be able to see
61
141000
2000
có thể nhìn thấy
02:38
every flock of birds in the sky.
62
143000
2000
mọi đàn chim trên trời.
02:40
And if you're a radar, that's a really bad job.
63
145000
4000
Và nếu bạn là một cái radar, thì đó là một việc tồi tệ
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
149000
3000
Và anh ta nói, "À. Nhưng đó là nếu anh là một chiếc radar.
02:47
So we didn't use a radar;
65
152000
2000
Vậy chúng tôi không dùng radar.
02:49
we built a black box that was looking for electrical signals,
66
154000
3000
chúng tôi tạo một chiêc hộp đen dò các tín hiệu điện,
02:52
electronic communication.
67
157000
3000
truyền tin điện tử.
02:55
And whenever we saw a flock of birds that had electronic communication,
68
160000
3000
Và bất kỳ khi nào chúng tôi nhìn thấy một đàn chim có thiết bị điện tín,
02:58
we thought, 'Probably has something to do with the Americans.'"
69
163000
3000
chúng tôi nghĩ nó có liên quan tới người Mỹ."
03:01
And I said, "Yeah.
70
166000
2000
Và tôi nói, "Ừ.
03:03
That's good.
71
168000
2000
Hay đấy.
03:05
So you've effectively negated
72
170000
2000
Vậy các anh đã phủ nhận hoàn toàn
03:07
60 years of aeronautic research.
73
172000
2000
60 năm nghiên cứu hàng không.
03:09
What's your act two?
74
174000
2000
Hành động tiếp theo của các anh là gì?
03:11
What do you do when you grow up?"
75
176000
2000
Các anh làm gì khi trưởng thành?"
03:13
And he said,
76
178000
2000
Và anh ta nói,
03:15
"Well, financial services."
77
180000
2000
"À thì, các dịch vụ kinh tế."
03:17
And I said, "Oh."
78
182000
2000
Và tôi nói, "Ồ."
03:19
Because those had been in the news lately.
79
184000
3000
Bởi vì các dịch vụ này đã xuất hiện trong các bản tin gần đây.
03:22
And I said, "How does that work?"
80
187000
2000
Và tôi nói, "Thế nó hoạt động như thế nào?"
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
189000
2000
Và anh ta nói, "À thì đang có khoảng 2,000 nhà vật lý ở Wall Street,
03:26
and I'm one of them."
82
191000
2000
và tôi là một trong số đó."
03:28
And I said, "What's the black box for Wall Street?"
83
193000
3000
Và tôi nói, "Thế chiếc hộp đen của Wall Street là gì vậy?"
03:31
And he said, "It's funny you ask that,
84
196000
2000
Và anh ta nói, "Thật buồn cười khi anh hỏi thế,
03:33
because it's actually called black box trading.
85
198000
3000
vì thực sự nó được gọi là "Thương mại hộp đen" - Black Box Trading.
03:36
And it's also sometimes called algo trading,
86
201000
2000
Đôi khi được gọi là Algo Trading --
03:38
algorithmic trading."
87
203000
3000
Thương mại thuật toán."
03:41
And algorithmic trading evolved in part
88
206000
3000
Và thương mại thuật toán đã phần nào tiến hóa
03:44
because institutional traders have the same problems
89
209000
3000
vì các nhà buôn thuộc các tổ chức có chung vấn đề
03:47
that the United States Air Force had,
90
212000
3000
mà Không quân Hoa Kỳ gặp phải,
03:50
which is that they're moving these positions --
91
215000
3000
đó là họ chuyển những vị trí này --
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
218000
2000
dù là Proctor & Gamble hay là Accenture, gì cũng được --
03:55
they're moving a million shares of something
93
220000
2000
họ đang chuyển hàng triệu cổ phiếu của thứ gì đó
03:57
through the market.
94
222000
2000
quanh thị trường.
03:59
And if they do that all at once,
95
224000
2000
Và nếu họ đồng loạt làm như vậy,
04:01
it's like playing poker and going all in right away.
96
226000
2000
nó như là chơi poker và cược tất cả ngay lập tức.
04:03
You just tip your hand.
97
228000
2000
Bạn chỉ cần lật tay.
04:05
And so they have to find a way --
98
230000
2000
Vậy họ phải tìm một cách --
04:07
and they use algorithms to do this --
99
232000
2000
và họ dùng các thuật toán để làm điều này --
04:09
to break up that big thing
100
234000
2000
phá vỡ thứ to lớn đó
04:11
into a million little transactions.
