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?
Крiс Андерсон: Ви були кимось на зразок математичного вундеркінда. Ви почали викладати у Гарвардi та MIT ще молодим. İ потiм вас покликали до АНБ (NSA). Що це було?
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: Ну, АНБ -- Агентство національної безпеки -- вони не зовсiм прийшли з пропозицiєю. Вони проводилу операцію у Принстонi, де наймали математикiв, щоб ті ламали секретнi коди і подібні речі. І я знав, що таке було. У них була дуже добра полiтика, бо половину свого часу можна було займатися математикою і, не менше половини часу -- займатися їхніми завданнями. Вони дуже добре платили. Тож від цього важко було відмовитись. І я пiшов до них.
CA: You were a code-cracker.
КА: Ви були зламувачем коду.
JS: I was.
ДС: Так.
CA: Until you got fired.
КА: Поки не звiльнили.
JS: Well, I did get fired. Yes.
ДС: Я зробив так, що звiльнили.
CA: How come?
КА: Як це?
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: Ну, як? Мене звiльнили, тому що була вiйна у В’єтнамi, і головний бос у моїй органiзацiї був великим прихильником вiйни. Вiн написав статтю у Нью-Йорк Таймс, яка потрапила на обкладинку, про те, як ми переможемо у В'єтнамі. Менi не дуже подобалась ця вiйна, я вважав її безглуздою. Я написав листа до Таймс, якого вони надрукували, в якому сказав, що не всi, хто працює на Максвелла Тейлора, якщо хтось ще пам'ятає це ім'я, згодні з його поглядами. І я висловив свої власні погляди.
CA: Oh, OK. I can see that would --
КА: А, добре. Я розумію, це могло --
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: які відрізнялися від поглядів генерала Тейлора. Але, врешті, ніхто нічого не сказав. Але потім, мені тоді було 29 років, до мене прийшов якийсь хлопчина і сказав що він репортер журналу Н’юсвік. Він хотів узяти в мене інтерв’ю і запитати про мої погляди. І я сказав йому: "Я зараз переважно займаюся математикою, а коли закінчиться війна, тоді я більше займатимусь їхніми завданнями." Потім я зробив єдину розумну річ, з усіх що зробив того дня. Я розповів своєму місцевому босу, що я дав це інтерв’ю. І він запитав: "Що ти сказав?" Я розповів, що сказав. І тоді він сказав: "Я мушу подзвонити Тейлору". Він подзвонив Тейлору. Це зайняло 10 хвилин. Мене було звільнено 5 хвилин потому.
CA: OK.
КА: Гаразд.
JS: But it wasn't bad.
ДС: Та це не було погано.
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: Це не було погано, бо ви пішли до Стоуні Брук і покращили свою математичну кар’єру. Тут ви почали працювати з цим чоловіком. Хто це?
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, [Шіінґ-Шен] Черн. Так, Черн був одним із великих математиків століття. Я знав його, коли був аспірантом у Берклі. Я мав деякі ідеї, виклав їх йому, і вони йому сподобались. Разом ми зробили цю роботу, яку ви можете бачити там, вгорі. Ось вона.
CA: It led to you publishing a famous paper together. Can you explain at all what that work was?
КА: В результаті, ви разом опублікували відому статтю. Чи можете ви пояснити, що це, взагалі, була за робота?
JS: No.
ДС: Ні.
(Laughter)
(Сміх)
JS: I mean, I could explain it to somebody.
ДС: Тобто, я міг би пояснити її комусь.
(Laughter)
(Сміх)
CA: How about explaining this?
КА: Як щодо пояснення цього?
JS: But not many. Not many people.
ДС: Але небагатьом. Небагатьом людям.
CA: I think you told me it had something to do with spheres, so let's start here.
КА: Здається ви казали мені, що це якось стосувалося сфер, тож почнімо звідси.
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: Що ж, так, стосувалося, але я скажу про ту роботу -- вона певним чином стосувалася, але перед тим, як перейти до цього -- та робота була хорошою математикою. Я був дуже задоволений нею. І Черн також. Вона навіть започаткувала відгалуження науки, яке зараз у розквіті. Але ще цікавіше, що вона знайшла застосування у фізиці, у тому, про що ми нічого не знали -- принаймні я нічого не знав про фізику, і не думаю, що Черн багато знав. Приблизно через 10 років після публікації статті, хлопець на ім’я Ед Віттен у Принстоні почав застосовувати її до теорії струн, а в Росії почали застосовувати її до того що називається "конденсоване середовище". Сьогодні ці речі, які називаються інваріантами Черна-Саймонса, поширилися у багатьох галузях фізики. І це було дивовижно. Ми взагалі не знали фізики. Мені ніколи не спадало на думку, що це застосують у фізиці. Але така вона, математика -- ніколи не знаєш, де її застосують.
