TED2015
Jim Simons: The mathematician who cracked Wall Street
Jim Simons: Išskirtinis interviu su Volstrytą „perkandusiu“ matematiku
Filmed:
Readability: 4
2,981,452 views
Jimas Simonsas – matematikas ir kriptografas, pritaikęs aukštąją matematiką ir kodų laužytojo patirtį finansų pasaulyje. Praturtėjęs ėmė remti pažangius matematikos mokytojus ir mokslininkus. Žymųjį matematiką apie skaičius jo gyvenime kalbina TED kuratorius Chrisas Andersonas.
Jim Simons - Philanthropist, mathematician
After astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy. Full bio
After astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy. Full bio
Double-click the English transcript below to play the video.
Chrisas Andersonas (CA):
Buvote fenomenalus matematikas.
Buvote fenomenalus matematikas.
00:12
Chris Anderson: You were something
of a mathematical phenom.
of a mathematical phenom.
0
817
2834
Jaunystėje dėstėte Harvardo universitete
ir Masačusetso technologijos institute.
ir Masačusetso technologijos institute.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
00:18
And then the NSA came calling.
2
6763
2190
O vėliau jus susirado NSA.
Ko jie norėjo?
Ko jie norėjo?
00:21
What was that about?
3
9464
1204
Jimas Simonsas (JS):
Nacionalinio saugumo agentūra (NSA)
Nacionalinio saugumo agentūra (NSA)
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
00:27
they didn't exactly come calling.
5
15154
1969
pati manęs neieškojo.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
NSA turėjo centrą Prinstone
ir samdė matematikus.
ir samdė matematikus.
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
Norėjo, kad nulaužinėtume kodus
ir panašiai.
ir panašiai.
00:37
And I knew that existed.
8
25294
1672
Apie šį centrą buvau girdėjęs.
NSA siūlė labai geras darbo sąlygas.
NSA siūlė labai geras darbo sąlygas.
00:39
And they had a very good policy,
9
27315
2180
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
Pusę savo laiko galėjai dirbti sau
ir tik pusę reikėjo dirbti jiems.
ir tik pusę reikėjo dirbti jiems.
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
00:49
And they paid a lot.
12
37559
1474
O mokėjo daug.
00:51
So that was an irresistible pull.
13
39057
3051
Buvo sunku atsispirti.
00:54
So, I went there.
14
42132
1912
Nuėjau ir pasiprašiau darbo pats.
00:56
CA: You were a code-cracker.
15
44068
1338
CA: Buvote kodų laužytojas...
JS: Taip.
JS: Taip.
00:57
JS: I was.
16
45430
1166
CA: Tačiau paskui jus atleido.
JS: Tas tiesa.
JS: Tas tiesa.
00:58
CA: Until you got fired.
17
46620
1157
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
CA: Už ką?
01:01
CA: How come?
19
49408
1245
01:03
JS: Well, how come?
20
51280
1333
JS: Už ką?
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
Mane atleido, nes...
Vyko Vietnamo karas.
01:10
and the boss of bosses in my organization
was a big fan of the war
was a big fan of the war
22
58591
5738
Mano pagrindinis bosas
buvo šio karo aistringas šalininkas.
buvo šio karo aistringas šalininkas.
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
Jis išspausdino pagrindinį straipsnį
žurnale „New York Times“.
žurnale „New York Times“.
01:20
about how we would win in Vietnam.
24
68772
1770
Aiškino, kaip Amerikai
laimėti Vietnamo karą.
laimėti Vietnamo karą.
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
O man šis karas nepatiko –
laikiau jį kvailyste.
laikiau jį kvailyste.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
Todėl parašiau į „Times“ žurnalą.
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
Rašiau, kad ne visi
Maxwello Tayloro darbuotojai,
Maxwello Tayloro darbuotojai,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
jei atsimenat tokį generolą Taylorą,
pasisako už šį karą.
01:37
And I gave my own views ...
29
85553
1658
Tuomet išdėsčiau,
ką apie šį karą galvoju aš...
ką apie šį karą galvoju aš...
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
CA: Dabar man aišku, kodėl...
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
JS: O galvojau kitaip
nei generolas Tayloras.
nei generolas Tayloras.
01:44
But in the end, nobody said anything.
32
92002
1906
Tačiau iš pradžių niekas nieko nesakė.
01:45
But then, I was 29 years old at this time,
and some kid came around
and some kid came around
33
93932
3701
Tik kai man buvo 29-eri,
pas mus į centrą atėjo toks vaikis
iš „Newsweek“ savaitraščio.
iš „Newsweek“ savaitraščio.
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
01:52
and he wanted to interview me
and ask what I was doing about my views.
and ask what I was doing about my views.
35
100769
5367
Norėjo paimti iš manęs interviu
ir sužinoti, ar tebesprendžiu karo dilemą.
ir sužinoti, ar tebesprendžiu karo dilemą.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
Paaiškinau, kad dabar sprendžiu
matematines problemas,
matematines problemas,
02:02
and when the war is over,
then I'll do mostly their stuff."
then I'll do mostly their stuff."
37
110083
3373
o karui pasibaigus,
spręsiu NSA užduotis.
spręsiu NSA užduotis.
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
Tądien pasielgiau protingai
tik po interviu.
tik po interviu.
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
Pasakiau apie interviu savo vadovui.
Jis paklausė, apie ką kalbėjom,
ir aš išsipasakojau.
ir aš išsipasakojau.
02:13
And he said, "What'd you say?"
40
121153
1459
02:14
And I told him what I said.
41
122636
1466
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
Jis pasakė turįs paskambinti Taylorui.
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
Paskambino. Jų pokalbis truko 10 minučių.
02:20
I was fired five minutes after that.
44
128866
2262
Dar po penkių buvau atleistas.
CA: Aišku.
JS: Tačiau tai neišėjo į bloga...
JS: Tačiau tai neišėjo į bloga...
02:23
CA: OK.
45
131590
1222
02:24
JS: But it wasn't bad.
46
132836
1151
CA: Tiesa. Juk įsidarbinote
Stony Brook universitete.
