ABOUT THE SPEAKER
Kevin Slavin - Algoworld expert
Kevin 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."

More profile about the speaker
Kevin Slavin | Speaker | TED.com
TEDGlobal 2011

Kevin Slavin: How algorithms shape our world

Kevin Slavin: Kako algoritmi oblikuju naš svijet

Filmed:
4,199,898 views

Kevin Slavin zagovara tezu da živimo u svijetu oblikovanom, i sve više kontrolisanom od strane algoritama. U ovom nadahnutom izlaganju sa TEDGlobal on demonstrira kako ovi kompleksni kompjuterski programi oblikuju taktike špijunaže, cijene dionica, scenarije za film, arhitekturu. Također nas upozorava da pišemo programe koje ne možemo razumjeti, sa posljedicama koje ne možemo kontrolisati.
- Algoworld expert
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 photographfotografija
0
0
2000
Ovo je fotografija
00:17
by the artistumjetnik MichaelMichael NajjarNajjar,
1
2000
2000
koju je načinio umjetnik Michael Najjar,
00:19
and it's realstvarno,
2
4000
2000
i ona je stvarna
00:21
in the sensesmisao that he wentotišao there to ArgentinaArgentina
3
6000
2000
u smislu da je on otišao u Argentinu
00:23
to take the photofotografija.
4
8000
2000
da je uslika
00:25
But it's alsotakođe a fictionfikcija. There's a lot of work that wentotišao into it after that.
5
10000
3000
Ali je također i fikcija. Uloženo je mnogo truda u nju nakon samog fotografisanja.
00:28
And what he's donezavršeno
6
13000
2000
Ono što je on ustvari uradio je
00:30
is he's actuallyzapravo reshapedpreoblikovao, digitallydigitalno,
7
15000
2000
preoblikovao, digitalno,
00:32
all of the contourskonture of the mountainsplanine
8
17000
2000
sve vrhove planina
00:34
to followpratiti the vicissitudesamplitudama of the DowDow JonesJones indexindeks.
9
19000
3000
kako bi odgovarali promjenama Dow Jones indeksa.
00:37
So what you see,
10
22000
2000
Tako da je ovo što vidite
00:39
that precipiceprovalije, that highvisoka precipiceprovalije with the valleydolina,
11
24000
2000
ova padina, ova strma padina sa dolinom u produžetku
00:41
is the 2008 financialfinansijski crisiskriza.
12
26000
2000
ustvari finansijska kriza iz 2008. godine.
00:43
The photofotografija was madenapravljen
13
28000
2000
Fotografija je napravljena
00:45
when we were deepduboko in the valleydolina over there.
14
30000
2000
kada smo zagazili duboko u dolinu.
00:47
I don't know where we are now.
15
32000
2000
Ne znam gdje se sada nalazimo.
00:49
This is the HangObjesiti SengSeng indexindeks
16
34000
2000
Ovo je Hang Seng indeks
00:51
for HongHong KongKong.
17
36000
2000
berze u Hong Kongu.
00:53
And similarSlično topographytopografija.
18
38000
2000
I slična topografija.
00:55
I wonderčudno why.
19
40000
2000
Pitam se zašto.
00:57
And this is artart. This is metaphormetafora.
20
42000
3000
Ovo je umjetnost, zar ne? Ovo je metafora.
01:00
But I think the pointtačka is
21
45000
2000
Ali čini se da je ključno
01:02
that this is metaphormetafora with teethzubi,
22
47000
2000
da je ovo metafora sa zubima,
01:04
and it's with those teethzubi that I want to proposepredlažem todaydanas
23
49000
3000
i sa tom mišlju vam želim predložiti danas
01:07
that we rethinkponovno razmislite a little bitbit
24
52000
2000
da ponovo promislimo
01:09
about the roleuloga of contemporarysavremeni mathmatematika --
25
54000
3000
ulogu savremene matematike --
01:12
not just financialfinansijski mathmatematika, but mathmatematika in generalgeneralno.
26
57000
3000
ne samo finansijske matematike, nego matematike uopšte.
01:15
That its transitiontranzicija
27
60000
2000
Njena trazicija
01:17
from beingbiće something that we extractekstrakt and deriveizvoditi from the worldsvet
28
62000
3000
iz nečega što izvodimo i deriviramo iz stvarnog svijeta
01:20
to something that actuallyzapravo startspočinje to shapeoblik it --
29
65000
3000
u nešto što zapravo počinje oblikovati svijet --
01:23
the worldsvet around us and the worldsvet insideunutra us.
30
68000
3000
svijet oko nas, svijet unutar nas.
01:26
And it's specificallykonkretno algorithmsalgoritmi,
31
71000
2000
I posebno algoritme,
01:28
whichšto are basicallyu suštini the mathmatematika
32
73000
2000
koji su u osnovi matematika
01:30
that computersračunari use to decideodlučiti stuffstvari.
33
75000
3000
koju kompjuteri koriste kako bi donosili odluke.
01:33
They acquirenabaviti the sensibilitysenzibilitet of truthistina
34
78000
2000
Oni stiču osjećaj istine
01:35
because they repeatponoviti over and over again,
35
80000
2000
jer se iznova ponavljaju.
01:37
and they ossifyokoštavaju and calcifyotvrdnuće,
36
82000
3000
I oni se okoštaju i kalcificiraju,
01:40
and they becomepostati realstvarno.
37
85000
2000
i zapravo postaju stvarni.
01:42
And I was thinkingrazmišljanje about this, of all placesmesta,
38
87000
3000
Ja sam razmišljao o ovome, od svih mjesta,
01:45
on a transatlantictransatlantske flightlet a couplepar of yearsgodine agopre,
39
90000
3000
na preko-atlantskom letu prije par godina
01:48
because I happeneddogodilo se to be seatedsedi
40
93000
2000
jer sam se slučajno našao na sjedištu
01:50
nextsledeći to a Hungarianmađarski physicistfizičar about my agestarost
41
95000
2000
pored mađarskog fizičara, otprilike mojih godina,
01:52
and we were talkingpričaju
42
97000
2000
i mi razgovaramo
01:54
about what life was like duringtokom the ColdHladno WarRat
43
99000
2000
o tome kakav je bio život fizičara
01:56
for physicistsfizičari in HungaryMađarska.
