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

کوین سالوین: الگوریتم ها چگونه جهان ما را شکل داده اند؟

Filmed:
4,199,898 views

کوین سلوین بحث میکند که ما در دنیایی زندگی می کنیم که مخصوص الگوریتم ها(روشی گام به گام برای حل مسئله ) ساخته شده است و بطور فزاینده ای توسط آنها کنترل می شود. در این سخنرانی جذاب از تدگلوبال ، او نشان می دهد که چگونه این برنامه های پیچیده کامپیوتری شیوه های جاسوسی، قیمت های بورس ، فیلمنامه ها و معماری را معین می کنند. و هشدار می دهد که ما کد هایی را می نویسیم که آنرا نمی فهمیم ، با پیامدهایی احتمالی که نمی توانیم کنترل شان کنیم.
- 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 photographعکس
0
0
2000
این یک عکس است
00:17
by the artistهنرمند Michaelمایکل Najjarنجار,
1
2000
2000
از هنرمند مایکل نجار ،
00:19
and it's realواقعی,
2
4000
2000
و این واقعی است ،
00:21
in the senseاحساس that he wentرفتی there to Argentinaآرژانتین
3
6000
2000
از صحنه ای که او به آنجا در آرژانتین رفت
00:23
to take the photoعکس.
4
8000
2000
تا این عکس را بگیرد.
00:25
But it's alsoهمچنین a fictionداستان. There's a lot of work that wentرفتی into it after that.
5
10000
3000
ولی همچنین این جعلی است. کارهای زیادی هست که بعدا بروی آن انجام شده است.
00:28
And what he's doneانجام شده
6
13000
2000
و کاری که او کرده است
00:30
is he's actuallyدر واقع reshapedتغییر شکل داده شده, digitallyدیجیتالی,
7
15000
2000
اینست که درواقع، به صورت دیجیتالی
00:32
all of the contoursخطوط of the mountainsکوه ها
8
17000
2000
تمام محیط کوهستان را تغییر شکل داده است
00:34
to followدنبال کردن the vicissitudesبی نظیری of the Dowدا Jonesجونز indexشاخص.
9
19000
3000
تا بالا و پایین شدن شاخص بورس دَن جانز Dow Jones را دنبال کند.
00:37
So what you see,
10
22000
2000
بنابراین چیزی که می بینید،
00:39
that precipiceخرابه, that highبالا precipiceخرابه with the valleyدره,
11
24000
2000
آن سراشیبی تند، آن سراشیبی تند و دره
00:41
is the 2008 financialمالی crisisبحران.
12
26000
2000
بحران مالی سال ۲۰۰۸ هست.
00:43
The photoعکس was madeساخته شده
13
28000
2000
عکس زمانی ساخته شده
00:45
when we were deepعمیق in the valleyدره over there.
14
30000
2000
که ما در آن نقطۀ عمیق در دره بودیم.
00:47
I don't know where we are now.
15
32000
2000
نمی دانم الان کجا هستیم.
00:49
This is the Hangآویزان شدن Sengسنگ indexشاخص
16
34000
2000
این هم شاخص هِنگ سِنگ Hang Seng
00:51
for Hongهنگ Kongکنگ.
17
36000
2000
برای هنگ کنگ
00:53
And similarمشابه topographyتوپوگرافی.
18
38000
2000
و توپو گرافی یکسان
00:55
I wonderتعجب why.
19
40000
2000
تعجب می کنم چرا.
00:57
And this is artهنر. This is metaphorاستعاره.
20
42000
3000
و البته این اثرهنری است. یک کنایه است.
01:00
But I think the pointنقطه is
21
45000
2000
اما من فکر می کنم نکته این است
01:02
that this is metaphorاستعاره with teethدندان ها,
22
47000
2000
که این کنایه ای از دندانه است!
01:04
and it's with those teethدندان ها that I want to proposeپیشنهاد میکنم todayامروز
23
49000
3000
و اشاره به دندانه هایست که می خواهم امروز ارائه کنم
01:07
that we rethinkدوباره فکر کن a little bitبیت
24
52000
2000
که مقداری دوباره فکر کنیم
01:09
about the roleنقش of contemporaryامروزی mathریاضی --
25
54000
3000
درباره ی نقش ریاضیات معاصر--
01:12
not just financialمالی mathریاضی, but mathریاضی in generalعمومی.
26
57000
3000
نه فقط ریاضیات مربوط به امور مالی، بلکه ریاضیات عمومی.
01:15
That its transitionگذار
27
60000
2000
این گذاری است
01:17
from beingبودن something that we extractاستخراج کردن and deriveاستخراج from the worldجهان
28
62000
3000
از بودن چیزی که ما از جهان استخراج و استنباط می کنیم
01:20
to something that actuallyدر واقع startsشروع می شود to shapeشکل it --
29
65000
3000
به چیزی که در واقع شکل دادنش را آغاز می کند --
01:23
the worldجهان around us and the worldجهان insideداخل us.
30
68000
3000
جهان اطراف ما و جهان درون ما را.
01:26
And it's specificallyبه طور مشخص algorithmsالگوریتم ها,
31
71000
2000
و این بطور خاص الگوریتم ها هستند،
01:28
whichکه are basicallyاساسا the mathریاضی
32
73000
2000
که در اصل ریاضیاتی هستند
01:30
that computersکامپیوترها use to decideتصميم گرفتن stuffچیز.
33
75000
3000
که رایانه ها برای تصمیم گیری چیزها آنرا بکار می برند.
01:33
They acquireبه دست آوردن the sensibilityحساسیت of truthحقیقت
34
78000
2000
درکی از حقیقت را حاصل می شوند،
01:35
because they repeatتکرار over and over again,
35
80000
2000
برای اینکه آن ها بارها و بارها تکرار می کنند.
01:37
and they ossifyاستخوان کردن and calcifyکلسیفید,
36
82000
3000
و اسختوانی تر و سخت تر می شوند،
01:40
and they becomeتبدیل شدن به realواقعی.
37
85000
2000
و حقیقی می شوند.
01:42
And I was thinkingفكر كردن about this, of all placesمکان ها,
38
87000
3000
و من همه جا دراین مورد فکر می کردم،
01:45
on a transatlantictransatlantic flightپرواز a coupleزن و شوهر of yearsسالها agoپیش,
39
90000
3000
دو سال پیش در یک پرواز بر فراز اقیانوس اطلس ،
01:48
because I happenedاتفاق افتاد to be seatedنشسته
40
93000
2000
چون که اتفاق افتاده بود تا من کنار
01:50
nextبعد to a Hungarianمجارستانی physicistفیزیکدان about my ageسن
41
95000
2000
یک فیزیکدان مجارستانی تقریبا همسن خودم بنشینم
01:52
and we were talkingصحبت کردن
42
97000
2000
و با هم صحبت می کردیم
01:54
about what life was like duringدر حین the Coldسرد Warجنگ
43
99000
2000
درباره ی اینکه زندگی در دوران جنگ سرد
01:56
for physicistsفیزیکدانان in Hungaryمجارستان.
