The mathematician who cracked Wall Street | Jim Simons

Translator: Azadeh Ta Reviewer: soheila Jafari

Chris Anderson: You were something of a mathematical phenom.

کریس اندرسون: شما خدای ریاضیات بودید.

You had already taught at Harvard and MIT at a young age.

شما در سِن پایین در هاروارد و ام‎آِی‎تی درس دادید.

And then the NSA came calling.

و بعد آژانس امنیت ملی آمریکا سراغتان آمد.

What was that about?

ماجرا چی بود؟

Jim Simons: Well the NSA -- that's the National Security Agency --

جیم سیمونز: خب ان‌اس‌ای یا آژانس امنیت ملی آمریکا

they didn't exactly come calling.

دقیقاً دنبالم نیامد.

They had an operation at Princeton, where they hired mathematicians

عملیاتی در پرینستن داشتند که برایش ریاضیدان استخدام می‎کردند

to attack secret codes and stuff like that.

تا به کدهای مخفی و چیزهایی از این قبیل حمله کنند.

And I knew that existed.

و از وجودش با خبر بودم.

And they had a very good policy,

و خط مشی خیلی خوبی داشتند،

because you could do half your time at your own mathematics,

چون نیمی از زمانتان را می‎تونستید به کارهای ریاضی خودتان اختصاص دهید

and at least half your time working on their stuff.

و حداقل نیمی دیگر را صرف انجام کارهای آنها کنید.

And they paid a lot.

و حقوقش زیاد بود.

So that was an irresistible pull.

پس کشش مقاومت ناپذیری بود.

So, I went there.

پس به آنجا رفتم.

CA: You were a code-cracker.

ک. ا.: پس شما رمزشکن بودید.

JS: I was.

ج.س.: بله.

CA: Until you got fired.

ک. ا.: تا این که اخراج شدید.

JS: Well, I did get fired. Yes.

ج. س.: خب، بله. اخراج شدم.

CA: How come?

ک. ا.: چطور؟

JS: Well, how come?

ج. س.: خوب چطوری؟

I got fired because, well, the Vietnam War was on,

اخراج شدم چون جنگ ویتنام بود،

and the boss of bosses in my organization was a big fan of the war

و رئیس رؤسام در سازمانم هوادار بزرگ جنگ بود

and wrote a New York Times article, a magazine section cover story,

و یک مقاله در نیویورک تایمز نوشت، در صفحه‌ی رویی مجله،

about how we would win in Vietnam.

درباره‌ی اینکه چطور جنگ ویتنام را ببَریم

And I didn't like that war, I thought it was stupid.

و من آن جنگ را دوست نداشتم، فکر می‎کردم احمقانه است.

And I wrote a letter to the Times, which they published,

و نامه‎ای برای تایمز نوشتم که چاپ شد،

saying not everyone who works for Maxwell Taylor,

که می‎گفت همه‌ی کسانی که برای مکس‌ول تیلر کار می‎کنند،

if anyone remembers that name, agrees with his views.

البته اگر کسی اسمش را بیاد بیاره، با نظراتش موافق نیستند.

And I gave my own views ...

و من عقاید خودم را گفتم.

CA: Oh, OK. I can see that would --

ک.ا.: اوه، باشه. متوجه شدم--

JS: ... which were different from General Taylor's.

ج س:...که متفاوت از ژنرال تیلر بودند.

But in the end, nobody said anything.

اما سرآخر، کسی چیزی نگفت.

But then, I was 29 years old at this time, and some kid came around

اما بعد که ۲۹ سالَم بود و جوانکی سراغم آمد

and said he was a stringer from Newsweek magazine

که می‎گفت گزارشگر نیمه وقت مجله‌ی نیوزویک بود

and he wanted to interview me and ask what I was doing about my views.

و می‎خواست با من مصاحبه کند و از من درباره‌ی دیدگاه‌هام بپرسد.

And I told him, "I'm doing mostly mathematics now,

و بهش گفتم،" که الان بیشتر کار ریاضی انجام میدم،

and when the war is over, then I'll do mostly their stuff."

و وقتی جنگ تمام شد، بعدش میرم سراغ کارهای آنها."

Then I did the only intelligent thing I'd done that day --

بعد تنها کار هوشمندانه‎ی آن روزم را انجام دادم--

I told my local boss that I gave that interview.

به رییس بخش گفتم که آن مصاحبه را انجام دادم.

And he said, "What'd you say?"

و او گفت، "چی گفتی؟"

And I told him what I said.

و بهش چیزی را که گفته بودم گفتم

And then he said, "I've got to call Taylor."

و بعد او گفت، " باید به تیلر زنگ بزنم."

He called Taylor; that took 10 minutes.

به تیلر زنگ زد؛ ۱۰ دقیقه طول کشید.

I was fired five minutes after that.

پنج دقیقه بعد اخراج شدم.

CA: OK.

ک. ا.: بسیار خوب.

JS: But it wasn't bad.

ج. س.: ولی بد نشد.

CA: It wasn't bad, because you went on to Stony Brook

ک. ا.: بد نشد، چون به استونی بروک رفتید

and stepped up your mathematical career.

و در حرفه‌ی ریاضیاتی خودتان ترقی کردید.

You started working with this man here.

در آنجا با این مرد کار کردید.

Who is this?

این کیه؟

JS: Oh, [Shiing-Shen] Chern.

ج. س.: اوه،[شینگ-شن] چرن.

Chern was one of the great mathematicians of the century.

چرن یکی از بزرگترین ریاضیدان‌های قرن بود.

I had known him when I was a graduate student at Berkeley.

از دوره‌ی فوق لیسانس در برکلی می‎شناسمش.

And I had some ideas,

و یکسری ایده داشتم،

and I brought them to him and he liked them.

و نزد او مطرحشان کردم و خوشش آمد.

