TED2015
Jim Simons: The mathematician who cracked Wall Street
جیم سیمونز: یک مصاحبه‌ی نادر با ریاضیدانی که وال‌استریت را رمزشکنی کرد
Filmed:
Readability: 4
2,981,452 views
جیم سیمونز یک ریاضیدان و رمزشکن بود که فهمید: ریاضیات پیچیده‌ای که برای شکستن رمزها از آن استفاده می‌کرد می‌تواند الگوهای موجود در دنیای مالی را توضیح دهد. پس از درآمدی میلیاردی، او برای حمایت از نسل بعدی معلم‌های ریاضی و دانشجویان تلاش می‌کند. کریس آندرسون از TED با سیمونز درباره‌ی زندگی فوق‌العاده‌اش در اعداد به گفت و گو نشسته است.
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.
00:12
Chris Anderson: You were something
of a mathematical phenom.
of a mathematical phenom.
0
817
2834
کریس اندرسون: شما خدای ریاضیات بودید.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
شما در سِن پایین در هاروارد و امآِیتی
درس دادید.
درس دادید.
00:18
And then the NSA came calling.
2
6763
2190
و بعد آژانس امنیت ملی آمریکا سراغتان آمد.
00:21
What was that about?
3
9464
1204
ماجرا چی بود؟
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
جیم سیمونز: خب ان‌اس‌ای یا
آژانس امنیت ملی آمریکا
آژانس امنیت ملی آمریکا
00:27
they didn't exactly come calling.
5
15154
1969
دقیقاً دنبالم نیامد.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
عملیاتی در پرینستن داشتند
که برایش ریاضیدان استخدام میکردند
که برایش ریاضیدان استخدام میکردند
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
تا به کدهای مخفی و چیزهایی
از این قبیل حمله کنند.
از این قبیل حمله کنند.
00:37
And I knew that existed.
8
25294
1672
و از وجودش با خبر بودم.
00:39
And they had a very good policy,
9
27315
2180
و خط مشی خیلی خوبی داشتند،
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
چون نیمی از زمانتان را می‌تونستید
به کارهای ریاضی خودتان اختصاص دهید
به کارهای ریاضی خودتان اختصاص دهید
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
و حداقل نیمی دیگر را صرف
انجام کارهای آنها کنید.
انجام کارهای آنها کنید.
00:49
And they paid a lot.
12
37559
1474
و حقوقش زیاد بود.
00:51
So that was an irresistible pull.
13
39057
3051
پس کشش مقاومت ناپذیری بود.
00:54
So, I went there.
14
42132
1912
پس به آنجا رفتم.
00:56
CA: You were a code-cracker.
15
44068
1338
ک. ا.: پس شما رمزشکن بودید.
00:57
JS: I was.
16
45430
1166
ج.س.: بله.
00:58
CA: Until you got fired.
17
46620
1157
ک. ا.: تا این که اخراج شدید.
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
ج. س.: خب، بله. اخراج شدم.
01:01
CA: How come?
19
49408
1245
ک. ا.: چطور؟
01:03
JS: Well, how come?
20
51280
1333
ج. س.: خوب چطوری؟
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
اخراج شدم چون جنگ ویتنام بود،
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
و رئیس رؤسام در سازمانم
هوادار بزرگ جنگ بود
هوادار بزرگ جنگ بود
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
و یک مقاله در نیویورک تایمز نوشت،
در صفحه‌ی رویی مجله،
در صفحه‌ی رویی مجله،
01:20
about how we would win in Vietnam.
24
68772
1770
درباره‌ی اینکه چطور جنگ ویتنام
را ببَریم
را ببَریم
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
و من آن جنگ را دوست نداشتم،
فکر می‌کردم احمقانه است.
فکر می‌کردم احمقانه است.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
و نامهای برای تایمز نوشتم
که چاپ شد،
که چاپ شد،
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
که میگفت همه‌ی کسانی که برای
مکس‌ول تیلر کار می‌کنند،
مکس‌ول تیلر کار می‌کنند،
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
البته اگر کسی اسمش را بیاد بیاره،
با نظراتش موافق نیستند.
با نظراتش موافق نیستند.
01:37
And I gave my own views ...
29
85553
1658
و من عقاید خودم را گفتم.
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
ک.ا.: اوه، باشه. متوجه شدم--
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
ج س:...که متفاوت از ژنرال تیلر بودند.
01:44
But in the end, nobody said anything.
32
92002
1906
اما سرآخر، کسی چیزی نگفت.
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
اما بعد که ۲۹ سالَم بود و جوانکی سراغم آمد
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
که میگفت گزارشگر نیمه وقت
مجله‌ی نیوزویک بود
مجله‌ی نیوزویک بود
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
و میخواست با من مصاحبه کند و
از من درباره‌ی دیدگاه‌هام بپرسد.
از من درباره‌ی دیدگاه‌هام بپرسد.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
و بهش گفتم،" که الان بیشتر
کار ریاضی انجام میدم،
کار ریاضی انجام میدم،
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
و وقتی جنگ تمام شد،
بعدش میرم سراغ کارهای آنها."
بعدش میرم سراغ کارهای آنها."
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
بعد تنها کار هوشمندانهی آن روزم
را انجام دادم--
را انجام دادم--
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
به رییس بخش گفتم
که آن مصاحبه را انجام دادم.
که آن مصاحبه را انجام دادم.
02:13
And he said, "What'd you say?"
40
121153
1459
و او گفت، "چی گفتی؟"
02:14
And I told him what I said.
41
122636
1466
و بهش چیزی را که
گفته بودم گفتم
گفته بودم گفتم
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
و بعد او گفت،
" باید به تیلر زنگ بزنم."
" باید به تیلر زنگ بزنم."
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
به تیلر زنگ زد؛ ۱۰ دقیقه طول کشید.
02:20
I was fired five minutes after that.
44
128866
2262
پنج دقیقه بعد اخراج شدم.
02:23
CA: OK.
45
131590
1222
ک. ا.: بسیار خوب.
02:24
JS: But it wasn't bad.
46
132836
1151
ج. س.: ولی بد نشد.
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
ک. ا.: بد نشد،
چون به استونی بروک رفتید
چون به استونی بروک رفتید
02:28
and stepped up your mathematical career.
