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?
คริส แอนเดอร์สัน: คุณเป็นปรากฏการณ์มหัศจรรย์ ทางคณิตศาสตร์ก็ว่าได้ คุณได้สอนที่ฮาร์วาด และ เอ็มไอที ตอนอายุน้อย และจากนั้น เอนเอสเอ ก็เรียกตัว มันเป็นอย่างไรบ้างครับ
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.
จิม ไซม่อนส์: เออ เอ็นเอสเอ -- นั่นคือ หน่วยความมั่นคงแห่งชาติ-- พวกเขาไม่ได้เรียกมาจริงๆ หรอกครับ พวกเขามีปฏิบัติการที่พรินส์ตัน ที่ซึ่งพวกเขาจ้างนักคณิตศาสตร์ ให้โจมตีรหัสลับ และอะไรแบบนั้น และผมรู้ว่ามันมีอยู่จริง และพวกเขาก็มีนโยบายที่ดีมากๆ เพราะคุณสามารถทำงานครึ่งเวลา กับคณิตศาสตร์ของคุณ และทำงานให้พวกเขาอย่างน้อนครึ่งเวลา และพวกเขาก็จ่ายให้เยอะด้วย ฉะนั้น นั่นเป็นการดึงตัวที่ยากที่จะยั้งได้ ผมก็เลยไปที่นั่น
CA: You were a code-cracker.
คริส: คุณเคยเป็นคนถอดรหัส
JS: I was.
จิม: เคยครับ
CA: Until you got fired.
คริส: จนกระทั่งคุณโดนไล่ออก
JS: Well, I did get fired. Yes.
จิม: อืม ผมถูกไล่ออก ใช่ครับ
CA: How come?
คริส: เป็นไงมาไงครับ
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 ...
จิม: อืม ยังไงน่ะหรอ ผมถูกไล่ออก เพราะว่า อืม ตอนนั้นเกิดสงครามเวียดนาม และหัวหน้าของหัวหน้าทั้งหลายในองค์กรผม เป็นแฟนพันธ์ุแท้สงคราม และเขียนบทความในนิตยสารนิวยอร์คไทมส์ ในหัวเรื่องจากปก เกี่ยวกับว่าเราจะชนะสงครามเวียดนามได้อย่างไร และผมไม่ชอบสงคราม ผมคิดว่ามันโง่เง่า ผมเลยเขียนจดหมายไปยังไทมส์ ซึ่งพวกเขาก็ตีพิมพ์ ว่าไม่ใช่ทุกคนหรอกที่ทำงานให้กับ แม็กซ์เวล เทเลอร์ ถ้าใครสักคนจะจำชื่อนั้นได้ เห็นด้วยกับแนวคิดของเขา และผมก็ให้เหตุผลของผม ...
CA: Oh, OK. I can see that would --
คริส: โอ้ โอเค ผมเห็นได้ว่านั่นอาจจะ --
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.
จิม: ... ซึ่งมันต่างจากความคิดของ นายพลเทเลอร์ แต่สุดท้ายแล้ว ไม่มีใครยอมพูดอะไร แต่หลังจากนั้น ผมอายุ 29 ในตอนนั้น และก็มีเด็กหนุ่มคนหนึ่งมาหาผม และพูดว่า เขาเป็นนักข่าว จากนิตยสารนิวส์วีค และเขาอยากจะสัมภาษณ์ผม และถามว่าผมทำอย่างไรกับความคิดของผม และผมบอกเขาไปว่า "ส่วนใหญ่ผมกำลัง ทำงานด้านคณิตศาสตร์ตอนนี้ และเมื่อสงครามจบ จากนั้นผมจะทำงานส่วนใหญ่ให้พวกเขา" จากนั้น ผมทำแต่เรื่องต้องใช้สมอง ที่ผมควรจะทำในตอนนั้น -- ผมบอกเจ้านายที่ผมอยู่ในสังกัด ว่าผมให้สัมภาษณ์ เขาถามว่า "คุณพูดว่าอะไร" ผมก็บอกเขาไปว่าผมพูดอะไร จากนั้น เขาบอกว่า "ผมต้องโทรหาเทเลอร์" เขาโทรหาเทเลอร์ ใช้เวลา 10 นาที ผมถูกไล่ออกห้านาทีหลังจากนั้น
CA: OK.
คริส: โอเค
JS: But it wasn't bad.
จิม: แต่มันก็ไม่เลว
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?
คริส: ก็ไม่เลวเลย เพราะว่าคุณได้ไปที่สโตนี่ บรู๊ค และรับงานเป็นนักคณิตศาสตร์ คุณเริ่มทำงานกับผู้ชายคนนี้ เขาเป็นใครครับ
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.
จิม: โอ้ [ชิยิง-เชน] เฉิน เฉินเป็นนักคณิตศาสตร์ที่เจ๋งที่สุดในศตวรรษนี้ และผมรู้จักเขา ตอนผมเป็นนักเรียนระดับปริญญาที่เบิร์กลีย์ และผมก็มีความคิดบางอย่าง และไปนำไปเสนอเขา และเขาก็ชอบพวกมัน เราทำงานนี้ด้วยกัน ซึ่งคุณคงเห็นได้ นั่นแหละครับ
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
คริส: มันนำคุณไปสู่การตีพิมพ์ ผลงานชื่อดังร่วมกัน คุณอธิบายให้เราเข้าใจได้ไหมครับ ว่ามันเป็นงานเกี่ยวกับอะไร
JS: No.
