The mathematician who cracked Wall Street | Jim Simons

Translator: Kelwalin Dhanasarnsombut Reviewer: Rawee Ma

Chris Anderson: You were something of a mathematical phenom.

คริส แอนเดอร์สัน: คุณเป็นปรากฏการณ์มหัศจรรย์ ทางคณิตศาสตร์ก็ว่าได้

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

คุณได้สอนที่ฮาร์วาด และ เอ็มไอที ตอนอายุน้อย

And then the NSA came calling.

และจากนั้น เอนเอสเอ ก็เรียกตัว

What was that about?

มันเป็นอย่างไรบ้างครับ

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

จิม ไซม่อนส์: เออ เอ็นเอสเอ -- นั่นคือ หน่วยความมั่นคงแห่งชาติ--

they didn't exactly come calling.

พวกเขาไม่ได้เรียกมาจริงๆ หรอกครับ

They had an operation at Princeton, where they hired mathematicians

พวกเขามีปฏิบัติการที่พรินส์ตัน ที่ซึ่งพวกเขาจ้างนักคณิตศาสตร์

to attack secret codes and stuff like that.

ให้โจมตีรหัสลับ และอะไรแบบนั้น

And I knew that existed.

และผมรู้ว่ามันมีอยู่จริง

And they had a very good policy,

และพวกเขาก็มีนโยบายที่ดีมากๆ

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

เพราะคุณสามารถทำงานครึ่งเวลา กับคณิตศาสตร์ของคุณ

and at least half your time working on their stuff.

และทำงานให้พวกเขาอย่างน้อนครึ่งเวลา

And they paid a lot.

และพวกเขาก็จ่ายให้เยอะด้วย

So that was an irresistible pull.

ฉะนั้น นั่นเป็นการดึงตัวที่ยากที่จะยั้งได้

So, I went there.

ผมก็เลยไปที่นั่น

CA: You were a code-cracker.

คริส: คุณเคยเป็นคนถอดรหัส

JS: I was.

จิม: เคยครับ

CA: Until you got fired.

คริส: จนกระทั่งคุณโดนไล่ออก

JS: Well, I did get fired. Yes.

จิม: อืม ผมถูกไล่ออก ใช่ครับ

CA: How come?

คริส: เป็นไงมาไงครับ

JS: Well, how come?

จิม: อืม ยังไงน่ะหรอ

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

ผมถูกไล่ออก เพราะว่า อืม ตอนนั้นเกิดสงครามเวียดนาม

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

และหัวหน้าของหัวหน้าทั้งหลายในองค์กรผม เป็นแฟนพันธ์ุแท้สงคราม

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

และเขียนบทความในนิตยสารนิวยอร์คไทมส์ ในหัวเรื่องจากปก

about how we would win in Vietnam.

เกี่ยวกับว่าเราจะชนะสงครามเวียดนามได้อย่างไร

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

และผมไม่ชอบสงคราม ผมคิดว่ามันโง่เง่า

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

ผมเลยเขียนจดหมายไปยังไทมส์ ซึ่งพวกเขาก็ตีพิมพ์

saying not everyone who works for Maxwell Taylor,

ว่าไม่ใช่ทุกคนหรอกที่ทำงานให้กับ แม็กซ์เวล เทเลอร์

if anyone remembers that name, agrees with his views.

ถ้าใครสักคนจะจำชื่อนั้นได้ เห็นด้วยกับแนวคิดของเขา

And I gave my own views ...

และผมก็ให้เหตุผลของผม ...

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

คริส: โอ้ โอเค ผมเห็นได้ว่านั่นอาจจะ --

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

จิม: ... ซึ่งมันต่างจากความคิดของ นายพลเทเลอร์

But in the end, nobody said anything.

แต่สุดท้ายแล้ว ไม่มีใครยอมพูดอะไร

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

แต่หลังจากนั้น ผมอายุ 29 ในตอนนั้น และก็มีเด็กหนุ่มคนหนึ่งมาหาผม

and said he was a stringer from Newsweek magazine

และพูดว่า เขาเป็นนักข่าว จากนิตยสารนิวส์วีค

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

และเขาอยากจะสัมภาษณ์ผม และถามว่าผมทำอย่างไรกับความคิดของผม

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

และผมบอกเขาไปว่า "ส่วนใหญ่ผมกำลัง ทำงานด้านคณิตศาสตร์ตอนนี้

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

และเมื่อสงครามจบ จากนั้นผมจะทำงานส่วนใหญ่ให้พวกเขา"

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

จากนั้น ผมทำแต่เรื่องต้องใช้สมอง ที่ผมควรจะทำในตอนนั้น --

I told my local boss that I gave that interview.

ผมบอกเจ้านายที่ผมอยู่ในสังกัด ว่าผมให้สัมภาษณ์

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

เขาถามว่า "คุณพูดว่าอะไร"

And I told him what I said.

ผมก็บอกเขาไปว่าผมพูดอะไร

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

จากนั้น เขาบอกว่า "ผมต้องโทรหาเทเลอร์"

He called Taylor; that took 10 minutes.

เขาโทรหาเทเลอร์ ใช้เวลา 10 นาที

I was fired five minutes after that.

ผมถูกไล่ออกห้านาทีหลังจากนั้น

CA: OK.

คริส: โอเค

JS: But it wasn't bad.

จิม: แต่มันก็ไม่เลว

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

คริส: ก็ไม่เลวเลย เพราะว่าคุณได้ไปที่สโตนี่ บรู๊ค

and stepped up your mathematical career.

และรับงานเป็นนักคณิตศาสตร์

You started working with this man here.

คุณเริ่มทำงานกับผู้ชายคนนี้

Who is this?

เขาเป็นใครครับ

JS: Oh, [Shiing-Shen] Chern.

จิม: โอ้ [ชิยิง-เชน] เฉิน

Chern was one of the great mathematicians of the century.

