TED2015
Jim Simons: The mathematician who cracked Wall Street
ג'ים סיימונס: ראיון נדיר עם המתמטיקאי שפיצח את וול סטריט
Filmed:
Readability: 4
2,981,452 views
ג'ים סיימונס עסק במתמטיקה ובקריפטוגרפיה, עד שהבין שהמתמטיקה המורכבת שסייעה לו לפצח צפנים יכולה לסייע לו גם להבין תבניות בעולם הפיננסי. מיליארדי דולרים מאוחר יותר הוא פועל כדי לתמוך בדור הבא של המורים למתמטיקה. כריס אנדרסון מ-TED מראיין את סיימונס על המספרים בחייו יוצאי הדופן.
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
כריס אנדרסון: היית סוג של תופעה מתמטיקאית.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
לימדת בהרווארד וב-MIT כבר בגיל צעיר.
00:18
And then the NSA came calling.
2
6763
2190
ואז הגיעו ה-NSA וביקשו את עזרתך.
00:21
What was that about?
3
9464
1204
מה הם רצו?
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
ג'ים סיימונס: ובכן, ה-NSA,
הסוכנות לביטחון לאומי,
הסוכנות לביטחון לאומי,
00:27
they didn't exactly come calling.
5
15154
1969
לא בדיוק פנו אלי.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
היה להם מבצע לגיוס מתמטיקאים בפרינסטון
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
כדי שינסו לפצח קודים סודיים ודברים דומים.
00:37
And I knew that existed.
8
25294
1672
שמעתי על המבצע הזה.
00:39
And they had a very good policy,
9
27315
2180
והייתה להם מדיניות חכמה מאוד.
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
הם אפשרו למתמטיקאים לעסוק במתמטיקה שלהם
במשך מחצית מהזמן,
במשך מחצית מהזמן,
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
ואת החצי השני לפחות הם היו צריכים להקדיש
לענייני ה-NSA.
לענייני ה-NSA.
00:49
And they paid a lot.
12
37559
1474
והם שילמו המון כסף.
00:51
So that was an irresistible pull.
13
39057
3051
אז זאת הייתה הצעה שקשה לסרב לה.
00:54
So, I went there.
14
42132
1912
אז פניתי אליהם.
00:56
CA: You were a code-cracker.
15
44068
1338
כ"א: היית מפצח קודים.
00:57
JS: I was.
16
45430
1166
ג"ס: כן.
00:58
CA: Until you got fired.
17
46620
1157
כ"א: עד שפיטרו אותך.
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
ג"ס: כן. פיטרו אותי.
01:01
CA: How come?
19
49408
1245
כ"א: למה?
01:03
JS: Well, how come?
20
51280
1333
ג"ס: ובכן, למה?
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
פיטרו אותי כי מלחמת ויאטנם הייתה בעיצומה,
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
והמנהל של המנהלים בארגון שלי
היה תומך נלהב של המלחמה,
היה תומך נלהב של המלחמה,
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
והוא כתב כתבת שער בניו יורק טיימס
01:20
about how we would win in Vietnam.
24
68772
1770
על איך הוא היה מנצח בויאטנם.
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
ואני התנגדתי למלחמה הזאת.
חשבתי שהיא מגוחכת.
חשבתי שהיא מגוחכת.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
וכתבתי לטיימס מכתב שהם פרסמו,
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
וכתבתי בו שלא כל מי שעובד
עבור מקסוול טיילור,
עבור מקסוול טיילור,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
אם אתם זוכרים מי הוא,
מסכים עם ההשקפות שלו.
מסכים עם ההשקפות שלו.
01:37
And I gave my own views ...
29
85553
1658
והבעתי את הדעות שלי...
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
כ"א: אה, כן. אני מבין איך זה...
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
ג"ס: ... שהיו שונות
מדיעותיו של גנרל טיילור.
מדיעותיו של גנרל טיילור.
01:44
But in the end, nobody said anything.
32
92002
1906
אבל בסופו של דבר,
אף אחד לא הגיב.
אף אחד לא הגיב.
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
אבל אז, הייתי בן 29 באותה תקופה,
הגיע איזה ילד
הגיע איזה ילד
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
ואמר שהוא עיתונאי מניוזוויק
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
ושהוא רוצה לראיין אותי
ולברר מה אני עושה בקשר לדעות שלי.
ולברר מה אני עושה בקשר לדעות שלי.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
אמרתי לו, "כרגע אני עוסק בעיקר במתמטיקה,
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
וכשהמלחמה תיגמר
אעסוק בעיקר בעניינים שלהם."
אעסוק בעיקר בעניינים שלהם."
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
הדבר הנבון היחיד שעשיתי באותו יום
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
הוא שסיפרתי לבוס המקומי שלי
על הריאיון הזה.
על הריאיון הזה.
02:13
And he said, "What'd you say?"
40
121153
1459
והוא שאל, "מה אמרת?"
02:14
And I told him what I said.
41
122636
1466
סיפרתי לו מה אמרתי.
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
ואז הוא אמר, "אני חייב להתקשר לטיילור."
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
והוא התקשר לטיילור,
זה לקח עשר דקות.
זה לקח עשר דקות.
02:20
I was fired five minutes after that.
44
128866
2262
וחמש דקות לאחר מכן פיטרו אותי.
02:23
CA: OK.
45
131590
1222
כ"א: אוקיי.
02:24
JS: But it wasn't bad.
46
132836
1151
ג"ס: אבל זה לא היה רע.
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
כ"א: זה לא היה רע כי עברת
לאוניברסיטת סטוני ברוק,
לאוניברסיטת סטוני ברוק,
02:28
and stepped up your mathematical career.