Stony Brook universitete.
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
02:28
and stepped up your mathematical career.
48
136528
3133
Ėmėte kilti
matematinės karjeros laiptais.
matematinės karjeros laiptais.
02:31
You started working with this man here.
49
139685
2452
Čia jūsų darbo partneris.
02:34
Who is this?
50
142161
1164
Gal galite apie jį papasakoti?
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
JS: [Shiingas-Shenas] Chernas.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
Vienas puikiausių
šio šimtmečio matematikų.
šio šimtmečio matematikų.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
Susipažinome, kai Berklyje
mokiausi magistrą.
mokiausi magistrą.
02:46
And I had some ideas,
54
154173
1871
Pasidalinau savo mintimis su Chernu
ir Chernui jos patiko.
ir Chernui jos patiko.
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
Ekrane aiškiai matote, kuo užsiėmėm.
02:57
There it is.
57
165189
1150
Kaip juodu ant balto.
CA: Dviese parašėte
žymų mokslinį straipsnį.
žymų mokslinį straipsnį.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
03:02
Can you explain at all what that work was?
59
170828
3238
Gal galėtumėte kažkaip paaiškinti,
apie ką?
apie ką?
03:07
JS: No.
60
175028
1158
JS: Negalėčiau.
03:08
(Laughter)
61
176210
2274
(Juokas.)
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
JS: Galėčiau paaiškinti
vienam kitam žmogui...
vienam kitam žmogui...
03:13
(Laughter)
63
181054
2075
(Juokas.)
03:15
CA: How about explaining this?
64
183153
1864
CA: O gal tuomet paaiškintumėt...
03:17
JS: But not many. Not many people.
65
185041
2729
JS: Tik nedažnas suprastų.
03:21
CA: I think you told me
it had something to do with spheres,
it had something to do with spheres,
66
189144
2814
CA: Minėjot, jei neklystu,
kad rašėte apie sferinius kūnus.
kad rašėte apie sferinius kūnus.
03:23
so let's start here.
67
191982
1862
Gal nuo jų ir pradėkime?
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
JS: Galim, bet prieš tai...
03:29
it did have something to do with that,
but before we get to that --
but before we get to that --
69
197492
3200
Rašiau apie tuos sferinius kūnus,
bet pradėkime ne nuo jų.
bet pradėkime ne nuo jų.
03:32
that work was good mathematics.
70
200716
3540
Čia buvo puikus matematinis straipsnis.
03:36
I was very happy with it; so was Chern.
71
204280
2492
Juo ir aš, ir Chernas
buvome labai patenkinti.
buvome labai patenkinti.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
Straipsnis net davė pradžią
naujai matematikos šakai.
naujai matematikos šakai.
Ji sėkmingai vystoma toliau.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
Tačiau įdomiausia,
kad straipsnis tiko ir fizikai.
kad straipsnis tiko ir fizikai.
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
Fizikai! Apie ją neišmanėm
nei aš, nei Chernas.
nei aš, nei Chernas.
Aš buvau visiškas pradžiamokslis,
o Chernas irgi žinojo ne kažką.
o Chernas irgi žinojo ne kažką.
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
Praėjo maždaug 10 metų po šio straipsnio
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
ir Edwardas Wittenas iš Prinstono
pritaikė šį straipsnį stygų teorijai,
pritaikė šį straipsnį stygų teorijai,
04:05
and people in Russia started applying it
to what's called "condensed matter."
to what's called "condensed matter."
78
233072
4852
Rusijos mokslininkai –
kondensuotų medžiagų fizikai.
kondensuotų medžiagų fizikai.
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
Šiandien šie vadinamieji
„Cherno ir Simonso invariantai“
„Cherno ir Simonso invariantai“
04:14
have spread through a lot of physics.
80
242865
1865
dažnai sutinkami fizikoje.
04:16
And it was amazing.
81
244754
1174
Buvo nuostabu.
04:17
We didn't know any physics.
82
245952
1365
Nieko neišmanėm apie fiziką.
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
Nebūčiau pagalvojęs,
kad mūsų straipsniu naudosis fizikai.
kad mūsų straipsniu naudosis fizikai.
04:22
But that's the thing about mathematics --
you never know where it's going to go.
you never know where it's going to go.
84
250592
3788
Tačiau taip jau yra su matematika:
niekada nežinai, kur ji nuves.
niekada nežinai, kur ji nuves.
04:26
CA: This is so incredible.
85
254404
1492
CA: Neįtikėtina.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
Kalbėjom, kaip evoliucija
keičia žmonių mąstymą.
keičia žmonių mąstymą.
04:32
that may or may not perceive the truth.
87
260308
2508
Nežinome, ar esame pajėgūs
suvokti tiesą.
suvokti tiesą.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
Jūs sukūrėte matematinę teoriją,
04:38
not knowing any physics,
89
266177
1848
nieko nežinojote apie fiziką,
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
o po dvidešimties metų su jūsų teorija
galima iš pagrindų apibūdinti
materialųjį pasaulį.
materialųjį pasaulį.
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
04:45
How can that happen?
92
273626
1153
Kaip tai įmanoma?
04:46
JS: God knows.
93
274803
1157
JS: Vienas Dievas težino.
04:47
(Laughter)
94
275984
2110
(Juokas.).
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
Tačiau žymus fizikas [Eugene] Wigneris
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
parašė esė apie protu nepaaiškinamą
matematikos efektyvumą.
matematikos efektyvumą.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
Naudojamės matematika
kasdieniniame gyvenime.
kasdieniniame gyvenime.
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
Visi išmoksta skaičiuoti, matuoti...
05:08
and then it flourishes on its own.
99
296630
1830
Tačiau matematikai
nereikia realaus pasaulio.
nereikia realaus pasaulio.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
Tai mums prireikia matematikos pagalbos.
05:14
General relativity is an example.
101
302293
2178
Paimkime bendrąją reliatyvumo teoriją.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
Einsteinui į rankas pakliuvo
Minkowskio geometrija:
Minkowskio geometrija:
„Eureka! Ji puikiai tiks
mano reliatyvumo teorijai.“
mano reliatyvumo teorijai.“
05:19
"Hey! It's the very thing
in which I can cast general relativity."
in which I can cast general relativity."