44
101000
2000
برای فیزیکدان در مجارستان چگونه بود.
01:58
And I said, "So what were you doing?"
45
103000
2000
و من گفتم : «خوب شما چه کار می کردید؟»
02:00
And he said, "Well we were mostlyاغلب breakingشکستن stealthخفاش."
46
105000
2000
اون گفت: «ما عمدتا رادارگریز را می شکستیم.»
02:02
And I said, "That's a good jobکار. That's interestingجالب هست.
47
107000
2000
من گفتم: «خیلی خوبه، جالبه.
02:04
How does that work?"
48
109000
2000
چه طور کار می کند؟»
02:06
And to understandفهمیدن that,
49
111000
2000
وبرای درک آن،
02:08
you have to understandفهمیدن a little bitبیت about how stealthخفاش worksآثار.
50
113000
3000
باید اندکی درباره اینکه رادارگریز چگونه کار میکند را بفهمید.
02:11
And so -- this is an over-simplificationبیش از حد ساده سازی --
51
116000
3000
و خب -- این بسیار ساد شده --
02:14
but basicallyاساسا, it's not like
52
119000
2000
اما در اصل، این شبیه این نیست
02:16
you can just passعبور a radarرادار signalسیگنال
53
121000
2000
که شما فقط بتوانید از امواج رادار
02:18
right throughاز طریق 156 tonsتن of steelفولاد in the skyآسمان.
54
123000
3000
از طریق ۱۵۶ تن فولاد در آسمان از آن بگریزید.
02:21
It's not just going to disappearناپدید می شوند.
55
126000
3000
این تنها ناپدید شدن نیست.
02:24
But if you can take this bigبزرگ, massiveعظیم thing,
56
129000
3000
اما اگر بتوانید این چیز بزرگ، این جسم سنگین، را ببرید،
02:27
and you could turnدور زدن it into
57
132000
3000
و بتوانید آن را تبدیل به
02:30
a millionمیلیون little things --
58
135000
2000
یک میلیون چیزهای کوچک بکنید --
02:32
something like a flockگله of birdsپرنده ها --
59
137000
2000
چیزی شبیه یک دسته از پرندگان --
02:34
well then the radarرادار that's looking for that
60
139000
2000
خب پس راداری که آنرا جستجو می کند
02:36
has to be ableتوانایی to see
61
141000
2000
باید قادر باشد که
02:38
everyهرکدام flockگله of birdsپرنده ها in the skyآسمان.
62
143000
2000
هر دسته ای از پرندگان را در هوا ببیند.
02:40
And if you're a radarرادار, that's a really badبد jobکار.
63
145000
4000
و اگر شما رادار باشید، این شغل خیلی بدی است.
02:44
And he said, "Yeah." He said, "But that's if you're a radarرادار.
64
149000
3000
و او گفت: " بله ". گفت ،" اما این درحالیست که اگر شما رادار باشید.
02:47
So we didn't use a radarرادار;
65
152000
2000
پس ما از رادار استفاده نمی کردیم :
02:49
we builtساخته شده a blackسیاه boxجعبه that was looking for electricalالکتریکی signalsسیگنال ها,
66
154000
3000
ما یک جعبه ی سیاه ساخته بودیم که امواج الکتریکی،
02:52
electronicالکترونیکی communicationارتباطات.
67
157000
3000
مخابرات الکترونیکی ، را جستجو می کرد.
02:55
And wheneverهر زمان که we saw a flockگله of birdsپرنده ها that had electronicالکترونیکی communicationارتباطات,
68
160000
3000
و هر وقت ما یک دسته از پرندگان را می دیدیم که ارتباط الکترونیکی داشتند،
02:58
we thought, 'Probably'شاید has something to do with the Americansآمریکایی ها.'"
69
163000
3000
فکر می کردیم احتمالا یک ارتباطی با آمریکایی ها دارد."
03:01
And I said, "Yeah.
70
166000
2000
و من گفتم:« بله.
03:03
That's good.
71
168000
2000
بسیار خوب.
03:05
So you've effectivelyبه طور موثر negatedمنفی است
72
170000
2000
پس شما به طور موثر
03:07
60 yearsسالها of aeronauticهواپیما researchپژوهش.
73
172000
2000
۶۰ سال تحقیقات هوایی را خنثی کردید.
03:09
What's your actعمل کن two?
74
174000
2000
اقدام دوم شما چه بود؟
03:11
What do you do when you growرشد up?"
75
176000
2000
وقتی که رشد می کنید چه کار می کنید؟»
03:13
And he said,
76
178000
2000
و گفت،
03:15
"Well, financialمالی servicesخدمات."
77
180000
2000
«خب، خدمات مالی.»
03:17
And I said, "Oh."
78
182000
2000
و من گفتم، «اوه.»
03:19
Because those had been in the newsاخبار latelyاخیرا.
79
184000
3000
چرا که آنها به تازگی در خبرها بودند.
03:22
And I said, "How does that work?"
80
187000
2000
و گفتم: « این چگونه کار می کند؟»
03:24
And he said, "Well there's 2,000 physicistsفیزیکدانان on Wallدیوار Streetخیابان now,
81
189000
2000
و اون گفت: «خوب در حال حاضر ۲۰۰۰ فیزیکدان در وال استریت هستند
03:26
and I'm one of them."
82
191000
2000
من هم یکی از آنها هستم.»
03:28
And I said, "What's the blackسیاه boxجعبه for Wallدیوار Streetخیابان?"
83
193000
3000
گفتم: «جعبه ی سیاه برای وال استریت چیست؟»
03:31
And he said, "It's funnyخنده دار you askپرسیدن that,
84
196000
2000
گفت: « جالب است که می پرسی،
03:33
because it's actuallyدر واقع calledبه نام blackسیاه boxجعبه tradingتجارت.
85
198000
3000
برای اینکه درواقع آن تجارت با جعبه سیاه نامیده می شود.
03:36
And it's alsoهمچنین sometimesگاه گاهی calledبه نام algoalgo tradingتجارت,
86
201000
2000
و همچنین بعضی اوقات الگو تجارت نامیده می شود،
03:38
algorithmicالگوریتمیک tradingتجارت."
87
203000
3000
تجارت الگوریتمی.»
