The mathematician who cracked Wall Street | Jim Simons

Translator: Kamile Vaupsaite Reviewer: Andrius Družinis-Vitkus

Chris Anderson: You were something of a mathematical phenom.

Chrisas Andersonas (CA): Buvote fenomenalus matematikas.

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

Jaunystėje dėstėte Harvardo universitete ir Masačusetso technologijos institute.

And then the NSA came calling.

O vėliau jus susirado NSA. Ko jie norėjo?

What was that about?

Jimas Simonsas (JS): Nacionalinio saugumo agentūra (NSA)

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

they didn't exactly come calling.

pati manęs neieškojo.

They had an operation at Princeton, where they hired mathematicians

NSA turėjo centrą Prinstone ir samdė matematikus.

to attack secret codes and stuff like that.

Norėjo, kad nulaužinėtume kodus ir panašiai.

And I knew that existed.

Apie šį centrą buvau girdėjęs. NSA siūlė labai geras darbo sąlygas.

And they had a very good policy,

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

Pusę savo laiko galėjai dirbti sau ir tik pusę reikėjo dirbti jiems.

and at least half your time working on their stuff.

And they paid a lot.

O mokėjo daug.

So that was an irresistible pull.

Buvo sunku atsispirti.

So, I went there.

Nuėjau ir pasiprašiau darbo pats.

CA: You were a code-cracker.

CA: Buvote kodų laužytojas... JS: Taip.

JS: I was.

CA: Until you got fired.

CA: Tačiau paskui jus atleido. JS: Tas tiesa.

JS: Well, I did get fired. Yes.

CA: How come?

CA: Už ką?

JS: Well, how come?

JS: Už ką?

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

Mane atleido, nes...

Vyko Vietnamo karas.

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

Mano pagrindinis bosas buvo šio karo aistringas šalininkas.

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

Jis išspausdino pagrindinį straipsnį žurnale „New York Times“.

about how we would win in Vietnam.

Aiškino, kaip Amerikai laimėti Vietnamo karą.

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

O man šis karas nepatiko – laikiau jį kvailyste.

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

Todėl parašiau į „Times“ žurnalą.

saying not everyone who works for Maxwell Taylor,

Rašiau, kad ne visi Maxwello Tayloro darbuotojai,

if anyone remembers that name, agrees with his views.

jei atsimenat tokį generolą Taylorą,

pasisako už šį karą.

And I gave my own views ...

Tuomet išdėsčiau, ką apie šį karą galvoju aš...

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

CA: Dabar man aišku, kodėl...

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

JS: O galvojau kitaip nei generolas Tayloras.

But in the end, nobody said anything.

Tačiau iš pradžių niekas nieko nesakė.

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

Tik kai man buvo 29-eri,

pas mus į centrą atėjo toks vaikis iš „Newsweek“ savaitraščio.

and said he was a stringer from Newsweek magazine

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

Norėjo paimti iš manęs interviu ir sužinoti, ar tebesprendžiu karo dilemą.

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

Paaiškinau, kad dabar sprendžiu matematines problemas,

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

o karui pasibaigus, spręsiu NSA užduotis.

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

Tądien pasielgiau protingai tik po interviu.

I told my local boss that I gave that interview.

Pasakiau apie interviu savo vadovui.

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

Jis paklausė, apie ką kalbėjom, ir aš išsipasakojau.

And I told him what I said.

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

Jis pasakė turįs paskambinti Taylorui.

He called Taylor; that took 10 minutes.

Paskambino. Jų pokalbis truko 10 minučių.

I was fired five minutes after that.

Dar po penkių buvau atleistas.

CA: OK.

CA: Aišku. JS: Tačiau tai neišėjo į bloga...

JS: But it wasn't bad.

CA: Tiesa. Juk įsidarbinote Stony Brook universitete.

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

and stepped up your mathematical career.

Ėmėte kilti matematinės karjeros laiptais.

You started working with this man here.

