TED2015
Jim Simons: The mathematician who cracked Wall Street
Jim Simons: Una rara intervista al matematico che ha sbancato Wall Street
Filmed:
Readability: 4
2,981,452 views
Jim Simons era un matematico e un crittografo che si è resto conto che la complessa matematica che usava per decifrare codici poteva aiutare a spiegare schemi nel mondo della finanza. Dopo aver guadagnato miliardi, attualmente lavora per sostenere la prossima generazione di ricercatori e insegnanti di matematica. Chris Anderson di TED ripercorre con Simons i momenti fondamentali della sua straordinaria vita.
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
Chris Anderson: sei stato
un vero fenomeno matematico.
un vero fenomeno matematico.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
Da giovane hai insegnato
ad Harvard e al MIT.
ad Harvard e al MIT.
00:18
And then the NSA came calling.
2
6763
2190
E poi ti hanno chiamato dalla NSA.
00:21
What was that about?
3
9464
1204
Di che si trattava?
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
Jim Simons: La NSA -
la National Security Agency -
la National Security Agency -
00:27
they didn't exactly come calling.
5
15154
1969
non è che abbia proprio chiamato.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
Avevano un'operazione a Princeton,
per cui assumevano matematici
per cui assumevano matematici
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
per attaccare codici segreti.
Sapevo che esisteva
qualcosa del genere.
qualcosa del genere.
00:37
And I knew that existed.
8
25294
1672
00:39
And they had a very good policy,
9
27315
2180
Avevano un ottimo sistema,
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
perché si poteva passare metà del tempo
a lavorare su cose proprie,
a lavorare su cose proprie,
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
e metà del tempo a lavorare
alle loro cose.
alle loro cose.
00:49
And they paid a lot.
12
37559
1474
Pagavano tanto.
00:51
So that was an irresistible pull.
13
39057
3051
Fu irresistibile.
00:54
So, I went there.
14
42132
1912
Quindi ci andai.
00:56
CA: You were a code-cracker.
15
44068
1338
CA: Quindi decifravi codici.
00:57
JS: I was.
16
45430
1166
JS: Esatto.
CA: Poi ti licenziarono.
00:58
CA: Until you got fired.
17
46620
1157
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
JS: Beh, sì, mi licenziarono. Sì.
01:01
CA: How come?
19
49408
1245
CA: Come mai?
01:03
JS: Well, how come?
20
51280
1333
JS: Beh, come mai?
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
Fui licenziato perché
c'era la Guerra del Vietnam,
c'era la Guerra del Vietnam,
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
e il capo dei capi nell'organizzazione
era un grande fan della guerra
era un grande fan della guerra
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
scrisse un articolo di copertina
per il New York Times,
per il New York Times,
01:20
about how we would win in Vietnam.
24
68772
1770
su come avremmo vinto in Vietnam.
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
Non mi piaceva la guerra,
pensavo fosse stupida.
pensavo fosse stupida.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
Mandai una lettera al Times,
che pubblicarono,
che pubblicarono,
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
in cui scrivevo che non tutti quelli
che lavoravano per Maxwell Taylor,
che lavoravano per Maxwell Taylor,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
se qualcuno ricorda quel nome,
erano d'accordo con lui.
erano d'accordo con lui.
01:37
And I gave my own views ...
29
85553
1658
Espressi il mio punto di vista...
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
CA: Oh, sì, posso capire che --
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
JS: ... che era diverso da quello
del Generale Taylor.
del Generale Taylor.
01:44
But in the end, nobody said anything.
32
92002
1906
Ma alla fine, nessuno disse niente.
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
Ma allora, avevo 29 anni,
arrivò un ragazzino
arrivò un ragazzino
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
dicendo di essere
un collaboratore di Newsweek,
un collaboratore di Newsweek,
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
che voleva intervistarmi e chiedermi
la mia opinione.
la mia opinione.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
Gli dissi, "Ora faccio
perlopiù matematica,
perlopiù matematica,
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
e quando la guerra sarà finita,
mi occuperò delle loro cose."
mi occuperò delle loro cose."
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
Feci una sola cosa intelligente
quel giorno --
quel giorno --
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
dissi dell'intervista al mio capo.
02:13
And he said, "What'd you say?"
40
121153
1459
E disse, "Cos'hai detto?"
02:14
And I told him what I said.
41
122636
1466
Gli dissi cosa avevo detto.
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
E disse, "Devo chiamare Taylor."
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
Chiamò Taylor; ci vollero 10 minuti.
02:20
I was fired five minutes after that.
44
128866
2262
Mi licenziarono cinque minuti dopo.
02:23
CA: OK.
45
131590
1222
CA: Ok.
02:24
JS: But it wasn't bad.
46
132836
1151
JS: Ma non fu un problema.
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
CA: No, perché andasti da Stony Brook
02:28
and stepped up your mathematical career.
48
136528
3133
aiutando la tua carriera da matematico.
02:31
You started working with this man here.
