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?
כריס אנדרסון: היית סוג של תופעה מתמטיקאית. לימדת בהרווארד וב-MIT כבר בגיל צעיר. ואז הגיעו ה-NSA וביקשו את עזרתך. מה הם רצו?
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.
ג'ים סיימונס: ובכן, ה-NSA, הסוכנות לביטחון לאומי, לא בדיוק פנו אלי. היה להם מבצע לגיוס מתמטיקאים בפרינסטון כדי שינסו לפצח קודים סודיים ודברים דומים. שמעתי על המבצע הזה. והייתה להם מדיניות חכמה מאוד. הם אפשרו למתמטיקאים לעסוק במתמטיקה שלהם במשך מחצית מהזמן, ואת החצי השני לפחות הם היו צריכים להקדיש לענייני ה-NSA. והם שילמו המון כסף. אז זאת הייתה הצעה שקשה לסרב לה. אז פניתי אליהם.
CA: You were a code-cracker.
כ"א: היית מפצח קודים.
JS: I was.
ג"ס: כן.
CA: Until you got fired.
כ"א: עד שפיטרו אותך.
JS: Well, I did get fired. Yes.
ג"ס: כן. פיטרו אותי.
CA: How come?
כ"א: למה?
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 ...
ג"ס: ובכן, למה? פיטרו אותי כי מלחמת ויאטנם הייתה בעיצומה, והמנהל של המנהלים בארגון שלי היה תומך נלהב של המלחמה, והוא כתב כתבת שער בניו יורק טיימס על איך הוא היה מנצח בויאטנם. ואני התנגדתי למלחמה הזאת. חשבתי שהיא מגוחכת. וכתבתי לטיימס מכתב שהם פרסמו, וכתבתי בו שלא כל מי שעובד עבור מקסוול טיילור, אם אתם זוכרים מי הוא, מסכים עם ההשקפות שלו. והבעתי את הדעות שלי...
CA: Oh, OK. I can see that would --
כ"א: אה, כן. אני מבין איך זה...
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.
ג"ס: ... שהיו שונות מדיעותיו של גנרל טיילור. אבל בסופו של דבר, אף אחד לא הגיב. אבל אז, הייתי בן 29 באותה תקופה, הגיע איזה ילד ואמר שהוא עיתונאי מניוזוויק ושהוא רוצה לראיין אותי ולברר מה אני עושה בקשר לדעות שלי. אמרתי לו, "כרגע אני עוסק בעיקר במתמטיקה, וכשהמלחמה תיגמר אעסוק בעיקר בעניינים שלהם." הדבר הנבון היחיד שעשיתי באותו יום הוא שסיפרתי לבוס המקומי שלי על הריאיון הזה. והוא שאל, "מה אמרת?" סיפרתי לו מה אמרתי. ואז הוא אמר, "אני חייב להתקשר לטיילור." והוא התקשר לטיילור, זה לקח עשר דקות. וחמש דקות לאחר מכן פיטרו אותי.
CA: OK.
כ"א: אוקיי.
JS: But it wasn't bad.
ג"ס: אבל זה לא היה רע.
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?
כ"א: זה לא היה רע כי עברת לאוניברסיטת סטוני ברוק, והקריירה המתמטית שלך נסקה. התחלת לעבוד עם האיש הזה. מי הוא?
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.
ג"ס: אוה, סינג צ'רן. צ'רן היה אחד המתמטיקאים הגדולים של המאה. הכרתי אותו כשלמדתי לתואר מתקדם בברקלי. היו לי רעיונות, והצגתי אותם לפניו והוא אהב אותם. עבדנו יחד על פרויקט שאתם יכולים לראות שם למעלה. הנה הוא.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
כ"א: כתבתם ביחד מאמר מפורסם על העבודה הזאת. תוכל להסביר לנו במה העבודה עסקה?
JS: No.
ג"ס: לא.
