The mathematician who cracked Wall Street | Jim Simons

מתרגם: Yifat Adler מבקר: Ido Dekkers

Chris Anderson: You were something of a mathematical phenom.

כריס אנדרסון: היית סוג של תופעה מתמטיקאית.

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

לימדת בהרווארד וב-MIT כבר בגיל צעיר.

And then the NSA came calling.

ואז הגיעו ה-NSA וביקשו את עזרתך.

What was that about?

מה הם רצו?

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

ג'ים סיימונס: ובכן, ה-NSA, הסוכנות לביטחון לאומי,

they didn't exactly come calling.

לא בדיוק פנו אלי.

They had an operation at Princeton, where they hired mathematicians

היה להם מבצע לגיוס מתמטיקאים בפרינסטון

to attack secret codes and stuff like that.

כדי שינסו לפצח קודים סודיים ודברים דומים.

And I knew that existed.

שמעתי על המבצע הזה.

And they had a very good policy,

והייתה להם מדיניות חכמה מאוד.

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

הם אפשרו למתמטיקאים לעסוק במתמטיקה שלהם במשך מחצית מהזמן,

and at least half your time working on their stuff.

ואת החצי השני לפחות הם היו צריכים להקדיש לענייני ה-NSA.

And they paid a lot.

והם שילמו המון כסף.

So that was an irresistible pull.

אז זאת הייתה הצעה שקשה לסרב לה.

So, I went there.

אז פניתי אליהם.

CA: You were a code-cracker.

כ"א: היית מפצח קודים.

JS: I was.

ג"ס: כן.

CA: Until you got fired.

כ"א: עד שפיטרו אותך.

JS: Well, I did get fired. Yes.

ג"ס: כן. פיטרו אותי.

CA: How come?

כ"א: למה?

JS: Well, how come?

ג"ס: ובכן, למה?

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

פיטרו אותי כי מלחמת ויאטנם הייתה בעיצומה,

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

והמנהל של המנהלים בארגון שלי היה תומך נלהב של המלחמה,

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

והוא כתב כתבת שער בניו יורק טיימס

about how we would win in Vietnam.

על איך הוא היה מנצח בויאטנם.

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

ואני התנגדתי למלחמה הזאת. חשבתי שהיא מגוחכת.

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

וכתבתי לטיימס מכתב שהם פרסמו,

saying not everyone who works for Maxwell Taylor,

וכתבתי בו שלא כל מי שעובד עבור מקסוול טיילור,

if anyone remembers that name, agrees with his views.

אם אתם זוכרים מי הוא, מסכים עם ההשקפות שלו.

And I gave my own views ...

והבעתי את הדעות שלי...

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

כ"א: אה, כן. אני מבין איך זה...

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

ג"ס: ... שהיו שונות מדיעותיו של גנרל טיילור.

But in the end, nobody said anything.

אבל בסופו של דבר, אף אחד לא הגיב.

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

אבל אז, הייתי בן 29 באותה תקופה, הגיע איזה ילד

and said he was a stringer from Newsweek magazine

ואמר שהוא עיתונאי מניוזוויק

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

ושהוא רוצה לראיין אותי ולברר מה אני עושה בקשר לדעות שלי.

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

אמרתי לו, "כרגע אני עוסק בעיקר במתמטיקה,

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

וכשהמלחמה תיגמר אעסוק בעיקר בעניינים שלהם."

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

הדבר הנבון היחיד שעשיתי באותו יום

I told my local boss that I gave that interview.

הוא שסיפרתי לבוס המקומי שלי על הריאיון הזה.

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

והוא שאל, "מה אמרת?"

And I told him what I said.

סיפרתי לו מה אמרתי.

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

ואז הוא אמר, "אני חייב להתקשר לטיילור."

He called Taylor; that took 10 minutes.

והוא התקשר לטיילור, זה לקח עשר דקות.

I was fired five minutes after that.

וחמש דקות לאחר מכן פיטרו אותי.

CA: OK.

כ"א: אוקיי.

JS: But it wasn't bad.

ג"ס: אבל זה לא היה רע.

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

כ"א: זה לא היה רע כי עברת לאוניברסיטת סטוני ברוק,

and stepped up your mathematical career.

והקריירה המתמטית שלך נסקה.

You started working with this man here.

התחלת לעבוד עם האיש הזה.

Who is this?

מי הוא?