เฉินเป็นนักคณิตศาสตร์ที่เจ๋งที่สุดในศตวรรษนี้

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

และผมรู้จักเขา ตอนผมเป็นนักเรียนระดับปริญญาที่เบิร์กลีย์

And I had some ideas,

และผมก็มีความคิดบางอย่าง

and I brought them to him and he liked them.

และไปนำไปเสนอเขา และเขาก็ชอบพวกมัน

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

เราทำงานนี้ด้วยกัน ซึ่งคุณคงเห็นได้

There it is.

นั่นแหละครับ

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

คริส: มันนำคุณไปสู่การตีพิมพ์ ผลงานชื่อดังร่วมกัน

Can you explain at all what that work was?

คุณอธิบายให้เราเข้าใจได้ไหมครับ ว่ามันเป็นงานเกี่ยวกับอะไร

JS: No.

จิม: ไม่ได้ครับ

(Laughter)

(เสียงหัวเราะ)

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

จิม: ผมหมายถึง ผมคงอธิบายให้บางคนเข้าใจได้

(Laughter)

(เสียงหัวเราะ)

CA: How about explaining this?

คริส: แล้วถ้าอธิบายอันนี้ล่ะครับ

JS: But not many. Not many people.

จิม: คงได้กับไม่กี่คนหรอกครับ ไม่มากหรอก

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

คริส: ผมคิดว่าคุณบอกผมว่า มันมีอะไรเกี่ยวกับทรงกลม

so let's start here.

ลองเริ่มจากตรงนั้นไหมครับ

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

จิม: ครับ มันเกี่ยวครับ แต่ผมขอพูดเกี่ยวกับงานนั้น --

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

มันเกี่ยวข้องกันนะครับ แต่ก่อนที่ผมจะพูดถึงเรื่องนั้น --

that work was good mathematics.

งานนั้นมันเป็นคณิตศาสตร์ชั้นดี

I was very happy with it; so was Chern.

ผมรู้สึกชอบมันมาก เฉินก็เช่นกัน

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

มันเป็นจุดเริ่มต้นของสาขาย่อยเล็กๆ ที่ตอนนี้กำลังเติบโต

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

แต่ที่น่าสนใจยิ่งกว่านั้น มันสามารถนำไปใช้กับฟิสิกส์ได้

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

ซึ่งเป็นสิ่งที่เราไม่รู้จักมันเลย -- อย่างน้อยผมก็ไม่รู้อะไรเกี่ยวกับฟิสิกส์

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

และผมไม่คิดว่าเฉินก็ไม่ได้รู้มาก

And about 10 years after the paper came out,

และประมาณ 10 ปีหลังจากงานตีพิมพ์ออกมา

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

ชายที่ชื่อว่า เอ็ด วิทเทน ในพรินสตัน เริ่มที่จะใช้มันกับทฤษฎีสตริง

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

และคนในรัสเซียก็เริ่มจะใช้มัน กับสิ่งที่เรียกว่า "สสารควบแน่น"

Today, those things in there called Chern-Simons invariants

ทุกวันนี้ สิ่งเหล่านั้นที่ถูกเรียกว่า ค่าคงที่ เฉิน-ไซมอนส์

have spread through a lot of physics.

ได้กระจายออกมาทั่วทั้งวงการฟิสิกส์

And it was amazing.

และมันก็น่าทึ่ง

We didn't know any physics.

เราไม่รู้เรื่องอะไรเลยเกี่ยวกับฟิสิกส์

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

มันไม่เคยเกิดขึ้นกับผม ที่จะรู้สึกว่ามันน่าจะใช้กับฟิสิกส์ได้

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

แต่นั่นแหละคณิตศาสตร์ -- คุณไม่อาจรู้ได้ว่าจะเกิดอะไรขึ้น

CA: This is so incredible.

คริส: มันเหลือเชื่อมากเลยครับ

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

ฉะนั้น เรากำลังพูดถึงเรื่องการวิวัฒนาการ ของความคิดมนุษย์

that may or may not perceive the truth.

ที่อาจ หรืออาจจะไม่สัมผัสกับความจริง

Somehow, you come up with a mathematical theory,

อย่างไรก็ดี คุณคิดทฤษฎีทางคณิตศาสตร์ได้

not knowing any physics,

โดยไม่รู้เรื่องฟิสิกส์

discover two decades later that it's being applied

แล้วค้นพบในอีกสองทศวรรษต่อมา ว่ามันถูกนำไปปรับใช้ได้

to profoundly describe the actual physical world.

เพื่ออธิบายโลกทางฟิสิกส์อย่างลึกซึ้ง

How can that happen?

มันเกิดขึ้นได้อย่างไรครับ

JS: God knows.

จิม: พระเจ้าคงทราบครับ

(Laughter)

(เสียงหัวเราะ)

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

แต่มีนักฟิสิกส์ชื่อดังชื่อว่า [ยูจีน] วิกเนอร์

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

และเขาเขียนบทความเกี่ยวกับ ประสิทธิภาพที่ไม่สมเหตุสมผลของคณิตศาสตร์

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

อย่างไรก็ดี คณิตศาสตร์นี้ ซึ่งหยั่งรากในโลกแห่งความจริง

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

ในบางแง่มุม -- เราเรียนรู้ที่จะนับ จะวัด ทุกๆ คนก็ทำกัน --

and then it flourishes on its own.

และจากนั้นมันก็เติบโตด้วยตัวของมัน

But so often it comes back to save the day.

แต่บ่อยครั้ง มันก็ย้อนกลับมาเพื่อกู้วิกฤติ

General relativity is an example.

ทฤษฎีสัมพันธภาพทั่วไปเป็นตัวอย่างหนึ่ง

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

[เฮอร์มัน] มินคอฟฟสกี มีเรขาคณิตนี้ และไอสไตน์ก็ตระหนักว่า

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

"เฮ้ย นี่มันใช่เลย ที่ฉันจะใช้คำนวณสัมพันธภาพทั่วไป"

So, you never know. It is a mystery.

ฉะนั้น คุณไม่อาจรู้เลย มันเป็นปริศนา

It is a mystery.

