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?
Крис Андерсон: Вы были математическим феноменом. Ещё в молодом возрасте вы уже преподавали в Гарварде и МТИ. А затем вас пригласили работать в АНБ. Как это было?
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.
Джим Саймонс: АНБ — Агентство национальной безопасности. Нельзя сказать, что они меня пригласили. У них было подразделение в Принстоне, для которого им требовались математики, чтобы взламывать секретные коды и делать подобного рода вещи. Я знал об их существовании. У них были хорошие условия, потому что половину времени можно было заниматься своими расчётами и как минимум половину времени — работать над их заданиями. Они много платили. Так что это было весьма привлекательное предложение. И я пошёл туда работать.
CA: You were a code-cracker.
КА: Вы были взломщиком кодов.
JS: I was.
ДС: Да.
CA: Until you got fired.
КА: Пока вас не уволили.
JS: Well, I did get fired. Yes.
ДС: Да, меня и правда уволили.
CA: How come?
КА: Почему?
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 ...
ДС: Почему? Меня уволили, потому что в то время шла война во Вьетнаме, а главный руководитель этой организации был большим её фанатом. Он написал статью в New York Times для первой полосы газеты о том, как мы выиграем войну во Вьетнаме. Мне же не нравилась эта война. Я считал её бестолковой. И я написал письмо в Times, которое они опубликовали, что не все, кто работают на Максвелла Тэйлора, если кто-то ещё помнит это имя, разделяют его взгляды. И предоставил своё мнение...
CA: Oh, OK. I can see that would --
КА: Понятно. Понятно, почему...
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.
ДС: ...которое расходилось с мнением генерала Тэйлора. Но тогда никто никак не отреагировал. Мне тогда было 29 лет, и один парень подошёл ко мне, представился внештатным корреспондентом журнала Newsweek и сказал, что хочет взять у меня интервью о том, как мои взгляды отражаются на деле. Я ответил: «Сейчас я больше занимаюсь математикой, а когда война закончится, буду больше работать над заданиями организации». А потом я совершил такой «умный» поступок, какой только мог, — я рассказал своему начальнику об этом интервью. Он спросил: «Что ты ему сказал?» Я рассказал ему. Тогда он сказал: «Мне нужно позвонить Тэйлору». Он позвонил Тэйлору, это заняло 10 минут. 5 минутами позже меня уволили.
CA: OK.
КА: Ясно.
JS: But it wasn't bad.
ДС: Но это не было чем-то плохим.
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?
КА: Не было, потому что вы отправились в Стоуни-Брук и продолжили вашу математическую карьеру. Вы начали работать вот с этим человеком. Кто он?
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.
ДС: О, Черн [Чэнь Синшэнь]. Черн был одним из величайших математиков столетия. Я познакомился с ним, когда был аспирантом в Беркли. У меня было несколько идей, которыми я поделился с ним, и они ему понравились. Вместе мы работали над тем, с чем можно легко ознакомиться здесь. Вот оно.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
КА: По результатам вы издали известную совместную научную работу. Можете ли вы объяснить в общих чертах, о чём эта работа?
JS: No.
ДС: Нет.
(Laughter)
(Смех)
JS: I mean, I could explain it to somebody.
ДС: Кому-то я бы мог её объяснить, но...
(Laughter)
(Смех)
CA: How about explaining this?
КА: Возможно, вы объясните это?
JS: But not many. Not many people.
ДС: Но немногим. Немногим людям.
CA: I think you told me it had something to do with spheres, so let's start here.
КА: Помнится, вы сказали, что это как-то связано со сферами, поэтому давайте начнём с них.
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.
ДС: Действительно. Хочу только сказать об этой работе — до того, как мы приступим, — что в этой работе была сильная математика. Мне она очень нравилась, и Черну тоже. На её основе даже образовалась подотрасль, сейчас она в самом расцвете. Но интереснее всего, что она была применима и к физике, о которой мы ничего не знали, — по крайней мере, я-то уж точно, и не думаю, что Черн знал чертовски много. Примерно через 10 лет после публикации работы парень по имени Эд Виттен из Принстона начал применять её к теории струн, а в России её начали применять к теории конденсированного состояния. Сегодня то, что называется инвариантами Черна-Саймонса, широко распространено в физике. Это было потрясающе. Мы вообще не знали физики. Я и подумать не мог, что это будет иметь к ней отношение. В этом и есть математика: никогда не знаешь, куда она приведёт.
