TEDGlobal 2011
Kevin Slavin: How algorithms shape our world
كيفن سلافين: كيف تشكّل الخوارزميات عالمنا
Filmed:
Readability: 3.5
4,199,898 views
يجادل كيفن سلافين بأننا نعيش في عالم تم تصميمه وتتحكم به الخوارزميات بصورة متزايدة. في هذه المحادثة اللافتة للإنتباه من مؤتمر تيد العالمي، يبيّن كيف أن هذه البرامج الحاسوبية المعقدة تحدد: تكتيكات التجسس، أسعار سوق الأسهم، نصوص الأفلام، والعمارة. ويحذّر من أننا نؤلف ونكتب شفرات حاسوبية لا نستطيع فهمها، مع تداعيات لا يمكن السيطرة عليها.
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
هذه الصورة
00:17
by the artist Michael Najjar,
1
2000
2000
لصاحبها الفنان ميشيل نجار
00:19
and it's real,
2
4000
2000
وهي صورة حقيقية
00:21
in the sense that he went there to Argentina
3
6000
2000
لقد ذهب الى الارجنتين لكي
00:23
to take the photo.
4
8000
2000
يصور هذه الصورة
00:25
But it's also a fiction. There's a lot of work that went into it after that.
5
10000
3000
ولكنها خيالية ايضاً لانه عدل فيه الكثير عقب ذلك
00:28
And what he's done
6
13000
2000
وماقام به
00:30
is he's actually reshaped, digitally,
7
15000
2000
هو اعادة تشكيل بصورة رقمية
00:32
all of the contours of the mountains
8
17000
2000
لحواف وقمم الجبال
00:34
to follow the vicissitudes of the Dow Jones index.
9
19000
3000
لكي تتواكب مع تقلبات وتمايزات مؤشر داوجونز
00:37
So what you see,
10
22000
2000
كما ترون هنا ..
00:39
that precipice, that high precipice with the valley,
11
24000
2000
تلك الهوة الكبيرة .. ذلك الوادي
00:41
is the 2008 financial crisis.
12
26000
2000
عبر عن الكارثة المالية لعام 2008
00:43
The photo was made
13
28000
2000
لقد صنعت هذه الصورة عندما
00:45
when we were deep in the valley over there.
14
30000
2000
كنا في قاع ذلك الوادي هناك
00:47
I don't know where we are now.
15
32000
2000
لا اعلم أين نحن الآن
00:49
This is the Hang Seng index
16
34000
2000
هذا هو مؤشر " هانج سينج "
00:51
for Hong Kong.
17
36000
2000
لهونكونغ
00:53
And similar topography.
18
38000
2000
انها معالم طبوغرافية متشابهة
00:55
I wonder why.
19
40000
2000
أتعجب من هذا
00:57
And this is art. This is metaphor.
20
42000
3000
وهذا هو فن . هو إستعارة لغوية
01:00
But I think the point is
21
45000
2000
وانا أعتقد ان الفكرة هنا ..
01:02
that this is metaphor with teeth,
22
47000
2000
هذه الصورة تحوي الكثير من الحواف " الاسنان "
01:04
and it's with those teeth that I want to propose today
23
49000
3000
وهذه الحواف " الاسنان " هي ما اريد التحدث عنه اليوم
01:07
that we rethink a little bit
24
52000
2000
والتي يظن البعض انها
01:09
about the role of contemporary math --
25
54000
3000
ربما تكون نتيجة رياضيات عصرية
01:12
not just financial math, but math in general.
26
57000
3000
ليست فحسب رياضيات مالية .. بل رياضيات عامة
01:15
That its transition
27
60000
2000
انها مرحلة إنتقالية
01:17
from being something that we extract and derive from the world
28
62000
3000
من كونها شيئا نستخلصه في الحياة بواسطة ارقام ومنحنيات
01:20
to something that actually starts to shape it --
29
65000
3000
إلى شيئ بداء يشكّل هذه الحياة
01:23
the world around us and the world inside us.
30
68000
3000
سواء كان العالم من حولنا .. او العالم في داخلنا
01:26
And it's specifically algorithms,
31
71000
2000
ان هذا التمثيل الرياضي هو في الحقيقة خوارزميات
01:28
which are basically the math
32
73000
2000
والتي هي في الاساس الرياضيات
01:30
that computers use to decide stuff.
33
75000
3000
التي يستخدمها الحاسوب من اجل أخذ قراراته
01:33
They acquire the sensibility of truth
34
78000
2000
والتي تحمل في طياتها الواقعية
01:35
because they repeat over and over again,
35
80000
2000
بسبب تكرارها على الدوام
01:37
and they ossify and calcify,
36
82000
3000
فالخوارزميات تصنف وتعيد ترتيب وتحديد نفسها
01:40
and they become real.
37
85000
2000
الى ان تتشكل بشكل الواقع الحقيقي
01:42
And I was thinking about this, of all places,
38
87000
3000
وكنت افكر بهذه الفكرة طيلة الوقت
01:45
on a transatlantic flight a couple of years ago,
39
90000
3000
وذات مرة كنت في رحلة جوية منذ نحو عامين
01:48
because I happened to be seated
40
93000
2000
وحدث صدفة انني كنت اجلس
01:50
next to a Hungarian physicist about my age
41
95000
2000
بالقرب من عالم فيزياء هنغاري عمره يقارب عمري
01:52
and we were talking
42
97000
2000
وكنا نتحدث
01:54
about what life was like during the Cold War
43
99000
2000
عن الحياة اثناء الحرب الباردة
01:56
for physicists in Hungary.