103
307636
3847
05:23
So, you never know. It is a mystery.
104
311507
3112
Niekada nežinosi.
Sunku paaiškinti.
05:27
It is a mystery.
105
315056
1217
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
CA: Prieš mus ekrane –
neįtikėtina matematinė savybė.
neįtikėtina matematinė savybė.
05:31
Tell us about this.
107
319617
1342
Apibūdinkite ją.
05:32
JS: Well, that's a ball -- it's a sphere,
and it has a lattice around it --
and it has a lattice around it --
108
320983
5924
JS: Prieš jus – kamuolys.
Tiksliau – sferinis kūnas,
Tiksliau – sferinis kūnas,
sudalintas į keturkampius.
05:38
you know, those squares.
109
326931
1573
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
Šią savybę pirmasis pastebėjo
[Leonhardas] Euleris,
[Leonhardas] Euleris,
05:47
the great mathematician, in the 1700s.
111
335627
2254
žymusis XVIII-to amžiaus matematikas.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
Bėgo laikas ir ši savybė darėsi
vis svarbesnė matematikoje:
vis svarbesnė matematikoje:
05:55
algebraic topology, geometry.
113
343428
2334
algebrinėje topologijoje, geometrijoje...
05:59
That paper up there had its roots in this.
114
347039
4364
Straipsnis, kurį matėte ekrane,
prasidėjo nuo šios savybės.
prasidėjo nuo šios savybės.
06:03
So, here's this thing:
115
351427
1834
Šis rutulys turi 8 viršūnes,
12 briaunų, 6 sienas.
12 briaunų, 6 sienas.
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
Iš viršūnių atėmę briaunas
ir pridėję sienas, gausime skaičių 2.
ir pridėję sienas, gausime skaičių 2.
06:13
you get two.
118
361615
1152
06:14
OK, well, two. That's a good number.
119
362791
2219
Na, 2 tai 2. Du – gražus skaičius.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
Galime sudalinti rutulį ir trikampiais.
06:21
this has 12 vertices and 30 edges
121
369306
4577
Turime 12 viršūnių, 30 briaunų
06:25
and 20 faces, 20 tiles.
122
373907
4195
ir 20 sienų – plokštumų.
Iš viršūnių atėmę briaunas
ir prie skirtumo pridėję sienas,
ir prie skirtumo pridėję sienas,
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
vis tiek gauname skaičių 2.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
Kuo beapvyniotume šį rutulį, –
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
daugiakampiais, trikampiais,
trikampiais ir daugiakampiais, –
trikampiais ir daugiakampiais, –
06:41
and mix them up.
126
389484
1320
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
atėmę iš viršūnių briaunas
ir pridėję sienas, gausime skaičių 2.
ir pridėję sienas, gausime skaičių 2.
06:46
Here's a different shape.
128
394131
1611
Štai čia matome kitokį erdvinį kūną.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
Toras, dar žinomas kaip spurga.
16 viršūnių, 32 briaunos, 16 sienų.
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
Atėmę ir sudėję ką reikia,
gausime nulį – visada.
gausime nulį – visada.
07:01
It'll always come out to zero.
132
409238
1475
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
Kokiais kvadratais ar trikampiais
bedangstytume šį torą, gausime nulį.
bedangstytume šį torą, gausime nulį.
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
Čia vadinamoji Oilerio charakteristika.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
Ji – topologinis invariantas.
07:18
It's pretty amazing.
137
426849
1156
Tiesiog neįtikėtina.
07:20
No matter how you do it,
you're always get the same answer.
you're always get the same answer.
138
428029
2791
Dėliok nedėliojęs –
rezultatas vienas ir tas pats.
rezultatas vienas ir tas pats.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
Iš šios charakteristikos, galima sakyti,
XVIII-to amžiaus vidury
XVIII-to amžiaus vidury
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
atsirado šiandieninė algebrinė topologija.
07:32
CA: And your own work
took an idea like this and moved it
took an idea like this and moved it
141
440960
2983
CA: O jūs šią charakteristiką pritaikėte
aukštesnių dimensijų teorijai ir kūnams.
aukštesnių dimensijų teorijai ir kūnams.
07:35
into higher-dimensional theory,
142
443967
2449
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
Atradote naujus invariantus.
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
JS: Aukštesnių dimensijų invariantai
jau buvo atrasti.
jau buvo atrasti.
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
Pontryagino klasės...
Tiksliau, Cherno klasės.
Tiksliau, Cherno klasės.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
Invariantų buvo visokiausių.
07:54
I was struggling to work on one of them
147
462272
4135
Norėjau vienos klasės invariantus
suvesti kombinatoriškai.
suvesti kombinatoriškai.
07:58
and model it sort of combinatorially,
148
466431
4203
08:02
instead of the way it was typically done,
149
470658
3022
Kas paprastai nedaroma.
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
Šitaip gimė šis straipsnis
ir atradome naujus invariantus.
ir atradome naujus invariantus.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
Tačiau jei ne ponas Euleris,
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
kuris parašė apie 70 matematikos knygų
08:17
and had 13 children,
153
485617
1731
ir turėjo trylika vaikų, –
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
jis supdavo juos ant kelių rašydamas, –
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
jei ne ponas Euleris,
nežinia, ar turėtume šiuos invariantus.
nežinia, ar turėtume šiuos invariantus.
08:32
CA: OK, so that's at least given us
a flavor of that amazing mind in there.
a flavor of that amazing mind in there.
156
500157
4097
CA: Dabar jau žinome šį bei tą
apie šį nepaprastą matematiką.
apie šį nepaprastą matematiką.
08:36
Let's talk about Renaissance.
157
504804
1543
Pakalbėkime apie „Renaissance“.
08:38
Because you took that amazing mind
and having been a code-cracker at the NSA,
and having been a code-cracker at the NSA,
158
506371
5856
Remdamasis nepaprastuoju matematiku
ir savo kodų laužytojo patirtimi NSA,
ir savo kodų laužytojo patirtimi NSA,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
jūs ėmėte laužyti kodus finansų rinkoje.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
Tikriausiai nesivadovavot
efektyvios rinkos teorija.
efektyvios rinkos teorija.