Together, we did this work which you can easily see up there.

با هم، کاری را انجام دادیم که الان دارید به خوبی اینجا می‎بینید.

There it is.

همین هست.

CA: It led to you publishing a famous paper together.

ک. ا.: منجر به انتشار مقاله‌ی مشهور مشترکی شد.

Can you explain at all what that work was?

میشه توضیح بدید که درباره‌ی چی بود؟

JS: No.

ج. س.: نه.

(Laughter)

(خنده)

JS: I mean, I could explain it to somebody.

ج. س.: یعنی می‌تونم برای بعضی‌ها توضیحش بدم.

(Laughter)

(خنده)

CA: How about explaining this?

ک. ا.: توضیح این چی؟

JS: But not many. Not many people.

ج. س.: اما نه خیلی. نه برای آدم‌های زیادی.

CA: I think you told me it had something to do with spheres,

ک. ا.: فکر کنم به من گفتید که با کُره‎ها سروکار داشت.

so let's start here.

پس از اینجا شروع کنیم.

JS: Well, it did, but I'll say about that work --

ج. س.: خوب، بله داشت، اما آنچه درباره‌ی آن کار باید بگم-

it did have something to do with that, but before we get to that --

به آن داشت، اما قبل از اینکه به آنجا برسیم-

that work was good mathematics.

ریاضی آن کار عالی بود.

I was very happy with it; so was Chern.

ازش خیلی راضی بودم؛ همینطور چرن.

It even started a little sub-field that's now flourishing.

چیزی که به عنوان زیرمجموعه شروع شد الان شکوفا شده.

But, more interestingly, it happened to apply to physics,

اما جالبتر اینکه، معلوم شد در فیزیک کاربرد دارد،

something we knew nothing about -- at least I knew nothing about physics,

چیزی که نمی‎دانستیم- حداقل من از فیزیک سر رشته ندارم،

and I don't think Chern knew a heck of a lot.

و فکر نکنم چرن هم چیز زیادی بلد بود.

And about 10 years after the paper came out,

و حدود ۱۰ سال پس از انتشار مقاله،

a guy named Ed Witten in Princeton started applying it to string theory

کسی به اسم اد ویتن در پرینستن آن را در نظریه‌ی ریسمان بکار گرفت

and people in Russia started applying it to what's called "condensed matter."

و کسانی در روسیه آن را در چیزی بنام "ماده‌ی چگال" بکار گرفتند.

Today, those things in there called Chern-Simons invariants

امروزه، آن چیزها، آنجا، را ثابت‌ چرن-سیمونز می‎نامند.

have spread through a lot of physics.

که در بخش زیادی از فیزیک گسترده شده.

And it was amazing.

فوق‎العاده بود.

We didn't know any physics.

ما هیچی درباره‌ی فیزیک نمی‎دانستیم

It never occurred to me that it would be applied to physics.

هرگز به ذهنم نرسیده بود که در فیزیک کاربرد پیدا می‌کنه.

But that's the thing about mathematics -- you never know where it's going to go.

اما خوب نکته‌ی ریاضیات همینه- هرگز نمی‎دانید به کجا میره.

CA: This is so incredible.

ک. ا.: این چقدر باورنکردنیه.

So, we've been talking about how evolution shapes human minds

ما درباره‌ی اینکه تکامل چطور ذهن انسان‌ها را شکل میده صحبت می‌کنیم

that may or may not perceive the truth.

که شاید [ذهن] حقیقت را درک کند یا شاید نکند.

Somehow, you come up with a mathematical theory,

یکجوری شما به یک نظریه‌ی ریاضی رسیدید،

not knowing any physics,

بدون آنکه فیزیک بدانید،

discover two decades later that it's being applied

دو دهه بعد کشف کردید که در

to profoundly describe the actual physical world.

توصیفِ پایه‌ایِ جهان فیزیکی واقعی به کار می‌رود.

How can that happen?

این چطور ممکنه؟

JS: God knows.

ج. س.: خدا می‎دونه.

(Laughter)

(خنده)

But there's a famous physicist named [Eugene] Wigner,

اما فیزیکدان مشهوری هست به اسم (یوجین) ویگنر،

and he wrote an essay on the unreasonable effectiveness of mathematics.

و او رساله‎ای نوشته در باب کارایی غیرموجه ریاضیات.

Somehow, this mathematics, which is rooted in the real world

یکجورهایی این ریاضیات که به یک معنی ریشه در جهان واقعی دارد-

in some sense -- we learn to count, measure, everyone would do that --

ما شمردن و اندازه‎گیری را می‌آموزیم، همه این کار بلدند-

and then it flourishes on its own.

و بعد خودبخود پیشرفت می‎کند.

But so often it comes back to save the day.

اما اغلب نتیجه‎اش منجر به نجات از یک فاجعه می‎شود

General relativity is an example.

نسبیت عام یک نمونه است.

[Hermann] Minkowski had this geometry, and Einstein realized,

[هرمان] مینوکفسکی هندسه‌اش را داشت، و انیشتین تشخیص داد

"Hey! It's the very thing in which I can cast general relativity."

که «خوب این همان چیزیست که می‎توانم نسبیت کلی را در آن بگنجانم."

So, you never know. It is a mystery.

پس هیچوقت نمی‎دانی. این یک راز است.

It is a mystery.

این یک راز است.

CA: So, here's a mathematical piece of ingenuity.

ک. ا.: در اینجا تکه‎‌ای از نبوغ ریاضیاتی را داریم.

Tell us about this.

برایمان در این باره بگویید.

JS: Well, that's a ball -- it's a sphere, and it has a lattice around it --

ج. س.: خب، این یک توپه- یک کره که اطراف آن یک شبکه وجود دارد-

you know, those squares.

آن مربع‌ها منظورمه.