101
236000
2000
thành một triệu giao dịch nhỏ.
04:13
And the magic and the horror of that
102
238000
2000
Và phần kỳ diệu và đáng sợ là
04:15
is that the same math
103
240000
2000
đó là chính phép toán
04:17
that you use to break up the big thing
104
242000
2000
được dùng để chia nhỏ những thứ to lớn
04:19
into a million little things
105
244000
2000
thành hàng triệu thứ nhỏ hơn
04:21
can be used to find a million little things
106
246000
2000
cũng có thể dùng để tìm hàng triệu thứ nhỏ
04:23
and sew them back together
107
248000
2000
rồi vá chúng lại với nhau
04:25
and figure out what's actually happening in the market.
108
250000
2000
và tìm hiểu xem điều gì đang thực sự xảy ra trên thị trường.
04:27
So if you need to have some image
109
252000
2000
Vậy nếu các bạn cần có hình dung
04:29
of what's happening in the stock market right now,
110
254000
3000
về điều đang xảy ra trên thị trường cổ phiếu ngay lúc này,
04:32
what you can picture is a bunch of algorithms
111
257000
2000
điều các bạn có thể hình dung là một mớ các thuật toán
04:34
that are basically programmed to hide,
112
259000
3000
được lập trình để che giấu,
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
262000
3000
và một mớ các thuật toán khác được lập trình để tìm kiếm chúng và hành động.
04:40
And all of that's great, and it's fine.
114
265000
3000
Và tất cả đều vận hành trơn tru.
04:43
And that's 70 percent
115
268000
2000
Và đó là 70%
04:45
of the United States stock market,
116
270000
2000
của thị trường chứng khoán Mỹ,
04:47
70 percent of the operating system
117
272000
2000
70% của hệ thống vận hành
04:49
formerly known as your pension,
118
274000
3000
trước đó được biết đến như tiền trợ cấp của các bạn,
04:52
your mortgage.
119
277000
3000
tiền cầm cố của các bạn.
04:55
And what could go wrong?
120
280000
2000
Và điều tồi tệ nào có thể xảy ra chứ?
04:57
What could go wrong
121
282000
2000
Điều tồi tệ đó là
04:59
is that a year ago,
122
284000
2000
một năm trước,
05:01
nine percent of the entire market just disappears in five minutes,
123
286000
3000
chín phần trăm của toàn bộ thị trường biến mất trong năm phút,
05:04
and they called it the Flash Crash of 2:45.
124
289000
3000
và người ta gọi đó là Flash Crash of 2:45 - Sự sụp đổ chớp nhoáng lúc 2h45.
05:07
All of a sudden, nine percent just goes away,
125
292000
3000
Đột nhiên, 9% biến mất,
05:10
and nobody to this day
126
295000
2000
và tới ngày nay chưa một ai
05:12
can even agree on what happened
127
297000
2000
nhất trí về việc đã xảy ra,
05:14
because nobody ordered it, nobody asked for it.
128
299000
3000
bởi vì không ai đặt trước, không ai yêu cầu nó xảy ra.
05:17
Nobody had any control over what was actually happening.
129
302000
3000
Không ai kiểm soát được điều đã xảy ra.
05:20
All they had
130
305000
2000
Tất cả những gì họ đã có
05:22
was just a monitor in front of them
131
307000
2000
chỉ là một màn hình trước mặt họ
05:24
that had the numbers on it
132
309000
2000
có các con số trên đó
05:26
and just a red button
133
311000
2000
và chỉ một nút đỏ
05:28
that said, "Stop."
134
313000
2000
ghi chữ "Stop"
05:30
And that's the thing,
135
315000
2000
Vậy đó,
05:32
is that we're writing things,
136
317000
2000
chúng tôi đang viết các thứ,
05:34
we're writing these things that we can no longer read.
137
319000
3000
chúng ta đang viết những thứ mà chúng ta không còn có thể đọc được.
05:37
And we've rendered something
138
322000
2000
Và chúng ta đã và đang tiếp tay cho một thứ gì đó
05:39
illegible,
139
324000
2000
bất hợp pháp.
05:41
and we've lost the sense
140
326000
3000
Và chúng ta mất đi ý thức
05:44
of what's actually happening
141
329000
2000
về điều đang thực sự xảy ra
05:46
in this world that we've made.
