Крис Андерсън: Вие бяхте феномен в математиката. Макар и млад, вече бяхте преподавал в Харвард и МТИ. И тогава са ви посетили от АНС. За какво?
Chris Anderson: You were something of a mathematical phenom. You had already taught at Harvard and MIT at a young age. And then the NSA came calling. What was that about?
Джим Саймънс: От АНС - това е Агенцията за национална сигурност -
Jim Simons: Well the NSA -- that's the National Security Agency --
не дойдоха точно на посещение. Те имаха операция в Принстън, където наемаха математици, за да разгадават тайни кодове и други такива неща. Aз знаех, че съществуват. Имаха много добра политика, защото можеш да ползваш половината си време за собствени изследвания, и поне половината време работиш по техните неща. И плащаха много. Така че, изкушението беше неустоимо. И така, отидох там.
they didn't exactly come calling. They had an operation at Princeton, where they hired mathematicians to attack secret codes and stuff like that. And I knew that existed. And they had a very good policy, because you could do half your time at your own mathematics, and at least half your time working on their stuff. And they paid a lot. So that was an irresistible pull. So, I went there.
КА: Бил сте разбивач на кодове.
CA: You were a code-cracker.
ДС: Да.
JS: I was.
КА: Докато не ви уволниха.
CA: Until you got fired.
ДС: Да, наистина ме уволниха.
JS: Well, I did get fired. Yes.
КА: Как се случи?
CA: How come?
ДС: Ами, как се случи... Уволниха ме, защото бушуваше Виетнамската война и шефът на шефовете в моята организация беше голям привърженик на войната и написа статия в Ню Йорк Таймс, чието заглавие излезе на корицата, за това как ще спечелим във Виетнам. А аз не харесвах тази война, мислех я за глупава. И написах писмо до Таймс, което те публикуваха, с текст, че не всички, които работят за Максуел Тейлър, ако някой помни това име, споделят неговата гледна точка. И аз дадох моята гледна точка...
JS: Well, how come? I got fired because, well, the Vietnam War was on, and the boss of bosses in my organization was a big fan of the war and wrote a New York Times article, a magazine section cover story, about how we would win in Vietnam. And I didn't like that war, I thought it was stupid. And I wrote a letter to the Times, which they published, saying not everyone who works for Maxwell Taylor, if anyone remembers that name, agrees with his views. And I gave my own views ...
КА: Ясно. Разбирам, че това...
CA: Oh, OK. I can see that would --
ДС:...която се различаваше от тази на генерал Тейлър. Накрая никой не каза нищо. Но все пак тогава бях на 29 години и някакво хлапе дойде и каза, че пише за списание Нюзуик, иска да ме интервюира и попита какво правя с възгледите си. Казах му: "В момента правя преди всичко математика. а когато войната свърши, ще правя повече техни неща." После направих единственото разумно нещо в този ден казах на прекия си шеф, че съм дал интервюто. Той ме попита: "Какво каза?" и аз му казах какво съм казал. Тогава той каза: "Трябва да се обадя на Тейлър." Обади му се, това отне 10 минути. Бях уволнен 5 минути след това.
JS: ... which were different from General Taylor's. But in the end, nobody said anything. But then, I was 29 years old at this time, and some kid came around and said he was a stringer from Newsweek magazine and he wanted to interview me and ask what I was doing about my views. And I told him, "I'm doing mostly mathematics now, and when the war is over, then I'll do mostly their stuff." Then I did the only intelligent thing I'd done that day -- I told my local boss that I gave that interview. And he said, "What'd you say?" And I told him what I said. And then he said, "I've got to call Taylor." He called Taylor; that took 10 minutes. I was fired five minutes after that.
КА: Ясно.
CA: OK.
ДС: Но не беше лошо.
JS: But it wasn't bad.
КА: Не беше лошо , защото отидохте в Стоуни Брук и започнахте кариера като математик. Започнахте да работите с този човек тук. Кой е той?
CA: It wasn't bad, because you went on to Stony Brook and stepped up your mathematical career. You started working with this man here. Who is this?
ДС: О, (Шинг Шен) Чърн. Чърн беше един от великите математици на века. Запознах се с него, докато учех за степен в Бъркли. Имах няколко идеи, представих му ги и той ги хареса. Заедно направихме това, което виждате там горе. Ето го.