(Laughter)
(צחוק)
JS: I mean, I could explain it to somebody.
ג"ס: הייתי יכול להסביר לאנשים מסוימים. אבל...
(Laughter)
(צחוק)
CA: How about explaining this?
כ"א: אולי תוכל להסביר את מה שאנחנו רואים?
JS: But not many. Not many people.
ג"ס: ...אבל לא לאנשים רבים.
CA: I think you told me it had something to do with spheres, so let's start here.
כ"א: אני חושב שסיפרת לי שזה קשור לספירות, אז נתחיל מכאן.
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.
ג"ס: נכון. אבל בנוגע לעבודה הזאת, היא קשורה לתמונה הזאת, אבל קודם כל, העבודה הזאת הייתה מתמטיקה טובה. הייתי מאוד מרוצה ממנה. וגם צ'רן. היא אפילו יצרה תת-תחום שכיום משגשג. אבל מה שיותר מעניין הוא שלאחר מכן התברר שהעבודה שלנו קשורה גם לפיזיקה, תחום שלא היה מוכר לנו בכלל, או לפחות לי, ואני חושב שגם צ'רן לא הבין הרבה בפיזיקה. כעשר שנים לאחר שפרסמנו את העבודה, בחור בשם אד וויטן מפרינסטון התחיל ליישם אותה בתורת המיתרים, ואנשים ברוסיה התחילו ליישם אותה עבור מה שנקרא "חומר מעובה". כיום הדברים האלה שנקראים האינווריאנטים של צ'רן-סיימונס התפשטו במקומות רבים ברחבי הפיזיקה. וזה היה מדהים. לא ידענו בכלל פיזיקה. בכלל לא חשבתי שהנושא יהיה קשור לפיזיקה. אבל זה היופי של המתמטיקה. אף פעם לא יודעים לאן היא תוביל.
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?
כ"א: זה באמת לא ייאמן. דיברנו על הדרך שבה האבולוציה מעצבת את המוחות האנושיים, שקולטים או לא קולטים את האמת. איכשהו, אתה פיתחת תיאוריה מתמטית, בלי לדעת שום דבר בפיזיקה, ועבור שני עשורים גילית שמיישמים אותה בשביל לתאר את העולם הפיזי האמיתי. איך זה יכול לקרות?
JS: God knows.
ג"ס: אלוהים יודע.
(Laughter)
(צחוק)
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.
אבל יש פיזיקאי מפורסם בשם יוג'ין ויגנר, שכתב מאמר על האפקטיביות הלא הגיונית של המתמטיקה. איכשהו, המתמטיקה הזאת, שמושרשת בעולם האמיתי במובן מסוים, אנחנו לומדים לספור, למדוד, כל אחד יכול לעשות את זה, ואז היא צומחת מעצמה. אבל לעתים קרובות היא חוזרת למציאות ומצילה את המצב. תורת היחסות הכללית היא דוגמה לכך. למינקובסקי הייתה גיאומטריה, ואיינשטיין הבין, "היי! אני יכול להשתמש בה בשביל לבנות יחסות כללית". אף פעם לא יודעים. זאת תעלומה. זאת תעלומה.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
כ"א: אנחנו רואים פיסת גאונות מתמטית. ספר לנו עליה.
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.