44
101000
2000
u Mađarskoj tijekom hladnog rata.
01:58
And I said, "So what were you doing?"
45
103000
2000
I upitao sam ga, "Šta ste Vi radili?",
02:00
And he said, "Well we were mostlyuglavnom breakinglomljenje stealthpotajno."
46
105000
2000
I rekao je, "Pa, uglavnom smo pokušavali da razbijemo nevidljivost lovačkih aviona.“
02:02
And I said, "That's a good jobposao. That's interestingzanimljivo.
47
107000
2000
A ja sam rekao, "Zvuči kao odličan posao. To je interesantno."
02:04
How does that work?"
48
109000
2000
"Kako to funkcioniše?"
02:06
And to understandrazumijete that,
49
111000
2000
Da biste to razumjeli,
02:08
you have to understandrazumijete a little bitbit about how stealthpotajno worksradovi.
50
113000
3000
morate imate osnovno razumijevanje kako funkcioniše nevidljivost aviona.
02:11
And so -- this is an over-simplificationpretjerano pojednostavljenje --
51
116000
3000
I -- ovo je potpuno pojednostavljeno --
02:14
but basicallyu suštini, it's not like
52
119000
2000
ali u osnovi ne možete jednostavno
02:16
you can just passprolaz a radarradar signalsignal
53
121000
2000
da provučete radarski signal
02:18
right throughkroz 156 tonstona of steelčelik in the skynebo.
54
123000
3000
kroz 156 tona čelika na nebu.
02:21
It's not just going to disappearnestati.
55
126000
3000
Objekat neće jednostavno nestati.
02:24
But if you can take this bigveliki, massivemasivni thing,
56
129000
3000
Ali ako možete uzeti ovu veliku, masivnu stvar,
02:27
and you could turnokrenite it into
57
132000
3000
i pretvoriti je u
02:30
a millionmiliona little things --
58
135000
2000
milion malih stvari --
02:32
something like a flockstado of birdsptice --
59
137000
2000
nešto kao jato ptica --
02:34
well then the radarradar that's looking for that
60
139000
2000
u tom slučaju, radar koji to traži
02:36
has to be ablesposoban to see
61
141000
2000
mora biti u stanju uočiti
02:38
everysvaki flockstado of birdsptice in the skynebo.
62
143000
2000
svako jato ptica na nebu.
02:40
And if you're a radarradar, that's a really badloše jobposao.
63
145000
4000
Ako ste radar, to je zaista težak posao.
02:44
And he said, "Yeah." He said, "But that's if you're a radarradar.
64
149000
3000
"Da", rekao je, "ali samo ako si radar.
02:47
So we didn't use a radarradar;
65
152000
2000
Tako da nismo koristili radar;
02:49
we builtizgrađen a blackcrno boxbox that was looking for electricalelektrični signalssignalima,
66
154000
3000
napravili smo crnu kutiju koja je pretraživala električne signale,
02:52
electronicelektronski communicationkomunikacija.
67
157000
3000
elektronsku komunikaciju.
02:55
And wheneverkad god we saw a flockstado of birdsptice that had electronicelektronski communicationkomunikacija,
68
160000
3000
I kad god bismo vidjeli jato ptica koje ima elektronsku komunikaciju,
02:58
we thought, 'Probably' Vjerojatno has something to do with the AmericansAmerikanci.'"
69
163000
3000
mogli smo biti prilično sigurni Amerikanci imaju nešto s tim."
03:01
And I said, "Yeah.
70
166000
2000
A ja sam rekao "Da.
03:03
That's good.
71
168000
2000
To je dobro.
03:05
So you've effectivelyefikasno negatednegira
72
170000
2000
"Znači, Vi ste efektivno poništili
03:07
60 yearsgodine of aeronauticaeronautička researchistraživanje.
73
172000
2000
"60 godina aeronautičkog istraživanja.
03:09
What's your actčiniti two?
74
174000
2000
Šta se dešava u drugom činu?
03:11
What do you do when you growraste up?"
75
176000
2000
Šta radite sad kad ste porasli?"
03:13
And he said,
76
178000
2000
I on reče,
03:15
"Well, financialfinansijski servicesusluge."
77
180000
2000
"Pa... finansijske usluge."
03:17
And I said, "Oh."
78
182000
2000
"Oh.", rekao sam.
03:19
Because those had been in the newsvijesti latelyu posljednje vrijeme.
79
184000
3000
Obzirom da su vijesti o finansijama nešto češće u posljednje vrijeme.
03:22
And I said, "How does that work?"
80
187000
2000
"Kako to funkcioniše?", pitao sam.
03:24
And he said, "Well there's 2,000 physicistsfizičari on WallZid StreetUlica now,
81
189000
2000
Rekao je, "Pa trenutno ima 2.000 fizičara na Wall Streetu,
03:26
and I'm one of them."
82
191000
2000
i ja sam jedan od njih."
03:28
And I said, "What's the blackcrno boxbox for WallZid StreetUlica?"
83
193000
3000
"I šta je crna kutija na Wall Streetu?", pitao sam.
03:31
And he said, "It's funnysmešno you askpitajte that,
84
196000
2000
"Interesantno da to pitate," rekao je
03:33
because it's actuallyzapravo calledpozvana blackcrno boxbox tradingtrgovanje.
85
198000
3000
"obzirom da se zaista zove trgovanje iz crne kutije ("black box trading").
03:36
And it's alsotakođe sometimesponekad calledpozvana algoalgo tradingtrgovanje,
86
201000
2000
A nekada se naziva i algo trgovanje,
03:38
algorithmicalgoritamski tradingtrgovanje."
87
203000
3000
algoritamsko trgovanje."