มันคือปริศนา

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

คริส: งั้น นี่คืองานทางคณิตศาสตร์แห่งความคงที่

Tell us about this.

เล่าให้เราฟังหน่อยครับ

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

จิม: ครับ นั่นกระดิ่ง -- มันเป็นทรงกลม และมันก็มีโครงระแนงรอบๆ --

you know, those squares.

พวกตารางเหล่านั้น

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

ที่ผมกำลังจะแสดงให้เห็นตอนนี้ ถูกสำรวจไว้แต่แรกโดย [เลโอนาร์ด] ยูเลอร์

the great mathematician, in the 1700s.

นักคณิตศาสตร์ผู้ยิ่งใหญ่ ในยุค 1700

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

และมันก็ค่อยๆ เติบโต เป็นสาขาในวิชาคณิตศาสตร์ที่สำคัญมากๆ

algebraic topology, geometry.

โทโพโลยีเชิงพีชคณิต, เรขาคณิต

That paper up there had its roots in this.

เอกสารตรงนั้นมีที่มาจากสิ่งนี้

So, here's this thing:

ฉะนั้น มันเป็นอย่างนี้ครับ

it has eight vertices, 12 edges, six faces.

มันมีแปดจุดยอด 12 ขอบ, หกหน้า

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

และถ้าคุณมองมันแบบต่าง -- จุดยอดหักออกด้วยขอบบวกด้วยหน้า --

you get two.

คุณจะได้สอง

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

โอเค ดี สอง นั่นเป็นเลขที่ดี

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

นี่คือวิธีการที่แตกต่างในการทำ -- นี่คือส่วนที่เป็นสามเหลี่ยมที่คลุมอยู่

this has 12 vertices and 30 edges

ที่มี 12 จุดยอด และ 30 มุม

and 20 faces, 20 tiles.

และ 20 หน้า, 20 ช่อง

And vertices minus edges plus faces still equals two.

จุดยอดหักออกด้วยขอบบวกด้วยหน้า ก็ยังคงเท่ากับสอง

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

อันที่จริง คุณสามารถทำแบบนี้ แบบไหนก็ได้ --

cover this thing with all kinds of polygons and triangles

คลุมสิ่งนี้ด้วยโพลีกอนและสามเหลี่ยม แบบใดๆ ก็ตาม

and mix them up.

และผสมมันเข้าด้วยกัน

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

และคุณเอาจุดยอดลบด้วยขอบ บวกด้วยหน้า -- คุณจะได้สอง

Here's a different shape.

นี่คือรูปที่ต่างกัน

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

นี่คือทรงห่วงยาง หรือพื้นผิวของโดนัท 16 จุดยอด

covered by these rectangles, 32 edges, 16 faces.

ถูกปกคลุมโดยสี่เหลี่ยมผืนผ้าเหล่านี้ 32 มุม 16 หน้า

Vertices minus edges comes out to be zero.

จุดยอดหักออกด้วยขอบได้คำตอบเป็นศูนย์

It'll always come out to zero.

มันออกมาเป็นศูนย์เสมอ

Every time you cover a torus with squares or triangles

ทุกครั้งทีคุณปกคลุมทรงห่วงยาง ด้วยสี่เหลี่ยมหรือสามเหลี่ยม

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

หรืออะไรแนวนั้น คุณจะได้ศูนย์

So, this is called the Euler characteristic.

ฉะนั้นมันจึงถูกเรียกว่า ลักษณะ ยูเลอร์

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

และมันเป็นสิ่งที่ถูกเรียกว่า ค่าคงที่โทโพโลจี

It's pretty amazing.

มันน่าอัศจรรย์ไม่น้อย

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

ไม่ว่าคุณจะทำอย่างไรกับมัน คุณจะได้ตำคอบเดิมเสมอ

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

ฉะนั้น นั่นเป็นแหล่งแรกของผลักดัน จากกลางยุค 1700

into a subject which is now called algebraic topology.

เข้าไปในเรื่องซึ่งตอนนี้เรียกว่า โทโพโลจีเชิงเรขาคณิต

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

คริส: และงานของคุณใช้แนวคิดแบบนี้ และขับเคลื่อนมัน

into higher-dimensional theory,

เข้าไปยังทฤษฎีที่มีมิติมากกว่านั้น

higher-dimensional objects, and found new invariances?

วัสดุที่มีมิติมาก และค้นพบค่าคงที่ใหม่

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

จิม: ครับ มันมีค่าคงที่มิติมากอยู่แล้ว

Pontryagin classes -- actually, there were Chern classes.

คลาส พอนทริอจิน (Pontryagin) -- อันที่จริงมันมีคลาส เฉิน

There were a bunch of these types of invariants.

มันมีสาขาของชนิดค่าคงที่เหล่านี้

I was struggling to work on one of them

ผมพยายามที่จะทำงานกับหนึ่งในนั้น

and model it sort of combinatorially,

และการจำลองมันค่อนข้างจะเกี่ยวกับการจัดการ

instead of the way it was typically done,

แทนที่จะเป็นในวิธีแบบที่เราทำกันทั่วไป

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

และนั่นก็นำไปสู่งานนี้ และเราก็ได้เปิดเผยสิ่งใหม่บางอย่าง

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

แต่ ถ้าไม่ใช่เป็นเพราะ คุณ ยูเลอร์ --

who wrote almost 70 volumes of mathematics

ผู้เขียนงานทางคณิตศาสตร์ไว้ถึง 70 ฉบับ

and had 13 children,

และมีลูกๆ 13 คน

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

ที่คงนั่งโยกขึ้นลงบนตักของเขา ขณะที่เขาเขียนสิ่งเหล่านี้ --

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

ถ้ามันไม่ใช่เพราะคุณ ยูเลอร์ มันก็คงจะไม่มีค่าคงที่พวกนี้

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

คริส: ครับ ฉะนั้น อย่างน้อย นั่นก็ทำให้เราได้ผู้ที่มีความคิดเป็นเลิศ

Let's talk about Renaissance.