Čia jūsų darbo partneris.

Who is this?

Gal galite apie jį papasakoti?

JS: Oh, [Shiing-Shen] Chern.

JS: [Shiingas-Shenas] Chernas.

Chern was one of the great mathematicians of the century.

Vienas puikiausių šio šimtmečio matematikų.

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

Susipažinome, kai Berklyje mokiausi magistrą.

And I had some ideas,

Pasidalinau savo mintimis su Chernu ir Chernui jos patiko.

and I brought them to him and he liked them.

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

Ekrane aiškiai matote, kuo užsiėmėm.

There it is.

Kaip juodu ant balto.

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

CA: Dviese parašėte žymų mokslinį straipsnį.

Can you explain at all what that work was?

Gal galėtumėte kažkaip paaiškinti, apie ką?

JS: No.

JS: Negalėčiau.

(Laughter)

(Juokas.)

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

JS: Galėčiau paaiškinti vienam kitam žmogui...

(Laughter)

(Juokas.)

CA: How about explaining this?

CA: O gal tuomet paaiškintumėt...

JS: But not many. Not many people.

JS: Tik nedažnas suprastų.

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

CA: Minėjot, jei neklystu, kad rašėte apie sferinius kūnus.

so let's start here.

Gal nuo jų ir pradėkime?

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

JS: Galim, bet prieš tai...

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

Rašiau apie tuos sferinius kūnus, bet pradėkime ne nuo jų.

that work was good mathematics.

Čia buvo puikus matematinis straipsnis.

I was very happy with it; so was Chern.

Juo ir aš, ir Chernas buvome labai patenkinti.

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

Straipsnis net davė pradžią naujai matematikos šakai.

Ji sėkmingai vystoma toliau.

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

Tačiau įdomiausia, kad straipsnis tiko ir fizikai.

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

Fizikai! Apie ją neišmanėm nei aš, nei Chernas.

Aš buvau visiškas pradžiamokslis, o Chernas irgi žinojo ne kažką.

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

And about 10 years after the paper came out,

Praėjo maždaug 10 metų po šio straipsnio

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

ir Edwardas Wittenas iš Prinstono pritaikė šį straipsnį stygų teorijai,

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

Rusijos mokslininkai – kondensuotų medžiagų fizikai.

Today, those things in there called Chern-Simons invariants

Šiandien šie vadinamieji „Cherno ir Simonso invariantai“

have spread through a lot of physics.

dažnai sutinkami fizikoje.

And it was amazing.

Buvo nuostabu.

We didn't know any physics.

Nieko neišmanėm apie fiziką.

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

Nebūčiau pagalvojęs, kad mūsų straipsniu naudosis fizikai.

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

Tačiau taip jau yra su matematika: niekada nežinai, kur ji nuves.

CA: This is so incredible.

CA: Neįtikėtina.

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

Kalbėjom, kaip evoliucija keičia žmonių mąstymą.

that may or may not perceive the truth.

Nežinome, ar esame pajėgūs suvokti tiesą.

Somehow, you come up with a mathematical theory,

Jūs sukūrėte matematinę teoriją,

not knowing any physics,

nieko nežinojote apie fiziką,

discover two decades later that it's being applied

o po dvidešimties metų su jūsų teorija

to profoundly describe the actual physical world.

galima iš pagrindų apibūdinti materialųjį pasaulį.

How can that happen?

Kaip tai įmanoma?

JS: God knows.

JS: Vienas Dievas težino.

(Laughter)

(Juokas.).

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

Tačiau žymus fizikas [Eugene] Wigneris

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

parašė esė apie protu nepaaiškinamą matematikos efektyvumą.

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

Naudojamės matematika kasdieniniame gyvenime.

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

Visi išmoksta skaičiuoti, matuoti...

and then it flourishes on its own.

Tačiau matematikai nereikia realaus pasaulio.

But so often it comes back to save the day.

Tai mums prireikia matematikos pagalbos.

