TED2015
Jim Simons: The mathematician who cracked Wall Street
Jim Simons: Uma entrevista rara com o matemático que quebrou Wall Street
Filmed:
Readability: 4
2,981,452 views
Jim Simons foi o matemático e criptógrafo que percebeu que a matemática complexa que usou para quebrar códigos poderia ajudar a explicar os padrões no mundo das finanças. Bilhões depois, ele está trabalhando para ajudar a próxima geração de professores e estudiosos de matemática. Chris Anderson, da equipe TED, conversa com Simon para falar sobre sua vida extraordinária com os números.
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: Você foi
um fenômeno da matemática.
um fenômeno da matemática.
00:15
You had already taught at Harvard
and MIT at a young age.
and MIT at a young age.
1
3675
3064
Você lecionou em Harvard
e no MIT ainda muito jovem.
e no MIT ainda muito jovem.
00:18
And then the NSA came calling.
2
6763
2190
E aí a NSA te procurou.
00:21
What was that about?
3
9464
1204
Como foi isso?
00:23
Jim Simons: Well the NSA --
that's the National Security Agency --
that's the National Security Agency --
4
11207
3923
Jim Simons: Bem, a NSA, Agência
de Segurança Nacional americana,
de Segurança Nacional americana,
00:27
they didn't exactly come calling.
5
15154
1969
não me procurou exatamente.
00:29
They had an operation at Princeton,
where they hired mathematicians
where they hired mathematicians
6
17465
4474
Eles tinham um projeto em Princeton,
no qual contratavam matemáticos
no qual contratavam matemáticos
00:33
to attack secret codes
and stuff like that.
and stuff like that.
7
21963
2942
para decifrar códigos secretos
e coisas do gênero.
e coisas do gênero.
00:37
And I knew that existed.
8
25294
1672
Eu sabia da existência deles.
Eles tinham uma política
de trabalho muito boa,
de trabalho muito boa,
00:39
And they had a very good policy,
9
27315
2180
00:41
because you could do half your time
at your own mathematics,
at your own mathematics,
10
29519
3850
podíamos trabalhar metade
do tempo nas nossas pesquisas,
do tempo nas nossas pesquisas,
00:45
and at least half your time
working on their stuff.
working on their stuff.
11
33393
3484
e metade nas coisas deles.
00:49
And they paid a lot.
12
37559
1474
E pagavam muito bem,
00:51
So that was an irresistible pull.
13
39057
3051
então foi difícil resistir.
00:54
So, I went there.
14
42132
1912
Então, eu fui para lá.
00:56
CA: You were a code-cracker.
15
44068
1338
CA: Você era um hacker.
00:57
JS: I was.
16
45430
1166
JS: Eu era.
00:58
CA: Until you got fired.
17
46620
1157
CA: Até ser demitido.
00:59
JS: Well, I did get fired. Yes.
18
47801
1583
JS: Sim, fui demitido.
01:01
CA: How come?
19
49408
1245
CA: Por quê?
01:03
JS: Well, how come?
20
51280
1333
JS: Bem, por quê?
01:05
I got fired because,
well, the Vietnam War was on,
well, the Vietnam War was on,
21
53611
4956
Fui demitido porque
a guerra do Vietnã acontecia,
a guerra do Vietnã acontecia,
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 o chefe dos chefes da minha organização
era um grande entusiasta da guerra
era um grande entusiasta da guerra
e escreveu uma reportagem de capa
para a revista New York Times,
para a revista New York Times,
01:16
and wrote a New York Times article,
a magazine section cover story,
a magazine section cover story,
23
64353
4395
01:20
about how we would win in Vietnam.
24
68772
1770
sobre como venceríamos no Vietnã.
01:22
And I didn't like that war,
I thought it was stupid.
I thought it was stupid.
25
70566
3129
Eu não gostava daquela guerra,
eu a achava estúpida.
eu a achava estúpida.
01:25
And I wrote a letter to the Times,
which they published,
which they published,
26
73719
2665
E escrevi uma carta para o Times,
que foi publicada,
que foi publicada,
01:28
saying not everyone
who works for Maxwell Taylor,
who works for Maxwell Taylor,
27
76408
4014
dizendo que nem todos
que trabalhavam para Maxwell Taylor,
que trabalhavam para Maxwell Taylor,
01:32
if anyone remembers that name,
agrees with his views.
agrees with his views.
28
80446
4686
se alguém se lembra desse nome,
concordava com as opiniões dele.
concordava com as opiniões dele.
01:37
And I gave my own views ...
29
85553
1658
E dei minhas próprias opiniões,
01:39
CA: Oh, OK. I can see that would --
30
87235
2164
CA: Ah, certo, percebo que eram...
01:41
JS: ... which were different
from General Taylor's.
from General Taylor's.
31
89423
2555
JS: ...diferentes das opiniões
do general Taylor.
do general Taylor.
01:44
But in the end, nobody said anything.
32
92002
1906
Mas no final, ninguém falou nada.
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
Na época eu tinha 29 anos,
e um rapaz apareceu
e um rapaz apareceu
01:49
and said he was a stringer
from Newsweek magazine
from Newsweek magazine
34
97657
3088
dizendo que era correspondente
da revista Newsweek,
da revista 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
que queria me entrevistar
e saber o que eu estava fazendo
a respeito das minhas opiniões.
a respeito das minhas opiniões.
01:58
And I told him, "I'm doing
mostly mathematics now,
mostly mathematics now,
36
106160
3899
Eu respondi: "Agora, estou trabalhando
principalmente na matemática
principalmente na matemática
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 a guerra acabar, vou trabalhar
principalmente nas coisas deles".
principalmente nas coisas deles".
02:06
Then I did the only
intelligent thing I'd done that day --
intelligent thing I'd done that day --
38
114123
2825
Então fiz a única coisa
inteligente daquele dia:
inteligente daquele dia:
02:08
I told my local boss
that I gave that interview.
that I gave that interview.
39
116972
4157
contei para meu chefe
que eu tinha dado aquela entrevista.
que eu tinha dado aquela entrevista.
Ele disse: "O que você falou?"
02:13
And he said, "What'd you say?"
40
121153
1459
02:14
And I told him what I said.
41
122636
1466
E eu contei a ele.
02:16
And then he said,
"I've got to call Taylor."
"I've got to call Taylor."
42
124126
2315
E ele disse: "Vou ter
que ligar para o Taylor".
que ligar para o Taylor".
02:18
He called Taylor; that took 10 minutes.
43
126465
2377
Ele ligou para o Taylor,
isso levou dez minutos.
isso levou dez minutos.
02:20
I was fired five minutes after that.
44
128866
2262
Fui demitido cinco minutos depois.
02:23
CA: OK.
45
131590
1222
CA: Certo.
JS: Mas não foi ruim.
02:24
JS: But it wasn't bad.
46
132836
1151
CA: Não foi ruim porque você
foi para a "Stony Book"
foi para a "Stony Book"
02:26
CA: It wasn't bad,
because you went on to Stony Brook
because you went on to Stony Brook
47
134011
2493
02:28
and stepped up your mathematical career.
48
136528
3133
e alavancou sua carreira matemática.
02:31
You started working with this man here.
49
139685
2452
Você começou a trabalhar com este homem.
02:34
Who is this?
50
142161
1164
Quem é ele?
02:36
JS: Oh, [Shiing-Shen] Chern.
51
144352
1412
JS: Ah, Shiing-Shen Chern.