49
139685
2452
Cominciasti a lavorare con quest'uomo.
02:34
Who is this?
50
142161
1164
Chi è?
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
JS: Oh, [Shiing-Shen] Chern.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
Chern era uno dei grandi matematici
del secolo.
del secolo.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
L'ho conosciuto
quando ero studente a Berkeley.
quando ero studente a Berkeley.
02:46
And I had some ideas,
54
154173
1871
Avevo delle idee,
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
gliele proposi e gli piacquero.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
Insieme, portammo avanti
il lavoro che vedete qui.
il lavoro che vedete qui.
02:57
There it is.
57
165189
1150
Eccolo.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
CA: Che vi portò a pubblicare
un famoso articolo insieme.
un famoso articolo insieme.
03:02
Can you explain at all what that work was?
59
170828
3238
Puoi spiegare di cosa si tratta?
03:07
JS: No.
60
175028
1158
JS: No.
03:08
(Laughter)
61
176210
2274
(Risate)
JS: Voglio dire,
potrei spiegarlo a qualcuno.
potrei spiegarlo a qualcuno.
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
03:13
(Laughter)
63
181054
2075
(Risate)
03:15
CA: How about explaining this?
64
183153
1864
CA: E questo invece?
03:17
JS: But not many. Not many people.
65
185041
2729
JS: Ma non a molte persone.
03:21
CA: I think you told me
it had something to do with spheres,
it had something to do with spheres,
66
189144
2814
CA: Mi hai detto
che aveva a che fare con le sfere,
che aveva a che fare con le sfere,
03:23
so let's start here.
67
191982
1862
cominciamo da qui.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
JS: È vero, quel lavoro --
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
aveva a che fare con le sfere,
ma prima di arrivarci -
ma prima di arrivarci -
03:32
that work was good mathematics.
70
200716
3540
quel lavoro era ottima matematica.
03:36
I was very happy with it; so was Chern.
71
204280
2492
Ne ero molto contento;
lo era anche Chern.
lo era anche Chern.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
Ha anche dato il via a un nuovo campo
ora in pieno sviluppo.
ora in pieno sviluppo.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
Ma soprattutto,
si può applicare alla fisica,
si può applicare alla fisica,
03:49
something we knew nothing about --
at least I knew nothing about physics,
at least I knew nothing about physics,
74
217956
4295
di cui non sapevamo niente --
almeno io non ne sapevo niente,
almeno io non ne sapevo niente,
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
e non credo che Chern ne sapesse molto.
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
Circa 10 anni dopo la pubblicazione,
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
un tizio di nome Ed Witten a Princeton
cominciò ad applicarlo
alla teoria delle stringhe
alla teoria delle stringhe
04:05
and people in Russia started applying it
to what's called "condensed matter."
to what's called "condensed matter."
78
233072
4852
e in Russia cominciarono ad applicarlo
alla cosiddetta "materia condensata".
alla cosiddetta "materia condensata".
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
Oggi, queste cose chiamate
forme di Chern-Simons
forme di Chern-Simons
04:14
have spread through a lot of physics.
80
242865
1865
si sono diffuse in fisica.
04:16
And it was amazing.
81
244754
1174
Ed è stato fantastico.
04:17
We didn't know any physics.
82
245952
1365
Non sapevamo nulla di fisica.
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
Non avrei mai pensato
di applicarlo alla fisica.
di applicarlo alla fisica.
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
È il bello della matematica --
non sai mai dove andrà a finire.
non sai mai dove andrà a finire.
04:26
CA: This is so incredible.
85
254404
1492
CA: È incredibile.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
Abbiamo parlato di come l'evoluzione
dà forma alla mente umana
dà forma alla mente umana
04:32
that may or may not perceive the truth.
87
260308
2508
che potrebbe o meno percepire la realtà.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
In qualche modo,
tiri fuori una teoria matematica,
tiri fuori una teoria matematica,
04:38
not knowing any physics,
89
266177
1848
senza sapere niente di fisica,
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
e vent'anni dopo scopri
che viene applicata
che viene applicata
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
per descrivere approfonditamente
il mondo fisico.
il mondo fisico.
04:45
How can that happen?
92
273626
1153
Com'è possibile?
04:46
JS: God knows.
93
274803
1157
JS: E chi lo sa.
04:47
(Laughter)
94
275984
2110
(Risate)
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
Ma un famoso fisico
di nome [Eugene] Wigner,
di nome [Eugene] Wigner,
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
scrisse un saggio sull'enorme efficacia
della matematica.
della matematica.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
In qualche modo, la matematica,
radicata nel mondo reale
radicata nel mondo reale
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
in qualche modo -- impariamo a contare,
misurare, ognuno di noi--
misurare, ognuno di noi--
05:08
and then it flourishes on its own.
99
296630
1830
e poi prospera da sola.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
E spesso salva la situazione.
05:14
General relativity is an example.