44
101000
2000
وكيف كانت بالنسبة لفيزيائي في هنغاريا
01:58
And I said, "So what were you doing?"
45
103000
2000
فقلت " ماذا كنت تفعل في تلك الأثناء ؟ "
02:00
And he said, "Well we were mostly breaking stealth."
46
105000
2000
فقال " لقد كنا نفك شيفرة الطائرة الشبح "
02:02
And I said, "That's a good job. That's interesting.
47
107000
2000
فقلت " انه عمل رائع .. مثير للاهتمام ..
02:04
How does that work?"
48
109000
2000
كيف كنتم تقومون به ؟ "
02:06
And to understand that,
49
111000
2000
ولكي نعي كيف يتم ذلك
02:08
you have to understand a little bit about how stealth works.
50
113000
3000
علينا أن نفهم قليلاً كيف تعمل الطائرة الشبح
02:11
And so -- this is an over-simplification --
51
116000
3000
هذا تبسيط كبير للفكرة
02:14
but basically, it's not like
52
119000
2000
في الحقيقة .. الأمر ليس مجرد
02:16
you can just pass a radar signal
53
121000
2000
ان تعبر عبر اشارة الرادار
02:18
right through 156 tons of steel in the sky.
54
123000
3000
بواسطة طائرة معدنية وزنها 156 طن دون أن يستطيع أن يراك أحد
02:21
It's not just going to disappear.
55
126000
3000
فالجسم لن يختفي هكذا
02:24
But if you can take this big, massive thing,
56
129000
3000
ولكن ان استطعنا ان نحول ذلك المجسم الكبير جداً
02:27
and you could turn it into
57
132000
3000
الى عدة ..
02:30
a million little things --
58
135000
2000
ملايين من الاشياء الصغيرة
02:32
something like a flock of birds --
59
137000
2000
مثل سرب الطيور
02:34
well then the radar that's looking for that
60
139000
2000
عندها سيضطر الرادار الذي يعمل في المنطقة
02:36
has to be able to see
61
141000
2000
ان يحلل كل طائر
02:38
every flock of birds in the sky.
62
143000
2000
من كل ذلك السرب
02:40
And if you're a radar, that's a really bad job.
63
145000
4000
وهذا العمل بالنسبة للرادار شبه مستحيل
02:44
And he said, "Yeah." He said, "But that's if you're a radar.
64
149000
3000
ومن ثم اضاف " نعم .. هذا ان كنت تستخدم راداراً ..
02:47
So we didn't use a radar;
65
152000
2000
ولكننا لم نكن نستخدم راداراً
02:49
we built a black box that was looking for electrical signals,
66
154000
3000
لقد بنينا صندوقاً اسوداً مهمته البحث عن الاشارات الكهربائية
02:52
electronic communication.
67
157000
3000
والاتصالات اللاسلكية
02:55
And whenever we saw a flock of birds that had electronic communication,
68
160000
3000
وما ان نرى سرب طيور يتواصل فيما بينه او يحوي اشارات كهربائية
02:58
we thought, 'Probably has something to do with the Americans.'"
69
163000
3000
حتى نجزم ان هذا الشيء متعلق بالامريكيين
03:01
And I said, "Yeah.
70
166000
2000
فقلت " أها..
03:03
That's good.
71
168000
2000
شيء مميز ..
03:05
So you've effectively negated
72
170000
2000
لقد ابطلت فاعلية
03:07
60 years of aeronautic research.
73
172000
2000
60 عام من الابحاث الجوية "
03:09
What's your act two?
74
174000
2000
حسناً .. مالذي فعلته لاحقا
03:11
What do you do when you grow up?"
75
176000
2000
بعد الحرب .. أين أكملت عملك ؟
03:13
And he said,
76
178000
2000
فقال لي ..
03:15
"Well, financial services."
77
180000
2000
حسناً .. لقد انتقلت للعمل في المجال الاقتصادي
03:17
And I said, "Oh."
78
182000
2000
فقلت " أها ..
03:19
Because those had been in the news lately.
79
184000
3000
أنت تقصد هؤلاء الذين يظهرون مؤخراً كثيراً على نشرات الأخبار
03:22
And I said, "How does that work?"
80
187000
2000
فعقبت " ما طبيعة عملك هناك ؟ "
03:24
And he said, "Well there's 2,000 physicists on Wall Street now,
81
189000
2000
فقال " هناك اليوم ما يقارب 2000 فيزيائي في " وال ستريت " ..
03:26
and I'm one of them."
82
191000
2000
وانا واحد من هؤلاء "
03:28
And I said, "What's the black box for Wall Street?"
83
193000
3000
فقلت " ما هو الصندوق الاسود في " وال ستريت " ؟ "
03:31
And he said, "It's funny you ask that,
84
196000
2000
فقال " مضحك سؤالك هذا ..
03:33
because it's actually called black box trading.
85
198000
3000
لانه في الحقيقة هناك ما يدعى الصندوق الاسود للمضاربات ..
03:36
And it's also sometimes called algo trading,
86
201000
2000
واحيانا يدعى " خوارزميات السوق "
03:38
algorithmic trading."