ג"ס: זהו כדור... זוהי ספירה, ויש עליה סריג, הריבועים האלה. את מה שאני עומד להציג לפניכם עכשיו, גילה לראשונה אוילר, המתמטיקאי הגדול מהמאה ה-18. ובהדרגה התגלית שלו צמחה לתחום חשוב מאוד במתמטיקה: טופולוגיה אלגברית, גיאומטריה. העבודה שמוצגת למעלה מבוססת על התגלית הזאת. הביטו בגוף הזה: יש לו שמונה קודקודים, 12 צלעות, שש פאות. ואם נבחן את ההפרשים, הקודקודים פחות הצלעות ועוד הפאות, נקבל 2. קיבלנו 2. מספר נחמד. נבדוק חישוב נוסף. אלה משולשים שמכסים את הספירה. כאן יש לנו 12 קודקודים ו-30 צלעות ו-20 פאות. נחשב קודקודים פחות צלעות ועוד פאות ושוב נקבל 2. למעשה, בכל דרך שבה נכסה את הספירה במצולעים ומשולשים ונערבב ביניהם, ואז נחשב קודקודים פחות צלעות ועוד פאות, תמיד נקבל 2. הנה גוף נוסף. זהו טורוס, או פני השטח של כעך, והוא מכוסה במלבנים: 16 קודקודים, 32 צלעות, 16 פאות. קודקודים פחות צלעות ועוד פאות הם אפס. התוצאה תהיה תמיד אפס. תמיד כשנכסה טורוס בריבועים או במשולשים או בכל דבר שהוא, נקבל אפס. המספר הזה נקרא מאפיין אוילר. והוא נחשב אינווריאט טופולוגי. וזה מדהים. בכל הדרכים נקבל את אותה תוצאה. זאת הייתה יריית הפתיחה מאמצע המאה ה-18, שהובילה לנושא שנקרא היום טופולוגיה אלגברית.
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
כ"א: והעבודה שלך לקחה את הרעיון הזה והעבירה אותו לממדים גבוהים יותר, לגופים מממדים יותר גבוהים, ויצרה אינווריאנטים חדשים?
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.
ג"ס: כן. כבר היו אינווריאנים מממדים יותר גבוהים: מחלקות פונטריאגין. למעשה, היו מחלקות צ'רן. כבר היו כמה סוגים של אינווריאנטים. נאבקתי באחד מהם וניסיתי לבנות מודל לקומבינטוריות שלו בדרך שונה מהדרך המקובלת, והדבר הוביל לעבודה הזאת, וגילינו כמה דברים חדשים. אבל אלמלא אוילר, שכתב כמעט שבעים כרכים של מתמטיקה, והיה אבא ל-13 ילדים, שנהג להרכיב על ברכיו תוך כדי כתיבה... אלמלא אוילר כנראה שהאינווריאנטים האלה לא היו קיימים.
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?
כ"א: קיבלנו הצצה קטנה למוח המופלא הזה. בוא נדבר על "רנסנס". לקחת את המוח המופלא שלך שפיצח קודים בסוכנות לביטחון לאומי, והתחלת לפצח קודים בתעשיה הפיננסית. אני חושב שלא קנית את תיאוריית השוק היעיל. איכשהו מצאת דרך להשיג תשואות מדהימות במשך שני עשורים. לפי ההסברים שקיבלתי, מה שמדהים במה שעשית הוא לא רק גודל התשואות אלא שהשגת אותן עם תנודתיות וסיכון נמוכים באופן מפתיע בהשוואה לקרנות גידור אחרות. אז איך לכל הרוחות עשית את זה, ג'ים?
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.
ג"ס: הצלחתי בזכות קבוצה נפלאה של אנשים שאספתי. כשהתחלתי לעסוק במסחר, קצת התעייפתי מהמתמטיקה. הייתי בשנות השלושים המאוחרות, והיה לי קצת כסף. הצלחתי לסחור והצלחתי מאוד. הרווחתי די הרבה כסף בעזרת מזל טהור. אני חושב שזה היה מזל טהור. זה בהחלט לא היה קשור למודלים מתמטיים. אבל כשבחנתי את הנתונים, הבנתי כעבור זמן מה: נראה שיש כאן מבנה. ושכרתי מתמטיקאים, והתחלנו לבנות מודלים, בדיוק כפי שעשינו כשעבדנו ב-IDA. מפתחים אלגוריתם, בודקים אותו במחשב. האם הוא עובד? האם הוא לא עובד? וכן הלאה.