142
331000
2000
trong thế giới mà chúng ta đã tạo nên.
05:48
And we're starting to make our way.
143
333000
2000
Và chúng ta bắt đầu con đường của riêng chúng ta.
05:50
There's a company in Boston called Nanex,
144
335000
3000
Có một công ty ở Boston tên là Nanex,
05:53
and they use math and magic
145
338000
2000
và họ dùng toán và phép màu
05:55
and I don't know what,
146
340000
2000
và thứ gì đó tôi không biết,
05:57
and they reach into all the market data
147
342000
2000
và họ chạm được tới mọi dữ liệu trên thị trường
05:59
and they find, actually sometimes, some of these algorithms.
148
344000
3000
và họ tìm thấy, đôi lúc, vài thuật toán.
06:02
And when they find them they pull them out
149
347000
3000
Và khi họ tìm chúng, họ lôi chúng ra
06:05
and they pin them to the wall like butterflies.
150
350000
3000
và gắn chúng lên tường như gắn những con bướm.
06:08
And they do what we've always done
151
353000
2000
Và họ làm điều chúng ta đã luôn làm
06:10
when confronted with huge amounts of data that we don't understand --
152
355000
3000
khi đối mặt với số lượng lớn dữ liệu mà ta không hiểu được --
06:13
which is that they give them a name
153
358000
2000
đó là đặt cho chúng một cái tên
06:15
and a story.
154
360000
2000
và một câu chuyện.
06:17
So this is one that they found,
155
362000
2000
Và đây là một thứ họ tìm thấy,
06:19
they called the Knife,
156
364000
4000
họ gọi là Knife - Con Dao,
06:23
the Carnival,
157
368000
2000
Carnival - Lễ hội hóa trang,
06:25
the Boston Shuffler,
158
370000
4000
Boston Shuffle - Lập lờ Boston,
06:29
Twilight.
159
374000
2000
Twilight - Chạng vạng
06:31
And the gag is
160
376000
2000
Và điều khôi hài là
06:33
that, of course, these aren't just running through the market.
161
378000
3000
tất nhiên, những thuật toán này không chỉ chạy quanh thị trường.
06:36
You can find these kinds of things wherever you look,
162
381000
3000
Bạn có thể tìm thấy những thứ này ở bất cứ nơi đâu
06:39
once you learn how to look for them.
163
384000
2000
một khi bạn học cách tìm kiếm chúng.
06:41
You can find it here: this book about flies
164
386000
3000
Bạn có thế tìm được nó ở đây: cuốn sách về loài ruồi
06:44
that you may have been looking at on Amazon.
165
389000
2000
mà bạn có thể đang tìm trên Amazon.
06:46
You may have noticed it
166
391000
2000
Bạn có thể đã để ý
06:48
when its price started at 1.7 million dollars.
167
393000
2000
khi giá khởi điểm của nó là 1.7 Triệu dollar.
06:50
It's out of print -- still ...
168
395000
2000
Dù vậy nó vẫn hết hàng...
06:52
(Laughter)
169
397000
2000
(Tiếng cười)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
399000
3000
Nếu bạn mua nó ở giá 1.7 triệu ấy vẫn còn là rẻ.
06:57
A few hours later, it had gone up
171
402000
2000
Vài tiếng sau, nó tăng giá tới
06:59
to 23.6 million dollars,
172
404000
2000
23.6 Triệu dollar
07:01
plus shipping and handling.
173
406000
2000
chưa kể vận chuyển.
07:03
And the question is:
174
408000
2000
Và câu hỏi là:
07:05
Nobody was buying or selling anything; what was happening?
175
410000
2000
Không ai mua bán gì; chuyện gì vừa xảy ra thế?
07:07
And you see this behavior on Amazon
176
412000
2000
Và bạn thấy điều này trên Amazon
07:09
as surely as you see it on Wall Street.
177
414000
2000
cũng như trên Wall Street.
07:11
And when you see this kind of behavior,
178
416000
2000
Và khi bạn thấy các hành động tương tự,
07:13
what you see is the evidence
179
418000
2000
bạn thấy bằng chứng
07:15
of algorithms in conflict,
180
420000
2000
của các thuật toán mâu thuẫn,
07:17
algorithms locked in loops with each other,
181
422000
2000
các thuật toán bị khóa trong các vòng lặp,
07:19
without any human oversight,
182
424000
2000
mà không có sự giám sát của con người,
07:21
without any adult supervision
183
426000
3000
không có sự giám sát của con người
07:24
to say, "Actually, 1.7 million is plenty."