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?
КА: Невероятно. Мы говорили о том, как эволюция формирует сознание людей, которые могут постичь или не постичь истину. Каким-то образом вы разработали математическую теорию, абсолютно не зная физики, а через два десятка лет выяснилось, что она применяется для детального описания физического мира. Как такое произошло?
JS: God knows.
ДС: Бог его знает.
(Laughter)
(Смех)
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.
Знаменитый физик [Юджин] Вигнер написал эссе о необъяснимой эффективности математики. Эта математика, которая в каком-то смысле берёт своё начало в реальном мире, — мы учимся считать, измерять, все это делают — а затем она становится чем-то большим. Очень часто она спасает положение. Теория относительности, например. У [Германа] Минковского была теория по геометрии, а Эйнштейна осенило: «Это же именно то, где я могу примерить теорию относительности». Никогда не знаешь наверняка. Это загадка. Загадка.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
КА: Здесь на изображении — образец математической изобретательности. Расскажите нам о нём.
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.
ДС: Это мяч; сфера, заключённая в сетку из таких вот квадратов. То, о чём я расскажу, было впервые замечено [Леонардом] Эйлером — великим математиком 1700-х годов. Постепенно это превратилось в очень важную отрасль математики — алгебраическую топологию, геометрию. Та работа, что была на экране, берёт начало именно в ней. У этой фигуры есть 8 вершин, 12 рёбер, 6 граней. Если рассчитать по такой формуле: вершины минус стороны плюс грани, — то получим 2. Что ж, двойка — хорошее число. Можно сделать по-другому: тут оболочка из треугольников. У нёе 12 вершин, 30 рёбер и 20 граней, 20 плоскостей. Вершины минус стороны плюс грани также равно двум. И такое можно проделать с чем угодно — покройте фигуру оболочкой из любых многоугольников и треугольников или теми и другими. Вычитая из вершин стороны и прибавляя грани, в итоге получите 2. Вот другая фигура. Это тор, или поверхность пончика, покрытая прямоугольниками: 16 вершин, 32 стороны, 16 граней. Вершины минус стороны получается ноль. Всегда будет ноль. Всегда, помещая тор в оболочку из квадратов или треугольников или чего-то ещё, получаем ноль. Это называется Эйлеровой характеристикой. Это и есть топологический инвариант. Это весьма увлекательно. Неважно, какая оболочка, результат всегда будет один и тот же. Это было первым шагом, в середине 1700-х годов, в сторону дисциплины, которая теперь носит название алгебраическая топология.
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
КА: В своей работе вы взяли эту идею и развили её в многомерную теорию, применимую к многомерным объектам, и обнаружили новые инвариантности?
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.
ДС: Да. К тому моменту уже существовали многомерные инварианты: классы Понтрягина, а также классы Черна. Существовала целая группа различных видов инвариантов. И я трудился над одним из таких типов с целью смоделировать его как бы комбинаторно, нежели как это обычно делалось, что привело к этой работе и нашему открытию новых зависимостей. Но если бы не господин Эйлер, написавший почти 70 томов, посвящённых математике, имевший 13 детей, которых он, очевидно, качал на коленках, пока писал работу, — если бы не Эйлер, то, возможно, и не было бы никаких инвариантов.
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?
КА: Ваше объяснение помогает понять, какой гений кроется за этим достижением. Давайте поговорим о «Ренессансе». Вам приглянулась эта идея, и, будучи взломщиком кодов в АНБ, вы начали взламывать коды в финансовой отрасли. Думаю, вы не купились на гипотезу эффективного рынка. Каким-то образом вы нашли способ получать невероятный доход более 20 лет. Как мне объяснили, не столько размер дохода был впечатляющим в вашей схеме, но удивительно низкая волатильность и риск в сравнении с другими хедж-фондами. Как же у вас это получилось, Джим?