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?
כ"א: נוכל לבחון את העניין? הנה גרף טיפוסי של סחורה כלשהי. אני בוחן אותו ואומר לעצמי, "זה גרף אקראי עם עליות וירידות. אולי יש מגמת עלייה קלה בתקופת הזמן הזאת." איך לכל הרוחות יכולת לסחור ולראות בגרפים האלה משהו שאינו אקראי?
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.
ג"ס: בימים עברו, זה גרף מהעבר, המסחר בסחורות ובמטבעות נטה לפעול במגמות. לא מגמה קלה כמו בגרף כאן, אלא מגמות מחזוריות. ואם הייתם מחליטים, בסדר, היום אבצע תחזית על פי השינוי הממוצע בעשרים הימים האחרונים, אלה עשרים ימים, אולי זאת תהיה תחזית טובה ותרוויחו כסף. למעשה, לפני שנים מערכת כזאת הייתה פועלת, הביצועים שלה לא היו מעולים, אבל היא הייתה פועלת הייתם מרוויחים, הייתם מפסידים, הייתם מרוויחים. אבל מדובר פה בתקופה של שנה, ובסופו של דבר הייתם מרוויחים משהו בתקופה הזאת. אבל זאת מערכת מיושנת מאוד.
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.
כ"א: היית בודק כמה אורכים של מגמות בזמן ובודק אם, לדוגמה, מגמה של 10 ימים או מגמה של 15 ימים יכולה לחזות מה יקרה בעתיד.
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.
ג"ס: כן. היינו מנסים את כל הדברים האלה ובודקים מי מהם הכי מוצלח. מעקב אחרי מגמות פעל היטב בשנות השישים, אבל פעל באופן בינוני בשנות השבעים. בשנות השמונים הוא כבר הפסיק לפעול.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
כ"א: כי כולם ראו את זה. אז איך המשכת להקדים את השוק?
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.
ג"ס: הצלחנו להקדים את השוק בעזרת גישות חדשות שמצאנו. במידה מסוימת אלה גישות לטווח קצר יותר. אבל האתגר האמיתי היה לאסוף כמויות עצומות של נתונים. בהתחלה נאלצנו לעשות זאת באופן ידני. הלכנו לפדרל רזרב והעתקנו היסטוריות של שערי ריבית ודברים דומים, כי הם לא היו קיימים על מחשבים. אספנו הרבה נתונים ואנשים מאוד חכמים. זה היה המפתח להצלחה. לא ידעתי איך לשכור אנשים בשביל לבצע מסחר בסיסי. שכרתי כמה אנשים. חלקם הרוויחו, חלקם לא הרוויחו. לא יכולתי לבסס את העסק על זה. אבל ידעתי איך לשכור מדענים, כי בתחום הזה אני מבין משהו. אז זה מה שעשינו. ובהדרגה המודלים שלנו השתפרו והשתפרו עוד ועוד.
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.
כ"א: קיבלת קרדיט על דבר יוצא דופן שעשית ברנסנס. בנית תרבות, קבוצה של אנשים, שלא היו רק שכירי חרב תאבי בצע. המוטיבציה שלהם הייתה ליצור מתמטיקה ומדע מרגשים.
JS: Well, I'd hoped that might be true. But some of it was money.
ג"ס: אני מקווה שזה נכון. היה מדובר גם בכסף.
CA: They made a lot of money.
כ"א: הם הרוויחו הרבה כסף.
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.
ג"ס: אני לא יכול להגיד שאין אנשים שהגיעו בגלל הכסף. אני חושב שהרבה מהם הגיעו בגלל הכסף. אבל הם באו גם בגלל ההנאה.
CA: What role did machine learning play in all this?
כ"א: מה התפקיד שמילאה למידת מכונה בעסק הזה?
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.