184
429000
3000
để nói rằng, "Thực ra thì, 1.7 triệu là khá nhiều."
07:27
(Laughter)
185
432000
3000
(Tiếng cười)
07:30
And as with Amazon, so it is with Netflix.
186
435000
3000
Và cũng như đối với Amazon, chuyện tương tự xảy ra với Netflix.
07:33
And so Netflix has gone through
187
438000
2000
Và vì vậy Netflix đã trải qua
07:35
several different algorithms over the years.
188
440000
2000
vài thuật toán khác nhau qua các năm.
07:37
They started with Cinematch, and they've tried a bunch of others --
189
442000
3000
Họ bắt đầu với Cinematch và đã thử một vài thuật toán khác:
07:40
there's Dinosaur Planet; there's Gravity.
190
445000
2000
Dinosaur Planet (hành tinh khủng long), Gravity (lực hấp dẫn).
07:42
They're using Pragmatic Chaos now.
191
447000
2000
Họ đang dùng Pragmatic Chaos (mớ hỗn độn thực dụng)
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
449000
2000
Pragmatic Chaos, giống như mọi thuật toán của Netflix,
07:46
trying to do the same thing.
193
451000
2000
đang cố gắng làm cùng một điều.
07:48
It's trying to get a grasp on you,
194
453000
2000
Đó là cố gắng nắm bắt bạn,
07:50
on the firmware inside the human skull,
195
455000
2000
trên vỏ sụn bên trong xương sọ,
07:52
so that it can recommend what movie
196
457000
2000
để nó có thể gợi ý bộ phim nào
07:54
you might want to watch next --
197
459000
2000
bạn muốn xem tiếp --
07:56
which is a very, very difficult problem.
198
461000
3000
một điều cực kỳ khó.
07:59
But the difficulty of the problem
199
464000
2000
Nhưng độ khó của vấn đề
08:01
and the fact that we don't really quite have it down,
200
466000
3000
và sự thật là chúng ta chưa hoàn toàn giải quyết được nó,
08:04
it doesn't take away
201
469000
2000
không kéo đi
08:06
from the effects Pragmatic Chaos has.
202
471000
2000
hiệu ứng của Pragmatic Chaos.
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
473000
3000
Pragmatic Chaos, cũng như mọi thuật toán của Netflix,
08:11
determines, in the end,
204
476000
2000
quyết định,
08:13
60 percent
205
478000
2000
60%
08:15
of what movies end up being rented.
206
480000
2000
số lượng phim được thuê.
08:17
So one piece of code
207
482000
2000
Vì thế một mẩu thông tin mã hóa
08:19
with one idea about you
208
484000
3000
về bạn
08:22
is responsible for 60 percent of those movies.
209
487000
3000
chịu trách nhiệm cho 60% số phim đó.
08:25
But what if you could rate those movies
210
490000
2000
Nhưng chuyện gì sẽ xảy ra nếu bạn có thể đánh giá những bộ phim đó
08:27
before they get made?
211
492000
2000
trước khi chúng được làm nên?
08:29
Wouldn't that be handy?
212
494000
2000
Thế có phải tiện không?
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
496000
3000
Vài nhà khoa học số liệu từ Anh đang ở Hollywood,
08:34
and they have "story algorithms" --
214
499000
2000
và họ có các thuật toán dựng truyện --
08:36
a company called Epagogix.
215
501000
2000
một công ty gọi là Epagogix.
08:38
And you can run your script through there,
216
503000
3000
Và bạn có thể chạy thử kịch bản của mình qua đó,
08:41
and they can tell you, quantifiably,
217
506000
2000
và họ có thể nói cho bạn, một cách định lượng,
08:43
that that's a 30 million dollar movie
218
508000
2000
rằng đó là một bộ phim 30 triệu đô
08:45
or a 200 million dollar movie.
219
510000
2000
hay 200 triệu đô.
08:47
And the thing is, is that this isn't Google.
220
512000
2000
Và vấn đề là đây không phải Google.
08:49
This isn't information.
221
514000
2000
Đó không phải thông tin.
08:51
These aren't financial stats; this is culture.
222
516000
2000
Đó không phải là thống kê tài chính; đó là văn hóa.