02:37
Chern was one of the great
mathematicians of the century.
mathematicians of the century.
52
145788
3104
O Chern foi um dos maiores
matemáticos do século.
matemáticos do século.
02:40
I had known him when
I was a graduate student at Berkeley.
I was a graduate student at Berkeley.
53
148916
5233
Conheci ele quando eu fazia
pós-graduação em Berkeley.
pós-graduação em Berkeley.
02:46
And I had some ideas,
54
154173
1871
Eu tinha algumas ideias
02:48
and I brought them to him
and he liked them.
and he liked them.
55
156068
2447
e apresentei-as a ele, e ele gostou.
02:50
Together, we did this work
which you can easily see up there.
which you can easily see up there.
56
158539
6626
Juntos, fizemos este trabalho
que você pode facilmente ver aqui.
que você pode facilmente ver aqui.
02:57
There it is.
57
165189
1150
Aqui está ele.
02:59
CA: It led to you publishing
a famous paper together.
a famous paper together.
58
167198
3606
CA: Através desse trabalho vocês
publicaram um artigo famoso juntos.
publicaram um artigo famoso juntos.
03:02
Can you explain at all what that work was?
59
170828
3238
Pode nos explicar
em que consistia esse trabalho?
em que consistia esse trabalho?
03:07
JS: No.
60
175028
1158
JS: Não.
03:08
(Laughter)
61
176210
2274
(Risos)
03:10
JS: I mean, I could
explain it to somebody.
explain it to somebody.
62
178966
2064
JS: Bem, eu posso explicar isso a alguém.
03:13
(Laughter)
63
181054
2075
(Risos)
03:15
CA: How about explaining this?
64
183153
1864
CA: Que tal explicar isso?
03:17
JS: But not many. Not many people.
65
185041
2729
JS: Mas não para muitas pessoas.
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: Acho que você me disse
que tinha algo a ver com esferas,
que tinha algo a ver com esferas,
03:23
so let's start here.
67
191982
1862
então vamos começar por isso.
03:25
JS: Well, it did,
but I'll say about that work --
but I'll say about that work --
68
193868
3600
JS: Bem, tinha; mas sobre aquele trabalho,
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
tinha algo a ver com isso, mas antes,
03:32
that work was good mathematics.
70
200716
3540
esse trabalho era matemática pura.
03:36
I was very happy with it; so was Chern.
71
204280
2492
Eu estava feliz com o trabalho,
e o Chern também.
e o Chern também.
03:39
It even started a little sub-field
that's now flourishing.
that's now flourishing.
72
207910
4176
Ele até começou como um assunto
que hoje está crescendo.
que hoje está crescendo.
03:44
But, more interestingly,
it happened to apply to physics,
it happened to apply to physics,
73
212638
5294
Mas, o que é mais interessante
é que ele se aplica à fisica,
é que ele se aplica à 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
algo que não conhecíamos,
pelo menos eu não sabia nada de física,
pelo menos eu não sabia nada de física,
03:54
and I don't think Chern
knew a heck of a lot.
knew a heck of a lot.
75
222275
2282
e não acho que o Chern
soubesse muita coisa.
soubesse muita coisa.
03:56
And about 10 years
after the paper came out,
after the paper came out,
76
224581
3963
E uns dez anos depois
que o artigo foi publicado,
que o artigo foi publicado,
04:00
a guy named Ed Witten in Princeton
started applying it to string theory
started applying it to string theory
77
228568
4480
um cara chamado Ed Witten, em Princeton,
começou a aplicá-lo na teoria das cordas
começou a aplicá-lo na teoria das cordas
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 pessoas na Rússia começaram a aplicá-lo
no que foi chamado "matéria condensada".
no que foi chamado "matéria condensada".
04:09
Today, those things in there
called Chern-Simons invariants
called Chern-Simons invariants
79
237948
4893
Hoje em dia, as chamadas
constantes de Chern-Simons
constantes de Chern-Simons
04:14
have spread through a lot of physics.
80
242865
1865
espalharam-se por trabalhos de física.
04:16
And it was amazing.
81
244754
1174
E isso é fantástico.
04:17
We didn't know any physics.
82
245952
1365
Não sabíamos nada de física.
04:19
It never occurred to me
that it would be applied to physics.
that it would be applied to physics.
83
247714
2854
Nunca pensei que isso
seria aplicado à fisica.
seria aplicado à 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
Mas esse é o interessante da matemática:
você nunca sabe aonde ela vai.
você nunca sabe aonde ela vai.
04:26
CA: This is so incredible.
85
254404
1492
CA: Isso é incrível.
04:27
So, we've been talking about
how evolution shapes human minds
how evolution shapes human minds
86
255920
4364
Então, estávamos falando sobre
como a evolução influencia a mente humana,
como a evolução influencia a mente humana,
04:32
that may or may not perceive the truth.
87
260308
2508
que pode ou não perceber a verdade.
04:34
Somehow, you come up
with a mathematical theory,
with a mathematical theory,
88
262840
3313
De alguma forma, você produziu
uma teoria matemática,
uma teoria matemática,
04:38
not knowing any physics,
89
266177
1848
sem saber nada de física,
04:40
discover two decades later
that it's being applied
that it's being applied
90
268049
2498
e duas décadas depois
descobriu que ela é aplicada
descobriu que ela é aplicada
04:42
to profoundly describe
the actual physical world.
the actual physical world.
91
270571
3031
para descrever profundamente
o mundo físico real.
o mundo físico real.
04:45
How can that happen?
92
273626
1153
Como isso é possível?
04:46
JS: God knows.
93
274803
1157
JS: Só Deus sabe.
04:47
(Laughter)
94
275984
2110
(Risos)
04:50
But there's a famous physicist
named [Eugene] Wigner,
named [Eugene] Wigner,
95
278849
3150
Mas há um famoso físico
chamado Eugene Wigner
chamado Eugene Wigner
04:54
and he wrote an essay on the unreasonable
effectiveness of mathematics.
effectiveness of mathematics.
96
282023
5588
que escreveu um ensaio sobre
a eficácia irracional da matemática.
a eficácia irracional da matemática.
04:59
Somehow, this mathematics,
which is rooted in the real world
which is rooted in the real world
97
287635
3952
De alguma forma, a matemática
está enraizada no mundo real:
está enraizada no mundo real:
05:03
in some sense -- we learn to count,
measure, everyone would do that --
measure, everyone would do that --
98
291611
4995
aprendemos a contar, a medir,
todo mundo pode fazer isso,
todo mundo pode fazer isso,
05:08
and then it flourishes on its own.
99
296630
1830
e aí, ela floresce por conta própria.
05:10
But so often it comes
back to save the day.
back to save the day.
100
298976
2841
Mas várias vezes ela volta
para salvar o dia.
para salvar o dia.
05:14
General relativity is an example.
101
302293
2178
A relatividade geral é um exemplo.
05:16
[Hermann] Minkowski had this geometry,
and Einstein realized,
and Einstein realized,
102
304495
3117
Hermann Minkowski tinha
essa geometria, e Einstein percebeu:
essa geometria, e Einstein percebeu:
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
"Ei! É com isso que eu posso
lançar a relatividade geral."
lançar a relatividade geral."
05:23
So, you never know. It is a mystery.
104
311507
3112
Nunca se sabe, é um mistério.
05:27
It is a mystery.
105
315056
1217
É um mistério.
05:28
CA: So, here's a mathematical
piece of ingenuity.
piece of ingenuity.
106
316297
3296
CA: Aqui temos uma engenhosa
obra matemática.
obra matemática.