General relativity is an example.

Paimkime bendrąją reliatyvumo teoriją.

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

Einsteinui į rankas pakliuvo Minkowskio geometrija:

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

„Eureka! Ji puikiai tiks mano reliatyvumo teorijai.“

So, you never know. It is a mystery.

Niekada nežinosi.

Sunku paaiškinti.

It is a mystery.

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

CA: Prieš mus ekrane – neįtikėtina matematinė savybė.

Tell us about this.

Apibūdinkite ją.

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

JS: Prieš jus – kamuolys. Tiksliau – sferinis kūnas,

sudalintas į keturkampius.

you know, those squares.

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

Šią savybę pirmasis pastebėjo [Leonhardas] Euleris,

the great mathematician, in the 1700s.

žymusis XVIII-to amžiaus matematikas.

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

Bėgo laikas ir ši savybė darėsi vis svarbesnė matematikoje:

algebraic topology, geometry.

algebrinėje topologijoje, geometrijoje...

That paper up there had its roots in this.

Straipsnis, kurį matėte ekrane, prasidėjo nuo šios savybės.

So, here's this thing:

Šis rutulys turi 8 viršūnes, 12 briaunų, 6 sienas.

it has eight vertices, 12 edges, six faces.

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

Iš viršūnių atėmę briaunas ir pridėję sienas, gausime skaičių 2.

you get two.

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

Na, 2 tai 2. Du – gražus skaičius.

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

Galime sudalinti rutulį ir trikampiais.

this has 12 vertices and 30 edges

Turime 12 viršūnių, 30 briaunų

and 20 faces, 20 tiles.

ir 20 sienų – plokštumų.

And vertices minus edges plus faces still equals two.

Iš viršūnių atėmę briaunas ir prie skirtumo pridėję sienas,

vis tiek gauname skaičių 2.

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

Kuo beapvyniotume šį rutulį, –

cover this thing with all kinds of polygons and triangles

daugiakampiais, trikampiais, trikampiais ir daugiakampiais, –

and mix them up.

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

atėmę iš viršūnių briaunas ir pridėję sienas, gausime skaičių 2.

Here's a different shape.

Štai čia matome kitokį erdvinį kūną.

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

Toras, dar žinomas kaip spurga.

16 viršūnių, 32 briaunos, 16 sienų.

covered by these rectangles, 32 edges, 16 faces.

Vertices minus edges comes out to be zero.

Atėmę ir sudėję ką reikia, gausime nulį – visada.

It'll always come out to zero.

Every time you cover a torus with squares or triangles

Kokiais kvadratais ar trikampiais bedangstytume šį torą, gausime nulį.

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

So, this is called the Euler characteristic.

Čia vadinamoji Oilerio charakteristika.

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

Ji – topologinis invariantas.

It's pretty amazing.

Tiesiog neįtikėtina.

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

Dėliok nedėliojęs – rezultatas vienas ir tas pats.

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

Iš šios charakteristikos, galima sakyti, XVIII-to amžiaus vidury

into a subject which is now called algebraic topology.

atsirado šiandieninė algebrinė topologija.

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

CA: O jūs šią charakteristiką pritaikėte aukštesnių dimensijų teorijai ir kūnams.

into higher-dimensional theory,

higher-dimensional objects, and found new invariances?

Atradote naujus invariantus.

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

JS: Aukštesnių dimensijų invariantai jau buvo atrasti.

Pontryagin classes -- actually, there were Chern classes.

Pontryagino klasės... Tiksliau, Cherno klasės.

There were a bunch of these types of invariants.

Invariantų buvo visokiausių.

I was struggling to work on one of them

Norėjau vienos klasės invariantus suvesti kombinatoriškai.

and model it sort of combinatorially,

instead of the way it was typically done,

Kas paprastai nedaroma.

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

Šitaip gimė šis straipsnis ir atradome naujus invariantus.