101
302293
2178
La relatività generale è un esempio.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
[Hermann] Minkowski aveva una geometria,
e Einstein si rese conto,
e Einstein si rese conto,
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
"Ehi! È proprio quello in cui inserire
la relatività generale."
la relatività generale."
05:23
So, you never know. It is a mystery.
104
311507
3112
Non si può mai sapere. È un mistero.
05:27
It is a mystery.
105
315056
1217
È un mistero.
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
CA: Ecco invece una finezza matematica.
05:31
Tell us about this.
107
319617
1342
Ci dica di questo.
05:32
JS: Well, that's a ball -- it's a sphere,
and it has a lattice around it --
and it has a lattice around it --
108
320983
5924
JS: È una palla -- è una sfera,
con una rete intorno -
con una rete intorno -
05:38
you know, those squares.
109
326931
1573
vedete, questi quadratini.
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
Quello che vi mostrerò fu osservato
la prima volta da [Leonardo] Eulero,
la prima volta da [Leonardo] Eulero,
05:47
the great mathematician, in the 1700s.
111
335627
2254
il grande matematico, nel 1700.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
Pian piano crebbe fino a diventare
un importante campo della matematica:
un importante campo della matematica:
05:55
algebraic topology, geometry.
113
343428
2334
la topologia algebrica, la geometria.
05:59
That paper up there had its roots in this.
114
347039
4364
L'articolo lassù ha origine da questo.
06:03
So, here's this thing:
115
351427
1834
Quindi ecco:
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
ha otto vertici, 12 lati, sei facce.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
Se osservate la differenza --
vertici meno lati più facce --
vertici meno lati più facce --
06:13
you get two.
118
361615
1152
si ottiene due.
06:14
OK, well, two. That's a good number.
119
362791
2219
Ok, bene, due. Ottimo numero.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
Un modo diverso di farlo --
questi sono triangoli --
questi sono triangoli --
06:21
this has 12 vertices and 30 edges
121
369306
4577
ha 12 vertici e 30 lati
06:25
and 20 faces, 20 tiles.
122
373907
4195
e 20 facce, 20 tessere.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
Vertici meno lati più facce fa sempre due.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
Infatti, in qualunque modo si faccia --
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
coprite questa cosa con qualunque
poligono o triangolo
poligono o triangolo
06:41
and mix them up.
126
389484
1320
e mescolateli.
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
Fate vertici meno lati più facce --
fa sempre due.
fa sempre due.
06:46
Here's a different shape.
128
394131
1611
Ecco una forma diversa.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
Questo è un toro, o la superficie
di una ciambella: 16 vertici
di una ciambella: 16 vertici
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
coperti da questi rettangoli,
32 lati, 16 facce.
32 lati, 16 facce.
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
Vertici meno lati uguale a zero.
07:01
It'll always come out to zero.
132
409238
1475
Uscirà sempre zero.
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
Ogni volta che si copre un toro
di quadrati, triangoli
di quadrati, triangoli
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
o cose simili, si ottiene zero.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
Si chiama caratteristica di Eulero.
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
Ed è un invariante topologico.
07:18
It's pretty amazing.
137
426849
1156
È fantastico.
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
In qualunque modo lo si faccia,
il risultato è sempre lo stesso.
il risultato è sempre lo stesso.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
È stata la prima spinta, a metà del 1700,
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
verso una branca che oggi si chiama
topologia algebrica.
topologia algebrica.
07:32
CA: And your own work
took an idea like this and moved it
took an idea like this and moved it
141
440960
2983
CA: Il tuo stesso lavoro ha preso un'idea
come questa e l'ha trasformata
come questa e l'ha trasformata
07:35
into higher-dimensional theory,
142
443967
2449
in una teoria di una dimensione superiore,
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
oggetti con dimensioni superiori,
e hai scoperto nuove invarianze?
e hai scoperto nuove invarianze?
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
JS: Sì. In realtà c'erano già invarianti
di altre dimensioni:
di altre dimensioni:
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
Le classi di Pontryagin --
anzi, le classi Chern.
anzi, le classi Chern.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
C'erano un sacco di questi invarianti.
07:54
I was struggling to work on one of them
147
462272
4135
Tentavo di lavorare su uno di questi
07:58
and model it sort of combinatorially,
148
466431
4203
e costruirlo in modo combinatorio,
08:02
instead of the way it was typically done,
149
470658
3022
invece del modo
in cui si faceva di solito,
in cui si faceva di solito,
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
il che portò a questo lavoro
e abbiamo scoperto cose nuove.
e abbiamo scoperto cose nuove.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
Ma se non fosse stato per Eulero --
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
che scrisse quasi 70 volumi di matematica
08:17
and had 13 children,
153
485617
1731
ed ebbe 13 figli,
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
che faceva dondolare
sulle ginocchia mentre scriveva --
sulle ginocchia mentre scriveva --
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
se non fosse stato per Eulero,
forse questi invarianti non esisterebbero.
forse questi invarianti non esisterebbero.
08:32
CA: OK, so that's at least given us
a flavor of that amazing mind in there.
a flavor of that amazing mind in there.