JS: Oh, [Shiing-Shen] Chern.

ג"ס: אוה, סינג צ'רן.

Chern was one of the great mathematicians of the century.

צ'רן היה אחד המתמטיקאים הגדולים של המאה.

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

הכרתי אותו כשלמדתי לתואר מתקדם בברקלי.

And I had some ideas,

היו לי רעיונות,

and I brought them to him and he liked them.

והצגתי אותם לפניו והוא אהב אותם.

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

עבדנו יחד על פרויקט שאתם יכולים לראות שם למעלה.

There it is.

הנה הוא.

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

כ"א: כתבתם ביחד מאמר מפורסם על העבודה הזאת.

Can you explain at all what that work was?

תוכל להסביר לנו במה העבודה עסקה?

JS: No.

ג"ס: לא.

(Laughter)

(צחוק)

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

ג"ס: הייתי יכול להסביר לאנשים מסוימים. אבל...

(Laughter)

(צחוק)

CA: How about explaining this?

כ"א: אולי תוכל להסביר את מה שאנחנו רואים?

JS: But not many. Not many people.

ג"ס: ...אבל לא לאנשים רבים.

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

כ"א: אני חושב שסיפרת לי שזה קשור לספירות,

so let's start here.

אז נתחיל מכאן.

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

ג"ס: נכון. אבל בנוגע לעבודה הזאת,

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

היא קשורה לתמונה הזאת, אבל קודם כל,

that work was good mathematics.

העבודה הזאת הייתה מתמטיקה טובה.

I was very happy with it; so was Chern.

הייתי מאוד מרוצה ממנה. וגם צ'רן.

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

היא אפילו יצרה תת-תחום שכיום משגשג.

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

אבל מה שיותר מעניין הוא שלאחר מכן התברר שהעבודה שלנו קשורה גם לפיזיקה,

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

תחום שלא היה מוכר לנו בכלל, או לפחות לי,

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

ואני חושב שגם צ'רן לא הבין הרבה בפיזיקה.

And about 10 years after the paper came out,

כעשר שנים לאחר שפרסמנו את העבודה,

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

בחור בשם אד וויטן מפרינסטון התחיל ליישם אותה בתורת המיתרים,

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

ואנשים ברוסיה התחילו ליישם אותה עבור מה שנקרא "חומר מעובה".

Today, those things in there called Chern-Simons invariants

כיום הדברים האלה שנקראים האינווריאנטים של צ'רן-סיימונס

have spread through a lot of physics.

התפשטו במקומות רבים ברחבי הפיזיקה.

And it was amazing.

וזה היה מדהים.

We didn't know any physics.

לא ידענו בכלל פיזיקה.

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

בכלל לא חשבתי שהנושא יהיה קשור לפיזיקה.

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

אבל זה היופי של המתמטיקה. אף פעם לא יודעים לאן היא תוביל.

CA: This is so incredible.

כ"א: זה באמת לא ייאמן.

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

דיברנו על הדרך שבה האבולוציה מעצבת את המוחות האנושיים,

that may or may not perceive the truth.

שקולטים או לא קולטים את האמת.

Somehow, you come up with a mathematical theory,

איכשהו, אתה פיתחת תיאוריה מתמטית,

not knowing any physics,

בלי לדעת שום דבר בפיזיקה,

discover two decades later that it's being applied

ועבור שני עשורים גילית שמיישמים אותה

to profoundly describe the actual physical world.

בשביל לתאר את העולם הפיזי האמיתי.

How can that happen?

איך זה יכול לקרות?

JS: God knows.

ג"ס: אלוהים יודע.

(Laughter)

(צחוק)

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

אבל יש פיזיקאי מפורסם בשם יוג'ין ויגנר,

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

שכתב מאמר על האפקטיביות הלא הגיונית של המתמטיקה.

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

איכשהו, המתמטיקה הזאת, שמושרשת בעולם האמיתי במובן מסוים,

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

אנחנו לומדים לספור, למדוד, כל אחד יכול לעשות את זה,

and then it flourishes on its own.

ואז היא צומחת מעצמה.

But so often it comes back to save the day.

אבל לעתים קרובות היא חוזרת למציאות ומצילה את המצב.

General relativity is an example.

תורת היחסות הכללית היא דוגמה לכך.