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

Tačiau jei ne ponas Euleris,

who wrote almost 70 volumes of mathematics

kuris parašė apie 70 matematikos knygų

and had 13 children,

ir turėjo trylika vaikų, –

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

jis supdavo juos ant kelių rašydamas, –

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

jei ne ponas Euleris, nežinia, ar turėtume šiuos invariantus.

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

CA: Dabar jau žinome šį bei tą apie šį nepaprastą matematiką.

Let's talk about Renaissance.

Pakalbėkime apie „Renaissance“.

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

Remdamasis nepaprastuoju matematiku ir savo kodų laužytojo patirtimi NSA,

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

jūs ėmėte laužyti kodus finansų rinkoje.

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

Tikriausiai nesivadovavot efektyvios rinkos teorija.

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

Kažkaip sugebėjote užtikrinti labai puikią investicijų grąžą 20 metų.

The way it's been explained to me,

Kažkas aiškino, kad stebinote ne vien grąžos dydžiu.

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,

Stebinote aukšta grąža su mažu kintamumu ir rizika.

compared with other hedge funds.

Apribotos rizikos fondams tas nebūdinga. Po šimts, Džimai? Kaip jums pavyko?

So how on earth did you do this, Jim?

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

JS: Visų pirma subūriau nuostabių žmonių komandą.

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

Pasinėriau į prekybą biržoje jau kiek pavargęs nuo matematikos.

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

Buvau netoli keturiasdešimties, pinigais nesiskundžiau.

I started trading and it went very well.

Pradėjau prekiauti ir man puikiai sekėsi.

I made quite a lot of money with pure luck.

Iš pradžių užsidirbau grynai iš atsitiktinumo.

I mean, I think it was pure luck.

Bent jau man taip atrodo.

It certainly wasn't mathematical modeling.

Tikrai nesinaudojau jokiais matematiniais modeliais.

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

Tačiau po kurio laiko mūsų informacijoje ėmiau įžvelgti šiokią tokią struktūrą.

it looks like there's some structure here.

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

Pasisamdžiau keletą matematikų ir kartu ėmėmės kurti modelius.

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

Kaip kadaise Gynybos tyrimų institute.

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

Sukuri algoritmą ir išbandai jį kompiuteriu.

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

Veikia? Neveikia?

CA: Can we take a look at this?

CA: Pasigilinkime.

Because here's a typical graph of some commodity.

Štai čia matome tipišką prekės grafiką.

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

Pažiūrėjęs pasakyčiau, kad kreivė tai kyla, tai leidžiasi.

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

Gal matyti šioks toks bendras augimas.

How on earth could you trade looking at that,

Tačiau vykdyti finansines operacijas, remiantis šia kreive?

and see something that wasn't just random?

Kaip atskirti dėsnius nuo atsitiktinumų?

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

JS: Seniau, kai naudodavomės tokiais grafikais,

commodities or currencies had a tendency to trend.

prekės ir valiuta kisdavo kryptingai.

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

Nebūtinai kaip čia į vieną pusę, o periodais.

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

Gali pabandyti nuspėti ateitį pagal kreivės 20 dienų kitimą.

by the average move in the past 20 days --

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

Jei pasiseks, užsidirbsi.

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

Tiesą sakant, ši sistema kadaise veikė.

not beautifully, but it would work.

Veikė ne visada, bet veikė.

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

Tai uždirbdavai, tai pralošdavai, tai vėl uždirbdavai.

But this is a year's worth of days,

Turėjai tiek dienų, kiek jų metuose, ir per metus šį bei tą užsidirbdavai.

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

It's a very vestigial system.

Ši sistema labai elementari.

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

CA: Tyrinėdavot skirtingus laiko tarpus

and see whether, for example,

ir ieškodavot, ar ateitį leis nuspėti 10 dienų, ar 15 dienų duomenys.

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

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

JS: Žinoma. Ieškodavai, kol rasdavai tinkamiausią variantą.