48
136528
3133
והקריירה המתמטית שלך נסקה.
02:31
You started working with this man here.
49
139685
2452
התחלת לעבוד עם האיש הזה.
02:34
Who is this?
50
142161
1164
מי הוא?
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
ג"ס: אוה, סינג צ'רן.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
צ'רן היה אחד המתמטיקאים הגדולים של המאה.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
הכרתי אותו כשלמדתי לתואר מתקדם בברקלי.
02:46
And I had some ideas,
54
154173
1871
היו לי רעיונות,
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
והצגתי אותם לפניו והוא אהב אותם.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
עבדנו יחד על פרויקט
שאתם יכולים לראות שם למעלה.
שאתם יכולים לראות שם למעלה.
02:57
There it is.
57
165189
1150
הנה הוא.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
כ"א: כתבתם ביחד מאמר מפורסם
על העבודה הזאת.
על העבודה הזאת.
03:02
Can you explain at all what that work was?
59
170828
3238
תוכל להסביר לנו במה העבודה עסקה?
03:07
JS: No.
60
175028
1158
ג"ס: לא.
03:08
(Laughter)
61
176210
2274
(צחוק)
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
ג"ס: הייתי יכול להסביר
לאנשים מסוימים. אבל...
לאנשים מסוימים. אבל...
03:13
(Laughter)
63
181054
2075
(צחוק)
כ"א: אולי תוכל להסביר את מה שאנחנו רואים?
03:15
CA: How about explaining this?
64
183153
1864
03:17
JS: But not many. Not many people.
65
185041
2729
ג"ס: ...אבל לא לאנשים רבים.
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
כ"א: אני חושב שסיפרת לי
שזה קשור לספירות,
שזה קשור לספירות,
03:23
so let's start here.
67
191982
1862
אז נתחיל מכאן.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
ג"ס: נכון. אבל בנוגע לעבודה הזאת,
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
היא קשורה לתמונה הזאת, אבל קודם כל,
03:32
that work was good mathematics.
70
200716
3540
העבודה הזאת הייתה מתמטיקה טובה.
03:36
I was very happy with it; so was Chern.
71
204280
2492
הייתי מאוד מרוצה ממנה. וגם צ'רן.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
היא אפילו יצרה תת-תחום שכיום משגשג.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
אבל מה שיותר מעניין הוא שלאחר מכן התברר
שהעבודה שלנו קשורה גם לפיזיקה,
שהעבודה שלנו קשורה גם לפיזיקה,
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
תחום שלא היה מוכר לנו בכלל,
או לפחות לי,
או לפחות לי,
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
ואני חושב שגם צ'רן לא הבין הרבה בפיזיקה.
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
כעשר שנים לאחר שפרסמנו את העבודה,
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
בחור בשם אד וויטן מפרינסטון
התחיל ליישם אותה בתורת המיתרים,
התחיל ליישם אותה בתורת המיתרים,
04:05
and people in Russia started applying it
to what's called "condensed matter."
to what's called "condensed matter."
78
233072
4852
ואנשים ברוסיה התחילו ליישם אותה
עבור מה שנקרא "חומר מעובה".
עבור מה שנקרא "חומר מעובה".
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
כיום הדברים האלה שנקראים
האינווריאנטים של צ'רן-סיימונס
האינווריאנטים של צ'רן-סיימונס
04:14
have spread through a lot of physics.
80
242865
1865
התפשטו במקומות רבים ברחבי הפיזיקה.
04:16
And it was amazing.
81
244754
1174
וזה היה מדהים.
04:17
We didn't know any physics.
82
245952
1365
לא ידענו בכלל פיזיקה.
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
בכלל לא חשבתי
שהנושא יהיה קשור לפיזיקה.
שהנושא יהיה קשור לפיזיקה.
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
אבל זה היופי של המתמטיקה.
אף פעם לא יודעים לאן היא תוביל.
אף פעם לא יודעים לאן היא תוביל.
04:26
CA: This is so incredible.
85
254404
1492
כ"א: זה באמת לא ייאמן.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
דיברנו על הדרך שבה האבולוציה
מעצבת את המוחות האנושיים,
מעצבת את המוחות האנושיים,
04:32
that may or may not perceive the truth.
87
260308
2508
שקולטים או לא קולטים את האמת.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
איכשהו, אתה פיתחת תיאוריה מתמטית,
04:38
not knowing any physics,
89
266177
1848
בלי לדעת שום דבר בפיזיקה,
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
ועבור שני עשורים גילית שמיישמים אותה
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
בשביל לתאר את העולם הפיזי האמיתי.
04:45
How can that happen?
92
273626
1153
איך זה יכול לקרות?
04:46
JS: God knows.
93
274803
1157
ג"ס: אלוהים יודע.
04:47
(Laughter)
94
275984
2110
(צחוק)
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
אבל יש פיזיקאי מפורסם בשם יוג'ין ויגנר,
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
שכתב מאמר על האפקטיביות הלא הגיונית
של המתמטיקה.
של המתמטיקה.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
איכשהו, המתמטיקה הזאת,
שמושרשת בעולם האמיתי במובן מסוים,
שמושרשת בעולם האמיתי במובן מסוים,
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
אנחנו לומדים לספור, למדוד,
כל אחד יכול לעשות את זה,
כל אחד יכול לעשות את זה,
05:08
and then it flourishes on its own.
99
296630
1830
ואז היא צומחת מעצמה.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
אבל לעתים קרובות היא חוזרת
למציאות ומצילה את המצב.
למציאות ומצילה את המצב.
05:14
General relativity is an example.