What I'm going to show here was originally observed by [Leonhard] Euler,

چیزی که من می‌خوام به شما نشون بدم ابتدا توسط [لئونارد] اویلر مشاهده شد،

the great mathematician, in the 1700s.

یک ریاضیدان بزرگ در حدود سال ۱۷۰۰ [میلادی]

And it gradually grew to be a very important field in mathematics:

و کم کم رشد پیدا کرد تا یک شاخه‌ی خیلی مهم ریاضیات شد:

algebraic topology, geometry.

توپولوژی جبری در هندسه.

That paper up there had its roots in this.

آن مقاله در اینجا ریشه داشت.

So, here's this thing:

پس اینجا ما اینها را داریم:

it has eight vertices, 12 edges, six faces.

هشت رأس، ۱۲ ضلع و شش وجه دارد.

And if you look at the difference -- vertices minus edges plus faces --

و اگر شما به تفاوت‌ها نگاه کنید- رأس‌ها منهای اضلاع به علاوه‌ی وجه‌ها-

you get two.

تفاوت می‌شود دو.

OK, well, two. That's a good number.

بله دو، عدد خوبیه

Here's a different way of doing it -- these are triangles covering --

اینجا راه متفاوتی برای انجامش هست، اینها مثلث‌هایی‌اند که آن رو پوشانده-

this has 12 vertices and 30 edges

این ۱۲ رأس و ۳۰ ضلع دارد

and 20 faces, 20 tiles.

و ۲۰ وجه ، ۲۰ قطعه.

And vertices minus edges plus faces still equals two.

و رأس‌ها منهای اضلاع به علاوه‌ی وجه‌ها می‌شود دو

And in fact, you could do this any which way --

و در حقیقت شما این کار را به هر طریقی می‌توانید انجام دهید

cover this thing with all kinds of polygons and triangles

این را با انواع چندوجهی‌ها و مثلث‌ها بپوشانید

and mix them up.

و با هم ترکیب کنید.

And you take vertices minus edges plus faces -- you'll get two.

وقتی رأس‌ها را منهای جمع اضلاع و وجوه کنید می‌شود دو.

Here's a different shape.

این یک شکل متفاوت است.

This is a torus, or the surface of a doughnut: 16 vertices

این یک چنبره یا سطح یک دونات است: ۱۶ رأس

covered by these rectangles, 32 edges, 16 faces.

که با مستطیل پوشیده شده، ۳۲ ضلع و ۱۶ وجه دارد.

Vertices minus edges comes out to be zero.

رئوس منهای اضلاع می‌شود صفر.

It'll always come out to zero.

همیشه صفر میشه.

Every time you cover a torus with squares or triangles

هر بار که شما یک چنبره را با مربع‌ یا مثلث بپوشانید

or anything like that, you're going to get zero.

یا هر چیزی شبیه آن، نتیجه صفر میشه.

So, this is called the Euler characteristic.

خوب، این مشخصه‌ی اویلر نام دارد.

And it's what's called a topological invariant.

و این چیزیست که ناوردای توپولوژی نام دارد.

It's pretty amazing.

واقعا جالبه.

No matter how you do it, you're always get the same answer.

فرقی ندارد چطور انجامش دهید، همیشه یک جواب می‌گیرید.

So that was the first sort of thrust, from the mid-1700s,

خوب این اولین نیروی فشار بود که از میانه‌ی ۱۷۰۰

into a subject which is now called algebraic topology.

به موضوعی که امروزه توپولوژی جبری نام گرفته وارد شد.

CA: And your own work took an idea like this and moved it

ک.ا.: و کار خود شما یک ایده مثل این را گرفت

into higher-dimensional theory,

و به فرضیه‌ی ابعاد بالا بُرد،

higher-dimensional objects, and found new invariances?

اجسام در ابعاد بالاتر، و ناورداهای( ویژگیهای تغییرناپذیر) جدیدی پیدا کردید؟

JS: Yes. Well, there were already higher-dimensional invariants:

ج.س.: بله. خوب، همون موقع هم ناورداهای در ابعاد بالاتر وجود داشت:

Pontryagin classes -- actually, there were Chern classes.

طبقات پونتِریاگین-- در واقع، آنها طبقات چِرن بودند.

There were a bunch of these types of invariants.

یک مشت از این ناورداها وجود داشت.

I was struggling to work on one of them

من تلاش می‌کردم روی یکی از آنها کار کنم

and model it sort of combinatorially,

و به صورت ترکیبی آن را مدل‌سازی کنم،

instead of the way it was typically done,

به جای روشی که معمولاً انجام می‌شد،

and that led to this work and we uncovered some new things.

که به این کار منتهی شد و ما چیزهای نویی کشف کردیم.

But if it wasn't for Mr. Euler --

اما اگر به خاطر آقای اویلر نبود-

who wrote almost 70 volumes of mathematics

که ۷۰ جلد در ریاضیات نوشت

and had 13 children,

و ۱۳ تا بچه داشت،

who he apparently would dandle on his knee while he was writing --

که اینطور که پیداست در حال نوشتن روی زانوش تکانشان می‌داد -

if it wasn't for Mr. Euler, there wouldn't perhaps be these invariants.

اگر به خاطر آقای اویلر نبود، شاید این ناورداها وجود نداشتند.

CA: OK, so that's at least given us a flavor of that amazing mind in there.

ک.ا.: خوب، پس این حداقل به ما مزه‌ای از ذهن شگفت‌آوری که اون تو هست داد.

Let's talk about Renaissance.

بیایید درباره‌ی رنسانس صحبت کنیم.

Because you took that amazing mind and having been a code-cracker at the NSA,

چون شما اون ذهن شگفت‌انگیز را برداشتید و چون در ان.اس.ای یک رمزشکن بودید،

you started to become a code-cracker in the financial industry.

یک رمزشکن در صنایع مالی شُدید.

I think you probably didn't buy efficient market theory.