156
500157
4097
CA: Ok, ci ha dato almeno un assaggio
di questa mente straordinaria.
di questa mente straordinaria.
08:36
Let's talk about Renaissance.
157
504804
1543
Parliamo di Renaissance.
08:38
Because you took that amazing mind
and having been a code-cracker at the NSA,
and having been a code-cracker at the NSA,
158
506371
5856
Perché con questa mente straordinaria
e da decifratore di codici alla NSA,
e da decifratore di codici alla NSA,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
cominciasti a decifrare
per il settore finanziario.
per il settore finanziario.
Forse non ti convinceva
la teoria
la teoria
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
dell'efficienza di mercato.
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
In qualche modo hai trovato un modo
di realizzare guadagni strabilianti
per vent'anni.
per vent'anni.
08:56
The way it's been explained to me,
162
524629
1671
Per come me lo hanno spiegato,
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
la cosa straordinaria
non è solo l'entità dei guadagni,
non è solo l'entità dei guadagni,
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
ma averli ottenuti con rischi
e volatilità veramente bassi
e volatilità veramente bassi
09:05
compared with other hedge funds.
165
533754
1824
rispetto ad altri fondi speculativi.
09:07
So how on earth did you do this, Jim?
166
535602
1929
Come diavolo hai fatto, Jim?
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
JS: L'ho fatto mettendo insieme
un gruppo di persone meraviglioso.
un gruppo di persone meraviglioso.
09:14
When I started doing trading, I had
gotten a little tired of mathematics.
gotten a little tired of mathematics.
168
542206
3956
Quando iniziai a fare trading,
mi ero un po' stancato della matematica.
mi ero un po' stancato della matematica.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
Avevo quasi 40 anni, pochi soldi.
09:22
I started trading and it went very well.
170
550133
2509
Cominciai a fare trading e andò bene.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
Feci molti soldi
solo perché ebbi fortuna.
solo perché ebbi fortuna.
09:27
I mean, I think it was pure luck.
172
555835
1666
Almeno credo fosse fortuna.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
Certamente non erano
modelli matematici.
modelli matematici.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
Ma osservando i dati, dopo un po'
mi sono reso conto:
mi sono reso conto:
09:35
it looks like there's some structure here.
175
563513
2553
sembra ci sia una qualche struttura.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
Assunsi qualche matematico
e cominciammo a creare qualche modello --
e cominciammo a creare qualche modello --
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
quel tipo di cose che facevamo al IDA
[Institute for Defense Analyses].
[Institute for Defense Analyses].
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
Si crea un algoritmo,
lo si testa su un computer.
lo si testa su un computer.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
Funziona? Non Funziona? E così via.
09:51
CA: Can we take a look at this?
180
579443
1479
CA: Possiamo dare uno sguardo?
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
Ecco un tipico grafico
di un bene.
di un bene.
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
Lo guardo e dico,
"Sono aumenti e diminuzioni casuali --
"Sono aumenti e diminuzioni casuali --
forse con una certa tendenza
alla crescita sull'intero periodo."
alla crescita sull'intero periodo."
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
Guardandolo,
come si può fare trading
come si può fare trading
10:07
and see something that wasn't just random?
185
595575
2326
e vedere qualcosa
di diverso dalla casualità?
di diverso dalla casualità?
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
JS: A quei tempi --
questo è un grafico dei vecchi tempi,
questo è un grafico dei vecchi tempi,
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
beni e valute avevano dei trend.
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
Non necessariamente il trend sottile
che vedete qui,
che vedete qui,
ma trend su lunghi periodi.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
Un giorno si decideva
di fare una previsione
di fare una previsione
10:27
by the average move in the past 20 days --
190
615663
4968
sulla base della media
dei 20 giorni precedenti --
dei 20 giorni precedenti --
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
e magari sarebbe stata
buona per fare soldi.
buona per fare soldi.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
Infatti, anni fa,
un sistema simile funzionava --
un sistema simile funzionava --
10:41
not beautifully, but it would work.
193
629418
2391
non perfettamente, ma funzionava.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
Si guadagnava, si perdeva, si guadagnava.
10:46
But this is a year's worth of days,
195
634366
2198
Ma sull'anno valeva la pena,
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
e si guadagnava poco
in quel breve periodo.
in quel breve periodo.
10:53
It's a very vestigial system.
197
641884
1958
È un sistema molto rudimentale.
10:56
CA: So you would test
a bunch of lengths of trends in time
a bunch of lengths of trends in time
198
644525
3529
CA: Quindi si testavano una serie
di trend sul lungo termine
di trend sul lungo termine
11:00
and see whether, for example,
199
648078
2436
per vedere se, ad esempio,
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
un trend di 10 giorni o di 15 giorni
fosse predittivo.
fosse predittivo.
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
JS: Certo, si provava tutto
per vedere cosa funzionava.
per vedere cosa funzionava.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
Usare i trend andava benissimo
negli anni '60,
negli anni '60,
11:16
and it was sort of OK in the '70s.