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.
ДС: Мне это удалось, благодаря великолепной команде. В то время, когда я занялся торговлей, я стал немного уставать от математики. Мне было уже далеко за 30, а денег почти не было. Я начал заниматься торговлей, и дело пошло хорошо. Я заработал много денег, благодаря одной лишь удаче. Точнее, я думал, что это удача. Конечно же, математически я ничего не просчитывал. Но обратившись к данным некоторое время спустя, я понял: похоже на то, что тут есть некая структура. Я нанял несколько математиков, и мы начали создавать модели — подобную работу мы делали в ИВИ [Институте военных исследований]: разрабатываешь алгоритм и тестируешь его на компьютере. Работает? Не работает? И так далее.
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?
КА: Давайте взглянем. Вот типичный график некоего товара. Взглянув на него, я думаю: «Это просто случайная кривая, скачущая вверх-вниз. Может, в целом с небольшим восходящим трендом». Как можно вести торговлю, используя этот график, и видеть, что движения кривой не случайны?
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.
ДС: В те времена — это старый график — у товаров и валют была тенденция к тренду. Не обязательно такой тренд, как здесь, но тренды периодически наблюдались. И если думаешь: «Сегодня я сделаю прогноз, основываясь на поведении кривой за последние 20 дней — выделено жёлтым. Возможно, это будет неплохой прогноз, и я немного заработаю». Несколько лет назад такой подход сработал бы — не идеально, но сработал. Заработаешь денег, потеряешь, снова заработаешь. Но игра не стоит свеч — вы бы немного заработали даже за год. Это весьма рудиментарная система.
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.
КА: Вы тестировали множество трендов разной длины и смотрели, можно ли по 10-дневному или 15-дневному тренду предсказать, что случится дальше.
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.
ДС: Конечно, пробуешь такие вот вещи и смотришь, что лучше всего работает. Следование за трендом процветало в 60-х годах, в 70-х было так себе. К 80-м же годам — уже нет.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
КА: Потому что это стало очевидным для всех. Как вам удалось остаться в авангарде?
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.
ДЖ: Нам это удалось, потому что мы искали новые подходы, в некоторой степени краткосрочные. Целью было собрать колоссальный объём информации — тогда мы делали это вручную. Мы шли в Федеральный резерв и копировали записи об изменении процентных ставок и подобную информацию, так как этого не было в компьютерах. Мы собрали много информации. Также умные люди были ключом к успеху. Я не знал, как нанимать людей для занятия торговлей. Я нанял нескольких. Кто-то зарабатывал деньги, кто-то — нет. Я не мог так наладить бизнес. Но мне известно, как нанимать учёных, — в этом-то я немного знаю толк. Вот чем мы и занимались. Постепенно эти модели становились всё лучше и лучше, и лучше, и лучше.
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.
КА: Считается, что вы сделали нечто важное для «Ренессанса»: создали эту культуру, эту группу людей — не простых наёмных рабочих, которых можно переманить за деньги. Их мотивацией была математика и наука.
JS: Well, I'd hoped that might be true. But some of it was money.
ДС: Надеюсь, это так. Хотя отчасти дело было и в деньгах.
CA: They made a lot of money.
КА: Они много заработали.
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.
ДЖ: Не могу сказать, что все они пришли не ради денег. Думаю, многие из-за этого пришли. Но также и потому, что знали, как увлекательно это будет.
CA: What role did machine learning play in all this?
КА: Какое место во всём этом занимает машинное обучение?
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.
ДС: В каком-то смысле, всё, что мы делали, и было машинным обучением. Просматриваешь кучу данных и пытаешься воссоздать разные схемы прогнозирования, пока не выходит всё лучше и лучше. Не обязательна была отдача. Но это работало.
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.
КА: Такие схемы прогнозирования могут быть весьма неожиданными. Вы же всё берёте в расчёт, верно? Вы не упускали из виду погоду, длину платьев, политические мнения.
JS: Yes, length of dresses we didn't try.
ДС: Да, длину платьев мы как-то не брали в расчёт.
CA: What sort of things?
КА: Что тогда имеет значение?
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.