فکر کنم احتمالاً شما فرضیه‌ی بازار کارا را قبول نداشتید.

Somehow you found a way of creating astonishing returns over two decades.

به طریقی شما راهی پیدا کردید که در طول دو دهه سود‌های حیرت‌انگیزی کنید.

The way it's been explained to me,

آنطور که برای من توضیح دادند،

what's remarkable about what you did wasn't just the size of the returns,

آنچه در مورد کار شما قابل‌توجه است تنها اندازه‌ی سوتان نبود،

it's that you took them with surprisingly low volatility and risk,

بلکه اینست که شما آن سودها را با ریسک و نوسان پایین در مقایسه با دیگر

compared with other hedge funds.

صندوق‌های پوشش ریسک بدست آوردید که غافل‌گیر کننده‌ست.

So how on earth did you do this, Jim?

خوب پس چطوری این کار را کردی جیم؟

JS: I did it by assembling a wonderful group of people.

ج.س.: من این کار را با جمع کردن یک گروه شگفت‌انگیز از افراد انجام دادم.

When I started doing trading, I had gotten a little tired of mathematics.

وقتی من وارد بازرگانی شدم، کمی از ریاضیات خسته شده بودم.

I was in my late 30s, I had a little money.

در سال‌های پایانی دهه‌ی سوم زندگیم بودم، پول کمی داشتم.

I started trading and it went very well.

شروع به بازرگانی کردم که خیلی خوب پیش رفت.

I made quite a lot of money with pure luck.

خیلی پول درآوردم با شانس خالص.

I mean, I think it was pure luck.

یعنی فکر کنم شانس خالص بود.

It certainly wasn't mathematical modeling.

قطعاً مدل‌سازی ریاضی نبود.

But in looking at the data, after a while I realized:

اما با بررسی داده‌ها پس از مدتی فهمیدم:

it looks like there's some structure here.

انگار یک ساختاری اینجا هست.

And I hired a few mathematicians, and we started making some models --

و چند نفر ریاضیدان را استخدام کردم، و شروع به مدل‌سازی کردیم-

just the kind of thing we did back at IDA [Institute for Defense Analyses].

دقیقاً همون مدل کاری که قبلاً در مؤسسه‌ی آنالیز دفاع انجام می‌دادیم.

You design an algorithm, you test it out on a computer.

الگوریتمی را طراحی می‎کنی، روی یک کامپیوتر اجراش می‎کنی.

Does it work? Doesn't it work? And so on.

کار می‎کنه؟ کار نمی‎کنه؟ و الی آخر.

CA: Can we take a look at this?

ک. ا.: می‎تونیم نگاهی به این بیندازیم؟

Because here's a typical graph of some commodity.

چون این یک گراف معمول از یک کالاست.

I look at that, and I say, "That's just a random, up-and-down walk --

من به این نگاه می‌کنم و می‌گم، «بالا و پایین شدنِ این بی‌ترتیب است-

maybe a slight upward trend over that whole period of time."

شاید یک تمایل رو به بالای خیلی کم در کل این زمان داشته باشه.»

How on earth could you trade looking at that,

چطوری می‌تونستید با نگاه کردن به این بازرگانی کنید،

and see something that wasn't just random?

و چیزی ببینید که بی‌ترتیب نیست؟

JS: In the old days -- this is kind of a graph from the old days,

ج.س.: قدیما - این نوع گرافی است که قدیما داشتیم،

commodities or currencies had a tendency to trend.

کالا یا ارزتمایل به ایجاد رَوند [در بازار] دارند.

Not necessarily the very light trend you see here, but trending in periods.

الزاماً روند ملایمی که اینجا می‌بینید نه، بلکه روند در دوره‌های زمانی.

And if you decided, OK, I'm going to predict today,

و اگر تصمیم بگیرید که خوب، من امروز با

by the average move in the past 20 days --

میانگین کردن حرکت در ۲۰ روز گذشته، [بازار را] پیش‌بینی می‌کنم-

maybe that would be a good prediction, and I'd make some money.

شاید این یک پیش‌بینی خوب باشه، و من یکم پول در میارم.

And in fact, years ago, such a system would work --

در واقع، سال‌ها پیش همچین سامانه‌ای به درد می‌خورد.

not beautifully, but it would work.

نه به زیبایی ولی کار می‌کنه.

You'd make money, you'd lose money, you'd make money.

شما پول درمیارید، پول از دست می‌دید، پول درمیارید.

But this is a year's worth of days,

اما این روز‌های یک سال است،

and you'd make a little money during that period.

و شما در طول این دوره یکم پول درمیارید.

It's a very vestigial system.

سامانه‌ی قدیمی‌ای است.

CA: So you would test a bunch of lengths of trends in time

ک.ا.: پس شما چندتا روند را در طول زمان امتحان می‌کردید

and see whether, for example,

و می‌دیدید که مثلاً

a 10-day trend or a 15-day trend was predictive of what happened next.

یک روند ۱۰ روزه و یا ۱۵ روزه آنچه بعداً اتفاق می‌افتد را پیش‌بینی می‌کند.

JS: Sure, you would try all those things and see what worked best.

ج.س.: مطمئناً، همه‌ی اینها را امتحان می‌کردید تا ببینید کدام بهتر کار می‌کند.

Trend-following would have been great in the '60s,

دنبال کردن روند برای دهه‌ی ۶۰ عالی بود،

and it was sort of OK in the '70s.

اما برای دهه‌ی ۷۰ همین‌طور خوب بود.

By the '80s, it wasn't.

برای دهه‌ی ۸۰ اینطور نبود.

CA: Because everyone could see that.

ک. ا.: چون همه می‎توانستند آن را ببینند.

So, how did you stay ahead of the pack?