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

למינקובסקי הייתה גיאומטריה, ואיינשטיין הבין,

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

"היי! אני יכול להשתמש בה בשביל לבנות יחסות כללית".

So, you never know. It is a mystery.

אף פעם לא יודעים. זאת תעלומה.

It is a mystery.

זאת תעלומה.

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

כ"א: אנחנו רואים פיסת גאונות מתמטית.

Tell us about this.

ספר לנו עליה.

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

ג"ס: זהו כדור... זוהי ספירה, ויש עליה סריג,

you know, those squares.

הריבועים האלה.

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

את מה שאני עומד להציג לפניכם עכשיו, גילה לראשונה אוילר,

the great mathematician, in the 1700s.

המתמטיקאי הגדול מהמאה ה-18.

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

ובהדרגה התגלית שלו צמחה לתחום חשוב מאוד במתמטיקה:

algebraic topology, geometry.

טופולוגיה אלגברית, גיאומטריה.

That paper up there had its roots in this.

העבודה שמוצגת למעלה מבוססת על התגלית הזאת.

So, here's this thing:

הביטו בגוף הזה:

it has eight vertices, 12 edges, six faces.

יש לו שמונה קודקודים, 12 צלעות, שש פאות.

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

ואם נבחן את ההפרשים, הקודקודים פחות הצלעות ועוד הפאות,

you get two.

נקבל 2.

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

קיבלנו 2. מספר נחמד.

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

נבדוק חישוב נוסף. אלה משולשים שמכסים את הספירה.

this has 12 vertices and 30 edges

כאן יש לנו 12 קודקודים ו-30 צלעות

and 20 faces, 20 tiles.

ו-20 פאות.

And vertices minus edges plus faces still equals two.

נחשב קודקודים פחות צלעות ועוד פאות ושוב נקבל 2.

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

למעשה, בכל דרך שבה

cover this thing with all kinds of polygons and triangles

נכסה את הספירה במצולעים ומשולשים

and mix them up.

ונערבב ביניהם,

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

ואז נחשב קודקודים פחות צלעות ועוד פאות, תמיד נקבל 2.

Here's a different shape.

הנה גוף נוסף.

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

זהו טורוס, או פני השטח של כעך, והוא מכוסה במלבנים:

covered by these rectangles, 32 edges, 16 faces.

16 קודקודים, 32 צלעות, 16 פאות.

Vertices minus edges comes out to be zero.

קודקודים פחות צלעות ועוד פאות הם אפס.

It'll always come out to zero.

התוצאה תהיה תמיד אפס.

Every time you cover a torus with squares or triangles

תמיד כשנכסה טורוס בריבועים או במשולשים

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

או בכל דבר שהוא, נקבל אפס.

So, this is called the Euler characteristic.

המספר הזה נקרא מאפיין אוילר.

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

והוא נחשב אינווריאט טופולוגי.

It's pretty amazing.

וזה מדהים.

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

בכל הדרכים נקבל את אותה תוצאה.

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

זאת הייתה יריית הפתיחה מאמצע המאה ה-18,

into a subject which is now called algebraic topology.

שהובילה לנושא שנקרא היום טופולוגיה אלגברית.

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

כ"א: והעבודה שלך לקחה את הרעיון הזה והעבירה אותו

into higher-dimensional theory,

לממדים גבוהים יותר,

higher-dimensional objects, and found new invariances?

לגופים מממדים יותר גבוהים, ויצרה אינווריאנטים חדשים?

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

ג"ס: כן. כבר היו אינווריאנים מממדים יותר גבוהים:

Pontryagin classes -- actually, there were Chern classes.

מחלקות פונטריאגין. למעשה, היו מחלקות צ'רן.

There were a bunch of these types of invariants.

כבר היו כמה סוגים של אינווריאנטים.

I was struggling to work on one of them

נאבקתי באחד מהם

and model it sort of combinatorially,

וניסיתי לבנות מודל לקומבינטוריות שלו

instead of the way it was typically done,

בדרך שונה מהדרך המקובלת,

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

והדבר הוביל לעבודה הזאת, וגילינו כמה דברים חדשים.

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

אבל אלמלא אוילר,

who wrote almost 70 volumes of mathematics

שכתב כמעט שבעים כרכים של מתמטיקה,

and had 13 children,

והיה אבא ל-13 ילדים,

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

שנהג להרכיב על ברכיו תוך כדי כתיבה...