203
664889
2132
e bene negli anni '70.
11:19
By the '80s, it wasn't.
204
667045
1873
Ma negli anni '80,
non funzionò più.
non funzionò più.
11:20
CA: Because everyone could see that.
205
668942
2817
CA: Perché tutti potevano vederli.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
Allora come ti sei distinto dalla massa?
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
JS: Grazie ad altri approcci --
11:33
shorter-term approaches to some extent.
208
681202
2741
approcci più a breve termine
in qualche modo.
in qualche modo.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
La cosa migliore
era raccogliere tantissimi dati --
era raccogliere tantissimi dati --
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
e dovevamo farlo
a mano i primi tempi.
a mano i primi tempi.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
Andammo alla Federal Reserve
a copiare la storia dei tassi di interesse
a copiare la storia dei tassi di interesse
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
e cose del genere, perché
non erano memorizzati su computer.
non erano memorizzati su computer.
11:50
We got a lot of data.
213
698859
1643
Raccogliemmo tantissimi dati.
11:52
And very smart people -- that was the key.
214
700526
4160
E persone capaci --
la cosa più importante.
la cosa più importante.
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
Non sapevo come assumere
persone per fare trading.
persone per fare trading.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
Avevo assunto qualcuno --
qualcuno guadagnava, qualcuno meno.
qualcuno guadagnava, qualcuno meno.
12:04
I couldn't make a business out of that.
217
712722
1880
Non potevo farne un business.
12:06
But I did know how to hire scientists,
218
714626
2042
Ma sapevo come assumere scienziati,
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
perché ho gusto in quel settore.
12:12
So, that's what we did.
220
720105
1838
E così facemmo.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
I modelli migliorarono gradualmente,
12:17
and better and better.
222
725222
1335
sempre di più.
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
CA: TI si attribuiscono cose meravigliose
a Renaissance,
a Renaissance,
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
cioè creare questa cultura,
questo gruppo di persone,
questo gruppo di persone,
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
che non erano solo mercenari
attratti dal denaro.
attratti dal denaro.
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
Con la loro motivazione si creavano
matematica e scienza straordinarie.
matematica e scienza straordinarie.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
JS: Vorrei che fosse vero.
12:34
But some of it was money.
228
742283
3580
Ma in parte erano lì per soldi.
12:37
CA: They made a lot of money.
229
745887
1393
CA: Fecero tanti soldi.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
JS: Non posso dire
che nessuno venne per i soldi.
che nessuno venne per i soldi.
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
Credo che molti vennero per i soldi.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
Ma vennero anche
perché era divertente.
perché era divertente.
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
CA: Che ruolo ha avuto
l'apprendimento automatico?
l'apprendimento automatico?
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
JS: In un certo senso,
era apprendimento automatico.
era apprendimento automatico.
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
Si osservano tanti dati, e si cerca
di simulare uno schema predittivo diverso,
di simulare uno schema predittivo diverso,
12:59
until you get better and better at it.
236
767194
2182
finché si migliora sempre di più.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
Non c'era necessariamente
un riscontro.
un riscontro.
13:05
But it worked.
238
773191
2309
Ma funzionava.
13:08
CA: So these different predictive schemes
can be really quite wild and unexpected.
can be really quite wild and unexpected.
239
776150
4059
CA: Quindi questi schemi predittivi
possono essere abbastanza imprevedibili.
possono essere abbastanza imprevedibili.
13:12
I mean, you looked at everything, right?
240
780233
1914
Analizzavate tutto, vero?
Analizzavate il tempo, la lunghezza
dei vestiti, le opinioni politiche.
dei vestiti, le opinioni politiche.
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
JS: Sì, non abbiamo provato
la lunghezza dei vestiti.
la lunghezza dei vestiti.
13:20
CA: What sort of things?
243
788373
2057
CA: Che tipo di cose?
13:22
JS: Well, everything.
244
790454
1158
JS: Più o meno tutto.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
Tutto fa brodo --
tranne gli orli dei vestiti.
tranne gli orli dei vestiti.
13:28
Weather, annual reports,
246
796852
2300
Tempo, report annuali,
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
report trimestrali, dati storici,
volumi, di tutto.
volumi, di tutto.
13:35
Whatever there is.
248
803932
1151
Qualunque cosa.
13:37
We take in terabytes of data a day.
249
805107
2621
Accumuliamo terabyte di dati ogni giorno.
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
Li memorizziamo, li adattiamo
e li prepariamo per le analisi.
e li prepariamo per le analisi.
13:45
You're looking for anomalies.
251
813446
1382
Cerchiamo anomalie.
13:46
You're looking for -- like you said,
252
814852
2953
Si cercano -- come dicevi,
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
l'ipotesi del mercato efficiente
non è corretta.
non è corretta.
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
CA: Ma qualunque anomalia
potrebbe essere casuale.
potrebbe essere casuale.
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
II segreto quindi è cercare
diverse anomalie,
diverse anomalie,
13:59
and see when they align?