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
Kažkaip sugebėjote užtikrinti
labai puikią investicijų grąžą 20 metų.
labai puikią investicijų grąžą 20 metų.
08:56
The way it's been explained to me,
162
524629
1671
Kažkas aiškino,
kad stebinote ne vien grąžos dydžiu.
kad stebinote ne vien grąžos dydžiu.
08:58
what's remarkable about what you did
wasn't just the size of the returns,
wasn't just the size of the returns,
163
526324
3499
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
Stebinote aukšta grąža
su mažu kintamumu ir rizika.
su mažu kintamumu ir rizika.
09:05
compared with other hedge funds.
165
533754
1824
Apribotos rizikos fondams tas nebūdinga.
Po šimts, Džimai? Kaip jums pavyko?
Po šimts, Džimai? Kaip jums pavyko?
09:07
So how on earth did you do this, Jim?
166
535602
1929
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
JS: Visų pirma subūriau
nuostabių žmonių komandą.
nuostabių žmonių komandą.
09:14
When I started doing trading, I had
gotten a little tired of mathematics.
gotten a little tired of mathematics.
168
542206
3956
Pasinėriau į prekybą biržoje
jau kiek pavargęs nuo matematikos.
jau kiek pavargęs nuo matematikos.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
Buvau netoli keturiasdešimties,
pinigais nesiskundžiau.
pinigais nesiskundžiau.
09:22
I started trading and it went very well.
170
550133
2509
Pradėjau prekiauti ir man puikiai sekėsi.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
Iš pradžių užsidirbau
grynai iš atsitiktinumo.
grynai iš atsitiktinumo.
09:27
I mean, I think it was pure luck.
172
555835
1666
Bent jau man taip atrodo.
Tikrai nesinaudojau
jokiais matematiniais modeliais.
jokiais matematiniais modeliais.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
Tačiau po kurio laiko mūsų informacijoje
ėmiau įžvelgti šiokią tokią struktūrą.
ėmiau įžvelgti šiokią tokią struktūrą.
09:35
it looks like there's some structure here.
175
563513
2553
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
Pasisamdžiau keletą matematikų
ir kartu ėmėmės kurti modelius.
ir kartu ėmėmės kurti modelius.
09:41
just the kind of thing we did back
at IDA [Institute for Defense Analyses].
at IDA [Institute for Defense Analyses].
177
569811
4265
Kaip kadaise Gynybos tyrimų institute.
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
Sukuri algoritmą
ir išbandai jį kompiuteriu.
ir išbandai jį kompiuteriu.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
Veikia? Neveikia?
09:51
CA: Can we take a look at this?
180
579443
1479
CA: Pasigilinkime.
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
Štai čia matome tipišką prekės grafiką.
Pažiūrėjęs pasakyčiau,
kad kreivė tai kyla, tai leidžiasi.
kad kreivė tai kyla, tai leidžiasi.
09:58
I look at that, and I say,
"That's just a random, up-and-down walk --
"That's just a random, up-and-down walk --
182
586487
4041
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
Gal matyti šioks toks bendras augimas.
Tačiau vykdyti finansines operacijas,
remiantis šia kreive?
remiantis šia kreive?
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
Kaip atskirti dėsnius nuo atsitiktinumų?
10:07
and see something that wasn't just random?
185
595575
2326
JS: Seniau, kai naudodavomės
tokiais grafikais,
tokiais grafikais,
10:09
JS: In the old days -- this is
kind of a graph from the old days,
kind of a graph from the old days,
186
597925
3247
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
prekės ir valiuta kisdavo kryptingai.
10:17
Not necessarily the very light trend
you see here, but trending in periods.
you see here, but trending in periods.
188
605504
6055
Nebūtinai kaip čia į vieną pusę,
o periodais.
o periodais.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
Gali pabandyti nuspėti ateitį
pagal kreivės 20 dienų kitimą.
pagal kreivės 20 dienų kitimą.
10:27
by the average move in the past 20 days --
190
615663
4968
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
Jei pasiseks, užsidirbsi.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
Tiesą sakant, ši sistema kadaise veikė.
10:41
not beautifully, but it would work.
193
629418
2391
Veikė ne visada, bet veikė.
Tai uždirbdavai, tai pralošdavai,
tai vėl uždirbdavai.
tai vėl uždirbdavai.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
10:46
But this is a year's worth of days,
195
634366
2198
Turėjai tiek dienų, kiek jų metuose,
ir per metus šį bei tą užsidirbdavai.
ir per metus šį bei tą užsidirbdavai.
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
10:53
It's a very vestigial system.
197
641884
1958
Ši sistema labai elementari.
10:56
CA: So you would test
a bunch of lengths of trends in time
a bunch of lengths of trends in time
198
644525
3529
CA: Tyrinėdavot skirtingus laiko tarpus
11:00
and see whether, for example,
199
648078
2436
ir ieškodavot, ar ateitį leis nuspėti
10 dienų, ar 15 dienų duomenys.
10 dienų, ar 15 dienų duomenys.
11:02
a 10-day trend or a 15-day trend
was predictive of what happened next.
was predictive of what happened next.
200
650538
3481
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
JS: Žinoma. Ieškodavai,
kol rasdavai tinkamiausią variantą.
kol rasdavai tinkamiausią variantą.
Kintamumo sekimas veikė
7-tuoju dešimtmečiu.
7-tuoju dešimtmečiu.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
11:16
and it was sort of OK in the '70s.
203
664889
2132
Neprastai veikė ir 8-tajame dešimtmetyje.
11:19
By the '80s, it wasn't.
204
667045
1873
Tik ne 9-tajame.
11:20
CA: Because everyone could see that.
205
668942
2817
CA: Dėsningumus ėmė matyti visi.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
Kaip jums pavyko išsiskirti iš minios?
JS: Išlikome priešakyje
griebdamiesi naujų būdų.
griebdamiesi naujų būdų.