JS: Oh, [Shiing-Shen] Chern. Chern was one of the great mathematicians of the century. I had known him when I was a graduate student at Berkeley. And I had some ideas, and I brought them to him and he liked them. Together, we did this work which you can easily see up there. There it is.
КА: Това доведе до публикуването на известен труд заедно. Можете ли въобще да обясните каква беше тази разработка?
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
ДС: Не.
JS: No.
(Смях)
(Laughter)
ДС: Имам предвид, че мога да я обясня на някого.
JS: I mean, I could explain it to somebody.
(Смях)
(Laughter)
КА: А как ще обясните това?
CA: How about explaining this?
ДС: Но не на много хора.
JS: But not many. Not many people.
КА: Мисля, че ми казахте , че има нещо общо със сфери, така че, нека да започнем оттам.
CA: I think you told me it had something to do with spheres, so let's start here.
ДС: Е, да , но за нея ще кажа – има общо с тях, но преди да стигнем дотам – тази разработка беше добра математика. Много съм доволен от нея, а също и Чърн. Тя дори създаде малка под-област, която сега процъфтява. Но, по-интересното е, че се оказа приложима във физиката, нещо, от което ние не разбирахме - поне аз не разбирах нищо от физика, а не мисля, че и Чърн знаеше много. И около 10 години след като работата бе публикувана, човек на име Ед Уитън от Принстън, започна да я прилага в теория на струните и в Русия започнаха да я прилагат при така наречената "кондензирана материя". Днес, онези неща в нея, наречени инварианти на Чърн-Саймънс са се разпространили доста във физиката. И това е изумително. Ние не разбирахме от физика. Никога не ми е хрумвало, че ще се приложи във физиката. Но това е особеното при математиката - никога не знаеш къде ще отиде.
JS: Well, it did, but I'll say about that work -- it did have something to do with that, but before we get to that -- that work was good mathematics. I was very happy with it; so was Chern. It even started a little sub-field that's now flourishing. But, more interestingly, it happened to apply to physics, something we knew nothing about -- at least I knew nothing about physics, and I don't think Chern knew a heck of a lot. And about 10 years after the paper came out, a guy named Ed Witten in Princeton started applying it to string theory and people in Russia started applying it to what's called "condensed matter." Today, those things in there called Chern-Simons invariants have spread through a lot of physics. And it was amazing. We didn't know any physics. It never occurred to me that it would be applied to physics. But that's the thing about mathematics -- you never know where it's going to go.
КА: Това е невероятно. Говорихме за това как еволюцията оформя човешкия ум, като го прави възприемчив за истината или обратното. Вие някак си създадохте математическа теория, без въобще да познавате физиката, за да откриете две десетилетия по-късно, че тя се прилага, за да опише изчерпателно реалния физически свят. Как е възможно това?
CA: This is so incredible. So, we've been talking about how evolution shapes human minds that may or may not perceive the truth. Somehow, you come up with a mathematical theory, not knowing any physics, discover two decades later that it's being applied to profoundly describe the actual physical world. How can that happen?
ДС: Господ знае как.
JS: God knows.
(Смях)
(Laughter)
Но има един известен физик на име (Юджийн) Уигнър, който написа есе за абсурдната ефективност на математиката. Някак си, математиката, която е в основата на реалния свят в някакъв смисъл - учим се да броим, да мерим, всеки го прави - после разцъфтява сама за себе си. Но толкова често се връща, за да спаси положението. Теорията на относителността е пример. [Херман] Минковски е имал геометрията и Айнщайн осъзнал: "Хей! Точно това ми трябва, за да изчисля теорията на относителността." Така, че никога не знаем. Това е мистерия. Мистерия е.
But there's a famous physicist named [Eugene] Wigner, and he wrote an essay on the unreasonable effectiveness of mathematics. Somehow, this mathematics, which is rooted in the real world in some sense -- we learn to count, measure, everyone would do that -- and then it flourishes on its own. But so often it comes back to save the day. General relativity is an example. [Hermann] Minkowski had this geometry, and Einstein realized, "Hey! It's the very thing in which I can cast general relativity." So, you never know. It is a mystery. It is a mystery.