ג"ס: במובן מסוים מה שעשינו היה למידת מכונה. בחנו הרבה נתונים, וניסינו לבצע סימולציות של סכמות תחזית שונות עד שהשתפרנו והשתפרנו. הדרך שבה עבדנו לא כללה בהכרח היזון חוזר. אבל הצלחנו.
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.
כ"א: סכמות התחזית השונות האלה יכולות להיות די פראיות ובלתי צפויות. בדקתם הכול, נכון? בדקתם תחזיות מזג אוויר, אורכי שמלות, דעות פוליטיות.
JS: Yes, length of dresses we didn't try.
ג"ס: כן, אבל לא בדקנו אורכי שמלות.
CA: What sort of things?
כ"א: איזה דברים בדקתם?
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.
ג"ס: כל דבר. כל מה שיכולנו להיעזר בו, חוץ מאורכי מכפלות. מזג אוויר, דוחות שנתיים, דוחות רבעוניים, נתונים היסטוריים, נפחים, כל דבר. כל מה שהצלחנו למצוא. כל יום קלטנו טרה-בתים של נתונים. אחסנו אותם, וטיפלנו בהם, והכנו אותם לניתוח. חיפשנו אנומליות. חיפשנו... כמו שאמרת, השערת השוק היעיל לא נכונה.
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?
כ"א: אבל כל אנומליה בודדת יכולה להיות אקראית. האם הסוד שלכם הוא שבחנתם אנומליות מוזרות רבות ובדקתם מתי אפשר להבין מהן משהו?
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.
ג"ס: אנומליה בודדת יכולה להיות אקראית. אבל אם יש מספיק נתונים אפשר לומר מתי היא אינה אקראית. אפשר לראות אנומליה שחוזרת על עצמה במשך זמן ארוך מספיק. הסיכוי שהיא אקראית אינו גבוה. אבל הדברים האלה דועכים כעבור זמן מה. אנומליות עלולות להיעלם. ולכן צריך לעבוד קשה כדי להישאר בצמרת.
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?
כ"א: אנשים רבים מסתכלים עכשיו על תעשיית קרנות הגידור והם די המומים ממנה, מכמות העושר שמיוצרת בה, מכמות הכישרונות שזורמים אליה. האם יש לך דאגות כלשהן לגבי התעשייה הזאת, ואולי לגבי התעשייה הפיננסית כולה? אולי זאת רכבת שיצאה משליטה... ואולי היא מגדילה את אי השיוויון? איך אתה יכול להגן על מה שקורה בתעשיית קרנות הגידור?
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.
ג"ס: אני חושב שבשלוש או ארבע השנים האחרונות קרנות גידור לא כל כך הצליחו. אנחנו הצלחנו בגדול, אבל תעשיית קרנות הגידור בכללה לא הייתה כל כך מוצלחת. שוק המניות היה בתקופה של עליות, כמו שכולם יודעים, ומכפילי הרווח גדלו. אז חלק עצום מהעושר שנוצר, נאמר בשש או שבע השנים האחרונות, לא נוצר על ידי קרנות גידור. אנשים שואלים אותי: "מה זאת קרן גידור?" ואני עונה להם, "אחת ועשרים." כיום זה כבר שתיים ועשרים. ומשמעות היא שני אחוזי דמי ניהול קבועים ועשרים אחוזים דמי הצלחה. קרנות גידור הן יצורים שונים ומשונים.
CA: Rumor has it you charge slightly higher fees than that.
כ"א: השמועה אומרת שהעמלות שלך קצת יותר גבוהות.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
ג"ס: היה זמן שבו העמלות שלנו היו הכי גבוהות בעולם. חמש ו-44, זה מה שגבינו.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
כ"א: חמש ו-44. חמישה אחוזים דמי ניהול, ו-44 אחוזים דמי הצלחה. ובכל זאת המשקיעים שלכם הרוויחו כמויות עצומות של כסף.