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
11:33
shorter-term approaches to some extent.
208
681202
2741
Kartais ieškodavom
trumpesnio laikotarpio strategijų.
trumpesnio laikotarpio strategijų.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
Bet dažniausiai prisirinkdavom
nežmoniškus kiekius duomenų.
nežmoniškus kiekius duomenų.
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
Tais laikais rašyti tekdavo ranka.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
Eidavom į JAV centrinį banką
nurašinėti palūkanų normų istorijas.
nurašinėti palūkanų normų istorijas.
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
Tais laikais
kompiuteriais jų nepasiekdavai.
kompiuteriais jų nepasiekdavai.
11:50
We got a lot of data.
213
698859
1643
Turėjom kalnus duomenų
ir nepaprastai sumanius darbuotojus.
ir nepaprastai sumanius darbuotojus.
11:52
And very smart people -- that was the key.
214
700526
4160
Svarbiausi buvo darbuotojai.
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
Nežinojau, kokius žmones samdyti
būtent prekybai rinkoje.
būtent prekybai rinkoje.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
Buvau nusisamdęs kelis brokerius.
Vieni uždirbo, kiti – ne.
Vieni uždirbo, kiti – ne.
12:04
I couldn't make a business out of that.
217
712722
1880
Nemokėjau iš maklerių
susukti verslo.
susukti verslo.
12:06
But I did know how to hire scientists,
218
714626
2042
O kokius mokslininkus samdyti, žinojau.
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
Mokslui turiu šiokią tokią uoslę.
12:12
So, that's what we did.
220
720105
1838
Mokslininkus ir nusisamdžiau.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
Mūsų modeliai
pamažu gerėjo, vystėsi, tobulėjo.
pamažu gerėjo, vystėsi, tobulėjo.
12:17
and better and better.
222
725222
1335
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
CA: „Renaissance“ sukūrėte
šį tą nepaprasto.
šį tą nepaprasto.
Sukūrėte kultūrą ir subūrėte darbuotojus,
kokių pinigais neišsiviliosi.
kokių pinigais neišsiviliosi.
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
12:24
who weren't just hired guns
who could be lured away by money.
who could be lured away by money.
225
732444
3142
Jūsų darbuotojams svarbiausi buvo
matematika ir mokslas.
matematika ir mokslas.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
JS: Taip, ir aš taip galvojau, bet...
12:34
But some of it was money.
228
742283
3580
Vieniems rūpėjo pinigai.
CA: Jie užsidirbo kalnus pinigų.
CA: Jie užsidirbo kalnus pinigų.
12:37
CA: They made a lot of money.
229
745887
1393
JS: Negaliu sakyti, kad pinigai nerūpėjo
nei vienam mano darbuotojui.
nei vienam mano darbuotojui.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
Kaip tik manau, kad daugumą
atsiviliojau pinigais.
atsiviliojau pinigais.
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
Pinigais ir įdomiu darbu.
CA: Kokį vaidmenį jūsų darbe
atliko sistemų mokymasis?
atliko sistemų mokymasis?
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
JS: Sakyčiau, pagrindinį.
12:52
You look at a lot of data, and you try
to simulate different predictive schemes,
to simulate different predictive schemes,
235
760879
6291
Peržvelgęs kalnus duomenų,
imi kurti įvairius ateities modelius.
imi kurti įvairius ateities modelius.
12:59
until you get better and better at it.
236
767194
2182
Juos bekurdamas, mokaisi ir tobulėji.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
Ne visi mūsų modeliai davė vaisių,
bet sistema veikė.
bet sistema veikė.
13:05
But it worked.
238
773191
2309
13:08
CA: So these different predictive schemes
can be really quite wild and unexpected.
can be really quite wild and unexpected.
239
776150
4059
CA: Įvairūs ateities modeliai gali būti
visiškai nenuspėjami ir chaotiški.
visiškai nenuspėjami ir chaotiški.
13:12
I mean, you looked at everything, right?
240
780233
1914
Juk remdavotės viskuo?
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
Orų prognozėmis, suknelių ilgiu,
politinėmis nuomonėmis...
politinėmis nuomonėmis...
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
JS: Tik ne suknelių ilgiu.
13:20
CA: What sort of things?
243
788373
2057
CA: Tai kuo gi?
13:22
JS: Well, everything.
244
790454
1158
JS: Na, viskuo.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
Svarbu yra viskas, tik ne apdarų ilgis.
13:28
Weather, annual reports,
246
796852
2300
Oras, metinės, ketvirtinės ataskaitos,
istorija, informacijos kiekiai...
istorija, informacijos kiekiai...
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
Tinka viskas, ką gali gauti.
13:35
Whatever there is.
248
803932
1151
13:37
We take in terabytes of data a day.
249
805107
2621
Per dieną surenkame
terabaitus informacijos.
terabaitus informacijos.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
Kaupiame ir ruošiame duomenis analizei.
Ieškome anomalijų.
13:45
You're looking for anomalies.
251
813446
1382
13:46
You're looking for -- like you said,
252
814852
2953
Ieškome...
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
Juk minėjai, kad efektyvios rinkos teorija
yra neteisinga.
yra neteisinga.
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
CA: Tačiau kaip anomaliją atskirti
nuo paprasčiausio atsitiktinumo?
nuo paprasčiausio atsitiktinumo?
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
Reikia ieškoti ne anomalijos,
o pasikartojančių anomalijų?
o pasikartojančių anomalijų?
13:59
and see when they align?
256
827478
1328
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
JS: Įmanoma anomaliją
sumaišyti su atsitiktinumu.
sumaišyti su atsitiktinumu.
14:04
however, if you have enough data
you can tell that it's not.
you can tell that it's not.
258
832475
3039
Tačiau duomenų kiekis parodo,
kada anomalija nėra atsitiktinumas.
kada anomalija nėra atsitiktinumas.
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
Jeigu anomalija kartojasi,
tikriausiai ji – ne atsitiktinumas.
tikriausiai ji – ne atsitiktinumas.
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
Tačiau su laiku anomalijos blėsta.
