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?
کریس اندرسون: شما خدای ریاضیات بودید. شما در سِن پایین در هاروارد و امآِیتی درس دادید. و بعد آژانس امنیت ملی آمریکا سراغتان آمد. ماجرا چی بود؟
Jim Simons: Well the NSA -- that's the National Security Agency -- 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.
جیم سیمونز: خب اناسای یا آژانس امنیت ملی آمریکا دقیقاً دنبالم نیامد. عملیاتی در پرینستن داشتند که برایش ریاضیدان استخدام میکردند تا به کدهای مخفی و چیزهایی از این قبیل حمله کنند. و از وجودش با خبر بودم. و خط مشی خیلی خوبی داشتند، چون نیمی از زمانتان را میتونستید به کارهای ریاضی خودتان اختصاص دهید و حداقل نیمی دیگر را صرف انجام کارهای آنها کنید. و حقوقش زیاد بود. پس کشش مقاومت ناپذیری بود. پس به آنجا رفتم.
CA: You were a code-cracker.
ک. ا.: پس شما رمزشکن بودید.
JS: I was.
ج.س.: بله.
CA: Until you got fired.
ک. ا.: تا این که اخراج شدید.
JS: Well, I did get fired. Yes.
ج. س.: خب، بله. اخراج شدم.
CA: How come?
ک. ا.: چطور؟
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 ...
ج. س.: خوب چطوری؟ اخراج شدم چون جنگ ویتنام بود، و رئیس رؤسام در سازمانم هوادار بزرگ جنگ بود و یک مقاله در نیویورک تایمز نوشت، در صفحهی رویی مجله، دربارهی اینکه چطور جنگ ویتنام را ببَریم و من آن جنگ را دوست نداشتم، فکر میکردم احمقانه است. و نامهای برای تایمز نوشتم که چاپ شد، که میگفت همهی کسانی که برای مکسول تیلر کار میکنند، البته اگر کسی اسمش را بیاد بیاره، با نظراتش موافق نیستند. و من عقاید خودم را گفتم.
CA: Oh, OK. I can see that would --
ک.ا.: اوه، باشه. متوجه شدم--
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.
ج س:...که متفاوت از ژنرال تیلر بودند. اما سرآخر، کسی چیزی نگفت. اما بعد که ۲۹ سالَم بود و جوانکی سراغم آمد که میگفت گزارشگر نیمه وقت مجلهی نیوزویک بود و میخواست با من مصاحبه کند و از من دربارهی دیدگاههام بپرسد. و بهش گفتم،" که الان بیشتر کار ریاضی انجام میدم، و وقتی جنگ تمام شد، بعدش میرم سراغ کارهای آنها." بعد تنها کار هوشمندانهی آن روزم را انجام دادم-- به رییس بخش گفتم که آن مصاحبه را انجام دادم. و او گفت، "چی گفتی؟" و بهش چیزی را که گفته بودم گفتم و بعد او گفت، " باید به تیلر زنگ بزنم." به تیلر زنگ زد؛ ۱۰ دقیقه طول کشید. پنج دقیقه بعد اخراج شدم.
CA: OK.
ک. ا.: بسیار خوب.
JS: But it wasn't bad.
ج. س.: ولی بد نشد.
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?
ک. ا.: بد نشد، چون به استونی بروک رفتید و در حرفهی ریاضیاتی خودتان ترقی کردید. در آنجا با این مرد کار کردید. این کیه؟
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.
ج. س.: اوه،[شینگ-شن] چرن. چرن یکی از بزرگترین ریاضیدانهای قرن بود. از دورهی فوق لیسانس در برکلی میشناسمش. و یکسری ایده داشتم، و نزد او مطرحشان کردم و خوشش آمد. با هم، کاری را انجام دادیم که الان دارید به خوبی اینجا میبینید. همین هست.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
ک. ا.: منجر به انتشار مقالهی مشهور مشترکی شد. میشه توضیح بدید که دربارهی چی بود؟
JS: No.
ج. س.: نه.
(Laughter)
(خنده)
JS: I mean, I could explain it to somebody.
ج. س.: یعنی میتونم برای بعضیها توضیحش بدم.