101
302293
2178
תורת היחסות הכללית היא דוגמה לכך.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
למינקובסקי הייתה גיאומטריה,
ואיינשטיין הבין,
ואיינשטיין הבין,
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
"היי! אני יכול להשתמש בה
בשביל לבנות יחסות כללית".
בשביל לבנות יחסות כללית".
05:23
So, you never know. It is a mystery.
104
311507
3112
אף פעם לא יודעים. זאת תעלומה.
05:27
It is a mystery.
105
315056
1217
זאת תעלומה.
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
כ"א: אנחנו רואים פיסת גאונות מתמטית.
05:31
Tell us about this.
107
319617
1342
ספר לנו עליה.
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
ג"ס: זהו כדור... זוהי ספירה,
ויש עליה סריג,
ויש עליה סריג,
05:38
you know, those squares.
109
326931
1573
הריבועים האלה.
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
את מה שאני עומד להציג לפניכם עכשיו,
גילה לראשונה אוילר,
גילה לראשונה אוילר,
05:47
the great mathematician, in the 1700s.
111
335627
2254
המתמטיקאי הגדול מהמאה ה-18.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
ובהדרגה התגלית שלו צמחה
לתחום חשוב מאוד במתמטיקה:
לתחום חשוב מאוד במתמטיקה:
05:55
algebraic topology, geometry.
113
343428
2334
טופולוגיה אלגברית, גיאומטריה.
05:59
That paper up there had its roots in this.
114
347039
4364
העבודה שמוצגת למעלה
מבוססת על התגלית הזאת.
מבוססת על התגלית הזאת.
06:03
So, here's this thing:
115
351427
1834
הביטו בגוף הזה:
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
יש לו שמונה קודקודים,
12 צלעות, שש פאות.
12 צלעות, שש פאות.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
ואם נבחן את ההפרשים,
הקודקודים פחות הצלעות ועוד הפאות,
הקודקודים פחות הצלעות ועוד הפאות,
06:13
you get two.
118
361615
1152
נקבל 2.
06:14
OK, well, two. That's a good number.
119
362791
2219
קיבלנו 2. מספר נחמד.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
נבדוק חישוב נוסף.
אלה משולשים שמכסים את הספירה.
אלה משולשים שמכסים את הספירה.
06:21
this has 12 vertices and 30 edges
121
369306
4577
כאן יש לנו 12 קודקודים ו-30 צלעות
06:25
and 20 faces, 20 tiles.
122
373907
4195
ו-20 פאות.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
נחשב קודקודים פחות צלעות
ועוד פאות ושוב נקבל 2.
ועוד פאות ושוב נקבל 2.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
למעשה, בכל דרך שבה
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
נכסה את הספירה במצולעים ומשולשים
06:41
and mix them up.
126
389484
1320
ונערבב ביניהם,
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
ואז נחשב קודקודים פחות צלעות ועוד פאות,
תמיד נקבל 2.
תמיד נקבל 2.
06:46
Here's a different shape.
128
394131
1611
הנה גוף נוסף.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
זהו טורוס, או פני השטח של כעך,
והוא מכוסה במלבנים:
והוא מכוסה במלבנים:
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
16 קודקודים, 32 צלעות, 16 פאות.
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
קודקודים פחות צלעות ועוד פאות הם אפס.
07:01
It'll always come out to zero.
132
409238
1475
התוצאה תהיה תמיד אפס.
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
תמיד כשנכסה טורוס בריבועים או במשולשים
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
או בכל דבר שהוא,
נקבל אפס.
נקבל אפס.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
המספר הזה נקרא מאפיין אוילר.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
והוא נחשב אינווריאט טופולוגי.
07:18
It's pretty amazing.
137
426849
1156
וזה מדהים.
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
בכל הדרכים נקבל את אותה תוצאה.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
זאת הייתה יריית הפתיחה מאמצע המאה ה-18,
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
שהובילה לנושא שנקרא היום
טופולוגיה אלגברית.
טופולוגיה אלגברית.
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
כ"א: והעבודה שלך לקחה את הרעיון הזה
והעבירה אותו
והעבירה אותו
07:35
into higher-dimensional theory,
142
443967
2449
לממדים גבוהים יותר,
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
לגופים מממדים יותר גבוהים,
ויצרה אינווריאנטים חדשים?
ויצרה אינווריאנטים חדשים?
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
ג"ס: כן. כבר היו אינווריאנים
מממדים יותר גבוהים:
מממדים יותר גבוהים:
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
מחלקות פונטריאגין.
למעשה, היו מחלקות צ'רן.
למעשה, היו מחלקות צ'רן.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
כבר היו כמה סוגים של אינווריאנטים.
07:54
I was struggling to work on one of them
147
462272
4135
נאבקתי באחד מהם
07:58
and model it sort of combinatorially,
148
466431
4203
וניסיתי לבנות מודל לקומבינטוריות שלו
08:02
instead of the way it was typically done,
149
470658
3022
בדרך שונה מהדרך המקובלת,
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
והדבר הוביל לעבודה הזאת,
וגילינו כמה דברים חדשים.
וגילינו כמה דברים חדשים.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
אבל אלמלא אוילר,
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
שכתב כמעט שבעים כרכים של מתמטיקה,
08:17
and had 13 children,
153
485617
1731
והיה אבא ל-13 ילדים,
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
שנהג להרכיב על ברכיו תוך כדי כתיבה...
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
אלמלא אוילר כנראה שהאינווריאנטים האלה
לא היו קיימים.
לא היו קיימים.
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
כ"א: קיבלנו הצצה קטנה
למוח המופלא הזה.
למוח המופלא הזה.
08:36
Let's talk about Renaissance.
157
504804
1543
בוא נדבר על "רנסנס".