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

אלמלא אוילר כנראה שהאינווריאנטים האלה לא היו קיימים.

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

כ"א: קיבלנו הצצה קטנה למוח המופלא הזה.

Let's talk about Renaissance.

בוא נדבר על "רנסנס".

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

לקחת את המוח המופלא שלך שפיצח קודים בסוכנות לביטחון לאומי,

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

והתחלת לפצח קודים בתעשיה הפיננסית.

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

אני חושב שלא קנית את תיאוריית השוק היעיל.

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

איכשהו מצאת דרך להשיג תשואות מדהימות במשך שני עשורים.

The way it's been explained to me,

לפי ההסברים שקיבלתי,

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

מה שמדהים במה שעשית הוא לא רק גודל התשואות

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

אלא שהשגת אותן עם תנודתיות וסיכון נמוכים באופן מפתיע

compared with other hedge funds.

בהשוואה לקרנות גידור אחרות.

So how on earth did you do this, Jim?

אז איך לכל הרוחות עשית את זה, ג'ים?

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

ג"ס: הצלחתי בזכות קבוצה נפלאה של אנשים שאספתי.

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

כשהתחלתי לעסוק במסחר, קצת התעייפתי מהמתמטיקה.

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

הייתי בשנות השלושים המאוחרות, והיה לי קצת כסף.

I started trading and it went very well.

הצלחתי לסחור והצלחתי מאוד.

I made quite a lot of money with pure luck.

הרווחתי די הרבה כסף בעזרת מזל טהור.

I mean, I think it was pure luck.

אני חושב שזה היה מזל טהור.

It certainly wasn't mathematical modeling.

זה בהחלט לא היה קשור למודלים מתמטיים.

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

אבל כשבחנתי את הנתונים, הבנתי כעבור זמן מה:

it looks like there's some structure here.

נראה שיש כאן מבנה.

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

ושכרתי מתמטיקאים, והתחלנו לבנות מודלים,

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

בדיוק כפי שעשינו כשעבדנו ב-IDA.

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

מפתחים אלגוריתם, בודקים אותו במחשב.

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

האם הוא עובד? האם הוא לא עובד? וכן הלאה.

CA: Can we take a look at this?

כ"א: נוכל לבחון את העניין?

Because here's a typical graph of some commodity.

הנה גרף טיפוסי של סחורה כלשהי.

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

אני בוחן אותו ואומר לעצמי, "זה גרף אקראי עם עליות וירידות.

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

אולי יש מגמת עלייה קלה בתקופת הזמן הזאת."

How on earth could you trade looking at that,

איך לכל הרוחות יכולת לסחור

and see something that wasn't just random?

ולראות בגרפים האלה משהו שאינו אקראי?

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

ג"ס: בימים עברו, זה גרף מהעבר,

commodities or currencies had a tendency to trend.

המסחר בסחורות ובמטבעות נטה לפעול במגמות.

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

לא מגמה קלה כמו בגרף כאן, אלא מגמות מחזוריות.

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

ואם הייתם מחליטים, בסדר, היום אבצע תחזית

by the average move in the past 20 days --

על פי השינוי הממוצע בעשרים הימים האחרונים, אלה עשרים ימים,

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

אולי זאת תהיה תחזית טובה ותרוויחו כסף.

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

למעשה, לפני שנים מערכת כזאת הייתה פועלת,

not beautifully, but it would work.

הביצועים שלה לא היו מעולים, אבל היא הייתה פועלת

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

הייתם מרוויחים, הייתם מפסידים, הייתם מרוויחים.

But this is a year's worth of days,

אבל מדובר פה בתקופה של שנה,

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

ובסופו של דבר הייתם מרוויחים משהו בתקופה הזאת.

It's a very vestigial system.

אבל זאת מערכת מיושנת מאוד.

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

כ"א: היית בודק כמה אורכים של מגמות בזמן

and see whether, for example,

ובודק אם, לדוגמה,

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

מגמה של 10 ימים או מגמה של 15 ימים יכולה לחזות מה יקרה בעתיד.

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

ג"ס: כן. היינו מנסים את כל הדברים האלה ובודקים מי מהם הכי מוצלח.

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

מעקב אחרי מגמות פעל היטב בשנות השישים,

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

אבל פעל באופן בינוני בשנות השבעים.

By the '80s, it wasn't.

בשנות השמונים הוא כבר הפסיק לפעול.