256
827478
1328
e vedere quando si allineano?
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
JS: Qualunque anomalia
potrebbe essere casuale;
potrebbe essere casuale;
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
tuttavia, con abbastanza dati
si capisce che non è vero.
si capisce che non è vero.
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
Si può notare un'anomalia persistente
per un periodo di tempo
abbastanza lungo --
abbastanza lungo --
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
e c'è una scarsa probabilità
che sia casuale.
che sia casuale.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
Ma queste cose spariscono dopo un po';
le anomalie possono essere spazzate via.
le anomalie possono essere spazzate via.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
Bisogna tenere
il business sotto controllo.
il business sotto controllo.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
CA: Molti pensano ai fondi speculativi --
14:27
and are sort of ... shocked by it,
264
855533
4398
e ne sono un po' sconvolti,
14:31
by how much wealth is created there,
265
859955
2172
per la ricchezza che producono,
14:34
and how much talent is going into it.
266
862151
2245
e quanto talento richiedono.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
Sei preoccupato per il settore,
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
e forse per il settore finanziario
in generale?
in generale?
14:43
Kind of being on a runaway train that's --
269
871991
2704
Come se fosse un treno in corsa che --
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
non so -- aiuti
ad aumentare l'ineguaglianza?
ad aumentare l'ineguaglianza?
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
Come difenderesti quello
che sta accadendo nei fondi speculativi?
che sta accadendo nei fondi speculativi?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
JS: Credo che negli ultimi
tre o quattro anni
tre o quattro anni
i fondi speculativi
non sono andati molto bene.
non sono andati molto bene.
14:57
hedge funds have not done especially well.
273
885260
2103
14:59
We've done dandy,
274
887387
1400
Hanno funzionato per un po',
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
ma nel complesso
non sono andati bene.
non sono andati bene.
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
Il mercato azionario sta andando bene,
sta crescendo come tutti sanno,
sta crescendo come tutti sanno,
15:09
and price-earnings ratios have grown.
277
897762
3445
e i rendimenti sono aumentati.
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
Gran parte della ricchezza
creata negli ultimi --
creata negli ultimi --
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
diciamo, cinque o sei anni --
non è stata creata dai fondi speculativi.
non è stata creata dai fondi speculativi.
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
La gente mi chiede,
"Cos'è un fondo speculativo?"
"Cos'è un fondo speculativo?"
15:23
And I'd say, "One and 20."
281
911703
2260
Rispondo, "Uno e 20."
15:25
Which means -- now it's two and 20 --
282
913987
3566
Che significa - ora è due e venti --
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
2% di commissione fissa
e 20% di profitto.
e 20% di profitto.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
I fondi speculativi sono creature
molto diverse.
molto diverse.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
CA: Si dice che applichi commissioni
leggermente più alte.
leggermente più alte.
JS: Per un po' abbiamo applicato
le commissioni più alte al mondo.
le commissioni più alte al mondo.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
15:42
Five and 44, that's what we charge.
287
930444
3226
Cinque e 44, ecco quanto applicavamo.
15:45
CA: Five and 44.
288
933694
1398
CA: Cinque e 44.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
5% fisso,
44% di crescita.
44% di crescita.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
I vostri investitori hanno comunque
guadagnato molti soldi.
guadagnato molti soldi.
15:53
JS: We made good returns, yes.
291
941181
1452
JS: I guadagni erano buoni.
La gente si arrabbiava: "Come potete
chiedere tali commissioni?"
chiedere tali commissioni?"
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
15:57
I said, "OK, you can withdraw."
293
945681
1627
Dicevo, "Potete sempre ritirarvi."
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
Ma "Come posso fare di più?"
era ciò che voleva la gente --
era ciò che voleva la gente --
16:02
(Laughter)
295
950174
1504
(Risate)
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
Ma a un certo punto,
come penso vi ho detto,
come penso vi ho detto,
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
abbiamo ricomprato tutti gli investimenti
perché il fondo ha disponibilità.
perché il fondo ha disponibilità.
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
CA: Dobbiamo preoccuparci
del settore dei fondi speculativi
del settore dei fondi speculativi
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
che attrae troppi talenti,
matematici e non,
matematici e non,
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
e li sottrae ad altri problemi del mondo?
16:22
JS: Well, it's not just mathematical.
301
970817
1929
JS: Non solo matematici.
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
Assumiamo astronomi e fisici e così via.
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
Non credo dovremmo preoccuparcene.
16:30
It's still a pretty small industry.
304
978288
3142
È pur sempre un piccolo settore.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
Di fatto, portare la scienza
nel mondo degli investimenti
nel mondo degli investimenti
16:39
has improved that world.
306
987475
2159
l'ha migliorato.
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
Ha ridotto la volatilità.
Ha aumentato la liquidità.
Ha aumentato la liquidità.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
Gli spread sono più bassi
perché la gente fa trading.
perché la gente fa trading.