48
136528
3133
و در حرفه‌ی ریاضیاتی خودتان ترقی کردید.
02:31
You started working with this man here.
49
139685
2452
در آنجا با این مرد کار کردید.
02:34
Who is this?
50
142161
1164
این کیه؟
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
ج. س.: اوه،[شینگ-شن] چرن.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
چرن یکی از بزرگترین ریاضیدان‌های قرن بود.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
از دوره‌ی فوق لیسانس در برکلی میشناسمش.
02:46
And I had some ideas,
54
154173
1871
و یکسری ایده داشتم،
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
و نزد او مطرحشان کردم و
خوشش آمد.
خوشش آمد.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
با هم، کاری را انجام دادیم
که الان دارید به خوبی اینجا می‌بینید.
که الان دارید به خوبی اینجا می‌بینید.
02:57
There it is.
57
165189
1150
همین هست.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
ک. ا.: منجر به انتشار مقاله‌ی
مشهور مشترکی شد.
مشهور مشترکی شد.
03:02
Can you explain at all what that work was?
59
170828
3238
میشه توضیح بدید که درباره‌ی چی بود؟
03:07
JS: No.
60
175028
1158
ج. س.: نه.
03:08
(Laughter)
61
176210
2274
(خنده)
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
ج. س.: یعنی می‌تونم برای بعضی‌ها
توضیحش بدم.
توضیحش بدم.
03:13
(Laughter)
63
181054
2075
(خنده)
03:15
CA: How about explaining this?
64
183153
1864
ک. ا.: توضیح این چی؟
03:17
JS: But not many. Not many people.
65
185041
2729
ج. س.: اما نه خیلی. نه برای آدمهای زیادی.
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
ک. ا.: فکر کنم به من گفتید که
با کُرهها سروکار داشت.
با کُرهها سروکار داشت.
03:23
so let's start here.
67
191982
1862
پس از اینجا شروع کنیم.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
ج. س.: خوب، بله داشت،
اما آنچه درباره‌ی آن کار باید بگم-
اما آنچه درباره‌ی آن کار باید بگم-
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
به آن داشت، اما قبل از
اینکه به آنجا برسیم-
اینکه به آنجا برسیم-
03:32
that work was good mathematics.
70
200716
3540
ریاضی آن کار عالی بود.
03:36
I was very happy with it; so was Chern.
71
204280
2492
ازش خیلی راضی بودم؛ همینطور چرن.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
چیزی که به عنوان زیرمجموعه شروع شد
الان شکوفا شده.
الان شکوفا شده.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
اما جالبتر اینکه، معلوم شد
در فیزیک کاربرد دارد،
در فیزیک کاربرد دارد،
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
چیزی که نمیدانستیم-
حداقل من از فیزیک سر رشته ندارم،
حداقل من از فیزیک سر رشته ندارم،
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
و فکر نکنم چرن هم چیز زیادی بلد بود.
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
و حدود ۱۰ سال پس از انتشار مقاله،
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
کسی به اسم اد ویتن در پرینستن
آن را در نظریه‌ی ریسمان بکار گرفت
آن را در نظریه‌ی ریسمان بکار گرفت
04:05
and people in Russia started applying it
to what's called "condensed matter."
to what's called "condensed matter."
78
233072
4852
و کسانی در روسیه آن را در چیزی
بنام "ماده‌ی چگال" بکار گرفتند.
بنام "ماده‌ی چگال" بکار گرفتند.
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
امروزه، آن چیزها، آنجا،
را ثابت چرن-سیمونز مینامند.
را ثابت چرن-سیمونز مینامند.
04:14
have spread through a lot of physics.
80
242865
1865
که در بخش زیادی از فیزیک گسترده شده.
04:16
And it was amazing.
81
244754
1174
فوقالعاده بود.
04:17
We didn't know any physics.
82
245952
1365
ما هیچی درباره‌ی فیزیک
نمیدانستیم
نمیدانستیم
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
هرگز به ذهنم نرسیده بود
که در فیزیک کاربرد پیدا می‌کنه.
که در فیزیک کاربرد پیدا می‌کنه.
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
اما خوب نکته‌ی ریاضیات همینه-
هرگز نمیدانید به کجا میره.
هرگز نمیدانید به کجا میره.
04:26
CA: This is so incredible.
85
254404
1492
ک. ا.: این چقدر باورنکردنیه.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
ما درباره‌ی اینکه تکامل چطور ذهن انسان‌ها
را شکل میده صحبت می‌کنیم
را شکل میده صحبت می‌کنیم
04:32
that may or may not perceive the truth.
87
260308
2508
که شاید [ذهن] حقیقت را درک کند یا شاید نکند.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
یکجوری شما به یک نظریه‌ی ریاضی رسیدید،
04:38
not knowing any physics,
89
266177
1848
بدون آنکه فیزیک بدانید،
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
دو دهه بعد کشف کردید که در
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
توصیفِ پایه‌ایِ جهان فیزیکی واقعی
به کار می‌رود.
به کار می‌رود.
04:45
How can that happen?
92
273626
1153
این چطور ممکنه؟
04:46
JS: God knows.
93
274803
1157
ج. س.: خدا میدونه.
04:47
(Laughter)
94
275984
2110
(خنده)
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
اما فیزیکدان مشهوری هست
به اسم (یوجین) ویگنر،
به اسم (یوجین) ویگنر،
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
و او رسالهای نوشته در باب
کارایی غیرموجه ریاضیات.
کارایی غیرموجه ریاضیات.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
یکجورهایی این ریاضیات که
به یک معنی ریشه در جهان واقعی دارد-
به یک معنی ریشه در جهان واقعی دارد-
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
ما شمردن و اندازهگیری
را می‌آموزیم، همه این کار بلدند-
را می‌آموزیم، همه این کار بلدند-
05:08
and then it flourishes on its own.
99
296630
1830
و بعد خودبخود پیشرفت می‌کند.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
اما اغلب نتیجهاش منجر به نجات
از یک فاجعه می‌شود
از یک فاجعه می‌شود
05:14
General relativity is an example.