05:31
Tell us about this.
107
319617
1342
Conte-nos sobre isto.
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: Bem, isto é uma bola, uma esfera,
que tem uma estrutura em torno dela,
que tem uma estrutura em torno dela,
05:38
you know, those squares.
109
326931
1573
esses quadrados.
05:42
What I'm going to show here was
originally observed by [Leonhard] Euler,
originally observed by [Leonhard] Euler,
110
330697
4906
O que mostrarei aqui foi originalmente
observado por Leonhard Euler,
observado por Leonhard Euler,
05:47
the great mathematician, in the 1700s.
111
335627
2254
o grande matemático, em 1700.
05:50
And it gradually grew to be
a very important field in mathematics:
a very important field in mathematics:
112
338223
5181
Isso cresceu progressivamente até ser
um campo muito importante em matemática:
um campo muito importante em matemática:
05:55
algebraic topology, geometry.
113
343428
2334
topologia algébrica, geometria,
05:59
That paper up there had its roots in this.
114
347039
4364
e aquele ensaio tinha as suas raízes nela.
06:03
So, here's this thing:
115
351427
1834
Então, sobre esta coisa:
06:05
it has eight vertices,
12 edges, six faces.
12 edges, six faces.
116
353285
4452
ela tem 8 vértices, 12 arestas e 6 faces.
06:09
And if you look at the difference --
vertices minus edges plus faces --
vertices minus edges plus faces --
117
357761
3830
E se você calcular a diferença:
vértices menos bordas, mais faces,
vértices menos bordas, mais faces,
06:13
you get two.
118
361615
1152
dá dois.
06:14
OK, well, two. That's a good number.
119
362791
2219
Certo, dois. É um bom número.
06:17
Here's a different way of doing it --
these are triangles covering --
these are triangles covering --
120
365034
4248
Aqui, uma outra forma de fazer isso,
esta é coberta com triângulos,
esta é coberta com triângulos,
06:21
this has 12 vertices and 30 edges
121
369306
4577
ela tem 12 vértices e 30 bordas,
06:25
and 20 faces, 20 tiles.
122
373907
4195
e 20 faces, 20 peças.
06:30
And vertices minus edges
plus faces still equals two.
plus faces still equals two.
123
378576
4591
E, vértices menos arestas,
mais faces, ainda é igual a dois.
mais faces, ainda é igual a dois.
06:35
And in fact, you could do this
any which way --
any which way --
124
383191
2847
E você poderia fazer isso
de qualquer outra forma,
de qualquer outra forma,
06:38
cover this thing with all kinds
of polygons and triangles
of polygons and triangles
125
386062
3398
cobri-la com todos os tipos
de polígonos e triângulos,
de polígonos e triângulos,
06:41
and mix them up.
126
389484
1320
e misturá-los,
06:42
And you take vertices minus edges
plus faces -- you'll get two.
plus faces -- you'll get two.
127
390828
3279
e vértices menos arestas,
mais faces, continuará dando dois.
mais faces, continuará dando dois.
06:46
Here's a different shape.
128
394131
1611
Aqui está uma forma diferente.
06:48
This is a torus, or the surface
of a doughnut: 16 vertices
of a doughnut: 16 vertices
129
396480
5250
Este é um toro, a superfície de uma rosca,
tem 16 vértices cobertos
por estes retângulos,
por estes retângulos,
06:53
covered by these rectangles,
32 edges, 16 faces.
32 edges, 16 faces.
130
401754
4244
32 arestas, 16 faces,
06:58
Vertices minus edges comes out to be zero.
131
406530
2684
e vértices, menos arestas,
mais faces dá zero.
mais faces dá zero.
07:01
It'll always come out to zero.
132
409238
1475
Sempre dará zero.
07:02
Every time you cover a torus
with squares or triangles
with squares or triangles
133
410737
4310
Toda vez que você cobrir toros
com quadrados ou triângulos
com quadrados ou triângulos
07:07
or anything like that,
you're going to get zero.
you're going to get zero.
134
415071
3935
ou qualquer coisa do tipo, vai dar zero.
07:12
So, this is called
the Euler characteristic.
the Euler characteristic.
135
420514
2390
Isso chama-se "Característica de Euler",
07:14
And it's what's called
a topological invariant.
a topological invariant.
136
422928
3449
é o que chamamos de invariante topológico.
07:18
It's pretty amazing.
137
426849
1156
É incrível.
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
Não importa como você faça,
sempre obterá a mesma resposta.
sempre obterá a mesma resposta.
07:22
So that was the first sort of thrust,
from the mid-1700s,
from the mid-1700s,
139
430844
6299
Esse foi o primeiro impulso,
em meados de 1700,
em meados de 1700,
07:29
into a subject which is now called
algebraic topology.
algebraic topology.
140
437167
3769
em um assunto que agora
é chamado de topologia algébrica.
é chamado de topologia algébrica.
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: E seu próprio trabalho
tomou uma ideia como esta e a levou
tomou uma ideia como esta e a levou
07:35
into higher-dimensional theory,
142
443967
2449
para a teoria das dimensões superiores,
07:38
higher-dimensional objects,
and found new invariances?
and found new invariances?
143
446440
3088
objetos das dimensões superiores,
e encontrou novas invariâncias?
e encontrou novas invariâncias?
07:41
JS: Yes. Well, there were already
higher-dimensional invariants:
higher-dimensional invariants:
144
449552
4643
JS: Sim. Bem, já havia invariantes
de dimensão superior:
de dimensão superior:
07:46
Pontryagin classes --
actually, there were Chern classes.
actually, there were Chern classes.
145
454219
4457
as classes de Pontryagin,
as classes de Chern.
as classes de Chern.
07:50
There were a bunch
of these types of invariants.
of these types of invariants.
146
458700
3548
Havia um monte dessas invariantes.
07:54
I was struggling to work on one of them
147
462272
4135
Eu estava lutando
para trabalhar em uma delas
para trabalhar em uma delas
07:58
and model it sort of combinatorially,
148
466431
4203
e modelá-la combinatoriamente,
08:02
instead of the way it was typically done,
149
470658
3022
em vez da maneira usual,
08:05
and that led to this work
and we uncovered some new things.
and we uncovered some new things.
150
473704
4359
o que levou a esse trabalho,
e nós descobrimos algumas coisas novas.
e nós descobrimos algumas coisas novas.
08:10
But if it wasn't for Mr. Euler --
151
478087
3501
Mas, se não fosse pelo Sr. Euler,
08:13
who wrote almost 70 volumes of mathematics
152
481612
3981
que escreveu quase
70 volumes de matemática
70 volumes de matemática
08:17
and had 13 children,
153
485617
1731
e tinha 13 filhos,
08:19
who he apparently would dandle on his knee
while he was writing --
while he was writing --
154
487372
6442
que aparentemente ele balançava
no joelho enquanto escrevia,
no joelho enquanto escrevia,
08:25
if it wasn't for Mr. Euler, there wouldn't
perhaps be these invariants.
perhaps be these invariants.
155
493838
5774
se não fosse por ele, talvez
não existissem estas invariantes.
não existissem estas invariantes.
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: Pelo menos isso nos deu
uma amostra dessa mente incrível.
uma amostra dessa mente incrível.
08:36
Let's talk about Renaissance.
157
504804
1543
Vamos falar da "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
Como você usou essa mente incrível,
e tendo sido um hacker na NSA,
e tendo sido um hacker na NSA,
08:44
you started to become a code-cracker
in the financial industry.
in the financial industry.