ДС: Всё. Всё имеет значение, кроме длины подола. Погода, ежегодные отчёты, квартальные отчёты, исторические сведения — всё что угодно. Мы принимаем терабайты информации в день. Храним, перерабатываем и подготавливаем для анализа. Цель — найти аномалию, найти подтверждение того, что, как вы сказали, гипотеза эффективного рынка неверна.
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?
КА: Но любая аномалия может быть случайной. Так секрет в том, чтобы наблюдать за многочисленными странными аномалиями и определять, где они сходятся?
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.
ДС: Любая аномалия может быть случайной, однако, имея достаточно сведений, можно определить, когда она не случайна. Можно найти аномалию, устойчивую на протяжении долгого времени. Тогда вероятность того, что она случайна, невелика. Но аномалии исчезают со временем. Поэтому необходимо быть в курсе всего.
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?
КА: Многие люди, взглянув на индустрию хедж-фондов, шокированы тем, что там творится: как много там все зарабатывают и как много умных людей задействовано. У вас есть какие-либо опасения, связанные с этой отраслью, а, может, и со всей финансовой индустрией в целом? Стоит ли нам опасаться, не знаю, увеличения неравенства? Как бы вы объяснили происходящее в индустрии хедж-фондов?
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.
ДС: Я полагаю, что последние 3–4 года дела у хедж-фондов идут не очень. Мы-то заработали, но вот индустрия хедж-фондов в целом не так уж процветала. Фондовый рынок сейчас на подъёме, это все знают. Соотношение цены к доходу выросло. Так что серьёзные деньги, вырученные за последние, скажем, 5–6 лет, не были заработаны хедж-фондами. Люди спрашивают меня, что такое хедж-фонд. Отвечаю: 1 и 20. Что значит (сейчас это 2 и 20): 2% за управление и 20% за результат. Хедж-фонды бывают разными.
CA: Rumor has it you charge slightly higher fees than that.
КА: Есть слух, что ваши ставки немного выше двух процентов.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
ДС: У нас в своё время были самые высокие ставки в мире. 5 и 44 — таковы наши ставки.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
КА: 5 и 44. КА: 5% фиксированной ставки и 44 % с прибыли. Даже с такими ставками приносишь своим инвесторам кучу денег.
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 --
ДС: Да, мы много им зарабатывали. Люди злились: «Как вы можете выставлять такие высокие ставки?» Я отвечал: «Можете вывести свои деньги». Но реальный вопрос был: «Как мне получить больше?»
(Laughter)
(Смех)
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.
В какой-то момент, как, думаю, я уже говорил, мы всё выплатили нашим инвесторам, ведь у фонда есть ёмкость.
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?
КА: Стоит ли нам волноваться, что в индустрии хедж-фондов занято слишком много талантливых математиков и других специалистов мира, которые могли бы трудиться над решением множества мировых проблем?
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.
ДС: Дело тут не только в математике. Мы нанимаем астрономов, физиков и подобных специалистов. Не думаю, что стóит сильно об этом беспокоиться. Это всё ещё довольно мелкая отрасль. Напротив, привнесение науки в мир инвестирования помогло сделать мир инвестирования лучше. Это сократило волатильность, повысило ликвидность. Спреды стали ýже, так как люди торгуют. Я бы не беспокоился о том, что Эйнштейн может отойти от дел и основать хедж-фонд.
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.
КА: Вы сейчас в том периоде своей жизни, когда вы инвестируете, хотя теперь с другого конца системы. Вы инвестируете в развитие математики по всей Америке. Это ваша жена, Мэрилин. Вместе вы занимаетесь благотворительностью. Расскажите об этом.
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.
ДС: Мэрилин основала... Вот она здесь, моя прекрасная жена. Она основала фонд около 20 лет назад. Думаю в 94-м. Я говорю, что это было в 93-м, но она настаивает, что в 94-м. В какой-то из этих лет.
(Laughter)
(Смех)
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.
Мы основали фонд, чтобы заниматься благотворительностью. Она вела бухгалтерию и всё остальное. Тогда видения у нас ещё не было, но постепенно оно сформировалось. Мы решили сфокусироваться на математике и науке, на основных исследованиях. Так мы и сделали. Примерно 6 лет спустя я покинул «Ренессанс» и стал работать в фонде. Вот что мы делаем.