101
302293
2178
نسبیت عام یک نمونه است.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
[هرمان] مینوکفسکی هندسه‌اش را داشت،
و انیشتین تشخیص داد
و انیشتین تشخیص داد
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
که «خوب این همان چیزیست که
میتوانم نسبیت کلی را در آن بگنجانم."
میتوانم نسبیت کلی را در آن بگنجانم."
05:23
So, you never know. It is a mystery.
104
311507
3112
پس هیچوقت نمیدانی. این یک راز است.
05:27
It is a mystery.
105
315056
1217
این یک راز است.
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
ک. ا.: در اینجا تکهای
از نبوغ ریاضیاتی را داریم.
از نبوغ ریاضیاتی را داریم.
05:31
Tell us about this.
107
319617
1342
برایمان در این باره بگویید.
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
ج. س.: خب، این یک توپه- یک کره که اطراف آن
یک شبکه وجود دارد-
یک شبکه وجود دارد-
05:38
you know, those squares.
109
326931
1573
آن مربع‌ها منظورمه.
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
چیزی که من می‌خوام به شما نشون بدم
ابتدا توسط [لئونارد] اویلر مشاهده شد،
ابتدا توسط [لئونارد] اویلر مشاهده شد،
05:47
the great mathematician, in the 1700s.
111
335627
2254
یک ریاضیدان بزرگ در حدود سال ۱۷۰۰ [میلادی]
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
و کم کم رشد پیدا کرد تا یک شاخه‌ی خیلی مهم
ریاضیات شد:
ریاضیات شد:
05:55
algebraic topology, geometry.
113
343428
2334
توپولوژی جبری در هندسه.
05:59
That paper up there had its roots in this.
114
347039
4364
آن مقاله در اینجا ریشه داشت.
06:03
So, here's this thing:
115
351427
1834
پس اینجا ما اینها را داریم:
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
هشت رأس، ۱۲ ضلع و شش وجه دارد.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
و اگر شما به تفاوت‌ها نگاه کنید-
رأس‌ها منهای اضلاع به علاوه‌ی وجه‌ها-
رأس‌ها منهای اضلاع به علاوه‌ی وجه‌ها-
06:13
you get two.
118
361615
1152
تفاوت می‌شود دو.
06:14
OK, well, two. That's a good number.
119
362791
2219
بله دو، عدد خوبیه
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
اینجا راه متفاوتی برای انجامش هست،
اینها مثلث‌هایی‌اند که آن رو پوشانده-
اینها مثلث‌هایی‌اند که آن رو پوشانده-
06:21
this has 12 vertices and 30 edges
121
369306
4577
این ۱۲ رأس و ۳۰ ضلع دارد
06:25
and 20 faces, 20 tiles.
122
373907
4195
و ۲۰ وجه ، ۲۰ قطعه.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
و رأس‌ها منهای اضلاع به علاوه‌ی وجه‌ها می‌شود دو
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
و در حقیقت شما این کار را به هر طریقی
می‌توانید انجام دهید
می‌توانید انجام دهید
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
این را با انواع چندوجهی‌ها و مثلثها
بپوشانید
بپوشانید
06:41
and mix them up.
126
389484
1320
و با هم ترکیب کنید.
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
وقتی رأس‌ها را منهای جمع اضلاع و وجوه کنید
می‌شود دو.
می‌شود دو.
06:46
Here's a different shape.
128
394131
1611
این یک شکل متفاوت است.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
این یک چنبره یا سطح یک دونات است: ۱۶ رأس
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
که با مستطیل پوشیده شده، ۳۲ ضلع و
۱۶ وجه دارد.
۱۶ وجه دارد.
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
رئوس منهای اضلاع می‌شود صفر.
07:01
It'll always come out to zero.
132
409238
1475
همیشه صفر میشه.
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
هر بار که شما یک چنبره را با مربع
یا مثلث بپوشانید
یا مثلث بپوشانید
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
یا هر چیزی شبیه آن، نتیجه صفر میشه.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
خوب، این مشخصه‌ی اویلر نام دارد.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
و این چیزیست که ناوردای توپولوژی نام دارد.
07:18
It's pretty amazing.
137
426849
1156
واقعا جالبه.
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
فرقی ندارد چطور انجامش دهید،
همیشه یک جواب می‌گیرید.
همیشه یک جواب می‌گیرید.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
خوب این اولین نیروی فشار بود که از میانه‌ی ۱۷۰۰
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
به موضوعی که امروزه توپولوژی جبری
نام گرفته وارد شد.
نام گرفته وارد شد.
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
ک.ا.: و کار خود شما یک ایده
مثل این را گرفت
مثل این را گرفت
07:35
into higher-dimensional theory,
142
443967
2449
و به فرضیه‌ی ابعاد بالا بُرد،
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
اجسام در ابعاد بالاتر، و ناورداهای( ویژگیهای تغییرناپذیر)
جدیدی پیدا کردید؟
جدیدی پیدا کردید؟
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
ج.س.: بله. خوب، همون موقع هم ناورداهای در
ابعاد بالاتر وجود داشت:
ابعاد بالاتر وجود داشت:
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
طبقات پونتِریاگین-- در واقع، آنها
طبقات چِرن بودند.
طبقات چِرن بودند.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
یک مشت از این ناورداها وجود داشت.
07:54
I was struggling to work on one of them
147
462272
4135
من تلاش می‌کردم روی یکی از آنها کار کنم
07:58
and model it sort of combinatorially,
148
466431
4203
و به صورت ترکیبی آن را مدل‌سازی کنم،
08:02
instead of the way it was typically done,
149
470658
3022
به جای روشی که معمولاً انجام می‌شد،
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
که به این کار منتهی شد و ما چیزهای
نویی کشف کردیم.
نویی کشف کردیم.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
اما اگر به خاطر آقای اویلر نبود-
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
که ۷۰ جلد در ریاضیات نوشت
08:17
and had 13 children,
153
485617
1731
و ۱۳ تا بچه داشت،
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
که اینطور که پیداست در حال نوشتن روی
زانوش تکانشان می‌داد -
زانوش تکانشان می‌داد -
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
اگر به خاطر آقای اویلر نبود، شاید این
ناورداها وجود نداشتند.
ناورداها وجود نداشتند.
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
ک.ا.: خوب، پس این حداقل به ما مزه‌ای از
ذهن شگفت‌آوری که اون تو هست داد.