03:41
And algorithmicالگوریتمیک tradingتجارت evolvedتکامل یافته است in partبخشی
88
206000
3000
و تجارت الگوریتمی در بخشی نمو پیدا کرد
03:44
because institutionalنهادی tradersمعامله گران have the sameیکسان problemsمشکلات
89
209000
3000
چون بنگاه های تجاری همان مشکل را دارند
03:47
that the Unitedیونایتد Statesایالت ها Airهوا Forceزور had,
90
212000
3000
که نیروی هوایی آمریکا داشت،
03:50
whichکه is that they're movingدر حال حرکت these positionsموقعیت ها --
91
215000
3000
که آنها از این مواضع جابجا می شوند --
03:53
whetherچه it's Proctorپروتور & Gambleگمبل or AccentureAccenture, whateverهر چه --
92
218000
2000
-- چه پراکتر و گمبل (P & G) باشه یا اکسنچر، یا هر چیز دیگر --
03:55
they're movingدر حال حرکت a millionمیلیون sharesسهام of something
93
220000
2000
آن ها دارند میلیون ها سهام را
03:57
throughاز طریق the marketبازار.
94
222000
2000
در بازار جابه جا می کنند.
03:59
And if they do that all at onceیک بار,
95
224000
2000
و اگر همه آنرا در یک مرتبه انجام دهند،
04:01
it's like playingبازی کردن pokerپوکر and going all in right away.
96
226000
2000
این به بازی پوکر شبیه هست و همه چیز در مسیر درست پیش می رود.
04:03
You just tipنکته your handدست.
97
228000
2000
شما فقط با نوک دست تان را می زنید.
04:05
And so they have to find a way --
98
230000
2000
و بنابراین آنها مجبورند راهی پیدا کنند --
04:07
and they use algorithmsالگوریتم ها to do this --
99
232000
2000
-- و آنها از الگوریتم ها برای این کار استفاده می کنند --
04:09
to breakزنگ تفريح up that bigبزرگ thing
100
234000
2000
تا چیزی بزرگ را
04:11
into a millionمیلیون little transactionsمعاملات.
101
236000
2000
به میلیون ها معامله کوچک تجزیه کنند.
04:13
And the magicشعبده بازي and the horrorوحشت of that
102
238000
2000
و چیز جالب و ترسناک آن
04:15
is that the sameیکسان mathریاضی
103
240000
2000
اینست که همان ریاضیاتی
04:17
that you use to breakزنگ تفريح up the bigبزرگ thing
104
242000
2000
که شما برای شکستن چیز بزرگ
04:19
into a millionمیلیون little things
105
244000
2000
به یک میلیون چیزهای کوچک استفاده می کنید
04:21
can be used to find a millionمیلیون little things
106
246000
2000
می تواند برای پیدا کردن یک میلیون چیزهای کوچک بکار برود
04:23
and sewدوختن them back togetherبا یکدیگر
107
248000
2000
و آنها را دوباره به هم بدوزد.
04:25
and figureشکل out what's actuallyدر واقع happeningاتفاق می افتد in the marketبازار.
108
250000
2000
و دریابد که واقعا در بازار چه می گذرد.
04:27
So if you need to have some imageتصویر
109
252000
2000
بنابراین اگر نیاز دارید که تصاویری داشته باشید
04:29
of what's happeningاتفاق می افتد in the stockموجودی marketبازار right now,
110
254000
3000
از آن چه که در همین لحظه در بازار سهام در حال وقوع است،
04:32
what you can pictureعکس is a bunchدسته ای of algorithmsالگوریتم ها
111
257000
2000
چیزی که شما می تونید مجسم کنید، مجموعه ای از الگوریتم هاست
04:34
that are basicallyاساسا programmedبرنامه ریزی شده to hideپنهان شدن,
112
259000
3000
که اساسا برنامه ریزی شدند تا مخفی باشند،
04:37
and a bunchدسته ای of algorithmsالگوریتم ها that are programmedبرنامه ریزی شده to go find them and actعمل کن.
113
262000
3000
و مجموعه ای ازاگوریتم ها هستند که برنامه ریزی شده اند تا بروند و آنها را پیدا کنند و عمل کنند.
04:40
And all of that's great, and it's fine.
114
265000
3000
و همه آن کار بزرگی است ، خوب است.
04:43
And that's 70 percentدرصد
115
268000
2000
و 70 در صد
04:45
of the Unitedیونایتد Statesایالت ها stockموجودی marketبازار,
116
270000
2000
از بازار سهام ایالات متحده است
04:47
70 percentدرصد of the operatingعامل systemسیستم
117
272000
2000
70 درصد از سیستم های عملیاتی
04:49
formerlyسابق knownشناخته شده as your pensionحقوق بازنشستگی,
118
274000
3000
سابقا بعنوان حقوق بازنشستگی شما شناخته می شد،
04:52
your mortgageرهن.
119
277000
3000
قسط شما.
04:55
And what could go wrongاشتباه?
120
280000
2000
و چه چیزمی تواند اشتباه شود؟
04:57
What could go wrongاشتباه
121
282000
2000
چیزی که می تواند اشتباه باشد
04:59
is that a yearسال agoپیش,
122
284000
2000
اینست که یکسال پیش ،
05:01
nineنه percentدرصد of the entireکل marketبازار just disappearsناپدید می شود in fiveپنج minutesدقایق,
123
286000
3000
نه درصد از کل بازار تنها در 5 دقیقه ناپدید می شود،
05:04
and they calledبه نام it the Flashفلاش Crashتصادف در of 2:45.
124
289000
3000
و آنرا سقوط ناگهانی 2:45 نامیدند.
05:07
All of a suddenناگهانی, nineنه percentدرصد just goesمی رود away,
125
292000
3000
در یک آن ، نه درصد براحتی از بین میرود،
05:10
and nobodyهيچ كس to this day
126
295000
2000
و هیچ کس تا به امروز
05:12
can even agreeموافق on what happenedاتفاق افتاد
127
297000
2000
نمی تواتد بپذیرد که چه اتفاقی افتاد،
05:14
because nobodyهيچ كس orderedدستور داد it, nobodyهيچ كس askedپرسید: for it.
128
299000
3000
چراکه هیچ کس سفارش آن را نداد ، هیچ کس آنرا درخواست نکرد.
05:17
Nobodyهيچ كس had any controlکنترل over what was actuallyدر واقع happeningاتفاق می افتد.
129
302000
3000
هیچ کس تسلطی بر آنچه که در واقع در حال رخ دادن بود ، نداشت .
05:20
All they had
130
305000
2000
همه آن چیزی که داشتند
05:22
was just a monitorمانیتور in frontجلوی of them
131
307000
2000
یک صفحه نمایشگر بود در برابرشان
05:24
that had the numbersشماره on it
132
309000
2000
که اعداد برویش قرارداشت
05:26
and just a redقرمز buttonدکمه
133
311000
2000
و تنها یک دگمه قرمز
05:28
that said, "Stop."
134
313000
2000
که گفت ، " متوقف کنید. "
05:30
And that's the thing,
135
315000
2000
و این چیزی است ،
05:32
is that we're writingنوشتن things,
136
317000
2000
که ما چیزهایی می نویسیم ،
05:34
we're writingنوشتن these things that we can no longerطولانی تر readخواندن.
137
319000
3000
این چیزها را می نویسیم که چندان قادر به خواندن آنها نیستیم.