03:41
And algorithmicalgoritamski tradingtrgovanje evolvedevoluirao in partdeo
88
206000
3000
I algoritamsko trgovanje je nastalo dijelom
03:44
because institutionalinstitucionalni traderstrgovci have the sameisto problemsproblemi
89
209000
3000
jer su institucionalni investitori imali iste probleme
03:47
that the UnitedUjedinjeni StatesDržava AirKlima ForceSila had,
90
212000
3000
kao američka ratna avijacija.
03:50
whichšto is that they're movingkretanje these positionspozicije --
91
215000
3000
Mijenjali su svoje vlasničke pozicije --
03:53
whetherbilo da it's ProctorProctor & GambleKocka or AccentureAccenture, whateverkako god --
92
218000
2000
bilo da je to bio Proctor & Gamble, Accenture, ili neka druga firma --
03:55
they're movingkretanje a millionmiliona sharesakcije of something
93
220000
2000
mijenjali su vlasništvo nad milionima dionica nečega
03:57
throughkroz the markettržište.
94
222000
2000
kroz tržište.
03:59
And if they do that all at oncejednom,
95
224000
2000
I ako to urade odjednom
04:01
it's like playingigranje pokerpoker and going all in right away.
96
226000
2000
to je kao da uložite sve u prvom dijeljenju u igri pokera.
04:03
You just tipvrh your handruka.
97
228000
2000
Jednostavno odate karte.
04:05
And so they have to find a way --
98
230000
2000
Tako da su morali pronaći način --
04:07
and they use algorithmsalgoritmi to do this --
99
232000
2000
a za ovo koriste algoritme --
04:09
to breakpauza up that bigveliki thing
100
234000
2000
da podijele tu jednu veliku stvar, veliku transakciju
04:11
into a millionmiliona little transactionstransakcija.
101
236000
2000
u milion malih transakcija.
04:13
And the magicmagija and the horroružas of that
102
238000
2000
Čarolija i užas toga je da
04:15
is that the sameisto mathmatematika
103
240000
2000
istu matematiku
04:17
that you use to breakpauza up the bigveliki thing
104
242000
2000
koju koristite da podijelite veliku stvar
04:19
into a millionmiliona little things
105
244000
2000
u milion malih djelića
04:21
can be used to find a millionmiliona little things
106
246000
2000
možete koristiti da pronađete milion malih djelića
04:23
and sewšiti them back togetherzajedno
107
248000
2000
i ponovo ih sastavite
04:25
and figurefigura out what's actuallyzapravo happeningdešava se in the markettržište.
108
250000
2000
i shvatite šta se zapravo dešava na tržištu.
04:27
So if you need to have some imageslika
109
252000
2000
Tako da ako želite imati neku sliku
04:29
of what's happeningdešava se in the stockzaliha markettržište right now,
110
254000
3000
berzovnog tržišta u ovom trenutku,
04:32
what you can pictureslika is a bunchgomilu of algorithmsalgoritmi
111
257000
2000
možete ga zamisliti kao veliki broj algoritama
04:34
that are basicallyu suštini programmedprogramirano to hidesakriti,
112
259000
3000
koji su programirani da prikriju transakcije,
04:37
and a bunchgomilu of algorithmsalgoritmi that are programmedprogramirano to go find them and actčiniti.
113
262000
3000
i veliki broj algoritama koji su programirani da ih pronađu i djeluju.
04:40
And all of that's great, and it's fine.
114
265000
3000
I sve je to u redu.
04:43
And that's 70 percentprocenta
115
268000
2000
Dok ne saznate da oni čine 70 procenata
04:45
of the UnitedUjedinjeni StatesDržava stockzaliha markettržište,
116
270000
2000
berzovnog prometa Sjedinjenih Država,
04:47
70 percentprocenta of the operatingradi systemsistem
117
272000
2000
70 procenata operativnog sistema
04:49
formerlyranije knownpoznato as your pensionpansion,
118
274000
3000
prethodno poznatog kao vaše penzije,
04:52
your mortgagehipoteka.
119
277000
3000
vaši zajmovi za kuće.
04:55
And what could go wrongpogrešno?
120
280000
2000
A šta može poći po zlu?
04:57
What could go wrongpogrešno
121
282000
2000
Pa, šta može poći po zlu
04:59
is that a yeargodina agopre,
122
284000
2000
je da je prije godinu dana,
05:01
ninedevet percentprocenta of the entirecijeli markettržište just disappearsnestaje in fivepet minutesminuta,
123
286000
3000
9 posto vrijednosti cjelokupnog tržišta nestalo za samo pet minuta.
05:04
and they calledpozvana it the FlashBljesak CrashSudar of 2:45.
124
289000
3000
i to nazivaju "fleš krahom u 2:45".
05:07
All of a suddeniznenada, ninedevet percentprocenta just goeside away,
125
292000
3000
Potpuno neočekivano, 9 posto jednostavno nestane,
05:10
and nobodyniko to this day
126
295000
2000
i nitko do današnjeg dana,
05:12
can even agreeslažem se on what happeneddogodilo se
127
297000
2000
se čak ne može ni složiti oko toga šta se dogodilo,
05:14
because nobodyniko orderednaručio it, nobodyniko askedpitan for it.
128
299000
3000
jer nitko nije izdao nalog, nitko to nije tražio.
05:17
NobodyNitko ne had any controlkontrola over what was actuallyzapravo happeningdešava se.
129
302000
3000
Niko nije imao kontrolu nad ovim.
05:20
All they had
130
305000
2000
Sve što su imali bio je monitor
05:22
was just a monitormonitor in frontfront of them
131
307000
2000
ispred njih
05:24
that had the numbersbrojevi on it
132
309000
2000
sa brojevima na njemu
05:26
and just a redcrvena buttondugme
133
311000
2000
i crveno dugme
05:28
that said, "Stop."
134
313000
2000
na kojem je pisalo "Stop".
05:30
And that's the thing,
135
315000
2000
Stvar je zapravo u tome
05:32
is that we're writingpisanje things,
136
317000
2000
da mi trenutno pišemo stvari,
05:34
we're writingpisanje these things that we can no longerduže readpročitajte.
137
319000
3000
pišemo ove stvari koje više ne znamo pročitati.