08:53
And what you see here,
223
518000
2000
Và cái mà bạn nhìn thấy ở đây,
08:55
or what you don't really see normally,
224
520000
2000
hoặc cái mà bình thường bạn không thực sự thấy
08:57
is that these are the physics of culture.
225
522000
4000
là vật lý của văn hóa.
09:01
And if these algorithms,
226
526000
2000
Và nếu như những thuật toán này,
09:03
like the algorithms on Wall Street,
227
528000
2000
như những thuật toán ở Wall Street,
09:05
just crashed one day and went awry,
228
530000
3000
ngày nào đó bị sập và trở nên xiên xẹo,
09:08
how would we know?
229
533000
2000
làm thế nào mà ta biết được,
09:10
What would it look like?
230
535000
2000
nó sẽ trông như thế nào?
09:12
And they're in your house. They're in your house.
231
537000
3000
Và nó đang ở trong nhà bạn. Chúng đang ở trong nhà bạn.
09:15
These are two algorithms competing for your living room.
232
540000
2000
Có 2 loại thuật toán đấu tranh cho phòng khách nhà bạn.
09:17
These are two different cleaning robots
233
542000
2000
Đó là 2 con robot lau chùi khác nhau
09:19
that have very different ideas about what clean means.
234
544000
3000
có nhiều quan niệm rất khác nhau về định nghĩa của sự sạch sẽ.
09:22
And you can see it
235
547000
2000
Và bạn có thể thấy điều đó
09:24
if you slow it down and attach lights to them,
236
549000
3000
nếu bạn quay chậm và gắn đèn lên chúng.
09:27
and they're sort of like secret architects in your bedroom.
237
552000
3000
Và chúng như kiểu những kiến trúc sư bí ẩn trong phòng ngủ của bạn.
09:30
And the idea that architecture itself
238
555000
3000
Và ý tưởng rằng chính kiến trúc
09:33
is somehow subject to algorithmic optimization
239
558000
2000
bằng cách nào đó hướng tới sự tối ưu hóa thuật toán
09:35
is not far-fetched.
240
560000
2000
là không hề viển vông.
09:37
It's super-real and it's happening around you.
241
562000
3000
Nó siêu thực và nó đang diễn ra quanh bạn.
09:40
You feel it most
242
565000
2000
Bạn cảm thấy rõ nhất
09:42
when you're in a sealed metal box,
243
567000
2000
khi bạn ở trong một chiếc hộp kim loai được hàn kín,
09:44
a new-style elevator;
244
569000
2000
một thang máy kiểu mới,
09:46
they're called destination-control elevators.
245
571000
2000
chúng được gọi là thang máy kiểm soát đích đến.
09:48
These are the ones where you have to press what floor you're going to go to
246
573000
3000
Đó là những chiếc tháng máy mà bạn phải ấn nút tầng mà bạn sẽ tới
09:51
before you get in the elevator.
247
576000
2000
trước khi bạn bước vào thang máy.
09:53
And it uses what's called a bin-packing algorithm.
248
578000
2000
Và nó sử dụng cái được gọi là bin packing algorithms -- thuật toán đóng gói
09:55
So none of this mishegas
249
580000
2000
Vậy không chiếc thang nào
09:57
of letting everybody go into whatever car they want.
250
582000
2000
cho phép tất cả mọi người vào buồng thang máy họ thích.
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
584000
2000
Tất cả những người muốn vào tầng 10 vào xe số 2,
10:01
and everybody who wants to go to the third floor goes into car five.
252
586000
3000
và tất cả những người muốn vào tầng 3 vào xe số 5.
10:04
And the problem with that
253
589000
2000
Và vấn đề là
10:06
is that people freak out.
254
591000
2000
người ta sợ.
10:08
People panic.
255
593000
2000
Người ta hoảng hốt.
10:10
And you see why. You see why.
256
595000
2000
Và bạn hiểu tại sao. Bạn hiểu tại sao.
10:12
It's because the elevator
257
597000
2000
Bởi vì chiếc thang máy
10:14
is missing some important instrumentation, like the buttons.
258
599000
3000
thiếu một vài bộ phận quan trọng, như những cái nút.
10:17
(Laughter)
259
602000
2000
(Tiếng cười)
10:19
Like the things that people use.
260
604000
2000
Như những thứ mà con người sử dụng.