มาพูดถึงการฟื้นฟูใหม่กันดีกว่า

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

เพราะว่าคุณเอาคิดที่เป็นเลิศ และเคยเป็นคนถอดรหัสที่เอ็นเอสเอ

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

คุณเริ่มที่จะกลายเป็นคนถอดรหัส ในอุตสาหกรรมการเงิน

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

ผมคิดว่าคุณอาจไม่เชื่อ ทฤษฎีที่มีประสิทธิภาพทางการตลาด

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

อย่างไรก็ดี คุณพบหนทางที่จะสร้างเงินได้ ที่น่าทึ่งในรอบสองทศวรรษ

The way it's been explained to me,

ผมได้รับทราบมาว่า

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

สิ่งน่าทึ่งที่คุณได้ทำ ไม่ใช่เพียงแค่ ขนาดของผลตอบแทนทางการเงิน

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

แต่เป็นการที่คุณได้พวกมันมา ด้วยความไม่แน่นอนและความเสี่ยงที่น้อยเหลือเชื่อ

compared with other hedge funds.

เมื่อเทียบกับ อุตสาหกรรมกองทุนบริหารความเสี่ยงอื่นๆ

So how on earth did you do this, Jim?

คุณทำอย่างนั้นได้อย่างไรครับ

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

จิม: ผมทำมันโดยการรวมเข้ากลุ่มคนที่ยอดเยี่ยม

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

และผมก็เริ่มทำการค้า ผมเริ่มเบื่อคณิตศาสตร์นิดหน่อย

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

ผมอยู่ในวัย 30 ปลายๆ มีเงินไม่มาก

I started trading and it went very well.

ผมเริ่มทำการค้า และมันก็ไปได้สวยมาก

I made quite a lot of money with pure luck.

ผมทำเงินได้ค่อนข้างมากเพราะโชคช่วย

I mean, I think it was pure luck.

คือผมหมายถึง ผมคิดว่ามันมาจากโชคล้วนๆ

It certainly wasn't mathematical modeling.

มันไม่ใช่เพราะแบบจำลองทางคณิตศาสตร์

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

แต่เมื่อมองดูข้อมูลสักพัก ผมก็รู้ว่า

it looks like there's some structure here.

มันดูเหมือนมีโครงสร้างบางอย่างตรงนั้น

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

และผมก็จ้างนักคณิตศาสตร์จำนวนหนึ่ง และเริ่มสร้างแบบจำลอง --

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

เป็นอะไรบางอย่างที่เราทำ ตอนอยู่ที่ ไอดีเอ [สถาบันวิเคราะห์ความมั่นคง]

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

คุณออกแบบอัลกอริธึม คุณทดสอบมันในคอมพิวเตอร์

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

มันได้ผมไหม หรือมันไม่ได้ผล อะไรแบบนั้น

CA: Can we take a look at this?

คริส: ขอผมดูได้ไหมครับ

Because here's a typical graph of some commodity.

เพราะว่านี่เป็นกราฟทั่วๆ ไปของโภคภัณฑ์

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

ผมมองดูแล้วผมก็บอกว่า "นั่นมันก็แค่ขึ้นๆ ลงๆ แบบสุ่ม --

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

บางทีแนวโน้มขึ้นนิดหน่อย ตลอดช่วงเวลา"

How on earth could you trade looking at that,

เป็นไปได้อย่างไรที่คุณมองที่สิ่งนั้น

and see something that wasn't just random?

และเห็นอะไรบางอย่างที่ไม่ได้เป็นแค่อะไรอย่างสุ่ม

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

จิม: ในอดีต -- มันคือ กราฟในแบบเก่าๆ

commodities or currencies had a tendency to trend.

โภคภัณฑ์ หรือการแลกเปลี่ยนค่าเงิน มีแนวโน้มทิศทาง

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

ไม่จำเป็นว่าต้องเป็นแนวโน้มที่อ่อนมาก ที่คุณเห็นตรงนี้ แต่อาจเป็นแนวโน้มในช่วง

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

และถ้าคุณคิด โอเค ผมกำลังจะคาดเดาวันนี้

by the average move in the past 20 days --

โดยความเคลื่อนไหวเฉลี่ยใน 20 วันที่ผ่านมา --

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

บางที นั่นอาจเป็นการคาดเดาที่ดี

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

และอันที่จริง หลายปีก่อน ระบบที่ว่านี้น่าจะได้ผล --

not beautifully, but it would work.

ไม่ค่อยดีนัก แต่น่าจะได้ผล

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

คุณอาจทำเงิน คุณอาจเสียเงิน คุณอาจได้เงิน

But this is a year's worth of days,

แต่มันมีค่าเทียบเท่ากับทั้งปี

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

และคุณอาจทำเงินได้นิดหน่อยระหว่างช่วงนั้น

It's a very vestigial system.

มันเป็นระบบที่เก่ามาก

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

คริส: ฉะนั้น คุณอาจะทดสอบหลายๆ แนวโน้ม

and see whether, for example,

และดูว่า ยกตัวอย่างเช่น

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

แนวโน้ม 10 วัน หรือ 15 วัน ใช้คาดเดาสิ่งที่เกิดขึ้นต่อไปได้หรือไม่

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

จิม: แน่นอน คุณอาจลองทุกสิ่งทุกอย่างเหล่านั้น และดูว่าอะไรที่ใช้การได้ดีที่สุด

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

สิ่งที่เป็นไปตามแนวโน้มอาจดีในยุค 60

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

และมันก็แบบว่าใช้ได้ในยุค 70

By the '80s, it wasn't.

แต่พอถึงยุค 80 มันก็ไม่ได้เรื่อง

CA: Because everyone could see that.

คริส: เพราะว่าใครๆ ก็คงเห็นมัน

So, how did you stay ahead of the pack?

แล้ว คุณนำหน้าคนอื่นๆ ได้อย่างไรครับ

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

จิม: พวกเราล้ำหน้าคนอื่นๆ โดยหาวิธีอื่น --

shorter-term approaches to some extent.