КА: Ето едно математическо изобретение. Разкажете ни за него.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
ДС: Това е топка - тя е сфера и е обвита в мрежа - виждате онези квадрати. Това, което ще ви покажа е наблюдавано най-напред от [Леонард] Ойлер, великият математик, в началото на 18 век. После постепенно е прераснало в много важна част от математиката - алгебрична топология, геометрия. Тази разработка горе произлиза от него. И така, ето го - има 8 върха, 12 ръба, 6 лица. И ако намерим разликата - върхове минус ръбове плюс лица - получаваме две. Добре, две. Това е хубаво число. Има и друг начин да го получим – покриваме с триъгълници - имаме 12 върха, 30 ръба и 20 лица, 20 плочки. И върхове минус ръбове плюс лица пак е равно на две. Всъщност, можете да го направите по какъвто и да е начин, като покриете топката с всички видове многоъгълници и триъгълници и ги разбъркате. Взимате върхове минус ръбове плюс лица и получавате две. Ето и друга форма. Това е тор или повърхнината на поничка с 16 върха, покрита с правоъгълници, 32 ръба, 16 лица. Върхове минус ръбове плюс лица дава нула. Винаги получавате нула. Всеки път щом покриете тор с квадрати или триъгълници или нещо подобно, получавате нула. Това се нарича Ойлерова характеристика. И е така нареченият топологичен инвариант. Това е изумително. Без значение как, винаги ще получим същия отговор. Това беше първият тласък от средата на 18 век към един предмет, който сега се нарича алгебрична топология.
JS: Well, that's a ball -- it's a sphere, and it has a lattice around it -- you know, those squares. What I'm going to show here was originally observed by [Leonhard] Euler, the great mathematician, in the 1700s. And it gradually grew to be a very important field in mathematics: algebraic topology, geometry. That paper up there had its roots in this. So, here's this thing: it has eight vertices, 12 edges, six faces. And if you look at the difference -- vertices minus edges plus faces -- you get two. OK, well, two. That's a good number. Here's a different way of doing it -- these are triangles covering -- this has 12 vertices and 30 edges and 20 faces, 20 tiles. And vertices minus edges plus faces still equals two. And in fact, you could do this any which way -- cover this thing with all kinds of polygons and triangles and mix them up. And you take vertices minus edges plus faces -- you'll get two. Here's a different shape. This is a torus, or the surface of a doughnut: 16 vertices covered by these rectangles, 32 edges, 16 faces. Vertices minus edges comes out to be zero. It'll always come out to zero. Every time you cover a torus with squares or triangles or anything like that, you're going to get zero. So, this is called the Euler characteristic. And it's what's called a topological invariant. It's pretty amazing. No matter how you do it, you're always get the same answer. So that was the first sort of thrust, from the mid-1700s, into a subject which is now called algebraic topology.
КА: И в работата си вие взехте тази идея и я развихте в много-измерна теория, много-измерни обекти и открихте нови инварианти?
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
ДС: Да. Е, вече имаше много-измерни инварианти - Класове на Понтрягин, всъщност, имаше и класове на Чърн. Имаше куп такива инварианти. Аз се мъчех да работя по един от тях и някак си да го моделирам комбинаторно вместо да използвам обичайния начин, и това доведе до тази разработка, открихме някои нови неща. Но ако не беше г-н Ойлер, който е написал почти 70 тома математика и е имал 13 деца, които очевидно е дондуркал на коляното си, докато е пишел, ако не беше г-н Ойлер, най-вероятно нямаше да съществуват инварианти.
JS: Yes. Well, there were already higher-dimensional invariants: Pontryagin classes -- actually, there were Chern classes. There were a bunch of these types of invariants. I was struggling to work on one of them and model it sort of combinatorially, instead of the way it was typically done, and that led to this work and we uncovered some new things. But if it wasn't for Mr. Euler -- who wrote almost 70 volumes of mathematics and had 13 children, who he apparently would dandle on his knee while he was writing -- if it wasn't for Mr. Euler, there wouldn't perhaps be these invariants.