ذهن شگفت‌آوری که اون تو هست داد.
08:36
Let's talk about Renaissance.
157
504804
1543
بیایید درباره‌ی رنسانس صحبت کنیم.
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
چون شما اون ذهن شگفت‌انگیز را برداشتید و
چون در ان.اس.ای یک رمزشکن بودید،
چون در ان.اس.ای یک رمزشکن بودید،
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
یک رمزشکن در صنایع مالی شُدید.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
فکر کنم احتمالاً شما فرضیه‌ی بازار کارا
را قبول نداشتید.
را قبول نداشتید.
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
به طریقی شما راهی پیدا کردید که در طول
دو دهه سود‌های حیرت‌انگیزی کنید.
دو دهه سود‌های حیرت‌انگیزی کنید.
08:56
The way it's been explained to me,
162
524629
1671
آنطور که برای من توضیح دادند،
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
آنچه در مورد کار شما قابل‌توجه است
تنها اندازه‌ی سوتان نبود،
تنها اندازه‌ی سوتان نبود،
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
بلکه اینست که شما آن سودها را با ریسک و
نوسان پایین در مقایسه با دیگر
نوسان پایین در مقایسه با دیگر
09:05
compared with other hedge funds.
165
533754
1824
صندوق‌های پوشش ریسک بدست آوردید
که غافل‌گیر کننده‌ست.
که غافل‌گیر کننده‌ست.
09:07
So how on earth did you do this, Jim?
166
535602
1929
خوب پس چطوری این کار را کردی جیم؟
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
ج.س.: من این کار را با جمع کردن یک گروه
شگفت‌انگیز از افراد انجام دادم.
شگفت‌انگیز از افراد انجام دادم.
09:14
When I started doing trading, I had
gotten a little tired of mathematics.
gotten a little tired of mathematics.
168
542206
3956
وقتی من وارد بازرگانی شدم، کمی از ریاضیات
خسته شده بودم.
خسته شده بودم.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
در سال‌های پایانی دهه‌ی سوم زندگیم بودم،
پول کمی داشتم.
پول کمی داشتم.
09:22
I started trading and it went very well.
170
550133
2509
شروع به بازرگانی کردم که خیلی خوب پیش رفت.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
خیلی پول درآوردم با شانس خالص.
09:27
I mean, I think it was pure luck.
172
555835
1666
یعنی فکر کنم شانس خالص بود.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
قطعاً مدل‌سازی ریاضی نبود.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
اما با بررسی داده‌ها پس از مدتی فهمیدم:
09:35
it looks like there's some structure here.
175
563513
2553
انگار یک ساختاری اینجا هست.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
و چند نفر ریاضیدان را استخدام کردم، و
شروع به مدل‌سازی کردیم-
شروع به مدل‌سازی کردیم-
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
دقیقاً همون مدل کاری که قبلاً در
مؤسسه‌ی آنالیز دفاع انجام می‌دادیم.
مؤسسه‌ی آنالیز دفاع انجام می‌دادیم.
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
الگوریتمی را طراحی میکنی،
روی یک کامپیوتر اجراش میکنی.
روی یک کامپیوتر اجراش میکنی.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
کار می‌کنه؟ کار نمیکنه؟ و الی آخر.
09:51
CA: Can we take a look at this?
180
579443
1479
ک. ا.: می‌تونیم نگاهی به این بیندازیم؟
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
چون این یک گراف معمول از یک کالاست.
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
من به این نگاه می‌کنم و می‌گم، «بالا و پایین شدنِ
این بی‌ترتیب است-
این بی‌ترتیب است-
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
شاید یک تمایل رو به بالای خیلی کم در کل
این زمان داشته باشه.»
این زمان داشته باشه.»
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
چطوری می‌تونستید با نگاه کردن به این
بازرگانی کنید،
بازرگانی کنید،
10:07
and see something that wasn't just random?
185
595575
2326
و چیزی ببینید که بی‌ترتیب نیست؟
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
ج.س.: قدیما - این نوع گرافی است که
قدیما داشتیم،
قدیما داشتیم،
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
کالا یا ارزتمایل به ایجاد رَوند [در بازار] دارند.
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
الزاماً روند ملایمی که اینجا می‌بینید نه، بلکه
روند در دوره‌های زمانی.
روند در دوره‌های زمانی.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
و اگر تصمیم بگیرید که خوب، من امروز با
10:27
by the average move in the past 20 days --
190
615663
4968
میانگین کردن حرکت در ۲۰ روز گذشته،
[بازار را] پیش‌بینی می‌کنم-
[بازار را] پیش‌بینی می‌کنم-
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
شاید این یک پیش‌بینی خوب باشه، و من یکم
پول در میارم.
پول در میارم.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
در واقع، سالها پیش همچین سامانه‌ای
به درد می‌خورد.
به درد می‌خورد.
10:41
not beautifully, but it would work.
193
629418
2391
نه به زیبایی ولی کار می‌کنه.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
شما پول درمیارید، پول از دست می‌دید،
پول درمیارید.
پول درمیارید.
10:46
But this is a year's worth of days,
195
634366
2198
اما این روزهای یک سال است،
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
و شما در طول این دوره یکم پول درمیارید.
10:53
It's a very vestigial system.
197
641884
1958
سامانه‌ی قدیمی‌ای است.
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
ک.ا.: پس شما چندتا روند را در طول زمان
امتحان می‌کردید
امتحان می‌کردید
11:00
and see whether, for example,
199
648078
2436
و می‌دیدید که مثلاً
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
یک روند ۱۰ روزه و یا ۱۵ روزه آنچه بعداً
اتفاق می‌افتد را پیش‌بینی می‌کند.
اتفاق می‌افتد را پیش‌بینی می‌کند.
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
ج.س.: مطمئناً، همه‌ی اینها را امتحان
می‌کردید تا ببینید کدام بهتر کار می‌کند.
می‌کردید تا ببینید کدام بهتر کار می‌کند.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
دنبال کردن روند برای دهه‌ی ۶۰ عالی بود،
11:16
and it was sort of OK in the '70s.
203
664889
2132
اما برای دهه‌ی ۷۰ همینطور خوب بود.
11:19
By the '80s, it wasn't.