87
203000
3000
" خوارزميات السوق "
03:41
And algorithmic trading evolved in part
88
206000
3000
وقد تطورت " خوارزميات السوق "
03:44
because institutional traders have the same problems
89
209000
3000
بسبب أن المضاربين يواجهون ذات المشاكل
03:47
that the United States Air Force had,
90
212000
3000
التي تواجهها سلاح الجو الامريكي
03:50
which is that they're moving these positions --
91
215000
3000
حيث يحدث ان يتم تحريك كم هائل من الاسهم او الحصص
03:53
whether it's Proctor & Gamble or Accenture, whatever --
92
218000
2000
مثل بروكتور و غامل او اكسينتر او نحو ذلك
03:55
they're moving a million shares of something
93
220000
2000
حيث يحركون ملايين من الاسهم
03:57
through the market.
94
222000
2000
عبر السوق المالي
03:59
And if they do that all at once,
95
224000
2000
وان قاموا بذلك في وقت واحد
04:01
it's like playing poker and going all in right away.
96
226000
2000
فان ذلك يشابه وضع كل اموالك على طاولة الرهان
04:03
You just tip your hand.
97
228000
2000
دون ان تقلب أوراقك
04:05
And so they have to find a way --
98
230000
2000
لذا كان يتوجب عليهم أن يجدوا طريقة
04:07
and they use algorithms to do this --
99
232000
2000
لكي يستخدموا الخوارزميات
04:09
to break up that big thing
100
234000
2000
لمحاولة فك هذه التحركات الكبيرة
04:11
into a million little transactions.
101
236000
2000
الى ملايين التحركات الصغيرة لكي يتم تحليلها
04:13
And the magic and the horror of that
102
238000
2000
والامر السحري والمخيف بذات الوقت
04:15
is that the same math
103
240000
2000
ان نفس العمليات الرياضية
04:17
that you use to break up the big thing
104
242000
2000
التي تستخدم لتفكيك شيء كبير
04:19
into a million little things
105
244000
2000
الى ملايين الجزئيات الصغيرة
04:21
can be used to find a million little things
106
246000
2000
هو ذاته ما يستخدم لكي يشكل من ملايين الجزيئات الصغيرة
04:23
and sew them back together
107
248000
2000
شيء كبير متماسك فيما بينه
04:25
and figure out what's actually happening in the market.
108
250000
2000
لمحاولة معرفة ما يحدث في السوق المالي
04:27
So if you need to have some image
109
252000
2000
ان اردتم تخيل ما يحدث في السوق المالي
04:29
of what's happening in the stock market right now,
110
254000
3000
في سوق الأسهم
04:32
what you can picture is a bunch of algorithms
111
257000
2000
فهو عليكم أن تتخيلوا كماً من الخوارزميات
04:34
that are basically programmed to hide,
112
259000
3000
تم تصميمها لكي تختفي عن أعين المراقبين
04:37
and a bunch of algorithms that are programmed to go find them and act.
113
262000
3000
وكمٌ آخر منها تم تصميمها لكي تستطيع أن تجد تلك الأولى
04:40
And all of that's great, and it's fine.
114
265000
3000
وهذا امرٌ رائع .. وجيد
04:43
And that's 70 percent
115
268000
2000
وهذا يمثل 70%
04:45
of the United States stock market,
116
270000
2000
من سوق الاسهم الامريكية
04:47
70 percent of the operating system
117
272000
2000
70% من السوق المالي العامل
04:49
formerly known as your pension,
118
274000
3000
والذي يمكن تعرفيه بعدة تعاريف
04:52
your mortgage.
119
277000
3000
مثل القروض التي تسحبونها .. معاشاتكم التعاقدية
04:55
And what could go wrong?
120
280000
2000
ولكن مالخطر في ذلك ؟
04:57
What could go wrong
121
282000
2000
الخطر الذي يحدث
04:59
is that a year ago,
122
284000
2000
هو انه منذ سنة
05:01
nine percent of the entire market just disappears in five minutes,
123
286000
3000
9% من السوق المالي اختفت خلال 5 دقائق
05:04
and they called it the Flash Crash of 2:45.
124
289000
3000
وقد سمي هذا الانهيار اللحظي ب ( 2:45 )
05:07
All of a sudden, nine percent just goes away,
125
292000
3000
ففجأة اختفت 9% من القيمة السوقية
05:10
and nobody to this day
126
295000
2000
وحتى اليوم لا احد يعي
05:12
can even agree on what happened
127
297000
2000
او يمكن ان يفسر ما قد حدث
05:14
because nobody ordered it, nobody asked for it.
128
299000
3000
لانه لم يكن أحد قد أشترى أو باع تلك الحصة
05:17
Nobody had any control over what was actually happening.
129
302000
3000
ولم يستطع أحد ان يتحكم أو يضبط ما كان يحصل
05:20
All they had
130
305000
2000
وكل ما كان يرى حينها
05:22
was just a monitor in front of them
131
307000
2000
شاشة حاسوب
05:24
that had the numbers on it
132
309000
2000
مليئة بالارقام
05:26
and just a red button
133
311000
2000
واشارات حمراء
05:28
that said, "Stop."
134
313000
2000
تنص على وجوب " ايقاف " السوق !
05:30
And that's the thing,
135
315000
2000
وهنا المشكلة ..
05:32
is that we're writing things,
136
317000
2000
اننا نبرمج اليوم
05:34
we're writing these things that we can no longer read.
137
319000
3000
نبرمج اشياءاً لم يعد بمقدورنا قراءتها او تحليلها
05:37
And we've rendered something
138
322000
2000
نحن نقدم شيئاً ..
05:39
illegible,
139
324000
2000
غير مقروء ..