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: Це просто неймовірно. Отже, ми говорили про те, як еволюція змінює розум людини, який може сприймати або не сприймати правду. Так чи інакше, ви розробляєте математичну теорію, зовсім не знаючи фізики, через 20 років дізнаєтеся, що вона застосовується, щоб повністю описати реальний фізичний світ. Як таке можливо?
JS: God knows.
ДС: Один Бог знає.
(Laughter)
(Сміх)
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.
Але є один відомий фізик, якого звуть [Юджин] Віґнер, він написав есе про необґрунтовану ефективність математики. Так чи інакше, ця математика, яка має коріння у реальному світі, в певному сенсі -- ми вчимося рахувати, вимірювати, усі це роблять -- потім починає жити самостійним життям. Але часто вона повертається, щоб розв'язати складну проблему. Прикладом є загальна теорія відносності. [Герман] Мінковський мав цю геометрію, а Ейнштейн зрозумів: "Це ж якраз та річ, у яку я можу вписати загальну теорію відносності". Отже, ти ніколи не знаєш. Це загадка. Це загадка.
CA: So, here's a mathematical piece of ingenuity. Tell us about this.
КА: Тож, ось приклад математичної винахідливості. Розкажіть нам про це.
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: Ну, це куля -- це сфера, і вона має решітку навколо себе -- тобто, ось ці квадрати. Те, що я покажу тут, вперше помітив [Леонард] Ейлер, великий математик 18-го століття. І це поступово стало дуже важливою галуззю математики: алгебраїчна топологія, геометрія. Та стаття мала корені у цій галузі. Тож, ось ця річ: вона має 8 вершин, 12 ребер, 6 граней. І, якщо подивитися на різницю -- вершини мінус ребра плюс грані -- одержимо два. Гаразд, ну, два. Це хороше число. Ось інший спосіб зробити це -- трикутники вкривають сферу -- тут є 12 вершин, 30 ребер, 20 граней і 20 пластинок. Вершини мінус ребра плюс грані також дорівнює два. Фактично, ви можете зробити це будь-яким способом -- вкрити цю штуку різними видами багатокутників і трикутників і поєднувати їх. А якщо віднімете ребра від вершин і додасте грані -- отримаєте два. Ось інша фігура. Це тор, або поверхня пампушки, -- 16 вершин, вкритих цими прямокутниками, 32 ребра, 16 граней. Виходить нуль -- вершини мінус ребра [плюс грані]. Це завжди буде нуль. Щоразу, як ви вкриватимете тор квадратами або трикутниками або чимось подібним, ви одержите нуль. Тож, це називається характеристика Ейлера. І це те, що називається топологічним інваріантом. Дивовижно. Байдуже, як ви це робите. Результат завжди однаковий. Тож це був перший поштовх, з середини 18-го століття, до дисципліни, яка зараз називається алгебраїчною топологією.
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: І у вашій роботі ви взяли подібну ідею і застосували її до теорії багатовимірного простору, багатовимірних об’єктів, і виявили нові інваріанти?
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: Так. Ну, тоді вже були багатовимірні інваріанти: класи Понтрягіна -- насправді, були класи Черна. Була ціла купа такого типу інваріантів. Я щосили старався працювати над одним із них і моделювати його, скажімо, комбінаторно, замість того способу, в який це зазвичай робилося. Це вилилося у ту роботу, і ми знайшли деякі нові речі. Але якби не пан Ейлер -- який написав майже 70 книжок з математики і мав 13 дітей, яких він, певно, гойдав на коліні, коли писав -- якби не пан Ейлер, то, не було б, напевно, і цих інваріантів.
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: Гаразд, тож це, принаймні, дало нам уявлення про той дивовижний розум. Поговорімо про Ренесанс. Бо, спираючись на той дивовижний розум і, будучи дешифрувальником АНБ, ви стали дешифрувальником у фінансовій індустрії. Я думаю, ви не розробляли ефективної ринкової теорії. Ви якось знайшли спосіб генерувати вражаючі прибутки протягом 20 років. Як мені це пояснили, дивовижним у тому, що ви зробили, була не величина прибутків, а те, що ви їх отримували з несподівано низькою волатильністю і ризиком, порівняно з іншими хедж-фондами. Тож як, у біса, ви це зробили, Джиме?