05:37
And we'veما هستیم renderedارائه شده something
138
322000
2000
و ما چیزهایی ارائه کرده ایم
05:39
illegibleناخوانا,
139
324000
2000
ناخوانا.
05:41
and we'veما هستیم lostکم شده the senseاحساس
140
326000
3000
و مفهوم چیزهایی را که واقعا دارند اتفاق می افتند
05:44
of what's actuallyدر واقع happeningاتفاق می افتد
141
329000
2000
را در این دنیایی خود که
05:46
in this worldجهان that we'veما هستیم madeساخته شده.
142
331000
2000
ساخته ایم ، گم کرده ایم.
05:48
And we're startingراه افتادن to make our way.
143
333000
2000
و ما بنا نهادن روش مان را آغازکردیم.
05:50
There's a companyشرکت in Bostonبوستون calledبه نام Nanexنانکس,
144
335000
3000
شرکتی در بوستون هست که نانکس نام دارد،
05:53
and they use mathریاضی and magicشعبده بازي
145
338000
2000
و از ریاضی و جادو
05:55
and I don't know what,
146
340000
2000
و چیزهایی که من نمی دانم استفاده می کنند،
05:57
and they reachنائل شدن into all the marketبازار dataداده ها
147
342000
2000
و به تمامی داده های بازاری دسترسی دارند
05:59
and they find, actuallyدر واقع sometimesگاه گاهی, some of these algorithmsالگوریتم ها.
148
344000
3000
و برخی مواقع ، بعضی از این الگوریتم ها را پیدامی کنند.
06:02
And when they find them they pullکشیدن them out
149
347000
3000
و آنها را پیدا می کنند و بیرون می کشند
06:05
and they pinپین them to the wallدیوار like butterfliesپروانه ها.
150
350000
3000
و آنها را مثل پروانه ها به دیوار الصاق می کنند.
06:08
And they do what we'veما هستیم always doneانجام شده
151
353000
2000
و کارهایی را ما همیشه انجام داده ایم انجام می دهند
06:10
when confrontedمقابله با with hugeبزرگ amountsمقادیر of dataداده ها that we don't understandفهمیدن --
152
355000
3000
وقتی با حجم انبوهی از داده ها مواجه می شویم که آنها را نمی فهمیم --
06:13
whichکه is that they give them a nameنام
153
358000
2000
چیزی است که آنها نامی بر آنها می گذارند
06:15
and a storyداستان.
154
360000
2000
و شرح حالی .
06:17
So this is one that they foundپیدا شد,
155
362000
2000
پس این چیزی است که آنها پیدا کردند،
06:19
they calledبه نام the Knifeچاقو,
156
364000
4000
به آن کارد می گویند،
06:23
the Carnivalکارناوال,
157
368000
2000
جشن ،
06:25
the Bostonبوستون Shufflerشفلر,
158
370000
4000
به هم زننده بوستون
06:29
Twilightگرگ و میش.
159
374000
2000
موهوم.
06:31
And the gagگنگ is
160
376000
2000
و مضحک اینکه
06:33
that, of courseدوره, these aren'tنه just runningدر حال اجرا throughاز طریق the marketبازار.
161
378000
3000
البته این تنها در بازار جاری نیست
06:36
You can find these kindsانواع of things whereverهر کجا که you look,
162
381000
3000
میتوانید این جور چیزها را در هر کجا که نگاه کنید ، پیدا کنید.
06:39
onceیک بار you learnیاد گرفتن how to look for them.
163
384000
2000
به محض اینکه یاد بگیرید چگونه دنبال آنها بگردید.
06:41
You can find it here: this bookکتاب about fliesمگس ها
164
386000
3000
می توانید آنرا در اینجا هم بیابید : این کتاب راجع به مگس ها
06:44
that you mayممکن است have been looking at on Amazonآمازون.
165
389000
2000
که ممکن است در سایت آمازون بدنبالش می گشتید.
06:46
You mayممکن است have noticedمتوجه شدم it
166
391000
2000
ممکن است آنرا ملاحظه کرده باشید
06:48
when its priceقیمت startedآغاز شده at 1.7 millionمیلیون dollarsدلار.
167
393000
2000
وقتی قیمتش در مبلغ 1.7 میلیون دلار خیره کننده است.
06:50
It's out of printچاپ -- still ...
168
395000
2000
چاپش در معرض فروش نیست -- هنوز...
06:52
(Laughterخنده)
169
397000
2000
(خنده حضار)
06:54
If you had boughtخریداری شد it at 1.7, it would have been a bargainچانه زدن.
170
399000
3000
اگر شما آنرا به قیمت 1.7 میلیون خریده بودید ، آن یک خرید ارزان می بوده است.
06:57
A fewتعداد کمی hoursساعت ها laterبعد, it had goneرفته up
171
402000
2000
چند ساعت بعد ، قیمتش بالا رفته بود
06:59
to 23.6 millionمیلیون dollarsدلار,
172
404000
2000
به 23.6 میلیون دلار،
07:01
plusبه علاوه shippingحمل دریایی and handlingرسیدگی.
173
406000
2000
به اضافه جابجایی و تحویل.
07:03
And the questionسوال is:
174
408000
2000
و سئوال اینست:
07:05
Nobodyهيچ كس was buyingخریداری کردن or sellingفروش anything; what was happeningاتفاق می افتد?
175
410000
2000
کسی چیزی را نه می خرد و نه می فروشد، چه اتفاقی افتاد؟
07:07
And you see this behaviorرفتار on Amazonآمازون
176
412000
2000
و شما این رفتار را در آمازون می بینید
07:09
as surelyمسلما as you see it on Wallدیوار Streetخیابان.
177
414000
2000
به همان قطعیت که در وال استریت می بینید.
07:11
And when you see this kindنوع of behaviorرفتار,
178
416000
2000
و وقتی شما این قبیل رفتار را می بینید،
07:13
what you see is the evidenceشواهد
179
418000
2000
چیزی که می بینید یک گواهیست
07:15
of algorithmsالگوریتم ها in conflictدرگیری,
180
420000
2000
از یک الگوریتم در تضاد
07:17
algorithmsالگوریتم ها lockedقفل شده است in loopsحلقه ها with eachهر یک other,
181
422000
2000
الگوریتم هایی که در درون حلقه های همدیگر قفل شده اند،
07:19
withoutبدون any humanانسان oversightنظارت,
182
424000
2000
بدون هرگونه نظارت انسانی،
07:21
withoutبدون any adultبالغ supervisionنظارت
183
426000
3000
بدون هرگونه سرپرستی بزرگی
07:24
to say, "Actuallyدر واقع, 1.7 millionمیلیون is plentyفراوانی."
184
429000
3000
که بگوید ، " واقعا" 1.7 میلیون ، خیلی زیاد است ."
07:27
(Laughterخنده)
185
432000
3000
(خنده حضار)
07:30
And as with Amazonآمازون, so it is with NetflixNetflix.