จิม: ไม่ได้ครับ
(Laughter)
(เสียงหัวเราะ)
JS: I mean, I could explain it to somebody.
จิม: ผมหมายถึง ผมคงอธิบายให้บางคนเข้าใจได้
(Laughter)
(เสียงหัวเราะ)
CA: How about explaining this?
คริส: แล้วถ้าอธิบายอันนี้ล่ะครับ
JS: But not many. Not many people.
จิม: คงได้กับไม่กี่คนหรอกครับ ไม่มากหรอก
CA: I think you told me it had something to do with spheres, so let's start here.
คริส: ผมคิดว่าคุณบอกผมว่า มันมีอะไรเกี่ยวกับทรงกลม ลองเริ่มจากตรงนั้นไหมครับ
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.
จิม: ครับ มันเกี่ยวครับ แต่ผมขอพูดเกี่ยวกับงานนั้น -- มันเกี่ยวข้องกันนะครับ แต่ก่อนที่ผมจะพูดถึงเรื่องนั้น -- งานนั้นมันเป็นคณิตศาสตร์ชั้นดี ผมรู้สึกชอบมันมาก เฉินก็เช่นกัน มันเป็นจุดเริ่มต้นของสาขาย่อยเล็กๆ ที่ตอนนี้กำลังเติบโต แต่ที่น่าสนใจยิ่งกว่านั้น มันสามารถนำไปใช้กับฟิสิกส์ได้ ซึ่งเป็นสิ่งที่เราไม่รู้จักมันเลย -- อย่างน้อยผมก็ไม่รู้อะไรเกี่ยวกับฟิสิกส์ และผมไม่คิดว่าเฉินก็ไม่ได้รู้มาก และประมาณ 10 ปีหลังจากงานตีพิมพ์ออกมา ชายที่ชื่อว่า เอ็ด วิทเทน ในพรินสตัน เริ่มที่จะใช้มันกับทฤษฎีสตริง และคนในรัสเซียก็เริ่มจะใช้มัน กับสิ่งที่เรียกว่า "สสารควบแน่น" ทุกวันนี้ สิ่งเหล่านั้นที่ถูกเรียกว่า ค่าคงที่ เฉิน-ไซมอนส์ ได้กระจายออกมาทั่วทั้งวงการฟิสิกส์ และมันก็น่าทึ่ง เราไม่รู้เรื่องอะไรเลยเกี่ยวกับฟิสิกส์ มันไม่เคยเกิดขึ้นกับผม ที่จะรู้สึกว่ามันน่าจะใช้กับฟิสิกส์ได้ แต่นั่นแหละคณิตศาสตร์ -- คุณไม่อาจรู้ได้ว่าจะเกิดอะไรขึ้น
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?
คริส: มันเหลือเชื่อมากเลยครับ ฉะนั้น เรากำลังพูดถึงเรื่องการวิวัฒนาการ ของความคิดมนุษย์ ที่อาจ หรืออาจจะไม่สัมผัสกับความจริง อย่างไรก็ดี คุณคิดทฤษฎีทางคณิตศาสตร์ได้ โดยไม่รู้เรื่องฟิสิกส์ แล้วค้นพบในอีกสองทศวรรษต่อมา ว่ามันถูกนำไปปรับใช้ได้ เพื่ออธิบายโลกทางฟิสิกส์อย่างลึกซึ้ง มันเกิดขึ้นได้อย่างไรครับ
JS: God knows.
จิม: พระเจ้าคงทราบครับ
(Laughter)
(เสียงหัวเราะ)
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.
แต่มีนักฟิสิกส์ชื่อดังชื่อว่า [ยูจีน] วิกเนอร์ และเขาเขียนบทความเกี่ยวกับ ประสิทธิภาพที่ไม่สมเหตุสมผลของคณิตศาสตร์ อย่างไรก็ดี คณิตศาสตร์นี้ ซึ่งหยั่งรากในโลกแห่งความจริง ในบางแง่มุม -- เราเรียนรู้ที่จะนับ จะวัด ทุกๆ คนก็ทำกัน -- และจากนั้นมันก็เติบโตด้วยตัวของมัน แต่บ่อยครั้ง มันก็ย้อนกลับมาเพื่อกู้วิกฤติ ทฤษฎีสัมพันธภาพทั่วไปเป็นตัวอย่างหนึ่ง [เฮอร์มัน] มินคอฟฟสกี มีเรขาคณิตนี้ และไอสไตน์ก็ตระหนักว่า "เฮ้ย นี่มันใช่เลย ที่ฉันจะใช้คำนวณสัมพันธภาพทั่วไป" ฉะนั้น คุณไม่อาจรู้เลย มันเป็นปริศนา มันคือปริศนา
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
คริส: งั้น นี่คืองานทางคณิตศาสตร์แห่งความคงที่ เล่าให้เราฟังหน่อยครับ
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.