วิธีระยะสั้นกว่า ในบางแง่มุม

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

จริงๆ ก็คือการรวบรวม เอาข้อมูลปริมาณมาก

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

และเราต้องจัดการมันด้วยมือในอดีต

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

พวกเราไปยังแหล่งสำรองกลาง และคัดลอก ค่าการแลกเปลี่ยนที่น่าสนใจในประวัติศาสตร์

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

และอะไรพวกนั้น เพราะว่ามันไม่ปรากฏในคอมพิวเตอร์

We got a lot of data.

พวกเราได้ข้อมูลมากมาย

And very smart people -- that was the key.

และคนที่ฉลาดมากๆ -- นั่นคือกุญแจสำคัญ

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

ผมไม่รู้จริงๆ ว่าจะจ้างคนมาทำการค้าพื้นฐาน ได้อย่างไร

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

ผมเคยจ้างมาบ้าง -- บางคนก็ทำเงิน บางคนก็ไม่ทำเงิน

I couldn't make a business out of that.

ผมไม่ได้สร้างธุรกิจจากสิ่งนั้น

But I did know how to hire scientists,

แต่ผมรู้ว่าจะจ้างนักวิทยาศาสตร์ได้อย่างไร

because I have some taste in that department.

เพราะว่า ผมมีประสบการณ์ในภาคส่วนนั้น

So, that's what we did.

ฉะนั้น นั่นคือสิ่งที่เราทำ

And gradually these models got better and better,

และแบบจำลองเหล่านี้ก็ดีขึ้น และดีขึ้น อย่างช้าๆ

and better and better.

และดียิ่งๆ ขึ้น

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

คริส: คุณได้รับการกล่าวอ้างว่า ได้ทำสิ่งที่สำคัญในยุคการฟื้นฟู

which is building this culture, this group of people,

ซึ่งคือการสร้างวัฒนธรรมนี้ สร้างคนกลุ่มนี้

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

ผู้ซึ่งไม่ได้เป็นแค่มือปืนรับจ้าง ที่ใช้เงินหลอกล่อให้ทำงานได้

Their motivation was doing exciting mathematics and science.

ความมุ่งมั่นของพวกเขา คือการได้ทำงานกับคณิตศาสตร์และวิทยาศาสตร์

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

จิม: เราหวังว่ามันควรจะจริง

But some of it was money.

แต่บางส่วนของมันก็คือเงิน

CA: They made a lot of money.

คริส: พวกเขาจะทำเงินมาก

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

จิม: ผมไม่อาจบอกได้ว่า ไม่มีใครมาที่นี่ เพราะว่าเงิน

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

ผมคิดว่าหลายๆ คนมาก็เพราะเงิน

But they also came because it would be fun.

แต่พวกเขายังมา เพราะว่ามันน่าจะสนุก

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

คริส: การเรียนรู้ของเครื่องคอมพิวเตอร์ มีบทบาทในเรื่องนี้อย่างไรครับ

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

จิม: ในบางแง่มุม สิ่งที่เราทำคือการเรียนรู้ของเครื่องคอมพิวเตอร์

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

คุณมองที่ข้อมูลมากมาย และพยายามกระตุ้น รูปแบบที่คาดเดาได้ต่างๆ

until you get better and better at it.

จนกระทั่งคุณทำได้ดีขึ้น และดีขึ้น

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

มันไม่จำเป็นที่มันจะต้องสนองตอบต่อตัวเอง ในแบบที่เราทำ

But it worked.

แต่มันก็ได้ผล

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

คริส: รูปแบบที่คาดเดาได้ต่างๆ เหล่านี้ อาจแปลกประหลาด และเหนือการคาดเดา

I mean, you looked at everything, right?

ผมหมายถึง คุณดูที่ทุกอย่าง ใช่ไหมครับ

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

คุณดูสภาพดินฟ้าอากาศ ความยาวของกระโปรง ความคิดเห็นทางการเมือง

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

จิม: ครับ ความยาวของกระโปรง เราไม่ได้ลอง

CA: What sort of things?

คริส: แล้วอะไรครับ

JS: Well, everything.

จิม: ก็ทุกอย่างล่ะครับ

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

ทุกอย่างที่วิเคราะห์ย่อยลงไปได้ -- ยกเว้นความยาวชายผ้า

Weather, annual reports,

อากาศ, รายงานประจำปี

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

รายงานไตรมาส, ประวัติของตัวข้อมูลเอง, ปริมาณ ว่ามาได้เลย

Whatever there is.

อะไรก็ตามที่มี

We take in terabytes of data a day.

พวกเรานำข้อมูลหลายเทระไบต์เข้ามาทุกวัน

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

และเก็บมันและส่งมัน และทำให้มันพร้อมสำหรับการวิเคราะห์

You're looking for anomalies.

คุณมองหาความผิดปกติ

You're looking for -- like you said,

คุณกำลังมองหา -- อย่างที่คุณบอก

the efficient market hypothesis is not correct.

สมมติฐานตลาดที่มีประสิทธิภาพ มันไม่ถูกต้อง

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

คริส: แต่ความผิดปกติใดๆ อาจเป็นแค่สิ่งบังเอิญ

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

แล้ว ความลับคือแค่มองที่ความผิดปกติต่างๆ หลายๆ อย่าง

and see when they align?

และดูว่าเมื่อไรที่มันอยู่ในแนวเดียวกันใช่ไหมครับ

JS: Any one anomaly might be a random thing;

จิม: ความผิดปกติใดๆ อาจเป็นเรื่องอย่างสุ่ม

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

อย่างไรก็ดี ถ้าคุณมีข้อมูลเพียงพอ คุณสามารถบอกว่ามันไม่ใช่

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

คุณสามารถเห็นความผิดปกติที่ยังคงอยู่ เป็นเวลานานอย่างมีนัยสำคัญ

the probability of it being random is not high.

ความน่าจะเป็นของมันที่เป็นอย่างสุ่ม ไม่ได้สูง

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

แต่สิ่งเหล่านี้จางหายไปหลังจากช่วงหนึ่ง ความผิดปกติอาจถูกทำให้หายไป

So you have to keep on top of the business.