خب چطور تونستید جلوتر از دیگران باقی بمانید؟

JS: We stayed ahead of the pack by finding other approaches --

ج. س.: ما با پیدا کردن رویکردهای دیگه جلوتر از دیگران ماندیم-

shorter-term approaches to some extent.

تا حدی رویکردهای کوتاه مدت.

The real thing was to gather a tremendous amount of data --

نکته‌ی واقعی این بود که مقدارعظیمی داده جمع کنیم-

and we had to get it by hand in the early days.

و در روزهای قدیم باید با دست این کار را می‌کردیم.

We went down to the Federal Reserve and copied interest rate histories

به فدرال رزرو رفتیم و تاریخچه‌ی نرخ‌های سود را کپی کردیم

and stuff like that, because it didn't exist on computers.

و کارهایی مثل این، چون روی کامپیوترها نبودند.

We got a lot of data.

کلی داده گرفتیم.

And very smart people -- that was the key.

و آدمهای خیلی باهوش- که کلیدی بودند.

I didn't really know how to hire people to do fundamental trading.

من واقعا نمی‎دانستم چطور آدم‌ها را برای انجام معاملات بنیادی استخدام کنم.

I had hired a few -- some made money, some didn't make money.

یکسری را استخدام کردم- بعضی پول در‎آوردند، بعضی هم نه.

I couldn't make a business out of that.

نتونستم از آن کسب و کاری راه بیاندازم.

But I did know how to hire scientists,

اما می‎دانستم چطور دانشمندها را استخدام کنم،

because I have some taste in that department.

چون کمی در آن بخش سلیقه دارم.

So, that's what we did.

پس این کار را کردیم.

And gradually these models got better and better,

و به تدریج این مدل‌ها بهتر و بهتر شدند،

and better and better.

بهتر و بهتر.

CA: You're credited with doing something remarkable at Renaissance,

ک. ا.: شما برای انجام کاری قابل توجه در رنسانس شناخته شدید،

which is building this culture, this group of people,

که این فرهنگ را می سازد، این گروه از مردم،

who weren't just hired guns who could be lured away by money.

که فقط کارگرهای تأجیری نبودند که با پول وسوسه شوند.

Their motivation was doing exciting mathematics and science.

انگیزه‎شان انجام محاسبات ریاضی هیجان‎انگیز و علوم بود.

JS: Well, I'd hoped that might be true.

ج. س.: خوب، من امیدوار بودم که صحت داشته باشه.

But some of it was money.

اما کمی از آن برای پول بود.

CA: They made a lot of money.

ک. ا.: کلی پول درآوردند.

JS: I can't say that no one came because of the money.

ج. س.: نمی‎تونم بگم که هیچ کس برای پول نیامد.

I think a lot of them came because of the money.

فکر کنم بسیاری از آنها برای پول آمدند.

But they also came because it would be fun.

اما برای لذت بردن هم آمدند.

CA: What role did machine learning play in all this?

ک.ا.: یادگیری ماشینی چه نقشی در این بین داشت؟

JS: In a certain sense, what we did was machine learning.

ج.س.: به شکلی، کاری که ما انجام دادیم هم یادگیری ماشینی بود.

You look at a lot of data, and you try to simulate different predictive schemes,

شما مقدار زیادی داده را بررسی می‌کنید و سعی می‌کنید برنامه‌‌های پیش‌بینی مختلفی را شبیه‌سازی کنید،

until you get better and better at it.

تا در انجامش بهتر و بهتر شوید.

It doesn't necessarily feed back on itself the way we did things.

الزاماً به خودش بازخورد نمی‌دهد در روشی که ما بکار بردیم.

But it worked.

اما کار کرد.

CA: So these different predictive schemes can be really quite wild and unexpected.

ک.ا.: پس این برنامه‌های پیش‌بینی مختلف می‌تونن خیلی وحشیانه وغیرقابل پیش‌بینی باشند.

I mean, you looked at everything, right?

یعنی، شما همه‌چیز بررسی کردید، درسته؟

You looked at the weather, length of dresses, political opinion.

شما آب‌وهوا، قد پیراهن، عقیده‌ی سیاسی را بررسی کردید.

JS: Yes, length of dresses we didn't try.

ج.س.: بله،‌ ما قد پیراهن را امتحان نکردیم.

CA: What sort of things?

ک.ا.: چه چیزهایی؟

JS: Well, everything.

ج.س.: خوب همه چیز.

Everything is grist for the mill -- except hem lengths.

همه چیز به درد می‌خورد- به جز قد پیراهن.

Weather, annual reports,

آب‌وهوا، گزارش‌های سالانه،

quarterly reports, historic data itself, volumes, you name it.

گزارش‌های فصلی، خود داده‌های تاریخی، مجلدها، هر چی بگی.

Whatever there is.

هر چیز هست.

We take in terabytes of data a day.

ما تا چند ترابایت داده در روز می‌گرفتیم.

And store it away and massage it and get it ready for analysis.

آنها را ذخیره می کردیم و ماساژ می‌دادیم و برای آنالیز آماده‌شان می‌کردیم.

You're looking for anomalies.

شما دنبال ناهنجاری می‌گردید.

You're looking for -- like you said,

دنبال -همونطور که گفتید،

the efficient market hypothesis is not correct.

فرضیه‌ی بازار کارا دُرست نیست.

CA: But any one anomaly might be just a random thing.

ک.ا.: اما هر ناهنجاری تکی‌ای می‌تونه رندوم باشه.

So, is the secret here to just look at multiple strange anomalies,

پس، آیا اینجا رمز کار اینه که فقط دنبال چند ناهنجاری عجیب بگردیم،

and see when they align?

و ببینیم که آیا در یک راستا هستند یا نه؟

JS: Any one anomaly might be a random thing;

ج.س.: هر ناهنجاری تکی ممکنه رندوم باشه،

however, if you have enough data you can tell that it's not.