159
512251
3229
você começou a se tornar
hacker na indústria financeira.
hacker na indústria financeira.
Acho que você não aceitou
a teoria de mercado eficiente.
a teoria de mercado eficiente.
08:47
I think you probably didn't buy
efficient market theory.
efficient market theory.
160
515504
2690
08:50
Somehow you found a way of creating
astonishing returns over two decades.
astonishing returns over two decades.
161
518218
6387
De alguma forma,
você conseguiu rendimentos
surpreendentes ao longo de duas décadas.
surpreendentes ao longo de duas décadas.
08:56
The way it's been explained to me,
162
524629
1671
Da forma como me foi explicado,
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
o que é notável sobre o que você fez
não foi só o tamanho dos rendimentos,
não foi só o tamanho dos rendimentos,
09:01
it's that you took them
with surprisingly low volatility and risk,
with surprisingly low volatility and risk,
164
529847
3883
mas que você os conseguiu com volatilidade
e risco surpreendentemente baixos,
e risco surpreendentemente baixos,
09:05
compared with other hedge funds.
165
533754
1824
comparado a outros
fundos de cobertura.
fundos de cobertura.
09:07
So how on earth did you do this, Jim?
166
535602
1929
Como você fez isso, Jim?
09:10
JS: I did it by assembling
a wonderful group of people.
a wonderful group of people.
167
538071
4111
JS: Eu fiz isso juntando
um grupo maravilhoso de pessoas.
um grupo maravilhoso de pessoas.
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 comecei a fazer negociações,
eu estava um pouco cansado da matemática.
eu estava um pouco cansado da matemática.
09:18
I was in my late 30s,
I had a little money.
I had a little money.
169
546186
3923
Eu já estava no final dos 30 anos
e com pouco de dinheiro.
e com pouco de dinheiro.
09:22
I started trading and it went very well.
170
550133
2509
Eu comecei a negociar, e me dei muito bem.
09:25
I made quite a lot of money
with pure luck.
with pure luck.
171
553063
2748
Eu fiz um bom dinheiro, por pura sorte.
09:27
I mean, I think it was pure luck.
172
555835
1666
Eu acho que foi pura sorte.
09:29
It certainly wasn't mathematical modeling.
173
557525
2109
Certamente não foi a modelagem matemática.
09:31
But in looking at the data,
after a while I realized:
after a while I realized:
174
559658
3831
Mas, olhando os dados,
depois de um tempo, eu percebi:
depois de um tempo, eu percebi:
09:35
it looks like there's some structure here.
175
563513
2553
parece que há alguma estrutura aqui.
09:38
And I hired a few mathematicians,
and we started making some models --
and we started making some models --
176
566090
3697
Eu contratei alguns matemáticos,
e começamos a fazer uns modelos,
e começamos a fazer uns modelos,
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
exatamente o tipo de coisa que fazíamos
no IAD, o Instituto de Análises de Defesa.
no IAD, o Instituto de Análises de Defesa.
09:46
You design an algorithm,
you test it out on a computer.
you test it out on a computer.
178
574100
2833
Você escreve um algoritmo
e o testa em um computador.
e o testa em um computador.
09:48
Does it work? Doesn't it work? And so on.
179
576957
2166
Funciona? Não funciona? E por aí vai.
09:51
CA: Can we take a look at this?
180
579443
1479
CA: Vamos dar uma olhada nisso?
09:52
Because here's a typical graph
of some commodity.
of some commodity.
181
580946
4541
Porque, aqui tem um gráfico típico
de uma commodity, ou algo assim.
de uma commodity, ou algo assim.
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
Eu olho para isso e vejo apenas
um caminho aleatório, de altos e baixos,
um caminho aleatório, de altos e baixos,
10:02
maybe a slight upward trend
over that whole period of time."
over that whole period of time."
183
590552
2862
talvez uma tendência ascendente
durante esse tempo.
durante esse tempo.
10:05
How on earth could you trade
looking at that,
looking at that,
184
593438
2113
Como você negocia olhando para isso,
10:07
and see something that wasn't just random?
185
595575
2326
e como vê algo que não é apenas aleatório?
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: Nos velhos tempos, este é
o tipo de gráfico dos velhos tempos,
o tipo de gráfico dos velhos tempos,
10:13
commodities or currencies
had a tendency to trend.
had a tendency to trend.
187
601196
4284
commodities ou moedas
seguiam uma tendência.
seguiam uma tendência.
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
Não necessariamente a tendência leve
que vemos aqui, mas tendendo em períodos.
que vemos aqui, mas tendendo em períodos.
10:23
And if you decided, OK,
I'm going to predict today,
I'm going to predict today,
189
611583
4056
E se você decidisse:
"Certo, hoje vou prever
"Certo, hoje vou prever
10:27
by the average move in the past 20 days --
190
615663
4968
baseado na mudança média
dos últimos 20 dias".
dos últimos 20 dias".
10:32
maybe that would be a good prediction,
and I'd make some money.
and I'd make some money.
191
620655
3107
Talvez fosse uma boa previsão,
e você ganhasse algum dinheiro.
e você ganhasse algum dinheiro.
10:35
And in fact, years ago,
such a system would work --
such a system would work --
192
623786
5608
De fato, anos atrás,
tal sistema funcionaria,
tal sistema funcionaria,
10:41
not beautifully, but it would work.
193
629418
2391
não de forma bonita, mas funcionaria.
10:43
You'd make money, you'd lose
money, you'd make money.
money, you'd make money.
194
631833
2509
Você ganharia dinheiro,
perderia, ganharia.
perderia, ganharia.
10:46
But this is a year's worth of days,
195
634366
2198
Mas isso vale a pena
em alguns dias de um ano,
em alguns dias de um ano,
10:48
and you'd make a little money
during that period.
during that period.
196
636588
4241
e você faria pouco dinheiro
naquele período.
naquele período.
10:53
It's a very vestigial system.
197
641884
1958
É um sistema muito baseado em vestígios.
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: Então você testaria um monte
de comprimentos de tendências no tempo
de comprimentos de tendências no tempo
11:00
and see whether, for example,
199
648078
2436
e veria se, por exemplo,
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
uma tendência de 10 ou 15 dias
predizia o que aconteceu em seguida.
predizia o que aconteceu em seguida.
11:06
JS: Sure, you would try all those things
and see what worked best.
and see what worked best.
201
654043
6762
JS: Claro, você tentaria tudo isso
e veria o que funciona melhor.
e veria o que funciona melhor.
11:13
Trend-following would
have been great in the '60s,
have been great in the '60s,
202
661515
3350
Na década de 60, teria sido ótimo
seguir as tendências,
seguir as tendências,
11:16
and it was sort of OK in the '70s.
203
664889
2132
talvez na década de 70 também.
11:19
By the '80s, it wasn't.
204
667045
1873
Mas não na década de 80.
11:20
CA: Because everyone could see that.
205
668942
2817
CA: Porque todos podiam vê-la.
11:23
So, how did you stay ahead of the pack?
206
671783
2782
Então, como vocês se mantêm
à frente da maioria?
à frente da maioria?
11:27
JS: We stayed ahead of the pack
by finding other approaches --
by finding other approaches --
207
675046
6132
JS: Nós nos mantemos à frente,
encontrando outras abordagens,
encontrando outras abordagens,
11:33
shorter-term approaches to some extent.
208
681202
2741
abordagem de curto prazo, até certo ponto.