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
לקחת את המוח המופלא שלך
שפיצח קודים בסוכנות לביטחון לאומי,
שפיצח קודים בסוכנות לביטחון לאומי,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
והתחלת לפצח קודים בתעשיה הפיננסית.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
אני חושב שלא קנית את תיאוריית השוק היעיל.
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
איכשהו מצאת דרך להשיג תשואות מדהימות
במשך שני עשורים.
במשך שני עשורים.
08:56
The way it's been explained to me,
162
524629
1671
לפי ההסברים שקיבלתי,
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
מה שמדהים במה שעשית
הוא לא רק גודל התשואות
הוא לא רק גודל התשואות
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
אלא שהשגת אותן
עם תנודתיות וסיכון נמוכים באופן מפתיע
עם תנודתיות וסיכון נמוכים באופן מפתיע
09:05
compared with other hedge funds.
165
533754
1824
בהשוואה לקרנות גידור אחרות.
09:07
So how on earth did you do this, Jim?
166
535602
1929
אז איך לכל הרוחות עשית את זה, ג'ים?
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
ג"ס: הצלחתי בזכות קבוצה נפלאה
של אנשים שאספתי.
של אנשים שאספתי.
09:14
When I started doing trading, I had
gotten a little tired of mathematics.
gotten a little tired of mathematics.
168
542206
3956
כשהתחלתי לעסוק במסחר,
קצת התעייפתי מהמתמטיקה.
קצת התעייפתי מהמתמטיקה.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
הייתי בשנות השלושים המאוחרות,
והיה לי קצת כסף.
והיה לי קצת כסף.
09:22
I started trading and it went very well.
170
550133
2509
הצלחתי לסחור והצלחתי מאוד.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
הרווחתי די הרבה כסף
בעזרת מזל טהור.
בעזרת מזל טהור.
09:27
I mean, I think it was pure luck.
172
555835
1666
אני חושב שזה היה מזל טהור.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
זה בהחלט לא היה קשור למודלים מתמטיים.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
אבל כשבחנתי את הנתונים,
הבנתי כעבור זמן מה:
הבנתי כעבור זמן מה:
09:35
it looks like there's some structure here.
175
563513
2553
נראה שיש כאן מבנה.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
ושכרתי מתמטיקאים, והתחלנו לבנות מודלים,
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
בדיוק כפי שעשינו כשעבדנו ב-IDA.
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
מפתחים אלגוריתם,
בודקים אותו במחשב.
בודקים אותו במחשב.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
האם הוא עובד? האם הוא לא עובד? וכן הלאה.
09:51
CA: Can we take a look at this?
180
579443
1479
כ"א: נוכל לבחון את העניין?
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
הנה גרף טיפוסי של סחורה כלשהי.
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
אני בוחן אותו ואומר לעצמי,
"זה גרף אקראי עם עליות וירידות.
"זה גרף אקראי עם עליות וירידות.
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
אולי יש מגמת עלייה קלה בתקופת הזמן הזאת."
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
איך לכל הרוחות יכולת לסחור
10:07
and see something that wasn't just random?
185
595575
2326
ולראות בגרפים האלה משהו שאינו אקראי?
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
ג"ס: בימים עברו, זה גרף מהעבר,
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
המסחר בסחורות ובמטבעות נטה לפעול במגמות.
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
לא מגמה קלה כמו בגרף כאן,
אלא מגמות מחזוריות.
אלא מגמות מחזוריות.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
ואם הייתם מחליטים,
בסדר, היום אבצע תחזית
בסדר, היום אבצע תחזית
10:27
by the average move in the past 20 days --
190
615663
4968
על פי השינוי הממוצע בעשרים הימים האחרונים,
אלה עשרים ימים,
אלה עשרים ימים,
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
אולי זאת תהיה תחזית טובה ותרוויחו כסף.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
למעשה, לפני שנים מערכת כזאת הייתה פועלת,
10:41
not beautifully, but it would work.
193
629418
2391
הביצועים שלה לא היו מעולים,
אבל היא הייתה פועלת
אבל היא הייתה פועלת
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
הייתם מרוויחים, הייתם מפסידים,
הייתם מרוויחים.
הייתם מרוויחים.
10:46
But this is a year's worth of days,
195
634366
2198
אבל מדובר פה בתקופה של שנה,
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
ובסופו של דבר הייתם מרוויחים משהו
בתקופה הזאת.
בתקופה הזאת.
10:53
It's a very vestigial system.
197
641884
1958
אבל זאת מערכת מיושנת מאוד.
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
כ"א: היית בודק כמה אורכים של מגמות בזמן
11:00
and see whether, for example,
199
648078
2436
ובודק אם, לדוגמה,
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
מגמה של 10 ימים או מגמה של 15 ימים
יכולה לחזות מה יקרה בעתיד.
יכולה לחזות מה יקרה בעתיד.
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
ג"ס: כן. היינו מנסים את כל הדברים האלה
ובודקים מי מהם הכי מוצלח.
ובודקים מי מהם הכי מוצלח.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
מעקב אחרי מגמות
פעל היטב בשנות השישים,
פעל היטב בשנות השישים,
11:16
and it was sort of OK in the '70s.
203
664889
2132
אבל פעל באופן בינוני בשנות השבעים.
11:19
By the '80s, it wasn't.
204
667045
1873
בשנות השמונים הוא כבר הפסיק לפעול.
11:20
CA: Because everyone could see that.
205
668942
2817
כ"א: כי כולם ראו את זה.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
אז איך המשכת להקדים את השוק?
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
ג"ס: הצלחנו להקדים את השוק
בעזרת גישות חדשות שמצאנו.
בעזרת גישות חדשות שמצאנו.