ฉะนั้น คุณจะต้องเป็นผู้นำของธุรกิจ

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

คริส: หลายคนตอนนี้มองที่ อุตสาหกรรมกองทุนบริหารความเสี่ยง

and are sort of ... shocked by it,

แล้วก็แบบว่า ... ตะลึงไปเลย

by how much wealth is created there,

ที่ว่ามันสร้างความมั่งคั่งมากมายเหลือเกิน

and how much talent is going into it.

และมีคนเก่งๆ มากมายไปยังที่นั่น

Do you have any worries about that industry,

คุณกังวลบ้างไหมครับ เกี่ยวกับอุตสาหกรรมนั่น

and perhaps the financial industry in general?

แล้วก็อุตสาหกรรมการเงินในแบบทั่วไป

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

แบบว่าเหมือนอยู่บนรถไฟที่วิ่งหนีออกไป ที่ --

I don't know -- helping increase inequality?

ผมไม่รู้สิครับ -- ที่ช่วยเพิ่มความไม่เท่าเทียมกันหรือเปล่าครับ

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

คุณจะเอาชนะมันอย่างไรกับสิ่งที่เกิดขึ้น ในอุตสาหกรรมกองทุนบริหารความเสี่ยง

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

จิม: ผมคิดว่าในสามหรือสี่ปีที่ผ่านมา

hedge funds have not done especially well.

กองทุนบริหารความเสี่ยงไม่ได้เป็นไปอย่างดี

We've done dandy,

เราทำได้อย่างยอมเยี่ยมเลยล่ะ

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

แต่อุตสาหกรรมกองทุนบริหารความเสี่ยง ในภาพรวม ไม่ได้เป็นไปอย่างสวยงาม

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

ตลาดหลักทรัพย์ประสบความสำเร็จอย่างต่อเนื่อง อยู่ในขาขึ้นอย่างที่ทุกคนทราบ

and price-earnings ratios have grown.

และอัตราส่วนผลตอบแทนทางด้านราคาก็เติบโต

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

ฉะนั้นความมั่งคั่งมากมายที่ถูกสร้างขึ้นใน --

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

เอาเป็นว่า ห้าหรือหกปีให้หลัง -- ไม่ได้ถูกสร้างขึ้นโดยกองทุนบริหารความเสี่ยง

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

คนอาจถามผมว่า "กองทุนบริหารความเสี่ยงเป็นอย่างไร"

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

ผมจะบอกว่า "หนึ่ง และ 20 "

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

ซึ่งหมายถึง -- ตอนนี้มันสอง และ 20 --

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

ค่าธรรมเนียมคงที่สองเปอร์เซ็นต์ และกำไร 20 เปอร์เซ็นต์

Hedge funds are all different kinds of creatures.

กองทุนบริหารความเสี่ยงเป็นอะไรที่ต่างออกไป

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

คริส: ว่ากันว่า คุณเก็บค่าธรรมเนียม ให้สูงขึ้นกว่านั้นอีกนิด

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

จิม: เราเก็บค่าธรรมเนียม ที่สูงที่สุดในโลกครั้งหนึ่ง

Five and 44, that's what we charge.

ห้า และ 44 นั่นคือสิ่งที่เราเก็บ

CA: Five and 44.

คริส: ห้า และ 44

So five percent flat, 44 percent of upside.

งั้นก็ คงที่ห้าเปอร์เซ็นต์ และส่วนเพิ่ม 44 เปอร์เซ็นต์

You still made your investors spectacular amounts of money.

คุณยังเงินทำให้ผู้ลงทุนของคุณ อย่างมากมายน่าทึ่ง

JS: We made good returns, yes.

จิม: เราได้ผลตอบแทนกับมาดี ใช่ครับ

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

หลายคนหัวเสียเอามากๆ: "คุณเก็บค่าธรรมเนียมซะสูงได้อย่างไร"

I said, "OK, you can withdraw."

ผมบอกว่า "โอเค คุณถอนออกไปก็ได้นะ"

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

แต่ "ผมจะได้มากกว่านี้ได้อย่างไรล่ะ" นั่นแหละที่คนเป็น --

(Laughter)

(เสียงหัวเราะ)

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

ณ จุดหนึ่ง อย่างที่ผมคิดว่าผมบอกคุณ

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

เราซื้อจากนักลงทุนทั้งหมด เพราะมันมีกำลังผลิตสำหรับกองทุน

CA: But should we worry about the hedge fund industry

คริส: แต่เราควรกังวลไหมเกี่ยวกับ อุตสาหกรรมกองทุนบริหารความเสี่ยง

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

ที่จะดึงนักคณิตศาสตร์เยี่ยมๆ และผู้มีพรสวรรค์อื่นๆของโลก มากเกินไป

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

เพื่อให้ทำงานกับสิ่งนั้น แทนที่จะไปแก้ปัญหาอื่นๆ ในโลก

JS: Well, it's not just mathematical.

จิม: ครับ มันไม่ใช่แค่คณิตศาสตร์

We hire astronomers and physicists and things like that.

เราจ้างนักบินอวกาศ และนักฟิสิกส์ และอะไรแนวนั้น

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

ผมไม่คิดว่าเราจะต้องกังวลเกี่ยวกับมันมากนัก

It's still a pretty small industry.

มันยังคงเป็นอุตสาหกรรมขนาดเล็ก

And in fact, bringing science into the investing world

และอันที่จริง การนำวิทยาศาสตร์ มาสู่โลกแห่งการลงทุน

has improved that world.

ได้พัฒนาโลกดังกล่าว

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

มันลดความไม่แน่นอน มันเพิ่มสภาพคล่อง

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

การกระจายตัวนั้นแคบลง เพราะว่าคนค้าอะไรแนวๆ นั้น

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

ฉะนั้น ผมไม่กังวลเท่าไร ถ้าไอสไตน์ ลุกขึ้นมาและเริ่มตั้งกองทุนบริหารความเสี่ยง

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

คริส: ตอนนี้ คุณอยู่ในช่วงหนึ่งในชีวิตของคุณ ที่คุณจะลงทุนจริงๆ

at the other end of the supply chain --

แม้ว่า สุดท้ายที่ปลายห่วงโซ่อุปทาน --

you're actually boosting mathematics across America.