11:37
The real thing was to gather
a tremendous amount of data --
a tremendous amount of data --
209
685107
3347
O desafio foi juntar
uma quantidade enorme de dados,
uma quantidade enorme de dados,
11:40
and we had to get it by hand
in the early days.
in the early days.
210
688478
3578
e no começo, tivemos que fazer isso à mão.
11:44
We went down to the Federal Reserve
and copied interest rate histories
and copied interest rate histories
211
692080
3466
Copiamos históricos de taxas de juro
do banco Federal Reserve
do banco Federal Reserve
11:47
and stuff like that,
because it didn't exist on computers.
because it didn't exist on computers.
212
695570
3265
e coisas desse tipo,
pois não havia dados eletrônicos.
pois não havia dados eletrônicos.
11:50
We got a lot of data.
213
698859
1643
Conseguimos muitos dados
11:52
And very smart people -- that was the key.
214
700526
4160
e pessoas muito inteligentes,
isso foi a chave!
isso foi a chave!
11:57
I didn't really know how to hire
people to do fundamental trading.
people to do fundamental trading.
215
705463
3776
Eu não sabia como contratar pessoas
para fazer negociação fundamental.
para fazer negociação fundamental.
12:01
I had hired a few -- some made money,
some didn't make money.
some didn't make money.
216
709749
2949
Eu havia contratado algumas,
umas fizeram dinheiro, outras não.
umas fizeram dinheiro, outras não.
12:04
I couldn't make a business out of that.
217
712722
1880
Eu não conseguia ganhar com aquilo.
12:06
But I did know how to hire scientists,
218
714626
2042
Mas eu sabia como contratar cientistas,
12:08
because I have some taste
in that department.
in that department.
219
716692
3389
porque nesse departamento eu levo jeito.
12:12
So, that's what we did.
220
720105
1838
Então, foi isso o que fizemos.
12:13
And gradually these models
got better and better,
got better and better,
221
721967
3231
E, gradualmente, esses modelos
foram melhorando
foram melhorando
12:17
and better and better.
222
725222
1335
e melhorando cada vez mais.
12:18
CA: You're credited with doing
something remarkable at Renaissance,
something remarkable at Renaissance,
223
726581
3214
CA: Você leva crédito de ter feito
algo notável na Renaissance:
algo notável na Renaissance:
construir uma cultura,
formar esse grupo de pessoas
formar esse grupo de pessoas
12:21
which is building this culture,
this group of people,
this group of people,
224
729819
2601
12:24
who weren't just hired guns
who could be lured away by money.
who could be lured away by money.
225
732444
3142
que não eram apenas mercenários
atraídos por dinheiro,
atraídos por dinheiro,
12:27
Their motivation was doing
exciting mathematics and science.
exciting mathematics and science.
226
735610
3912
mas sim, motivados por fazer
matemática e ciência emocionantes.
matemática e ciência emocionantes.
12:31
JS: Well, I'd hoped that might be true.
227
739860
2399
JS: Bem, eu queria que isso fosse verdade,
12:34
But some of it was money.
228
742283
3580
mas, em parte, era pelo dinheiro.
12:37
CA: They made a lot of money.
229
745887
1393
CA: Eles ganharam dinheiro.
JS: Não posso dizer
que ninguém veio pelo dinheiro.
que ninguém veio pelo dinheiro.
12:39
JS: I can't say that no one came
because of the money.
because of the money.
230
747304
2537
Acho que muitos vieram pelo dinheiro,
12:41
I think a lot of them
came because of the money.
came because of the money.
231
749865
2253
mas também porque seria divertido.
12:44
But they also came
because it would be fun.
because it would be fun.
232
752142
2021
CA: E qual o papel do aprendizado
de máquina nisso?
de máquina nisso?
12:46
CA: What role did machine learning
play in all this?
play in all this?
233
754187
2488
12:48
JS: In a certain sense,
what we did was machine learning.
what we did was machine learning.
234
756699
3064
JS: Em certo sentido, o que fizemos
era aprendizado de máquina.
era aprendizado de máquina.
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
Você olha para um monte de dados, e tenta
simular diferentes modelos preditivos,
simular diferentes modelos preditivos,
12:59
until you get better and better at it.
236
767194
2182
até você ficar cada vez melhor no que faz.
13:01
It doesn't necessarily feed back on itself
the way we did things.
the way we did things.
237
769400
3767
Da forma como fizemos, por si só,
ele não dava um feedback,
ele não dava um feedback,
13:05
But it worked.
238
773191
2309
mas funcionava.
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: Então, esses modelos de previsão
podem ser desordenados e inesperados.
podem ser desordenados e inesperados.
13:12
I mean, you looked at everything, right?
240
780233
1914
Você tem que analisar tudo, certo?
13:14
You looked at the weather,
length of dresses, political opinion.
length of dresses, political opinion.
241
782171
3317
O tempo, o comprimento
dos vestidos, a opinião política.
dos vestidos, a opinião política.
13:17
JS: Yes, length of dresses we didn't try.
242
785512
2837
JS: Sim, comprimento
de vestidos não testamos.
de vestidos não testamos.
13:20
CA: What sort of things?
243
788373
2057
CA: Que tipo de coisas?
13:22
JS: Well, everything.
244
790454
1158
JS: Bem, tudo.
13:23
Everything is grist for the mill --
except hem lengths.
except hem lengths.
245
791636
3264
O que caía na rede, era peixe -
exceto a altura das bainhas.
exceto a altura das bainhas.
13:28
Weather, annual reports,
246
796852
2300
Tempo, relatórios anuais,
13:31
quarterly reports, historic data itself,
volumes, you name it.
volumes, you name it.
247
799176
4732
relatórios trimestrais, volumes,
dados históricos em si, você escolhe.
dados históricos em si, você escolhe.
13:35
Whatever there is.
248
803932
1151
O que quer que exista.
13:37
We take in terabytes of data a day.
249
805107
2621
Pegávamos terabytes de dados por dia,
13:39
And store it away and massage it
and get it ready for analysis.
and get it ready for analysis.
250
807752
4124
e armazenávamos, manipulávamos
e os deixávamos prontos para análise.
e os deixávamos prontos para análise.
13:45
You're looking for anomalies.
251
813446
1382
Você procura anomalias,
13:46
You're looking for -- like you said,
252
814852
2953
você procura, como disse...
sabe, a hipótese do mercado
eficiente não é correta.
eficiente não é correta.
13:49
the efficient market
hypothesis is not correct.
hypothesis is not correct.
253
817829
2452
13:52
CA: But any one anomaly
might be just a random thing.
might be just a random thing.
254
820305
3467
CA: Mas uma anomalia qualquer
pode ser apenas uma coisa aleatória.
pode ser apenas uma coisa aleatória.
13:55
So, is the secret here to just look
at multiple strange anomalies,
at multiple strange anomalies,
255
823796
3658
Então, o segredo aqui seria olhar
para várias anomalias estranhas,
para várias anomalias estranhas,
13:59
and see when they align?
256
827478
1328
e ver quando se alinham?
14:01
JS: Any one anomaly
might be a random thing;
might be a random thing;
257
829238
3213
JS: Uma anomalia qualquer
pode ser uma coisa aleatória;
pode ser uma coisa aleatória;
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
mas, se você tem dados suficientes
você pode dizer que não é.
você pode dizer que não é.
14:07
You can see an anomaly that's persistent
for a sufficiently long time --
for a sufficiently long time --
259
835538
4950
Uma anomalia que persiste
por um tempo suficientemente longo,
por um tempo suficientemente longo,
14:12
the probability of it being
random is not high.
random is not high.