(Laughter)
(خنده)
CA: How about explaining this?
ک. ا.: توضیح این چی؟
JS: But not many. Not many people.
ج. س.: اما نه خیلی. نه برای آدمهای زیادی.
CA: I think you told me it had something to do with spheres, so let's start here.
ک. ا.: فکر کنم به من گفتید که با کُرهها سروکار داشت. پس از اینجا شروع کنیم.
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.
ج. س.: خوب، بله داشت، اما آنچه دربارهی آن کار باید بگم- به آن داشت، اما قبل از اینکه به آنجا برسیم- ریاضی آن کار عالی بود. ازش خیلی راضی بودم؛ همینطور چرن. چیزی که به عنوان زیرمجموعه شروع شد الان شکوفا شده. اما جالبتر اینکه، معلوم شد در فیزیک کاربرد دارد، چیزی که نمیدانستیم- حداقل من از فیزیک سر رشته ندارم، و فکر نکنم چرن هم چیز زیادی بلد بود. و حدود ۱۰ سال پس از انتشار مقاله، کسی به اسم اد ویتن در پرینستن آن را در نظریهی ریسمان بکار گرفت و کسانی در روسیه آن را در چیزی بنام "مادهی چگال" بکار گرفتند. امروزه، آن چیزها، آنجا، را ثابت چرن-سیمونز مینامند. که در بخش زیادی از فیزیک گسترده شده. فوقالعاده بود. ما هیچی دربارهی فیزیک نمیدانستیم هرگز به ذهنم نرسیده بود که در فیزیک کاربرد پیدا میکنه. اما خوب نکتهی ریاضیات همینه- هرگز نمیدانید به کجا میره.
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?
ک. ا.: این چقدر باورنکردنیه. ما دربارهی اینکه تکامل چطور ذهن انسانها را شکل میده صحبت میکنیم که شاید [ذهن] حقیقت را درک کند یا شاید نکند. یکجوری شما به یک نظریهی ریاضی رسیدید، بدون آنکه فیزیک بدانید، دو دهه بعد کشف کردید که در توصیفِ پایهایِ جهان فیزیکی واقعی به کار میرود. این چطور ممکنه؟
JS: God knows.
ج. س.: خدا میدونه.
(Laughter)
(خنده)
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.
اما فیزیکدان مشهوری هست به اسم (یوجین) ویگنر، و او رسالهای نوشته در باب کارایی غیرموجه ریاضیات. یکجورهایی این ریاضیات که به یک معنی ریشه در جهان واقعی دارد- ما شمردن و اندازهگیری را میآموزیم، همه این کار بلدند- و بعد خودبخود پیشرفت میکند. اما اغلب نتیجهاش منجر به نجات از یک فاجعه میشود نسبیت عام یک نمونه است. [هرمان] مینوکفسکی هندسهاش را داشت، و انیشتین تشخیص داد که «خوب این همان چیزیست که میتوانم نسبیت کلی را در آن بگنجانم." پس هیچوقت نمیدانی. این یک راز است. این یک راز است.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
ک. ا.: در اینجا تکهای از نبوغ ریاضیاتی را داریم. برایمان در این باره بگویید.
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.