11:33
shorter-term approaches to some extent.
208
681202
2741
במידה מסוימת אלה גישות לטווח קצר יותר.
אבל האתגר האמיתי היה
לאסוף כמויות עצומות של נתונים.
לאסוף כמויות עצומות של נתונים.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
בהתחלה נאלצנו לעשות זאת באופן ידני.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
הלכנו לפדרל רזרב
והעתקנו היסטוריות של שערי ריבית
והעתקנו היסטוריות של שערי ריבית
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
ודברים דומים,
כי הם לא היו קיימים על מחשבים.
כי הם לא היו קיימים על מחשבים.
11:50
We got a lot of data.
213
698859
1643
אספנו הרבה נתונים
11:52
And very smart people -- that was the key.
214
700526
4160
ואנשים מאוד חכמים.
זה היה המפתח להצלחה.
זה היה המפתח להצלחה.
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
לא ידעתי איך לשכור אנשים
בשביל לבצע מסחר בסיסי.
בשביל לבצע מסחר בסיסי.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
שכרתי כמה אנשים. חלקם הרוויחו,
חלקם לא הרוויחו.
חלקם לא הרוויחו.
12:04
I couldn't make a business out of that.
217
712722
1880
לא יכולתי לבסס את העסק על זה.
12:06
But I did know how to hire scientists,
218
714626
2042
אבל ידעתי איך לשכור מדענים,
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
כי בתחום הזה אני מבין משהו.
12:12
So, that's what we did.
220
720105
1838
אז זה מה שעשינו.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
ובהדרגה המודלים שלנו השתפרו והשתפרו
12:17
and better and better.
222
725222
1335
עוד ועוד.
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
כ"א: קיבלת קרדיט על דבר יוצא דופן
שעשית ברנסנס.
שעשית ברנסנס.
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
בנית תרבות, קבוצה של אנשים,
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
שלא היו רק שכירי חרב תאבי בצע.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
המוטיבציה שלהם הייתה
ליצור מתמטיקה ומדע מרגשים.
ליצור מתמטיקה ומדע מרגשים.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
ג"ס: אני מקווה שזה נכון.
12:34
But some of it was money.
228
742283
3580
היה מדובר גם בכסף.
12:37
CA: They made a lot of money.
229
745887
1393
כ"א: הם הרוויחו הרבה כסף.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
ג"ס: אני לא יכול להגיד
שאין אנשים שהגיעו בגלל הכסף.
שאין אנשים שהגיעו בגלל הכסף.
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
אני חושב שהרבה מהם
הגיעו בגלל הכסף.
הגיעו בגלל הכסף.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
אבל הם באו גם בגלל ההנאה.
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
כ"א: מה התפקיד שמילאה
למידת מכונה בעסק הזה?
למידת מכונה בעסק הזה?
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
ג"ס: במובן מסוים מה שעשינו
היה למידת מכונה.
היה למידת מכונה.
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
בחנו הרבה נתונים, וניסינו לבצע סימולציות
של סכמות תחזית שונות
של סכמות תחזית שונות
12:59
until you get better and better at it.
236
767194
2182
עד שהשתפרנו והשתפרנו.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
הדרך שבה עבדנו לא כללה בהכרח
היזון חוזר.
היזון חוזר.
13:05
But it worked.
238
773191
2309
אבל הצלחנו.
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
כ"א: סכמות התחזית השונות האלה
יכולות להיות די פראיות ובלתי צפויות.
יכולות להיות די פראיות ובלתי צפויות.
13:12
I mean, you looked at everything, right?
240
780233
1914
בדקתם הכול, נכון?
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
בדקתם תחזיות מזג אוויר,
אורכי שמלות, דעות פוליטיות.
אורכי שמלות, דעות פוליטיות.
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
ג"ס: כן, אבל לא בדקנו אורכי שמלות.
13:20
CA: What sort of things?
243
788373
2057
כ"א: איזה דברים בדקתם?
13:22
JS: Well, everything.
244
790454
1158
ג"ס: כל דבר.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
כל מה שיכולנו להיעזר בו,
חוץ מאורכי מכפלות.
חוץ מאורכי מכפלות.
13:28
Weather, annual reports,
246
796852
2300
מזג אוויר, דוחות שנתיים,
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
דוחות רבעוניים, נתונים היסטוריים,
נפחים, כל דבר.
נפחים, כל דבר.
13:35
Whatever there is.
248
803932
1151
כל מה שהצלחנו למצוא.
13:37
We take in terabytes of data a day.
249
805107
2621
כל יום קלטנו טרה-בתים של נתונים.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
אחסנו אותם, וטיפלנו בהם,
והכנו אותם לניתוח.
והכנו אותם לניתוח.
13:45
You're looking for anomalies.
251
813446
1382
חיפשנו אנומליות.
13:46
You're looking for -- like you said,
252
814852
2953
חיפשנו... כמו שאמרת,
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
השערת השוק היעיל לא נכונה.
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
כ"א: אבל כל אנומליה בודדת
יכולה להיות אקראית.
יכולה להיות אקראית.
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
האם הסוד שלכם הוא
שבחנתם אנומליות מוזרות רבות
שבחנתם אנומליות מוזרות רבות
13:59
and see when they align?
256
827478
1328
ובדקתם מתי אפשר להבין מהן משהו?
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
ג"ס: אנומליה בודדת יכולה להיות אקראית.
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
אבל אם יש מספיק נתונים
אפשר לומר מתי היא אינה אקראית.
אפשר לומר מתי היא אינה אקראית.
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
אפשר לראות אנומליה שחוזרת על עצמה
במשך זמן ארוך מספיק.