186
435000
3000
و مشابه آمازون ، اکنون این با نتفلیکس( نوعی سهام) است.
07:33
And so NetflixNetflix has goneرفته throughاز طریق
187
438000
2000
و نتفلیکس در طی سالها با چندین الگوریتم مختلف
07:35
severalچند differentناهمسان algorithmsالگوریتم ها over the yearsسالها.
188
440000
2000
رفته است .
07:37
They startedآغاز شده with CinematchCinematch, and they'veآنها دارند triedتلاش کرد a bunchدسته ای of othersدیگران --
189
442000
3000
با سینمچ ( جایزه بهبود سهام) شروع کردند، و دسته های دیگری را هم امتحان کردند.
07:40
there's Dinosaurدایناسور Planetسیاره; there's Gravityجاذبه زمین.
190
445000
2000
داینسور پلانت ، گراویتی بودند.
07:42
They're usingاستفاده كردن Pragmaticعملگرا Chaosآشوب now.
191
447000
2000
حالا از پراگماتیک کیاس(نوعی لگاریتم ) دارند استفاده می کنند.
07:44
Pragmaticعملگرا Chaosآشوب is, like all of NetflixNetflix algorithmsالگوریتم ها,
192
449000
2000
پراگماتیک کیاس ، مانند همه الگوریتم های نتفلیکس،
07:46
tryingتلاش کن to do the sameیکسان thing.
193
451000
2000
سعی دارد تا چیز مشابهی را انجام دهد.
07:48
It's tryingتلاش کن to get a graspفهم on you,
194
453000
2000
سعی می کند تا فهمی از شما بدست بیاورد،
07:50
on the firmwareسیستم عامل insideداخل the humanانسان skullجمجمه,
195
455000
2000
از محفوظات درون مغز بشر ،
07:52
so that it can recommendتوصیه what movieفیلم سینما
196
457000
2000
بنابراین می تواند پیشنهاد کند که چه فیلمی
07:54
you mightممکن want to watch nextبعد --
197
459000
2000
شما ممکن است بخواهید در آینده ببینید --
07:56
whichکه is a very, very difficultدشوار problemمسئله.
198
461000
3000
که مسئله خیلی خیلی دشواریست.
07:59
But the difficultyمشکل of the problemمسئله
199
464000
2000
اما مشکل مسئله
08:01
and the factواقعیت that we don't really quiteکاملا have it down,
200
466000
3000
و این حقیقت که ما چندان در واقع تصور بدی از آن نداریم،
08:04
it doesn't take away
201
469000
2000
ما را از تاثیراتی که پراگماتیک کیاس دارد
08:06
from the effectsاثرات Pragmaticعملگرا Chaosآشوب has.
202
471000
2000
دور نمی کند.
08:08
Pragmaticعملگرا Chaosآشوب, like all NetflixNetflix algorithmsالگوریتم ها,
203
473000
3000
پراگماتیک کیاس ، مانند همه الگوریتم های نتفلیکس،
08:11
determinesتعیین می کند, in the endپایان,
204
476000
2000
در نهایت ، 60 درصد
08:13
60 percentدرصد
205
478000
2000
از فیلم هایی
08:15
of what moviesفیلم ها endپایان up beingبودن rentedاجاره کرد.
206
480000
2000
را که به اجاره رفتن منتهی می شوند ، معین می کند.
08:17
So one pieceقطعه of codeکد
207
482000
2000
بنابراین یک قطعه از رمز
08:19
with one ideaاندیشه about you
208
484000
3000
بهمراه نظری درباره شما
08:22
is responsibleمسئول for 60 percentدرصد of those moviesفیلم ها.
209
487000
3000
در خصوص 60 درصد از آن فیلم ها دخالت دارد.
08:25
But what if you could rateنرخ those moviesفیلم ها
210
490000
2000
اما چطور اگر شما بتوانید آن فیلم ها را ارزش گذاری کنید
08:27
before they get madeساخته شده?
211
492000
2000
قبل از اینکه آنها ساخته شوند؟
08:29
Wouldn'tنه that be handyمفید است?
212
494000
2000
این مفید نخواهد بود؟
08:31
Well, a fewتعداد کمی dataداده ها scientistsدانشمندان from the U.K. are in Hollywoodهالیوود,
213
496000
3000
خب ، چندین دانشمند اطلاعات از بریتانیا در هالی وود هستند،
08:34
and they have "storyداستان algorithmsالگوریتم ها" --
214
499000
2000
و الگوریتم داستانی دارد --
08:36
a companyشرکت calledبه نام EpagogixEpagogix.
215
501000
2000
شرکتی که اپاگوگیس نامیده می شود.
08:38
And you can runاجرا کن your scriptاسکریپت throughاز طریق there,
216
503000
3000
و شما می توانید فیلم نامه تان را از این طریق اجرا کنید،
08:41
and they can tell you, quantifiablyquantifiably,
217
506000
2000
و آنها می توانند به شما بگویند، بصورت عددی،
08:43
that that's a 30 millionمیلیون dollarدلار movieفیلم سینما
218
508000
2000
که این یک فیلم 30 میلیون دلاریست
08:45
or a 200 millionمیلیون dollarدلار movieفیلم سینما.
219
510000
2000
یا یک فیلم 200 میلیون دلاری.
08:47
And the thing is, is that this isn't Googleگوگل.
220
512000
2000
و واقعیت اینست که این یک جستجوگر (گوگل) نیست.
08:49
This isn't informationاطلاعات.
221
514000
2000
اطلاعات نیست.
08:51
These aren'tنه financialمالی statsآمار; this is cultureفرهنگ.
222
516000
2000
اینها آمار های مالی نیستند : یک فرهنگ هست.
08:53
And what you see here,
223
518000
2000
و چیزی که اینجا می بینید،
08:55
or what you don't really see normallyبه طور معمول,
224
520000
2000
و چیزی که در واقع بطور عادی نمی بینید،
08:57
is that these are the physicsفیزیک of cultureفرهنگ.
225
522000
4000
اینست که اینها فیزیک فرهنگ هستند.
09:01
And if these algorithmsالگوریتم ها,
226
526000
2000
و اگر این الگوریتم ها ،
09:03
like the algorithmsالگوریتم ها on Wallدیوار Streetخیابان,
227
528000
2000
همانند الگوریتم های موجود در وال استریت
09:05
just crashedسقوط کرد one day and wentرفتی awryبیدرد,
228
530000
3000
روزی فقط بهم ریخت و از کار خارج شد،
09:08
how would we know?
229
533000
2000
چگونه خواهیم دانست ،
09:10
What would it look like?
230
535000
2000
که چگونه خواهند بود؟
09:12
And they're in your houseخانه. They're in your houseخانه.
231
537000
3000
و آنها در خانه شما هستند.
09:15
These are two algorithmsالگوریتم ها competingرقابت for your livingزندگي كردن roomاتاق.