260
840512
4975
a probabilidade de ser
aleatória não é alta.
aleatória não é alta.
14:17
But these things fade after a while;
anomalies can get washed out.
anomalies can get washed out.
261
845511
4858
Mas essas coisas desaparecem
depois de um tempo;
depois de um tempo;
anomalias podem desaparecer.
14:22
So you have to keep on top
of the business.
of the business.
262
850393
2420
Então você tem que se manter
no topo do negócio.
no topo do negócio.
14:24
CA: A lot of people look
at the hedge fund industry now
at the hedge fund industry now
263
852837
2672
CA: Muitos olham para a indústria
de fundos de cobertura
de fundos de cobertura
14:27
and are sort of ... shocked by it,
264
855533
4398
e ficam meio que... chocados,
14:31
by how much wealth is created there,
265
859955
2172
com quanta riqueza é criada lá,
14:34
and how much talent is going into it.
266
862151
2245
e quanto talento está indo para lá.
14:37
Do you have any worries
about that industry,
about that industry,
267
865523
4006
Você tem preocupações com essa indústria,
14:41
and perhaps the financial
industry in general?
industry in general?
268
869553
2414
e talvez com a indústria
financeira em geral?
financeira em geral?
14:43
Kind of being on a runaway train that's --
269
871991
2704
De ela estar em um trem desgovernado,
que, não sei, ajuda
a aumentar a desigualdade?
a aumentar a desigualdade?
14:46
I don't know --
helping increase inequality?
helping increase inequality?
270
874719
4030
14:50
How would you champion what's happening
in the hedge fund industry?
in the hedge fund industry?
271
878773
3831
Como você defende o que está acontecendo
na indústria de fundos de cobertura?
na indústria de fundos de cobertura?
14:54
JS: I think in the last
three or four years,
three or four years,
272
882628
2608
JS: Eu acho que, nos últimos
três ou quatro anos,
três ou quatro anos,
14:57
hedge funds have not done especially well.
273
885260
2103
os fundos de cobertura
não foram muito bem.
não foram muito bem.
14:59
We've done dandy,
274
887387
1400
Foi bom para nós,
15:00
but the hedge fund industry as a whole
has not done so wonderfully.
has not done so wonderfully.
275
888811
4001
mas a indústria de fundos de cobertura,
como um todo, não se deu tão bem.
como um todo, não se deu tão bem.
15:04
The stock market has been on a roll,
going up as everybody knows,
going up as everybody knows,
276
892836
4902
O mercado de ações tem estado ótimo,
subindo, como todos sabem,
subindo, como todos sabem,
15:09
and price-earnings ratios have grown.
277
897762
3445
e o índice Preço/Lucro tem crescido.
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
Então, uma enorme quantidade
de riqueza que foi criada nos últimos,
de riqueza que foi criada nos últimos,
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
digamos, cinco ou seis anos,
não foi criada pelos fundos de cobertura.
não foi criada pelos fundos de cobertura.
15:20
People would ask me,
"What's a hedge fund?"
"What's a hedge fund?"
280
908458
3221
As pessoas me perguntavam:
"O que é um fundo de cobertura?"
"O que é um fundo de cobertura?"
15:23
And I'd say, "One and 20."
281
911703
2260
E eu diria: "Um e vinte".
15:25
Which means -- now it's two and 20 --
282
913987
3566
Que significa, bem, agora são 2 e 20,
15:29
it's two percent fixed fee
and 20 percent of profits.
and 20 percent of profits.
283
917577
3353
são 2% de taxa fixa e 20% de lucros.
15:32
Hedge funds are all
different kinds of creatures.
different kinds of creatures.
284
920954
2352
Os fundos de cobertura
são de outra espécie.
são de outra espécie.
15:35
CA: Rumor has it you charge
slightly higher fees than that.
slightly higher fees than that.
285
923330
3239
CA: Dizem que você cobra taxas
ligeiramente mais elevada do que eles.
ligeiramente mais elevada do que eles.
15:39
JS: We charged the highest fees
in the world at one time.
in the world at one time.
286
927339
3081
JS: Uma vez, cobramos
as mais altas taxas do mundo.
as mais altas taxas do mundo.
15:42
Five and 44, that's what we charge.
287
930444
3226
Nós cobramos 5 e 44.
15:45
CA: Five and 44.
288
933694
1398
CA: Cobram 5 e 44.
15:47
So five percent flat,
44 percent of upside.
44 percent of upside.
289
935116
3234
Então, 5% de taxa fixa e 44% de ganhos.
15:50
You still made your investors
spectacular amounts of money.
spectacular amounts of money.
290
938374
2783
Você conseguiu ótimos rendimentos
para seus investidores.
para seus investidores.
15:53
JS: We made good returns, yes.
291
941181
1452
JS: Sim, conseguimos.
15:54
People got very mad:
"How can you charge such high fees?"
"How can you charge such high fees?"
292
942657
3000
Eles reclamavam: "Como você pode
cobrar taxas tão elevadas?"
cobrar taxas tão elevadas?"
15:57
I said, "OK, you can withdraw."
293
945681
1627
Eu dizia: "Você pode sair".
15:59
But "How can I get more?"
was what people were --
was what people were --
294
947332
2818
Mas "como posso ganhar mais?"
era o que eles queriam.
era o que eles queriam.
16:02
(Laughter)
295
950174
1504
(Risos)
16:03
But at a certain point,
as I think I told you,
as I think I told you,
296
951702
2440
Mas, a certa altura,
acho que eu te disse isso,
acho que eu te disse isso,
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
nós negociamos todos os investidores,
porque há uma capacidade para o fundo.
porque há uma capacidade para o fundo.
CA: Devemos nos preocupar com o fato
de a indústria de fundos de cobertura
de a indústria de fundos de cobertura
16:11
CA: But should we worry
about the hedge fund industry
about the hedge fund industry
298
959365
2704
16:14
attracting too much of the world's
great mathematical and other talent
great mathematical and other talent
299
962093
5438
atrair muitos dos grandes matemáticos
e outros talentos do mundo,
e outros talentos do mundo,
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
em vez de eles trabalharem
pelos muitos outros problemas no mundo?
pelos muitos outros problemas no mundo?
16:22
JS: Well, it's not just mathematical.
301
970817
1929
JS: Bem, não são só matemáticos,
16:24
We hire astronomers and physicists
and things like that.
and things like that.
302
972770
2679
nós contratamos astrônomos,
físicos, e coisas assim.
físicos, e coisas assim.
16:27
I don't think we should worry
about it too much.
about it too much.
303
975833
2431
Eu não acho que devamos
nos preocupar com isso.
nos preocupar com isso.
16:30
It's still a pretty small industry.
304
978288
3142
Ainda é uma indústria muito pequena.
16:33
And in fact, bringing science
into the investing world
into the investing world
305
981454
5997
E, de fato, trazer a ciência
para o mundo do investimento
para o mundo do investimento
16:39
has improved that world.
306
987475
2159
melhorou esse mundo.
16:41
It's reduced volatility.
It's increased liquidity.
It's increased liquidity.
307
989658
4070
É volatilidade reduzida.
É a liquidez aumentada.
É a liquidez aumentada.
Os "spreads" estão limitados,
pois muitas pessoas os estão negociando.
pois muitas pessoas os estão negociando.
16:45
Spreads are narrower because
people are trading that kind of stuff.
people are trading that kind of stuff.