CA: Because everyone could see that.

כ"א: כי כולם ראו את זה.

So, how did you stay ahead of the pack?

אז איך המשכת להקדים את השוק?

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

ג"ס: הצלחנו להקדים את השוק בעזרת גישות חדשות שמצאנו.

shorter-term approaches to some extent.

במידה מסוימת אלה גישות לטווח קצר יותר.

אבל האתגר האמיתי היה לאסוף כמויות עצומות של נתונים.

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

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

בהתחלה נאלצנו לעשות זאת באופן ידני.

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

הלכנו לפדרל רזרב והעתקנו היסטוריות של שערי ריבית

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

ודברים דומים, כי הם לא היו קיימים על מחשבים.

We got a lot of data.

אספנו הרבה נתונים

And very smart people -- that was the key.

ואנשים מאוד חכמים. זה היה המפתח להצלחה.

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

לא ידעתי איך לשכור אנשים בשביל לבצע מסחר בסיסי.

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

שכרתי כמה אנשים. חלקם הרוויחו, חלקם לא הרוויחו.

I couldn't make a business out of that.

לא יכולתי לבסס את העסק על זה.

But I did know how to hire scientists,

אבל ידעתי איך לשכור מדענים,

because I have some taste in that department.

כי בתחום הזה אני מבין משהו.

So, that's what we did.

אז זה מה שעשינו.

And gradually these models got better and better,

ובהדרגה המודלים שלנו השתפרו והשתפרו

and better and better.

עוד ועוד.

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

כ"א: קיבלת קרדיט על דבר יוצא דופן שעשית ברנסנס.

which is building this culture, this group of people,

בנית תרבות, קבוצה של אנשים,

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

שלא היו רק שכירי חרב תאבי בצע.

Their motivation was doing exciting mathematics and science.

המוטיבציה שלהם הייתה ליצור מתמטיקה ומדע מרגשים.

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

ג"ס: אני מקווה שזה נכון.

But some of it was money.

היה מדובר גם בכסף.

CA: They made a lot of money.

כ"א: הם הרוויחו הרבה כסף.

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

ג"ס: אני לא יכול להגיד שאין אנשים שהגיעו בגלל הכסף.

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

אני חושב שהרבה מהם הגיעו בגלל הכסף.

But they also came because it would be fun.

אבל הם באו גם בגלל ההנאה.

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

כ"א: מה התפקיד שמילאה למידת מכונה בעסק הזה?

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

ג"ס: במובן מסוים מה שעשינו היה למידת מכונה.

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

בחנו הרבה נתונים, וניסינו לבצע סימולציות של סכמות תחזית שונות

until you get better and better at it.

עד שהשתפרנו והשתפרנו.

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

הדרך שבה עבדנו לא כללה בהכרח היזון חוזר.

But it worked.

אבל הצלחנו.

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

כ"א: סכמות התחזית השונות האלה יכולות להיות די פראיות ובלתי צפויות.

I mean, you looked at everything, right?

בדקתם הכול, נכון?

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

בדקתם תחזיות מזג אוויר, אורכי שמלות, דעות פוליטיות.

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

ג"ס: כן, אבל לא בדקנו אורכי שמלות.

CA: What sort of things?

כ"א: איזה דברים בדקתם?

JS: Well, everything.

ג"ס: כל דבר.

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

כל מה שיכולנו להיעזר בו, חוץ מאורכי מכפלות.

Weather, annual reports,

מזג אוויר, דוחות שנתיים,

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

דוחות רבעוניים, נתונים היסטוריים, נפחים, כל דבר.

Whatever there is.

כל מה שהצלחנו למצוא.

We take in terabytes of data a day.

כל יום קלטנו טרה-בתים של נתונים.

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

אחסנו אותם, וטיפלנו בהם, והכנו אותם לניתוח.

You're looking for anomalies.

חיפשנו אנומליות.

You're looking for -- like you said,

חיפשנו... כמו שאמרת,

the efficient market hypothesis is not correct.

השערת השוק היעיל לא נכונה.

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

כ"א: אבל כל אנומליה בודדת יכולה להיות אקראית.

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

האם הסוד שלכם הוא שבחנתם אנומליות מוזרות רבות

and see when they align?

ובדקתם מתי אפשר להבין מהן משהו?

JS: Any one anomaly might be a random thing;

ג"ס: אנומליה בודדת יכולה להיות אקראית.