232
540000
2000
اینها دو الگوریتم هستند که دارند برای اتاق نشیمن شما رقابت می کنند.
09:17
These are two differentناهمسان cleaningتمیز کردن robotsروبات ها
233
542000
2000
اینها دو ربات تمیزکننده مختلف هستند
09:19
that have very differentناهمسان ideasایده ها about what cleanپاک کن meansبه معنای.
234
544000
3000
که برداشت های کاملا متفاوتی راجع به اینکه تمیزی یعنی چه ، دارند.
09:22
And you can see it
235
547000
2000
و شما می توانید آنرا ببینید
09:24
if you slowآرام it down and attachپیوستن lightsچراغ ها to them,
236
549000
3000
اگر سرعت آنرا کم کنید و یک چراغ به آنها وصل کنید.
09:27
and they're sortمرتب سازی of like secretراز architectsمعماران in your bedroomاتاق خواب.
237
552000
3000
و آنها شبیه نوعی معماری سری در اتاق خواب شماست.
09:30
And the ideaاندیشه that architectureمعماری itselfخودش
238
555000
3000
و این نظریه که خود معماری
09:33
is somehowبه نحوی subjectموضوع to algorithmicالگوریتمیک optimizationبهينه سازي
239
558000
2000
به نوعی موضوع بهینه سازی الگوریتمی است
09:35
is not far-fetchedفراموش شده.
240
560000
2000
دور از ذهن نیست.
09:37
It's super-realفوق العاده واقعی and it's happeningاتفاق می افتد around you.
241
562000
3000
یک حقیقت مشهود است و در اطراف شما درحال رخ دادن است.
09:40
You feel it mostاکثر
242
565000
2000
این را بیشتر احساس می کنید
09:42
when you're in a sealedمهر و موم شده metalفلز boxجعبه,
243
567000
2000
زمانیکه درون یک جعبه فلزی محکم شده هستید،
09:44
a new-styleسبک جدید elevatorآسانسور;
244
569000
2000
یک بالابر سبک جدید ،
09:46
they're calledبه نام destination-controlکنترل مقصد elevatorsآسانسور.
245
571000
2000
آنها بالابر های مقصد کنترل نامیده می شود.
09:48
These are the onesآنهایی که where you have to pressمطبوعات what floorکف you're going to go to
246
573000
3000
اینها از آنهایی هستند که شما باید فشار دهید که به کدام طبقه می خواهید بروید
09:51
before you get in the elevatorآسانسور.
247
576000
2000
قبل از اینکه به داخل بالابر بروید.
09:53
And it usesاستفاده می کند what's calledبه نام a bin-packingبسته بندی بطری algorithmالگوریتم.
248
578000
2000
و از الگوریتمی استفاده می کند که بسته بندی سطل زباله نام دارد.
09:55
So noneهیچ کدام of this mishegasmishegas
249
580000
2000
بنابراین هیچ یک از این چیزهای عجیب
09:57
of lettingاجازه دادن everybodyهمه go into whateverهر چه carماشین they want.
250
582000
2000
اجازه نمی دهد هرکس داخل دستگاهی شود که آنها می خواهند.
09:59
Everybodyهمه who wants to go to the 10thth floorکف goesمی رود into carماشین two,
251
584000
2000
هرکسی که می خواهد که به طبقه 10 ام برود ، داخل دستگاه شماره دو می شود،
10:01
and everybodyهمه who wants to go to the thirdسوم floorکف goesمی رود into carماشین fiveپنج.
252
586000
3000
و هرکس که می خواهد به طبقه سوم برود ، داخل دستگاه شماره پنج می شود.
10:04
And the problemمسئله with that
253
589000
2000
و مشکل اینجاست که
10:06
is that people freakچیز غریب out.
254
591000
2000
افراد برخورد تندی دارند.
10:08
People panicوحشت.
255
593000
2000
آنها نگران می شوند.
10:10
And you see why. You see why.
256
595000
2000
و می بینید که چرا.
10:12
It's because the elevatorآسانسور
257
597000
2000
برای اینکه بالابر
10:14
is missingگم شده some importantمهم instrumentationابزار دقیق, like the buttonsدکمه ها.
258
599000
3000
چندین تجهیزات مهم مثل دگمه ، را از قلم انداخته است.
10:17
(Laughterخنده)
259
602000
2000
( خنده حضار)
10:19
Like the things that people use.
260
604000
2000
مثل چیزهایی که مردم بکار می برند.
10:21
All it has
261
606000
2000
همه چیزی که دارد
10:23
is just the numberعدد that movesحرکت می کند up or down
262
608000
3000
عدد می باشد که فقط بالا و پایین حرکت می کند
10:26
and that redقرمز buttonدکمه that saysمی گوید, "Stop."
263
611000
3000
و دگمه قرمز که می گوید " بایست ."
10:29
And this is what we're designingطراحی for.
264
614000
3000
و این چیزی است که ما طراحی می کنیم.
10:32
We're designingطراحی
265
617000
2000
ما بیان این دستگاه
10:34
for this machineدستگاه dialectگویش.
266
619000
2000
را طراحی می کنیم.
10:36
And how farدور can you take that? How farدور can you take it?
267
621000
3000
و تا کجا می توانید آن را ببرید؟ تا کجا می توانید آنرا ببرید؟
10:39
You can take it really, really farدور.
268
624000
2000
می توانید آنرا خیلی واقعا دور ببرید.
10:41
So let me take it back to Wallدیوار Streetخیابان.
269
626000
3000
خب ، بگذارید آنرا به وال استریت برگردانم.
10:45
Because the algorithmsالگوریتم ها of Wallدیوار Streetخیابان
270
630000
2000
چرا که الگوریتم های وال استریت
10:47
are dependentوابسته on one qualityکیفیت aboveدر بالا all elseچیز دیگری,
271
632000
3000
به یک کیفیت فرای تمامی بقیه آنها وابسته هستند ،
10:50
whichکه is speedسرعت.
272
635000
2000
که آن سرعت است.
10:52
And they operateکار کن on millisecondsمیلی ثانیه and microsecondsمیکروسکهای.
273
637000
3000
و آنها روی میلی ثانیه و میکرو ثانیه کار می کنند.
10:55
And just to give you a senseاحساس of what microsecondsمیکروسکهای are,
274
640000
2000
و برای اینکه یک درکی بشما بدهم از اینکه میکروثانیه چیستند،
10:57
it takes you 500,000 microsecondsمیکروسکهای
275
642000
2000
به اندازه 500000 میکروثانیه طول می کشد
10:59
just to clickکلیک a mouseموش.
276
644000
2000
تا شما موس را کلیک کنید.
11:01
But if you're a Wallدیوار Streetخیابان algorithmالگوریتم
277
646000
2000
اما اگر شما الگوریتم وال استریت هستید
11:03
and you're fiveپنج microsecondsمیکروسکهای behindپشت,
278
648000
2000
و به اندازه 5 میکروثانیه عقب باشید ،
11:05
you're a loserبازنده.