308
993752
3189
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
Então não me preocupa muito se o Einstein
está começando um fundo de cobertura.
está começando um fundo de cobertura.
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: No entanto, agora você está
em uma fase onde está investindo
em uma fase onde está investindo
16:58
at the other end of the supply chain --
311
1006666
3734
na outra ponta da cadeia de fornecimento,
17:02
you're actually boosting
mathematics across America.
mathematics across America.
312
1010424
4104
você está investindo na matemática
em toda a América.
em toda a América.
17:06
This is your wife, Marilyn.
313
1014552
1865
Esta é a sua esposa, Marilyn.
17:08
You're working on
philanthropic issues together.
philanthropic issues together.
314
1016441
4756
Vocês trabalham juntos, com filantropia.
17:13
Tell me about that.
315
1021221
1163
Conte-me sobre isso.
17:14
JS: Well, Marilyn started --
316
1022408
3649
JS: Bem, a Marilyn começou,
lá está ela, minha linda esposa,
17:18
there she is up there,
my beautiful wife --
my beautiful wife --
317
1026081
3447
ela começou uma fundação,
há cerca de 20 anos.
há cerca de 20 anos.
17:21
she started the foundation
about 20 years ago.
about 20 years ago.
318
1029552
2972
17:24
I think '94.
319
1032548
1151
Acho que foi em 94.
17:25
I claim it was '93, she says it was '94,
320
1033723
2095
Eu insisto que foi em 93,
ela diz que foi 94,
ela diz que foi 94,
17:27
but it was one of those two years.
321
1035842
2571
mas foi um desses dois anos.
(Risos)
17:30
(Laughter)
322
1038437
2135
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
Começamos uma fundação como uma forma
conveniente de fazer caridade.
conveniente de fazer caridade.
17:40
She kept the books, and so on.
324
1048346
2507
Ela cuidava do balancete,
e coisas do tipo.
e coisas do tipo.
17:42
We did not have a vision at that time,
but gradually a vision emerged --
but gradually a vision emerged --
325
1050877
6714
Naquele tempo, não tínhamos uma visão,
mas gradualmente uma visão emergiu,
mas gradualmente uma visão emergiu,
17:49
which was to focus on math and science,
to focus on basic research.
to focus on basic research.
326
1057615
5504
que era: focar em matemática e ciências,
para se concentrar em pesquisa básica.
para se concentrar em pesquisa básica.
17:55
And that's what we've done.
327
1063569
2772
E isso é o que temos feito.
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
Há cerca de seis anos, saí da Renaissance
e fui trabalhar na fundação.
e fui trabalhar na fundação.
18:04
So that's what we do.
329
1072744
1571
Então é isso que nós fazemos.
18:06
CA: And so Math for America
is basically investing
is basically investing
330
1074339
2909
CA: Então o objetivo
da "Math for America" é investir
da "Math for America" é investir
18:09
in math teachers around the country,
331
1077272
2638
em professores de matemática
em todo o país,
em todo o país,
18:11
giving them some extra income,
giving them support and coaching.
giving them support and coaching.
332
1079934
3802
dando-lhes alguma renda extra,
apoio e assistência.
apoio e assistência.
18:15
And really trying
to make that more effective
to make that more effective
333
1083760
3051
E realmente tentando fazer
isso de forma mais eficaz,
isso de forma mais eficaz,
18:18
and make that a calling
to which teachers can aspire.
to which teachers can aspire.
334
1086835
2601
que seja um chamado
a que os professores possam aspirar.
a que os professores possam aspirar.
18:21
JS: Yeah -- instead of beating up
the bad teachers,
the bad teachers,
335
1089460
4790
JS: Sim, ao invés de penalizar
os professores ruins,
os professores ruins,
18:26
which has created morale problems
all through the educational community,
all through the educational community,
336
1094274
4853
que só criou mais desânimo
em toda a comunidade educativa,
em toda a comunidade educativa,
18:31
in particular in math and science,
337
1099151
2441
particularmente, em matemática e ciências,
18:33
we focus on celebrating the good ones
and giving them status.
and giving them status.
338
1101616
6130
nos concentramos em comemorar
os bons, e dar-lhes status.
os bons, e dar-lhes status.
18:39
Yeah, we give them extra money,
15,000 dollars a year.
15,000 dollars a year.
339
1107770
2931
Sim, damos-lhes dinheiro extra,
US$ 15 mil por ano.
US$ 15 mil por ano.
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
Temos 800 professores
de matemática e ciências
de matemática e ciências
nas escolas públicas de Nova York,
como parte de um núcleo.
como parte de um núcleo.
18:47
as part of a core.
341
1115216
1814
18:49
There's a great morale among them.
342
1117054
3686
Há um grande entusiasmo entre eles.
18:52
They're staying in the field.
343
1120764
2506
Eles estão permanecendo na área.
18:55
Next year, it'll be 1,000
and that'll be 10 percent
and that'll be 10 percent
344
1123294
2895
Ano que vem serão mil, o que vai ser 10%
dos professores de matemática e ciências
dos professores de matemática e ciências
18:58
of the math and science teachers
in New York [City] public schools.
in New York [City] public schools.
345
1126213
3544
em escolas públicas
da cidade de Nova York.
da cidade de Nova York.
19:01
(Applause)
346
1129781
5905
(Aplausos)
19:07
CA: Jim, here's another project
that you've supported philanthropically:
that you've supported philanthropically:
347
1135710
3410
CA: Aqui tem outro projeto
que você apoiou com a filantropia:
que você apoiou com a filantropia:
19:11
Research into origins of life, I guess.
348
1139144
2397
acho que, investigação sobre
as origens da vida.
as origens da vida.
19:13
What are we looking at here?
349
1141565
1447
O que estamos vendo aqui?
19:15
JS: Well, I'll save that for a second.
350
1143536
1882
JS: Bem, vou guardar essa para depois,
19:17
And then I'll tell you
what you're looking at.
what you're looking at.
351
1145442
2162
e então vou lhe dizer o que estamos vendo.
19:19
Origins of life is a fascinating question.
352
1147628
3056
Origens da vida é uma questão fascinante.
19:22
How did we get here?
353
1150708
1533
Como chegamos aqui?
19:25
Well, there are two questions:
354
1153170
1771
Bem, há duas perguntas:
19:26
One is, what is the route
from geology to biology --
from geology to biology --
355
1154965
5868
uma delas é, qual é o caminho
da geologia para a biologia,
da geologia para a biologia,
19:32
how did we get here?
356
1160857
1381
como chegamos aqui?
19:34
And the other question is,
what did we start with?
what did we start with?
357
1162262
2364
E a outra é: com o que começamos?
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
Com que material, se existe algum,
devemos trabalhar nessa rota?
devemos trabalhar nessa rota?
19:39
Those are two very,
very interesting questions.
very interesting questions.
359
1167776
3061
Essas são duas questões
muito interessantes.
muito interessantes.
19:43
The first question is a tortuous path
from geology up to RNA
from geology up to RNA
360
1171773
5834
A primeira é um caminho tortuoso,
desde a geologia até o ácido ribonucleico,
desde a geologia até o ácido ribonucleico,
19:49
or something like that --
how did that all work?
how did that all work?
361
1177631
2258
ou algo do tipo, como funcionou tudo isso?
19:51
And the other,
what do we have to work with?
what do we have to work with?
362
1179913
2388
E a outra, o que temos para trabalhar?
19:54
Well, more than we think.