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

אבל אם יש מספיק נתונים אפשר לומר מתי היא אינה אקראית.

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

אפשר לראות אנומליה שחוזרת על עצמה במשך זמן ארוך מספיק.

the probability of it being random is not high.

הסיכוי שהיא אקראית אינו גבוה.

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

אבל הדברים האלה דועכים כעבור זמן מה. אנומליות עלולות להיעלם.

So you have to keep on top of the business.

ולכן צריך לעבוד קשה כדי להישאר בצמרת.

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

כ"א: אנשים רבים מסתכלים עכשיו על תעשיית קרנות הגידור

and are sort of ... shocked by it,

והם די המומים ממנה,

by how much wealth is created there,

מכמות העושר שמיוצרת בה,

and how much talent is going into it.

מכמות הכישרונות שזורמים אליה.

Do you have any worries about that industry,

האם יש לך דאגות כלשהן לגבי התעשייה הזאת,

and perhaps the financial industry in general?

ואולי לגבי התעשייה הפיננסית כולה?

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

אולי זאת רכבת שיצאה משליטה...

I don't know -- helping increase inequality?

ואולי היא מגדילה את אי השיוויון?

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

איך אתה יכול להגן על מה שקורה בתעשיית קרנות הגידור?

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

ג"ס: אני חושב שבשלוש או ארבע השנים האחרונות

hedge funds have not done especially well.

קרנות גידור לא כל כך הצליחו.

We've done dandy,

אנחנו הצלחנו בגדול,

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

אבל תעשיית קרנות הגידור בכללה לא הייתה כל כך מוצלחת.

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

שוק המניות היה בתקופה של עליות, כמו שכולם יודעים,

and price-earnings ratios have grown.

ומכפילי הרווח גדלו.

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

אז חלק עצום מהעושר שנוצר,

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

נאמר בשש או שבע השנים האחרונות, לא נוצר על ידי קרנות גידור.

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

אנשים שואלים אותי: "מה זאת קרן גידור?"

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

ואני עונה להם, "אחת ועשרים."

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

כיום זה כבר שתיים ועשרים.

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

ומשמעות היא שני אחוזי דמי ניהול קבועים ועשרים אחוזים דמי הצלחה.

Hedge funds are all different kinds of creatures.

קרנות גידור הן יצורים שונים ומשונים.

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

כ"א: השמועה אומרת שהעמלות שלך קצת יותר גבוהות.

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

ג"ס: היה זמן שבו העמלות שלנו היו הכי גבוהות בעולם.

Five and 44, that's what we charge.

חמש ו-44, זה מה שגבינו.

CA: Five and 44.

כ"א: חמש ו-44.

So five percent flat, 44 percent of upside.

חמישה אחוזים דמי ניהול, ו-44 אחוזים דמי הצלחה.

You still made your investors spectacular amounts of money.

ובכל זאת המשקיעים שלכם הרוויחו כמויות עצומות של כסף.

JS: We made good returns, yes.

ג"ס: כן. התשואות שלנו היו טובות.

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

אנשים כעסו: "איך אתם גובים עמלות כל כך גבוהות?"

I said, "OK, you can withdraw."

עניתי להם, "אתם מוזמנים לפרוש".

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

אבל "איך אני יכול להשיג עוד?" זה מה שאנשים...

(Laughter)

(צחוק)

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

אבל בנקודה מסוימת, כמו שאני חושב שאמרתי לך,

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

קנינו את הזכויות מכל המשקיעים כי יש לקרן קיבולת.

CA: But should we worry about the hedge fund industry

כ"א: האם עלינו להיות מודאגים מכך שתעשיית קרנות הגידור

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

מושכת יותר מדי מהכישרונות העולמיים במתמטיקה ובתחומים נוספים,

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

שעובדים בקרנות הגידור במקום בבעיות עולמיות רבות אחרות?

JS: Well, it's not just mathematical.

ג"ס: לא רק מתמטיקאים.

אנחנו שוכרים אסטרונומים ופיזיקאים ואנשים כאלה.

We hire astronomers and physicists and things like that.

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

אני לא חושב שזה צריך להדאיג אותנו במיוחד.

It's still a pretty small industry.

זאת תעשייה די קטנה.

And in fact, bringing science into the investing world

ולמעשה כשהכנסנו את המדע לעולם ההשקעות

has improved that world.