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: Я зробив це, зібравши чудову групу людей. Коли я почав займатися торгами, я був трохи втомлений від математики. Мені було під сорок, у мене було мало грошей. Я почав торгувати на біржі, і це пішло дуже добре. Я заробив досить багато грошей на чистому везінні. Тобто, я думаю, то було везіння. Це, звичайно, не було математичне моделювання. Але, дивлячись на дані, невдовзі я усвідомив: вони виглядають так, ніби там є якась структура. Я найняв кількох математиків, і ми почали робити деякі моделі -- подібні до тих, які ми робили в IDA [Інститут оборонного аналізу]. Ви розробляєте алгоритм, тестуєте його на комп’ютері. Чи він працює? Чи не працює? Тощо.
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: Ми можемо поглянути на це? Бо це типовий графік ціни якогось товару. Я дивлюсь на це і кажу: "Це просто випадковий рух вгору-вниз -- можливо, невеликий висхідний тренд упродовж всього періоду". Як ви могли торгувати, дивлячись на це, і бачити щось, що не було просто випадковим?
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: У ті часи -- це один із графіків зі тих старих часів -- товари або валюти мали тенденції до трендів. Не обов’язково дуже легких трендів, як тут, а циклічних трендів. І якщо ви вирішували, гаразд, сьогодні я зроблю прогноз, спираючись на середні коливання за останні 20 днів -- можливо, це був би добрий прогноз, і я заробив би трохи грошей. Фактично, багато років тому, така система працювала б -- не бездоганно, але працювала б. Ви б робили гроші, втрачали гроші, робили гроші. Але цінність року в цих днях, і ви б заробили трохи грошей протягом цього періоду. Це система, що вже зникає.
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: Тож ви перевіряли набір довжин трендів у часі, і дивилися, наприклад, чи 10-денний або 15-денний тренд прогнозував те, що відбувалося далі.
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: Авжеж, пробували всі ті речі і дивилися що працювало найкраще. Відслідковування тренду працювало чудово в 60-х. І більш-менш нормально в 70-х. На початок 80-х -- вже ні.
CA: Because everyone could see that. So, how did you stay ahead of the pack?
КА: Бо кожен міг бачити це. Тож, як вам вдавалося залишатися попереду зграї?
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.
ДС: Ми залишалися попереду зграї, знаходячи інші підходи -- короткотермінові підходи, до певної міри. Насправді завдання полягало в тому, щоб зібрати величезний об’єм даних, і ми мусили збирати їх вручну, в ті дні. Ми пішли до Федерального резерву і скопіювали історію відсоткових ставок і подібні речі, бо цього не було в комп’ютерах. Ми отримали багато даних. А ще дуже розумні люди -- вони були ключовим фактором. Я не знав, як наймати людей для фундаментального аналізу. Я найняв кількох -- деякі заробляли гроші, деякі не заробляли. Я не міг зробити бізнес на цьому. Але я знав, як наймати науковців, бо був знайомий з цією сферою. Отже, ось що ми зробили. Поступово ці моделі ставали все кращими і кращими, кращими і кращими.
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: Вам приписують створення дечого дивовижного в Ренесансі, а саме, створення цієї культури, цієї групи людей, не просто найманих працівників, яких могли б переманити грошима. Їх мотивувала до роботи захоплива математика й наука.
JS: Well, I'd hoped that might be true. But some of it was money.
ДС: Ну, сподівався, що це так і було. Але, частково, це були гроші.
CA: They made a lot of money.
КА: Вони робили великі гроші.
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.
ДС: Не можу сказати, що жоден не прийшов через гроші. Думаю, багато з них прийшли через гроші. Але вони також прийшли, бо мало бути цікаво.
CA: What role did machine learning play in all this?
КА: Яку роль грало в усьому цьому машинне навчання?
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 певному сенсі, те, що ми робили, було машинним навчанням. Дивимось на великий об’єм даних і пробуємо симулювати різні схеми прогнозів, поки не почне виходити краще і краще. Цей процес не обов’язково вдосконалював сам себе на основі попереднього досвіду. Але це працювало.
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: Ці різні схеми прогнозування можуть бути дуже безладними і непередбачуваними. Тобто, ви дивилися на все, так? Ви дивилися на погоду, довжину суконь, політичні погляди.
JS: Yes, length of dresses we didn't try.
ДС: Так, довжину суконь ми не пробували.
CA: What sort of things?