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

Kintamumo sekimas veikė 7-tuoju dešimtmečiu.

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

Neprastai veikė ir 8-tajame dešimtmetyje.

By the '80s, it wasn't.

Tik ne 9-tajame.

CA: Because everyone could see that.

CA: Dėsningumus ėmė matyti visi.

So, how did you stay ahead of the pack?

Kaip jums pavyko išsiskirti iš minios?

JS: Išlikome priešakyje griebdamiesi naujų būdų.

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

shorter-term approaches to some extent.

Kartais ieškodavom trumpesnio laikotarpio strategijų.

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

Bet dažniausiai prisirinkdavom nežmoniškus kiekius duomenų.

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

Tais laikais rašyti tekdavo ranka.

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

Eidavom į JAV centrinį banką nurašinėti palūkanų normų istorijas.

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

Tais laikais kompiuteriais jų nepasiekdavai.

We got a lot of data.

Turėjom kalnus duomenų ir nepaprastai sumanius darbuotojus.

And very smart people -- that was the key.

Svarbiausi buvo darbuotojai.

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

Nežinojau, kokius žmones samdyti būtent prekybai rinkoje.

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

Buvau nusisamdęs kelis brokerius. Vieni uždirbo, kiti – ne.

I couldn't make a business out of that.

Nemokėjau iš maklerių susukti verslo.

But I did know how to hire scientists,

O kokius mokslininkus samdyti, žinojau.

because I have some taste in that department.

Mokslui turiu šiokią tokią uoslę.

So, that's what we did.

Mokslininkus ir nusisamdžiau.

And gradually these models got better and better,

Mūsų modeliai pamažu gerėjo, vystėsi, tobulėjo.

and better and better.

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

CA: „Renaissance“ sukūrėte šį tą nepaprasto.

which is building this culture, this group of people,

Sukūrėte kultūrą ir subūrėte darbuotojus, kokių pinigais neišsiviliosi.

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

Their motivation was doing exciting mathematics and science.

Jūsų darbuotojams svarbiausi buvo matematika ir mokslas.

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

JS: Taip, ir aš taip galvojau, bet...

But some of it was money.

Vieniems rūpėjo pinigai. CA: Jie užsidirbo kalnus pinigų.

CA: They made a lot of money.

JS: Negaliu sakyti, kad pinigai nerūpėjo nei vienam mano darbuotojui.

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

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

Kaip tik manau, kad daugumą atsiviliojau pinigais.

But they also came because it would be fun.

Pinigais ir įdomiu darbu.

CA: Kokį vaidmenį jūsų darbe atliko sistemų mokymasis?

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

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

JS: Sakyčiau, pagrindinį.

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

Peržvelgęs kalnus duomenų, imi kurti įvairius ateities modelius.

until you get better and better at it.

Juos bekurdamas, mokaisi ir tobulėji.

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

Ne visi mūsų modeliai davė vaisių, bet sistema veikė.

But it worked.

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

CA: Įvairūs ateities modeliai gali būti visiškai nenuspėjami ir chaotiški.

I mean, you looked at everything, right?

Juk remdavotės viskuo?

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

Orų prognozėmis, suknelių ilgiu, politinėmis nuomonėmis...

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

JS: Tik ne suknelių ilgiu.

CA: What sort of things?

CA: Tai kuo gi?

JS: Well, everything.

JS: Na, viskuo.

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

Svarbu yra viskas, tik ne apdarų ilgis.

Weather, annual reports,

Oras, metinės, ketvirtinės ataskaitos, istorija, informacijos kiekiai...

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

Whatever there is.

Tinka viskas, ką gali gauti.

We take in terabytes of data a day.

Per dieną surenkame terabaitus informacijos.

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

Kaupiame ir ruošiame duomenis analizei.

You're looking for anomalies.

Ieškome anomalijų.

You're looking for -- like you said,

Ieškome...

the efficient market hypothesis is not correct.