05:37
And we'vemi smo rendereddonesena something
138
322000
2000
Načinili smo nešto
05:39
illegiblenečitak,
139
324000
2000
nečitljivim.
05:41
and we'vemi smo lostizgubljeno the sensesmisao
140
326000
3000
I izgubili smo osjećaj
05:44
of what's actuallyzapravo happeningdešava se
141
329000
2000
šta se zapravo zbiva
05:46
in this worldsvet that we'vemi smo madenapravljen.
142
331000
2000
u ovom svijetu koji smo napravili.
05:48
And we're startingpočinjati to make our way.
143
333000
2000
I počinjemo tražiti put.
05:50
There's a companykompanija in BostonBoston calledpozvana NanexNaneks,
144
335000
3000
U Bostonu postoji kompanija koja se zove Nanex,
05:53
and they use mathmatematika and magicmagija
145
338000
2000
koja koristi matematiku i čarolije
05:55
and I don't know what,
146
340000
2000
i ne znam šta sve ne,
05:57
and they reachdostignuti into all the markettržište datapodaci
147
342000
2000
i oni posegnu za svim podacima o trgovini na berzi
05:59
and they find, actuallyzapravo sometimesponekad, some of these algorithmsalgoritmi.
148
344000
3000
i ponekada zaista pronađu neke od ovih algoritama.
06:02
And when they find them they pullpovući them out
149
347000
3000
I kada ih pronađu, oni ih iščupaju iz mase podataka
06:05
and they pinpin them to the wallzid like butterfliesleptiri.
150
350000
3000
i zakače ih na zid, kao preparirane leptirove.
06:08
And they do what we'vemi smo always donezavršeno
151
353000
2000
I rade ono što smo uvijek radili
06:10
when confrontedsuočeni with hugeogromno amountsiznosi of datapodaci that we don't understandrazumijete --
152
355000
3000
kad se suočimo sa velikom količinom podataka koje ne razumijemo --
06:13
whichšto is that they give them a nameime
153
358000
2000
damo im ime
06:15
and a storypriča.
154
360000
2000
i priču.
06:17
So this is one that they foundpronađeno,
155
362000
2000
I tako, ovo je jedan od algoritama koji su pronašli
06:19
they calledpozvana the KnifeNož,
156
364000
4000
koji zovu "Nož",
06:23
the CarnivalKarneval,
157
368000
2000
"Karneval",
06:25
the BostonBoston ShufflerMješač,
158
370000
4000
"Bostonski mješač",
06:29
TwilightSumrak.
159
374000
2000
"Sumrak".
06:31
And the gaggeg is
160
376000
2000
Stvar je da,
06:33
that, of coursekurs, these aren'tnisu just runningtrčanje throughkroz the markettržište.
161
378000
3000
naravno, oni nisu ograničeni samo na tržišta.
06:36
You can find these kindsvrste of things wherevergdje god you look,
162
381000
3000
Ovakve algoritme možete naći gdje god da pogledate,
06:39
oncejednom you learnuči how to look for them.
163
384000
2000
ukoliko naučite šta da tražite.
06:41
You can find it here: this bookknjiga about fliesmuhe
164
386000
3000
Možete ih naći ovdje: ova knjiga o muhama
06:44
that you maymože have been looking at on AmazonAmazon.
165
389000
2000
koju ste možda uočili na Amazonu.
06:46
You maymože have noticedprimetio it
166
391000
2000
Možda vam je zapala za oko
06:48
when its pricecijena startedzapočet at 1.7 millionmiliona dollarsdolara.
167
393000
2000
kada je njena cijena dostigla 1,7 miliona dolara.
06:50
It's out of printprint -- still ...
168
395000
2000
Knjiga se više na štampa, ali ipak...
06:52
(LaughterSmijeh)
169
397000
2000
(Smijeh)
06:54
If you had boughtkupio it at 1.7, it would have been a bargainjeftino.
170
399000
3000
Da ste je kupili po cijeni od 1.7 miliona, to bi bila bagatela.
06:57
A fewnekoliko hourssati laterkasnije, it had gonenestao up
171
402000
2000
Nekoliko sati kasnije, cijena se popela
06:59
to 23.6 millionmiliona dollarsdolara,
172
404000
2000
na 23.6 miliona dolara,
07:01
plusplus shippingdostava and handlingrukovanje.
173
406000
2000
uz troškove pošiljke i obrade.
07:03
And the questionpitanje is:
174
408000
2000
I pitanje je sljedeće:
07:05
NobodyNitko ne was buyingkupovina or sellingprodaje anything; what was happeningdešava se?
175
410000
2000
Niko nije ništa kupovao ili prodavao; šta se događalo?
07:07
And you see this behaviorponašanje on AmazonAmazon
176
412000
2000
Možete uočiti ove pojave na Amazonu
07:09
as surelysigurno as you see it on WallZid StreetUlica.
177
414000
2000
isto kao što ih možete vidjeti na Wall Streetu.
07:11
And when you see this kindkind of behaviorponašanje,
178
416000
2000
I kada vidite ovu vrstu pojave,
07:13
what you see is the evidencedokaze
179
418000
2000
ono što vidite je manifestacija
07:15
of algorithmsalgoritmi in conflictkonflikt,
180
420000
2000
algoritama u konfliktu,
07:17
algorithmsalgoritmi lockedzaključano in loopspetlje with eachsvaki other,
181
422000
2000
algoritama zaključanih u beskonačnim krugovima jednih sa drugima,
07:19
withoutbez any humančovjek oversightnadzor,
182
424000
2000
bez ikakvog ljudskog nadzora,
07:21
withoutbez any adultodrasla osoba supervisionnadzor
183
426000
3000
bez roditeljske pažnje
07:24
to say, "ActuallyZapravo, 1.7 millionmiliona is plentydosta."
184
429000
3000
nekoga ko bi rekao, "Zapravo, 1.7 miliona je više nego dovoljno."
07:27
(LaughterSmijeh)
185
432000
3000
(Smijeh)
07:30
And as with AmazonAmazon, so it is with NetflixNetflix.
186
435000
3000
Sličan primjer Amazonu vidimo i na Netflixu.