204
667045
1873
برای دهه‌ی ۸۰ اینطور نبود.
11:20
CA: Because everyone could see that.
205
668942
2817
ک. ا.: چون همه میتوانستند آن را ببینند.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
خب چطور تونستید جلوتر از
دیگران باقی بمانید؟
دیگران باقی بمانید؟
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
ج. س.: ما با پیدا کردن رویکردهای دیگه
جلوتر از دیگران ماندیم-
جلوتر از دیگران ماندیم-
11:33
shorter-term approaches to some extent.
208
681202
2741
تا حدی رویکردهای کوتاه مدت.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
نکته‌ی واقعی این بود که مقدارعظیمی داده
جمع کنیم-
جمع کنیم-
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
و در روزهای قدیم باید با دست این کار
را می‌کردیم.
را می‌کردیم.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
به فدرال رزرو رفتیم و تاریخچه‌ی
نرخ‌های سود را کپی کردیم
نرخ‌های سود را کپی کردیم
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
و کارهایی مثل این، چون روی
کامپیوترها نبودند.
کامپیوترها نبودند.
11:50
We got a lot of data.
213
698859
1643
کلی داده گرفتیم.
11:52
And very smart people -- that was the key.
214
700526
4160
و آدمهای خیلی باهوش- که کلیدی بودند.
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
من واقعا نمیدانستم چطور آدم‌ها
را برای انجام معاملات بنیادی استخدام کنم.
را برای انجام معاملات بنیادی استخدام کنم.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
یکسری را استخدام کردم- بعضی پول درآوردند،
بعضی هم نه.
بعضی هم نه.
12:04
I couldn't make a business out of that.
217
712722
1880
نتونستم از آن کسب و کاری
راه بیاندازم.
راه بیاندازم.
12:06
But I did know how to hire scientists,
218
714626
2042
اما میدانستم چطور دانشمندها
را استخدام کنم،
را استخدام کنم،
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
چون کمی در آن بخش سلیقه دارم.
12:12
So, that's what we did.
220
720105
1838
پس این کار را کردیم.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
و به تدریج این مدل‌ها بهتر و بهتر شدند،
12:17
and better and better.
222
725222
1335
بهتر و بهتر.
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
ک. ا.: شما برای انجام کاری قابل توجه
در رنسانس شناخته شدید،
در رنسانس شناخته شدید،
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
که این فرهنگ را می سازد،
این گروه از مردم،
این گروه از مردم،
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
که فقط کارگرهای تأجیری نبودند
که با پول وسوسه شوند.
که با پول وسوسه شوند.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
انگیزهشان انجام محاسبات ریاضی
هیجانانگیز و علوم بود.
هیجانانگیز و علوم بود.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
ج. س.: خوب، من امیدوار بودم که صحت
داشته باشه.
داشته باشه.
12:34
But some of it was money.
228
742283
3580
اما کمی از آن برای پول بود.
12:37
CA: They made a lot of money.
229
745887
1393
ک. ا.: کلی پول درآوردند.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
ج. س.: نمیتونم بگم که هیچ کس برای
پول نیامد.
پول نیامد.
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
فکر کنم بسیاری از آنها برای پول آمدند.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
اما برای لذت بردن هم آمدند.
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
ک.ا.: یادگیری ماشینی چه نقشی در این
بین داشت؟
بین داشت؟
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
ج.س.: به شکلی، کاری که ما انجام دادیم هم
یادگیری ماشینی بود.
یادگیری ماشینی بود.
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
شما مقدار زیادی داده را بررسی می‌کنید و
سعی می‌کنید برنامههای پیش‌بینی مختلفی را
شبیه‌سازی کنید،
سعی می‌کنید برنامههای پیش‌بینی مختلفی را
شبیه‌سازی کنید،
12:59
until you get better and better at it.
236
767194
2182
تا در انجامش بهتر و بهتر شوید.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
الزاماً به خودش بازخورد نمی‌دهد در روشی که
ما بکار بردیم.
ما بکار بردیم.
13:05
But it worked.
238
773191
2309
اما کار کرد.
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
ک.ا.: پس این برنامههای پیش‌بینی مختلف می‌تونن
خیلی وحشیانه وغیرقابل پیش‌بینی باشند.
خیلی وحشیانه وغیرقابل پیش‌بینی باشند.
13:12
I mean, you looked at everything, right?
240
780233
1914
یعنی، شما همه‌چیز بررسی کردید، درسته؟
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
شما آب‌وهوا، قد پیراهن، عقیده‌ی سیاسی را
بررسی کردید.
بررسی کردید.
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
ج.س.: بله، ما قد پیراهن را امتحان نکردیم.
13:20
CA: What sort of things?
243
788373
2057
ک.ا.: چه چیزهایی؟
13:22
JS: Well, everything.
244
790454
1158
ج.س.: خوب همه چیز.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
همه چیز به درد می‌خورد- به جز قد پیراهن.
13:28
Weather, annual reports,
246
796852
2300
آب‌وهوا، گزارش‌های سالانه،
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
گزارش‌های فصلی، خود داده‌های تاریخی،
مجلدها، هر چی بگی.
مجلدها، هر چی بگی.
13:35
Whatever there is.
248
803932
1151
هر چیز هست.
13:37
We take in terabytes of data a day.
249
805107
2621
ما تا چند ترابایت داده در روز می‌گرفتیم.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
آنها را ذخیره می کردیم و ماساژ می‌دادیم و
برای آنالیز آماده‌شان می‌کردیم.
برای آنالیز آماده‌شان می‌کردیم.
13:45
You're looking for anomalies.
251
813446
1382
شما دنبال ناهنجاری می‌گردید.
13:46
You're looking for -- like you said,
252
814852
2953
دنبال -همونطور که گفتید،
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
فرضیه‌ی بازار کارا دُرست نیست.
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
ک.ا.: اما هر ناهنجاری تکی‌ای می‌تونه
رندوم باشه.
رندوم باشه.
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
پس، آیا اینجا رمز کار اینه که فقط دنبال
چند ناهنجاری عجیب بگردیم،
چند ناهنجاری عجیب بگردیم،
13:59
and see when they align?