จิม: ครับ นั่นกระดิ่ง -- มันเป็นทรงกลม และมันก็มีโครงระแนงรอบๆ -- พวกตารางเหล่านั้น ที่ผมกำลังจะแสดงให้เห็นตอนนี้ ถูกสำรวจไว้แต่แรกโดย [เลโอนาร์ด] ยูเลอร์ นักคณิตศาสตร์ผู้ยิ่งใหญ่ ในยุค 1700 และมันก็ค่อยๆ เติบโต เป็นสาขาในวิชาคณิตศาสตร์ที่สำคัญมากๆ โทโพโลยีเชิงพีชคณิต, เรขาคณิต เอกสารตรงนั้นมีที่มาจากสิ่งนี้ ฉะนั้น มันเป็นอย่างนี้ครับ มันมีแปดจุดยอด 12 ขอบ, หกหน้า และถ้าคุณมองมันแบบต่าง -- จุดยอดหักออกด้วยขอบบวกด้วยหน้า -- คุณจะได้สอง โอเค ดี สอง นั่นเป็นเลขที่ดี นี่คือวิธีการที่แตกต่างในการทำ -- นี่คือส่วนที่เป็นสามเหลี่ยมที่คลุมอยู่ ที่มี 12 จุดยอด และ 30 มุม และ 20 หน้า, 20 ช่อง จุดยอดหักออกด้วยขอบบวกด้วยหน้า ก็ยังคงเท่ากับสอง อันที่จริง คุณสามารถทำแบบนี้ แบบไหนก็ได้ -- คลุมสิ่งนี้ด้วยโพลีกอนและสามเหลี่ยม แบบใดๆ ก็ตาม และผสมมันเข้าด้วยกัน และคุณเอาจุดยอดลบด้วยขอบ บวกด้วยหน้า -- คุณจะได้สอง นี่คือรูปที่ต่างกัน นี่คือทรงห่วงยาง หรือพื้นผิวของโดนัท 16 จุดยอด ถูกปกคลุมโดยสี่เหลี่ยมผืนผ้าเหล่านี้ 32 มุม 16 หน้า จุดยอดหักออกด้วยขอบได้คำตอบเป็นศูนย์ มันออกมาเป็นศูนย์เสมอ ทุกครั้งทีคุณปกคลุมทรงห่วงยาง ด้วยสี่เหลี่ยมหรือสามเหลี่ยม หรืออะไรแนวนั้น คุณจะได้ศูนย์ ฉะนั้นมันจึงถูกเรียกว่า ลักษณะ ยูเลอร์ และมันเป็นสิ่งที่ถูกเรียกว่า ค่าคงที่โทโพโลจี มันน่าอัศจรรย์ไม่น้อย ไม่ว่าคุณจะทำอย่างไรกับมัน คุณจะได้ตำคอบเดิมเสมอ ฉะนั้น นั่นเป็นแหล่งแรกของผลักดัน จากกลางยุค 1700 เข้าไปในเรื่องซึ่งตอนนี้เรียกว่า โทโพโลจีเชิงเรขาคณิต
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
คริส: และงานของคุณใช้แนวคิดแบบนี้ และขับเคลื่อนมัน เข้าไปยังทฤษฎีที่มีมิติมากกว่านั้น วัสดุที่มีมิติมาก และค้นพบค่าคงที่ใหม่
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.
จิม: ครับ มันมีค่าคงที่มิติมากอยู่แล้ว คลาส พอนทริอจิน (Pontryagin) -- อันที่จริงมันมีคลาส เฉิน มันมีสาขาของชนิดค่าคงที่เหล่านี้ ผมพยายามที่จะทำงานกับหนึ่งในนั้น และการจำลองมันค่อนข้างจะเกี่ยวกับการจัดการ แทนที่จะเป็นในวิธีแบบที่เราทำกันทั่วไป และนั่นก็นำไปสู่งานนี้ และเราก็ได้เปิดเผยสิ่งใหม่บางอย่าง แต่ ถ้าไม่ใช่เป็นเพราะ คุณ ยูเลอร์ -- ผู้เขียนงานทางคณิตศาสตร์ไว้ถึง 70 ฉบับ และมีลูกๆ 13 คน ที่คงนั่งโยกขึ้นลงบนตักของเขา ขณะที่เขาเขียนสิ่งเหล่านี้ -- ถ้ามันไม่ใช่เพราะคุณ ยูเลอร์ มันก็คงจะไม่มีค่าคงที่พวกนี้
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?