هرچند، اگر داده‌ی کافی داشته باشید می‌تونید بفهمید رندوم بوده یا نه.

You can see an anomaly that's persistent for a sufficiently long time --

می‌تونید ناهنجاری‌ای را ببینید که برای مدت زمان درازی پابرجاست-

the probability of it being random is not high.

احتمال اینکه رندوم باشد بالا نیست.

But these things fade after a while; anomalies can get washed out.

اما این چیزها پس از مدتی کم رنگ می‌شوند، ناهنجاری‌ها محو می‌شوند.

So you have to keep on top of the business.

پس باید به کار مسلط باشید.

CA: A lot of people look at the hedge fund industry now

ک.ا.: بسیاری از مردم الان به صندوق‌های پوشش ریسک نگاه می‌کنند

and are sort of ... shocked by it,

و یه جورایی... شکه شدند،

by how much wealth is created there,

که چقدر ثروت اینجا ایجاد شده،

and how much talent is going into it.

و چقدر استعداد صرف آن میشه.

Do you have any worries about that industry,

آیا نگرانی از بابت آن صنعت و

and perhaps the financial industry in general?

شاید صنایع مالی در کل دارید؟

Kind of being on a runaway train that's --

بر قطار از خط خارج شده‌‌ای سوار هستید

I don't know -- helping increase inequality?

که نمی‌دونم- به بیشتر شدن نابرابری دامن می‌زند؟

How would you champion what's happening in the hedge fund industry?

چطور از آنچه در صنعت صندوق‌های پوشش ریسک دارد اتفاق می‌افتد دفاع می‌کنید؟

JS: I think in the last three or four years,

ج.س.: فکر کنم در سه چهار سال اخیر

hedge funds have not done especially well.

صندوق‌های پوشش ریسک خیلی موفق نبوده‌اند.

We've done dandy,

ما خوب کار کردیم،

but the hedge fund industry as a whole has not done so wonderfully.

اما صنعت صندوق‌های پوشش ریسک به طور کل خیلی عالی نبوده.

The stock market has been on a roll, going up as everybody knows,

بازار بورس دوران خوبی داشته، همانطور که همه می‌دونند بالا رفته،

and price-earnings ratios have grown.

و نسبت درآمدها رشد کرده.

So an awful lot of the wealth that's been created in the last --

خوب ثروت خیلی زیادی در -

let's say, five or six years -- has not been created by hedge funds.

بگذار بگم، پنج یا شش سال اخیر- در صندوق‌های پوشش ریسک ایجاد نشده.

People would ask me, "What's a hedge fund?"

مردم از من می‌پرسند، «صندوق‌ پوشش ریسک چیه؟»

And I'd say, "One and 20."

و من می‌گم: «یک و ۲۰».

Which means -- now it's two and 20 --

که یعنی - حالا دو و ۲۰ شده-

it's two percent fixed fee and 20 percent of profits.

دو درصد نرخ ثابت و ۲۰ درصد سود است.

Hedge funds are all different kinds of creatures.

صندوق‌های پوشش ریسک موجودات متفاوتی هستند.

CA: Rumor has it you charge slightly higher fees than that.

ک.ا.: شایعه شده که شما یکم نرخ شما بالاتره.

JS: We charged the highest fees in the world at one time.

ما مدتی بالاترین نرخ را در جهان داشتیم.

Five and 44, that's what we charge.

پنج و ۴۴، این نرخ ماست.

CA: Five and 44.

ک.ا.: پنج و ۴۴.

So five percent flat, 44 percent of upside.

پس پنج درصد ثابت، ۴۴ درصد سود.

You still made your investors spectacular amounts of money.

همینطور هم برای سرمایه‌گذارهاتون پول‌ خیلی زیادی درآوردید.

JS: We made good returns, yes.

ج.س.: ما بازده خوبی داشتیم، بله.

People got very mad: "How can you charge such high fees?"

مردم خیلی عصبانی شدند: «چطور می‌تونید همچین نرخ بالایی بگیرید؟»

I said, "OK, you can withdraw."

من گفتم، «باشه، شما می‌ةونید صرفنظر کنید.»

But "How can I get more?" was what people were --

اما «چطور بیشتر پول دربیارم؟» چیزی بود که مردم-

(Laughter)

(خنده‌ی حاضران)

But at a certain point, as I think I told you,

اما زمانی، همانطور که فکر کنم به شما گفتم،

we bought out all the investors because there's a capacity to the fund.

ما [سهام] همه‌ی سرمایه‌گذارانمان را خریدیم چون سرمایه یک ظرفیتی دارد

CA: But should we worry about the hedge fund industry

اما آیا ما باید نگران باشیم که صنعت صندوق‌های پوشش ریسک

attracting too much of the world's great mathematical and other talent

بیش از حد استعدادهای بزرگ ریاضی و دیگر رشته‌ها در دنیا را جذب کند

to work on that, as opposed to the many other problems in the world?

که در این [صنعت] کار کنند به جای اینکه روی مشکلات دیگر دنیا؟

JS: Well, it's not just mathematical.

ج.س.: خوب، فقط که ریاضیات نیست.

We hire astronomers and physicists and things like that.

ما ستاره‌شناس‌ها و فیزیکدان‌ها و امثال اینها را هم استخدام می‌کنیم.

I don't think we should worry about it too much.

فکر نکنم باید خیلی نگرانش باشیم.

It's still a pretty small industry.

صنعت کوچکی است.

And in fact, bringing science into the investing world

و در واقع، آوردن علم به دنیای سرمایه‌گذاری

has improved that world.

دنیا را بهتر کرده.

It's reduced volatility. It's increased liquidity.

نوسان را کاهش داده. نقدینگی را افزایش داده.

Spreads are narrower because people are trading that kind of stuff.

دامنه مظنه باریکتر شده‌اند چون مردم اینجور چیزها را معامله می‌کنند.