Juk minėjai, kad efektyvios rinkos teorija yra neteisinga.

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

CA: Tačiau kaip anomaliją atskirti nuo paprasčiausio atsitiktinumo?

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

Reikia ieškoti ne anomalijos, o pasikartojančių anomalijų?

and see when they align?

JS: Any one anomaly might be a random thing;

JS: Įmanoma anomaliją sumaišyti su atsitiktinumu.

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

Tačiau duomenų kiekis parodo, kada anomalija nėra atsitiktinumas.

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

Jeigu anomalija kartojasi, tikriausiai ji – ne atsitiktinumas.

the probability of it being random is not high.

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

Tačiau su laiku anomalijos blėsta. Čia jos yra, o čia jų nėra.

So you have to keep on top of the business.

Turi išlaikyti budrumą.

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

CA: Daugeliui žmonių šiais laikais apribotos rizikos fondai kelia šoką.

and are sort of ... shocked by it,

by how much wealth is created there,

Čia tiek daug pinigų, sutraukta tiek talentingų žmonių.

and how much talent is going into it.

Do you have any worries about that industry,

Ar jūsų negąsdina šie fondai ir finansų industrija bendrai?

and perhaps the financial industry in general?

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

Ar ji nėra kaip nevaldomas traukinys, skatinantis ekonominę nelygybę?

I don't know -- helping increase inequality?

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

Ar turite kokių pagiriamų žodžių apribotos rizikos fondams?

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

JS: Per pastaruosius ketvertą metų šių fondų veikla nevyko labai sklandžiai.

hedge funds have not done especially well.

We've done dandy,

Mums sekėsi, bet pati fondų industrija nerodė stebuklingų rezultatų.

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,

Kaip žinom, akcijų rinkos augo ir klestėjo, kainos ir pajamų santykis kilo.

and price-earnings ratios have grown.

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

Tačiau pastarųjų metų turtai neatkeliavo dėka apribotos rizikos fondų.

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

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

Žmonės dažnai klausia manęs, kas yra apribotos rizikos fondas.

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

Atsakau: „Vienas ir dvidešimt“. Šiandien, tiesa, „Du ir dvidešimt“.

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

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

2 % – nekintantis mokestis nuo turto ir 20 % nuo uždirbtos investicinės grąžos.

Hedge funds are all different kinds of creatures.

Priklauso nuo fondo.

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

CA: Girdėjau, kad taikote aukštesnius tarifus.

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

JS: Kadaise taikėme aukščiausius tarifus pasaulyje.

Five and 44, that's what we charge.

Prašome 5 ir 44.

CA: Five and 44.

CA: 5 ir 44.

5 % – nekintantis mokestis nuo turto ir 44 % nuo uždirbtos investicinės grąžos.

So five percent flat, 44 percent of upside.

You still made your investors spectacular amounts of money.

Ir vis tiek jūsų investitoriai stebuklingai praturtėjo.

JS: We made good returns, yes.

JS: Tas tiesa.

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

Investitoriai putodavo: „Jūs – plėšikai!“

I said, "OK, you can withdraw."

„Tai eikit kitur,“ – sakydavau.

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

Jie neidavo, nes norėdavo užsidirbti kuo daugiau...

(Laughter)

(Juokas.).

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

Tačiau su laiku mums teko supirkti visas investuotojų akcijas.

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

Fondo dydis yra ribotas.

CA: But should we worry about the hedge fund industry

CA: Ar nebaisu, kad apribotos rizikos fondai

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

prisivilioja tuntus puikiausių pasaulio matematikų, kitų ekspertų?

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

Juk šie žmonės galėtų spręsti daug svarbesnes pasaulio problemas.

JS: Well, it's not just mathematical.

JS: Kalbame ne vien apie matematikus. Taip pat samdome astronomus ir fizikus.

We hire astronomers and physicists and things like that.

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

Nemanau, kad vertėtų pergyventi.

It's still a pretty small industry.