256
827478
1328
و ببینیم که آیا در یک راستا هستند یا نه؟
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
ج.س.: هر ناهنجاری تکی ممکنه رندوم باشه،
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
هرچند، اگر داده‌ی کافی داشته باشید
می‌تونید بفهمید رندوم بوده یا نه.
می‌تونید بفهمید رندوم بوده یا نه.
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
می‌تونید ناهنجاری‌ای را ببینید که برای
مدت زمان درازی پابرجاست-
مدت زمان درازی پابرجاست-
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
احتمال اینکه رندوم باشد بالا نیست.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
اما این چیزها پس از مدتی کم رنگ می‌شوند،
ناهنجاری‌ها محو می‌شوند.
ناهنجاری‌ها محو می‌شوند.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
پس باید به کار مسلط باشید.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
ک.ا.: بسیاری از مردم الان به صندوق‌های
پوشش ریسک نگاه می‌کنند
پوشش ریسک نگاه می‌کنند
14:27
and are sort of ... shocked by it,
264
855533
4398
و یه جورایی... شکه شدند،
14:31
by how much wealth is created there,
265
859955
2172
که چقدر ثروت اینجا ایجاد شده،
14:34
and how much talent is going into it.
266
862151
2245
و چقدر استعداد صرف آن میشه.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
آیا نگرانی از بابت آن صنعت و
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
شاید صنایع مالی در کل دارید؟
14:43
Kind of being on a runaway train that's --
269
871991
2704
بر قطار از خط خارج شده‌‌ای سوار
هستید
هستید
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
که نمی‌دونم- به بیشتر شدن نابرابری
دامن می‌زند؟
دامن می‌زند؟
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
چطور از آنچه در صنعت صندوق‌های پوشش ریسک
دارد اتفاق می‌افتد دفاع می‌کنید؟
دارد اتفاق می‌افتد دفاع می‌کنید؟
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
ج.س.: فکر کنم در سه چهار سال اخیر
14:57
hedge funds have not done especially well.
273
885260
2103
صندوق‌های پوشش ریسک خیلی موفق نبوده‌اند.
14:59
We've done dandy,
274
887387
1400
ما خوب کار کردیم،
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
اما صنعت صندوق‌های پوشش ریسک به طور کل
خیلی عالی نبوده.
خیلی عالی نبوده.
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
بازار بورس دوران خوبی داشته،
همانطور که همه می‌دونند بالا رفته،
همانطور که همه می‌دونند بالا رفته،
15:09
and price-earnings ratios have grown.
277
897762
3445
و نسبت درآمدها رشد کرده.
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
خوب ثروت خیلی زیادی در -
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
بگذار بگم، پنج یا شش سال اخیر-
در صندوق‌های پوشش ریسک ایجاد نشده.
در صندوق‌های پوشش ریسک ایجاد نشده.
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
مردم از من می‌پرسند،
«صندوق پوشش ریسک چیه؟»
«صندوق پوشش ریسک چیه؟»
15:23
And I'd say, "One and 20."
281
911703
2260
و من می‌گم: «یک و ۲۰».
15:25
Which means -- now it's two and 20 --
282
913987
3566
که یعنی - حالا دو و ۲۰ شده-
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
دو درصد نرخ ثابت و ۲۰ درصد سود است.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
صندوق‌های پوشش ریسک موجودات متفاوتی هستند.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
ک.ا.: شایعه شده که شما یکم نرخ شما بالاتره.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
ما مدتی بالاترین نرخ را در جهان داشتیم.
15:42
Five and 44, that's what we charge.
287
930444
3226
پنج و ۴۴، این نرخ ماست.
15:45
CA: Five and 44.
288
933694
1398
ک.ا.: پنج و ۴۴.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
پس پنج درصد ثابت، ۴۴ درصد سود.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
همینطور هم برای سرمایه‌گذارهاتون پول
خیلی زیادی درآوردید.
خیلی زیادی درآوردید.
15:53
JS: We made good returns, yes.
291
941181
1452
ج.س.: ما بازده خوبی داشتیم، بله.
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
مردم خیلی عصبانی شدند:
«چطور می‌تونید همچین نرخ بالایی بگیرید؟»
«چطور می‌تونید همچین نرخ بالایی بگیرید؟»
15:57
I said, "OK, you can withdraw."
293
945681
1627
من گفتم، «باشه، شما می‌ةونید صرفنظر کنید.»
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
اما «چطور بیشتر پول دربیارم؟» چیزی بود که مردم-
16:02
(Laughter)
295
950174
1504
(خنده‌ی حاضران)
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
اما زمانی، همانطور که فکر کنم به شما گفتم،
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
ما [سهام] همه‌ی سرمایه‌گذارانمان را خریدیم
چون سرمایه یک ظرفیتی دارد
چون سرمایه یک ظرفیتی دارد
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
اما آیا ما باید نگران باشیم که صنعت
صندوق‌های پوشش ریسک
صندوق‌های پوشش ریسک
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
بیش از حد استعدادهای بزرگ ریاضی و
دیگر رشته‌ها در دنیا را جذب کند
دیگر رشته‌ها در دنیا را جذب کند
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
که در این [صنعت] کار کنند به جای اینکه
روی مشکلات دیگر دنیا؟
روی مشکلات دیگر دنیا؟
16:22
JS: Well, it's not just mathematical.
301
970817
1929
ج.س.: خوب، فقط که ریاضیات نیست.
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
ما ستاره‌شناس‌ها و فیزیکدان‌ها و امثال
اینها را هم استخدام می‌کنیم.
اینها را هم استخدام می‌کنیم.
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
فکر نکنم باید خیلی نگرانش باشیم.
16:30
It's still a pretty small industry.
304
978288
3142
صنعت کوچکی است.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
و در واقع، آوردن علم به دنیای سرمایه‌گذاری
16:39
has improved that world.
306
987475
2159
دنیا را بهتر کرده.
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
نوسان را کاهش داده.
نقدینگی را افزایش داده.
نقدینگی را افزایش داده.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
دامنه مظنه باریکتر شده‌اند چون مردم
اینجور چیزها را معامله می‌کنند.
اینجور چیزها را معامله می‌کنند.
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
پس من زیاد نگران نیستم که اینشتین بِره و
یک صندوق پوشش ریسک باز کند.
یک صندوق پوشش ریسک باز کند.
