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?
Chris Anderson: Bir tür matematik fenomeniydiniz. Genç yaşta Harvard'da ve MIT'de ders vermiştiniz. Sonra NSA'den teklif geldi. Bu neyle ilgiliydi?
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.
Jim Simons: NSA -- yani Ulusal Güvenlik Ajansı -- aslında tam olarak çağırmadılar. Princeton'da, gizli kodları ve benzeri şeyleri kırmaları için matematikçileri işe aldıkları bir operasyonları vardı. Bunun varlığını biliyordum. Güzel bir politikaları vardı, çünkü vaktimizin yarısını kendi matematiğimize ve en az diğer yarısını da onların işlerine ayırabiliyorduk. Çok da para ödüyorlardı. Yani karşı konulamaz bir işti. Ben de oraya gittim.
CA: You were a code-cracker.
CA: Bir kod-kırıcısıydınız.
JS: I was.
JS: Evet öyleydim.
CA: Until you got fired.
CA: Kovulana kadar.
JS: Well, I did get fired. Yes.
JS: Pekâlâ, kovuldum. Evet.
CA: How come?
CA: Bu nasıl oldu?
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 ...
JS: Nasıl mı oldu? Kovuldum, çünkü Vietnam savaşı vardı ve benim kurumumdaki patronların patronları, savaşın büyük destekçileriydi ve ben, Vietnam'da nasıl kazanabileceğimiz hakkında New York Times'da kapak konusu olan bir makale yazmıştım. Ben o savaşı sevmemiştim, aptalca olduğunu düşünüyordum. Times'a, ismi hatırlanırsa, Maxwell Taylor için çalışan herkesin, onun görüşlerini desteklemediğini söyleyen bir mektup yazdım ve onlar da bunu yayınladılar. Ve kendi görüşümü bildirdim...
CA: Oh, OK. I can see that would --
CA: Ah, tamam. Bunun --
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.
JS: ... General Taylor'ın fikirlerinden farklıydı. Fakat sonunda, kimse bir şey söylemedi. Fakat sonra, ben 29 yaşındaydım ve bir çocuk geldi, Newsweek dergisinde muhabir olduğunu söyledi ve benimle röportaj yaparak, görüşlerimle ilgili sorular sormak istedi. Ben de şöyle dedim, "Şu anda çoğunlukla matematik çalışıyorum ve savaş bittiğinde, çoğunlukla onların işlerini yapacağım." Sonra, o gün yapabileceğim en akıllıca şeyi yaptım -- bölge patronuma bu röportajı verdiğimi söyledim. "Ne söyledin?" dedi. Söylediklerimi anlattım. Sonra "Taylor'ı aramalıyım" dedi. Taylor'ı aradı, bu 10 dakika sürdü. 5 dakika sonra kovulmuştum.
CA: OK.
CA: Peki.
JS: But it wasn't bad.
JS: Ama bu kötü değildi.
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?
CA: Kötü değildi, çünkü Stony Brook'a gittin ve matematik kariyerinde yükseldin. Orada, o adamla çalışmaya başladın. O kimdi?
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.
JS: Ah, [Shiing-Shen] Chern. Chern, yüzyılın en iyi matematikçilerinden birisiydi. Berkeley'de yüksek lisans yaparken tanımıştım onu. Bazı fikirlerim vardı ve fikirlerimi ona söylemiştim, o da beğenmişti. Birlikte, burada görebileceğiniz, bu işi yaptık. İşte burada.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
CA: Birlikte meşhur bir makale yayınlamanıza yol açtı. Bu işin ne olduğunu açıklayabilir misiniz?
JS: No.
JS: Hayır.
(Laughter)
(Gülüşmeler)
JS: I mean, I could explain it to somebody.
JS: Yani, bunu birisine açıklayabilirdim.
(Laughter)
(Gülüşmeler)
CA: How about explaining this?
CA: Bunu açıklamaya ne dersiniz?
JS: But not many. Not many people.
JS: Ama çok değil. Çok fazla insana değil.
CA: I think you told me it had something to do with spheres, so let's start here.
CA: Sanırım bunun kürelerle ilgili olduğunu söylemiştiniz, buradan başlayalım.
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.