במשך זמן ארוך מספיק.
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
הסיכוי שהיא אקראית אינו גבוה.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
אבל הדברים האלה דועכים כעבור זמן מה.
אנומליות עלולות להיעלם.
אנומליות עלולות להיעלם.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
ולכן צריך לעבוד קשה כדי להישאר בצמרת.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
כ"א: אנשים רבים מסתכלים עכשיו
על תעשיית קרנות הגידור
על תעשיית קרנות הגידור
14:27
and are sort of ... shocked by it,
264
855533
4398
והם די המומים ממנה,
14:31
by how much wealth is created there,
265
859955
2172
מכמות העושר שמיוצרת בה,
14:34
and how much talent is going into it.
266
862151
2245
מכמות הכישרונות שזורמים אליה.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
האם יש לך דאגות כלשהן
לגבי התעשייה הזאת,
לגבי התעשייה הזאת,
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
ואולי לגבי התעשייה הפיננסית כולה?
14:43
Kind of being on a runaway train that's --
269
871991
2704
אולי זאת רכבת שיצאה משליטה...
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
ואולי היא מגדילה את אי השיוויון?
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
איך אתה יכול להגן על מה שקורה
בתעשיית קרנות הגידור?
בתעשיית קרנות הגידור?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
ג"ס: אני חושב שבשלוש או ארבע
השנים האחרונות
השנים האחרונות
14:57
hedge funds have not done especially well.
273
885260
2103
קרנות גידור לא כל כך הצליחו.
14:59
We've done dandy,
274
887387
1400
אנחנו הצלחנו בגדול,
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
אבל תעשיית קרנות הגידור בכללה
לא הייתה כל כך מוצלחת.
לא הייתה כל כך מוצלחת.
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
שוק המניות היה בתקופה של עליות,
כמו שכולם יודעים,
כמו שכולם יודעים,
15:09
and price-earnings ratios have grown.
277
897762
3445
ומכפילי הרווח גדלו.
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
אז חלק עצום מהעושר שנוצר,
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
נאמר בשש או שבע השנים האחרונות,
לא נוצר על ידי קרנות גידור.
לא נוצר על ידי קרנות גידור.
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
אנשים שואלים אותי: "מה זאת קרן גידור?"
15:23
And I'd say, "One and 20."
281
911703
2260
ואני עונה להם, "אחת ועשרים."
15:25
Which means -- now it's two and 20 --
282
913987
3566
כיום זה כבר שתיים ועשרים.
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
ומשמעות היא שני אחוזי דמי ניהול קבועים
ועשרים אחוזים דמי הצלחה.
ועשרים אחוזים דמי הצלחה.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
קרנות גידור הן יצורים שונים ומשונים.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
כ"א: השמועה אומרת
שהעמלות שלך קצת יותר גבוהות.
שהעמלות שלך קצת יותר גבוהות.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
ג"ס: היה זמן שבו העמלות שלנו
היו הכי גבוהות בעולם.
היו הכי גבוהות בעולם.
15:42
Five and 44, that's what we charge.
287
930444
3226
חמש ו-44, זה מה שגבינו.
15:45
CA: Five and 44.
288
933694
1398
כ"א: חמש ו-44.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
חמישה אחוזים דמי ניהול,
ו-44 אחוזים דמי הצלחה.
ו-44 אחוזים דמי הצלחה.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
ובכל זאת המשקיעים שלכם
הרוויחו כמויות עצומות של כסף.
הרוויחו כמויות עצומות של כסף.
15:53
JS: We made good returns, yes.
291
941181
1452
ג"ס: כן. התשואות שלנו היו טובות.
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
אנשים כעסו: "איך אתם גובים
עמלות כל כך גבוהות?"
עמלות כל כך גבוהות?"
15:57
I said, "OK, you can withdraw."
293
945681
1627
עניתי להם, "אתם מוזמנים לפרוש".
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
אבל "איך אני יכול להשיג עוד?"
זה מה שאנשים...
זה מה שאנשים...
16:02
(Laughter)
295
950174
1504
(צחוק)
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
אבל בנקודה מסוימת,
כמו שאני חושב שאמרתי לך,
כמו שאני חושב שאמרתי לך,
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
קנינו את הזכויות מכל המשקיעים
כי יש לקרן קיבולת.
כי יש לקרן קיבולת.
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
כ"א: האם עלינו להיות מודאגים
מכך שתעשיית קרנות הגידור
מכך שתעשיית קרנות הגידור
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
מושכת יותר מדי מהכישרונות העולמיים
במתמטיקה ובתחומים נוספים,
במתמטיקה ובתחומים נוספים,
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
שעובדים בקרנות הגידור
במקום בבעיות עולמיות רבות אחרות?
במקום בבעיות עולמיות רבות אחרות?
16:22
JS: Well, it's not just mathematical.
301
970817
1929
ג"ס: לא רק מתמטיקאים.
אנחנו שוכרים אסטרונומים ופיזיקאים
ואנשים כאלה.
ואנשים כאלה.
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
אני לא חושב שזה צריך להדאיג אותנו במיוחד.
16:30
It's still a pretty small industry.
304
978288
3142
זאת תעשייה די קטנה.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
ולמעשה כשהכנסנו את המדע לעולם ההשקעות
16:39
has improved that world.
306
987475
2159
עולם ההשקעות השתפר.
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
התנודתיות ירדה.
הנזילות עלתה.
הנזילות עלתה.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
המרווחים צרים יותר
כי אנשים סוחרים בדברים כאלה.
כי אנשים סוחרים בדברים כאלה.
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
אז אני לא חושש
שאיינשטיין יקים קרן גידור.
שאיינשטיין יקים קרן גידור.