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
ک.ا.: اما شما در مرحله‌ای از زندگی هستید
که در حقیقت دارید سرمایه‌گذاری می‌کنید،
که در حقیقت دارید سرمایه‌گذاری می‌کنید،
16:58
at the other end of the supply chain --
311
1006666
3734
در طرف دیگر زنجیره‌ی عَرضه-
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
شما در واقع دارید ریاضیات را در
سراسر آمریکا ترقی می‌دید.
سراسر آمریکا ترقی می‌دید.
17:06
This is your wife, Marilyn.
313
1014552
1865
این همسر شماست، مریلین.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
شما با هم روی مسائل انسان دوستانه
کار می‌کنید.
کار می‌کنید.
17:13
Tell me about that.
315
1021221
1163
درباره‌اش صحبت کنید.
17:14
JS: Well, Marilyn started --
316
1022408
3649
ج.س.: خوب، مریلین شروع کرد-
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
اینجا این بالاست، همسر زیبای من-
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
حدود ۲۰ سال پیش مؤسسه را آغاز کرد.
17:24
I think '94.
319
1032548
1151
فکر کنم سال ۹۴.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
من می‌گم ۹۳ و او میگه ۹۴ بود.
17:27
but it was one of those two years.
321
1035842
2571
اما یکی از این دو سال بود.
17:30
(Laughter)
322
1038437
2135
(خنده‌ی حاضران)
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
ما مؤسسه را آغاز کردیم، فقط به عنوان
راه آسانی برای نیکوکاری.
راه آسانی برای نیکوکاری.
17:40
She kept the books, and so on.
324
1048346
2507
او حساب و کتابش را داشت و به همین منوال.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
ما در آن زمان دورنمایی نداشتیم،
اما ذره ذره دورنمایی پیدا شد-
اما ذره ذره دورنمایی پیدا شد-
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
که تمرکز بر ریاضیات و علم بود،
تمرکز بر روی پژوهش‌های پایه.
تمرکز بر روی پژوهش‌های پایه.
17:55
And that's what we've done.
327
1063569
2772
و این کاریست که ما کردیم.
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
شش سال پیش حدوداً، من رنسانس را ترک کردم
و به کار کردن در مؤسسه پرداختم.
و به کار کردن در مؤسسه پرداختم.
18:04
So that's what we do.
329
1072744
1571
خوب ما این کار را می‌کنیم.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
ک.ا.: پس ریاضی برای آمریکا اساساً
18:09
in math teachers around the country,
331
1077272
2638
بر رو معلم‌های ریاضی در اطراف کشور
سرمایه‌گذاری می‌کند،
سرمایه‌گذاری می‌کند،
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
به آنها درآمد اضافه میده،
آنها را حمایت و تربیت می‌کند.
آنها را حمایت و تربیت می‌کند.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
و واقعاً سعی می‌کند که این کار را
بهتر انجام بده
بهتر انجام بده
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
و آن را تبدیل به پیشه‌ای کند که
معلم‌ها آرزو می‌کنند.
معلم‌ها آرزو می‌کنند.
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
ج س: آره- بجای کوبیدن معلم‌های بد،
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
که در کل جامعه‌ی آموزشی مشکلات اخلاقی
ایجاد کرده،
ایجاد کرده،
18:31
in particular in math and science,
337
1099151
2441
بخصوص در ریاضی و علوم،
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
ما روی گرامیداشت خوب‌ها تمرکز می‌کنیم و
به آنها موقعیت می‌دیم.
به آنها موقعیت می‌دیم.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
بله ما به آنها پول بیشتر می‌دیم، ۱۵۰۰۰
دلار در سال.
دلار در سال.
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
ما ۸۰۰ معلم ریاضی و علوم در مدارس دولتی
شهر نیویورک داریم،
شهر نیویورک داریم،
18:47
as part of a core.
341
1115216
1814
که هسته را تشکیل می‌دهند.
18:49
There's a great morale among them.
342
1117054
3686
روحیه‌ی عالی‌ای بینشون هست.
18:52
They're staying in the field.
343
1120764
2506
آنها در این رشته می‌مانند.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
سال بعد، ۱۰۰۰ نفر خواهد بود
که ۱۰ درصدِ
که ۱۰ درصدِ
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
معلم‌های ریاضی و علوم در مدارس دولتی
[شهر] نیویورک هستند.
[شهر] نیویورک هستند.
19:01
(Applause)
346
1129781
5905
(تشویق حاضران)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
ک. ا.: جیم، این یک پروژه‌ی دیگرست که تو از
آن از روی نوع دوستی حمایت کردهای:
آن از روی نوع دوستی حمایت کردهای:
19:11
Research into origins of life, I guess.
348
1139144
2397
به گمانم تحقیق درباره ریشههای حیات است.
19:13
What are we looking at here?
349
1141565
1447
در اینجا به چی نگاه می‌کنیم؟
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
ج. س.: خوب، من این را به خاطر می‌سپارم.
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
و سپس به شما می‌گم که به چی نگاه می‌کنید.
19:19
Origins of life is a fascinating question.
352
1147628
3056
خاستگاه حیات پرسش شگفت‌انگیزیه.
19:22
How did we get here?
353
1150708
1533
چطور به اینجا رسیدیم؟
19:25
Well, there are two questions:
354
1153170
1771
خوب، دو پرسش هست:
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
یکی اینکه، مسیر از زمین‌شناسی
به زیست‌شناسی چیه-
به زیست‌شناسی چیه-
19:32
how did we get here?
356
1160857
1381
چطور ما به اینجا رسیدیم؟
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
و پرسش دیگه اینه که،
با چی شروع کردیم؟
با چی شروع کردیم؟
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
چه ماده‌ای، اگر ماده‌ای بوده، ما باید
در این مسیر استفاده می‌کردیم؟
در این مسیر استفاده می‌کردیم؟
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
این دو پرسش خیلی جالب هستند.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
پرسش اول یک راه پر پیچ و خم از
زمین‌شناسی تا آران‌ای است
زمین‌شناسی تا آران‌ای است
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
یا چیزی شبیه آن-
چطور اتفاق افتاد؟
چطور اتفاق افتاد؟
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
و دیگری اینکه، ما با چی باید کار کنیم؟
19:54
Well, more than we think.