So I'm not too worried about Einstein going off and starting a hedge fund.

پس من زیاد نگران نیستم که اینشتین بِره و یک صندوق‌ پوشش ریسک باز کند.

CA: You're at a phase in your life now where you're actually investing, though,

ک.ا.: اما شما در مرحله‌ای از زندگی هستید که در حقیقت دارید سرمایه‌گذاری می‌کنید،

at the other end of the supply chain --

در طرف دیگر زنجیره‌ی عَرضه-

you're actually boosting mathematics across America.

شما در واقع دارید ریاضیات را در سراسر آمریکا ترقی می‌دید.

This is your wife, Marilyn.

این همسر شماست، مریلین.

You're working on philanthropic issues together.

شما با هم روی مسائل انسان دوستانه کار می‌کنید.

Tell me about that.

درباره‌اش صحبت کنید.

JS: Well, Marilyn started --

ج.س.: خوب، مریلین شروع کرد-

there she is up there, my beautiful wife --

اینجا این بالاست، همسر زیبای من-

she started the foundation about 20 years ago.

حدود ۲۰ سال پیش مؤسسه را آغاز کرد.

I think '94.

فکر کنم سال ۹۴.

I claim it was '93, she says it was '94,

من می‌گم ۹۳ و او می‌گه ۹۴ بود.

but it was one of those two years.

اما یکی از این دو سال بود.

(Laughter)

(خنده‌ی حاضران)

We started the foundation, just as a convenient way to give charity.

ما مؤسسه را آغاز کردیم، فقط به عنوان راه آسانی برای نیکوکاری.

She kept the books, and so on.

او حساب و کتابش را داشت و به همین منوال.

We did not have a vision at that time, but gradually a vision emerged --

ما در آن زمان دورنمایی نداشتیم، اما ذره ذره دورنمایی پیدا شد-

which was to focus on math and science, to focus on basic research.

که تمرکز بر ریاضیات و علم بود، تمرکز بر روی پژوهش‌های پایه.

And that's what we've done.

و این کاریست که ما کردیم.

Six years ago or so, I left Renaissance and went to work at the foundation.

شش سال پیش حدوداً، من رنسانس را ترک کردم و به کار کردن در مؤسسه پرداختم.

So that's what we do.

خوب ما این کار را می‌کنیم.

CA: And so Math for America is basically investing

ک.ا.: پس ریاضی برای آمریکا اساساً

in math teachers around the country,

بر رو معلم‌های ریاضی در اطراف کشور سرمایه‌گذاری می‌کند،

giving them some extra income, giving them support and coaching.

به آنها درآمد اضافه می‌ده، آنها را حمایت و تربیت می‌کند.

And really trying to make that more effective

و واقعاً سعی می‌کند که این کار را بهتر انجام بده

and make that a calling to which teachers can aspire.

و آن را تبدیل به پیشه‌ای کند که معلم‌ها آرزو می‌کنند.

JS: Yeah -- instead of beating up the bad teachers,

ج س: آره- بجای کوبیدن معلم‌های بد،

which has created morale problems all through the educational community,

که در کل جامعه‌ی آموزشی مشکلات اخلاقی ایجاد کرده‎،

in particular in math and science,

بخصوص در ریاضی و علوم،

we focus on celebrating the good ones and giving them status.

ما روی گرامیداشت خوب‌ها تمرکز می‌کنیم و به آنها موقعیت می‌دیم.

Yeah, we give them extra money, 15,000 dollars a year.

بله ما به آنها پول بیشتر می‌دیم، ۱۵۰۰۰ دلار در سال.

We have 800 math and science teachers in New York City in public schools today,

ما ۸۰۰ معلم ریاضی و علوم در مدارس دولتی شهر نیویورک داریم،

as part of a core.

که هسته را تشکیل می‌دهند.

There's a great morale among them.

روحیه‌ی عالی‌ای بینشون هست.

They're staying in the field.

آنها در این رشته می‌مانند.

Next year, it'll be 1,000 and that'll be 10 percent

سال بعد، ۱۰۰۰ نفر خواهد بود که ۱۰ درصدِ

of the math and science teachers in New York [City] public schools.

معلم‌های ریاضی و علوم در مدارس دولتی [شهر] نیویورک هستند.

(Applause)

(تشویق حاضران)

CA: Jim, here's another project that you've supported philanthropically:

ک. ا.: جیم، این یک پروژه‌ی دیگرست که تو از آن از روی نوع دوستی حمایت کرده‎ای:

Research into origins of life, I guess.

به گمانم تحقیق درباره ریشه‎‎‎‎‎های حیات است.

What are we looking at here?

در اینجا به چی نگاه می‎کنیم؟

JS: Well, I'll save that for a second.

ج. س.: خوب، من این را به خاطر می‌سپارم.

And then I'll tell you what you're looking at.

و سپس به شما می‌گم که به چی نگاه می‌کنید.

Origins of life is a fascinating question.

خاستگاه حیات پرسش شگفت‌انگیزیه.

How did we get here?

چطور به اینجا رسیدیم؟

Well, there are two questions:

خوب، دو پرسش هست:

One is, what is the route from geology to biology --

یکی اینکه، مسیر از زمین‌شناسی به زیست‌شناسی چیه-

how did we get here?

چطور ما به اینجا رسیدیم؟

And the other question is, what did we start with?

و پرسش دیگه اینه که، با چی شروع کردیم؟

What material, if any, did we have to work with on this route?

چه ماده‌ای، اگر ماده‌ای بوده، ما باید در این مسیر استفاده می‌کردیم؟

Those are two very, very interesting questions.

این دو پرسش خیلی جالب هستند.

The first question is a tortuous path from geology up to RNA

پرسش اول یک راه پر پیچ و خم از زمین‌شناسی تا آران‌ای است

or something like that -- how did that all work?