07:33
And so NetflixNetflix has gonenestao throughkroz
187
438000
2000
Netflix je prošao kroz nekoliko
07:35
severalnekoliko differentdrugačiji algorithmsalgoritmi over the yearsgodine.
188
440000
2000
različitih algoritama tokom godina.
07:37
They startedzapočet with CinematchCinematch, and they'veoni su triedpokušao a bunchgomilu of othersdrugi --
189
442000
3000
Počeli su sa Cinematch, a onda su okušali i niz drugih.
07:40
there's DinosaurDinosaur PlanetPlaneta; there's GravityGravitacija.
190
445000
2000
Imate Planetu dionosaura ("Dinosaur Planet"), Gravitaciju ("Gravity").
07:42
They're usingkoristeći PragmaticPragmatičan ChaosKaos now.
191
447000
2000
Trenutno koriste Pragmatični haos ("Pragmatic Chaos").
07:44
PragmaticPragmatičan ChaosKaos is, like all of NetflixNetflix algorithmsalgoritmi,
192
449000
2000
Pragmatični haos pokušava učiniti istu stvar
07:46
tryingpokušavajući to do the sameisto thing.
193
451000
2000
kao i svi drugi Netflix algoritmi.
07:48
It's tryingpokušavajući to get a grasprazumjeti on you,
194
453000
2000
Pokušava shvatiti vas,
07:50
on the firmwarefirmware insideunutra the humančovjek skulllobanja,
195
455000
2000
operativni sistem u vašim glavama,
07:52
so that it can recommendpreporučeno what moviefilm
196
457000
2000
kako bi preporučio naredni film
07:54
you mightMožda want to watch nextsledeći --
197
459000
2000
koji biste mogle pogledati --
07:56
whichšto is a very, very difficultteško problemproblem.
198
461000
3000
što je veoma, veoma težak problem.
07:59
But the difficultypoteškoća of the problemproblem
199
464000
2000
Ali složenost problema
08:01
and the factčinjenica that we don't really quitesasvim have it down,
200
466000
3000
kao i činjenica da ga i ne razumijemo u potpunosti,
08:04
it doesn't take away
201
469000
2000
ne umanjuje učinak
08:06
from the effectsefekti PragmaticPragmatičan ChaosKaos has.
202
471000
2000
koji Pragmatični haos ima.
08:08
PragmaticPragmatičan ChaosKaos, like all NetflixNetflix algorithmsalgoritmi,
203
473000
3000
Pragmatični haos, kao svi Netflix algoritmi,
08:11
determinesodređuje, in the endkraj,
204
476000
2000
određuje, na kraju,
08:13
60 percentprocenta
205
478000
2000
60 procenata
08:15
of what moviesfilmove endkraj up beingbiće rentediznajmljen.
206
480000
2000
svih filmova koji se rentaju.
08:17
So one piecekomad of codekod
207
482000
2000
Dakle, jedan program
08:19
with one ideaideja about you
208
484000
3000
sa nekom idejom o vama
08:22
is responsibleodgovoran for 60 percentprocenta of those moviesfilmove.
209
487000
3000
je odgovoran za 60 posto filmova koje pogledate.
08:25
But what if you could ratestopa those moviesfilmove
210
490000
2000
Ali šta kada biste mogli ocijeniti filmove
08:27
before they get madenapravljen?
211
492000
2000
i prije no što ih snime?
08:29
Wouldn'tNe bi that be handypri ruci?
212
494000
2000
Zar to ne bi bilo korisno?
08:31
Well, a fewnekoliko datapodaci scientistsnaučnici from the U.K. are in HollywoodHollywood,
213
496000
3000
E, pa nekoliko informacijskih naučnika iz Velike Britanije je u Holivudu,
08:34
and they have "storypriča algorithmsalgoritmi" --
214
499000
2000
i oni imaju algoritme za scenarije i filmske priče --
08:36
a companykompanija calledpozvana EpagogixEpagogix.
215
501000
2000
kompanije koja se zove Epagogix.
08:38
And you can runtrči your scriptSkripta throughkroz there,
216
503000
3000
I možete provući vaš scenarij kroz njihov program,
08:41
and they can tell you, quantifiablyquantifiably,
217
506000
2000
i oni vam mogu reći, kvantificirati,
08:43
that that's a 30 millionmiliona dollardolar moviefilm
218
508000
2000
da je to film koji će zaraditi 30 miliona dolara
08:45
or a 200 millionmiliona dollardolar moviefilm.
219
510000
2000
ili 200 miliona dolara.
08:47
And the thing is, is that this isn't GoogleGoogle.
220
512000
2000
Stvar je u tome da ovo nije Google.
08:49
This isn't informationinformacije.
221
514000
2000
Ovo nisu informacije.
08:51
These aren'tnisu financialfinansijski statsStatistika; this is culturekultura.
222
516000
2000
Ovo nisu finansijski podaci; ovo je kultura.
08:53
And what you see here,
223
518000
2000
I ono što vidimo ovdje,
08:55
or what you don't really see normallynormalno,
224
520000
2000
ili bolje rečeno, što obično ne vidimo jer ostane skriveno,
08:57
is that these are the physicsfizika of culturekultura.
225
522000
4000
jest da je ovo fizika kulture.
09:01
And if these algorithmsalgoritmi,
226
526000
2000
I ako ovi algoritmi,
09:03
like the algorithmsalgoritmi on WallZid StreetUlica,
227
528000
2000
kao algoritmi na Wall Streetu
09:05
just crashedslupan one day and wentotišao awrynakrivo,
228
530000
3000
krahiraju jednog dana i pođu po zlu,
09:08
how would we know?
229
533000
2000
kako ćemo znati,
09:10
What would it look like?
230
535000
2000
kako će to izgledati?
09:12
And they're in your housekuća. They're in your housekuća.
231
537000
3000
A oni su u vašoj kući. Oni su u vašoj kući.
09:15
These are two algorithmsalgoritmi competingtakmičenje for your livingživi roomsoba.
232
540000
2000
Ovo su dva algoritma koja se bore za vašu dnevnu sobu.