05:41
and we've lost the sense
140
326000
3000
لقد فقدنا ادراكنا
05:44
of what's actually happening
141
329000
2000
لما يجري
05:46
in this world that we've made.
142
331000
2000
في هذا العالم الذي يدور من حولنا
05:48
And we're starting to make our way.
143
333000
2000
وقد بدأ الامر يخرج عن سيطرتنا
05:50
There's a company in Boston called Nanex,
144
335000
3000
هناك شركة في بوسطن تدعى " نانيكس "
05:53
and they use math and magic
145
338000
2000
يستخدمون الرياضيات وربما السحر
05:55
and I don't know what,
146
340000
2000
وربما ما لا أعرفه
05:57
and they reach into all the market data
147
342000
2000
لكي يستخرجوا المعلومات من الاسواق المالية
05:59
and they find, actually sometimes, some of these algorithms.
148
344000
3000
واحيانا يجدون خوارزميات مختبئة
06:02
And when they find them they pull them out
149
347000
3000
وعندما يجدونها يقومون بتحليلها وتمثيلها
06:05
and they pin them to the wall like butterflies.
150
350000
3000
وتسليط الضوء عليها
06:08
And they do what we've always done
151
353000
2000
ويفعلون هذا على الدوام عندما
06:10
when confronted with huge amounts of data that we don't understand --
152
355000
3000
يلاحظون تحرك كم هائل من المعلومات دون أن يستوعبوا ماهيته
06:13
which is that they give them a name
153
358000
2000
ومايحدث هو انهم يطلقون الاسماء على الخوارزميات
06:15
and a story.
154
360000
2000
ومن ثم يقصون قصتها
06:17
So this is one that they found,
155
362000
2000
وهذه واحدة من تلك التي استخرجوها
06:19
they called the Knife,
156
364000
4000
انها تدعى " السكين "
06:23
the Carnival,
157
368000
2000
وهذه الكرنفال
06:25
the Boston Shuffler,
158
370000
4000
وهذه بوسطن شيفلر
06:29
Twilight.
159
374000
2000
وهذه " الشفق "
06:31
And the gag is
160
376000
2000
والمثير
06:33
that, of course, these aren't just running through the market.
161
378000
3000
ان الخوارزميات ليست فحسب في الاسواق المالية
06:36
You can find these kinds of things wherever you look,
162
381000
3000
بل يمكن أن تجدها في كل مكان
06:39
once you learn how to look for them.
163
384000
2000
ما ان تتعلم كيف تبحث عنها
06:41
You can find it here: this book about flies
164
386000
3000
على سبيل المثال هذا كتاب عن الحشرات
06:44
that you may have been looking at on Amazon.
165
389000
2000
ربما صادفه احدكم اثناء بحثه على مكتبة أمازون الالكترونية
06:46
You may have noticed it
166
391000
2000
ربما لاحظتم
06:48
when its price started at 1.7 million dollars.
167
393000
2000
ان سعره بدأ من 1.7 مليون دولار
06:50
It's out of print -- still ...
168
395000
2000
وقد بيعت كل النسخ !
06:52
(Laughter)
169
397000
2000
(ضحك)
06:54
If you had bought it at 1.7, it would have been a bargain.
170
399000
3000
وان كنت قد اشتريته ب1.7 مليون دولار .. فانت قد حزت صفقة مميزة
06:57
A few hours later, it had gone up
171
402000
2000
فقد ارتفع سعر النسخة بعد عدة ساعات
06:59
to 23.6 million dollars,
172
404000
2000
الى 23.6 مليون دولار
07:01
plus shipping and handling.
173
406000
2000
بالاضافة الى رسوم الشحن والايصال
07:03
And the question is:
174
408000
2000
والسؤال هنا ..
07:05
Nobody was buying or selling anything; what was happening?
175
410000
2000
لم يكن أحد يشتري او يبيع الكتاب او يضارب عليه .. فكيف حدث ما حدث ؟
07:07
And you see this behavior on Amazon
176
412000
2000
عندما ترى هذا في آمازون
07:09
as surely as you see it on Wall Street.
177
414000
2000
او في السوق المالي في وال ستريت
07:11
And when you see this kind of behavior,
178
416000
2000
عليك ان تعي على الفور
07:13
what you see is the evidence
179
418000
2000
ان هذا الامر ما هو الا دليل
07:15
of algorithms in conflict,
180
420000
2000
على وجود تضاربات بين الخوارزميات المبرمجة في ذلك المجال
07:17
algorithms locked in loops with each other,
181
422000
2000
فالخوارزميات قد تكون واقعة ضمن دوائر تكرارية و تقوم بمضاعفة نفسها
07:19
without any human oversight,
182
424000
2000
بدون أي اشراف بشري او ادراك منه
07:21
without any adult supervision
183
426000
3000
وبدون عملية ضبط واعية
07:24
to say, "Actually, 1.7 million is plenty."
184
429000
3000
لكي يقول أحدهم على الاقل " ان سعر 1.7 مليون دولار هو رقم كبير لكتاب مثل ذاك "
07:27
(Laughter)
185
432000
3000
(ضحك)
07:30
And as with Amazon, so it is with Netflix.
186
435000
3000
وكما الامر في آمازون .. كذلك هو في نيتفليكس Netflix
07:33
And so Netflix has gone through
187
438000
2000
ف نيتفليكس Netflix قامت باستخدام
07:35
several different algorithms over the years.