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 --
ג"ס: כן. התשואות שלנו היו טובות. אנשים כעסו: "איך אתם גובים עמלות כל כך גבוהות?" עניתי להם, "אתם מוזמנים לפרוש". אבל "איך אני יכול להשיג עוד?" זה מה שאנשים...
(Laughter)
(צחוק)
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.
אבל בנקודה מסוימת, כמו שאני חושב שאמרתי לך, קנינו את הזכויות מכל המשקיעים כי יש לקרן קיבולת.
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?
כ"א: האם עלינו להיות מודאגים מכך שתעשיית קרנות הגידור מושכת יותר מדי מהכישרונות העולמיים במתמטיקה ובתחומים נוספים, שעובדים בקרנות הגידור במקום בבעיות עולמיות רבות אחרות?
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.
ג"ס: לא רק מתמטיקאים. אנחנו שוכרים אסטרונומים ופיזיקאים ואנשים כאלה. אני לא חושב שזה צריך להדאיג אותנו במיוחד. זאת תעשייה די קטנה. ולמעשה כשהכנסנו את המדע לעולם ההשקעות עולם ההשקעות השתפר. התנודתיות ירדה. הנזילות עלתה. המרווחים צרים יותר כי אנשים סוחרים בדברים כאלה. אז אני לא חושש שאיינשטיין יקים קרן גידור.
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.
כ"א: כרגע אתה בשלב בחייך שבו אתה למעשה משקיע בצד השני של שרשרת המזון. אתה מקדם את המתמטיקה בכל רחבי אמריקה. זאת אשתך, מרילין. אתם עובדים יחד על מיזמים נדבניים. ספר לי עליהם.
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.
ג"ס: ובכן, מרילין ייסדה... הנה היא שם למעלה, אשתי היפה. היא ייסדה את הקרן לפני כ-20 שנה. אני חושב שב-1994. אני טוען שב-1993, היא אומרת שב-1994, אבל זה היה באחת משתי השנים האלו.
(Laughter)
(צחוק)
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.
ייסדנו את הקרן כאמצעי נוח לנדבנות. היא ניהלה את הספרים וכן הלאה. באותו זמן לא היה לנו חזון, אבל החזון התגבש בהדרגה, והתמקדנו במתמטיקה ובמדע ובמחקר בסיסי. ובכך עסקנו. לפני כשש שנים עזבתי את רנסנס ועברתי לעבוד עבור הקרן. אז בזה אנחנו עוסקים היום.
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.
כ"א: אם כך, Math for America משקיעה במורים למתמטיקה בכל רחבי המדינה, מעניקה להם הכנסה נוספת, ומספקת להם תמיכה והכשרה. ומנסה להכניס יותר משמעות להוראה ולהפוך אותה לייעוד שמורים יכולים לשאוף אליו.
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.
ג"ס: כן. במקום לתקוף את המורים הגרועים, דבר שעורר בעיות מורל בכל רחבי הקהילה החינוכית, ובעיקר במתמטיקה ובמדע, התמקדנו בטיפוח המורים הטובים ובשיפור המעמד שלהם. כן, אנחנו מעניקים להם הכנסה נוספת, 15 אלף דולר לשנה. כיום יש לנו 800 מורים למתמטיקה ולמדע בבתי ספר ציבוריים בעיר ניו יורק, שהם חלק מגרעין. המורל שלהם גבוה. הם נשארים בתחום. בשנה הבאה מספרם יגדל לאלף, ונגיע לעשרה אחוזים מהמורים למתמטיקה ולמדע בבתי הספר הציבוריים של העיר ניו יורק.
(Applause)
(מחיאות כפיים)
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.