09:17
These are two differentdrugačiji cleaningčišćenje robotsroboti
233
542000
2000
Ovo su dva robotizirana usisivača
09:19
that have very differentdrugačiji ideasideje about what cleančist meansznači.
234
544000
3000
koja imaju vrlo različita shvatanja čistoće.
09:22
And you can see it
235
547000
2000
I vi to možete i vidjeti
09:24
if you slowsporo it down and attachpričvrstiti lightssvjetla to them,
236
549000
3000
ako ih usporite i dodate im svjetlo.
09:27
and they're sortsortiraj of like secrettajna architectsarhitekte in your bedroomspavaca soba.
237
552000
3000
A oni su kao neki tajni arhitekti u vašoj spavaćoj sobi.
09:30
And the ideaideja that architecturearhitektura itselfsam
238
555000
3000
Čak i ideja da je i sama arhitektura
09:33
is somehownekako subjectpredmet to algorithmicalgoritamski optimizationOptimizacija
239
558000
2000
na neki način podređena algoritamskoj optimizaciji
09:35
is not far-fetcheddalekovano.
240
560000
2000
nije nerealna.
09:37
It's super-realSuper-realnom and it's happeningdešava se around you.
241
562000
3000
Ona je vrlo stvarna i to se već dešava oko vas.
09:40
You feel it mostnajviše
242
565000
2000
Najviše ćete je osjetiti
09:42
when you're in a sealedzapečaćen metalmetal boxbox,
243
567000
2000
kad se budete nalazili u zatvorenoj metalnoj kutiji,
09:44
a new-stylenovi stil elevatordizalo;
244
569000
2000
liftu nove generacije,
09:46
they're calledpozvana destination-controlodredište-kontrola elevatorsliftovi.
245
571000
2000
kojeg zovu lift sa kontrolom odredišta.
09:48
These are the onesone where you have to presspritisnite what floorpod you're going to go to
246
573000
3000
To su oni liftovi kod kojih morate odabrati sprat na koji idete
09:51
before you get in the elevatordizalo.
247
576000
2000
prije negoli uđete u lift.
09:53
And it useskoristi what's calledpozvana a bin-packingBin-pakiranje algorithmalgoritam.
248
578000
2000
I on koristi ono što se naziva algoritmom za pakovanje kanti.
09:55
So nonenema of this mishegassljedbenika koji su
249
580000
2000
Znači ništa od ove ludosti
09:57
of lettingiznajmljivanje everybodysvi go into whateverkako god carauto they want.
250
582000
2000
da puštamo ljude da ulaze u lift koji žele.
09:59
EverybodySvi who wants to go to the 10thth floorpod goeside into carauto two,
251
584000
2000
Svi koji žele na 10-ti sprat ulaze u lift dva,
10:01
and everybodysvi who wants to go to the thirdtreće floorpod goeside into carauto fivepet.
252
586000
3000
a svi koji žele na treći sprat ulaze u lift pet.
10:04
And the problemproblem with that
253
589000
2000
Problem s ovim
10:06
is that people freaknakazo out.
254
591000
2000
je da se ljudi prestrave.
10:08
People panicpanika.
255
593000
2000
Ljudi se uspaniče.
10:10
And you see why. You see why.
256
595000
2000
A možete i razumjeti zašto. Vidite zašto.
10:12
It's because the elevatordizalo
257
597000
2000
Liftu nedostaje
10:14
is missingnestala some importantbitan instrumentationinstrumentacija, like the buttonsdugmad.
258
599000
3000
nekoliko važnih instrumenata, kao na primjer dugmad.
10:17
(LaughterSmijeh)
259
602000
2000
(Smijeh)
10:19
Like the things that people use.
260
604000
2000
Stvari koje ljudi koriste.
10:21
All it has
261
606000
2000
Sve što lift ima
10:23
is just the numberbroj that movespomera se up or down
262
608000
3000
je broj koji se pomjera gore ili dole
10:26
and that redcrvena buttondugme that sayskaže, "Stop."
263
611000
3000
i crveno dugme na kojem piše "Stop".
10:29
And this is what we're designingdizajniranje for.
264
614000
3000
Tako dizajniramo stvari.
10:32
We're designingdizajniranje
265
617000
2000
Dizajniramo
10:34
for this machinemašina dialectdijalekt.
266
619000
2000
za ovaj mašinski dijalekt.
10:36
And how fardaleko can you take that? How fardaleko can you take it?
267
621000
3000
I, dokle možemo ići tako? Dokle ovo možemo dovesti?
10:39
You can take it really, really fardaleko.
268
624000
2000
Možemo ga dovesti stvarno, stvarno daleko.
10:41
So let me take it back to WallZid StreetUlica.
269
626000
3000
Dopustite mi da se vratim na Wall Street.
10:45
Because the algorithmsalgoritmi of WallZid StreetUlica
270
630000
2000
Jer algoritmi na Wall Streetu zavise
10:47
are dependentovisno on one qualitykvaliteta abovegore all elsedrugo,
271
632000
3000
od jedne stvari više no od bilo čega drugog,
10:50
whichšto is speedbrzina.
272
635000
2000
a to je brzina.
10:52
And they operateraditi on millisecondsmilisekundi and microsecondspar mikrosekundi.
273
637000
3000
A oni operišu u milisekundama i mikrosekundama.
10:55
And just to give you a sensesmisao of what microsecondspar mikrosekundi are,
274
640000
2000
Da bih vam dao osjećaj šta je mikrosekunda,
10:57
it takes you 500,000 microsecondspar mikrosekundi
275
642000
2000
potrebno vam je 500,000 mikrosekundi
10:59
just to clickkliknite a mousemiš.
276
644000
2000
da biste kliknuli mišem.
11:01
But if you're a WallZid StreetUlica algorithmalgoritam
277
646000
2000
Ali ako ste algoritam na Wall Streetu
11:03
and you're fivepet microsecondspar mikrosekundi behindiza,
278
648000
2000
i ako kasnite 5 mikrosekundi,
11:05
you're a losergubitnik.