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
כ"א: כרגע אתה בשלב בחייך
שבו אתה למעשה משקיע
שבו אתה למעשה משקיע
16:58
at the other end of the supply chain --
311
1006666
3734
בצד השני של שרשרת המזון.
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
אתה מקדם את המתמטיקה
בכל רחבי אמריקה.
בכל רחבי אמריקה.
17:06
This is your wife, Marilyn.
313
1014552
1865
זאת אשתך, מרילין.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
אתם עובדים יחד על מיזמים נדבניים.
17:13
Tell me about that.
315
1021221
1163
ספר לי עליהם.
17:14
JS: Well, Marilyn started --
316
1022408
3649
ג"ס: ובכן, מרילין ייסדה...
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
הנה היא שם למעלה,
אשתי היפה.
אשתי היפה.
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
היא ייסדה את הקרן לפני כ-20 שנה.
17:24
I think '94.
319
1032548
1151
אני חושב שב-1994.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
אני טוען שב-1993, היא אומרת שב-1994,
17:27
but it was one of those two years.
321
1035842
2571
אבל זה היה באחת משתי השנים האלו.
17:30
(Laughter)
322
1038437
2135
(צחוק)
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
ייסדנו את הקרן כאמצעי נוח לנדבנות.
17:40
She kept the books, and so on.
324
1048346
2507
היא ניהלה את הספרים וכן הלאה.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
באותו זמן לא היה לנו חזון,
אבל החזון התגבש בהדרגה,
אבל החזון התגבש בהדרגה,
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
והתמקדנו במתמטיקה ובמדע
ובמחקר בסיסי.
ובמחקר בסיסי.
17:55
And that's what we've done.
327
1063569
2772
ובכך עסקנו.
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
לפני כשש שנים עזבתי את רנסנס
ועברתי לעבוד עבור הקרן.
ועברתי לעבוד עבור הקרן.
18:04
So that's what we do.
329
1072744
1571
אז בזה אנחנו עוסקים היום.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
כ"א: אם כך, Math for America משקיעה
18:09
in math teachers around the country,
331
1077272
2638
במורים למתמטיקה בכל רחבי המדינה,
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
מעניקה להם הכנסה נוספת,
ומספקת להם תמיכה והכשרה.
ומספקת להם תמיכה והכשרה.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
ומנסה להכניס יותר משמעות להוראה
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
ולהפוך אותה לייעוד
שמורים יכולים לשאוף אליו.
שמורים יכולים לשאוף אליו.
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
ג"ס: כן. במקום לתקוף את המורים הגרועים,
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
דבר שעורר בעיות מורל
בכל רחבי הקהילה החינוכית,
בכל רחבי הקהילה החינוכית,
18:31
in particular in math and science,
337
1099151
2441
ובעיקר במתמטיקה ובמדע,
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
התמקדנו בטיפוח המורים הטובים
ובשיפור המעמד שלהם.
ובשיפור המעמד שלהם.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
כן, אנחנו מעניקים להם הכנסה נוספת,
15 אלף דולר לשנה.
15 אלף דולר לשנה.
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
כיום יש לנו 800 מורים למתמטיקה ולמדע
בבתי ספר ציבוריים בעיר ניו יורק,
בבתי ספר ציבוריים בעיר ניו יורק,
18:47
as part of a core.
341
1115216
1814
שהם חלק מגרעין.
18:49
There's a great morale among them.
342
1117054
3686
המורל שלהם גבוה.
18:52
They're staying in the field.
343
1120764
2506
הם נשארים בתחום.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
בשנה הבאה מספרם יגדל לאלף,
ונגיע לעשרה אחוזים
ונגיע לעשרה אחוזים
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
מהמורים למתמטיקה ולמדע
בבתי הספר הציבוריים של העיר ניו יורק.
בבתי הספר הציבוריים של העיר ניו יורק.
19:01
(Applause)
346
1129781
5905
(מחיאות כפיים)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
כ"א: ג'ים, זה פרויקט נוסף
שתמכת בו כספית:
שתמכת בו כספית:
19:11
Research into origins of life, I guess.
348
1139144
2397
מחקר של מקורות החיים.
19:13
What are we looking at here?
349
1141565
1447
מה אנחנו רואים כאן?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
ג"ס: נשמור את זה בצד רגע,
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
ואז אספר לכם מה אתם רואים.
19:19
Origins of life is a fascinating question.
352
1147628
3056
מקור החיים הוא שאלה מרתקת.
19:22
How did we get here?
353
1150708
1533
איך הגענו לכאן?
19:25
Well, there are two questions:
354
1153170
1771
יש שתי שאלות:
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
הראשונה היא מה המסלול
מגיאולוגיה לביולוגיה,
מגיאולוגיה לביולוגיה,
19:32
how did we get here?
356
1160857
1381
איך הגענו לכאן?
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
והשאלה השנייה היא
עם מה התחלנו?
עם מה התחלנו?
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
איזה חומר היה זמין לנו במסלול הזה?
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
שתי השאלות האלו מעניינות מאוד.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
השאלה הראשונה היא מסלול מפותל
מגיאולוגיה ועד לרנ"א
מגיאולוגיה ועד לרנ"א
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
או משהו כזה.
איך כל זה עבד?
איך כל זה עבד?
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
והשאלה השנייה היא
מה החומרים שהיו זמינים לנו?
מה החומרים שהיו זמינים לנו?
19:54
Well, more than we think.
363
1182325
1771
ובכן, הרבה יותר ממה שאנחנו חושבים.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
בתמונה רואים כוכב נוצר.
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
בכל שנה בשביל החלב שלנו,
שכולל מאה מיליארד כוכבים,
שכולל מאה מיליארד כוכבים,
20:05
about two new stars are created.