JS: Evet, öyleydi, fakat bu işten bahsedeceğim -- bununla bir ilgisi vardı, fakat ona geçmeden önce -- güzel bir matematik işiydi. Chern de ben de yaptığımız şeyden çok mutluyduk. Hatta şu anda yükselen bir alt-alan olarak başladı. Ama, daha ilginci, fizikte de kullanıldı; bilmediğimiz bir şeydi -- en azından ben fizikle ilgili hiçbir şey bilmiyordum, Chern'in de çok şey bildiğini düşünmüyordum. Makalenin çıkmasından ortalama 10 yıl sonra, Princeton'dan Ed Witten adlı birisi bunu sicim kuramına uygulamaya başladı ve Rusya'daki insanlar da "yoğun madde" adlı şeye uygulama başladı. Günümüzde, orada Chern-Simons değişmezleri olarak adlandırılan bu şeyler fizik aracılığıyla fazlasıyla yayıldı. Bu muhteşemdi. Fiziği hiç bilmiyorduk. Bana fiziğe uygulanabilecek bir şeymiş gibi gelmemişti. Fakat matematiğin olayı budur -- asla nereye gideceğini bilemezsiniz.
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?
CA: Bu gerçekten inanılmaz. Yani, evrimin insanların zihinlerini, gerçeği algılayacak ya da algılayamayacak biçimde, nasıl şekillendirdiğinden bahsediyoruz. Bir şekilde bir matematik teorisiyle ortaya çıktınız, fiziği hiç bilmeden, yirmi yıl sonra ise bunun, gerçek fiziksel dünyayı tanımlamada kullanıldığını keşfettiniz. Bu nasıl olabilir?
JS: God knows.
JS: Tanrı bilir.
(Laughter)
(Gülüşmeler)
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.
Fakat, [Eugene] Wigner adlı ünlü bir fizikçi vardı ve matematiğin akıl almaz verimliliği üzerine bir makale yazmıştı. Bir açıdan, kökleri gerçek dünyada bulunan bu matematik bir şekilde var, -- yani saymayı, ölçmeyi öğreniyoruz, bunu herkes öğrenmiştir -- sonra kendi kendine ilerliyor. Fakat sıklıkla, günü kurtarmak için geri dönüyor. Genel izafiyet bir örnektir. [Hermann] Minkowski bu geometriye sahipti, Einstein da fark etti, "Hey! Genel izafiyeti kullanabileceğim şey tam da bu." Yani, asla bilemezsiniz. Bu bir gizemdir. Bu bir gizemdir.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
CA: Pekâlâ, işte matematiksel bir yaratıcılık parçası. Bize bundan bahsedin.
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.
JS: Pekâlâ, bu bir top -- bir küre ve etrafında bir kafes var -- bilirsiniz, bu kareler. Burada göstereceğim şey aslında 1700'lerde büyük matematikçi [Leonhard] Euler tarafından gözlemlendi. Zaman geçtikçe, matematikte çok önemli bir alan olmaya başladı: Cebirsel topoloji, geometri. Şu kâğıtta bunun kaynağı var. Olay şu: Sekiz köşesi, on iki kenarı ve altı yüzü var. Farka bakarsanız eğer -- köşeler eksi kenarlar artı yüzler -- iki eder. Pekâlâ, iki. Bu güzel bir sayı. Bunu yapmanın diğer bir yolu -- bunlar üçgenler -- bunun 12 köşesi, 30 kenarı, 20 yüzü ve 20 mozaiği var. Köşeler, eksi kenarlar, artı yüzler, yine iki ediyor. Aslında, bunu herhangi bir yolla da yapabilirsiniz -- bunu her türden çokgen ve üçgenlerle kaplayın ve hepsini karıştırın. Köşeler, eksi kenarlar, artı yüzler -- yine iki elde edersiniz. Burada farklı bir şekil var. Bu bir tor veya bir donut yüzeyi: 16 köşe, 32 kenar ve 16 yüzle kaplanmış. Köşeler, eksi kenarların sonucu sıfırdır. Her zaman sıfırdır. Bir toru kare, üçgen veya bunun gibi bir şeyle kaplarsanız her zaman sıfır elde edersiniz. Buna Euler karakteristiği adı veriliyor. Ayrıca topolojik değişmez adı verilen şey de budur. Gerçekten muhteşem. Nasıl yaparsanız yapın, daima aynı sonuca varırsınız. 1700'lerin ortalarından beri, günümüzde cebirsel topoloji adı verilen bir konuya yapılan ilk atılım buydu.