КА: Добре, това ни дава представа за удивителния му ум. Да поговорим за Ренесанс. Защото използвахте този удивителен ум и с опита си като разбивач на кодове в АНС, започнахте да разбивате кодове и във финансовата индустрия. Вероятно не сте купил резултатна теория за пазара. Открил сте начин да постигнете удивителна възвръщаемост за две десетилетия. Според това, което ми обясниха, значимостта на постижението не е само в огромната възвръщаемост, а в изненадващо ниските променливост и риск в сравнение с други хедж фондове. Как, за бога, направихте това, Джим?
CA: OK, so that's at least given us a flavor of that amazing mind in there. Let's talk about Renaissance. Because you took that amazing mind and having been a code-cracker at the NSA, you started to become a code-cracker in the financial industry. I think you probably didn't buy efficient market theory. Somehow you found a way of creating astonishing returns over two decades. The way it's been explained to me, what's remarkable about what you did wasn't just the size of the returns, it's that you took them with surprisingly low volatility and risk, compared with other hedge funds. So how on earth did you do this, Jim?
ДС: Като събрах чудесна група хора. Когато започна да търгувам, бях леко изморен от математиката. Бях почти на 40, а имах малко пари. Започнах да търгувам и ми потръгна. Направих доста пари с чист късмет. Мисля, че беше чист късмет. Със сигурност не беше математическо моделиране. Но, разглеждайки даните, не след дълго осъзнах, че изглеждат така, сякаш имат някаква структура. Наех няколко математици и започнахме да правим модели – по същия начин, както го правехме в Института за защитни анализи. Създавате един алгоритъм, тествате го на компютър. Работи ли? Или не работи? И така нататък.
JS: I did it by assembling a wonderful group of people. When I started doing trading, I had gotten a little tired of mathematics. I was in my late 30s, I had a little money. I started trading and it went very well. I made quite a lot of money with pure luck. I mean, I think it was pure luck. It certainly wasn't mathematical modeling. But in looking at the data, after a while I realized: it looks like there's some structure here. And I hired a few mathematicians, and we started making some models -- just the kind of thing we did back at IDA [Institute for Defense Analyses]. You design an algorithm, you test it out on a computer. Does it work? Doesn't it work? And so on.
КА: Може ли да разгледаме това? Защото тук имаме типична графика на някаква стока. Погледнах я и си казах: "Това е случайно движение нагоре-надолу, може би с леко възходяща тенденция за целия този период." Как, за бога, търгувате, като гледате това и виждате нещо, което не е просто случайност?
CA: Can we take a look at this? Because here's a typical graph of some commodity. I look at that, and I say, "That's just a random, up-and-down walk -- maybe a slight upward trend over that whole period of time." How on earth could you trade looking at that, and see something that wasn't just random?
ДС: Някога - това е една графика от миналото - стоките и валутите имаха склонност към тенденции. Не непременно леката тенденция, която виждате, но тенденция за някакъв период. И ако си кажете - добре, днес ще прогнозирам според средната промяна през последните 20 дни, може би прогнозата ще е добра и ще спечелите някакви пари. Всъщност, преди години тази система работеше, не прекрасно, но работеше. Печелехме, губехме, печелехме. Но става въпрос за цяла година и печелехме малко пари за целия период. Това е една доста закърняла система.
JS: In the old days -- this is kind of a graph from the old days, commodities or currencies had a tendency to trend. Not necessarily the very light trend you see here, but trending in periods. And if you decided, OK, I'm going to predict today, by the average move in the past 20 days -- maybe that would be a good prediction, and I'd make some money. And in fact, years ago, such a system would work -- not beautifully, but it would work. You'd make money, you'd lose money, you'd make money. But this is a year's worth of days, and you'd make a little money during that period. It's a very vestigial system.
КА: Затова тествахте множество дължини на периоди, за да видите дали, например, 10 или 15-дневната тенденция предвижда какво се случва след това.
CA: So you would test a bunch of lengths of trends in time and see whether, for example, a 10-day trend or a 15-day trend was predictive of what happened next.
ДС: Разбира се, може да опитате всичко това и да видите какво работи най-добре. Следването на тенденции беше страхотно през 60-те, и още работеше през 70-те. Но не и през 80-те.
JS: Sure, you would try all those things and see what worked best. Trend-following would have been great in the '60s, and it was sort of OK in the '70s. By the '80s, it wasn't.
КА: Защото всички можеха ги видят. Е, как успяхте да изпреварите тълпата?