188
440000
2000
العديد من الخوارزميات عبر السنين
07:37
They started with Cinematch, and they've tried a bunch of others --
189
442000
3000
قد بداوا بخوارزمية " السينما ماتش " والعديد منها
07:40
there's Dinosaur Planet; there's Gravity.
190
445000
2000
وقد استخدموا كوكب الديناصورات .. والجاذبية
07:42
They're using Pragmatic Chaos now.
191
447000
2000
وهم يستخدمون الآن خوارزمية " الفوضى البرجماتية "
07:44
Pragmatic Chaos is, like all of Netflix algorithms,
192
449000
2000
والخوارزمية تلك هي مثل خوارزميات نيتفليكس Netflix
07:46
trying to do the same thing.
193
451000
2000
وهدفها مهمة واحدة فقط
07:48
It's trying to get a grasp on you,
194
453000
2000
وهي محاولة تحليل ما يجري في دماغك
07:50
on the firmware inside the human skull,
195
455000
2000
عن طريق رسم خارطة لخياراتك داخل الجمجمة البشرية
07:52
so that it can recommend what movie
196
457000
2000
لكي تحاول ان ترجح لك فلماً
07:54
you might want to watch next --
197
459000
2000
ربما قد تود أن تشاهده
07:56
which is a very, very difficult problem.
198
461000
3000
وهي مشكلة كبيرة جداً
07:59
But the difficulty of the problem
199
464000
2000
ولكن العائق الاكبر في هذه المشكلة
08:01
and the fact that we don't really quite have it down,
200
466000
3000
هو اننا لا نملك حتى اليوم كتابة واقعية لما يجري في تلك الخوارزمية ولا نملك ضبطها
08:04
it doesn't take away
201
469000
2000
انها تتصرف بصورة ما عن طريق استقراء عام
08:06
from the effects Pragmatic Chaos has.
202
471000
2000
ولكنها تملك تأثيراً واسعا فخوارزمية الفوضى البرجماتية
08:08
Pragmatic Chaos, like all Netflix algorithms,
203
473000
3000
كمعظم خوارزميات نيتفليكس Netflix
08:11
determines, in the end,
204
476000
2000
تحدد في نهاية الامر
08:13
60 percent
205
478000
2000
60%
08:15
of what movies end up being rented.
206
480000
2000
من سوق الأفلام التي يتم إستئجارها
08:17
So one piece of code
207
482000
2000
وتحتاج تلك الخوارزمية معلومة
08:19
with one idea about you
208
484000
3000
واحدة فقط عن ما تحب مشاهدته
08:22
is responsible for 60 percent of those movies.
209
487000
3000
تحدد 60% من الافلام التي ستقوم انت بإستئجارها لاحقاً
08:25
But what if you could rate those movies
210
490000
2000
ولكن ماذا لو أستطعت تقييم الفلم
08:27
before they get made?
211
492000
2000
قبل ان يتم تصويره
08:29
Wouldn't that be handy?
212
494000
2000
اليس ذلك امرٌ فعال ؟
08:31
Well, a few data scientists from the U.K. are in Hollywood,
213
496000
3000
حسناً .. بعض العلماء من المملكة المتحدة ذهبوا الى هوليوود
08:34
and they have "story algorithms" --
214
499000
2000
ولديهم نوع من الخوارزميات القصصية
08:36
a company called Epagogix.
215
501000
2000
يستخدمونه ضمن شركة اسسوها تدعى " إيباجوجيكس "
08:38
And you can run your script through there,
216
503000
3000
وهي شركة يتم ادخال نص الفلم الى برمجياتها
08:41
and they can tell you, quantifiably,
217
506000
2000
ومن ثم يمكن وبصورة مقبولة
08:43
that that's a 30 million dollar movie
218
508000
2000
معرفة ما ان كان الفلم سينجح وتحدد قيمة الفلم ان كانت 30 مليون دولار
08:45
or a 200 million dollar movie.
219
510000
2000
او 200 مليون دولار
08:47
And the thing is, is that this isn't Google.
220
512000
2000
وهذا الامر ليس مثل عمل " جوجل "
08:49
This isn't information.
221
514000
2000
انها ليست معلومات
08:51
These aren't financial stats; this is culture.
222
516000
2000
انها ليست حالة مالية او تحليل اقتصادي .. بل انها ثقافة
08:53
And what you see here,
223
518000
2000
وما ترونه هنا
08:55
or what you don't really see normally,
224
520000
2000
او ما لا نراه عادة
08:57
is that these are the physics of culture.
225
522000
4000
هو ان الخورزميات تلك هي " فيزياء الثقافة "
09:01
And if these algorithms,
226
526000
2000
وإن حدث لتلك خوارزميات
09:03
like the algorithms on Wall Street,
227
528000
2000
ما حدث لخوارزميات وول ستريت
09:05
just crashed one day and went awry,
228
530000
3000
أي إن اصابها عطب بصورة مفاجئة
09:08
how would we know?
229
533000
2000
فكيف سنعلم ذلك .. ومن سيعلم ذلك
09:10
What would it look like?
230
535000
2000
وكيف ستغدو الامور بعدها ..
09:12
And they're in your house. They're in your house.
231
537000
3000
وتلك الخوارزميات موجودة في منزلك ..
09:15
These are two algorithms competing for your living room.
232
540000
2000
هنا نوعان من الخوارزميات التي تقوم بحاسب غرفة معيشتك
09:17
These are two different cleaning robots
233
542000
2000
وهما نوعان من الرجال الالية التي تقوم بعملية التنظيف اعتماداً على الخوارزميات
09:19
that have very different ideas about what clean means.