279
650000
2000
یک بازنده هستید.
11:07
So if you were an algorithmالگوریتم,
280
652000
2000
خب اگر شما یک الگوریتم بودید ،
11:09
you'dمی خواهی look for an architectمعمار like the one that I metملاقات کرد in Frankfurtفرانکفورت
281
654000
3000
بدنبال یک معمار نظیر یکی که من در فرانکفورت آشنا شدم
11:12
who was hollowingتوقع out a skyscraperآسمان خراش --
282
657000
2000
کسی که داشت یک آسمان خراش را خالی می کرد --
11:14
throwingپرتاب کردن out all the furnitureمبلمان, all the infrastructureزیر ساخت for humanانسان use,
283
659000
3000
همه اثاثیه ها و زیرساختهای مورد استفاده انسان را بیرون می ریخت ،
11:17
and just runningدر حال اجرا steelفولاد on the floorsطبقه
284
662000
3000
و فقط فولاد را روی طبقات نگه میداشت
11:20
to get readyآماده for the stacksپشته ها of serversسرورها to go in --
285
665000
3000
تا آنرا برای داخل کردن دسته هایی از سرورها آماده کند --
11:23
all so an algorithmالگوریتم
286
668000
2000
تماما مانند یک الگوریتم
11:25
could get closeبستن to the Internetاینترنت.
287
670000
3000
می توانست به اینترنت نزدیک باشد.
11:28
And you think of the Internetاینترنت as this kindنوع of distributedتوزیع شده systemسیستم.
288
673000
3000
و به اینترنت به عنوان چنین نوعی از مجموعه گسترده فکر کنید.
11:31
And of courseدوره, it is, but it's distributedتوزیع شده from placesمکان ها.
289
676000
3000
و البته ، این چنین هست ، اما از چندین مکان توزیع شده است .
11:34
In Newجدید Yorkیورک, this is where it's distributedتوزیع شده from:
290
679000
2000
در نیویورک ، این مکانی است که از آن توزیع شده است :
11:36
the Carrierحامل Hotelهتل
291
681000
2000
کرییر هتل
11:38
locatedواقع شده on Hudsonهادسون Streetخیابان.
292
683000
2000
واقع در خیابان هادسون.
11:40
And this is really where the wiresسیم ها come right up into the cityشهر.
293
685000
3000
و در واقع جایست که سیم ها درست تا درون شهر بالا می آیند.
11:43
And the realityواقعیت is that the furtherبیشتر away you are from that,
294
688000
4000
و حقیقت اینست که دورتر از که شما باشید ،
11:47
you're a fewتعداد کمی microsecondsمیکروسکهای behindپشت everyهرکدام time.
295
692000
2000
به اندازه چند میکرو ثانیه از هر زمانی عقب هستید.
11:49
These guys down on Wallدیوار Streetخیابان,
296
694000
2000
این افراد پایین هستند در وال استریت ،
11:51
Marcoمارکو Poloپولو and Cherokeeچروکی Nationملت,
297
696000
2000
مارکوپولو و چروکی نیشن ،
11:53
they're eightهشت microsecondsمیکروسکهای
298
698000
2000
آنها هشت میکروثانیه
11:55
behindپشت all these guys
299
700000
2000
از این افرادی عقب تر هستند
11:57
going into the emptyخالی buildingsساختمان ها beingبودن hollowedتوخالی out
300
702000
4000
که وارد ساختمانهای خالی که توخالی شده
12:01
up around the Carrierحامل Hotelهتل.
301
706000
2000
اطراف بالای هتل کارییر می شوند.
12:03
And that's going to keep happeningاتفاق می افتد.
302
708000
3000
واین اتفاقی است که دارد مدام رخ می دهد.
12:06
We're going to keep hollowingتوقع them out,
303
711000
2000
ما قصد داریم تا به توخالی کردن آنها ادامه دهیم ،
12:08
because you, inchاینچ for inchاینچ
304
713000
3000
چرا که شما ، اینچ به اینچ
12:11
and poundپوند for poundپوند and dollarدلار for dollarدلار,
305
716000
3000
و پوند به پوند و دلار به دلار ،
12:14
noneهیچ کدام of you could squeezeفشار دادن revenueدرآمد out of that spaceفضا
306
719000
3000
هیچکدام از شما نمی توانست سودی از این فضا بچلاند
12:17
like the Bostonبوستون Shufflerشفلر could.
307
722000
3000
مثل آنچه که بوستون شافلر توانست .
12:20
But if you zoomبزرگنمایی out,
308
725000
2000
ولی اگر بازتر نگاه کنید ،
12:22
if you zoomبزرگنمایی out,
309
727000
2000
اگر بازتر نگاه کنید،
12:24
you would see an 825-mileباشه trenchترانشه
310
729000
4000
یک کانال 825 مایلی خواهید دید
12:28
betweenبین Newجدید Yorkیورک Cityشهر and Chicagoشیکاگو
311
733000
2000
بین شهر نیویورک و شیکاگو
12:30
that's been builtساخته شده over the last fewتعداد کمی yearsسالها
312
735000
2000
که در خلال چند سال اخیر ساخته شده است
12:32
by a companyشرکت calledبه نام Spreadانتشار دادن Networksشبکه های.
313
737000
3000
توسط یک شرکت به نام ( شبکه گستر) اسپرید نتورک .
12:35
This is a fiberفیبر opticاپتیکی cableکابلی
314
740000
2000
این یک کابل نوری است
12:37
that was laidگذاشته betweenبین those two citiesشهرها
315
742000
2000
که بین دو شهر خوابانده شده است
12:39
to just be ableتوانایی to trafficترافیک one signalسیگنال
316
744000
3000
تا فقط قادر باشد تا یک سیگنال را انتقال دهد
12:42
37 timesبار fasterسریعتر than you can clickکلیک a mouseموش --
317
747000
3000
37 مرتبه سریعتر از آنکه شما بتوانید موس را کلیک کنید --
12:45
just for these algorithmsالگوریتم ها,
318
750000
3000
تنها برای اینگونه الگوریتم ها،
12:48
just for the Carnivalکارناوال and the Knifeچاقو.
319
753000
3000
تنها برای کارنوال و برای نایف .
12:51
And when you think about this,
320
756000
2000
و وقتی که شما به آن فکر می کنید ،
12:53
that we're runningدر حال اجرا throughاز طریق the Unitedیونایتد Statesایالت ها
321
758000
2000
که ما ایالات متحده را هدر می دادیم
12:55
with dynamiteدینامیت and rockسنگ sawsاره
322
760000
3000
با دینامیت و اره سنگبری
12:58
so that an algorithmالگوریتم can closeبستن the dealمعامله
323
763000
2000
خب یک الگوریتم می تواند یک معامله را
13:00
threeسه microsecondsمیکروسکهای fasterسریعتر,
324
765000
3000
سه میکروثانیه سریعتر ببندد.