CA: And your own work took an idea like this and moved it into higher-dimensional theory, higher-dimensional objects, and found new invariances?
CA: Senin çalışman da bunun gibi bir fikirden çıktı ve sen de onu yüksek-boyutlu bir teoriye, yüksek-boyutlu objelere taşıyarak yeni değişmezler mi buldun?
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.
JS: Evet. Yüksek-boyutlu değişmezler, hâlihazırda vardı: Pontryagin sınıfları -- aslında Chern sınıfları idi. Bu türden bir grup değişmez vardı. Bir tanesi üzerinde çalışmak ve kombinatorik olarak modelini yapmaya çabalıyordum, tipik olan biçimi yapmak yerine ve sonucunda bu çalışma ortaya çıktı, biz de yeni şeyler keşfettik. Ama eğer, yaklaşık 70 cilt matematik kitabı yazan, 13 çocuğu olup yazarken dizinde çocuklarını sallayan Bay Euler olmasaydı -- muhtemelen bu değişkenler de olmayacaktı.
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?
CA: Pekâlâ, en azından bize bu mükemmel zekâdan bir örnek verdi. Rönesans'tan bahsedelim. Çünkü bu mükemmel zekâyı aldınız ve NSA'de bir kod-kırıcı iken ekonomi endüstrisinde de bir kod-kırıcı hâline gelmeye başladınız. Bence muhtemelen etkin piyasa tezini beğenmediniz. Yirmi yılda, bir şekilde dudak uçuklatan kazançları yaratma yolu buldunuz. Bana açıklanan hâliyle, yaptığınız şeyde göze çarpan şey, kazançları yalnızca ölçmemeniz, aynı zamanda onları düşük dengesizlik ve riskle almanızdır, diğer serbest fonlara kıyasla. Bunu nasıl yaptın Jim?
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.
JS: Mükemmel bir grup insanla birlikte yaptım. Ticarete başladığımda, matematikten biraz yorulmuştum. 30 yaşımın sonlarındaydım ve param azdı. Ticarete başladım ve çok iyi gitti. Şans eseri bayağı para kazandım. Yani sadece bir şanstı. Kesinlikle matematiksel modelleme değildi. Fakat verilere baktıktan bir süre sonra, şunu fark ettim: burada bir takım yapılar var gibiydi. Birkaç matematikçi kiraladım ve bazı modellemeler yapmaya başladık -- tıpkı eskiden SAE'de (Otomotiv Mühendisleri Derneği) yaptığımız gibi. Algoritma tasarlıyorsunuz, bilgisayarda test ediyorsunuz. İşe yarıyor mu? Yaramıyor mu? Bunun gibi.
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?
CA: Şuna bakabilir miyiz? Çünkü burada tipik bir ticari mal grafiği var. Baktım ve dedim ki, "Bu rastgele, inişli çıkışlı bir gidişat - belki de tüm zamanın hafif artan bir trendi." Buna bakarak nasıl ticaret yapabilidiniz ve rastgele olmayan bir şeyler gördünüz?
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.
JS: Eskiden -- bu eski günlere ait bir tür grafik, ticari malların veya dövizlerin trend eğilimleri vardı. Burada gördüğünüz hafif trendler değil, dönemsel trendler. Eğer tamam, bugün son 20 gündeki ortalama hareket üzerinden tahminde bulunacağım derseniz -- bu belki iyi bir tahmin olur ve para kazanabilirim. Aslında, yıllar önce böyle bir sistem işe yarayabilirdi -- mükemmel şekilde değil, ama yarardı. Para kazanıp, kaybedip kazanabilirdiniz. Fakat bu bir yıl değerinde bir gün ve bu dönem esnasında biraz para kazanabilirsiniz. İşlevini kaybetmiş bir sistem.
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.
CA: Yani zamanla bir takım trend uzunluklarını test edip örneğin, 10 günlük veya 15 günlük bir trendin sonrası için tahminci olup olmayacağını görecektiniz.
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.
JS: Elbette, hepsini deneyebilir ve işe yarayanı bulabilirdiniz. Trend takibi 60'larda çok iyiydi, 70'lerde ise fena değildi. Ama 80'lerde, kötüydü.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
CA: Çünkü herkes görebiliyordu. Peki rakiplerinizin önüne nasıl geçtiniz?
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.