CA: Because everyone could see that. So, how did you stay ahead of the pack?
ДС: Изпреварихме с проучване на нови подходи - по-краткосрочни подходи в някаква степен. Същността им беше да се съберат огромно количество данни и в началото трябваше да ги събираме на ръка. Отидохме във Федералния резерв и копирахме история на лихвените проценти и други подобни неща, защото ги нямаше на компютър. Събрахме много информация. И много умни хора - това е ключът. На практика не знаех как да наема хора, които основно да търгуват. Наех няколко – някои направиха пари, други не. Не можех да направя бизнес от това. Но пък знаех как да наема учени, защото имах някакъв опит в тази област. Така и направих. И постепенно моделите ни ставаха все по-добри, по-добри и по-добри.
JS: We stayed ahead of the pack by finding other approaches -- shorter-term approaches to some extent. The real thing was to gather a tremendous amount of data -- and we had to get it by hand in the early days. We went down to the Federal Reserve and copied interest rate histories and stuff like that, because it didn't exist on computers. We got a lot of data. And very smart people -- that was the key. I didn't really know how to hire people to do fundamental trading. I had hired a few -- some made money, some didn't make money. I couldn't make a business out of that. But I did know how to hire scientists, because I have some taste in that department. So, that's what we did. And gradually these models got better and better, and better and better.
КА: Смята се,че правите нещо забележително в Ренесанс - изграждането на тази култура, тази група хора - не просто наемници, които някой може да примами другаде с пари. Мотивацията им е, че се занимават с вълнуваща математика и наука.
CA: You're credited with doing something remarkable at Renaissance, which is building this culture, this group of people, who weren't just hired guns who could be lured away by money. Their motivation was doing exciting mathematics and science.
ДС: Надявах се, че е така. Но беше и заради парите.
JS: Well, I'd hoped that might be true. But some of it was money.
КА: Те спечелиха много.
CA: They made a lot of money.
ДС: Не твърдя, че никой не дойде заради парите. Мисля, че много от тях дойдоха за пари. Но и защото щеше да им е забавно.
JS: I can't say that no one came because of the money. I think a lot of them came because of the money. But they also came because it would be fun.
КА: Каква беше ролята на машинното обучение?
CA: What role did machine learning play in all this?
ДС: В известен смисъл това, което правехме бе машинно обучение. Преглеждаме много данни и се опитваме да симулираме различни прогнозни схеми, докато станем все по-добри и по-добри в това. Начинът, по който постигнахме нещата не дава непременно обратна връзка. Но проработи.
JS: In a certain sense, what we did was machine learning. You look at a lot of data, and you try to simulate different predictive schemes, until you get better and better at it. It doesn't necessarily feed back on itself the way we did things. But it worked.
КА: Различните схеми за прогнозиране могат да бъдат доста налудничави и неочаквани. Имате предвид, че гледате всичко, нали? Гледате времето, дължината на роклите, политическите възгледи.
CA: So these different predictive schemes can be really quite wild and unexpected. I mean, you looked at everything, right? You looked at the weather, length of dresses, political opinion.
ДС: Да, но с дължината на роклите не сме пробвали.
JS: Yes, length of dresses we didn't try.
КА: А с какво?
CA: What sort of things?
ДС: Ами, с всичко. Всичко става, освен дължината на дрехите. Времето, годишните отчети, тримесечните отчети, историческа информация, обеми, каквото кажете. Всичко. При нас ежедневно влизат терабайти информация. Съхраняваме я, обработваме я и я подготвяме за анализ. Търсим аномалии. Търсим... както казахте, хипотезата за ефективния пазар не е вярна.
JS: Well, everything. Everything is grist for the mill -- except hem lengths. Weather, annual reports, quarterly reports, historic data itself, volumes, you name it. Whatever there is. We take in terabytes of data a day. And store it away and massage it and get it ready for analysis. You're looking for anomalies. You're looking for -- like you said, the efficient market hypothesis is not correct.
КА: Но всяка аномалия може да е просто случайност. Тайната тук не е ли да се разглеждат множества странни аномалии и да се види кога се нормализират?
CA: But any one anomaly might be just a random thing. So, is the secret here to just look at multiple strange anomalies, and see when they align?