یا چیزی شبیه آن- چطور اتفاق افتاد؟

And the other, what do we have to work with?

و دیگری اینکه، ما با چی باید کار کنیم؟

Well, more than we think.

خب، بیشتر از آنچه فکرش را می‎کنیم.

So what's pictured there is a star in formation.

خوب آنچه در اینجا به تصویر کشیده شده، ستاره‌ای در حال شکل‌گیری است،

Now, every year in our Milky Way, which has 100 billion stars,

حالا، هر سال در کهکشان راه شیری ما، که ۱۰۰ میلیارد ستاره دارد،

about two new stars are created.

حدوداً دو ستاره تازه ایجاد می‌‎شود.

Don't ask me how, but they're created.

از من نپرس چطور، اما آنها ایجاد می‌شوند.

And it takes them about a million years to settle out.

و حدود یک میلیون سال زمان می‌برد تا ایستا شوند.

So, in steady state,

پس در حالت ایستا،

there are about two million stars in formation at any time.

حدود دو میلیون ستاره در هر لحظه در حال شکل گرفتن است.

That one is somewhere along this settling-down period.

این یکی هم جایی در دوره‌ی ایستا شدن است.

And there's all this crap sort of circling around it,

و این آشغال‌ها در اطرافش می‌گردند،

dust and stuff.

غبار و اینها.

And it'll form probably a solar system, or whatever it forms.

و احتمالاً یک منظومه‌ی شمسی یا هر چی تشکیل می‌ده.

But here's the thing --

اما نکته اینجاست-

in this dust that surrounds a forming star

در این غباری که ستاره‌ی در حالِ شکل‌گیری را احاطه کرده،

have been found, now, significant organic molecules.

حالا مقدار قابل توجهی مولکول‌های آلی پیدا شده.

Molecules not just like methane, but formaldehyde and cyanide --

مولکول‌هایی که مثل متان نیستند بلکه فُرمالدهید و سیانید-

things that are the building blocks -- the seeds, if you will -- of life.

چیزهایی که بخش‌های سازنده - به عبارت دیگه بذر حیات هستند.

So, that may be typical.

پس این شاید معمول باشد.

And it may be typical that planets around the universe

و شاید معمول باشد که سیّاره‌ها در جهان هستی

start off with some of these basic building blocks.

با این بخش‌های سازنده آغاز شدند.

Now does that mean there's going to be life all around?

حالا آیا معنی‌اش اینست که همه‌جا حیات وجود خواهد داشت؟

Maybe.

شاید.

But it's a question of how tortuous this path is

اما مسئله اینست که این راه چقدر پر پیچ و خم است

from those frail beginnings, those seeds, all the way to life.

از آن شروع ضعیف، آن بذرها، تا حیات.

And most of those seeds will fall on fallow planets.

و بیشتر آن بذرها روی سیّاره‌های آیشی می‌افتند.

CA: So for you, personally,

ک ا: پس برای شما، شخصاً،

finding an answer to this question of where we came from,

یافتن پاسخ این سؤال که ما از کجا میاییم،

of how did this thing happen, that is something you would love to see.

که چطور این اتفاق افتاده، است که دوست دارید ببینید.

JS: Would love to see.

ج س: مشتاقم ببینم.

And like to know --

و دوست دارم بدانم--

if that path is tortuous enough, and so improbable,

اگر آن مسیر به حد کافی پرپیچ و خم است و آنقدر نامحتمل،

that no matter what you start with, we could be a singularity.

که فارغ از آنکه با چی شروع کنیم، ممکن است تک باشیم.

But on the other hand,

اما از سوی دیگر،

given all this organic dust that's floating around,

با این همه غبار آلی که شناور است،

we could have lots of friends out there.

ممکنه آن بیرون کلی دوست داشته باشیم.

It'd be great to know.

عالی می‌شه اگر بفهمیم.

CA: Jim, a couple of years ago, I got the chance to speak with Elon Musk,

ک. ا.: جیم، دو سال پیش فرصت صحبت کردن با الون ماسک را پیدا کردم،

and I asked him the secret of his success,

و از او راز موفقیتش را پرسیدم،

and he said taking physics seriously was it.

و او گفت جدی گرفتن فیزیک رازش بود.

Listening to you, what I hear you saying is taking math seriously,

با گوش کردن به شما، چیزی که من از شما می‌شنوم جدی گرفتن ریاضیات است،

that has infused your whole life.

که کل زندگیتان را دربرگرفته.

It's made you an absolute fortune, and now it's allowing you to invest

به شما ثروت مطلق داده و اکنون به شما امکان سرمایه‌گذاری

in the futures of thousands and thousands of kids across America and elsewhere.

در آینده‌ی هزاران هزار کودک در سراسر آمریکا و جاهای دیگر را می‎ده.

Could it be that science actually works?

آیا می‌تونیم بگیم که علم به درد می‌خورد.

That math actually works?

که ریاضیات واقعاً به درد می‌خورد؟

JS: Well, math certainly works. Math certainly works.

ج. س.: خوب، ریاضی قطعاً به درد می‌خورد. ریاضی قطعاً به درد می‌خورد.

But this has been fun.

کار لذت‌بخشی بود.

Working with Marilyn and giving it away has been very enjoyable.

کار کردن با مریلین و بخشش کردن بسیار لذت بخش بوده.

CA: I just find it -- it's an inspirational thought to me,

ک. ا.: برای من فکر الهام بخشی است،

that by taking knowledge seriously, so much more can come from it.

اینکه با جدی گرفتن دانش، از آن بهتر می‎توان نتیجه گرفت.

So thank you for your amazing life, and for coming here to TED.

پس از شما به خاطر زندگی فوق‎العاده‌تان و آمدنتان به TED سپاسگزارم.

Thank you.

متشکرم.

Jim Simons!

جیم سیمونز!

(Applause)

(تشویق حاضران)