13:03
all for a communicationsارتباطات frameworkچارچوب
325
768000
2000
تماما بواسطه یک چهارچوب ارتباطی
13:05
that no humanانسان will ever know,
326
770000
4000
که هیچ بشری نخواهد دانست ،
13:09
that's a kindنوع of manifestآشکار destinyسرنوشت;
327
774000
3000
این یک نوع سرنوشت بارز است
13:12
and we'llخوب always look for a newجدید frontierمرز.
328
777000
3000
و همواره بدنبال یک پیشروی جدید می باشد.
13:15
Unfortunatelyمتاسفانه, we have our work cutبرش out for us.
329
780000
3000
متاسفانه ، ما برای خودمان مشکل داریم.
13:18
This is just theoreticalنظری.
330
783000
2000
این تنها در تئوری است.
13:20
This is some mathematiciansریاضیدانان at MITMIT.
331
785000
2000
اینها چند ریاضیدان در ام آی تی هستند.
13:22
And the truthحقیقت is I don't really understandفهمیدن
332
787000
2000
و حقیقت اینست که من در واقع بسیاری از چیزهاییکه
13:24
a lot of what they're talkingصحبت کردن about.
333
789000
2000
آنها در موردش صحبت می کنند را نمی فهمم.
13:26
It involvesشامل می شود lightسبک conesمخروط ها and quantumکوانتومی entanglementگرفتگی,
334
791000
3000
اینها راجع به هرم های سبک و پیچیدگی های کوانتومی هستند،
13:29
and I don't really understandفهمیدن any of that.
335
794000
2000
و من واقعا هیچکدام را نمی فهمم.
13:31
But I can readخواندن this mapنقشه,
336
796000
2000
اما این نقشه را می توانم بخوانم.
13:33
and what this mapنقشه saysمی گوید
337
798000
2000
و چیزی که این نقشه می گوید
13:35
is that, if you're tryingتلاش کن to make moneyپول on the marketsبازارها where the redقرمز dotsنقطه ها are,
338
800000
3000
اینستکه ، اگر شما در پی آن هستید تا در بازارهایی که در نقطه های قرمز هستند پول در بیاورید،
13:38
that's where people are, where the citiesشهرها are,
339
803000
2000
جاییکه مردم هستند، شهرها هستند،
13:40
you're going to have to put the serversسرورها where the blueآبی dotsنقطه ها are
340
805000
3000
شما مجبور خواهید شد تا سرورهایتان را در نقاط آبی قراردهید
13:43
to do that mostاکثر effectivelyبه طور موثر.
341
808000
2000
تا آنرا با بالاترین بازده انجام رسانید.
13:45
And the thing that you mightممکن have noticedمتوجه شدم about those blueآبی dotsنقطه ها
342
810000
3000
وچیزیکه شما شاید در خصوص آن نقاط آبی باید متوجه شده باشید
13:48
is that a lot of them are in the middleوسط of the oceanاقیانوس.
343
813000
3000
اینست که بسیاری از آن در میان اقیانوس هستند.
13:51
So that's what we'llخوب do: we'llخوب buildساختن bubblesحباب ها or something,
344
816000
3000
بنابراین این کاریست که ما خواهیم کرد، ما جبابها یا چیزهایی یا بسترهایی،
13:54
or platformsسیستم عامل ها.
345
819000
2000
خواهیم ساخت.
13:56
We'llخوب actuallyدر واقع partبخشی the waterاب
346
821000
2000
ما در حقیقت آب را قسمت می کنیم
13:58
to pullکشیدن moneyپول out of the airهوا,
347
823000
2000
تا پول را از هوا بیرون بکشیم،
14:00
because it's a brightروشن است futureآینده
348
825000
2000
چراکه این یک آینده روشن است
14:02
if you're an algorithmالگوریتم.
349
827000
2000
اگر شما یک الگوریتم باشید.
14:04
(Laughterخنده)
350
829000
2000
(خنده حضار)
14:06
And it's not the moneyپول that's so interestingجالب هست actuallyدر واقع.
351
831000
3000
و این تنها پول نیست که در حقیقت جالب توجه است.
14:09
It's what the moneyپول motivatesانگیزه می گیرد,
352
834000
2000
این چیزی است که پول می انگیزاند.
14:11
that we're actuallyدر واقع terraformingterraforming
353
836000
2000
ما داریم در واقع خود زمین را تبدیل به
14:13
the Earthزمین itselfخودش
354
838000
2000
سیاره قابل زیست می کنیم
14:15
with this kindنوع of algorithmicالگوریتمیک efficiencyبهره وری.
355
840000
2000
با این مدل کارایی الگوریتمی .
14:17
And in that lightسبک,
356
842000
2000
و در این وضوح ،
14:19
you go back
357
844000
2000
به عقب بر می گردید
14:21
and you look at Michaelمایکل Najjar'sنجار photographsعکس ها,
358
846000
2000
و به عکس های مایکل نجار نگاه می کنید،
14:23
and you realizeتحقق بخشیدن that they're not metaphorاستعاره, they're prophecyرسالت.
359
848000
3000
و متوجه می شوید که آنها کنایه نیستند، آنها رسالت هستند.
14:26
They're prophecyرسالت
360
851000
2000
آنها رسالتند
14:28
for the kindنوع of seismicلرزه ای, terrestrialزمینی effectsاثرات
361
853000
4000
برای نوعی از پدیده های ناپایدار زمینی
14:32
of the mathریاضی that we're makingساخت.
362
857000
2000
از ریاضیاتی که ما درحال ساخت آن هستیم.
14:34
And the landscapeچشم انداز was always madeساخته شده
363
859000
3000
و دورنما همواره توسط چنین چیزهای عجیب،
14:37
by this sortمرتب سازی of weirdعجیب و غریب, uneasyناراحت collaborationهمکاری
364
862000
3000
همکاری پریشان بین طبیعت و انسان
14:40
betweenبین natureطبیعت and man.
365
865000
3000
ساخته شد.
14:43
But now there's this thirdسوم co-evolutionaryهماهنگی تکاملی forceزور: algorithmsالگوریتم ها --
366
868000
3000
اما اکنون این سومین نیروی تکامل مشترک است : الگوریتم --
14:46
the Bostonبوستون Shufflerشفلر, the Carnivalکارناوال.
367
871000
3000
بوستون شافلر ، کارنوال .
14:49
And we will have to understandفهمیدن those as natureطبیعت,
368
874000
3000
و ما باید آنها را بعنوان طبیعت درک کنیم.
14:52
and in a way, they are.
369
877000
2000
و از طریقی ، آنها هستند.
14:54
Thank you.
370
879000
2000
با تشکر.
14:56
(Applauseتشویق و تمجید)
371
881000
20000
(تشویق حضار)
Translated by eagle sky
Reviewed by soheila Jafari

▲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