366
1193285
2495
נוצרים כשני כוכבים חדשים.
20:07
Don't ask me how, but they're created.
367
1195804
2470
אל תשאלו אותי איך זה קורה,
אבל הם נוצרים.
אבל הם נוצרים.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
ודרושות כמיליון שנים עד שהם מתייצבים.
20:14
So, in steady state,
369
1202132
2176
במצב יציב,
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
כשני מיליון כוכבים חדשים
נמצאים בשלבי בנייה בכל זמן נתון.
נמצאים בשלבי בנייה בכל זמן נתון.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
הכוכב הזה נמצא בשלב כלשהו
של ההתייצבות.
של ההתייצבות.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
הוא מוקף בכל מיני דברים,
20:27
dust and stuff.
373
1215027
1498
אבק ועוד דברים.
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
ונראה שהוא ייצור מערכת שמש
או מה שהוא יוצר.
או מה שהוא יוצר.
20:32
But here's the thing --
375
1220526
2176
אבל העניין הוא
20:34
in this dust that surrounds a forming star
376
1222726
6348
שבאבק הזה שמקיף כוכבים שנוצרים
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
מצאו מולקולות אורגניות משמעותיות.
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
לא רק מולקולות כמו מתאן,
אלא פורמלדהיד וציאניד,
אלא פורמלדהיד וציאניד,
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
דברים שהם אבני הבניין,
הזרעים של החיים.
הזרעים של החיים.
21:01
So, that may be typical.
380
1249136
2692
אולי זה טיפוסי.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
ואולי זה טיפוסי
שכוכבי לכת ברחבי היקום
שכוכבי לכת ברחבי היקום
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
מתחילים עם חלק מאבני הבניין הבסיסיות האלה.
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
האם משמעות הדבר היא שיש חיים סביבנו?
21:18
Maybe.
384
1266569
1364
אולי.
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
אבל השאלה היא
כמה המסלול הזה מפותל,
כמה המסלול הזה מפותל,
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
מההתחלות השבריריות האלה,
הזרעים האלה, כל הדרך עד לחיים.
הזרעים האלה, כל הדרך עד לחיים.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
ורוב הזרעים האלה יפלו על כוכבים שוממים.
21:33
CA: So for you, personally,
388
1281742
1409
כ"א: אז עבורך, באופן אישי,
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
מציאת התשובה לשאלה של
מה המקור שלנו,
מה המקור שלנו,
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
איך קרה הדבר הזה,
היא דבר שתשמח לראות.
היא דבר שתשמח לראות.
21:41
JS: Would love to see.
391
1289603
1786
ג"ס: בהחלט אשמח לראות.
21:43
And like to know --
392
1291413
1490
ואשמח לדעת
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
אם המסלול הזה מספיק מפותל,
וכל כך בלתי סביר
וכל כך בלתי סביר
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
שלא משנה עם מה מתחילים,
ייתכן שאנחנו ייחודיים.
ייתכן שאנחנו ייחודיים.
21:55
But on the other hand,
395
1303336
1152
אבל מצד שני,
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
בהינתן כל האבק האורגני הזה
שמרחף מסביב,
שמרחף מסביב,
22:00
we could have lots of friends out there.
397
1308014
3791
יתכן שיש לנו הרבה חברים
אי שם מסביבנו.
אי שם מסביבנו.
22:04
It'd be great to know.
398
1312947
1161
יהיה נפלא לדעת.
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
כ"א: ג'ים, לפני כמה שנים
שוחחתי עם אלון מאסק,
שוחחתי עם אלון מאסק,
22:09
and I asked him the secret of his success,
400
1317636
2837
ושאלתי אותו מה סוד ההצלחה שלו.
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
הוא אמר שהסוד הוא
שהוא התייחס לפיזיקה ברצינות.
שהוא התייחס לפיזיקה ברצינות.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
אני מקשיב לך ואני שומע שאתה אומר
שהיחס הרציני שלך למתמטיקה
שהיחס הרציני שלך למתמטיקה
22:20
that has infused your whole life.
403
1328723
3003
השליך על כל חייך.
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
הוא העניק לך הון עתק,
וכעת מאפשר לך להשקיע
וכעת מאפשר לך להשקיע
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
בעתידם של אלפים רבים של
ילדים בכל רחבי אמריקה ובמקומות נוספים.
ילדים בכל רחבי אמריקה ובמקומות נוספים.
22:33
Could it be that science actually works?
406
1341567
2858
האם מדע באמת עובד?
22:36
That math actually works?
407
1344449
2772
האם מתמטיקה באמת עובדת?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
ג"ס: אין ספק שמתמטיקה עובדת.
מתמטיקה בהחלט עובדת.
מתמטיקה בהחלט עובדת.
22:43
But this has been fun.
409
1351641
1198
אבל נהניתי מזה.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
נהניתי מאוד מהעבודה עם מרילין ומהנתינה.
22:49
CA: I just find it --
it's an inspirational thought to me,
it's an inspirational thought to me,
411
1357833
2936
כ"א: זאת מחשבה מעוררת השראה עבורי,
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
שאם מתייחסים ברצינות לידע,
התוצאות יכולות להיות כל כך משמעותיות.
התוצאות יכולות להיות כל כך משמעותיות.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
תודה לך על החיים המדהימים שלך,
ועל שהגעת ל-TED.
ועל שהגעת ל-TED.
22:59
Thank you.
414
1367866
751
תודה.
23:00
Jim Simons!
415
1368651
1101
ג'ים סיימונס!
23:01
(Applause)
416
1369806
4380
(מחיאות כפיים)
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