คริส: ครับ ฉะนั้น อย่างน้อย นั่นก็ทำให้เราได้ผู้ที่มีความคิดเป็นเลิศ มาพูดถึงการฟื้นฟูใหม่กันดีกว่า เพราะว่าคุณเอาคิดที่เป็นเลิศ และเคยเป็นคนถอดรหัสที่เอ็นเอสเอ คุณเริ่มที่จะกลายเป็นคนถอดรหัส ในอุตสาหกรรมการเงิน ผมคิดว่าคุณอาจไม่เชื่อ ทฤษฎีที่มีประสิทธิภาพทางการตลาด อย่างไรก็ดี คุณพบหนทางที่จะสร้างเงินได้ ที่น่าทึ่งในรอบสองทศวรรษ ผมได้รับทราบมาว่า สิ่งน่าทึ่งที่คุณได้ทำ ไม่ใช่เพียงแค่ ขนาดของผลตอบแทนทางการเงิน แต่เป็นการที่คุณได้พวกมันมา ด้วยความไม่แน่นอนและความเสี่ยงที่น้อยเหลือเชื่อ เมื่อเทียบกับ อุตสาหกรรมกองทุนบริหารความเสี่ยงอื่นๆ คุณทำอย่างนั้นได้อย่างไรครับ
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.
จิม: ผมทำมันโดยการรวมเข้ากลุ่มคนที่ยอดเยี่ยม และผมก็เริ่มทำการค้า ผมเริ่มเบื่อคณิตศาสตร์นิดหน่อย ผมอยู่ในวัย 30 ปลายๆ มีเงินไม่มาก ผมเริ่มทำการค้า และมันก็ไปได้สวยมาก ผมทำเงินได้ค่อนข้างมากเพราะโชคช่วย คือผมหมายถึง ผมคิดว่ามันมาจากโชคล้วนๆ มันไม่ใช่เพราะแบบจำลองทางคณิตศาสตร์ แต่เมื่อมองดูข้อมูลสักพัก ผมก็รู้ว่า มันดูเหมือนมีโครงสร้างบางอย่างตรงนั้น และผมก็จ้างนักคณิตศาสตร์จำนวนหนึ่ง และเริ่มสร้างแบบจำลอง -- เป็นอะไรบางอย่างที่เราทำ ตอนอยู่ที่ ไอดีเอ [สถาบันวิเคราะห์ความมั่นคง] คุณออกแบบอัลกอริธึม คุณทดสอบมันในคอมพิวเตอร์ มันได้ผมไหม หรือมันไม่ได้ผล อะไรแบบนั้น
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?
คริส: ขอผมดูได้ไหมครับ เพราะว่านี่เป็นกราฟทั่วๆ ไปของโภคภัณฑ์ ผมมองดูแล้วผมก็บอกว่า "นั่นมันก็แค่ขึ้นๆ ลงๆ แบบสุ่ม -- บางทีแนวโน้มขึ้นนิดหน่อย ตลอดช่วงเวลา" เป็นไปได้อย่างไรที่คุณมองที่สิ่งนั้น และเห็นอะไรบางอย่างที่ไม่ได้เป็นแค่อะไรอย่างสุ่ม
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.
จิม: ในอดีต -- มันคือ กราฟในแบบเก่าๆ โภคภัณฑ์ หรือการแลกเปลี่ยนค่าเงิน มีแนวโน้มทิศทาง ไม่จำเป็นว่าต้องเป็นแนวโน้มที่อ่อนมาก ที่คุณเห็นตรงนี้ แต่อาจเป็นแนวโน้มในช่วง และถ้าคุณคิด โอเค ผมกำลังจะคาดเดาวันนี้ โดยความเคลื่อนไหวเฉลี่ยใน 20 วันที่ผ่านมา -- บางที นั่นอาจเป็นการคาดเดาที่ดี และอันที่จริง หลายปีก่อน ระบบที่ว่านี้น่าจะได้ผล -- ไม่ค่อยดีนัก แต่น่าจะได้ผล คุณอาจทำเงิน คุณอาจเสียเงิน คุณอาจได้เงิน แต่มันมีค่าเทียบเท่ากับทั้งปี และคุณอาจทำเงินได้นิดหน่อยระหว่างช่วงนั้น มันเป็นระบบที่เก่ามาก
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.
คริส: ฉะนั้น คุณอาจะทดสอบหลายๆ แนวโน้ม และดูว่า ยกตัวอย่างเช่น แนวโน้ม 10 วัน หรือ 15 วัน ใช้คาดเดาสิ่งที่เกิดขึ้นต่อไปได้หรือไม่
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.
จิม: แน่นอน คุณอาจลองทุกสิ่งทุกอย่างเหล่านั้น และดูว่าอะไรที่ใช้การได้ดีที่สุด สิ่งที่เป็นไปตามแนวโน้มอาจดีในยุค 60 และมันก็แบบว่าใช้ได้ในยุค 70 แต่พอถึงยุค 80 มันก็ไม่ได้เรื่อง
CA: Because everyone could see that. So, how did you stay ahead of the pack?
คริส: เพราะว่าใครๆ ก็คงเห็นมัน แล้ว คุณนำหน้าคนอื่นๆ ได้อย่างไรครับ
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.