ДС: Всяка аномалия може да е случайност. Ако имаме достатъчно данни, обаче, можем да познаем, че не е. Ако забележим аномалия, която се повтаря достатъчно дълго време, вероятността да е случайност не е голяма. Но тези неща избледняват с времето, аномалиите могат да изчезнат. Затова трябва да се държите на върха в бизнеса.
JS: Any one anomaly might be a random thing; however, if you have enough data you can tell that it's not. You can see an anomaly that's persistent for a sufficiently long time -- the probability of it being random is not high. But these things fade after a while; anomalies can get washed out. So you have to keep on top of the business.
КА: Много хора сега се обръщат към хедж фондовете и са...някак шокирани от тях, от това какво голямо богатство се създава там и колко много талант е необходим. Имате ли някакви тревоги за тази индустрия и може би, за финансовата индустрия като цяло? Все едно са влак-беглец, който... Не знам...допринася за увеличаване на неравенството? Как бихте защитили случващото се в хедж фондовете?
CA: A lot of people look at the hedge fund industry now and are sort of ... shocked by it, by how much wealth is created there, and how much talent is going into it. Do you have any worries about that industry, and perhaps the financial industry in general? Kind of being on a runaway train that's -- I don't know -- helping increase inequality? How would you champion what's happening in the hedge fund industry?
ДС: Мисля, че през последните три-четири години хедж фондовете не се справят много добре. Ние сме отличници, но индустрията на хедж фондовете като цяло не се справи толкова добре. Фондовият пазар беше във възход, вървеше нагоре, както знаем, коефициентите цена/приходи също растяха. Така че ужасно много от богатството, създадено през последните, да кажем, пет-шест години не е направено от хедж фондове. Хората биха попитали: "Какво е хедж фонд?" Бих отвърнал: "Един и двайсет." Което означава – сега е два и двайсет – два процента фиксирана комисионна и двайсет процента от печалбата. Всички хедж фондове са различни.
JS: I think in the last three or four years, hedge funds have not done especially well. We've done dandy, but the hedge fund industry as a whole has not done so wonderfully. The stock market has been on a roll, going up as everybody knows, and price-earnings ratios have grown. So an awful lot of the wealth that's been created in the last -- let's say, five or six years -- has not been created by hedge funds. People would ask me, "What's a hedge fund?" And I'd say, "One and 20." Which means -- now it's two and 20 -- it's two percent fixed fee and 20 percent of profits. Hedge funds are all different kinds of creatures.
КА: Казват, че вашите комисионни са малко по-високи.
CA: Rumor has it you charge slightly higher fees than that.
ДС: В един момент имахме най-високите комисионни в света. 5 и 44, толкова взимаме.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
КА: 5 и 44. Значи 5 процента фиксирани и 44 процента от печалбата. И пак печелите грандиозни суми за инвеститорите си.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
ДС: Да, възвръщаемостта ни е добра. Хората се ядосваха: "Как може да взимате толкова високи такси?" Отговарях: "Добре, оттеглете се." Но "Как мога да получа повече?" беше това, което хората...
JS: We made good returns, yes. People got very mad: "How can you charge such high fees?" I said, "OK, you can withdraw." But "How can I get more?" was what people were --
(Смях)
(Laughter)
Но в един момент, както мисля ви казах, изкупихме всички инвеститори, защото фондът имаше капацитет.
But at a certain point, as I think I told you, we bought out all the investors because there's a capacity to the fund.
KA: Tрябва ли да се тревожим, че хедж фондовете привличат твърде много от блестящите математици и други таланти в света да работят за тях, вместо над множеството други световни проблеми?
CA: But should we worry about the hedge fund industry attracting too much of the world's great mathematical and other talent to work on that, as opposed to the many other problems in the world?
ДС: Не са само математици. Наемаме астрономи, физици и други. Не мисля, че трябва да се тревожим прекалено. Това все още е една съвсем малка индустрия. И всъщност, привличането на науката в света на инвестициите подобрява света. Намалява нестабилността. Повишава ликвидността. Маржовете са по-малки, защото с това търгуват хората. Затова не се притеснявам, че Айнщайн ще се откаже, за да основе хедж фонд.