10:21
All it has
261
606000
2000
Tất cả những gì nó có
10:23
is just the number that moves up or down
262
608000
3000
chỉ là con số đi lên hoặc đi xuống
10:26
and that red button that says, "Stop."
263
611000
3000
và chiếc nút đỏ ghi chữ "Stop"
10:29
And this is what we're designing for.
264
614000
3000
Và đó là thứ chúng ta đang thiết kế.
10:32
We're designing
265
617000
2000
Chúng ta đang thiết kế
10:34
for this machine dialect.
266
619000
2000
cho loại ngôn ngữ máy móc này
10:36
And how far can you take that? How far can you take it?
267
621000
3000
Và bạn có thể chịu đến bao xa? Bạn có thể chịu đến bao xa?
10:39
You can take it really, really far.
268
624000
2000
Bạn có thể chịu được rất, rất xa.
10:41
So let me take it back to Wall Street.
269
626000
3000
Vậy để tôi đưa vấn đề trở về Wall Street.
10:45
Because the algorithms of Wall Street
270
630000
2000
Bởi vì thuật toán của Wall Street
10:47
are dependent on one quality above all else,
271
632000
3000
phụ thuộc vào một tiêu chí hơn hẳn các tiêu chí khác,
10:50
which is speed.
272
635000
2000
đó là tốc độ.
10:52
And they operate on milliseconds and microseconds.
273
637000
3000
Và chúng vận hành trên đơn vị phần nghìn và phần triệu giây.
10:55
And just to give you a sense of what microseconds are,
274
640000
2000
Và để cho bạn hiểu một phần triệu giây là gì
10:57
it takes you 500,000 microseconds
275
642000
2000
nó tốn 500 000 phần triệu giây
10:59
just to click a mouse.
276
644000
2000
cho một cú click chuột.
11:01
But if you're a Wall Street algorithm
277
646000
2000
Nhưng nếu bạn là một thuật toán ở Wall Street
11:03
and you're five microseconds behind,
278
648000
2000
và bạn chậm 5 phần triệu giây,
11:05
you're a loser.
279
650000
2000
bạn là kẻ thua cuộc.
11:07
So if you were an algorithm,
280
652000
2000
Vậy nếu bạn là một thuật toán,
11:09
you'd look for an architect like the one that I met in Frankfurt
281
654000
3000
bạn sẽ kiếm tìm một kiến trúc sư như người tôi gặp ở Frankfurt
11:12
who was hollowing out a skyscraper --
282
657000
2000
người lúc đó đang moi ruột một tòa nhà chọc trời --
11:14
throwing out all the furniture, all the infrastructure for human use,
283
659000
3000
ném ra ngoài toàn bộ đồ đạc, mọi thiết bị hạ tầng phục vụ nhu cầu con người,
11:17
and just running steel on the floors
284
662000
3000
và chỉ đặt những thanh sắt trên sàn nhà
11:20
to get ready for the stacks of servers to go in --
285
665000
3000
sẵn sàng đặt những server vào đó --
11:23
all so an algorithm
286
668000
2000
Tất cả để cho một thuật toán
11:25
could get close to the Internet.
287
670000
3000
có thế tiến gần hơn tới Internet
11:28
And you think of the Internet as this kind of distributed system.
288
673000
3000
Và bạn nghĩ về Internet như một hệ thống được phân bố.
11:31
And of course, it is, but it's distributed from places.
289
676000
3000
Và tất nhiên, chính thế, nhưng nó được phân bố thành các không gian
11:34
In New York, this is where it's distributed from:
290
679000
2000
Ở New York, nó được phân bố từ
11:36
the Carrier Hotel
291
681000
2000
khách sạn Carrier
11:38
located on Hudson Street.
292
683000
2000
trên phố Hudson.
11:40
And this is really where the wires come right up into the city.
293
685000
3000
Và đó là nơi mà các sợi dây nối đến thành phố trực tiếp.
11:43
And the reality is that the further away you are from that,
294
688000
4000
Và sự thật là bạn càng xa nơi đó,
11:47
you're a few microseconds behind every time.
295
692000
2000
bạn sẽ bị trễ vài phần nghìn giây
11:49
These guys down on Wall Street,
296
694000
2000
Những anh chàng phố Wall,
11:51
Marco Polo and Cherokee Nation,
297
696000
2000
Marco Polo và Cherokee Nation,
11:53
they're eight microseconds
298
698000
2000
họ chậm 8 phần triệu giây
11:55
behind all these guys
299
700000
2000
so với những anh chàng
11:57
going into the empty buildings being hollowed out
300
702000
4000
ở trong những tòa nhà bị moi ruột
12:01
up around the Carrier Hotel.