234
544000
3000
وكلا الروبوتان يستخدمان مفهومين مختلفين للتنظيف
09:22
And you can see it
235
547000
2000
كما تشاهدون على هذه الصورة
09:24
if you slow it down and attach lights to them,
236
549000
3000
والتي التقطت عبر وضع مصدر ضوئي على الروبوتات وتصويرها
09:27
and they're sort of like secret architects in your bedroom.
237
552000
3000
ان تلك الروبوتات مع الخوارزميات تبدو وكأنها مهندسين معمارين في غرف نومنا
09:30
And the idea that architecture itself
238
555000
3000
على سبيل الذكر ان الهندسة المعمارية هي بذات نفسها
09:33
is somehow subject to algorithmic optimization
239
558000
2000
تمثيل للخوارزميات والتي سوف تسيطر على كل شيء
09:35
is not far-fetched.
240
560000
2000
وهذا ليس أمر بعيد المنال
09:37
It's super-real and it's happening around you.
241
562000
3000
انه امرٌ واقعي جداً ويجري من حولنا على الدوام - تحكم الخوارزميات -
09:40
You feel it most
242
565000
2000
وسوف تشعرون بها أكثر ما يمكن
09:42
when you're in a sealed metal box,
243
567000
2000
عندما تجدون أنفسكم محجوزون في صندوق معدني
09:44
a new-style elevator;
244
569000
2000
هذا مصعد من طراز جديد
09:46
they're called destination-control elevators.
245
571000
2000
انه يدعى " مصعد التحكم بالوجهة "
09:48
These are the ones where you have to press what floor you're going to go to
246
573000
3000
وهي نوع من المصاعد التي تطلب منك اختيار وجهتك والطابق ...
09:51
before you get in the elevator.
247
576000
2000
الذي تزعم الذهاب اليه قبل الدخول اليه
09:53
And it uses what's called a bin-packing algorithm.
248
578000
2000
وهو يستخدم نوع من الخوارزميات تدعى صندوق التعبئة
09:55
So none of this mishegas
249
580000
2000
وماحدث ان تلك البرمجة اصابها عطب ما
09:57
of letting everybody go into whatever car they want.
250
582000
2000
فمنعت الناس من الذهاب الى سياراتهم
09:59
Everybody who wants to go to the 10th floor goes into car two,
251
584000
2000
فكان نتيجة لبرمجتها ان كل من يريد الذهاب للطابق العاشر فهو متوجه الى السيارة الثانية
10:01
and everybody who wants to go to the third floor goes into car five.
252
586000
3000
وكل من سيتوجه الى الطابق الثالث فهو متوجه الى السيارة الخامسة
10:04
And the problem with that
253
589000
2000
وما حدث جراء ذلك
10:06
is that people freak out.
254
591000
2000
ان الناس جزعت جداً
10:08
People panic.
255
593000
2000
الناس هلعت ..
10:10
And you see why. You see why.
256
595000
2000
وكما ترون ... السبب كان ببساطة
10:12
It's because the elevator
257
597000
2000
ان تلك المصاعد
10:14
is missing some important instrumentation, like the buttons.
258
599000
3000
كانت فاقدة لأدوات هامة جداً .. وهي الازرار
10:17
(Laughter)
259
602000
2000
(ضحك)
10:19
Like the things that people use.
260
604000
2000
كتلك التي يستخدمها الاشخاص في المصاعد العادية
10:21
All it has
261
606000
2000
وكل ما كانت تملكه
10:23
is just the number that moves up or down
262
608000
3000
هو ارقام تصعد الى الاعلى والاسفل
10:26
and that red button that says, "Stop."
263
611000
3000
وزر أحمر وحيد عليه كلمة " توقف "
10:29
And this is what we're designing for.
264
614000
3000
ان هذا ما نصممه
10:32
We're designing
265
617000
2000
هذا ما نسعى لتصميمه
10:34
for this machine dialect.
266
619000
2000
لهذه الآلية " الراقية "
10:36
And how far can you take that? How far can you take it?
267
621000
3000
إذاً الى اي مدى يمكننا أن نتمادى في هذا .. اين يمكن ان نصل اكثر من هذا
10:39
You can take it really, really far.
268
624000
2000
على ما يبدو .. سنذهب بعيداً جداً
10:41
So let me take it back to Wall Street.
269
626000
3000
دعونا نعود الى سوق وول ستريت
10:45
Because the algorithms of Wall Street
270
630000
2000
لأن الخوارزميات في وول ستريت
10:47
are dependent on one quality above all else,
271
632000
3000
هي الاكثر تعقيداً ورقياً والتي تعتمد على ميزة هامة جداً
10:50
which is speed.
272
635000
2000
وهي السرعة
10:52
And they operate on milliseconds and microseconds.
273
637000
3000
وهي تتجاوب خلال اجزاء الميلي والميكرو من الثانية
10:55
And just to give you a sense of what microseconds are,
274
640000
2000
ولكي تعوا ما هي الميكرو ثانية
10:57
it takes you 500,000 microseconds
275
642000
2000
فان نقرة واحدة للفأرة
10:59
just to click a mouse.
276
644000
2000
تستغرق 500 ألف ميكرو ثانية
11:01
But if you're a Wall Street algorithm
277
646000
2000
ولكن إن كنت خبير خوارزميات في وول ستريت
11:03
and you're five microseconds behind,
278
648000
2000
وكنت متأخر بما يقارب 5 ميكرو ثانية
11:05
you're a loser.