จิม: พวกเราล้ำหน้าคนอื่นๆ โดยหาวิธีอื่น -- วิธีระยะสั้นกว่า ในบางแง่มุม จริงๆ ก็คือการรวบรวม เอาข้อมูลปริมาณมาก และเราต้องจัดการมันด้วยมือในอดีต พวกเราไปยังแหล่งสำรองกลาง และคัดลอก ค่าการแลกเปลี่ยนที่น่าสนใจในประวัติศาสตร์ และอะไรพวกนั้น เพราะว่ามันไม่ปรากฏในคอมพิวเตอร์ พวกเราได้ข้อมูลมากมาย และคนที่ฉลาดมากๆ -- นั่นคือกุญแจสำคัญ ผมไม่รู้จริงๆ ว่าจะจ้างคนมาทำการค้าพื้นฐาน ได้อย่างไร ผมเคยจ้างมาบ้าง -- บางคนก็ทำเงิน บางคนก็ไม่ทำเงิน ผมไม่ได้สร้างธุรกิจจากสิ่งนั้น แต่ผมรู้ว่าจะจ้างนักวิทยาศาสตร์ได้อย่างไร เพราะว่า ผมมีประสบการณ์ในภาคส่วนนั้น ฉะนั้น นั่นคือสิ่งที่เราทำ และแบบจำลองเหล่านี้ก็ดีขึ้น และดีขึ้น อย่างช้าๆ และดียิ่งๆ ขึ้น
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.
คริส: คุณได้รับการกล่าวอ้างว่า ได้ทำสิ่งที่สำคัญในยุคการฟื้นฟู ซึ่งคือการสร้างวัฒนธรรมนี้ สร้างคนกลุ่มนี้ ผู้ซึ่งไม่ได้เป็นแค่มือปืนรับจ้าง ที่ใช้เงินหลอกล่อให้ทำงานได้ ความมุ่งมั่นของพวกเขา คือการได้ทำงานกับคณิตศาสตร์และวิทยาศาสตร์
JS: Well, I'd hoped that might be true. But some of it was money.
จิม: เราหวังว่ามันควรจะจริง แต่บางส่วนของมันก็คือเงิน
CA: They made a lot of money.
คริส: พวกเขาจะทำเงินมาก
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.
จิม: ผมไม่อาจบอกได้ว่า ไม่มีใครมาที่นี่ เพราะว่าเงิน ผมคิดว่าหลายๆ คนมาก็เพราะเงิน แต่พวกเขายังมา เพราะว่ามันน่าจะสนุก
CA: What role did machine learning play in all this?
คริส: การเรียนรู้ของเครื่องคอมพิวเตอร์ มีบทบาทในเรื่องนี้อย่างไรครับ
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.
จิม: ในบางแง่มุม สิ่งที่เราทำคือการเรียนรู้ของเครื่องคอมพิวเตอร์ คุณมองที่ข้อมูลมากมาย และพยายามกระตุ้น รูปแบบที่คาดเดาได้ต่างๆ จนกระทั่งคุณทำได้ดีขึ้น และดีขึ้น มันไม่จำเป็นที่มันจะต้องสนองตอบต่อตัวเอง ในแบบที่เราทำ แต่มันก็ได้ผล
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.
คริส: รูปแบบที่คาดเดาได้ต่างๆ เหล่านี้ อาจแปลกประหลาด และเหนือการคาดเดา ผมหมายถึง คุณดูที่ทุกอย่าง ใช่ไหมครับ คุณดูสภาพดินฟ้าอากาศ ความยาวของกระโปรง ความคิดเห็นทางการเมือง
JS: Yes, length of dresses we didn't try.
จิม: ครับ ความยาวของกระโปรง เราไม่ได้ลอง
CA: What sort of things?
คริส: แล้วอะไรครับ
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.
จิม: ก็ทุกอย่างล่ะครับ ทุกอย่างที่วิเคราะห์ย่อยลงไปได้ -- ยกเว้นความยาวชายผ้า อากาศ, รายงานประจำปี รายงานไตรมาส, ประวัติของตัวข้อมูลเอง, ปริมาณ ว่ามาได้เลย อะไรก็ตามที่มี พวกเรานำข้อมูลหลายเทระไบต์เข้ามาทุกวัน และเก็บมันและส่งมัน และทำให้มันพร้อมสำหรับการวิเคราะห์ คุณมองหาความผิดปกติ คุณกำลังมองหา -- อย่างที่คุณบอก สมมติฐานตลาดที่มีประสิทธิภาพ มันไม่ถูกต้อง
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?
คริส: แต่ความผิดปกติใดๆ อาจเป็นแค่สิ่งบังเอิญ แล้ว ความลับคือแค่มองที่ความผิดปกติต่างๆ หลายๆ อย่าง และดูว่าเมื่อไรที่มันอยู่ในแนวเดียวกันใช่ไหมครับ
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.
จิม: ความผิดปกติใดๆ อาจเป็นเรื่องอย่างสุ่ม อย่างไรก็ดี ถ้าคุณมีข้อมูลเพียงพอ คุณสามารถบอกว่ามันไม่ใช่ คุณสามารถเห็นความผิดปกติที่ยังคงอยู่ เป็นเวลานานอย่างมีนัยสำคัญ ความน่าจะเป็นของมันที่เป็นอย่างสุ่ม ไม่ได้สูง แต่สิ่งเหล่านี้จางหายไปหลังจากช่วงหนึ่ง ความผิดปกติอาจถูกทำให้หายไป ฉะนั้น คุณจะต้องเป็นผู้นำของธุรกิจ
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?