Čia jos yra, o čia jų nėra.
Čia jos yra, o čia jų nėra.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
Turi išlaikyti budrumą.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
CA: Daugeliui žmonių šiais laikais
apribotos rizikos fondai kelia šoką.
apribotos rizikos fondai kelia šoką.
14:27
and are sort of ... shocked by it,
264
855533
4398
14:31
by how much wealth is created there,
265
859955
2172
Čia tiek daug pinigų,
sutraukta tiek talentingų žmonių.
sutraukta tiek talentingų žmonių.
14:34
and how much talent is going into it.
266
862151
2245
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
Ar jūsų negąsdina šie fondai
ir finansų industrija bendrai?
ir finansų industrija bendrai?
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
14:43
Kind of being on a runaway train that's --
269
871991
2704
Ar ji nėra kaip nevaldomas traukinys,
skatinantis ekonominę nelygybę?
skatinantis ekonominę nelygybę?
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
Ar turite kokių pagiriamų žodžių
apribotos rizikos fondams?
apribotos rizikos fondams?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
JS: Per pastaruosius ketvertą metų
šių fondų veikla nevyko labai sklandžiai.
šių fondų veikla nevyko labai sklandžiai.
14:57
hedge funds have not done especially well.
273
885260
2103
14:59
We've done dandy,
274
887387
1400
Mums sekėsi, bet pati fondų industrija
nerodė stebuklingų rezultatų.
nerodė stebuklingų rezultatų.
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
Kaip žinom, akcijų rinkos augo ir klestėjo,
kainos ir pajamų santykis kilo.
kainos ir pajamų santykis kilo.
15:09
and price-earnings ratios have grown.
277
897762
3445
15:13
So an awful lot of the wealth
that's been created in the last --
that's been created in the last --
278
901231
3063
Tačiau pastarųjų metų turtai
neatkeliavo dėka apribotos rizikos fondų.
neatkeliavo dėka apribotos rizikos fondų.
15:16
let's say, five or six years --
has not been created by hedge funds.
has not been created by hedge funds.
279
904318
3350
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
Žmonės dažnai klausia manęs,
kas yra apribotos rizikos fondas.
kas yra apribotos rizikos fondas.
15:23
And I'd say, "One and 20."
281
911703
2260
Atsakau: „Vienas ir dvidešimt“.
Šiandien, tiesa, „Du ir dvidešimt“.
Šiandien, tiesa, „Du ir dvidešimt“.
15:25
Which means -- now it's two and 20 --
282
913987
3566
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
2 % – nekintantis mokestis nuo turto
ir 20 % nuo uždirbtos investicinės grąžos.
ir 20 % nuo uždirbtos investicinės grąžos.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
Priklauso nuo fondo.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
CA: Girdėjau, kad taikote
aukštesnius tarifus.
aukštesnius tarifus.
JS: Kadaise taikėme
aukščiausius tarifus pasaulyje.
aukščiausius tarifus pasaulyje.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
15:42
Five and 44, that's what we charge.
287
930444
3226
Prašome 5 ir 44.
15:45
CA: Five and 44.
288
933694
1398
CA: 5 ir 44.
5 % – nekintantis mokestis nuo turto
ir 44 % nuo uždirbtos investicinės grąžos.
ir 44 % nuo uždirbtos investicinės grąžos.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
Ir vis tiek jūsų investitoriai
stebuklingai praturtėjo.
stebuklingai praturtėjo.
15:53
JS: We made good returns, yes.
291
941181
1452
JS: Tas tiesa.
Investitoriai putodavo:
„Jūs – plėšikai!“
„Jūs – plėšikai!“
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
15:57
I said, "OK, you can withdraw."
293
945681
1627
„Tai eikit kitur,“ – sakydavau.
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
Jie neidavo, nes norėdavo
užsidirbti kuo daugiau...
užsidirbti kuo daugiau...
16:02
(Laughter)
295
950174
1504
(Juokas.).
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
Tačiau su laiku mums teko supirkti
visas investuotojų akcijas.
visas investuotojų akcijas.
16:06
we bought out all the investors
because there's a capacity to the fund.
because there's a capacity to the fund.
297
954166
5175
Fondo dydis yra ribotas.
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
CA: Ar nebaisu,
kad apribotos rizikos fondai
kad apribotos rizikos fondai
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
prisivilioja tuntus puikiausių
pasaulio matematikų, kitų ekspertų?
pasaulio matematikų, kitų ekspertų?
16:19
to work on that, as opposed
to the many other problems in the world?
to the many other problems in the world?
300
967555
3238
Juk šie žmonės galėtų spręsti
daug svarbesnes pasaulio problemas.
daug svarbesnes pasaulio problemas.
JS: Kalbame ne vien apie matematikus.
Taip pat samdome astronomus ir fizikus.
Taip pat samdome astronomus ir fizikus.
16:22
JS: Well, it's not just mathematical.
301
970817
1929
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
Nemanau, kad vertėtų pergyventi.
Ši industrija dar labai maža.
16:30
It's still a pretty small industry.
304
978288
3142
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
Tiesą sakant, mokslininkams ėmus dirbti
finansų rinkoje, pasaulis tik pagerėjo.
finansų rinkoje, pasaulis tik pagerėjo.
16:39
has improved that world.
306
987475
2159
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
Sumažėjo rinkos kintamumas,
išaugo likvidumas.
išaugo likvidumas.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
Skirtumai irgi mažėja,
nes investoriai jais ėmė prekiauti.
nes investoriai jais ėmė prekiauti.
16:48
So I'm not too worried about Einstein
going off and starting a hedge fund.
going off and starting a hedge fund.
309
996965
5076
Nesuksiu sau galvos, jei Einšteinai
ims atidarinėti rizikos fondus.
ims atidarinėti rizikos fondus.
16:54
CA: You're at a phase in your life now
where you're actually investing, though,
where you're actually investing, though,
310
1002478
4164
CA: Neseniai ėmėtės investuoti
į kitą pasiūlos grandį.
į kitą pasiūlos grandį.