ج. س.: خب، این یک توپه- یک کره که اطراف آن یک شبکه وجود دارد- آن مربعها منظورمه. چیزی که من میخوام به شما نشون بدم ابتدا توسط [لئونارد] اویلر مشاهده شد، یک ریاضیدان بزرگ در حدود سال ۱۷۰۰ [میلادی] و کم کم رشد پیدا کرد تا یک شاخهی خیلی مهم ریاضیات شد: توپولوژی جبری در هندسه. آن مقاله در اینجا ریشه داشت. پس اینجا ما اینها را داریم: هشت رأس، ۱۲ ضلع و شش وجه دارد. و اگر شما به تفاوتها نگاه کنید- رأسها منهای اضلاع به علاوهی وجهها- تفاوت میشود دو. بله دو، عدد خوبیه اینجا راه متفاوتی برای انجامش هست، اینها مثلثهاییاند که آن رو پوشانده- این ۱۲ رأس و ۳۰ ضلع دارد و ۲۰ وجه ، ۲۰ قطعه. و رأسها منهای اضلاع به علاوهی وجهها میشود دو و در حقیقت شما این کار را به هر طریقی میتوانید انجام دهید این را با انواع چندوجهیها و مثلثها بپوشانید و با هم ترکیب کنید. وقتی رأسها را منهای جمع اضلاع و وجوه کنید میشود دو. این یک شکل متفاوت است. این یک چنبره یا سطح یک دونات است: ۱۶ رأس که با مستطیل پوشیده شده، ۳۲ ضلع و ۱۶ وجه دارد. رئوس منهای اضلاع میشود صفر. همیشه صفر میشه. هر بار که شما یک چنبره را با مربع یا مثلث بپوشانید یا هر چیزی شبیه آن، نتیجه صفر میشه. خوب، این مشخصهی اویلر نام دارد. و این چیزیست که ناوردای توپولوژی نام دارد. واقعا جالبه. فرقی ندارد چطور انجامش دهید، همیشه یک جواب میگیرید. خوب این اولین نیروی فشار بود که از میانهی ۱۷۰۰ به موضوعی که امروزه توپولوژی جبری نام گرفته وارد شد.
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
ک.ا.: و کار خود شما یک ایده مثل این را گرفت و به فرضیهی ابعاد بالا بُرد، اجسام در ابعاد بالاتر، و ناورداهای( ویژگیهای تغییرناپذیر) جدیدی پیدا کردید؟
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.
ج.س.: بله. خوب، همون موقع هم ناورداهای در ابعاد بالاتر وجود داشت: طبقات پونتِریاگین-- در واقع، آنها طبقات چِرن بودند. یک مشت از این ناورداها وجود داشت. من تلاش میکردم روی یکی از آنها کار کنم و به صورت ترکیبی آن را مدلسازی کنم، به جای روشی که معمولاً انجام میشد، که به این کار منتهی شد و ما چیزهای نویی کشف کردیم. اما اگر به خاطر آقای اویلر نبود- که ۷۰ جلد در ریاضیات نوشت و ۱۳ تا بچه داشت، که اینطور که پیداست در حال نوشتن روی زانوش تکانشان میداد - اگر به خاطر آقای اویلر نبود، شاید این ناورداها وجود نداشتند.
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?
ک.ا.: خوب، پس این حداقل به ما مزهای از ذهن شگفتآوری که اون تو هست داد. بیایید دربارهی رنسانس صحبت کنیم. چون شما اون ذهن شگفتانگیز را برداشتید و چون در ان.اس.ای یک رمزشکن بودید، یک رمزشکن در صنایع مالی شُدید. فکر کنم احتمالاً شما فرضیهی بازار کارا را قبول نداشتید. به طریقی شما راهی پیدا کردید که در طول دو دهه سودهای حیرتانگیزی کنید. آنطور که برای من توضیح دادند، آنچه در مورد کار شما قابلتوجه است تنها اندازهی سوتان نبود، بلکه اینست که شما آن سودها را با ریسک و نوسان پایین در مقایسه با دیگر صندوقهای پوشش ریسک بدست آوردید که غافلگیر کنندهست. خوب پس چطوری این کار را کردی جیم؟
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.
ج.س.: من این کار را با جمع کردن یک گروه شگفتانگیز از افراد انجام دادم. وقتی من وارد بازرگانی شدم، کمی از ریاضیات خسته شده بودم. در سالهای پایانی دههی سوم زندگیم بودم، پول کمی داشتم. شروع به بازرگانی کردم که خیلی خوب پیش رفت. خیلی پول درآوردم با شانس خالص. یعنی فکر کنم شانس خالص بود. قطعاً مدلسازی ریاضی نبود. اما با بررسی دادهها پس از مدتی فهمیدم: انگار یک ساختاری اینجا هست. و چند نفر ریاضیدان را استخدام کردم، و شروع به مدلسازی کردیم- دقیقاً همون مدل کاری که قبلاً در مؤسسهی آنالیز دفاع انجام میدادیم. الگوریتمی را طراحی میکنی، روی یک کامپیوتر اجراش میکنی. کار میکنه؟ کار نمیکنه؟ و الی آخر.
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?