363
1182325
1771
Bem, mais do que pensamos.
19:56
So what's pictured there
is a star in formation.
is a star in formation.
364
1184120
4843
Então, aquela foto
é uma estrela em formação.
é uma estrela em formação.
20:01
Now, every year in our Milky Way,
which has 100 billion stars,
which has 100 billion stars,
365
1189836
3425
Todos os anos em nossa Via Láctea,
que tem 100 bilhões de estrelas,
que tem 100 bilhões de estrelas,
20:05
about two new stars are created.
366
1193285
2495
cerca de duas novas estrelas são criadas.
20:07
Don't ask me how, but they're created.
367
1195804
2470
Não me pergunte como, mas elas são.
20:10
And it takes them about a million
years to settle out.
years to settle out.
368
1198298
3080
E elas levam cerca de 1 milhão de anos
para se estabelecerem.
para se estabelecerem.
20:14
So, in steady state,
369
1202132
2176
Assim, em estado estacionário,
20:16
there are about two million stars
in formation at any time.
in formation at any time.
370
1204332
3848
há cerca de 2 milhões de estrelas
em formação em qualquer momento.
em formação em qualquer momento.
20:20
That one is somewhere
along this settling-down period.
along this settling-down period.
371
1208204
3458
Aquela está em algum lugar ao longo
deste período de estabelecimento.
deste período de estabelecimento.
20:24
And there's all this crap
sort of circling around it,
sort of circling around it,
372
1212067
2936
E há todo esse tipo de coisa
circulando ao redor dela,
circulando ao redor dela,
20:27
dust and stuff.
373
1215027
1498
poeira e outras coisas.
20:29
And it'll form probably a solar system,
or whatever it forms.
or whatever it forms.
374
1217479
3023
E provavelmente ela vai formar
um sistema solar ou outra coisa.
um sistema solar ou outra coisa.
20:32
But here's the thing --
375
1220526
2176
Mas, veja bem,
20:34
in this dust that surrounds a forming star
376
1222726
6348
nesta poeira que circunda
uma estrela em formação
uma estrela em formação
20:41
have been found, now,
significant organic molecules.
significant organic molecules.
377
1229098
6035
foram encontrados, agora,
moléculas orgânicas significativas.
moléculas orgânicas significativas.
20:47
Molecules not just like methane,
but formaldehyde and cyanide --
but formaldehyde and cyanide --
378
1235958
6139
Moléculas não apenas como o metano,
mas formaldeído e cianeto,
mas formaldeído e cianeto,
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
coisas que são os blocos de construção,
as sementes, se me permitem, da vida.
as sementes, se me permitem, da vida.
21:01
So, that may be typical.
380
1249136
2692
Talvez isso seja típico.
21:04
And it may be typical
that planets around the universe
that planets around the universe
381
1252395
6934
E pode ser típico que planetas
em torno do universo
em torno do universo
21:11
start off with some of these
basic building blocks.
basic building blocks.
382
1259353
3612
comecem com alguns desses blocos
básicos de construção.
básicos de construção.
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
Agora, isso significa
que vai ter vida por todo canto?
que vai ter vida por todo canto?
21:18
Maybe.
384
1266569
1364
Talvez.
21:19
But it's a question
of how tortuous this path is
of how tortuous this path is
385
1267957
4127
Essa é uma questão de quão
tortuoso é esse caminho
tortuoso é esse caminho
21:24
from those frail beginnings,
those seeds, all the way to life.
those seeds, all the way to life.
386
1272108
4394
desde esses começos frágeis, as sementes,
por todo o caminho até a vida.
por todo o caminho até a vida.
21:28
And most of those seeds
will fall on fallow planets.
will fall on fallow planets.
387
1276526
5192
E a maioria dessas sementes
cairão em planetas inférteis.
cairão em planetas inférteis.
21:33
CA: So for you, personally,
388
1281742
1409
CA: Para você, pessoalmente,
21:35
finding an answer to this question
of where we came from,
of where we came from,
389
1283175
2722
encontrar uma resposta
a esta pergunta, de onde viemos,
a esta pergunta, de onde viemos,
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
de como essa coisa acontece,
é algo que você gostaria de ver.
é algo que você gostaria de ver.
21:41
JS: Would love to see.
391
1289603
1786
JS: Eu adoraria ver.
21:43
And like to know --
392
1291413
1490
Eu gostaria de saber:
21:44
if that path is tortuous enough,
and so improbable,
and so improbable,
393
1292927
5170
se esse caminho é tão tortuoso
e tão improvável
e tão improvável
21:50
that no matter what you start with,
we could be a singularity.
we could be a singularity.
394
1298121
4754
que não importa com o que começou,
poderíamos ser uma singularidade.
poderíamos ser uma singularidade.
21:55
But on the other hand,
395
1303336
1152
Mas, por outro lado,
21:56
given all this organic dust
that's floating around,
that's floating around,
396
1304512
3478
dada toda essa poeira orgânica circulando,
22:00
we could have lots of friends out there.
397
1308014
3791
poderíamos ter muitos amigos lá fora.
22:04
It'd be great to know.
398
1312947
1161
Eu adoraria saber disso.
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: Jim, há alguns anos, tive a chance
de falar com o Elon Musk,
de falar com o Elon Musk,
22:09
and I asked him the secret of his success,
400
1317636
2837
e perguntei-lhe o segredo de seu sucesso,
22:12
and he said taking
physics seriously was it.
physics seriously was it.
401
1320497
3691
e ele disse que era
levar a física a sério.
levar a física a sério.
22:16
Listening to you, what I hear you saying
is taking math seriously,
is taking math seriously,
402
1324696
4003
Ouvindo você, eu te ouço dizer
que está levando a matemática a sério,
que está levando a matemática a sério,
22:20
that has infused your whole life.
403
1328723
3003
que infundiu toda a sua vida.
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
Ela lhe deu uma fortuna e agora
está lhe permitindo investir
está lhe permitindo investir
22:28
in the futures of thousands and thousands
of kids across America and elsewhere.
of kids across America and elsewhere.
405
1336710
4496
no futuro de milhares de crianças
em toda a América e em outros lugares.
em toda a América e em outros lugares.
22:33
Could it be that science actually works?
406
1341567
2858
Então, a ciência realmente funciona?
22:36
That math actually works?
407
1344449
2772
Matemática realmente funciona?
22:39
JS: Well, math certainly works.
Math certainly works.
Math certainly works.
408
1347245
4372
JS: Bem, matemática certamente funciona.
22:43
But this has been fun.
409
1351641
1198
Mas tem sido divertido.
22:44
Working with Marilyn and giving it away
has been very enjoyable.
has been very enjoyable.
410
1352863
4946
Trabalhar com a Marilyn e fazer doações
tem sido muito agradável.
tem sido muito agradável.
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: É um pensamento inspirador para mim
22:52
that by taking knowledge seriously,
so much more can come from it.
so much more can come from it.
412
1360793
4007
que, ao tomar o conhecimento a sério,
muito mais pode vir a partir disso.
muito mais pode vir a partir disso.
22:56
So thank you for your amazing life,
and for coming here to TED.
and for coming here to TED.
413
1364824
3018
Então, obrigado por sua vida incrível,
e por ter vindo ao TED.
e por ter vindo ao TED.
22:59
Thank you.
414
1367866
751
Obrigado.
23:00
Jim Simons!
415
1368651
1101
Jim Simons!
23:01
(Applause)
416
1369806
4380
(Aplausos)
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