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
Non sono preoccupato
che Einstein lanci un fondo speculativo.
che Einstein lanci un fondo speculativo.
16:54
CA: You're at a phase in your life now
where you're actually investing, though,
where you're actually investing, though,
310
1002478
4164
CA: Sei in una fase delle vita
in cui stai investendo,
in cui stai investendo,
16:58
at the other end of the supply chain --
311
1006666
3734
ma all'altro capo della supply chain --
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
stai promuovendo
la matematica in America.
la matematica in America.
17:06
This is your wife, Marilyn.
313
1014552
1865
Questa è tua moglie Marylin.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
Insieme vi occupate di iniziative
filantropiche.
filantropiche.
17:13
Tell me about that.
315
1021221
1163
Raccontaci un po'.
17:14
JS: Well, Marilyn started --
316
1022408
3649
JS: Marylin ha cominciato --
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
eccola qui, la mia bella moglie --
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
ha creato la fondazione
circa 20 anni fa.
circa 20 anni fa.
17:24
I think '94.
319
1032548
1151
Credo fosse il '94.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
Io sostengo che fosse il '93,
lei il '94,
lei il '94,
17:27
but it was one of those two years.
321
1035842
2571
ma era uno di quei due anni.
17:30
(Laughter)
322
1038437
2135
(Risate)
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
Abbiamo creato la fondazione
per fare beneficienza.
per fare beneficienza.
17:40
She kept the books, and so on.
324
1048346
2507
Lei teneva la contabilità.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
All'epoca non avevamo una mission precisa
ma progressivamente ci siamo orientati--
ma progressivamente ci siamo orientati--
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
verso matematica e scienza,
sulla ricerca di base.
sulla ricerca di base.
17:55
And that's what we've done.
327
1063569
2772
E così abbiamo fatto.
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
Sei anni fa ho lasciato Renaissance
e sono andato a lavorare alla fondazione.
e sono andato a lavorare alla fondazione.
18:04
So that's what we do.
329
1072744
1571
Ecco cosa facciamo.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
CA: Math for America investe
18:09
in math teachers around the country,
331
1077272
2638
negli insegnanti di matematica del Paese,
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
dà loro un reddito aggiuntivo,
sostegno e formazione.
sostegno e formazione.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
Cerchiamo di renderlo un mestiere
più produttivo,
più produttivo,
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
una vocazione a cui
gli insegnanti possono aspirare.
gli insegnanti possono aspirare.
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
JS: Sì -- invece di rimproverare
i cattivi insegnanti,
i cattivi insegnanti,
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
creando problemi di morale
nella comunità degli educatori,
nella comunità degli educatori,
18:31
in particular in math and science,
337
1099151
2441
in particolare in matematica e scienza,
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
ci concentriamo sul premiare
quelli bravi e dar loro credito.
quelli bravi e dar loro credito.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
Sì, diamo loro soldi extra,
15.000 dollari all'anno.
15.000 dollari all'anno.
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
Abbiamo 800 insegnanti pubblici
di matematica e scienza a New York,
di matematica e scienza a New York,
18:47
as part of a core.
341
1115216
1814
sono la nostra base.
18:49
There's a great morale among them.
342
1117054
3686
Sono molto motivati.
18:52
They're staying in the field.
343
1120764
2506
Rimarranno nel settore.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
L'anno prossimo
saranno 1.000, ossia il 10%
saranno 1.000, ossia il 10%
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
degli insegnanti di matematica e scienza
delle scuole pubbliche di New York.
delle scuole pubbliche di New York.
19:01
(Applause)
346
1129781
5905
(Applausi)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
CA: Jim, ecco un altro progetto
che hai sostenuto:
che hai sostenuto:
19:11
Research into origins of life, I guess.
348
1139144
2397
Ricerca delle origini della vita, credo.
19:13
What are we looking at here?
349
1141565
1447
Cosa stiamo guardando?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
JS: Lo tengo per dopo.
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
E poi vi dirò cosa state guardando.
19:19
Origins of life is a fascinating question.
352
1147628
3056
L'origine della vita
è una domanda affascinante.
è una domanda affascinante.
19:22
How did we get here?
353
1150708
1533
Come ci siamo arrivati?
19:25
Well, there are two questions:
354
1153170
1771
Ci sono due domande:
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
una è come si è passati
dalla geologia alla biologia --
dalla geologia alla biologia --
19:32
how did we get here?
356
1160857
1381
come ci siamo arrivati?
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
E l'altra domanda è,
con cosa abbiamo iniziato?
con cosa abbiamo iniziato?
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
Con quale materiale, se ce n'è uno,
abbiamo dovuto lavorare?
abbiamo dovuto lavorare?
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
Sono due domande molto interessanti.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
La prima domanda è un percorso tortuoso
dalla geologia al RNA
dalla geologia al RNA
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
o qualcosa di simile --
come ha funzionato?
come ha funzionato?
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
E l'altra, con cosa dobbiamo lavorare?
19:54
Well, more than we think.