КА: Якого роду речі?
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: Ну, все. Усе є потенційно важливим -- крім довжин швів. Погода, річні звіти, квартальні звіти, історичні дані, об’єми, усе що завгодно. Усе що є. Ми отримуємо терабайти даних за день. Зберігаємо їх, обробляємо і готуємо до аналізу. Треба шукати аномалії. Треба шукати -- як ви сказали, ефективна ринкова гіпотеза не є правильною.
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: Але будь-яка аномалія може бути просто випадковістю. Тож, секрет у тому, щоб просто перевіряти численні дивні аномалії і дивитися, коли вони узгодяться?
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: Будь-яка аномалія може бути випадковістю. Однак якщо у вас достатньо даних, можна розрізнити. Можна побачити аномалію, яка повторюється достатньо довгий час -- імовірність того, що це випадковість, невисока. Але ці речі слабшають з часом; аномалії можуть стати непридатними. Отже, вам треба залишатися на вершині цього бізнесу.
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: Багато людей зараз дивляться на індустрію хедж-фондів і вражені тим, які багатства там створюються, і як багато талантів туди залучається. У вас не викликає якогось занепокоєння те, що ця індустрія, і, можливо, фінансова галузь загалом, стає чимось на зразок поїзда, що зійшов з рейок -- поглиблюючи нерівність? Що б ви сказали на захист того, що відбувається в індустрії хедж-фондів?
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 думаю, в останні три-чотири роки, хедж-фонди були не особливо успішні. У нас все було файно, але індустрія хедж-фондів у цілому не була така успішна. Фондовий ринок був на підйомі, зростав, як усім відомо, і співвідношення ціна/прибуток зростали. Тож величезні об’єми багатств створених за останні, скажімо, п’ять або шість років -- не були створені хедж-фондами. Люди запитують мене: "Що таке хедж-фонд?" А я кажу: "Один і двадцять". Що означає -- тепер це 2 і 20 -- це два відсотки фіксованої плати і 20 відсотків від прибутків. Кожен хедж-фонд - це окремий "звір".
CA: Rumor has it you charge slightly higher fees than that.
КА: Ходять чутки, що ваші розцінки трохи вищі.
JS: We charged the highest fees in the world at one time. Five and 44, that's what we charge.
ДС: Колись наші розцінки були найвищими у світі. П’ять і 44, це наші розцінки.
CA: Five and 44. So five percent flat, 44 percent of upside. You still made your investors spectacular amounts of money.
КА: П’ять і 44. Отже, п’ять відсотків фіксованої оплати і 44 відсотки від прибутку. І все ж, ви заробляєте для ваших інвесторів величезні гроші.
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: Мали добрі прибутки, так. Люди дуже обурювались: "Як ви можете брати так дорого?" Я казав: "Добре, можете відмовитися". Але "Як я зможу заробити більше?", -- відповідали люди.
(Laughter)
(Сміх)
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.
Проте в певний момент, як, здається, я казав вам, ми викупили акції всіх інвесторів, бо у фонду є така можливість.
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: Але чи варто нам хвилюватися, що хедж-фонди приваблюють забагато блискучих математиків та інших талановитих людей в усьому світі, щоб працювати на них, замість розв'язувати численні проблеми в світі?
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: Ну, не лише математиків. Ми наймаємо астрономів, фізиків і подібних фахівців. Не думаю, що варто дуже хвилюватися з цього приводу. Це все ще досить маленька індустрія. Насправді, залучення науки у світ інвестицій покращило цей світ. Зменшило волатильність. Збільшило ліквідність. Спреди стали вужчими, бо люди торгують. І так далі. Тож я не хвилююсь, що Ейншейн піде з науки і створить 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: Ви зараз на тому етапі життя, коли, насправді, інвестуєте, хоча на іншому кінці ланцюжка -- ви насправді піднімаєте математику по всій Америці. Це ваша дружина, Мерилін. Ви займаєтесь благодійністю разом. Розкажіть про це.
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: Отже, Мерилін започаткувала -- ось вона, моя чудова дружина, -- вона започаткувала фонд близько 20 років тому. Здається в 1994-му. Я кажу, це був 93-й, вона каже, що 94-й, але це сталося в один із тих двох років.
(Laughter)
(Сміх)
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.
Ми заснували фонд, просто щоб було зручніше жертвувати на благодійність. Вона займалась бухгалтерією та іншим. Тоді у нас не було бачення, але поступово воно з’явилося -- зосередитися на математиці й науці, на фундаментальних дослідженнях. Саме це ми й зробили. Близько шести років тому я залишив Ренесанс і пішов працювати у фонд. Тож це те, чим ми займаємось.