JS: Farklı yaklaşımlarda bularak rakiplerimizin önüne geçtik -- bir ölçüde, kısa zamanlı yaklaşımlar. Asıl olay, büyük miktarda veri toplamaktı ve eski günlerde bunu elden yapmak zorundaydık. Merkez Bankası'na gittik ve faiz oranlarının tarihlerini ve bu tür şeyleri kopyaladık, çünkü bilgisayarlarda yoktu. Elimizde çok fazla veri vardı. Çok zeki insanlar -- anahtar buydu. Esas ticareti yapmak için insanların nasıl kiralanacağını bilmiyordum. Birkaç kişi buldum -- kimisi para kazandı, kimisi kazanmadı. Bu şekilde iş yapamazdım. Ama bilim adamlarını nasıl işe alacağımı biliyordum, çünkü o alana ilgim var. Bunu yaptık. Bu modeller gitgide daha iyi ve daha iyi, hatta daha da iyi hâle geldiler.
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.
CA: Rönesans'ta fevkalade bir şeyler yaptığınız biliniyor ki bu da yalnızca parayla aklı çelinebilecek danışmanlar olmayan bu insan grubunu, bu kültürü oluşturmaktı. Motivasyonları heyecan verici matematik ve bilim yapmak.
JS: Well, I'd hoped that might be true. But some of it was money.
JS: Bunun doğru olmasını umardım. Fakat bir kısmı da paraydı.
CA: They made a lot of money.
CA: Çok para kazandılar.
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.
JS: Hiç kimsenin para yüzünden gelmediğini söyleyemem. Bence bir çoğu para için geldi. Fakat eğlenceli olacağı için de geldiler.
CA: What role did machine learning play in all this?
CA: Peki makine öğrenimi bunda nasıl bir rol oynadı?
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.
JS: Yaptığımız şey, bir anlamda makine öğrenimi idi. Çok fazla veriye bakıyorsunuz, farklı tahmini şemaların benzerlerini yapmaya çalışıyorsunuz, en iyi hâle gelene dek. Yaptığımız şeyleri yapma biçimimizin, geri bildirim alması gerekmiyor. Ama işe yaradı.
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.
CA: Yani bu farklı tahmini şemalar oldukça savruk ve beklenmedik olabilir. Yani, her şeye baktınız, değil mi? Hava durumuna, elbise boylarına, politik fikirlere.
JS: Yes, length of dresses we didn't try.
JS: Evet, elbise boylarını denemedik.
CA: What sort of things?
CA: Peki, ne gibi şeyler?
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.
JS: Pekâlâ, her şey. Her şey faydalıdır -- elbise kenarı uzunlukları hariç. Hava durumu, yıllık raporlar, üç aylık raporlar, tarihsel veriler, birimler, aklınıza ne gelirse. Elimizde ne varsa. Bir günde terabaytlarca veri alıyoruz. Saklıyoruz, düzenliyoruz ve analize hazır hâle getiriyoruz. Yanlış arıyorsunuz. Dediğin gibi -- etkin piyasa hipotezinde yanlışlık arıyorsunuz.
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?
CA: Fakat herhangi bir yanlışlık rastgele bir şey de olabilir. Öyleyse bunun sırrı, birkaç garip yanlışlığa bakmak ve ne zaman çakıştıklarını görmek mi?
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.
JS: Herhangi bir yanlışlık rastgele bir şey de olabilir: Ancak yeterli veriniz varsa, öyle olmadığını söyleyebilirsiniz. Uzun zamandır var olan bir yanlışlığı görebilirsiniz -- bunun rastgele olma ihtimali yüksek değildir. Fakat bu şeyler bir süre sonra yok olur, yanlışlıklar temizlenebilir. Dolayısıyla işin üzerinde durman gerekir.
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?
CA: Günümüzde çoğu kişi serbest fon endüstrisine bakıyor ve kısmen ... sarsılıyorlar, orada yaratılan zenginlik ve oradaki yetenekler, onları şaşırtıyor. Bu endüstriye dair bir endişeniz var mı, belki de genel olarak finans endüstrisine dair? Kaçak bir trene binmek gibi -- bilmiyorum -- eşitsizliğin artmasına sebep oluyor mu? Serbest fon endüstrisinde olup biteni nasıl savunabilirsin?
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.