Ši industrija dar labai maža.

And in fact, bringing science into the investing world

Tiesą sakant, mokslininkams ėmus dirbti finansų rinkoje, pasaulis tik pagerėjo.

has improved that world.

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

Sumažėjo rinkos kintamumas, išaugo likvidumas.

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

Skirtumai irgi mažėja, nes investoriai jais ėmė prekiauti.

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

Nesuksiu sau galvos, jei Einšteinai ims atidarinėti rizikos fondus.

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

CA: Neseniai ėmėtės investuoti į kitą pasiūlos grandį.

at the other end of the supply chain --

you're actually boosting mathematics across America.

Jūsų dėka Amerikoje suklestėjo matematikos mokslas.

This is your wife, Marilyn.

Čia jūsų žmona Marilyn – dviese užsiimate filantropija.

You're working on philanthropic issues together.

Tell me about that.

Papasakokite plačiau apie šią veiklą.

JS: Well, Marilyn started --

JS: Viską pradėjo Marilyn.

there she is up there, my beautiful wife --

Štai ir ji – mano gražuolė žmona.

she started the foundation about 20 years ago.

Ji įkūrė labdaros fondą prieš maždaug 20 metų, 1994-aisiais.

I think '94.

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

Mano galva, buvo 1993-ieji, o Marilyn nuomone – 1994-ieji.

but it was one of those two years.

Tad buvo 1993-1994.

(Laughter)

(Juokas.).

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

Įkūrėme fondą, kad būtų lengviau aukoti labdarai.

She kept the books, and so on.

Buhalterija užsiėmė mano žmona.

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

Iš pradžių nežinojome, ką remsime, bet ilgainiui apsisprendėme.

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

Apsisprendėme remti matematiką, mokslą, mokslinius tyrimus.

And that's what we've done.

Juos ir rėmėme.

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

Prieš maždaug šešerius metus iškeičiau „Renaissance“ į darbą labdaros fonde.

So that's what we do.

CA: And so Math for America is basically investing

„Math for America“...

Investuojate į Amerikos matematikos mokytojus.

in math teachers around the country,

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

Remiate juos pinigais, organizuojate profesinius kursus.

And really trying to make that more effective

Siekiate produktyvumo, norite mokytojus įkvėpti darbui.

and make that a calling to which teachers can aspire.

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

JS: Teisingai. Netikusių mokytojų nemušame.

which has created morale problems all through the educational community,

Mušimas tik pridarė žalos motyvacijai švietimo sistemai.

in particular in math and science,

Ypač matematikai ir tiksliesiems mokslams.

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

Mes skatiname pažangius mokytojus, išvedame juos į dienos šviesą.

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

Remiame juos ir pinigais – 15 000 dolerių per metus.

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

Mūsų branduolį sudaro 800 matematikos ir tiksliųjų mokslų mokytojų

Niujorko valstybinėse mokyklose.

as part of a core.

There's a great morale among them.

Jie džiaugiasi tuo, ką daro, toliau dirba mokytojais.

They're staying in the field.

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

Už metų šių mokytojų bus jau 1000 – 10 % visų Niujorko valstybinių mokyklų.

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

(Applause)

(Plojimai.)

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

CA: Džimai, o kaip jūsų parama tyrimams apie gyvybės atsiradimą?

Research into origins of life, I guess.

What are we looking at here?

Ką matome ekrane?

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

JS: Neskubėkime. Ateis laikas ir pasakysiu.

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

Origins of life is a fascinating question.

Kaip atsirado gyvybė yra labai įdomus klausimas.

How did we get here?

Tiesą pasakius, klausimų yra du, o ne vienas.

Well, there are two questions:

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

Kaip geologija nuvedė mus iki biologijos? Tai yra, kaip atsiradome?

how did we get here?

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

Paskui, iš ko išaugome? Jei iš medžiagos, tai kokios?

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

Those are two very, very interesting questions.