16:58
at the other end of the supply chain --
311
1006666
3734
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
Jūsų dėka Amerikoje suklestėjo
matematikos mokslas.
matematikos mokslas.
17:06
This is your wife, Marilyn.
313
1014552
1865
Čia jūsų žmona Marilyn –
dviese užsiimate filantropija.
dviese užsiimate filantropija.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
17:13
Tell me about that.
315
1021221
1163
Papasakokite plačiau apie šią veiklą.
17:14
JS: Well, Marilyn started --
316
1022408
3649
JS: Viską pradėjo Marilyn.
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
Štai ir ji – mano gražuolė žmona.
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
Ji įkūrė labdaros fondą
prieš maždaug 20 metų, 1994-aisiais.
prieš maždaug 20 metų, 1994-aisiais.
17:24
I think '94.
319
1032548
1151
Mano galva, buvo 1993-ieji,
o Marilyn nuomone – 1994-ieji.
o Marilyn nuomone – 1994-ieji.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
17:27
but it was one of those two years.
321
1035842
2571
Tad buvo 1993-1994.
17:30
(Laughter)
322
1038437
2135
(Juokas.).
17:32
We started the foundation,
just as a convenient way to give charity.
just as a convenient way to give charity.
323
1040596
6719
Įkūrėme fondą,
kad būtų lengviau aukoti labdarai.
kad būtų lengviau aukoti labdarai.
17:40
She kept the books, and so on.
324
1048346
2507
Buhalterija užsiėmė mano žmona.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
Iš pradžių nežinojome, ką remsime,
bet ilgainiui apsisprendėme.
bet ilgainiui apsisprendėme.
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
Apsisprendėme remti matematiką,
mokslą, mokslinius tyrimus.
mokslą, mokslinius tyrimus.
17:55
And that's what we've done.
327
1063569
2772
Juos ir rėmėme.
17:58
Six years ago or so, I left Renaissance
and went to work at the foundation.
and went to work at the foundation.
328
1066365
6355
Prieš maždaug šešerius metus iškeičiau
„Renaissance“ į darbą labdaros fonde.
„Renaissance“ į darbą labdaros fonde.
18:04
So that's what we do.
329
1072744
1571
„Math for America“...
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
Investuojate į Amerikos
matematikos mokytojus.
matematikos mokytojus.
18:09
in math teachers around the country,
331
1077272
2638
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
Remiate juos pinigais,
organizuojate profesinius kursus.
organizuojate profesinius kursus.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
Siekiate produktyvumo,
norite mokytojus įkvėpti darbui.
norite mokytojus įkvėpti darbui.
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
JS: Teisingai.
Netikusių mokytojų nemušame.
Netikusių mokytojų nemušame.
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
Mušimas tik pridarė žalos motyvacijai
švietimo sistemai.
švietimo sistemai.
18:31
in particular in math and science,
337
1099151
2441
Ypač matematikai ir tiksliesiems mokslams.
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
Mes skatiname pažangius mokytojus,
išvedame juos į dienos šviesą.
išvedame juos į dienos šviesą.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
Remiame juos ir pinigais –
15 000 dolerių per metus.
15 000 dolerių per metus.
18:42
We have 800 math and science teachers
in New York City in public schools today,
in New York City in public schools today,
340
1110725
4467
Mūsų branduolį sudaro 800 matematikos
ir tiksliųjų mokslų mokytojų
ir tiksliųjų mokslų mokytojų
Niujorko valstybinėse mokyklose.
18:47
as part of a core.
341
1115216
1814
18:49
There's a great morale among them.
342
1117054
3686
Jie džiaugiasi tuo, ką daro,
toliau dirba mokytojais.
toliau dirba mokytojais.
18:52
They're staying in the field.
343
1120764
2506
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
Už metų šių mokytojų bus jau 1000 –
10 % visų Niujorko valstybinių mokyklų.
10 % visų Niujorko valstybinių mokyklų.
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
19:01
(Applause)
346
1129781
5905
(Plojimai.)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
CA: Džimai, o kaip jūsų parama
tyrimams apie gyvybės atsiradimą?
tyrimams apie gyvybės atsiradimą?
19:11
Research into origins of life, I guess.
348
1139144
2397
19:13
What are we looking at here?
349
1141565
1447
Ką matome ekrane?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
JS: Neskubėkime.
Ateis laikas ir pasakysiu.
Ateis laikas ir pasakysiu.
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
19:19
Origins of life is a fascinating question.
352
1147628
3056
Kaip atsirado gyvybė
yra labai įdomus klausimas.
yra labai įdomus klausimas.
19:22
How did we get here?
353
1150708
1533
Tiesą pasakius,
klausimų yra du, o ne vienas.
klausimų yra du, o ne vienas.
19:25
Well, there are two questions:
354
1153170
1771
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
Kaip geologija nuvedė mus iki biologijos?
Tai yra, kaip atsiradome?
Tai yra, kaip atsiradome?
19:32
how did we get here?
356
1160857
1381
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
Paskui, iš ko išaugome?
Jei iš medžiagos, tai kokios?
Jei iš medžiagos, tai kokios?
19:36
What material, if any,
did we have to work with on this route?
did we have to work with on this route?
358
1164650
3102
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
Šie du klausimai yra nepaprastai įdomūs.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
Kaip vystėsi vingiuotoji kelionė
nuo geologijos iki RNR?
nuo geologijos iki RNR?
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
Ir kokių medžiagų turėjome po ranka?
Turėjome jų daugiau, nei atrodo.
Turėjome jų daugiau, nei atrodo.
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
19:54
Well, more than we think.
363
1182325
1771
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
Štai čia matome
besiformuojančią žvaigždę.
besiformuojančią žvaigždę.
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
Kiekvienais metais Paukščių Take
su 100 milijardų žvaigždžių
su 100 milijardų žvaigždžių
20:05
about two new stars are created.
366
1193285
2495
gimsta po dvi naujas žvaigždes.
20:07
Don't ask me how, but they're created.
367
1195804
2470
Nežinau kaip – gimsta ir tiek.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
Ir tik po milijono metų
jos pilnai susiformuoja.
jos pilnai susiformuoja.