ที่จริงคุณกำลังเร่งคณิตศาสตร์ไปทั่วอเมริกา

This is your wife, Marilyn.

นี่คือภรรยาของคุณ มาริลิน

You're working on philanthropic issues together.

คุณกำลังทำงานเกี่ยวกับการกุศลด้วยกัน

Tell me about that.

เล่าให้ผมฟังหน่อยสิครับ

JS: Well, Marilyn started --

จิม: ครับ มาริลิน ก่อตั้ง --

there she is up there, my beautiful wife --

นั่นครับ เธออยู่ตรงนั้น ภรรยาคนสวยของผม --

she started the foundation about 20 years ago.

เธอก่อตั้งมูลนิธิมาเกือบ 20 ปีแล้ว

I think '94.

ผมคิดว่าตั้งแต่ยุคปี 94

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

ผมบอกว่า 93 แต่เธอบอกว่ามันเป็น 94

but it was one of those two years.

แต่มันก็สักปีในสองปีนั้นแหละครับ

(Laughter)

(เสียงหัวเราะ)

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

เราก่อตั้งมูลนิธิ เป็นวิธีง่ายๆ ที่เราจะได้ทำการกุศล

She kept the books, and so on.

เราเก็บหนังสือ และทำสิ่งอื่นๆ

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

เราไม่ได้มีวิสัยทัศน์ในเวลานั้น แต่วิสัยทัศน์ก็ค่อยๆ เกิดขึ้นมา --

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

ซึ่งคือการจะมุ่งความสนใจ ไปยังคณิตศาสตร์และวิทยาศาสตร์

And that's what we've done.

และนั่นคือสิ่งที่เราทำ

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

ราวๆ หกปีก่อน ผมออกจากยุคเรืองอำนาจ และผมไปทำงานที่มูลนิธิ

So that's what we do.

และนั่นคือสิ่งที่เราทำ

CA: And so Math for America is basically investing

คริส: และคณิตศาสตร์สำหรับอเมริกา โดยหลักแล้วก็คือ

in math teachers around the country,

การลงทุนกับครูคณิตศาสตร์ทั่วทั้งประเทศ

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

จัดให้พวกเขามีรายได้เพิ่ม ให้การสนับสนุนพวกเขา และให้การอบรม

And really trying to make that more effective

และได้พยายามจริงๆ ที่จะทำให้มันมีประสิทธิภาพมากขึ้น

and make that a calling to which teachers can aspire.

และทำให้มันเป็นการเรียกร้อง ที่บรรดาครูต่างปรารถนาให้มีขึ้น

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

จิม: ครับ -- แทนที่จะหวดครูแย่ๆ

which has created morale problems all through the educational community,

ซึ่งก่อปัญหาทางจรรยาบรรณ ให้กับทั้งวงการการศึกษา

in particular in math and science,

โดยเฉพาะอย่างยิ่ง กับคณิตศาสตร์และวิทยาศาสตร์

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

เรามุ่งไปที่การเฉลิมฉลองให้กับคนดี และให้การยกย่องพวกเขา

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

ครับ พวกเราให้เงินเพิ่มเติมกับพวกเขา 15,000 ดอลล่าร์ต่อปี

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

เรามีครูคณิตศาสตร์และวิทยาศาสตร์ 800 คน ในมหานครนิวยอร์ค ในโรงเรียนรัฐทุกๆ วันนี้

as part of a core.

เป็นแกนหลัก

There's a great morale among them.

พวกเขามีจรรยาบรรณที่ดี

They're staying in the field.

พวกเขาคงอยู่ในวงการนี้

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

ปีถัดไป มันจะกลายเป็น 1,000 คน และนั่นจะเป็น 10 เปอร์เซ็นต์

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

ของครูคณิตศาสตร์และวิทยาศาสตร์ ในโรงเรียนรัฐใน [นคร] นิวยอร์ก

(Applause)

(เสียงปรบมือ)

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

คริส: จิม นี่คืออีกโครงการหนึ่ง ที่คุณให้การสนับสนุนในเชิงการกุศล:

Research into origins of life, I guess.

การทำวิจัยในเรื่องต้นกำเนิดชีวิต ผมเดาว่าอย่างนั้น

What are we looking at here?

ที่เรากำลังมองอยู่นี่คืออะไรครับ

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

จิม: ผมจะเก็บไว้สักครู่

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

และจากนั้นผมจะบอกคุณ ว่าคุณกำลังมองอะไรอยู่

Origins of life is a fascinating question.

กำเนิดชีวิตเป็นคำถามที่น่าสนใจ

How did we get here?

เรามาถึงที่นี่ได้อย่างไร

Well, there are two questions:

ครับ มันมีสองคำถาม

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

อย่างแรกคือ ทางนั้นคืออะไร จากธรณีวิทยา ถึง ชีววิทยา --

how did we get here?

พวกเรามาถึงนี่ได้อย่างไร

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

และอีกคำถามคือ เราเริ่มต้นด้วยอะไร

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

วัสดุสารอะไร ถ้ามันจะมี เราจะต้องทำตามหนทางนี้หรือ

Those are two very, very interesting questions.

นั่นคือสองคำถามที่น่าสนใจอย่างมาก

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

คำถามแรกคือทางที่ซับซ้อน จากธรณีวิทยาไปจนถึงอาร์เอ็นเอ

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

หรืออะไรบางอย่างเช่น -- พวกมันได้ทำงานได้อย่างไร

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

และสิ่งอื่นๆ เราต้องลงมือทำงานกับอะไร

Well, more than we think.