363
1182325
1771
خب، بیشتر از آنچه فکرش را می‌کنیم.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
خوب آنچه در اینجا به تصویر کشیده شده،
ستاره‌ای در حال شکل‌گیری است،
ستاره‌ای در حال شکل‌گیری است،
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
حالا، هر سال در کهکشان راه شیری ما،
که ۱۰۰ میلیارد ستاره دارد،
که ۱۰۰ میلیارد ستاره دارد،
20:05
about two new stars are created.
366
1193285
2495
حدوداً دو ستاره تازه ایجاد می‌شود.
20:07
Don't ask me how, but they're created.
367
1195804
2470
از من نپرس چطور، اما آنها ایجاد می‌شوند.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
و حدود یک میلیون سال زمان
می‌برد تا ایستا شوند.
می‌برد تا ایستا شوند.
20:14
So, in steady state,
369
1202132
2176
پس در حالت ایستا،
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
حدود دو میلیون ستاره در هر لحظه
در حال شکل گرفتن است.
در حال شکل گرفتن است.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
این یکی هم جایی در دوره‌ی ایستا شدن است.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
و این آشغال‌ها در اطرافش می‌گردند،
20:27
dust and stuff.
373
1215027
1498
غبار و اینها.
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
و احتمالاً یک منظومه‌ی شمسی یا
هر چی تشکیل میده.
هر چی تشکیل میده.
20:32
But here's the thing --
375
1220526
2176
اما نکته اینجاست-
20:34
in this dust that surrounds a forming star
376
1222726
6348
در این غباری که ستاره‌ی در حالِ
شکل‌گیری را احاطه کرده،
شکل‌گیری را احاطه کرده،
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
حالا مقدار قابل توجهی
مولکول‌های آلی پیدا شده.
مولکول‌های آلی پیدا شده.
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
مولکول‌هایی که مثل متان نیستند بلکه
فُرمالدهید و سیانید-
فُرمالدهید و سیانید-
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
چیزهایی که بخش‌های سازنده -
به عبارت دیگه بذر حیات هستند.
به عبارت دیگه بذر حیات هستند.
21:01
So, that may be typical.
380
1249136
2692
پس این شاید معمول باشد.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
و شاید معمول باشد که سیّاره‌ها در جهان هستی
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
با این بخش‌های سازنده آغاز شدند.
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
حالا آیا معنی‌اش اینست که همه‌جا
حیات وجود خواهد داشت؟
حیات وجود خواهد داشت؟
21:18
Maybe.
384
1266569
1364
شاید.
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
اما مسئله اینست که این راه چقدر
پر پیچ و خم است
پر پیچ و خم است
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
از آن شروع ضعیف، آن بذرها، تا حیات.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
و بیشتر آن بذرها روی سیّاره‌های
آیشی می‌افتند.
آیشی می‌افتند.
21:33
CA: So for you, personally,
388
1281742
1409
ک ا: پس برای شما، شخصاً،
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
یافتن پاسخ این سؤال که ما از
کجا میاییم،
کجا میاییم،
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
که چطور این اتفاق افتاده،
است که دوست دارید ببینید.
است که دوست دارید ببینید.
21:41
JS: Would love to see.
391
1289603
1786
ج س: مشتاقم ببینم.
21:43
And like to know --
392
1291413
1490
و دوست دارم بدانم--
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
اگر آن مسیر به حد کافی پرپیچ و خم است
و آنقدر نامحتمل،
و آنقدر نامحتمل،
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
که فارغ از آنکه با چی شروع کنیم،
ممکن است تک باشیم.
ممکن است تک باشیم.
21:55
But on the other hand,
395
1303336
1152
اما از سوی دیگر،
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
با این همه غبار آلی که شناور است،
22:00
we could have lots of friends out there.
397
1308014
3791
ممکنه آن بیرون کلی دوست داشته باشیم.
22:04
It'd be great to know.
398
1312947
1161
عالی میشه اگر بفهمیم.
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
ک. ا.: جیم، دو سال پیش فرصت صحبت کردن با
الون ماسک را پیدا کردم،
الون ماسک را پیدا کردم،
22:09
and I asked him the secret of his success,
400
1317636
2837
و از او راز موفقیتش را پرسیدم،
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
و او گفت جدی گرفتن فیزیک رازش بود.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
با گوش کردن به شما، چیزی که من از شما
می‌شنوم جدی گرفتن ریاضیات است،
می‌شنوم جدی گرفتن ریاضیات است،
22:20
that has infused your whole life.
403
1328723
3003
که کل زندگیتان را دربرگرفته.
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
به شما ثروت مطلق داده و اکنون به شما
امکان سرمایه‌گذاری
امکان سرمایه‌گذاری
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
در آینده‌ی هزاران هزار کودک در سراسر آمریکا
و جاهای دیگر را میده.
و جاهای دیگر را میده.
22:33
Could it be that science actually works?
406
1341567
2858
آیا می‌تونیم بگیم که علم به درد می‌خورد.
22:36
That math actually works?
407
1344449
2772
که ریاضیات واقعاً به درد می‌خورد؟
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
ج. س.: خوب، ریاضی قطعاً به درد می‌خورد.
ریاضی قطعاً به درد می‌خورد.
ریاضی قطعاً به درد می‌خورد.
22:43
But this has been fun.
409
1351641
1198
کار لذت‌بخشی بود.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
کار کردن با مریلین و بخشش کردن
بسیار لذت بخش بوده.
بسیار لذت بخش بوده.
22:49
CA: I just find it --
it's an inspirational thought to me,
it's an inspirational thought to me,
411
1357833
2936
ک. ا.: برای من فکر الهام بخشی است،
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
اینکه با جدی گرفتن دانش،
از آن بهتر میتوان نتیجه گرفت.
از آن بهتر میتوان نتیجه گرفت.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
پس از شما به خاطر زندگی فوقالعادهتان
و آمدنتان به TED سپاسگزارم.
و آمدنتان به TED سپاسگزارم.
22:59
Thank you.
414
1367866
751
متشکرم.
23:00
Jim Simons!
415
1368651
1101
جیم سیمونز!
23:01
(Applause)
416
1369806
4380
(تشویق حاضران)
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