คริส: หลายคนตอนนี้มองที่ อุตสาหกรรมกองทุนบริหารความเสี่ยง แล้วก็แบบว่า ... ตะลึงไปเลย ที่ว่ามันสร้างความมั่งคั่งมากมายเหลือเกิน และมีคนเก่งๆ มากมายไปยังที่นั่น คุณกังวลบ้างไหมครับ เกี่ยวกับอุตสาหกรรมนั่น แล้วก็อุตสาหกรรมการเงินในแบบทั่วไป แบบว่าเหมือนอยู่บนรถไฟที่วิ่งหนีออกไป ที่ -- ผมไม่รู้สิครับ -- ที่ช่วยเพิ่มความไม่เท่าเทียมกันหรือเปล่าครับ คุณจะเอาชนะมันอย่างไรกับสิ่งที่เกิดขึ้น ในอุตสาหกรรมกองทุนบริหารความเสี่ยง
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.
จิม: ผมคิดว่าในสามหรือสี่ปีที่ผ่านมา กองทุนบริหารความเสี่ยงไม่ได้เป็นไปอย่างดี เราทำได้อย่างยอมเยี่ยมเลยล่ะ แต่อุตสาหกรรมกองทุนบริหารความเสี่ยง ในภาพรวม ไม่ได้เป็นไปอย่างสวยงาม ตลาดหลักทรัพย์ประสบความสำเร็จอย่างต่อเนื่อง อยู่ในขาขึ้นอย่างที่ทุกคนทราบ และอัตราส่วนผลตอบแทนทางด้านราคาก็เติบโต ฉะนั้นความมั่งคั่งมากมายที่ถูกสร้างขึ้นใน -- เอาเป็นว่า ห้าหรือหกปีให้หลัง -- ไม่ได้ถูกสร้างขึ้นโดยกองทุนบริหารความเสี่ยง คนอาจถามผมว่า "กองทุนบริหารความเสี่ยงเป็นอย่างไร" ผมจะบอกว่า "หนึ่ง และ 20 " ซึ่งหมายถึง -- ตอนนี้มันสอง และ 20 -- ค่าธรรมเนียมคงที่สองเปอร์เซ็นต์ และกำไร 20 เปอร์เซ็นต์ กองทุนบริหารความเสี่ยงเป็นอะไรที่ต่างออกไป
CA: Rumor has it you charge slightly higher fees than that.
คริส: ว่ากันว่า คุณเก็บค่าธรรมเนียม ให้สูงขึ้นกว่านั้นอีกนิด
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
จิม: เราเก็บค่าธรรมเนียม ที่สูงที่สุดในโลกครั้งหนึ่ง ห้า และ 44 นั่นคือสิ่งที่เราเก็บ
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
คริส: ห้า และ 44 งั้นก็ คงที่ห้าเปอร์เซ็นต์ และส่วนเพิ่ม 44 เปอร์เซ็นต์ คุณยังเงินทำให้ผู้ลงทุนของคุณ อย่างมากมายน่าทึ่ง
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 --
จิม: เราได้ผลตอบแทนกับมาดี ใช่ครับ หลายคนหัวเสียเอามากๆ: "คุณเก็บค่าธรรมเนียมซะสูงได้อย่างไร" ผมบอกว่า "โอเค คุณถอนออกไปก็ได้นะ" แต่ "ผมจะได้มากกว่านี้ได้อย่างไรล่ะ" นั่นแหละที่คนเป็น --
(Laughter)
(เสียงหัวเราะ)
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.
ณ จุดหนึ่ง อย่างที่ผมคิดว่าผมบอกคุณ เราซื้อจากนักลงทุนทั้งหมด เพราะมันมีกำลังผลิตสำหรับกองทุน
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?
คริส: แต่เราควรกังวลไหมเกี่ยวกับ อุตสาหกรรมกองทุนบริหารความเสี่ยง ที่จะดึงนักคณิตศาสตร์เยี่ยมๆ และผู้มีพรสวรรค์อื่นๆของโลก มากเกินไป เพื่อให้ทำงานกับสิ่งนั้น แทนที่จะไปแก้ปัญหาอื่นๆ ในโลก
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.
จิม: ครับ มันไม่ใช่แค่คณิตศาสตร์ เราจ้างนักบินอวกาศ และนักฟิสิกส์ และอะไรแนวนั้น ผมไม่คิดว่าเราจะต้องกังวลเกี่ยวกับมันมากนัก มันยังคงเป็นอุตสาหกรรมขนาดเล็ก และอันที่จริง การนำวิทยาศาสตร์ มาสู่โลกแห่งการลงทุน ได้พัฒนาโลกดังกล่าว มันลดความไม่แน่นอน มันเพิ่มสภาพคล่อง การกระจายตัวนั้นแคบลง เพราะว่าคนค้าอะไรแนวๆ นั้น ฉะนั้น ผมไม่กังวลเท่าไร ถ้าไอสไตน์ ลุกขึ้นมาและเริ่มตั้งกองทุนบริหารความเสี่ยง
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.