ک. ا.: میتونیم نگاهی به این بیندازیم؟ چون این یک گراف معمول از یک کالاست. من به این نگاه میکنم و میگم، «بالا و پایین شدنِ این بیترتیب است- شاید یک تمایل رو به بالای خیلی کم در کل این زمان داشته باشه.» چطوری میتونستید با نگاه کردن به این بازرگانی کنید، و چیزی ببینید که بیترتیب نیست؟
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.
ج.س.: قدیما - این نوع گرافی است که قدیما داشتیم، کالا یا ارزتمایل به ایجاد رَوند [در بازار] دارند. الزاماً روند ملایمی که اینجا میبینید نه، بلکه روند در دورههای زمانی. و اگر تصمیم بگیرید که خوب، من امروز با میانگین کردن حرکت در ۲۰ روز گذشته، [بازار را] پیشبینی میکنم- شاید این یک پیشبینی خوب باشه، و من یکم پول در میارم. در واقع، سالها پیش همچین سامانهای به درد میخورد. نه به زیبایی ولی کار میکنه. شما پول درمیارید، پول از دست میدید، پول درمیارید. اما این روزهای یک سال است، و شما در طول این دوره یکم پول درمیارید. سامانهی قدیمیای است.
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.
ک.ا.: پس شما چندتا روند را در طول زمان امتحان میکردید و میدیدید که مثلاً یک روند ۱۰ روزه و یا ۱۵ روزه آنچه بعداً اتفاق میافتد را پیشبینی میکند.
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.
ج.س.: مطمئناً، همهی اینها را امتحان میکردید تا ببینید کدام بهتر کار میکند. دنبال کردن روند برای دههی ۶۰ عالی بود، اما برای دههی ۷۰ همینطور خوب بود. برای دههی ۸۰ اینطور نبود.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
ک. ا.: چون همه میتوانستند آن را ببینند. خب چطور تونستید جلوتر از دیگران باقی بمانید؟
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.
ج. س.: ما با پیدا کردن رویکردهای دیگه جلوتر از دیگران ماندیم- تا حدی رویکردهای کوتاه مدت. نکتهی واقعی این بود که مقدارعظیمی داده جمع کنیم- و در روزهای قدیم باید با دست این کار را میکردیم. به فدرال رزرو رفتیم و تاریخچهی نرخهای سود را کپی کردیم و کارهایی مثل این، چون روی کامپیوترها نبودند. کلی داده گرفتیم. و آدمهای خیلی باهوش- که کلیدی بودند. من واقعا نمیدانستم چطور آدمها را برای انجام معاملات بنیادی استخدام کنم. یکسری را استخدام کردم- بعضی پول درآوردند، بعضی هم نه. نتونستم از آن کسب و کاری راه بیاندازم. اما میدانستم چطور دانشمندها را استخدام کنم، چون کمی در آن بخش سلیقه دارم. پس این کار را کردیم. و به تدریج این مدلها بهتر و بهتر شدند، بهتر و بهتر.
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.
ک. ا.: شما برای انجام کاری قابل توجه در رنسانس شناخته شدید، که این فرهنگ را می سازد، این گروه از مردم، که فقط کارگرهای تأجیری نبودند که با پول وسوسه شوند. انگیزهشان انجام محاسبات ریاضی هیجانانگیز و علوم بود.
JS: Well, I'd hoped that might be true. But some of it was money.
ج. س.: خوب، من امیدوار بودم که صحت داشته باشه. اما کمی از آن برای پول بود.
CA: They made a lot of money.
ک. ا.: کلی پول درآوردند.
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.
ج. س.: نمیتونم بگم که هیچ کس برای پول نیامد. فکر کنم بسیاری از آنها برای پول آمدند. اما برای لذت بردن هم آمدند.
CA: What role did machine learning play in all this?
ک.ا.: یادگیری ماشینی چه نقشی در این بین داشت؟
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.
ج.س.: به شکلی، کاری که ما انجام دادیم هم یادگیری ماشینی بود. شما مقدار زیادی داده را بررسی میکنید و سعی میکنید برنامههای پیشبینی مختلفی را شبیهسازی کنید، تا در انجامش بهتر و بهتر شوید. الزاماً به خودش بازخورد نمیدهد در روشی که ما بکار بردیم. اما کار کرد.