279
650000
2000
فأنت خاسر ومتأخر على الركب
11:07
So if you were an algorithm,
280
652000
2000
لذا إن كنت خبير خوارزميات
11:09
you'd look for an architect like the one that I met in Frankfurt
281
654000
3000
فربما أنت تحتاج أن تتعرف على مهندس معماري كمثل الذي قابلته في فرانكفورت
11:12
who was hollowing out a skyscraper --
282
657000
2000
والذي كان يفرغ ناطحة سحاب بأكلمها
11:14
throwing out all the furniture, all the infrastructure for human use,
283
659000
3000
من كل الاثاث و الخدمات التي يستخدمها البشر
11:17
and just running steel on the floors
284
662000
3000
ليترك فحسب الفولاذ الذي يكون ناطحة السحاب تلك
11:20
to get ready for the stacks of servers to go in --
285
665000
3000
من اجل ان يستعد لوضع مخدمات
11:23
all so an algorithm
286
668000
2000
تعمل على تحليل الخوارزميات
11:25
could get close to the Internet.
287
670000
3000
ولكي تستطيع الولوج اسرع الى الانترنت
11:28
And you think of the Internet as this kind of distributed system.
288
673000
3000
عليكم ان تنظروا الى مخدمات الانترنت كانظمة توزيع
11:31
And of course, it is, but it's distributed from places.
289
676000
3000
وكما تعلمون هي كذلك .. ولكن منتشرة على نطاق شاسع من الاماكن
11:34
In New York, this is where it's distributed from:
290
679000
2000
في نيويورك هذه اماكن توزيعها ..
11:36
the Carrier Hotel
291
681000
2000
هنا في فندق الكارير
11:38
located on Hudson Street.
292
683000
2000
في شارع هدسون
11:40
And this is really where the wires come right up into the city.
293
685000
3000
وهو المكان الذي تخرج منه جميع الاسلاك والاتصالات الى المدينة
11:43
And the reality is that the further away you are from that,
294
688000
4000
والفكرة هي انه كلما ابتعدت عن ذلك المصدر
11:47
you're a few microseconds behind every time.
295
692000
2000
كلما كنت متأخراً ببضع ميكرو ثواني
11:49
These guys down on Wall Street,
296
694000
2000
الاشخاص هؤلاء في وول ستريت
11:51
Marco Polo and Cherokee Nation,
297
696000
2000
ماركو بولو و شيروكي ناشون
11:53
they're eight microseconds
298
698000
2000
متاخرون 8 ميكرو ثانية
11:55
behind all these guys
299
700000
2000
عن اولئك الاشخاص
11:57
going into the empty buildings being hollowed out
300
702000
4000
الموجودين في المبنى المفرغ
12:01
up around the Carrier Hotel.
301
706000
2000
والذي يقع حول فندق الكارير
12:03
And that's going to keep happening.
302
708000
3000
وسوف تستمر تلك العملية
12:06
We're going to keep hollowing them out,
303
711000
2000
اقصد عملية تفريغ ناطحات السحاب
12:08
because you, inch for inch
304
713000
3000
لأن كل بوصة تعني بوصة من الأموال
12:11
and pound for pound and dollar for dollar,
305
716000
3000
ودولاراً و جنيهاً استرليني
12:14
none of you could squeeze revenue out of that space
306
719000
3000
ولا أحد يستطيع ان يكسب من كل مساحة مالاً
12:17
like the Boston Shuffler could.
307
722000
3000
مثلما يحدث في بوسطن شفلر
12:20
But if you zoom out,
308
725000
2000
ولكن ان حدث ونظرت من منظور اكبر
12:22
if you zoom out,
309
727000
2000
ان حدث ونظرت من الاعلى اكثر
12:24
you would see an 825-mile trench
310
729000
4000
سوف ترى ان هناك خندق طوله 825 ميلاً
12:28
between New York City and Chicago
311
733000
2000
بين مدينة نيويورك و شيكاغو
12:30
that's been built over the last few years
312
735000
2000
والذي تم بناؤه عبر عدة سنوات
12:32
by a company called Spread Networks.
313
737000
3000
من قبل شركة تدعى " بسط الشبكات "
12:35
This is a fiber optic cable
314
740000
2000
وهو توصيلة ألياف ضوئية
12:37
that was laid between those two cities
315
742000
2000
تم بناؤها بين تلك المدينتين
12:39
to just be able to traffic one signal
316
744000
3000
لكي ينقل إشارة واحدة فقط
12:42
37 times faster than you can click a mouse --
317
747000
3000
هي اسرع ب37 مرة من نقرة الفأرة
12:45
just for these algorithms,
318
750000
3000
وقد تم ذلك .. وصرف كل ذلك المال فقط من أجل الخوارزميات
12:48
just for the Carnival and the Knife.
319
753000
3000
من اجل الخوارزميات امثال الكرنفال والسكين
12:51
And when you think about this,
320
756000
2000
وعندما نفكر بهذا ..
12:53
that we're running through the United States
321
758000
2000
اننا حفرنا عبر الولايات المتحدة الامريكية
12:55
with dynamite and rock saws
322
760000
3000
بواسطة الحفارات والمتفجرات
12:58
so that an algorithm can close the deal
323
763000
2000
من أجل تلك الخوارزميات لكي تستطيع ان تتم صفقة في السوق المالي
13:00
three microseconds faster,
324
765000
3000
بسرعة اكبر ب 3 ميكرو ثانية
13:03
all for a communications framework
325
768000
2000
كل ذلك فقط من اجل شبكة اتصالات
13:05
that no human will ever know,
326
770000
4000
رغم انه لا يوجد اي شخص
13:09
that's a kind of manifest destiny;
327
774000
3000
يعرف ما هو المصير الواضح لما يجري
13:12
and we'll always look for a new frontier.