คริส: ตอนนี้ คุณอยู่ในช่วงหนึ่งในชีวิตของคุณ ที่คุณจะลงทุนจริงๆ แม้ว่า สุดท้ายที่ปลายห่วงโซ่อุปทาน -- ที่จริงคุณกำลังเร่งคณิตศาสตร์ไปทั่วอเมริกา นี่คือภรรยาของคุณ มาริลิน คุณกำลังทำงานเกี่ยวกับการกุศลด้วยกัน เล่าให้ผมฟังหน่อยสิครับ
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.
จิม: ครับ มาริลิน ก่อตั้ง -- นั่นครับ เธออยู่ตรงนั้น ภรรยาคนสวยของผม -- เธอก่อตั้งมูลนิธิมาเกือบ 20 ปีแล้ว ผมคิดว่าตั้งแต่ยุคปี 94 ผมบอกว่า 93 แต่เธอบอกว่ามันเป็น 94 แต่มันก็สักปีในสองปีนั้นแหละครับ
(Laughter)
(เสียงหัวเราะ)
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.
เราก่อตั้งมูลนิธิ เป็นวิธีง่ายๆ ที่เราจะได้ทำการกุศล เราเก็บหนังสือ และทำสิ่งอื่นๆ เราไม่ได้มีวิสัยทัศน์ในเวลานั้น แต่วิสัยทัศน์ก็ค่อยๆ เกิดขึ้นมา -- ซึ่งคือการจะมุ่งความสนใจ ไปยังคณิตศาสตร์และวิทยาศาสตร์ และนั่นคือสิ่งที่เราทำ ราวๆ หกปีก่อน ผมออกจากยุคเรืองอำนาจ และผมไปทำงานที่มูลนิธิ และนั่นคือสิ่งที่เราทำ
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.
คริส: และคณิตศาสตร์สำหรับอเมริกา โดยหลักแล้วก็คือ การลงทุนกับครูคณิตศาสตร์ทั่วทั้งประเทศ จัดให้พวกเขามีรายได้เพิ่ม ให้การสนับสนุนพวกเขา และให้การอบรม และได้พยายามจริงๆ ที่จะทำให้มันมีประสิทธิภาพมากขึ้น และทำให้มันเป็นการเรียกร้อง ที่บรรดาครูต่างปรารถนาให้มีขึ้น
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.
จิม: ครับ -- แทนที่จะหวดครูแย่ๆ ซึ่งก่อปัญหาทางจรรยาบรรณ ให้กับทั้งวงการการศึกษา โดยเฉพาะอย่างยิ่ง กับคณิตศาสตร์และวิทยาศาสตร์ เรามุ่งไปที่การเฉลิมฉลองให้กับคนดี และให้การยกย่องพวกเขา ครับ พวกเราให้เงินเพิ่มเติมกับพวกเขา 15,000 ดอลล่าร์ต่อปี เรามีครูคณิตศาสตร์และวิทยาศาสตร์ 800 คน ในมหานครนิวยอร์ค ในโรงเรียนรัฐทุกๆ วันนี้ เป็นแกนหลัก พวกเขามีจรรยาบรรณที่ดี พวกเขาคงอยู่ในวงการนี้ ปีถัดไป มันจะกลายเป็น 1,000 คน และนั่นจะเป็น 10 เปอร์เซ็นต์ ของครูคณิตศาสตร์และวิทยาศาสตร์ ในโรงเรียนรัฐใน [นคร] นิวยอร์ก
(Applause)
(เสียงปรบมือ)
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.