279
650000
2000
vi ste gubitnik.
11:07
So if you were an algorithmalgoritam,
280
652000
2000
Dakle ako ste algoritam,
11:09
you'dti bi look for an architectarhitekta like the one that I metispunjen in FrankfurtFrankfurt
281
654000
3000
tražili biste arhitektu kao jednoga kojeg sam upoznao u Frankfurtu
11:12
who was hollowingpražnjenja out a skyscraperneboder --
282
657000
2000
koji ispražnjuje cijeli neboder --
11:14
throwingbacanje out all the furniturenameštaj, all the infrastructureinfrastruktura for humančovjek use,
283
659000
3000
izbacuje sav namještaj, svu infrastrukturu koju koriste ljudi,
11:17
and just runningtrčanje steelčelik on the floorspodove
284
662000
3000
i samo postavlja čelik na podove
11:20
to get readyspreman for the stackshrpe of serversserveri to go in --
285
665000
3000
kako bi ih pripremio za nizove servera koji će ići unutra --
11:23
all so an algorithmalgoritam
286
668000
2000
sve kako bi algoritam
11:25
could get closezatvori to the InternetInternet.
287
670000
3000
mogao prići bliže Internetu.
11:28
And you think of the InternetInternet as this kindkind of distributeddistribuirani systemsistem.
288
673000
3000
Obično razmišljamo o Internetu kao o distribuiranom sistemu.
11:31
And of coursekurs, it is, but it's distributeddistribuirani from placesmesta.
289
676000
3000
I naravno, on to i jeste, ali je distribuiran iz različitih lokacija.
11:34
In NewNovi YorkYork, this is where it's distributeddistribuirani from:
290
679000
2000
U New Yorku, distribuiran je odavde:
11:36
the CarrierNosač HotelHotel
291
681000
2000
Carrier hotel
11:38
locatednalazi se on HudsonHudson StreetUlica.
292
683000
2000
u ulici Hudson.
11:40
And this is really where the wiresžice come right up into the citygrad.
293
685000
3000
Odavde žice ulaze direktno u grad.
11:43
And the realityrealnost is that the furtherdalje away you are from that,
294
688000
4000
I realnost je da što ste dalje od ove lokacije
11:47
you're a fewnekoliko microsecondspar mikrosekundi behindiza everysvaki time.
295
692000
2000
uvijek ste par mikrosekundi sporiji.
11:49
These guys down on WallZid StreetUlica,
296
694000
2000
Ovi momci s Wall Streeta,
11:51
MarcoMarco PoloPolo and CherokeeCherokee NationNacija,
297
696000
2000
Marco Polo i Cherokee Nation
11:53
they're eightosam microsecondspar mikrosekundi
298
698000
2000
oni su osam mikrosekundi
11:55
behindiza all these guys
299
700000
2000
sporiji od ovih algoritama
11:57
going into the emptyprazno buildingszgrade beingbiće hollowedhollowed out
300
702000
4000
koje lociraju u ispražnjene zgrade
12:01
up around the CarrierNosač HotelHotel.
301
706000
2000
oko Carrier hotela.
12:03
And that's going to keep happeningdešava se.
302
708000
3000
I to će nastaviti da se dešava.
12:06
We're going to keep hollowingpražnjenja them out,
303
711000
2000
Nastavićemo da ih ispražnjujemo,
12:08
because you, inchinch for inchinch
304
713000
3000
jer vi, centimetar po centimetar,
12:11
and poundfunta for poundfunta and dollardolar for dollardolar,
305
716000
3000
dolar po dolar, nitko od vas
12:14
nonenema of you could squeezesqueeze revenueprihoda out of that spaceprostor
306
719000
3000
ne može iscijediti veći prihod iz tog prostora
12:17
like the BostonBoston ShufflerMješač could.
307
722000
3000
od Bostonskog mješača.
12:20
But if you zoomzum out,
308
725000
2000
Ali, ako se malo izdvojite iz slike
12:22
if you zoomzum out,
309
727000
2000
i pogledate krupni plan,
12:24
you would see an 825-mile-milje trenchrov
310
729000
4000
vidjećete kanal dug 1,330 kilometara
12:28
betweenizmeđu NewNovi YorkYork CityGrad and ChicagoChicago
311
733000
2000
između New Yorka i Čikaga
12:30
that's been builtizgrađen over the last fewnekoliko yearsgodine
312
735000
2000
koji izgrađen tijekom posljednjih par godina
12:32
by a companykompanija calledpozvana SpreadŠirenje NetworksMreža.
313
737000
3000
od kompanije koja se zove Spread Networks.
12:35
This is a fibervlakna opticoptički cablekabel
314
740000
2000
Ovo je optički kabl
12:37
that was laidpoloženo betweenizmeđu those two citiesgradova
315
742000
2000
koji je pružen između ova dva grada
12:39
to just be ablesposoban to trafficsaobraćaj one signalsignal
316
744000
3000
za saobraćaj samo jednog signala
12:42
37 timesputa fasterbrže than you can clickkliknite a mousemiš --
317
747000
3000
37 puta brže no što vi možete kliknuti mišem --
12:45
just for these algorithmsalgoritmi,
318
750000
3000
izgrađen samo za ove algoritme,
12:48
just for the CarnivalKarneval and the KnifeNož.
319
753000
3000
samo za Karneval, za Nož.
12:51
And when you think about this,
320
756000
2000
I kada pomislite na to,
12:53
that we're runningtrčanje throughkroz the UnitedUjedinjeni StatesDržava
321
758000
2000
da trčimo kroz Sjedinjene Države
12:55
with dynamitedinamit and rockrock sawspile
322
760000
3000
sa dinamitom i razbijačima stijena
12:58
so that an algorithmalgoritam can closezatvori the dealdogovoriti
323
763000
2000
samo kako bi algoritam mogao zaključiti transakciju
13:00
threetri microsecondspar mikrosekundi fasterbrže,
324
765000
3000
tri mikrosekunde brže,
13:03
all for a communicationskomunikacije frameworkokvir
325
768000
2000
sve za komunikacijski okvir
13:05
that no humančovjek will ever know,
326
770000
4000
koji nijedno ljudsko biće neće upoznati
13:09
that's a kindkind of manifestmanifest destinysudbina;
327
774000
3000
to je neka vrsta manifestne sudbine
13:12
and we'llmi ćemo always look for a newnovo frontiergranica.