ครับ มันมากกว่าที่เราคิด

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

ภาพตรงนี้ คือดาวที่กำลังถูกสร้างขึ้น

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

ตอนนี้ ทุกๆ ปี ในทางช้างเผือกของเรา ซึ่งมีดาวแสนล้านดวง

about two new stars are created.

ดาวใหม่ประมาณสองดวงถูกสร้างขึ้น

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

อย่าถามผมว่ามันถูกสร้างอย่างไร แต่พวกมันถูกสร้างขึ้น

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

และมันใช้เวลาประมาณล้านปี เพื่อให้เข้าที่

So, in steady state,

ฉะนั้น ในระยะที่คงที่

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

มีดาวประมาณสองล้านดวง ที่ถูกสร้างขึ้นได้ตลอดเวลา

That one is somewhere along this settling-down period.

นั่นเป็นสักแห่งหนึ่ง ในระยะที่จะเข้าที่

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

และมันก็มีขยะเหล่านี้ วนเวียนอยู่รอบๆ

dust and stuff.

ฝุ่น และอะไรพวกนั้น

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

และมันอาจจะก่อตัวเป็นระบบสุริยจักรวาล หรืออะไรก็ตามแต่

But here's the thing --

แต่ที่สำคัญก็คือ --

in this dust that surrounds a forming star

ในฝุ่นเหล่านี้ที่วนเวียน อยู่รอบๆ ดาวที่กำลังก่อกำเนิด

have been found, now, significant organic molecules.

ถูกพบว่ามีโมเลกุลอินทรีย์อย่างมีนัยสำคัญ

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

โมเลกุลไม่ใช่แค่ที่เหมือนมีเธน แต่เป็นฟอร์มาดิไฮด์ และไซยาไนด์ --

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

สิ่งที่เป็นโครงสร้างหลัก -- และเป็นต้นกำเนิดของชีวิต จะว่าอย่างนั้นก็ได้

So, that may be typical.

ฉะนั้น มันอาจเป็นอะไรที่คาดเดาได้

And it may be typical that planets around the universe

และมันอาจะเป็นอะไรที่เดาได้ ว่าดาวเคราะห์ทั่วไปในจักรวาล

start off with some of these basic building blocks.

เริ่มต้นจากบางโครงสร้างหลากพื้นฐานเหล่านี้

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

ทีนี้ นั่นมันหมายความว่า มันจะมีสิ่งมีชีวิตอยู่ทั่วไปงั้นหรือ

Maybe.

ก็บางที

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

แต่มันเป็นคำถามที่ว่าหนทางนี้ มันซับซ้อนแค่ไหน

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

จากพวกนั้น ที่เริ่มต้นบอบบาง เมล็ดเหล่านั้น เรื่อยมาจนเป็นชีวิต

And most of those seeds will fall on fallow planets.

และเมล็ดส่วนใหญ่เหล่านี้ จะตกลงสู่โลกที่รกร้าง

CA: So for you, personally,

คริส: ฉะนั้นสำหรับคุณ โดยส่วนตัวเลย

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

การค้นหาคำตอบให้กับคำถามที่ว่า เรามาจากไหน

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

สิ่งนี้เกิดขึ้นได้อย่างไร เป็นอะไรบางอย่างที่คุณอยากจะได้เห็น

JS: Would love to see.

จิม: อยากจะเห็นมากครับ

And like to know --

และอยากที่จะรู้ --

if that path is tortuous enough, and so improbable,

ถ้าหากหนทางนั้นซับซ้อนเหลือเกิน และแทบจะเป็นไปไม่ได้

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

ไม่ว่าคุณจะเริ่มต้นด้วยอะไร คุณก็อาจมีความโดดเด่นเป็นเอกภาพได้

But on the other hand,

แต่ในอีกแง่หนึ่ง

given all this organic dust that's floating around,

เทียบได้เสมือนธุลีอินทรีย์นี้ทั้งหมด ที่กำลังล่องลอยอยู่

we could have lots of friends out there.

เราก็สามารถมีเพื่อนมากมายในโลกกว้าง

It'd be great to know.

มันคงจะดีมากถ้าได้รู้

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

คริส: จิม สองสามปีมานี้ ผมได้มีโอกาสพูดกับ อีลอน มัสค์

and I asked him the secret of his success,

และผมถามเขาถึงความลับความสำเร็จของเขา

and he said taking physics seriously was it.

และเขาก็จริงจังกับฟิสิกส์ใช่ไหมครับ

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

ฟังคุณแล้ว ที่ผมได้ยินจากคุณก็คือ ให้จริงจังกับคณิตศาสตร์

that has infused your whole life.

ที่อบอวนอยู่กับคุณมาทั้งชีวิต

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

มันทำให้อนาคตที่ไม่มีขอบเขตกับคุณ และตอนนี้ มันอนุญาตให้คุณตรวจสอบ

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

ในอนาคตของคนพันล้านและเด็กพันล้าน ทั่วแอฟริกาและที่อื่นๆ

Could it be that science actually works?

มันจะเป็นวิทยาศาสตร์ได้ไหมที่ได้ผล

That math actually works?

เป็นไปได้ไหมที่คณิตศาสตร์จะได้ผล

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

จิม: ครับ คณิตศาสตร์มันได้ผลแน่ๆ คณิตศาสตร์ได้ผลอย่างแน่นอน

But this has been fun.

แต่มันก็สนุกดีครับ

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

การที่ได้ทำงานกับมาริลิน และ การได้มาปล่อยมันออกไปก็เป็นอะไรที่เพลินมากๆ

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

คริส: ผมเพิ่งรู้ว่า -- มันเป็นแนวคิดที่สร้างแรงบันดาลใจสำหรับผม

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

ที่ว่าการจริงจังกับความรู้ ให้อะไรมากกว่าที่คิด

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

ขอขอบคุณมากสำหรับชีวิตที่น่าทึ่งของคุณ และขอบคุณที่มาที่ TED ครับ

Thank you.

ขอบคุณครับ

Jim Simons!

จิม ไซม่อนส์ ครับ

(Applause)

(เสียงปรบมือ)