JS: Bence son üç veya dört yılda serbest fonlar çok da iyiye gitmedi. Biz işi mükemmel yaptık, ama serbest fon endüstrisi bir bütün olarak mükemmel iş yapmadı. Borsa hızını aldı, herkesin bildiği gibi, büyüyor ve fiyat-kazanç oranları yükseldi. Son dönemde -- son beş veya altı yılda diyelim -- yaratılan zenginliğin çoğunu, serbest fonlar yaratmadı. İnsanlar bana "serbest fon nedir?" diye soracaklardı. Ben de "Bir ve 20" diyecektim. Anlamı şu -- şu anda iki ve 20 -- yüzde iki sabit ücret ve yüzde 20 de kâr. Serbest fonlar, farklı türden yaratıklardır.
CA: Rumor has it you charge slightly higher fees than that.
CA: Söylentilere göre siz daha yüksek ücret talep ediyorsunuz.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
JS: Dünyadaki en yüksek ücretleri bir kerede talep ettik. Beş ve 44, talep ettiklerimiz.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
CA: Beş ve 44. Yani yüzde beş sabit, yüzde 44 kâr. Yatırımcılarınıza hâlâ büyük ölçüde para kazandırıyorsunuz.
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 --
JS: İyi dönüşler yaptık, evet. İnsanlar kızgın: "Nasıl yüksek ücret talep edebiliyorsunuz?" "Tamam, çekilebilirsiniz" dedim. Ama "daha fazla nasıl kazanabilirim?" insanlar böyleydi --
(Laughter)
(Gülüşmeler)
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.
Ama bir noktada, sanırım sana söyledim, bütün yatırımcıları aldık, çünkü sermaye kapasitesi vardı.
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?
CA: Fakat, dünyadaki birçok soruna karşın, dünyanın bu konuda çalışabilecek en iyi matematiksel veya diğer yeteneklerinin dikkatini serbest fon endüstrisinin çekmesinden endişelenmeli miyiz?
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.
JS: Pekâlâ, yalnızca matematiksel değil. Astronomlar ve fizikçiler ve benzerlerini de kiraladık. Çok fazla endişelenmemiz gerektiğini düşünmüyorum. Bu hâlâ küçük bir endüstri. Aslında, yatırım dünyasına bilim getirmek, bu dünyayı geliştirdi. Oynaklığı azalttı. Akışkanlığı yükseltti. Yayılmalar daha dar, çünkü insanlar bu tür şeyler alıp satıyor. Yani Einstein'ın gelip de bir serbest fon başlatmasından endişelenmiyorum.
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.
CA: Hayatının, gerçekten yatırım yaptığın bir evresinde bulunuyorsun, fakat tedarik zincirinin diğer ucunda -- Amerika'yı matematiğe teşvik ediyorsun. Bu eşin, Marilyn. Birlikte hayır işlerinde çalışıyorsunuz. Bundan bahsedelim.
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.
JS: Pekâlâ, Marilyn -- işte benim güzel eşim orada -- yaklaşık 20 yıl önce vakfı başlattı. 94 yılıydı sanırım. Ben 93 diyorum, o 94 diyor, fakat ikisinden biriydi.
(Laughter)
(Gülüşmeler)
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.
Bağış yapmanın en iyi yolu olan vakıf işine başladık. O hesap tuttu. O zamanlar bir vizyonumuz yoktu, fakat zamanla ortaya çıktı -- matematik ve bilime odaklanmak, temel araştırmaya odaklanmak. İşte biz bunu yaptık. Yaklaşık altı yıl önce Rönesans'ı bıraktım ve vakıfta çalışmaya başladım. Yaptığımız şey de bu.
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.
CA: Yani Amerika için Matematik, temelde ülke çapında matematik öğretmenlerine yatırım yapmak, onlara ekstra gelir sağlamak, onlara destek vermek ve rehberlik etmek. Bunu daha da etkili kılmayı ve öğretmenlerin heveslenebileceği bir çağrıda bulunmayı denemek.
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.
JS: Evet -- kötü öğretmenleri yok etmek yerine, çünkü bu, eğitim topluluğunda ahlaki problemler yaratır, özellikle de matematik ve bilim alanında, bunun yerine, iyi olanları desteklemeye ve onlara statü vermeye odaklanıyoruz. Evet, onlara ekstra gelir sağlıyoruz, yılda 15.000 dolar. Özün bir parçası olarak, bugün New York devlet okullarında 800 adet matematik ve bilim öğretmenimiz var. Aralarında muhteşem bir uyum var. Alanlarında kalıyorlar. Önümüzdeki yıl bu rakam 1.000 olacak, bu da New York [Şehir] devlet okullarındaki matematik ve bilim öğretmenlerinin yüzde 10'u demek.