20:14
So, in steady state,
369
1202132
2176
Taigi, turime apie du milijonus
nuolat besivystančių žvaigdžių.
nuolat besivystančių žvaigdžių.
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
Ši žvaigždė jau beveik
baigia formavimąsi.
baigia formavimąsi.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
Aplink ją sukasi begalė šiukšlių –
kosmoso dulkės, tas ir anas.
kosmoso dulkės, tas ir anas.
20:27
dust and stuff.
373
1215027
1498
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
Iš šios žvaigždės gal išaugs
nauja saulės sistema...
nauja saulės sistema...
20:32
But here's the thing --
375
1220526
2176
Bet ne tai svarbiausia.
20:34
in this dust that surrounds a forming star
376
1222726
6348
Šios besivystančios žvaigždės dulkėse
aptikta svarbių organinių molekulių.
aptikta svarbių organinių molekulių.
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
Ne vien metano,
bet ir metanalio bei cianido.
bet ir metanalio bei cianido.
20:54
things that are the building blocks --
the seeds, if you will -- of life.
the seeds, if you will -- of life.
379
1242121
6517
Šias molekules galime vadinti
gyvybės pamatais, jos sėklomis.
gyvybės pamatais, jos sėklomis.
21:01
So, that may be typical.
380
1249136
2692
Galbūt čia nėra nieko nepaprasta.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
Galbūt visose visatos planetose
pradžioje būna šių molekulių.
pradžioje būna šių molekulių.
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
21:15
Now does that mean
there's going to be life all around?
there's going to be life all around?
383
1263830
2715
Ar tai reiškia, kad bus ir gyvybė? Gal.
21:18
Maybe.
384
1266569
1364
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
Tačiau nežinia,
kokia vingiuota bus ši kelionė
kokia vingiuota bus ši kelionė
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
nuo pabirų sėklyčių
iki pačios gyvybės.
iki pačios gyvybės.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
Dauguma šių sėklų nusės
ant nederlingų planetų.
ant nederlingų planetų.
21:33
CA: So for you, personally,
388
1281742
1409
CA: Vadinasi, norėtumėte
rasti atsakymą į pradžios klausimą.
rasti atsakymą į pradžios klausimą.
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
Norėtumėte sužinoti,
kaip viskas vyko.
kaip viskas vyko.
21:37
of how did this thing happen,
that is something you would love to see.
that is something you would love to see.
390
1285921
3658
21:41
JS: Would love to see.
391
1289603
1786
JS: Labai norėčiau.
21:43
And like to know --
392
1291413
1490
Dar norėčiau sužinoti, ar ši kelionė
tokia vingiuota ir tokia nepaprasta,
tokia vingiuota ir tokia nepaprasta,
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
kad kokia bebūtų jos pradžia,
be mūsų visatoje daugiau nieko nėra.
be mūsų visatoje daugiau nieko nėra.
21:55
But on the other hand,
395
1303336
1152
Nors aplink mus tiek organinių dulkių,
kad tikriausiai nesame visatoje vieni.
kad tikriausiai nesame visatoje vieni.
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
22:00
we could have lots of friends out there.
397
1308014
3791
22:04
It'd be great to know.
398
1312947
1161
Būtų puiku žinoti.
22:06
CA: Jim, a couple of years ago,
I got the chance to speak with Elon Musk,
I got the chance to speak with Elon Musk,
399
1314132
3480
CA: Džimai, prieš porą metų
turėjau progą pasikalbėti su Elonu Musku.
turėjau progą pasikalbėti su Elonu Musku.
Paklausiau, koks jo sėkmės receptas.
22:09
and I asked him the secret of his success,
400
1317636
2837
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
Jis atsakė, kad žiūrėjo į fiziką rimtai.
Manau, jūsų požiūriai sutampa.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
Jūs visą gyvenimą
žiūrėjote į matematiką rimtai.
žiūrėjote į matematiką rimtai.
22:20
that has infused your whole life.
403
1328723
3003
22:24
It's made you an absolute fortune,
and now it's allowing you to invest
and now it's allowing you to invest
404
1332123
4563
Iš matematikos susikrovėte turtus
ir dabar galite investuoti
ir dabar galite investuoti
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
į tūkstančių vaikų ateitis
Amerikoje ir už Amerikos ribų.
Amerikoje ir už Amerikos ribų.
22:33
Could it be that science actually works?
406
1341567
2858
Vadinasi, mokslas veda į tiesą?
22:36
That math actually works?
407
1344449
2772
Matematika veikia?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
JS: Be abejonės.
Matematika tikrai veikia.
Matematika tikrai veikia.
22:43
But this has been fun.
409
1351641
1198
Tačiau man patiko
ir darbas su Marilyn.
ir darbas su Marilyn.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
Patiko labdara.
22:49
CA: I just find it --
it's an inspirational thought to me,
it's an inspirational thought to me,
411
1357833
2936
CA: Ši mintis mane labai įkvepia...
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
Žiūrėk į žinias rimtai ir jos atsipirks.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
Ačiū jums už šį pokalbį
ir jūsų nepaprastą gyvenimą.
ir jūsų nepaprastą gyvenimą.
22:59
Thank you.
414
1367866
751
Jimas Simonsas!
23:00
Jim Simons!
415
1368651
1101
23:01
(Applause)
416
1369806
4380
(Plojimai.)
ABOUT THE SPEAKER
Jim Simons - Philanthropist, mathematicianAfter astonishing success as a mathematician, code breaker and billionaire hedge fund manager, Jim Simons is mastering yet another field: philanthropy.
Why you should listen
As a mathematician who cracked codes for the National Security Agency on the side, Jim Simons had already revolutionized geometry -- and incidentally laid the foundation for string theory -- when he began to get restless. Along with a few hand-picked colleagues he started the investment firm that went on to become Renaissance, a hedge fund working with hitherto untapped algorithms, and became a billionaire in the process.
Now retired as Renaissance’s CEO, Simons devotes his time to mathematics and philanthropy. The Simons Foundation has committed more than a billion dollars to math and science education and to autism research.
Jim Simons | Speaker | TED.com