עולם ההשקעות השתפר.

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

התנודתיות ירדה. הנזילות עלתה.

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

המרווחים צרים יותר כי אנשים סוחרים בדברים כאלה.

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

אז אני לא חושש שאיינשטיין יקים קרן גידור.

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

כ"א: כרגע אתה בשלב בחייך שבו אתה למעשה משקיע

at the other end of the supply chain --

בצד השני של שרשרת המזון.

you're actually boosting mathematics across America.

אתה מקדם את המתמטיקה בכל רחבי אמריקה.

This is your wife, Marilyn.

זאת אשתך, מרילין.

You're working on philanthropic issues together.

אתם עובדים יחד על מיזמים נדבניים.

Tell me about that.

ספר לי עליהם.

JS: Well, Marilyn started --

ג"ס: ובכן, מרילין ייסדה...

there she is up there, my beautiful wife --

הנה היא שם למעלה, אשתי היפה.

she started the foundation about 20 years ago.

היא ייסדה את הקרן לפני כ-20 שנה.

I think '94.

אני חושב שב-1994.

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

אני טוען שב-1993, היא אומרת שב-1994,

but it was one of those two years.

אבל זה היה באחת משתי השנים האלו.

(Laughter)

(צחוק)

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

ייסדנו את הקרן כאמצעי נוח לנדבנות.

She kept the books, and so on.

היא ניהלה את הספרים וכן הלאה.

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

באותו זמן לא היה לנו חזון, אבל החזון התגבש בהדרגה,

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

והתמקדנו במתמטיקה ובמדע ובמחקר בסיסי.

And that's what we've done.

ובכך עסקנו.

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

לפני כשש שנים עזבתי את רנסנס ועברתי לעבוד עבור הקרן.

So that's what we do.

אז בזה אנחנו עוסקים היום.

CA: And so Math for America is basically investing

כ"א: אם כך, Math for America משקיעה

in math teachers around the country,

במורים למתמטיקה בכל רחבי המדינה,

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

מעניקה להם הכנסה נוספת, ומספקת להם תמיכה והכשרה.

And really trying to make that more effective

ומנסה להכניס יותר משמעות להוראה

and make that a calling to which teachers can aspire.

ולהפוך אותה לייעוד שמורים יכולים לשאוף אליו.

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

ג"ס: כן. במקום לתקוף את המורים הגרועים,

which has created morale problems all through the educational community,

דבר שעורר בעיות מורל בכל רחבי הקהילה החינוכית,

in particular in math and science,

ובעיקר במתמטיקה ובמדע,

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

התמקדנו בטיפוח המורים הטובים ובשיפור המעמד שלהם.

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

כן, אנחנו מעניקים להם הכנסה נוספת, 15 אלף דולר לשנה.

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

כיום יש לנו 800 מורים למתמטיקה ולמדע בבתי ספר ציבוריים בעיר ניו יורק,

as part of a core.

שהם חלק מגרעין.

There's a great morale among them.

המורל שלהם גבוה.

They're staying in the field.

הם נשארים בתחום.

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

בשנה הבאה מספרם יגדל לאלף, ונגיע לעשרה אחוזים

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

מהמורים למתמטיקה ולמדע בבתי הספר הציבוריים של העיר ניו יורק.

(Applause)

(מחיאות כפיים)

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

כ"א: ג'ים, זה פרויקט נוסף שתמכת בו כספית:

Research into origins of life, I guess.

מחקר של מקורות החיים.

What are we looking at here?

מה אנחנו רואים כאן?

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

ג"ס: נשמור את זה בצד רגע,

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

ואז אספר לכם מה אתם רואים.

Origins of life is a fascinating question.

מקור החיים הוא שאלה מרתקת.

How did we get here?

איך הגענו לכאן?

Well, there are two questions:

יש שתי שאלות:

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

הראשונה היא מה המסלול מגיאולוגיה לביולוגיה,

how did we get here?

איך הגענו לכאן?

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

והשאלה השנייה היא עם מה התחלנו?

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

איזה חומר היה זמין לנו במסלול הזה?

Those are two very, very interesting questions.

שתי השאלות האלו מעניינות מאוד.

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

השאלה הראשונה היא מסלול מפותל מגיאולוגיה ועד לרנ"א

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

או משהו כזה. איך כל זה עבד?