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.
ک.ا.: پس این برنامههای پیشبینی مختلف میتونن خیلی وحشیانه وغیرقابل پیشبینی باشند. یعنی، شما همهچیز بررسی کردید، درسته؟ شما آبوهوا، قد پیراهن، عقیدهی سیاسی را بررسی کردید.
JS: Yes, length of dresses we didn't try.
ج.س.: بله، ما قد پیراهن را امتحان نکردیم.
CA: What sort of things?
ک.ا.: چه چیزهایی؟
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.
ج.س.: خوب همه چیز. همه چیز به درد میخورد- به جز قد پیراهن. آبوهوا، گزارشهای سالانه، گزارشهای فصلی، خود دادههای تاریخی، مجلدها، هر چی بگی. هر چیز هست. ما تا چند ترابایت داده در روز میگرفتیم. آنها را ذخیره می کردیم و ماساژ میدادیم و برای آنالیز آمادهشان میکردیم. شما دنبال ناهنجاری میگردید. دنبال -همونطور که گفتید، فرضیهی بازار کارا دُرست نیست.
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?
ک.ا.: اما هر ناهنجاری تکیای میتونه رندوم باشه. پس، آیا اینجا رمز کار اینه که فقط دنبال چند ناهنجاری عجیب بگردیم، و ببینیم که آیا در یک راستا هستند یا نه؟
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.
ج.س.: هر ناهنجاری تکی ممکنه رندوم باشه، هرچند، اگر دادهی کافی داشته باشید میتونید بفهمید رندوم بوده یا نه. میتونید ناهنجاریای را ببینید که برای مدت زمان درازی پابرجاست- احتمال اینکه رندوم باشد بالا نیست. اما این چیزها پس از مدتی کم رنگ میشوند، ناهنجاریها محو میشوند. پس باید به کار مسلط باشید.
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?
ک.ا.: بسیاری از مردم الان به صندوقهای پوشش ریسک نگاه میکنند و یه جورایی... شکه شدند، که چقدر ثروت اینجا ایجاد شده، و چقدر استعداد صرف آن میشه. آیا نگرانی از بابت آن صنعت و شاید صنایع مالی در کل دارید؟ بر قطار از خط خارج شدهای سوار هستید که نمیدونم- به بیشتر شدن نابرابری دامن میزند؟ چطور از آنچه در صنعت صندوقهای پوشش ریسک دارد اتفاق میافتد دفاع میکنید؟
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.
ج.س.: فکر کنم در سه چهار سال اخیر صندوقهای پوشش ریسک خیلی موفق نبودهاند. ما خوب کار کردیم، اما صنعت صندوقهای پوشش ریسک به طور کل خیلی عالی نبوده. بازار بورس دوران خوبی داشته، همانطور که همه میدونند بالا رفته، و نسبت درآمدها رشد کرده. خوب ثروت خیلی زیادی در - بگذار بگم، پنج یا شش سال اخیر- در صندوقهای پوشش ریسک ایجاد نشده. مردم از من میپرسند، «صندوق پوشش ریسک چیه؟» و من میگم: «یک و ۲۰». که یعنی - حالا دو و ۲۰ شده- دو درصد نرخ ثابت و ۲۰ درصد سود است. صندوقهای پوشش ریسک موجودات متفاوتی هستند.
CA: Rumor has it you charge slightly higher fees than that.
ک.ا.: شایعه شده که شما یکم نرخ شما بالاتره.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
ما مدتی بالاترین نرخ را در جهان داشتیم. پنج و ۴۴، این نرخ ماست.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
ک.ا.: پنج و ۴۴. پس پنج درصد ثابت، ۴۴ درصد سود. همینطور هم برای سرمایهگذارهاتون پول خیلی زیادی درآوردید.
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 --
ج.س.: ما بازده خوبی داشتیم، بله. مردم خیلی عصبانی شدند: «چطور میتونید همچین نرخ بالایی بگیرید؟» من گفتم، «باشه، شما میةونید صرفنظر کنید.» اما «چطور بیشتر پول دربیارم؟» چیزی بود که مردم-
(Laughter)
(خندهی حاضران)
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.