JS: Well, it's not just mathematical. We hire astronomers and physicists and things like that. I don't think we should worry about it too much. It's still a pretty small industry. And in fact, bringing science into the investing world has improved that world. It's reduced volatility. It's increased liquidity. Spreads are narrower because people are trading that kind of stuff. So I'm not too worried about Einstein going off and starting a hedge fund.
КА: Вие сте в етап от живота си, в който всъщност инвестирате, макар и в другия край на снабдителната верига - на практика рекламирате математиката из цяла Америка. Това е жена ви, Марлин. Работите заедно за благотворителни каузи. Разкажете ми за това.
CA: You're at a phase in your life now where you're actually investing, though, at the other end of the supply chain -- you're actually boosting mathematics across America. This is your wife, Marilyn. You're working on philanthropic issues together. Tell me about that.
ДС: Марлин започна – ето я там горе, красивата ми съпруга – тя основа фондацията преди около 20 години. Мисля, че през 1994. Според мен беше '93, а според нея - '94, но е една от тези две години.
JS: Well, Marilyn started -- there she is up there, my beautiful wife -- she started the foundation about 20 years ago. I think '94. I claim it was '93, she says it was '94, but it was one of those two years.
(Смях)
(Laughter)
Основахме фондацията само като удобен начин за благотворителност. Тя се занимаваше със счетоводството и т.н. Тогава нямахме определена цел, но постепенно мисията ни се разкри - да се съсредоточим в математиката и науката, върху фундаментални изследвания. Това и направихме. Преди около шест години напуснах Ренесанс и започнах работа във фондацията. С това се занимаваме.
We started the foundation, just as a convenient way to give charity. She kept the books, and so on. We did not have a vision at that time, but gradually a vision emerged -- which was to focus on math and science, to focus on basic research. And that's what we've done. Six years ago or so, I left Renaissance and went to work at the foundation. So that's what we do.
КА: Математика за Америка основно инвестира в учители по математика из страната, като им дава допълнителен доход, подкрепя ги и ги обучава. И наистина се опитва да направи преподаването по-резултатно и да го превърне в призвание, към което учителите се стремят.
CA: And so Math for America is basically investing in math teachers around the country, giving them some extra income, giving them support and coaching. And really trying to make that more effective and make that a calling to which teachers can aspire.
ДС: Да, вместо да атакуваме лошите учители, което накърнява духа в цялата образователна общност, особено в математиката и науката, ние избираме да прославим добрите и да им дадем статус. Даваме им бонус - 15,000 долара годишно. Имаме 800 учители по математика и науки в обществените училища в Ню Йорк, като част от едно ядро. Те имат изключителен дух. Продължават да работят в областта си. Следващата година ще бъдат 1000, а това са 10 процента от учителите по математика и науки в обществените училища в Ню Йорк.
JS: Yeah -- instead of beating up the bad teachers, which has created morale problems all through the educational community, in particular in math and science, we focus on celebrating the good ones and giving them status. Yeah, we give them extra money, 15,000 dollars a year. We have 800 math and science teachers in New York City in public schools today, as part of a core. There's a great morale among them. They're staying in the field. Next year, it'll be 1,000 and that'll be 10 percent of the math and science teachers in New York [City] public schools.
(Аплодисменти)
(Applause)
КА: Джим, ето и друг проект, който подкрепяте благотворително - Проучване на произхода на живота, предполагам. Какво виждаме тук? ДС: Ще замълча за секунда. И после ще ви кажа какво виждате. Произходът на живота е забележителен въпрос. Как сме се появили? Всъщност, въпросите са два: първият е какъв е пътят от геологията до биологията - как сме се появили тук? А вторият е - от какво сме създадени? С каква материя, ако има такава, е трябвало да работим по пътя? Това са два изключително интересни въпроса. Първият въпрос е криволичещият път от геологията до РНК или нещо подобно - как е проработило всичко? И от друга страна, с какво си имаме работа? Е, с повече, отколкото предполагаме. Това изображение е на звезда в процес на формиране. Всяка година в нашия Млечен път, в който има 100 милиарда звезди, възникват по две нови. Не ме питайте как, но възникват. Отнема им около милион години да се установят. Така че, в стабилно състояние има около два милиона звезди в процес на формиране във всеки момент. Тази е в някакъв момент от периода на установяването си. А това са всички неща, които се въртят около нея, прах и прочие. И тя вероятно ще образува слънчева система или нещо друго. Но там има нещо – в праха, който обгръща формиращата се звезда бяха открити важни органични молекули. Не просто молекули, като метан, а формалдехид и цианид - строителните блокчета или семената, ако предпочитате, на живота. Това може да е типично. Mоже би е обичайно за планетите във Вселената да започват с живота си с някои от тези базови строителни блокчета. Това означава ли, че ще има живот навсякъде? Може би. Но въпросът е в това колко сложен е пътят - от крехките наченки, семената, чак до създаването на живота. Повечето от тези семена ще попаднат на незасяти планети.