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: Тож, по суті, Математика для Америки інвестує у вчителів математики по всій країні, надаючи їм додаткові надходження, надаючи підтримку й навчання. І справді намагаючись підвищити їхню ефективність і зробити це професією, якої вчителі прагнутимуть.
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: Так -- замість того, щоб звинувачувати поганих вчителів, що створює моральні проблеми в усій освітній спільноті, особливо в математиці та природничих науках, ми зосереджуємось на підтримці хороших вчителів і даємо їм статус. Так, ми даємо їм додаткові гроші, 15 000 доларів на рік. У нас є 800 вчителів природничих наук і математики в державних школах Нью-Йорка, як основна група. У цій спільноті панує чудовий моральний стан. Вони тримаються у своїй сфері. Наступного року їх буде 1000, і це буде 10 відсотків усіх вчителів математики і наук державних шкіл міста Нью-Йорк.
(Applause)
(Оплески)
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: Джиме, ось інший проект, який ви підтримуєте пожертвами. Дослідження походження життя, здається. Що ми тут бачимо? ДС: Я повернусь до цього за хвильку. І тоді скажу вам, що ми тут бачимо. Походження життя - захопливе питання. Як ми тут опинилися? Тож, є два питання: Одне -- яким є шлях від геології до біології -- як ми тут опинилися? А інше питання - це з чого ми почалися? З яким матеріалом, якщо він був, ми мали працювати на цьому шляху? Це два дуже-дуже цікавих питання. Перше з них - непростий шлях від геології до РНК або чогось такого -- як це все працювало? А інше -- з яким матеріалом ми маємо працювати? Ну, матеріалу більше, ніж ми думаємо. Отже, тут зображено зірку на етапі формування. Щороку в нашому Чумацькому Шляху, де є 100 мільярдів зірок, утворюється приблизно дві нові зірки. Не питайте мене як, але вони утворюються. І їм треба приблизно мільйон років на те, щоб стабілізуватися. Отже, у стаціонарному стані є близько двох мільйонів зірок, що формуються, в будь-який момент часу. Ця зірка перебуває десь посередині періоду стабілізації. І навколо неї обертається усіляке сміття, пил, речовини. З цього, певно, сформується, сонячна система, або що завгодно. Але ось у чому річ -- у цьому пилові, що оточує зірку, яка формується, знаходять важливі органічні молекули. Не просто молекули, подібні до метану, а формальдегід і ціанід -- речі, які є будівельними блоками -- зародками, якщо хочете -- життя. Отже, це може бути типовим розвитком. І може бути типовим те, що планети в усьому Всесвіті зароджуються, вже маючи деякі з цих будівельних блоків. Тож, чи означає це, що життя буде повсюди? Можливо. Але це питання того, наскільки складним є цей шлях від тих крихких початкових блоків, тих зародків, аж до життя. Більшість з тих зародків загинуть на недорозвинутих планетах.
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: Тож для вас, особисто, знайти відповідь на це питання, звідки ми прийшли, як це відбулося, -- це дещо, про що, ви хотіли би дізнатися.
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: Хотів би дізнатися. І хотів би знати -- чи той шлях є настільки складний і малоімовірний, що з чого б ви не почали, ми, можливо, єдині у Всесвіті. Але, з іншого боку, враховуючи увесь цей органічний пил, що літає навколо, ми можемо мати багато друзів десь там. Було б чудово дізнатися.
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: Джиме, пару років тому, я мав нагоду поспілкуватися з Ілоном Маском, і я запитав про таємницю його успіху. Він сказав, що це було серйозне ставлення до фізики. Слухаючи вас, я чую, що саме серйозне ставлення до математики окриляло вас усе ваше життя. Воно дало вам великі статки, а тепер дає вам змогу інвестувати у майбутнє тисяч і тисяч дітей по всій Америці і деінде. Чи може бути, що наука насправді працює? Що математика насправді працює?
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: Ну, математика безумовно працює. Математика безумовно працює. Але це також цікаво. Працювати з Мерилін і займатися благодійністю дуже приємно.
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: Я вважаю, і ця думка мене дуже надихає, що ставлячись до знань серйозно, можна досягти надзвичайних результатів. Дякую за ваше дивовижне життя, і за те що завітали сюди, на TED.
Thank you.
Дякую.
Jim Simons!
Джим Саймонс!
(Applause)
(Оплески)