363
1182325
1771
Più di quanto pensiamo.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
Lì è rappresentata
una stella in formazione.
una stella in formazione.
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
Ogni anno nella nostra Via Lattea,
che ha 100 miliardi di stelle,
che ha 100 miliardi di stelle,
20:05
about two new stars are created.
366
1193285
2495
nascono due nuove stelle.
20:07
Don't ask me how, but they're created.
367
1195804
2470
Non chiedetemi come, ma succede.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
E ci vuole circa un milione di anni
perché si stabilizzi.
perché si stabilizzi.
20:14
So, in steady state,
369
1202132
2176
Circa due milioni di stelle,
in stato stabile,
in stato stabile,
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
si stanno formando.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
Quella è in fase di assestamento.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
E c'è tutta quella roba intorno,
20:27
dust and stuff.
373
1215027
1498
polvere e roba simile.
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
Probabilmente formerà
un sistema solare o altro.
un sistema solare o altro.
20:32
But here's the thing --
375
1220526
2176
Ma ecco --
20:34
in this dust that surrounds a forming star
376
1222726
6348
in questa polvere che circonda
una stella in formazione
una stella in formazione
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
sono state scoperte molecole organiche.
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
Molecole non solo come il metano,
ma formaldeide e cianuro --
ma formaldeide e cianuro --
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
i mattoni, i semi, se volete --
della vita.
della vita.
21:01
So, that may be typical.
380
1249136
2692
Potrebbe essere una cosa comune.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
Potrebbe essere normale
che i pianeti intorno all'universo
che i pianeti intorno all'universo
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
comincino con qualche mattone di base.
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
Significa che c'è vita intorno a noi?
21:18
Maybe.
384
1266569
1364
Forse.
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
Ma è una domanda che ci dice
quanto sia complesso il percorso
quanto sia complesso il percorso
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
da questi fragili inizi,
questi semi, fino alla vita.
questi semi, fino alla vita.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
E gran parte di questi semi
cadranno su pianeti inabitati.
cadranno su pianeti inabitati.
21:33
CA: So for you, personally,
388
1281742
1409
CA: Quindi tu, personalmente,
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
vuoi trovare una risposta
alla domanda "da dove veniamo",
alla domanda "da dove veniamo",
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
come è successo.
21:41
JS: Would love to see.
391
1289603
1786
JS: Sì, lo vorrei.
21:43
And like to know --
392
1291413
1490
E sapere --
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
se quel sentiero è tortuoso abbastanza,
e così improbabile,
e così improbabile,
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
che indipendentemente da cosa si inizia,
potremmo essere un'eccezione.
potremmo essere un'eccezione.
21:55
But on the other hand,
395
1303336
1152
D'altro canto,
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
data tutta questa polvere organica
che circola,
che circola,
22:00
we could have lots of friends out there.
397
1308014
3791
potremmo avere
un sacco di amici là fuori.
un sacco di amici là fuori.
22:04
It'd be great to know.
398
1312947
1161
Sarebbe bello saperlo.
22:06
CA: Jim, a couple of years ago,
I got the chance to speak with Elon Musk,
I got the chance to speak with Elon Musk,
399
1314132
3480
CA: Un paio di anni fa ho avuto
la fortuna di parlare con Elon Musk,
la fortuna di parlare con Elon Musk,
22:09
and I asked him the secret of his success,
400
1317636
2837
e gli ho chiesto
il segreto del suo successo,
il segreto del suo successo,
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
e ha detto che lo deve
all'aver preso seriamente la fisica.
all'aver preso seriamente la fisica.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
Ascoltando te, sembra
che prendere la matematica seriamente,
che prendere la matematica seriamente,
22:20
that has infused your whole life.
403
1328723
3003
abbia impegnato tutta la tua vita.
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
Ti ha reso una fortuna assoluta,
e ora ti permette di investire
e ora ti permette di investire
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
nel futuro di migliaia di ragazzi
in America e altrove.
in America e altrove.
22:33
Could it be that science actually works?
406
1341567
2858
Magari la scienza funziona?
22:36
That math actually works?
407
1344449
2772
La matematica funziona?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
JS: Certo che la matematica funziona.
La matematica funziona.
La matematica funziona.
22:43
But this has been fun.
409
1351641
1198
Ma è stato divertente.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
Lavorare con Marilyn
e donare è stato divertente.
e donare è stato divertente.
22:49
CA: I just find it --
it's an inspirational thought to me,
it's an inspirational thought to me,
411
1357833
2936
CA: Trovo solo --
è un pensiero illuminante,
è un pensiero illuminante,
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
che prendendo sul serio
la conoscenza, ne sia nato così tanto.
la conoscenza, ne sia nato così tanto.
Grazie per la tua vita straordinaria,
e per essere qui a TED.
e per essere qui a TED.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
22:59
Thank you.
414
1367866
751
Grazie.
23:00
Jim Simons!
415
1368651
1101
Jim Simons!
23:01
(Applause)
416
1369806
4380
(Applausi)
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