CA: Jim, here's another project that you've supported philanthropically: Research into origins of life, I guess. What are we looking at here? JS: Well, I'll save that for a second. And then I'll tell you what you're looking at. Origins of life is a fascinating question. How did we get here? Well, there are two questions: One is, what is the route from geology to biology -- how did we get here? And the other question is, what did we start with? What material, if any, did we have to work with on this route? Those are two very, very interesting questions. The first question is a tortuous path from geology up to RNA or something like that -- how did that all work? And the other, what do we have to work with? Well, more than we think. So what's pictured there is a star in formation. Now, every year in our Milky Way, which has 100 billion stars, about two new stars are created. Don't ask me how, but they're created. And it takes them about a million years to settle out. So, in steady state, there are about two million stars in formation at any time. That one is somewhere along this settling-down period. And there's all this crap sort of circling around it, dust and stuff. And it'll form probably a solar system, or whatever it forms. But here's the thing -- in this dust that surrounds a forming star have been found, now, significant organic molecules. Molecules not just like methane, but formaldehyde and cyanide -- things that are the building blocks -- the seeds, if you will -- of life. So, that may be typical. And it may be typical that planets around the universe start off with some of these basic building blocks. Now does that mean there's going to be life all around? Maybe. But it's a question of how tortuous this path is from those frail beginnings, those seeds, all the way to life. And most of those seeds will fall on fallow planets.
КА: Значи, лично за вас, намирането на отговор на въпроса откъде идваме, как са се случили нещата - това е, което бихте се радвал да разберете.
CA: So for you, personally, finding an answer to this question of where we came from, of how did this thing happen, that is something you would love to see.
ДС: Ще се радвам. И искам да разбера - ако пътят е толкова криволичещ и толкова невероятен, че е без значение с какво започваме, може би сме единствени. Но от друга страна, с целия този органичен прах, носещ се наоколо, може би имаме много приятели там някъде. Ще е страхотно да знаем.
JS: Would love to see. And like to know -- if that path is tortuous enough, and so improbable, that no matter what you start with, we could be a singularity. But on the other hand, given all this organic dust that's floating around, we could have lots of friends out there. It'd be great to know.
КА: Джим, преди две години имах шанса да разговарям с Елон Мъск, и го попитах за тайната на успеха му и той каза, че вземането на физиката насериозно е тайната. Слушайки вас, разбирам, че сте вземал математиката насериозно, това е изпълвало целия ви живот. Това ви е направилo изключително богат и сега ви позволява да инвестирате в бъдещето на хиляди деца от цяла Америка и не само. Означава ли това, че науката наистина работи? Че математиката влиза в употреба?
CA: Jim, a couple of years ago, I got the chance to speak with Elon Musk, and I asked him the secret of his success, and he said taking physics seriously was it. Listening to you, what I hear you saying is taking math seriously, that has infused your whole life. It's made you an absolute fortune, and now it's allowing you to invest in the futures of thousands and thousands of kids across America and elsewhere. Could it be that science actually works? That math actually works?
ДС: Математиката със сигурност работи. Със сигурност. Но това е забавно. Да работя с Марлин и да дарявам е много приятно.
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
КА: Аз просто мисля, че - това е вдъхновяваща мисъл за мен - че ако знанията се вземат насериозно, толкова много може да произлезе от тях. Благодаря ви за невероятния ви живот и че дойдохте на конференция на TED.
CA: I just find it -- it's an inspirational thought to me, that by taking knowledge seriously, so much more can come from it. So thank you for your amazing life, and for coming here to TED.
Благодаря ви.
Thank you.
Джим Саймънс!
Jim Simons!
(Аплодисменти)
(Applause)