כ"א: ג'ים, זה פרויקט נוסף שתמכת בו כספית: מחקר של מקורות החיים. מה אנחנו רואים כאן? ג"ס: נשמור את זה בצד רגע, ואז אספר לכם מה אתם רואים. מקור החיים הוא שאלה מרתקת. איך הגענו לכאן? יש שתי שאלות: הראשונה היא מה המסלול מגיאולוגיה לביולוגיה, איך הגענו לכאן? והשאלה השנייה היא עם מה התחלנו? איזה חומר היה זמין לנו במסלול הזה? שתי השאלות האלו מעניינות מאוד. השאלה הראשונה היא מסלול מפותל מגיאולוגיה ועד לרנ"א או משהו כזה. איך כל זה עבד? והשאלה השנייה היא מה החומרים שהיו זמינים לנו? ובכן, הרבה יותר ממה שאנחנו חושבים. בתמונה רואים כוכב נוצר. בכל שנה בשביל החלב שלנו, שכולל מאה מיליארד כוכבים, נוצרים כשני כוכבים חדשים. אל תשאלו אותי איך זה קורה, אבל הם נוצרים. ודרושות כמיליון שנים עד שהם מתייצבים. במצב יציב, כשני מיליון כוכבים חדשים נמצאים בשלבי בנייה בכל זמן נתון. הכוכב הזה נמצא בשלב כלשהו של ההתייצבות. הוא מוקף בכל מיני דברים, אבק ועוד דברים. ונראה שהוא ייצור מערכת שמש או מה שהוא יוצר. אבל העניין הוא שבאבק הזה שמקיף כוכבים שנוצרים מצאו מולקולות אורגניות משמעותיות. לא רק מולקולות כמו מתאן, אלא פורמלדהיד וציאניד, דברים שהם אבני הבניין, הזרעים של החיים. אולי זה טיפוסי. ואולי זה טיפוסי שכוכבי לכת ברחבי היקום מתחילים עם חלק מאבני הבניין הבסיסיות האלה. האם משמעות הדבר היא שיש חיים סביבנו? אולי. אבל השאלה היא כמה המסלול הזה מפותל, מההתחלות השבריריות האלה, הזרעים האלה, כל הדרך עד לחיים. ורוב הזרעים האלה יפלו על כוכבים שוממים.
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.
כ"א: אז עבורך, באופן אישי, מציאת התשובה לשאלה של מה המקור שלנו, איך קרה הדבר הזה, היא דבר שתשמח לראות.
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.
ג"ס: בהחלט אשמח לראות. ואשמח לדעת אם המסלול הזה מספיק מפותל, וכל כך בלתי סביר שלא משנה עם מה מתחילים, ייתכן שאנחנו ייחודיים. אבל מצד שני, בהינתן כל האבק האורגני הזה שמרחף מסביב, יתכן שיש לנו הרבה חברים אי שם מסביבנו. יהיה נפלא לדעת.
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?
כ"א: ג'ים, לפני כמה שנים שוחחתי עם אלון מאסק, ושאלתי אותו מה סוד ההצלחה שלו. הוא אמר שהסוד הוא שהוא התייחס לפיזיקה ברצינות. אני מקשיב לך ואני שומע שאתה אומר שהיחס הרציני שלך למתמטיקה השליך על כל חייך. הוא העניק לך הון עתק, וכעת מאפשר לך להשקיע בעתידם של אלפים רבים של ילדים בכל רחבי אמריקה ובמקומות נוספים. האם מדע באמת עובד? האם מתמטיקה באמת עובדת?
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
ג"ס: אין ספק שמתמטיקה עובדת. מתמטיקה בהחלט עובדת. אבל נהניתי מזה. נהניתי מאוד מהעבודה עם מרילין ומהנתינה.
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.
כ"א: זאת מחשבה מעוררת השראה עבורי, שאם מתייחסים ברצינות לידע, התוצאות יכולות להיות כל כך משמעותיות. תודה לך על החיים המדהימים שלך, ועל שהגעת ל-TED.
Thank you.
תודה.
Jim Simons!
ג'ים סיימונס!
(Applause)
(מחיאות כפיים)