301
706000
2000
quanh khách sạn Carrier.
12:03
And that's going to keep happening.
302
708000
3000
Và điều đó sẽ tiếp tục xảy ra
12:06
We're going to keep hollowing them out,
303
711000
2000
Chúng ta đang tiếp tục khoét rỗng chúng,
12:08
because you, inch for inch
304
713000
3000
bởi vì các bạn, từng inch một
12:11
and pound for pound and dollar for dollar,
305
716000
3000
từng bảng một và từng dollar một
12:14
none of you could squeeze revenue out of that space
306
719000
3000
không một ai trong số các bạn có thể vắt ra tiền từ không gian đó
12:17
like the Boston Shuffler could.
307
722000
3000
như thuật toán Boston Shuffle.
12:20
But if you zoom out,
308
725000
2000
Nhưng nếu bạn nhìn rộng ra,
12:22
if you zoom out,
309
727000
2000
nếu bạn nhìn rộng ra,
12:24
you would see an 825-mile trench
310
729000
4000
bạn sẽ thấy một bán kính 825 dặm
12:28
between New York City and Chicago
311
733000
2000
giữa New York và Chicago
12:30
that's been built over the last few years
312
735000
2000
được xây dựng trong vài năm qua
12:32
by a company called Spread Networks.
313
737000
3000
bởi một công ty tên là Spread Networks.
12:35
This is a fiber optic cable
314
740000
2000
Đây là một sợi cáp quang
12:37
that was laid between those two cities
315
742000
2000
được đặt giữa 2 thành phố
12:39
to just be able to traffic one signal
316
744000
3000
để truyền một tín hiệu
12:42
37 times faster than you can click a mouse --
317
747000
3000
nhanh gấp 37 lần thời gian một cú click chuột --
12:45
just for these algorithms,
318
750000
3000
chỉ để cho những thuật toán ấy,
12:48
just for the Carnival and the Knife.
319
753000
3000
chỉ để cho Carnival và Knife.
12:51
And when you think about this,
320
756000
2000
Và khi bạn nghĩ về điều này,
12:53
that we're running through the United States
321
758000
2000
rằng chúng ta đang cho chạy qua nước Mỹ
12:55
with dynamite and rock saws
322
760000
3000
với thuốc nổ và cưa đá
12:58
so that an algorithm can close the deal
323
763000
2000
để một thuật toán có thể kết thúc một hợp đồng
13:00
three microseconds faster,
324
765000
3000
nhanh hơn 3 phần triệu giây,
13:03
all for a communications framework
325
768000
2000
tất cả vì một khuôn mẫu liên lạc
13:05
that no human will ever know,
326
770000
4000
mà không con người nào có thể biết được
13:09
that's a kind of manifest destiny;
327
774000
3000
đó là một kiểu định mệnh được định trước
13:12
and we'll always look for a new frontier.
328
777000
3000
và sẽ luôn tìm những biên giới mới.
13:15
Unfortunately, we have our work cut out for us.
329
780000
3000
Không may thay, chúng ta đã cắt giảm công việc của mình.
13:18
This is just theoretical.
330
783000
2000
Đây chỉ là lý thuyết
13:20
This is some mathematicians at MIT.
331
785000
2000
Có vài nhà toán học ở MIT
13:22
And the truth is I don't really understand
332
787000
2000
và sự thật là tôi không thực sự hiểu
13:24
a lot of what they're talking about.
333
789000
2000
phần lớn những gì họ nói.
13:26
It involves light cones and quantum entanglement,
334
791000
3000
Nó bao gồm dải sáng hình nón và chồng chập lượng tử,
13:29
and I don't really understand any of that.
335
794000
2000
và tôi không hiểu hết chỗ đó.
13:31
But I can read this map,
336
796000
2000
Nhưng tôi có thể đọc chiếc bản đồ này.
13:33
and what this map says
337
798000
2000
Và chiếc bản đồ này ghi rằng
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
800000
3000
nếu bạn đang định kiếm tiền ở những thị trường có chấm đỏ,
13:38
that's where people are, where the cities are,
339
803000
2000
đó là nơi người ta ở, là các thành phố,
13:40
you're going to have to put the servers where the blue dots are
340
805000
3000
bạn phải đặt các server ở chỗ các chấm xanh
13:43
to do that most effectively.