Šie du klausimai yra nepaprastai įdomūs.

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

Kaip vystėsi vingiuotoji kelionė nuo geologijos iki RNR?

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

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

Ir kokių medžiagų turėjome po ranka? Turėjome jų daugiau, nei atrodo.

Well, more than we think.

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

Štai čia matome besiformuojančią žvaigždę.

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

Kiekvienais metais Paukščių Take su 100 milijardų žvaigždžių

about two new stars are created.

gimsta po dvi naujas žvaigždes.

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

Nežinau kaip – gimsta ir tiek.

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

Ir tik po milijono metų jos pilnai susiformuoja.

So, in steady state,

Taigi, turime apie du milijonus nuolat besivystančių žvaigdžių.

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

That one is somewhere along this settling-down period.

Ši žvaigždė jau beveik baigia formavimąsi.

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

Aplink ją sukasi begalė šiukšlių – kosmoso dulkės, tas ir anas.

dust and stuff.

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

Iš šios žvaigždės gal išaugs nauja saulės sistema...

But here's the thing --

Bet ne tai svarbiausia.

in this dust that surrounds a forming star

Šios besivystančios žvaigždės dulkėse aptikta svarbių organinių molekulių.

have been found, now, significant organic molecules.

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

Ne vien metano, bet ir metanalio bei cianido.

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

Šias molekules galime vadinti gyvybės pamatais, jos sėklomis.

So, that may be typical.

Galbūt čia nėra nieko nepaprasta.

And it may be typical that planets around the universe

Galbūt visose visatos planetose pradžioje būna šių molekulių.

start off with some of these basic building blocks.

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

Ar tai reiškia, kad bus ir gyvybė? Gal.

Maybe.

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

Tačiau nežinia, kokia vingiuota bus ši kelionė

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

nuo pabirų sėklyčių iki pačios gyvybės.

And most of those seeds will fall on fallow planets.

Dauguma šių sėklų nusės ant nederlingų planetų.

CA: So for you, personally,

CA: Vadinasi, norėtumėte rasti atsakymą į pradžios klausimą.

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.

Norėtumėte sužinoti, kaip viskas vyko.

JS: Would love to see.

JS: Labai norėčiau.

And like to know --

Dar norėčiau sužinoti, ar ši kelionė tokia vingiuota ir tokia nepaprasta,

if that path is tortuous enough, and so improbable,

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

kad kokia bebūtų jos pradžia, be mūsų visatoje daugiau nieko nėra.

But on the other hand,

Nors aplink mus tiek organinių dulkių, kad tikriausiai nesame visatoje vieni.

given all this organic dust that's floating around,

we could have lots of friends out there.

It'd be great to know.

Būtų puiku žinoti.

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

CA: Džimai, prieš porą metų turėjau progą pasikalbėti su Elonu Musku.

and I asked him the secret of his success,

Paklausiau, koks jo sėkmės receptas.

and he said taking physics seriously was it.

Jis atsakė, kad žiūrėjo į fiziką rimtai.

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

Manau, jūsų požiūriai sutampa.

Jūs visą gyvenimą žiūrėjote į matematiką rimtai.

that has infused your whole life.

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

Iš matematikos susikrovėte turtus ir dabar galite investuoti

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

į tūkstančių vaikų ateitis Amerikoje ir už Amerikos ribų.

Could it be that science actually works?

Vadinasi, mokslas veda į tiesą?

That math actually works?

Matematika veikia?

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

JS: Be abejonės. Matematika tikrai veikia.

But this has been fun.

Tačiau man patiko ir darbas su Marilyn.

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

Patiko labdara.

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

CA: Ši mintis mane labai įkvepia...

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

Žiūrėk į žinias rimtai ir jos atsipirks.

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

Ačiū jums už šį pokalbį ir jūsų nepaprastą gyvenimą.

Thank you.

Jim Simons!

Jimas Simonsas!

(Applause)

(Plojimai.)