اما زمانی، همانطور که فکر کنم به شما گفتم، ما [سهام] همهی سرمایهگذارانمان را خریدیم چون سرمایه یک ظرفیتی دارد
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?
اما آیا ما باید نگران باشیم که صنعت صندوقهای پوشش ریسک بیش از حد استعدادهای بزرگ ریاضی و دیگر رشتهها در دنیا را جذب کند که در این [صنعت] کار کنند به جای اینکه روی مشکلات دیگر دنیا؟
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.
ج.س.: خوب، فقط که ریاضیات نیست. ما ستارهشناسها و فیزیکدانها و امثال اینها را هم استخدام میکنیم. فکر نکنم باید خیلی نگرانش باشیم. صنعت کوچکی است. و در واقع، آوردن علم به دنیای سرمایهگذاری دنیا را بهتر کرده. نوسان را کاهش داده. نقدینگی را افزایش داده. دامنه مظنه باریکتر شدهاند چون مردم اینجور چیزها را معامله میکنند. پس من زیاد نگران نیستم که اینشتین بِره و یک صندوق پوشش ریسک باز کند.
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.
ک.ا.: اما شما در مرحلهای از زندگی هستید که در حقیقت دارید سرمایهگذاری میکنید، در طرف دیگر زنجیرهی عَرضه- شما در واقع دارید ریاضیات را در سراسر آمریکا ترقی میدید. این همسر شماست، مریلین. شما با هم روی مسائل انسان دوستانه کار میکنید. دربارهاش صحبت کنید.
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.
ج.س.: خوب، مریلین شروع کرد- اینجا این بالاست، همسر زیبای من- حدود ۲۰ سال پیش مؤسسه را آغاز کرد. فکر کنم سال ۹۴. من میگم ۹۳ و او میگه ۹۴ بود. اما یکی از این دو سال بود.
(Laughter)
(خندهی حاضران)
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.
ما مؤسسه را آغاز کردیم، فقط به عنوان راه آسانی برای نیکوکاری. او حساب و کتابش را داشت و به همین منوال. ما در آن زمان دورنمایی نداشتیم، اما ذره ذره دورنمایی پیدا شد- که تمرکز بر ریاضیات و علم بود، تمرکز بر روی پژوهشهای پایه. و این کاریست که ما کردیم. شش سال پیش حدوداً، من رنسانس را ترک کردم و به کار کردن در مؤسسه پرداختم. خوب ما این کار را میکنیم.
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.
ک.ا.: پس ریاضی برای آمریکا اساساً بر رو معلمهای ریاضی در اطراف کشور سرمایهگذاری میکند، به آنها درآمد اضافه میده، آنها را حمایت و تربیت میکند. و واقعاً سعی میکند که این کار را بهتر انجام بده و آن را تبدیل به پیشهای کند که معلمها آرزو میکنند.
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.
ج س: آره- بجای کوبیدن معلمهای بد، که در کل جامعهی آموزشی مشکلات اخلاقی ایجاد کرده، بخصوص در ریاضی و علوم، ما روی گرامیداشت خوبها تمرکز میکنیم و به آنها موقعیت میدیم. بله ما به آنها پول بیشتر میدیم، ۱۵۰۰۰ دلار در سال. ما ۸۰۰ معلم ریاضی و علوم در مدارس دولتی شهر نیویورک داریم، که هسته را تشکیل میدهند. روحیهی عالیای بینشون هست. آنها در این رشته میمانند. سال بعد، ۱۰۰۰ نفر خواهد بود که ۱۰ درصدِ معلمهای ریاضی و علوم در مدارس دولتی [شهر] نیویورک هستند.
(Applause)
(تشویق حاضران)
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.