328
777000
3000
الا ان الانسان على الدوام يبحث عن شيء جديد .. وفكر أبعد وحدود أوسع
13:15
Unfortunately, we have our work cut out for us.
329
780000
3000
لسوء الحظ ..اننا نعمل اليوم على استبعادنا من أعمالنا
13:18
This is just theoretical.
330
783000
2000
الان هذه صورة نظرية فحسب
13:20
This is some mathematicians at MIT.
331
785000
2000
وهي من رياضي من معهد " إم آي تي "
13:22
And the truth is I don't really understand
332
787000
2000
في الحقيقة انا لا افهم الكثير مما قاله
13:24
a lot of what they're talking about.
333
789000
2000
وربما معظم ما قاله
13:26
It involves light cones and quantum entanglement,
334
791000
3000
فكلامه يعتمد على مخاريط الضوء .. وميكانيكا الكم المتشابكة
13:29
and I don't really understand any of that.
335
794000
2000
وانا لا افهم معظم هذا
13:31
But I can read this map,
336
796000
2000
ولكن يمكنني ان استوعب هذه الخريطة
13:33
and what this map says
337
798000
2000
ما قاله هو عبر تلك الخريطة
13:35
is that, if you're trying to make money on the markets where the red dots are,
338
800000
3000
انه ان كنت تريد ان تجني الاموال من الاسواق الموجودة في النقاط الحمراء
13:38
that's where people are, where the cities are,
339
803000
2000
اي مكان وجود التجمعات السكانية والمدن
13:40
you're going to have to put the servers where the blue dots are
340
805000
3000
عليك ان تضع مخدمات الانترنت والاتصال خاصتك على النقاط الزرقاء
13:43
to do that most effectively.
341
808000
2000
لكي تحصل على الفاعلية القصوى
13:45
And the thing that you might have noticed about those blue dots
342
810000
3000
وكما ترون ان بعض هذه النقاط موجودة
13:48
is that a lot of them are in the middle of the ocean.
343
813000
3000
في عرض المحيط
13:51
So that's what we'll do: we'll build bubbles or something,
344
816000
3000
ومقترحه ان يقوم ببناء فقاعات كبيرة
13:54
or platforms.
345
819000
2000
او منصات كبيرة
13:56
We'll actually part the water
346
821000
2000
تكون جزء من المحيط
13:58
to pull money out of the air,
347
823000
2000
تعمل على امتصاص الاموال من الاجواء المالية !
14:00
because it's a bright future
348
825000
2000
انه مستقبل مبهر
14:02
if you're an algorithm.
349
827000
2000
إن كنت خبير خوارزميات
14:04
(Laughter)
350
829000
2000
(ضحك)
14:06
And it's not the money that's so interesting actually.
351
831000
3000
ان المال ليس مثيرٌ للاهتمام في الحقيقة
14:09
It's what the money motivates,
352
834000
2000
بل ما يمكن للمال ان يدفع الانسان للقيام به ويحفزه عليه
14:11
that we're actually terraforming
353
836000
2000
اننا بكل بساطة نعيد تشكيل
14:13
the Earth itself
354
838000
2000
الارض
14:15
with this kind of algorithmic efficiency.
355
840000
2000
بسبب تلك خوارزميات وفاعليتها
14:17
And in that light,
356
842000
2000
وفي ضوء كل ما سبق ذكره
14:19
you go back
357
844000
2000
ان عدنا الى
14:21
and you look at Michael Najjar's photographs,
358
846000
2000
صورة ميشيل نجار
14:23
and you realize that they're not metaphor, they're prophecy.
359
848000
3000
فاننا سندرك ان صورته تلك ليست تمثيل او استعارة بصرية .. انها في الحقيقة نبوءة
14:26
They're prophecy
360
851000
2000
انها نبوءة
14:28
for the kind of seismic, terrestrial effects
361
853000
4000
توضح التاثير الكبير الذي تقوم به الرياضيات وتاثيرها " الزلزالي "
14:32
of the math that we're making.
362
857000
2000
على معالمنا الارضية
14:34
And the landscape was always made
363
859000
3000
ان المشهد دائماً تم تشكيله
14:37
by this sort of weird, uneasy collaboration
364
862000
3000
بهذا النوع الغريب و التعاون الصعب
14:40
between nature and man.
365
865000
3000
بين الانسان و الطبيعة
14:43
But now there's this third co-evolutionary force: algorithms --
366
868000
3000
ولكن علينا ان نعي ان هناك اليوم عامل تطور ثالث جديد هو الخوارزميات
14:46
the Boston Shuffler, the Carnival.
367
871000
3000
مثل خوارزمية الكرنفال و بوسطن شيفلر
14:49
And we will have to understand those as nature,
368
874000
3000
وعلينا يوماً ما ان ننظر الى الخوارزميات كجزء من الطبيعة المحيطة بنا
14:52
and in a way, they are.
369
877000
2000
والتي ربما بطريقة ما... هي كذلك
14:54
Thank you.
370
879000
2000
شكراً
14:56
(Applause)
371
881000
20000
(تصفيق)
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