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

והשאלה השנייה היא מה החומרים שהיו זמינים לנו?

Well, more than we think.

ובכן, הרבה יותר ממה שאנחנו חושבים.

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

בתמונה רואים כוכב נוצר.

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

בכל שנה בשביל החלב שלנו, שכולל מאה מיליארד כוכבים,

about two new stars are created.

נוצרים כשני כוכבים חדשים.

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

אל תשאלו אותי איך זה קורה, אבל הם נוצרים.

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

ודרושות כמיליון שנים עד שהם מתייצבים.

So, in steady state,

במצב יציב,

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

כשני מיליון כוכבים חדשים נמצאים בשלבי בנייה בכל זמן נתון.

That one is somewhere along this settling-down period.

הכוכב הזה נמצא בשלב כלשהו של ההתייצבות.

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

הוא מוקף בכל מיני דברים,

dust and stuff.

אבק ועוד דברים.

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

ונראה שהוא ייצור מערכת שמש או מה שהוא יוצר.

But here's the thing --

אבל העניין הוא

in this dust that surrounds a forming star

שבאבק הזה שמקיף כוכבים שנוצרים

have been found, now, significant organic molecules.

מצאו מולקולות אורגניות משמעותיות.

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

לא רק מולקולות כמו מתאן, אלא פורמלדהיד וציאניד,

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

דברים שהם אבני הבניין, הזרעים של החיים.

So, that may be typical.

אולי זה טיפוסי.

And it may be typical that planets around the universe

ואולי זה טיפוסי שכוכבי לכת ברחבי היקום

start off with some of these basic building blocks.

מתחילים עם חלק מאבני הבניין הבסיסיות האלה.

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

האם משמעות הדבר היא שיש חיים סביבנו?

Maybe.

אולי.

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

אבל השאלה היא כמה המסלול הזה מפותל,

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

מההתחלות השבריריות האלה, הזרעים האלה, כל הדרך עד לחיים.

And most of those seeds will fall on fallow planets.

ורוב הזרעים האלה יפלו על כוכבים שוממים.

CA: So for you, personally,

כ"א: אז עבורך, באופן אישי,

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

מציאת התשובה לשאלה של מה המקור שלנו,

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

איך קרה הדבר הזה, היא דבר שתשמח לראות.

JS: Would love to see.

ג"ס: בהחלט אשמח לראות.

And like to know --

ואשמח לדעת

if that path is tortuous enough, and so improbable,

אם המסלול הזה מספיק מפותל, וכל כך בלתי סביר

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

שלא משנה עם מה מתחילים, ייתכן שאנחנו ייחודיים.

But on the other hand,

אבל מצד שני,

given all this organic dust that's floating around,

בהינתן כל האבק האורגני הזה שמרחף מסביב,

we could have lots of friends out there.

יתכן שיש לנו הרבה חברים אי שם מסביבנו.

It'd be great to know.

יהיה נפלא לדעת.

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

כ"א: ג'ים, לפני כמה שנים שוחחתי עם אלון מאסק,

and I asked him the secret of his success,

ושאלתי אותו מה סוד ההצלחה שלו.

and he said taking physics seriously was it.

הוא אמר שהסוד הוא שהוא התייחס לפיזיקה ברצינות.

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

אני מקשיב לך ואני שומע שאתה אומר שהיחס הרציני שלך למתמטיקה

that has infused your whole life.

השליך על כל חייך.

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

הוא העניק לך הון עתק, וכעת מאפשר לך להשקיע

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

בעתידם של אלפים רבים של ילדים בכל רחבי אמריקה ובמקומות נוספים.

Could it be that science actually works?

האם מדע באמת עובד?

That math actually works?

האם מתמטיקה באמת עובדת?

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

ג"ס: אין ספק שמתמטיקה עובדת. מתמטיקה בהחלט עובדת.

But this has been fun.

אבל נהניתי מזה.

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

נהניתי מאוד מהעבודה עם מרילין ומהנתינה.

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

כ"א: זאת מחשבה מעוררת השראה עבורי,

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

שאם מתייחסים ברצינות לידע, התוצאות יכולות להיות כל כך משמעותיות.

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

תודה לך על החיים המדהימים שלך, ועל שהגעת ל-TED.

Thank you.

תודה.

Jim Simons!

ג'ים סיימונס!

(Applause)

(מחיאות כפיים)