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.
КА: Фонд Math for America в основном инвестирует в будущее учителей математики в стране, обеспечивая их дополнительным доходом, оказывая поддержку, проводя коучинг. Вы стремитесь сделать их преподавание более эффективным, а призвание учителя — вдохновляющим людей занятием.
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.
ДС: Да. Вместо того, чтобы ругать плохих учителей, что привело к упадку духа во всех образовательным центрах, особенно в области математики и науки, мы воспеваем хороших учителей и повышаем их статус. Мы выделяем им по 15 000 долларов каждый год. 800 учителей математики и естествознания в Нью-Йорке в государственных школах, и это только основная часть. Они высоко мотивированны. Они продолжают работать в своей области. В следующем году их будет 1 000, что составит 10% всех учителей математики и естествознания нью-йоркских государственных школ.
(Applause)
(Аплодисменты)
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: Джим, вот ещё один проект, который поддерживает ваш фонд: Исследование происхождения жизни. Что это на экране? ДС: Сначала предыстория, а потом я объясню, что это такое. Происхождение жизни — волнующий вопрос. Откуда мы взялись? Здесь есть два вопроса. Первый: каков путь из геологии в биологию — как мы появились? Другой вопрос: с чего всё началось? Что — если такое и было вообще — побудило жизнь? Это два очень интересных вопроса. Первый вопрос — извилистый путь от геологии к РНК или к чему-то такому. Как это всё произошло? А другой: с чего пришлось начинать? С большего, чем кажется на первый взгляд. На снимке — зарождение звезды. Каждый год во Млечном Пути, состоящем из 100 миллиардов звёзд, возникает по две новые звезды. Не спрашивайте как, но они образуются. Это занимает около миллиона лет. В любой момент времени около двух миллионов звёзд пребывают в стадии зарождения. Вот эта звезда близка к устойчивому состоянию. Всё это циркулирует — пыль и прочее — и, возможно, образует Солнечную систему или что-то такое. Но вот что интересно: в этой пыли, окружающей формирующуюся звезду, были обнаружены важные органические молекулы. Не такие молекулы, как метан, а формальдегид и цианид — кирпичики, семена жизни, если угодно. Возможно, это закономерность. Может быть, планеты во Вселенной создаются из таких вот кирпичиков. Значит ли это, что повсюду существуют разные формы жизни? Может быть. Но вопрос и в том, насколько извилист путь от хилых зачатков, от этих семян, до образования жизни. Большинство этих семян упадут на «невозделанные» планеты.
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.
КА: Лично для вас найти ответ на вопросы: «Откуда мы взялись?», «Как произошла жизнь?» — это то, что вам хотелось бы узнать.
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.
ДС: Да, мне бы хотелось. Я хотел бы знать. Ведь если путь развития довольно извилист и маловероятен, тогда что бы ни побудило жизнь, мы можем быть одни во Вселенной. Но с другой стороны, учитывая наличие этой органической пыли, летающей повсюду, у нас может быть много друзей вне этой планеты. Я бы хотел знать.
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?
КА: Джим, несколько лет назад мне выпал шанс поговорить с Элоном Маском, и я спросил, в чём секрет его успеха. Он ответил: серьёзное отношение к физике. Слушая вас, я замечаю, что серьёзное отношение к математике изменило всю вашу жизнь. Математика принесла вам богатство, а теперь позволяет инвестировать в будущее тысяч и тысяч детей по всей Америке и не только. Значит, наука действительно пригодилась? И математика помогла?
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
ДС: Математика точно помогла. Математика помогла. Но это также было увлекательно. Работа с Мэрилин и в фонде доставляет мне удовольствие.
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.
КА: Меня вдохновляет такая мысль: если относиться к знаниям серьёзно, это может многое дать. Спасибо вам за вашу потрясающую жизнь и за то, что пришли на TED.
Thank you.
Спасибо.
Jim Simons!
Джим Саймонс.
(Applause)
(Аплодисменты)