(Applause)
(Alkış)
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.
CA: Jim, bu da yardımsever olarak desteklediğin diğer bir proje: Sanırım, yaşamın kökenlerini araştırma. Burada neyi arıyoruz? JS: Bir saniye bekleteceğim. Sonra ne aradığımızı söyleyeceğim. Yaşamın kökenleri büyüleyici bir soru. Buraya nasıl geldik? Pekâlâ, iki tane sorumuz var: Birincisi, jeolojiden biyolojiye giden yol -- buraya nasıl ulaştık? Diğer soru ise, neyle başladık? Bu rota üzerinde, eğer varsa, hangi materyalle çalıştık? Bu ikisi çok, çok ilginç sorulardı. İlk soru, jeolojiden RNA'ya kadar giden acı dolu bir yoldur veya bunun gibi bir şey -- tüm bunlar nasıl işledi? Diğeri ise, ne ile çalışmamız gerek? Evet, düşündüğümüzden fazlasıyla. Burada resmedilen şey, oluşmakta olan bir yıldız. 100 milyar yıldıza sahip olan Samanyolumuzda her yıl ortalama iki yeni yıldız oluşuyor. Nasıl olduğunu sormayın, bir şekilde oluyorlar. Yerleşmeleri ise bir milyon yılı buluyor. Yani, kesin olarak, herhangi bir anda oluşmakta olan ortalama iki milyon yıldız vardır. Bu, yerleşmekte olan döneme ait bir yerlerde. Etrafını kaplayan toz ve benzeri şeyler var. Muhtemelen bir güneş sistemi veya onun gibi bir şey oluşturacak. Ama asıl mesele şu -- oluşan bir yıldızın etrafını saran tozda, önemli organik moleküller bulundu. Yalnızca metan gibi moleküller değil, formaldehit ve siyanür de bulundu -- yani yaşam bloklarını -- yani tohumlarını -- oluşturan şeyler. Bu sıradan bir şey olabilir. Evrendeki gezegenlerin bu temel inşa bloklarıyla başlaması da sıradan bir şey olabilir. Peki bu, her yerde yaşam olacağı anlamına mı geliyor? Belki. Asıl soru, yaşama giden yolun, bu narin başlangıçlardan o tohumlara kadar, ne kadar acı dolu olduğudur. Bu tohumların çoğu da boş gezegenlerin üstüne düşecek.
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.
CA: Yani senin için, kişisel olarak, nereden geldiğimiz ve bunların nasıl oluştuğu sorularına cevap bulmak, gerçekten görmek istediğin bir şey.
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.
JS: Gerçekten görmek isterim. Ayrıca bilmek isterim -- eğer bu yol yeterince acı doluysa ve olasılıksız ise, neyle başlarsanız başlayın, bizler eşsiz olabiliriz. Fakat diğer yandan, etrafta uçuşan bu organik toza baktığımızda, orada yaşayan birçok arkadaşımız olabilir. Bilmek harika olurdu.
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?
CA: Jim, birkaç yıl önce Elon Musk ile konuşma şansım oldu ve ona başarısının sırrını sordum, o da sırrının, fiziği ciddiye almak olduğunu söyledi. Seni dinlerken duyduğum şey ise, matematiği ciddiye almak, bu senin tüm yaşamına ilham verdi. Sana somut bir ün sağladı ve şimdi de, Amerika ve diğer yerlerdeki binlerce çocuğun geleceğine yatırım yapmanı sağlıyor. İşe yarayan şey aslında bilim olabilir mi? Matematik gerçekten işe yarıyor mu?
JS: Well, math certainly works. Math certainly works. But this has been fun. Working with Marilyn and giving it away has been very enjoyable.
JS: Pekâlâ, matematik işe yarıyor. Kesinlikle yarıyor. Ayrıca eğlenceliydi. Marilyn ile çalışmak ve bağış yapmak çok eğlenceliydi.
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.
CA: Bunu -- bana göre ilham verici bir düşünceydi, yani bilgiyi ciddiye almak, bu çok şey kazandırabilir. Muhteşem yaşamınız için ve TED'e geldiğiniz için teşekkürler.
Thank you.
Teşekkürler.
Jim Simons!
Jim Simons!
(Applause)
(Alkış)