คริส: จิม นี่คืออีกโครงการหนึ่ง ที่คุณให้การสนับสนุนในเชิงการกุศล: การทำวิจัยในเรื่องต้นกำเนิดชีวิต ผมเดาว่าอย่างนั้น ที่เรากำลังมองอยู่นี่คืออะไรครับ จิม: ผมจะเก็บไว้สักครู่ และจากนั้นผมจะบอกคุณ ว่าคุณกำลังมองอะไรอยู่ กำเนิดชีวิตเป็นคำถามที่น่าสนใจ เรามาถึงที่นี่ได้อย่างไร ครับ มันมีสองคำถาม อย่างแรกคือ ทางนั้นคืออะไร จากธรณีวิทยา ถึง ชีววิทยา -- พวกเรามาถึงนี่ได้อย่างไร และอีกคำถามคือ เราเริ่มต้นด้วยอะไร วัสดุสารอะไร ถ้ามันจะมี เราจะต้องทำตามหนทางนี้หรือ นั่นคือสองคำถามที่น่าสนใจอย่างมาก คำถามแรกคือทางที่ซับซ้อน จากธรณีวิทยาไปจนถึงอาร์เอ็นเอ หรืออะไรบางอย่างเช่น -- พวกมันได้ทำงานได้อย่างไร และสิ่งอื่นๆ เราต้องลงมือทำงานกับอะไร ครับ มันมากกว่าที่เราคิด ภาพตรงนี้ คือดาวที่กำลังถูกสร้างขึ้น ตอนนี้ ทุกๆ ปี ในทางช้างเผือกของเรา ซึ่งมีดาวแสนล้านดวง ดาวใหม่ประมาณสองดวงถูกสร้างขึ้น อย่าถามผมว่ามันถูกสร้างอย่างไร แต่พวกมันถูกสร้างขึ้น และมันใช้เวลาประมาณล้านปี เพื่อให้เข้าที่ ฉะนั้น ในระยะที่คงที่ มีดาวประมาณสองล้านดวง ที่ถูกสร้างขึ้นได้ตลอดเวลา นั่นเป็นสักแห่งหนึ่ง ในระยะที่จะเข้าที่ และมันก็มีขยะเหล่านี้ วนเวียนอยู่รอบๆ ฝุ่น และอะไรพวกนั้น และมันอาจจะก่อตัวเป็นระบบสุริยจักรวาล หรืออะไรก็ตามแต่ แต่ที่สำคัญก็คือ -- ในฝุ่นเหล่านี้ที่วนเวียน อยู่รอบๆ ดาวที่กำลังก่อกำเนิด ถูกพบว่ามีโมเลกุลอินทรีย์อย่างมีนัยสำคัญ โมเลกุลไม่ใช่แค่ที่เหมือนมีเธน แต่เป็นฟอร์มาดิไฮด์ และไซยาไนด์ -- สิ่งที่เป็นโครงสร้างหลัก -- และเป็นต้นกำเนิดของชีวิต จะว่าอย่างนั้นก็ได้ ฉะนั้น มันอาจเป็นอะไรที่คาดเดาได้ และมันอาจะเป็นอะไรที่เดาได้ ว่าดาวเคราะห์ทั่วไปในจักรวาล เริ่มต้นจากบางโครงสร้างหลากพื้นฐานเหล่านี้ ทีนี้ นั่นมันหมายความว่า มันจะมีสิ่งมีชีวิตอยู่ทั่วไปงั้นหรือ ก็บางที แต่มันเป็นคำถามที่ว่าหนทางนี้ มันซับซ้อนแค่ไหน จากพวกนั้น ที่เริ่มต้นบอบบาง เมล็ดเหล่านั้น เรื่อยมาจนเป็นชีวิต และเมล็ดส่วนใหญ่เหล่านี้ จะตกลงสู่โลกที่รกร้าง
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.
คริส: ฉะนั้นสำหรับคุณ โดยส่วนตัวเลย การค้นหาคำตอบให้กับคำถามที่ว่า เรามาจากไหน สิ่งนี้เกิดขึ้นได้อย่างไร เป็นอะไรบางอย่างที่คุณอยากจะได้เห็น
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.
จิม: อยากจะเห็นมากครับ และอยากที่จะรู้ -- ถ้าหากหนทางนั้นซับซ้อนเหลือเกิน และแทบจะเป็นไปไม่ได้ ไม่ว่าคุณจะเริ่มต้นด้วยอะไร คุณก็อาจมีความโดดเด่นเป็นเอกภาพได้ แต่ในอีกแง่หนึ่ง เทียบได้เสมือนธุลีอินทรีย์นี้ทั้งหมด ที่กำลังล่องลอยอยู่ เราก็สามารถมีเพื่อนมากมายในโลกกว้าง มันคงจะดีมากถ้าได้รู้
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?
คริส: จิม สองสามปีมานี้ ผมได้มีโอกาสพูดกับ อีลอน มัสค์ และผมถามเขาถึงความลับความสำเร็จของเขา และเขาก็จริงจังกับฟิสิกส์ใช่ไหมครับ ฟังคุณแล้ว ที่ผมได้ยินจากคุณก็คือ ให้จริงจังกับคณิตศาสตร์ ที่อบอวนอยู่กับคุณมาทั้งชีวิต มันทำให้อนาคตที่ไม่มีขอบเขตกับคุณ และตอนนี้ มันอนุญาตให้คุณตรวจสอบ ในอนาคตของคนพันล้านและเด็กพันล้าน ทั่วแอฟริกาและที่อื่นๆ มันจะเป็นวิทยาศาสตร์ได้ไหมที่ได้ผล เป็นไปได้ไหมที่คณิตศาสตร์จะได้ผล
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
จิม: ครับ คณิตศาสตร์มันได้ผลแน่ๆ คณิตศาสตร์ได้ผลอย่างแน่นอน แต่มันก็สนุกดีครับ การที่ได้ทำงานกับมาริลิน และ การได้มาปล่อยมันออกไปก็เป็นอะไรที่เพลินมากๆ
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.
คริส: ผมเพิ่งรู้ว่า -- มันเป็นแนวคิดที่สร้างแรงบันดาลใจสำหรับผม ที่ว่าการจริงจังกับความรู้ ให้อะไรมากกว่าที่คิด ขอขอบคุณมากสำหรับชีวิตที่น่าทึ่งของคุณ และขอบคุณที่มาที่ TED ครับ
Thank you.
ขอบคุณครับ
Jim Simons!
จิม ไซม่อนส์ ครับ
(Applause)
(เสียงปรบมือ)