328
777000
3000
koja će uvijek pomjerati nove granice.
13:15
UnfortunatelyNa žalost, we have our work cutcut out for us.
329
780000
3000
Nažalost, posao pred nama je vrlo ambiciozan.
13:18
This is just theoreticalteorijski.
330
783000
2000
Ovo je samo teoretski.
13:20
This is some mathematiciansmatematičari at MITMIT.
331
785000
2000
Ovo su pripremili neki matematičari sa MIT-a.
13:22
And the truthistina is I don't really understandrazumijete
332
787000
2000
I, da budem iskren, ni ja ne razumijem mnogo
13:24
a lot of what they're talkingpričaju about.
333
789000
2000
od ovoga o čemu su pričali.
13:26
It involvesuključuje lightsvetlo coneskonusi and quantumkvant entanglementsprezanje,
334
791000
3000
Uključujući neke svjetlosne kupole i kvantnu zamršenost,
13:29
and I don't really understandrazumijete any of that.
335
794000
2000
i je ne razumijem ništa od toga.
13:31
But I can readpročitajte this mapkarta,
336
796000
2000
Ali mogu se snaći na ovoj mapi.
13:33
and what this mapkarta sayskaže
337
798000
2000
I ono što nam ova mapa kaže
13:35
is that, if you're tryingpokušavajući to make moneynovac on the marketstržišta where the redcrvena dotstočkice are,
338
800000
3000
je da, ukoliko mislite zaraditi novac na tržištima gdje su ove crvene tačke,
13:38
that's where people are, where the citiesgradova are,
339
803000
2000
gdje se nalaze ljudi, u gradovima,
13:40
you're going to have to put the serversserveri where the blueplavo dotstočkice are
340
805000
3000
moraćete postaviti servere na mjesta označena plavim tačkama
13:43
to do that mostnajviše effectivelyefikasno.
341
808000
2000
kako biste bili najučinkovitiji.
13:45
And the thing that you mightMožda have noticedprimetio about those blueplavo dotstočkice
342
810000
3000
Možda ste primjetili da se mnoge od ovih plavih tačaka
13:48
is that a lot of them are in the middlesrednji of the oceanokean.
343
813000
3000
nalaze na sredini okeana.
13:51
So that's what we'llmi ćemo do: we'llmi ćemo buildizgraditi bubblesmehuriće or something,
344
816000
3000
Znači to ćemo raditi, pravićemo neke balone ili nešto slično,
13:54
or platformsplatforme.
345
819000
2000
ili platforme.
13:56
We'llMi ćemo actuallyzapravo partdeo the watervoda
346
821000
2000
bukvalno ćemo razdvajati more
13:58
to pullpovući moneynovac out of the airzrak,
347
823000
2000
kako bismo uzimali novac iz zraka,
14:00
because it's a brightsvetao futurebudućnost
348
825000
2000
jer pred vama je blistava budućnost,
14:02
if you're an algorithmalgoritam.
349
827000
2000
ukoliko ste algoritam.
14:04
(LaughterSmijeh)
350
829000
2000
(Smijeh)
14:06
And it's not the moneynovac that's so interestingzanimljivo actuallyzapravo.
351
831000
3000
Novac sam i nije toliko interesatan.
14:09
It's what the moneynovac motivatesmotivira,
352
834000
2000
Interesantno je kako nas novac motiviše.
14:11
that we're actuallyzapravo terraformingteraformiranje
353
836000
2000
Tako mijenjamo oblik i izgled
14:13
the EarthZemlja itselfsam
354
838000
2000
površine Zemlje
14:15
with this kindkind of algorithmicalgoritamski efficiencyefikasnost.
355
840000
2000
u cilju algoritamske efikasnosti.
14:17
And in that lightsvetlo,
356
842000
2000
I kada se u tom svjetlu
14:19
you go back
357
844000
2000
vratite
14:21
and you look at MichaelMichael Najjar'sNajjar je photographsfotografije,
358
846000
2000
i pogledate fotografije Michaela Najjara,
14:23
and you realizeshvatiti that they're not metaphormetafora, they're prophecyProročanstvo.
359
848000
3000
shvatite da to nisu metafore, već predskazanja.
14:26
They're prophecyProročanstvo
360
851000
2000
To su predskazanja
14:28
for the kindkind of seismicseizmički, terrestrialzemaljski effectsefekti
361
853000
4000
seizmičkih, reljefno mijenjajučih efekata
14:32
of the mathmatematika that we're makingstvaranje.
362
857000
2000
matematike.
14:34
And the landscapepejzaž was always madenapravljen
363
859000
3000
Pejsaž je uvijek bio proizvod
14:37
by this sortsortiraj of weirdčudno, uneasynelagodno collaborationsaradnja
364
862000
3000
čudne, nespokojne saradnje
14:40
betweenizmeđu naturepriroda and man.
365
865000
3000
prirode i čovjeka.
14:43
But now there's this thirdtreće co-evolutionaryco-evolucijske forcesila: algorithmsalgoritmi --
366
868000
3000
Ali sada imamo i treću ko-evolucijsku snagu: algoritme --
14:46
the BostonBoston ShufflerMješač, the CarnivalKarneval.
367
871000
3000
Bostonskog mješača, Karneval.
14:49
And we will have to understandrazumijete those as naturepriroda,
368
874000
3000
I moraćemo ih početi razumijevati kao dio prirode.
14:52
and in a way, they are.
369
877000
2000
Na neki način, oni to i jesu.
14:54
Thank you.
370
879000
2000
Hvala vam.
14:56
(ApplausePljesak)
371
881000
20000
(Aplauz)

▲Back to top

ABOUT THE SPEAKER
Kevin Slavin - Algoworld expert
Kevin 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."

More profile about the speaker
Kevin Slavin | Speaker | TED.com