341
808000
2000
để làm điều đó hiệu quả nhất.
13:45
And the thing that you might have noticed about those blue dots
342
810000
3000
Và điểu mà bạn có thể đã để ý về những chấm xanh đó
13:48
is that a lot of them are in the middle of the ocean.
343
813000
3000
là rất nhiều chấm ở giữa đại dương.
13:51
So that's what we'll do: we'll build bubbles or something,
344
816000
3000
Và đó là điều ta sẽ làm, ta sẽ dựng những bong bóng hay thứ gì đó tương tự,
13:54
or platforms.
345
819000
2000
hay cái phà.
13:56
We'll actually part the water
346
821000
2000
Chúng ta sẽ thực sự chia cắt mặt nước
13:58
to pull money out of the air,
347
823000
2000
để kéo tiền ra khỏi không khí,
14:00
because it's a bright future
348
825000
2000
bởi vì đó là một tương lại tươi sáng
14:02
if you're an algorithm.
349
827000
2000
nếu bạn là một thuật toán,
14:04
(Laughter)
350
829000
2000
(Tiếng cười)
14:06
And it's not the money that's so interesting actually.
351
831000
3000
Và đó không phải là tiền bạc
14:09
It's what the money motivates,
352
834000
2000
mà đó là động lực được tiền bạc thúc đẩy.
14:11
that we're actually terraforming
353
836000
2000
Rằng chúng ta đang thực sự đất liền hóa
14:13
the Earth itself
354
838000
2000
Trái đất
14:15
with this kind of algorithmic efficiency.
355
840000
2000
với kiểu hiệu suất thuật toán này.
14:17
And in that light,
356
842000
2000
Và trong ánh sáng đó,
14:19
you go back
357
844000
2000
bạn quay trở lại
14:21
and you look at Michael Najjar's photographs,
358
846000
2000
và bạn nhìn vào những bức ảnh của Michael Najjar,
14:23
and you realize that they're not metaphor, they're prophecy.
359
848000
3000
và bạn nhận ra chúng không phải là phép ẩn dụ, chúng là lời tiên đoán.
14:26
They're prophecy
360
851000
2000
Chúng là lời tiên đoán
14:28
for the kind of seismic, terrestrial effects
361
853000
4000
cho kiểu hiệu ứng đất liền, và hoạt động địa chất
14:32
of the math that we're making.
362
857000
2000
của loại toán mà chúng ta đang tạo ra.
14:34
And the landscape was always made
363
859000
3000
Và hình sdangs phối cảnh luôn được tạo ra
14:37
by this sort of weird, uneasy collaboration
364
862000
3000
bởi sự hợp tác kỳ là, không mấy dễ dàng này
14:40
between nature and man.
365
865000
3000
giữa thiên nhiên và con người.
14:43
But now there's this third co-evolutionary force: algorithms --
366
868000
3000
Nhưng giờ đây có một lực thứ ba song song hợp tác: thuật toán --
14:46
the Boston Shuffler, the Carnival.
367
871000
3000
Boston Shuffler, Carnival.
14:49
And we will have to understand those as nature,
368
874000
3000
và chúng ta phải hiểu chúng như tự nhiên,
14:52
and in a way, they are.
369
877000
2000
và theo một cách nào đó thì đúng thế.
14:54
Thank you.
370
879000
2000
Xin cảm ơn
14:56
(Applause)
371
881000
20000
(Tiếng vỗ tay)
ABOUT THE SPEAKER
Kevin Slavin - Algoworld expertKevin Slavin navigates in the algoworld, the expanding space in our lives that’s determined and run by algorithms.
Why you should listen
Are you addicted to the dead-simple numbers game Drop 7 or Facebook’s Parking Wars? Blame Kevin Slavin and the game development company he co-founded in 2005, Area/Code, which makes clever game entertainments that enter the fabric of reality.
All this fun is powered by algorithms -- as, increasingly, is our daily life. From the Google algorithms to the algos that give you “recommendations” online to those that automatically play the stock markets (and sometimes crash them): we may not realize it, but we live in the algoworld.
He says: "The quickest way to find out what the boundaries of reality are is to figure where they break."
Kevin Slavin | Speaker | TED.com