ک. ا.: جیم، این یک پروژهی دیگرست که تو از آن از روی نوع دوستی حمایت کردهای: به گمانم تحقیق درباره ریشههای حیات است. در اینجا به چی نگاه میکنیم؟ ج. س.: خوب، من این را به خاطر میسپارم. و سپس به شما میگم که به چی نگاه میکنید. خاستگاه حیات پرسش شگفتانگیزیه. چطور به اینجا رسیدیم؟ خوب، دو پرسش هست: یکی اینکه، مسیر از زمینشناسی به زیستشناسی چیه- چطور ما به اینجا رسیدیم؟ و پرسش دیگه اینه که، با چی شروع کردیم؟ چه مادهای، اگر مادهای بوده، ما باید در این مسیر استفاده میکردیم؟ این دو پرسش خیلی جالب هستند. پرسش اول یک راه پر پیچ و خم از زمینشناسی تا آرانای است یا چیزی شبیه آن- چطور اتفاق افتاد؟ و دیگری اینکه، ما با چی باید کار کنیم؟ خب، بیشتر از آنچه فکرش را میکنیم. خوب آنچه در اینجا به تصویر کشیده شده، ستارهای در حال شکلگیری است، حالا، هر سال در کهکشان راه شیری ما، که ۱۰۰ میلیارد ستاره دارد، حدوداً دو ستاره تازه ایجاد میشود. از من نپرس چطور، اما آنها ایجاد میشوند. و حدود یک میلیون سال زمان میبرد تا ایستا شوند. پس در حالت ایستا، حدود دو میلیون ستاره در هر لحظه در حال شکل گرفتن است. این یکی هم جایی در دورهی ایستا شدن است. و این آشغالها در اطرافش میگردند، غبار و اینها. و احتمالاً یک منظومهی شمسی یا هر چی تشکیل میده. اما نکته اینجاست- در این غباری که ستارهی در حالِ شکلگیری را احاطه کرده، حالا مقدار قابل توجهی مولکولهای آلی پیدا شده. مولکولهایی که مثل متان نیستند بلکه فُرمالدهید و سیانید- چیزهایی که بخشهای سازنده - به عبارت دیگه بذر حیات هستند. پس این شاید معمول باشد. و شاید معمول باشد که سیّارهها در جهان هستی با این بخشهای سازنده آغاز شدند. حالا آیا معنیاش اینست که همهجا حیات وجود خواهد داشت؟ شاید. اما مسئله اینست که این راه چقدر پر پیچ و خم است از آن شروع ضعیف، آن بذرها، تا حیات. و بیشتر آن بذرها روی سیّارههای آیشی میافتند.
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.
ک ا: پس برای شما، شخصاً، یافتن پاسخ این سؤال که ما از کجا میاییم، که چطور این اتفاق افتاده، است که دوست دارید ببینید.
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.
ج س: مشتاقم ببینم. و دوست دارم بدانم-- اگر آن مسیر به حد کافی پرپیچ و خم است و آنقدر نامحتمل، که فارغ از آنکه با چی شروع کنیم، ممکن است تک باشیم. اما از سوی دیگر، با این همه غبار آلی که شناور است، ممکنه آن بیرون کلی دوست داشته باشیم. عالی میشه اگر بفهمیم.
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?
ک. ا.: جیم، دو سال پیش فرصت صحبت کردن با الون ماسک را پیدا کردم، و از او راز موفقیتش را پرسیدم، و او گفت جدی گرفتن فیزیک رازش بود. با گوش کردن به شما، چیزی که من از شما میشنوم جدی گرفتن ریاضیات است، که کل زندگیتان را دربرگرفته. به شما ثروت مطلق داده و اکنون به شما امکان سرمایهگذاری در آیندهی هزاران هزار کودک در سراسر آمریکا و جاهای دیگر را میده. آیا میتونیم بگیم که علم به درد میخورد. که ریاضیات واقعاً به درد میخورد؟
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
ج. س.: خوب، ریاضی قطعاً به درد میخورد. ریاضی قطعاً به درد میخورد. کار لذتبخشی بود. کار کردن با مریلین و بخشش کردن بسیار لذت بخش بوده.
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.
ک. ا.: برای من فکر الهام بخشی است، اینکه با جدی گرفتن دانش، از آن بهتر میتوان نتیجه گرفت. پس از شما به خاطر زندگی فوقالعادهتان و آمدنتان به TED سپاسگزارم.
Thank you.
متشکرم.
Jim Simons!
جیم سیمونز!
(Applause)
(تشویق حاضران)